هشدار استادان استرالیایی؛ ورود هوش مصنوعی به فرایند نمره‌دهی دانشگاه‌ها

نگرانی‌ها و امیدها درباره نمره‌دهی با کمک هوش مصنوعی

دانشگاه‌های استرالیا کم‌کم دارند اجازه می‌دهند از هوش مصنوعی مولد برای کمک به تصحیح تکالیف و ارائه بازخورد استفاده شود. موافقان می‌گویند این کار می‌تواند از فشار کاری سنگین استادان کم کند؛ منتقدان اما نگران‌اند که اگر بخش زیادی از قضاوت آموزشی به سیستم‌های خودکار سپرده شود، «قضاوت انسانی» که در مرکز آموزش قرار دارد تضعیف شود.

خط قرمز اصلی: مسئولیت نمره و بازخورد

مرز اختلاف، «مسئولیت‌پذیری» است. Western Sydney University¹ می‌گوید کارکنان می‌توانند از هوش مصنوعی برای پشتیبانی از بخش‌هایی از ارزیابی و بازخورد استفاده کنند، اما مسئولیت نهایی نمره‌ها، گریدها و بازخوردها باید با اعضای هیئت علمی باشد. Deakin University² هم بعضی استفاده‌های اداری و افزایش بهره‌وری را مجاز می‌داند، اما تأکید می‌کند هوش مصنوعی نمی‌تواند «گرید» تعیین کند. University of Newcastle³ به دانشجوها حق می‌دهد که از ارزیابیِ «با کمک هوش مصنوعی» انصراف بدهند و گزینه «عدم استفاده» را انتخاب کنند.

ارزیابی فقط تطبیق با روبریک نیست

این محدودیت‌ها مهم‌اند، چون ارزیابی صرفاً این نیست که یک کار دانشجویی با «روبریک» تطبیق داده شود. یک مصحح، استدلال را تفسیر می‌کند، سوءبرداشت را تشخیص می‌دهد و تصمیم می‌گیرد چه بازخوردی می‌تواند به پیشرفت دانشجو کمک کند. هوش مصنوعی ممکن است مثل یک «جفت چشم دوم» عمل کند؛ مثلاً کمک کند ناهماهنگی‌ها در نمره‌دهی یا تناقض‌های ارزیابی شناسایی شود. اما این با واگذارکردن تصمیم دانشگاهی و قضاوت آموزشی به ماشین فرق دارد.

خطر «چرخه شلخته»: متنِ ماشین، داوریِ ماشین

یکی از نگرانی‌ها، شکل‌گیری چیزی است که منتقدان به آن «چرخه شلخته» می‌گویند: دانشجو تکلیفِ تولیدشده با هوش مصنوعی تحویل می‌دهد و بعد استاد هم همان را با هوش مصنوعی تصحیح می‌کند. منتقدان می‌گویند چنین حلقه‌ای می‌تواند میزان دقت و ارتباط انسانی در فرایند یادگیری را کمتر کند و همچنین مشخص‌بودنِ این‌که در نهایت «قضاوت چه کسی» نتیجه را شکل داده، سخت‌تر شود.

رویکردهای متفاوت دانشگاه‌ها در استرالیا

دانشگاه‌ها سیاست‌های یکسانی ندارند. The University of New South Wales⁴، The University of Melbourne⁵ و The University of Sydney⁶ از جمله دانشگاه‌هایی هستند که درباره استفاده از هوش مصنوعی مولد برای «نمره‌دهی» خط قرمز می‌گذارند، هرچند امکان استفاده از آن را در بخش‌های دیگر آموزش مجاز می‌دانند. Monash University⁷ اعلام کرده فعلاً از هوش مصنوعی در نمره‌دهی استفاده نمی‌کند، در حالی که درباره این‌که هوش مصنوعی چطور می‌تواند از آموزش و ارزیابی پشتیبانی کند بررسی‌هایی در جریان است. The University of Queensland⁸ هم می‌گوید استادان باید کار دانشجو را ارزیابی کنند و مطمئن شوند نمره‌ها بازتاب‌دهنده یادگیری دانشجو است.

فشار واقعیِ زمان و کار—اما نیاز به چارچوب روشن

فشار برای پیدا کردن راه‌حل‌های قابل اجرا واقعی است: تصحیح و نمره‌دهی زمان زیادی می‌برد و از استادان به‌عنوان نیروهایی یاد می‌شود که زیر بار کار زیادی قرار دارند. در عین حال، اگر قرار باشد هوش مصنوعی به پیدا کردن الگوها کمک کند یا پیش‌نویس بازخورد بنویسد، دانشگاه‌ها همچنان به قواعد روشن درباره نظارت انسانی، حق انتخاب دانشجو، و این‌که در نهایت چه کسی پاسخ‌گوی ارزیابی نهایی است نیاز دارند.

سؤال اصلی چیست؟

پرسش محوری فقط این نیست که آیا هوش مصنوعی «می‌تواند» نمره بدهد یا نه. بحث این است که دانشگاه‌ها چطور از آن برای پشتیبانی از تدریس استفاده کنند، بدون این‌که ارزیابی تبدیل شود به یک تبادل خودکار: کارِ نوشته‌شده با ماشین در یک طرف، و قضاوتِ تولیدشده با ماشین در طرف دیگر.

پاورقی منابع نام‌ها

¹ Western Sydney University

² Deakin University

³ University of Newcastle

⁴ The University of New South Wales

⁵ The University of Melbourne

⁶ The University of Sydney

⁷ Monash University

⁸ The University of Queensland