Η δημόσια συζήτηση γύρω από τη χρήση της Τεχνητής Νοημοσύνης στις πανεπιστημιακές εξετάσεις επικεντρώνεται συχνά στην ομοιότητα των παραγόμενων κειμένων. Ωστόσο, η έμφαση στην τεχνολογία ενδέχεται να αποπροσανατολίζει από το ουσιαστικό ερώτημα: τι ακριβώς αξιολογείται στο πανεπιστήμιο;
Η ύπαρξη πανομοιότυπων απαντήσεων μπορεί να ερμηνευθεί είτε ως ένδειξη αντιγραφής είτε ως αποτέλεσμα αναπαραγωγής κοινής πηγής. Στη δεύτερη περίπτωση, το φαινόμενο δεν συνιστά τεχνολογική ανωμαλία αλλά παιδαγωγική ένδειξη. Όταν η αξιολόγηση βασίζεται στην πιστή απόδοση συγκεκριμένης διατύπωσης, η ομοιομορφία αποτελεί δομική συνέπεια του συστήματος.
Η αναθεωρημένη ταξινομία του Benjamin Bloom, όπως διατυπώθηκε από τους Anderson και Krathwohl, διακρίνει ρητά τα επίπεδα γνωστικής λειτουργίας: ανάκληση, κατανόηση, εφαρμογή, ανάλυση, αξιολόγηση και δημιουργία. Εάν η εξεταστική πρακτική παραμένει στο επίπεδο της ανάκλησης, τότε η σύγκλιση απαντήσεων είναι αναμενόμενη. Η κριτική σκέψη διαφοροποιεί· η αποστήθιση εξισώνει.
Το ζήτημα συνεπώς δεν εστιάζεται πρωτίστως στην τεχνητή παραγωγή λόγου, αλλά στον τύπο των μαθησιακών αποτελεσμάτων που επιδιώκονται και ελέγχονται. Εάν ο φοιτητής δύναται να τεκμηριώσει προφορικά, να εφαρμόσει ή να μετασχηματίσει τη γνώση σε νέο πλαίσιο, τότε η μάθηση έχει επιτευχθεί, ανεξαρτήτως του εργαλείου που αξιοποιήθηκε κατά τη μελέτη. Αντιθέτως, εάν η αξιολόγηση περιορίζεται στη μνημονική επανάληψη, τότε η τεχνητή νοημοσύνη λειτουργεί ως καθρέφτης ενός ήδη υπάρχοντος δομικού προβλήματος.
Η σύγχρονη βιβλιογραφία για την ανώτατη εκπαίδευση υπογραμμίζει τη μετάβαση από τη «μέτρηση γνώσης» στη «μέτρηση ικανότητας σκέψης» (Biggs & Tang, 2011· Boud & Falchikov, 2007). Παράλληλα, η εμφάνιση της παραγωγικής τεχνητής νοημοσύνης δεν καταργεί τις αρχές της ακαδημαϊκής ακεραιότητας, αλλά επιταχύνει την ανάγκη επαναπροσδιορισμού των μορφών αξιολόγησης (Selwyn, 2016).
Συνεπώς, η συζήτηση δεν μπορεί να εξαντλείται στη διαπίστωση ομοιότητας κειμένων. Το κρίσιμο ερώτημα είναι εάν το πανεπιστήμιο εξακολουθεί να επιβραβεύει την αποστήθιση αντί της σύνθεσης και της κριτικής επεξεργασίας. Όπου ζητείται εφαρμογή, ανάλυση και δημιουργία, οι απαντήσεις διαφοροποιούνται εκ φύσεως. Εκεί όπου ζητείται πιστή αναπαραγωγή, η ομοιομορφία είναι σύμπτωμα της ίδιας της δομής.
Η τεχνητή νοημοσύνη, επομένως, δεν συνιστά την αιτία της κρίσης αξιολόγησης· αναδεικνύει τις υφιστάμενες αδυναμίες ενός μοντέλου που δεν έχει ακόμη μετασχηματιστεί επαρκώς.
Σημείωμα Συγγραφέα
Το παρόν κείμενο επιχειρεί μια θεσμική και παιδαγωγική ανάγνωση του ζητήματος της τεχνητής νοημοσύνης στην ανώτατη εκπαίδευση, εστιάζοντας όχι στην τεχνολογία καθαυτή αλλά στις δομικές παραδοχές της πανεπιστημιακής αξιολόγησης. Η προσέγγιση εντάσσεται στον ευρύτερο διάλογο περί ποιότητας, αξιοπιστίας και μετασχηματισμού των εκπαιδευτικών θεσμών σε συνθήκες ψηφιακής μετάβασης.
Βιβλιογραφία
Anderson, L. W., & Krathwohl, D. R. (Eds.). (2001). A taxonomy for learning, teaching, and assessing: A revision of Bloom’s taxonomy of educational objectives. Longman.
Biggs, J., & Tang, C. (2011). Teaching for quality learning at university (4th ed.). Open University Press.
Boud, D., & Falchikov, N. (2007). Rethinking assessment in higher education: Learning for the longer term. Routledge.
Nicol, D. J., & Macfarlane‐Dick, D. (2006). Formative assessment and self‐regulated learning: A model and seven principles of good feedback practice. Studies in Higher Education, 31(2), 199–218. https://doi.org/10.1080/03075070600572090
Selwyn, N. (2016). Education and technology: Key issues and debates (2nd ed.). Bloomsbury Academic.