ارزیابی در عصر هوش مصنوعی مولد: بازاندیشی در سنجش یادگیری دانش آموزان

ظهور و گسترش سریع ابزارهای هوش مصنوعی مولد، بهویژه چتجیپیتی، پرسشهای بنیادینی را درباره اعتبار شیوههای متعارف ارزشیابی یادگیری دانشآموزان مطرح کرده است؛ اکنون که تولید متن، حل مسئله و حتی تحلیل داده در دسترس هر دانشآموزی قرار گرفته، این پرسش مطرح میشود که آیا تکالیف نوشتاری و آزمونهای سنتی هنوز میتوانند شواهد معتبری از یادگیری واقعی فراهم کنند یا نیازمند بازطراحی بنیادیناند. هدف این پژوهش مروری-تحلیلی، بازاندیشی در مبانی نظری و عملی سنجش یادگیری در عصر هوش مصنوعی مولد و ارائه چارچوبی کاربردی برای طراحی ارزشیابیهای پایاتر است. برای این منظور، با رویکرد مرور روایتی و تحلیل محتوای کیفی، ادبیات پژوهشی منتشرشده در بازه سالهای ۲۰۲۲ تا ۲۰۲۶ در پایگاههای اسکوپوس، تیلور و فرانسیس، اریک و پایگاههای داخلی مانند سیویلیکا و نورمگز جستوجو، غربالگری و در نهایت ۲۲ منبع علمی واجد شرایط ورود، برای تحلیل نهایی انتخاب شد. یافتهها نشان میدهد رویکردهای رایج مواجهه با هوش مصنوعی مولد را میتوان در دو دسته کلی «تغییرات گفتمانی» (وضع قوانین و دستورالعملهای استفاده) و «تغییرات ساختاری» (بازطراحی ماهیت و فرآیند تکلیف) جای داد و تغییرات ساختاری، از جمله ارزشیابیهای اصیل، شفاهی، تدریجی و مبتنی بر داوری ارزشیابانه، اثربخشی بیشتری در حفظ روایی سنجش دارند. همچنین اتکای بیشازحد دانشآموزان به هوش مصنوعی مولد میتواند به پدیده «تنبلی فراشناختی» بینجامد و مهارتهای خودتنظیمی یادگیری را در بلندمدت تضعیف کند، هرچند استفاده هدفمند و آگاهانه از این فناوری میتواند بازخورد یادگیری را غنیتر و شخصیسازیشدهتر سازد. نتایج این پژوهش پیشنهاد میکند نظامهای آموزشی بهجای تمرکز صرف بر شناسایی تقلب، ارزشیابی را حول محور «روایی» بازطراحی کنند و ظرفیت داوری ارزشیابانه دانشآموزان را بهعنوان یک شایستگی مستقل پرورش دهند. این مقاله برای سیاستگذاران آموزشی، طراحان برنامه درسی و معلمانی که در پی راهکارهای عملی برای انطباق سنجش با واقعیت جدید هوش مصنوعی مولد هستند، کاربرد دارد.

کلیدواژه ها:

هوش مصنوعی مولد ، ارزشیابی یادگیری ، اعتبار سنجش ، داوری ارزشیابانه ، یکپارچگی علمی