ارزیابی یادگیری در عصر هوش مصنوعی؛ گذار از آزمون های سنتی به سنجش فرایندمحور و هوشمند

تحولات شتابان عصر دیجیتال و نفوذ بی سابقه هوش مصنوعی در تمامی عرصه های حیات بشری، نظام های آموزشی جهان را با چالشی بنیادین مواجه ساخته است؛ چالشی که فراتر از تغییر در ابزارهای تدریس، ماهیت خود یادگیری و به تبع آن، فرایند ارزشیابی از آموخته ها را دستخوش دگرگونی می کند. مقاله حاضر با رویکردی تحلیلی و با بهره گیری از مرور نظام مند ادبیات پژوهشی، به واکاوی ناکارآمدی های پارادایم سنتی سنجش آموزشی در مواجهه با الزامات عصر هوش مصنوعی پرداخته و بر ضرورت گذار به سوی الگوهای فرایندمحور و هوشمند تاکید می ورزد. استدلال اصلی این نوشتار بر این مبناست که آزمون های کتبی و استاندارد شده، که زمانی ستون فقرات نظام های ارزشیابی را تشکیل می دادند، امروز نه تنها قادر به سنجش ابعاد پیچیده و چندلایه یادگیری در محیط های غنی از فناوری نیستند، بلکه به دلیل تاکید افراطی بر حافظه و بازآوری اطلاعات، عملا با اهداف تربیتی قرن بیست و یکم در تضاد قرار می گیرند. در مقابل، سنجش فرایندمحور با تکیه بر ردگیری مستمر مسیر یادگیری، تحلیل داده های تعامل، و بهره گیری از الگوریتم های تطبیقی، چشم اندازی نوین برای ارزشیابی اصیل، منصفانه و توسعه بخش ترسیم می کند که در آن، خطا نه به مثابه نقطه ضعف، بلکه به عنوان فرصتی برای یادگیری عمیق تر تلقی می شود. یافته های پژوهش حاکی از آن است که به کارگیری هوش مصنوعی در سنجش آموزشی، علاوه بر افزایش دقت و سرعت در تصحیح و بازخورددهی، امکان شخصی سازی ارزشیابی متناسب با سبک های یادگیری فردی را فراهم می آورد و از طریق تحلیل داده های بزرگ، الگوهای پنهان یادگیری را آشکار می سازد. با این حال، مقاله هشدار می دهد که این گذار بدون توجه به ملاحظات اخلاقی، حفظ حریم خصوصی، و ارتقای سواد دیجیتال مدرسان، نه تنها به تحقق عدالت آموزشی منجر نخواهد شد، بلکه ممکن است شکاف دیجیتال موجود را عمیق تر سازد. در نهایت، مقاله با ارائه چارچوبی مفهومی برای تلفیق هوشمندانه سنجش انسانی و ماشینی، بر ضرورت بازتعریف نقش معلم از «داور» به «تسهیل گر و راهبر یادگیری» تاکید می کند و پیشنهادهایی برای اصلاح نظام های ارزشیابی در سطوح خرد و کلان ارائه می دهد. نتیجه نهایی آنکه عصر هوش مصنوعی، نه فروپاشی ارزشیابی، بلکه فرصتی بی نظیر برای تحقق رویای دیرین سنجش اصیل و تمام نما در آموزش و پرورش است.

کلیدواژه ها:

ارزیابی یادگیری ، هوش مصنوعی در آموزش ، سنجش فرایندمحور ، آزمون های سنتی ، ارزشیابی هوشمند ، یادگیری شخصی شده.