بازطراحی نظام سنجش و ارزشیابی در آموزش زیست شناسی در عصر هوش مصنوعی مولد: چارچوب ها، چالش ها و راهکارهای عملیاتی

ظهور هوش مصنوعی مولد و عامل های زبانی هوشمند، پارادایم های سنتی ارزیابی در آموزش عالی و عمومی را با چالشی بنیادین مواجه کرده است . شیوه های سنتی سنجش که عمدتا بر بازگوکردن و ارزیابی محصول نهایی متمرکز هستند، در برابر ابزارهای تولید متن و کد آسیب پذیر بوده و کارایی خود را در سنجش یادگیری واقعی از دست داده اند . این مقاله با اتخاذ یک روش مرور سیستماتیک و فراتحلیل داده های تجربی سال های ۲۰۲۴ تا ۲۰۲۶، به تبیین ضرورت بازطراحی نظام سنجش در آموزش علوم و به ویژه زیست شناسی می پردازد.یافته ها نشان می دهند که اگرچه مدل های زبانی بزرگ در سطوح پایین شناختی بلوم (یادآوری و درک مطلب) به پایایی بالایی در نمره دهی دست یافته اند، اما عملکرد آن ها در سطوح بالای شناختی (تحلیل آزمایشگاهی و ارزشیابی تفسیری) با افت جدی مواجه است. در این پژوهش، چارچوب نوآورانه «مهندسی بافت محتوایی» (Context Engineering) و مدل «انسان در چرخه» (Human-in-the-Loop) به عنوان راهکاری برای کاهش بار کاری معلمان و افزایش روایی ارزشیابی پیشنهاد شده است .در نهایت، با تکیه بر تجارب بین المللی (مانند پروژه پرش هوش مصنوعی استونی)، راهبردهای عملیاتی برای گذار از سنجش نتیجه به سنجش فرآیند تعاملی در آموزش زیست شناسی ارائه گردیده است .