تحول پارادایم ارزشیابی آموزشی در پرتو هوش مصنوعی مولد: چالش های اعتبار سنجی و یکپارچگی آکادمیک

ظهور و گسترش روزافزون هوش مصنوعی مولد، به ویژه مدل های زبانی بزرگ (LLMs) مانند GPT-۴ و نسل های آتی آن، پارادایم سنتی ارزشیابی آموزشی را با چالش های بنیادین و بی سابقه ای روبرو ساخته است. این فناوری نوظهور، قابلیت تولید محتوای متنی، کد، و حتی ایده های خلاقانه را با سرعتی و کیفیتی که پیشتر تصورناپذیر بود، داراست. پیامد مستقیم این تحول، فروپاشی اعتبار سنجی (Validity) مفروض در بسیاری از ابزارهای سنتی ارزشیابی، به ویژه آن هایی که بر سنجش حافظه، بازخوانی اطلاعات، و مهارت های شناختی سطح پایین تمرکز دارند، است. این مقاله به بررسی عمیق این بحران اعتبار سنجی می پردازد و استدلال می کند که هوش مصنوعی مولد، نه تنها ابزاری برای تقلب، بلکه عاملی بنیادین در بازتعریف ماهیت آنچه که ارزشمند است در امر آموزش و یادگیری است. تمرکز از “چه چیزی دانش” به “چگونه استفاده از دانش” و “چرایی استدلال” تغییر ماهیت داده و پرسش های اساسی در باب اعتبار سنجی سازه (Construct Validity) و یکپارچگی آکادمیک (Academic Integrity) را مطرح می سازد.

کلیدواژه ها:

بحران ، هوش مصنوعی ، اطلاعات