وقتی نمره، یادگیری را نشان نمی دهد؛ بازتعریف شواهد یادگیری در عصر هوش مصنوعی

گسترش ابزارهای هوش مصنوعی مولد، شیوه های رایج آموزش، انجام تکالیف و ارزیابی پیشرفت یادگیرندگان را با تغییرات جدی روبه رو کرده است. در این شرایط، کیفیت بالای یک پاسخ یا تکلیف لزوما به معنای تسلط واقعی فرد بر محتوای آموزشی نیست و ممکن است بخشی از عملکرد مشاهده شده حاصل توانایی های یک سامانه هوشمند باشد. این مسئله اعتبار برخی روش های متداول ارزشیابی را تحت تاثیر قرار می دهد و ضرورت توجه بیشتر به شواهد مستقیم یادگیری را مطرح می کند. پژوهش حاضر با تمرکز بر این مسئله، به بررسی ضرورت تغییر در معیارهای تشخیص یادگیری و توجه به فرایندهای شناختی، توانایی توضیح، حل مسئله و کاربرد دانش می پردازد. نتایج بررسی ها نشان می دهد که استفاده هدفمند از هوش مصنوعی می تواند به یادگیری کمک کند، اما تکیه بر محصول آماده، بدون سنجش میزان درک و مشارکت ذهنی یادگیرنده، احتمال ایجاد فاصله میان عملکرد ظاهری و یادگیری واقعی را افزایش می دهد. بر این اساس، بازطراحی تکالیف، تقویت سواد هوش مصنوعی و حرکت به سوی ارزشیابی فرایندمحور از الزامات آموزش در محیط های هوشمند به شمار می آید.واژگان کلیدی: هوش مصنوعی مولد، شواهد یادگیری، ارزشیابی آموزشی، عملکرد یادگیرنده، یادگیری عمیق، سواد هوش مصنوعی، سنجش آموزشی