تقلب در دانشگاهها زمانی چهره مشخصی داشت؛ دانشجویی که مقالهای را کپی میکرد یا برگه تقلب را مخفیانه وارد جلسه امتحان میکرد. اما از سال ۲۰۲۳ به بعد، ظهور ابزارهای هوش مصنوعی مولد مانند ChatGPT مرز میان «کمک گرفتن» و «ارائه کاری که متعلق به خود دانشجو نیست» را مبهم کرده است.
اکنون بزرگترین نظرسنجی انجامشده درباره استفاده دانشجویان از هوش مصنوعی نشان میدهد که این فناوری تا چه اندازه وارد فضای آموزشی شده، چگونه الگوهای یادگیری را تغییر داده، چرا دانشگاهها برای کنترل آن با چالش روبهرو هستند.
بزرگترین نظرسنجی درباره استفاده دانشجویان از هوش مصنوعی
رنه کیزیلجک، استاد علوم اطلاعات در دانشگاه کرنل، سالها روی نحوه یادگیری دانشجویان با فناوری تحقیق کرده است. او همراه با ایگور چیریکوف از دانشگاه کالیفرنیا برکلی، پروژهای را اجرا کردند که دادههای بیش از ۹۵ هزار دانشجو از ۲۰ دانشگاه تحقیقاتی بزرگ دولتی آمریکا را بررسی میکرد.
این تحقیق اکنون بزرگترین مطالعه درباره نحوه استفاده دانشجویان کارشناسی از ابزارهای هوش مصنوعی مولد در فعالیتهای آموزشی محسوب میشود.
پژوهشگران از دادههای یک نظرسنجی سالانه استفاده کردند که پیشتر برای سنجش تعامل، تعلق خاطر، مشارکت دانشجویان طراحی شده بود. سپس در سال تحصیلی ۲۰۲۴-۲۰۲۳ پرسشهایی درباره استفاده از هوش مصنوعی به آن اضافه شد تا الگوهای استفاده میان رشتهها، گروههای جمعیتی مختلف مقایسه شود.
کدام دانشجویان بیشتر از هوش مصنوعی استفاده میکنند؟
نتایج نشان داد میزان استفاده از هوش مصنوعی در رشتههای مختلف تفاوت چشمگیری دارد.
- دانشجویان علوم کامپیوتر بیشترین استفاده را از ابزارهایی مانند ChatGPT داشتند.
- حدود ۶ نفر از هر ۱۰ دانشجوی این رشته اعلام کردند بهصورت منظم برای انجام تکالیف از هوش مصنوعی کمک میگیرند.
- در مقابل، تنها حدود یکچهارم دانشجویان رشتههای هنری چنین استفادهای را گزارش کردند.
رشتههایی که بر داده، برنامهنویسی، تحلیل کد متمرکز هستند، بیشترین وابستگی را به ابزارهای هوش مصنوعی نشان دادند. در مقابل، رشتههایی که بیشتر بر تفسیر، خلاقیت، مهارتهای دستی متکی هستند، کمتر از این فناوری استفاده میکنند.
این الگو نشان میدهد هوش مصنوعی در حوزههایی سریعتر جا افتاده که بهراحتی در جریان کاری روزمره ادغام میشود.
بر اساس این مطالعه، حدود ۴ نفر از هر ۱۰ دانشجو حداقل ماهی یکبار برای امور درسی از هوش مصنوعی استفاده میکنند. این آمار نشان میدهد استفاده از AI در دانشگاهها دیگر پدیدهای محدود نیست، هنوز به رفتار کاملاً پیشفرض تبدیل نشده است.
تقلب با هوش مصنوعی؛ آمار واقعی چقدر است؟
اعتراف به تقلب برای بسیاری از دانشجویان کار سادهای نیست. به همین دلیل پرسش مستقیم معمولاً آمار واقعی را کمتر از حد واقعی نشان میدهد.
پژوهشگران برای حل این مشکل از روشی به نام «تصادفیسازی فهرست» استفاده کردند. در این روش، دانشجویان فقط تعداد مواردی را اعلام میکردند که درباره آنها صدق میکند، بدون اینکه مشخص کنند دقیقاً کدام گزینهها را انتخاب کردهاند.
با اضافه شدن گزینهای درباره استفاده از هوش مصنوعی برای تقلب، پژوهشگران توانستند بدون نیاز به اعتراف مستقیم، نرخ واقعی تقلب را تخمین بزنند.
نتیجه نهایی نشان داد حدود یک نفر از هر ۱۰ دانشجو از هوش مصنوعی برای تقلب استفاده کرده است.
این رقم اگرچه کمتر از برخی پیشبینیهای هشداردهنده بود، اما همچنان برای دانشگاهها نگرانکننده محسوب میشود.
کاربران روزانه هوش مصنوعی بیشتر تقلب میکنند
نکته مهم تحقیق این بود که تقلب بهصورت یکنواخت میان همه دانشجویان توزیع نشده است.
- دانشجویانی که هر روز از هوش مصنوعی استفاده میکردند، نرخ تقلب بسیار بالاتری داشتند.
- حدود یکچهارم کاربران روزانه از مرز تقلب عبور کرده بودند.
- در میان کاربرانی که ماهانه از AI استفاده میکردند، این نرخ به حدود یک نفر از هر ۱۴ نفر کاهش پیدا میکرد.
این تفاوت نشان میدهد مشکل اصلی دانشگاهها احتمالاً کاربران حرفهای و وابسته به هوش مصنوعی هستند، نه استفادهکنندگان عادی.
بسیاری از کاربران سبک احتمالاً همچنان در چارچوبهای قابل قبول آموزشی فعالیت میکنند. اما کاربران سنگینتر، هوش مصنوعی را در بخشهای مختلف روند کاری خود وارد کردهاند.
پژوهشگران تأکید میکنند برخی دانشجویان حتی ممکن است متوجه نباشند چه زمانی از مرز مجاز عبور کردهاند.
شکاف جنسیتی و نژادی در استفاده از AI
نتایج مطالعه نشان داد تفاوتهای قابلتوجهی میان گروههای مختلف دانشجویی وجود دارد.
- حدود یکسوم دانشجویان زن استفاده منظم از هوش مصنوعی را گزارش کردند.
- در مقابل، نزدیک به نیمی از دانشجویان مرد بهطور مرتب از این ابزارها استفاده میکردند.
- گروههای اقلیت نژادی کمتر از دانشجویان سفیدپوست یا آسیایی به سراغ ابزارهای AI رفته بودند.
این الگو با تحقیقات قبلی درباره پذیرش فناوریهای جدید همخوانی دارد. اما پژوهشگران هشدار میدهند عقب ماندن از مهارتهای مرتبط با هوش مصنوعی میتواند در آینده، چه در دانشگاه، چه در بازار کار، شکافهای بیشتری ایجاد کند.
به گفته محققان، طراحی نادرست ارزیابیهای مبتنی بر هوش مصنوعی ممکن است همین نابرابریها را تشدید کند.
دانشگاهها چه راهحلی دارند؟
پژوهشگران سه مسیر اصلی را برای آینده سیستم ارزیابی دانشگاهها مطرح کردهاند.
بازگشت به امتحانهای حضوری
در این مدل، دانشگاهها دوباره به امتحانهای سنتی با نظارت مستقیم بازمیگردند؛ آزمونهایی که با قلم، کاغذ، تحت کنترل کامل برگزار میشوند.
مزیت این روش کاهش تقلب دیجیتال است، اما منتقدان میگویند چنین امتحانهایی فقط توانایی دانشجو در شرایط استرسزا را اندازهگیری میکنند.
تعیین قوانین شفاف برای استفاده از هوش مصنوعی
برخی دانشگاهها ترجیح میدهند تکالیف خانگی حفظ شود، اما مرز استفاده مجاز از هوش مصنوعی کاملاً مشخص گردد.
در این مدل، استاد، دانشجو تعریف مشترکی از تقلب خواهند داشت. با این حال اجرای این قوانین نیازمند نظارت جدی اعضای هیئت علمی است؛ موضوعی که همیشه امکانپذیر نیست.
ادغام هوش مصنوعی در فرآیند آموزش
راهکار سوم، پذیرش کامل AI بهعنوان بخشی از مهارتهای موردنیاز آینده است.
در این رویکرد، دانشجویان نه بهخاطر استفاده از هوش مصنوعی، بلکه بر اساس کیفیت استفاده از آن ارزیابی میشوند.
البته این مدل هم چالشهای خود را دارد؛ زیرا دانشجویانی که به ابزارهای پیشرفتهتر یا پولی دسترسی دارند، ممکن است برتری بیشتری پیدا کنند.
آینده آموزش دانشگاهی چگونه تغییر میکند؟
پیش از این تحقیق، بیشتر دادهها درباره تقلب با هوش مصنوعی بر پایه روایتهای پراکنده یا نظرسنجیهای کوچک بود. اما اکنون دانشگاهها تصویری گستردهتر از وضعیت واقعی دارند.
پژوهشگران معتقدند اصلاح سیستم ارزیابی آموزشی دیگر یک انتخاب نیست، بلکه ضرورتی فوری است.
در سالهای آینده احتمالاً برخی دانشگاهها دوباره به امتحانهای حضوری بازمیگردند، برخی دیگر استفاده هوشمندانه از AI را بخشی از نمره دانشجویان قرار میدهند.
دانشجویانی که امسال وارد دانشگاه میشوند ممکن است از همان ترم اول با تغییرات بزرگی روبهرو شوند؛ از امتحانهای دستنویس بیشتر گرفته تا سیلابسهایی که دقیقاً مشخص میکنند استفاده از کدام ابزارهای هوش مصنوعی مجاز است.
حتی ممکن است در برخی دروس، توانایی استفاده مؤثر از ابزارهای هوش مصنوعی بهعنوان یک مهارت آموزشی مستقل ارزیابی شود.
جمعبندی
هوش مصنوعی بهسرعت در حال تغییر ساختار آموزش عالی است. اگرچه اکثر دانشجویان هنوز از این ابزارها در چارچوبهای قابل قبول استفاده میکنند، اما افزایش تقلب دیجیتال دانشگاهها را مجبور کرده مدلهای ارزیابی خود را بازنگری کنند.
آینده آموزش احتمالاً نه حذف کامل AI خواهد بود، نه پذیرش بیقیدوشرط آن؛ بلکه یافتن تعادلی میان یادگیری واقعی، عدالت آموزشی، فناوری.
نظر شما چیست؟ آیا استفاده از هوش مصنوعی در دانشگاه باید محدود شود یا به بخشی از آموزش رسمی تبدیل شود؟
