تاثیر هوش مصنوعی بر ارزشیابی های جایگزین: از آزمون های استاندارد تا پورتفولیوی هوشمند

ارزشیابی آموزشی در سال های اخیر با تحولات شگرفی مواجه شده است. ظهور هوش مصنوعی مرزهای سنتی سنجش را درنوردیده و افق های جدیدی برای ارزشیابی های جایگزین گشوده است. این مقاله با رویکرد کیفی-توصیفی به بررسی تاثیر هوش مصنوعی بر تحول ارزشیابی از آزمون های استاندارد سنتی تا پورتفولیوی هوشمند می پردازد. مبانی نظری مقاله بر نظریه ارزشیابی معتبر، نظریه یادگیری شخصی سازی شده و نظریه هوش توزیع شده استوار است. پیشینه پژوهش نشان می دهد که نظام های ارزشیابی سنتی به دلیل تاکید بر محفوظات و مهارت های سطح پایین، قادر به سنجش شایستگی های قرن بیست و یکم نیستند و هوش مصنوعی می تواند راهگشای گذار از این وضعیت باشد. روش تحقیق از نوع کیفی-توصیفی با استفاده از مرور نظام مند منابع و تحلیل شواهد تجربی است. یافته ها در پنج محور اصلی سازماندهی شدند: نقد نظام های ارزشیابی سنتی و تاکید بر آزمون های پراستاندارد، معرفی ارزشیابی های جایگزین و نسبت آن با هوش مصنوعی، کاربردهای عینی هوش مصنوعی در ارزشیابی (از سنجش خودکار تا تحلیل محتوای چندوجهی)، معرفی پورتفولیوی هوشمند به عنوان الگوی پیشرفته ارزشیابی جایگزین با پشتیبانی هوش مصنوعی، و چالش ها و الزامات اخلاقی پیاده سازی. نتیجه آنکه ارزشیابی هوشمند با ارج نهادن بر عاملیت انسانی و رعایت اصول شفافیت، انصاف و حریم خصوصی، می تواند مسیر تحول آموزش را هموار سازد.

کلیدواژه ها:

هوش مصنوعی در آموزش ، ارزشیابی جایگزین ، پورتفولیوی هوشمند ، سنجش اصیل ، عدالت آموزشی.