استاد برکلی به دلیل هوش مصنوعی نمره دادن به تکالیف را متوقف می کند - معلمان چگونه سازگار می شوند

یک استاد دانشگاه کالیفرنیا در برکلی به دلیل نگرانی از اینکه هوش مصنوعی استفاده از تکالیف مکتوب سنتی برای ارزیابی توانایی های دانش آموزان را برای معلمان و معلمان سخت تر می کند، درجه بندی تکالیف دانش آموزان را برای دقت متوقف کرده است.

بر اساس گزارش‌های The Inc، ریچارد بورچردز، استاد ریاضیات در دانشگاه کالیفرنیا برکلی که در سال 1998 مدال فیلدز را به دست آورد، اکنون به دانش‌آموزان اعتبار می‌دهد که تکالیف خود را به موقع انجام دهند، نه ارزیابی درستی پاسخ‌هایشان.

بورچردز معتقد است علامت‌گذاری مقالاتی که با هوش مصنوعی تولید شده‌اند «هیچ فایده‌ای» ندارد و به کالیفرنیا پست می‌گوید: «نمره‌بندی برای صحت فقط انگیزه بزرگی برای آن‌ها ایجاد می‌کند تا از هوش مصنوعی برای تکالیف خود به جای انجام آن‌ها استفاده کنند و دانش‌آموزان را به خاطر صداقت جریمه می‌کند».

این حرکت او در حالی صورت می‌گیرد که دانشگاه‌های سراسر کشور با پیشرفت سریع هوش مصنوعی و تأثیر آن بر آموزش دست‌وپنجه نرم می‌کنند و برخی از اساتید به امتحانات شفاهی، ارزیابی‌های حضوری و سایر روش‌های طراحی شده برای تعیین آنچه که دانشجویان واقعا می‌فهمند و می‌توانند انجام دهند، روی می‌آورند.

بورچردز به کالیفرنیا پست گفت که استفاده دانش‌آموزان از هوش مصنوعی برای انجام تکالیف در حال حاضر گسترده شده است.

او همچنین گفت: "هیچ راه آسانی برای تشخیص تفاوت بین کار تولید شده توسط انسان و هوش مصنوعی وجود ندارد" و افزود که پیشرفت در این فناوری به این معنی است که اشتباهات آشکار هوش مصنوعی نادرتر می شوند.

در نتیجه Borcherds به درجه‌بندی تکالیف بر اساس تکمیل کردن حرکت کرده است، به این معنی که دانش‌آموزان فقط برای تحویل دادن کار به جای دریافت پاسخ‌های درست اعتبار دریافت می‌کنند. در حالی که او اذعان کرده است که "سیستم خیلی خوبی نیست"، او در حال حاضر جایگزین بهتری ندارد.

تحقیقات دانشگاه کرنل در ماه مه نشان داد که از بین بیش از 95000 دانشجو در 20 دانشگاه تحقیقاتی دولتی ایالات متحده، 37 درصد گزارش کردند که حداقل ماهانه از هوش مصنوعی مولد استفاده می کنند، در حالی که 9 درصد گزارش داده اند که از آن برای تقلب استفاده می کنند.

رنه کیزیلچک، استادیار دانشگاه کرنل، یکی از نویسندگان این مطالعه، گفت: «اصلاح ارزیابی ضروری و ضروری است. او استدلال کرد که استفاده نادرست از هوش مصنوعی مولد مشکلی برای اعتبار ارزیابی‌ها و به نوبه خود «اعتبار اعتبارنامه‌های دانشگاهی» ایجاد می‌کند.

بورچردز گفته است که توسعه سریع هوش مصنوعی دیدگاه او را نسبت به آینده ریاضیات به عنوان یک حرفه تغییر داده است. پنج سال پیش، او معتقد بود که ریاضیات جزو رشته‌هایی است که نسبتا از پیشرفت‌های هوش مصنوعی محافظت می‌شود. اکنون، او گفته است که نمی‌داند چه توصیه‌ای به دانش‌آموزان با توجه به شغل در این موضوع داشته باشد.

بورچردز به The Inc. گفت: «اگر هوش مصنوعی با سرعت کنونی به پیشرفت خود ادامه دهد، پس از چند سال دیگر، ریاضیدانان انسانی هیچ کاری نمی توانند انجام دهند که هوش مصنوعی نتواند آن را بهتر انجام دهد.»

نگرانی‌های او زمانی مطرح می‌شود که سیستم‌های هوش مصنوعی به طور فزاینده‌ای قادر به مقابله با انواع تکالیف هستند که به طور سنتی برای آموزش و ارزیابی ریاضیات استفاده می‌شوند.

گزارشی در سال 2026 از کمیته ویژه MIT در مورد استفاده از هوش مصنوعی در آموزش، یادگیری و آموزش پژوهشی نشان داد که هوش مصنوعی دانشگاه را مجبور می‌کند در جنبه‌های اساسی آموزش، از جمله نحوه ارزیابی دانشجویان، تجدید نظر کند. این کمیته از مربیان خواست تا فرآیندهای فعلی آموزش و ارزیابی را برای "دنیای آگاه از هوش مصنوعی" تغییر دهند، در حالی که تاکید کرد که هوش مصنوعی به جای خودکارسازی، باید مکمل یادگیری انسان باشد.

این موضوع به‌ویژه به ریاضیات و سایر موضوعات فنی مربوط می‌شود، زیرا هوش مصنوعی می‌تواند به دانش‌آموزان در حل مسائل پیچیده کمک کند و ارزیابی درک و استدلال واقعی را برای مربیان دشوارتر می‌کند.

بنابراین، چالش معلمان صرفا این نیست که آیا دانش‌آموزان باید اجازه استفاده از هوش مصنوعی را داشته باشند، بلکه این است که چگونه می‌توان اطمینان حاصل کرد که به توسعه استدلال ریاضی و مهارت‌های حل مسئله اساسی ادامه می‌دهند که دروس سنتی برای آموزش در نظر گرفته شده است.

برخی از مربیان نه با کنار گذاشتن ارزشیابی، بلکه با تغییر قالب آن پاسخ می دهند.

مرکز نوآوری آموزش دانشگاه کرنل می گوید که ارزیابی شفاهی را می توان با تکالیف کتبی، پروژه ها یا مجموعه مشکلات همراه کرد تا از استفاده غیرمجاز یا غیر انتقادی از هوش مصنوعی جلوگیری کند. گزینه ها شامل امتحانات شفاهی، جلسات پرسش و پاسخ در مورد مقاله یا پروژه دانش آموز، ارائه، نقش آفرینی، مناظره و نمایش است.

در دانشگاه پنسیلوانیا، استادیار امیلی هامر در کلاس های سمینار خود، امتحانات شفاهی را با مقالات کتبی همراه کرده است. او استدلال کرده است که این نگرانی فراتر از جلوگیری از تقلب است و می گوید: "ما این کار را انجام می دهیم زیرا دانش آموزان در واقع مهارت های خود را از دست می دهند، ظرفیت شناختی و خلاقیت خود را از دست می دهند."

پن همچنین تجربه استاد ریاضیات فیل گرسمن را برجسته کرده است که در سال 2020 امتحان کتبی نهایی را جایگزین امتحانات شفاهی انفرادی کرد و به استفاده از این قالب ادامه داد. گرسمن گفت که مکالمات به او این امکان را می‌دهد تا با پرسیدن سؤالات بعدی متوجه شود که آیا دانشجویان واقعا مفاهیم را درک می‌کنند یا خیر، و به دانشگاه گفت: «احساس می‌کردم که درک بهتری از آنچه در حال رخ دادن است پیدا کرده‌ام.

این موضوع باعث ایجاد تغییرات در سطح سازمانی نیز می شود.

سالی کورنبلوت، رئیس MIT، گفت که فرصت ها و خطرات هوش مصنوعی مولد یک "لحظه آبخیز" برای MIT و آموزش عالی به طور گسترده تر است. او گفت که تغییرات عملی شامل "ارزیابی مجدد نحوه ارزیابی آموخته های دانش آموزان" و تاکید مجدد بر یادگیری عملی است.

MIT همچنین توصیه کرده است که هر کلاسی به وضوح خط مشی خود را در مورد هوش مصنوعی مولد بیان کند، از جمله اینکه چه استفاده هایی مجاز است و چرا. دانشگاه از تحمیل یک قاعده کلاس درس در سطح مؤسسه کوتاهی کرده است، در عوض فهرستی از رویکردها را به مربیان ارائه می دهد که می توانند با دوره های فردی تطبیق داده شوند.

این رویکردها با هم نشان می‌دهند که چگونه ورود هوش مصنوعی پیشرفته‌تر، سوال معلمان را از نحوه متوقف کردن دانش‌آموزان از هوش مصنوعی به نحوه طراحی ارزیابی‌هایی که هنوز نشان می‌دهد خود دانش‌آموزان می‌دانند و می‌توانند انجام دهند، تغییر می‌دهد.

نیوزویک برای اظهار نظر با Borcherds، دانشگاه کرنل و MIT تماس گرفته است.

خبرنگاران و سردبیران نیوزویک از مارتین، دستیار هوش مصنوعی ما، برای تهیه این داستان استفاده کردند. در اینجا درباره مارتین بیشتر بدانید. برای این خبر با سردبیران نیوزویک تماس بگیرید: رابرت گرینال و جان فیتزپاتریک