کاربرد هوش مصنوعی در ارزیابی آموزشی با چالش ها و انتقادات

ظهور مدل های زبانی بزرگ (LLMs) مانند GPT-۴، نقطه عطف مهمی در تاریخ تصحیح خودکار به شمار می رود. لی و همکاران (۲۰۲۵) در پژوهش خود نشان داده اند که مدل های زبانی بزرگ نه تنها عملکرد تصحیح را در مقایسه با رویکردهای سنتی بهبود می بخشند، بلکه امکان ارزیابی مبتنی بر روبریک و بازخورد توضیحی دقیق را نیز فراهم می کنند؛ قابلیتی که پیش از این تنها در اختیار ارزیاب های انسانی بود. میزوموتو و اگوچی (۲۰۲۳) نیز در مجله روش های پژوهشی در زبان شناسی کاربردی پتانسیل مدل های زبانی هوش مصنوعی را برای تصحیح خودکار مقالات بررسی کرده و یافته های امیدوارکننده ای ارائه داده اند.با وجود همه این مزایا، کاربرد هوش مصنوعی در ارزیابی آموزشی با چالش ها و انتقاداتی نیز همراه است. یان و همکاران (۲۰۲۴) در مرور نظام مند خود در مجله فناوری آموزشی بریتانیا، چالش های عملی و اخلاقی مدل های زبانی بزرگ در آموزش را بررسی کرده و به مسائلی چون سوگیری الگوریتمی، حریم خصوصی داده ها، فرسایش رابطه معلم-دانش آموز و ضعف در توسعه حرفه ای اشاره کرده اند. نازارتسکی و همکاران (۲۰۲۲) نیز به ذهنی بودن قضاوت های ارزیابانه و خطر «خستگی از تصحیح» در میان معلمان اشاره می کنند که هوش مصنوعی می تواند در رفع آن نقش داشته باشد.