گذار از سنجش سنتی به ارزشیابی هوشمند: نقش هوش مصنوعی مولد در بازتعریف نظام های ارزشیابی مدارس

ظهور مدل های زبانی بزرگ (LLMs) و هوش مصنوعی مولد، پارادایم های سنتی آموزش و پرورش را با چالش های جدی مواجه کرده است. حادترین این چالش ها در حوزه «ارزشیابی و سنجش» نمود یافته است، جایی که روش های مرسوم مبتنی بر حفظیات و مقاله نویسی سنتی، در برابر توانایی های تولید متن هوش مصنوعی کارایی خود را از دست داده اند. این مقاله با هدف بررسی تحول نظام ارزشیابی در مدارس، به تبیین گذار از «سنجش نتیجه محور» به «سنجش فرایندمحور» می پردازد. روش پژوهش، تحلیلی-توصیفی با مرور منابع کتابخانه ای و اسناد جدید حوزه تکنولوژی آموزشی است. یافته ها نشان می دهد که هوش مصنوعی مولد نه تنها تهدیدی برای امتحانات نیست، بلکه فرصتی برای پیاده سازی «ارزشیابی تطبیقی» (Adaptive Assessment)، «بازخورد آنی» و «سنجش تفکر انتقادی» فراهم می کند. در نهایت، مدلی برای تلفیق AI در امتحانات مدارس پیشنهاد می شود که بر مهندسی پرسش (Prompt Engineering) و تحلیل استدلال متکی است.

کلیدواژه ها:

هوش مصنوعی مولد ، ارزشیابی آموزشی ، سنجش تطبیقی ، مدارس هوشمند ، تحول دیجیتال