طراحی و اعتبارسنجی تکالیف ضدتقلب در عصر هوش مصنوعی مولد

گسترش شتابان مدل های هوش مصنوعی مولد (مانند ابزارهای مبتنی بر پردازش زبان طبیعی و تولید خودکار متن) چشم انداز تکالیف سنتی و سنجش تحصیلی را با چالشی بنیادین مواجه کرده است. دسترسی آسان دانش آموزان به تولید پاسخ های آماده، کارآمدی ابزارهای سنتی تشخیص سرقت علمی را به شدت کاهش داده و نیاز به تغییر پارادایم از «تکالیف محصول محور» به «تکالیف فرایندمحور و تفکرمحور» را دوچندان کرده است.هدف پژوهش حاضر، طراحی و اعتبارسنجی چارچوبی کاربردی برای تدوین تکالیف مقاوم در برابر سوءاستفاده از هوش مصنوعی در محیط های آموزشی است. در این راستا، با تکیه بر نظریه های یادگیری سازنده گرایی و سنجش اصیل)، مولفه های پنج گانه این مدل تدوین و تحلیل شده اند: ارزیابی فرایندمحور و چندمرحله ای، بومی سازی و شخصی سازی داده ها، تفکر انتقادی و نقد خروجی هوش مصنوعی، سنجش عملکردی و چندرسانه ای، فراتحلیل و بازاندیشی فردی. نتایج پژوهش نشان می دهد بازطراحی تکالیف بر پایه این مولفه ها نه تنها انگیزه های تقلب دانشگاهی و مدرسه ای را تا حد زیادی خنثی می کند، بلکه هوش مصنوعی را از یک ابزار تقلب، به بستری برای تعمیق یادگیری و توسعه سواد دیجیتال تبدیل می نماید.

کلیدواژه ها:

هوش مصنوعی مولد ، تکالیف ضدتقلب ، سنجش اصیل ، ارزیابی فرایندمحور ، یکپارچگی تحصیلی ، تفکر انتقادی.