بازتعریف پارادایم ارزیابی آموزشی در عصر هوش مصنوعی مولد

زمینه و هدف: ظهور هوش مصنوعی مولد (Generative AI) به عنوان یکی از تاثیرگذارترین فناوری های قرن بیست و یکم، نظام های آموزشی را با تحولی بی سابقه در حوزه ی ارزشیابی و سنجش یادگیری مواجه ساخته است. ابزارهایی همچون ChatGPT، Gemini و Claude با قابلیت تولید متون، کد، تصاویر و محتوای آموزشی در سطحی قابل مقایسه با عملکرد انسانی، مفروضات بنیادین روش های سنتی ارزشیابی را به چالش کشیده اند و ضرورت بازتعریف پارادایم های موجود را به عنوان یک الزام حیاتی مطرح ساخته اند. پژوهش حاضر با هدف بررسی ابعاد و مولفه های این تغییر پارادایم در ارزشیابی آموزشی و ترسیم چشم اندازی برای آینده ی سنجش در عصر هوش مصنوعی مولد انجام شده است. روش شناسی: این مطالعه از نوع مرور نظام مند با رویکرد تحلیلی-توصیفی است. برای گردآوری داده ها، مقالات و منابع معتبر علمی از پایگاه های داده ای معتبر در بازه ی زمانی ۲۰۲۲ تا ۲۰۲۶ جستجو و پس از اعمال معیارهای ورود و خروج، ۶۰ منبع کلیدی برای تحلیل نهایی انتخاب شدند. تحلیل داده ها با استفاده از روش تحلیل تماتیک و با بهره گیری از چارچوب چهاروجهی Broadfoot (رقابت، محتوا، کنترل، شایستگی) و دو مولفه ی جدید «اعتبار» و «داوری خبرگی» انجام گرفت. یافته ها: تحلیل ها نشان داد که تغییر پارادایم ارزشیابی در عصر هوش مصنوعی مولد در سه سطح کلان قابل ترسیم است: سطح اول، تغییر از ارزشیابی محصول محور به ارزشیابی فرایند-محور که بر تعامل مستمر، تکرار و تامل در یادگیری تاکید دارد؛ سطح دوم، تغییر از ارزشیابی های سنتی و یکسان به ارزشیابی اصیل که در آن دانش آموزان وظایف دنیای واقعی را در بسترهای معنادار انجام می دهند و هوش مصنوعی به عنوان ابزاری در خدمت این اصالت عمل می کند؛ و سطح سوم، تغییر از ارزشیابی صرفا کمی و نمره محور به ارزشیابی کیفی، فرایندی و شخصی سازی شده که از تحلیل داده های یادگیری و بازخوردهای هوشمند بهره می گیرد.. نتیجه گیری: بازتعریف پارادایم ارزشیابی در عصر هوش مصنوعی مولد، مستلزم گذار از رویکردهای سنتی به سمت ارزشیابی اصیل، فرایند-محور و همکارانه است که در آن، هوش مصنوعی به عنوان «همکار آموزشی» و «ابزار توانمندساز» در کنار قضاوت انسانی معلمان ایفای نقش می کند. تحقق این چشم انداز نیازمند تدوین چارچوب های نظری و عملیاتی منسجم، توانمندسازی معلمان در سواد هوش مصنوعی، بازنگری در سیاست های ارزشیابی، و توجه جدی به ملاحظات اخلاقی و عدالت محوری است. کلیدواژه ها: بازتعریف پارادایم، ارزشیابی آموزشی، هوش مصنوعی مولد، ارزشیابی اصیل، ارزشیابی فرایند-محور، سواد هوش مصنوعی.