۲۵ آبان ۱۴۰۵، دوشنبه تبریز ۶°
دلار۲۶۵٬۸۰۵ تومان • ٪۰٫۰۰یورو۲۹۳٬۵۸۰ تومان • ٪۰٫۰۰درهم۷۲٬۶۹۹ تومان • ٪۰٫۰۰لیر۵٬۲۹۰ تومان • ٪۰٫۰۰پوند۳۵۱٬۳۳۰ تومان • ٪۰٫۰۰طلای ۱۸ عیار۲۴٬۵۵۷٬۷۰۰ تومان • ٪۰٫۰۰
تبریز فوری
خبر فوری

افزایش معدل دانشجویان شریف و پرسش از کارآمدی شیوه‌های امتحان

میانگین معدل دانشجویان ورودی ۱۴۰۴ دانشگاه صنعتی شریف در نخستین ترم به ۱۷.۳۷ رسید؛ افزایشی که در کنار آموزش مجازی و گسترش هوش مصنوعی مولد، ضرورت بازنگری در شیوه‌های ارزیابی را مطرح کرده است.

· ۷ دقیقه مطالعه
افزایش معدل دانشجویان شریف و پرسش از کارآمدی شیوه‌های امتحان
میانگین معدل دانشجویان ورودی ۱۴۰۴ دانشگاه صنعتی شریف در ترم نخست به ۱۷.۳۷ رسید.

به گزارش تبریز فوری به نقل از ایسنا، افزایش معدل دانشجویان در نگاه نخست می‌تواند نشانه‌ای از عملکرد تحصیلی بهتر باشد؛ اما برای ارزیابی کیفیت آموزش باید پرسید آیا نمره‌های بالاتر الزاماً به معنای تسلط بیشتر بر مطالب درسی هستند؟ این پرسش با گسترش ابزارهای هوش مصنوعی مولد مانند چت‌جی‌پی‌تی اهمیت تازه‌ای پیدا کرده است؛ ابزارهایی که می‌توانند در حل مسائل، پاسخ‌گویی به پرسش‌ها و انجام تکالیف دانشگاهی به دانشجویان کمک کنند.

داده‌های آموزشی دانشگاه صنعتی شریف نمونه‌ای از اهمیت این موضوع را نشان می‌دهد. میانگین معدل دانشجویان ورودی ۱۴۰۴ این دانشگاه در نخستین ترم تحصیل به ۱۷.۳۷ رسید؛ رقمی که نزدیک به دو نمره بالاتر از میانگین معدل ورودی ۱۴۰۳ در ترم نخست بود. در ترم دوم نیز میانگین معدل ورودی ۱۴۰۴ بیش از سه نمره بالاتر از ورودی سال قبل در ترم مشابه گزارش شد؛ نیمسالی که آموزش و امتحانات آن به‌صورت کاملاً مجازی برگزار شد. در کنار افزایش معدل، تعداد مشروطی‌ها و حذف‌ترم‌ها نیز در برخی مقایسه‌های مربوط به این ورودی کاهش یافته است؛ با این حال، این داده‌ها به‌تنهایی روشن نمی‌کنند که تغییرات یادشده تا چه اندازه ناشی از یادگیری بیشتر، تفاوت در شرایط برگزاری امتحانات، شیوه نمره‌دهی یا عوامل دیگر بوده است.

تجربه آموزش غیرحضوری و افزایش نسبی معدل‌ها

مسعود تجریشی، رئیس دانشگاه صنعتی شریف با اشاره به تجربه آموزش غیرحضوری گفت: «چنین شرایطی می‌تواند به افزایش نسبی معدل‌ها منجر شود؛ هرچند ارزیابی دقیق عملکرد تحصیلی دانشجویان در این وضعیت دشوارتر است.»

در شرایط کنونی، بررسی افزایش نمرات بدون توجه به گسترش ابزارهای هوش مصنوعی مولد و تأثیر احتمالی آن‌ها بر انجام تکالیف و پاسخ‌گویی به پرسش‌های درسی، تصویر کاملی از مسئله ارائه نمی‌کند. البته هم‌زمانی افزایش معدل با گسترش این ابزارها نیز به‌خودی‌خود به معنای اثبات رابطه علت و معلولی میان آن‌ها نیست.

هوش مصنوعی تا چه اندازه می‌تواند از عهده امتحانات برآید؟

توانایی ابزارهای هوش مصنوعی در پاسخ‌گویی به پرسش‌های علمی، موضوع پژوهش‌های دانشگاهی قرار گرفته است. در مطالعه‌ای که در نوامبر ۲۰۲۴ در نشریه Scientific Reports منتشر شد، عملکرد چند مدل هوش مصنوعی، از جمله چت‌جی‌پی‌تی ۳.۵ و ۴ و گوگل بارد، با عملکرد دانشجویان پزشکی ایران در آزمون‌های جامع پیش‌کارورزی مقایسه شد.

پژوهشگران مجموعه‌ای از آزمون‌ها را بررسی کردند. نتایج نشان داد عملکرد مدل‌ها یکسان نبود و چت‌جی‌پی‌تی ۴ در مجموع بالاترین امتیاز را در میان مدل‌های بررسی‌شده کسب کرد. در نسخه انگلیسی آزمون‌ها نیز تفاوت میان عملکرد مدل‌های هوش مصنوعی و دانشجویان از نظر آماری معنادار نبود.

این مطالعه نشان می‌دهد برخی مدل‌های هوش مصنوعی می‌توانند به پرسش‌های واقعی آزمون‌های دانشگاهی پاسخ دهند و در بعضی ارزیابی‌ها عملکرد قابل‌توجهی داشته باشند. با این حال، پژوهش مذکور درباره توانایی خود مدل‌ها در پاسخ‌گویی به سؤالات پزشکی است و میزان استفاده دانشجویان از هوش مصنوعی یا تأثیر آن بر معدل دانشجویان دانشگاه صنعتی شریف را بررسی نکرده است.

آیا استفاده از هوش مصنوعی یادگیری را بهتر می‌کند؟

پاسخ پژوهش‌ها به این پرسش یکسان نیست و به نحوه استفاده از ابزارها و چگونگی طراحی فعالیت‌های آموزشی بستگی دارد. یک مرور نظام‌مند و فراتحلیل منتشرشده در آوریل ۲۰۲۵ در نشریه Computers & Education، نتایج ۶۹ مقاله درباره تأثیر چت‌جی‌پی‌تی بر یادگیری را بررسی کرد. یافته‌های این مطالعه نشان داد استفاده آموزشی از این ابزار در مجموع با بهبود عملکرد تحصیلی و برخی شاخص‌های انگیزشی و تفکر سطح بالاتر همراه بوده است.

با این حال، نویسندگان بر محدودیت‌های روش‌شناختی بخشی از مطالعات تأکید کردند و هشدار دادند که کیفیت پاسخ تولیدشده به‌وسیله هوش مصنوعی را نباید با میزان یادگیری واقعی دانشجو یکسان دانست. به اعتقاد پژوهشگران، ارزیابی یادگیری باید به‌گونه‌ای طراحی شود که دانشجو توانایی خود را در حل مسائل پیچیده، اجرای پروژه و توضیح فرایند رسیدن به پاسخ نشان دهد؛ نه اینکه صرفاً کیفیت پاسخ نهایی سنجیده شود.

در مقابل، پژوهشی با عنوان «استفاده از هوش مصنوعی مولد و عملکرد در امتحانات» که در سال ۲۰۲۴ در نشریه Computers & Education منتشر شد، ارتباط میان استفاده احتمالی دانشجویان از ابزارهای هوش مصنوعی و نتایج امتحانی آن‌ها را بررسی کرد. پژوهشگران با تحلیل نوشته‌های دانشجویان و استفاده از ابزارهای تشخیص متن تولیدشده به‌وسیله هوش مصنوعی، گروه‌هایی را که احتمال استفاده از این ابزارها در آن‌ها بیشتر بود، شناسایی کردند. نتایج تحلیل آماری نشان داد گروه شناسایی‌شده به‌عنوان کاربران احتمالی هوش مصنوعی، به‌طور متوسط ۶.۷۱ امتیاز از ۱۰۰ امتیاز کمتر از سایر دانشجویان کسب کرده بودند. با این حال، از آنجا که شناسایی کاربران بر اساس ابزارهای تشخیص متن انجام شده و یافته‌ها نیز رابطه آماری را نشان می‌دهند، نمی‌توان نتیجه گرفت که استفاده از هوش مصنوعی به‌طور قطعی باعث افت عملکرد این دانشجویان شده است.

سنجش باید متناسب با شرایط جدید باشد

نوید ارجمند، معاون آموزشی و تحصیلات تکمیلی دانشگاه صنعتی شریف با تأکید بر ضرورت تفکیک نمره از میزان یادگیری دانشجویان گفت: «افزایش نمرات الزاماً به معنای افزایش یادگیری نیست» و برای تحلیل این روند باید قالب امتحانات و روش‌های ارزیابی را نیز در نظر گرفت.

وی با اشاره به اینکه این پدیده به دانشگاه صنعتی شریف محدود نیست، توضیح داد استادان با توجه به اهداف آموزشی درس‌ها، در حال بازنگری در طراحی سؤال‌ها و شیوه‌های ارزیابی هستند. این موضوع در گفت‌وگوهایی که به گزارش ایسنا منتشر شده، مورد بررسی قرار گرفته است.

ارجمند با اشاره به گسترش ابزارهای هوش مصنوعی در محیط‌های آموزشی گفت آمار دقیقی از میزان استفاده دانشجویان از این ابزارها در اختیار ندارد، اما این فناوری به بخشی از واقعیت محیط دانشگاهی تبدیل شده است. به گفته وی، برخی استادان دانشگاه صنعتی شریف در کنار آزمون‌های کتبی از امتحانات شفاهی نیز استفاده می‌کنند تا میزان فهم دانشجویان و توانایی آن‌ها در توضیح راه‌حل‌ها را دقیق‌تر بسنجند. ترکیب آزمون‌های شفاهی و کتبی با پروژه‌ها و تمرین‌های عملی، بسته به ماهیت درس و اهداف آموزشی، می‌تواند تصویر جامع‌تری از یادگیری ارائه دهد.

گسترش هوش مصنوعی مولد، دانشگاه‌ها را با این پرسش روبه‌رو کرده است که آیا شیوه‌های متداول امتحان گرفتن همچنان می‌توانند توانایی علمی دانشجویان را به‌درستی بسنجند؟ مسئله صرفاً استفاده غیرمجاز از ابزارهای هوش مصنوعی نیست؛ این ابزارها می‌توانند در فرایند یادگیری نیز نقش مفیدی داشته باشند، اما اگر ارزیابی فقط بر پاسخ نهایی متمرکز باشد، تشخیص میزان تسلط مستقل دانشجو دشوارتر می‌شود.

ارجمند هوش مصنوعی را صرفاً تهدیدی برای آموزش نمی‌داند و معتقد است این ابزارها می‌توانند در رفع ابهام‌های آموزشی، طراحی تمرین، تولید محتوای کمک‌آموزشی و بهبود فرایند تدریس نیز به کار گرفته شوند. وی بر ضرورت یادگیری مبانی علمی پیش از اتکای گسترده به این ابزارها تأکید کرد و گفت: «دانشجویان باید ابتدا دانش پایه را فرا بگیرند و سپس از هوش مصنوعی برای تسریع کار یا بررسی پاسخ‌های خود استفاده کنند.» به گفته وی، خروجی این ابزارها نیز باید از نظر صحت و احتمال خطا بررسی شود. وی همچنین با تأکید بر اهمیت آموزش حضوری گفت تعامل علمی، کار گروهی و شکل‌گیری ارتباطات دانشگاهی از جنبه‌های مهم تجربه دانشگاهی است و استفاده از هوش مصنوعی لزوماً در تقابل با آموزش حضوری قرار ندارد. به گفته وی، دانشگاه صنعتی شریف دستورالعمل‌هایی درباره استفاده از هوش مصنوعی در فعالیت‌های آموزشی و تدریس تدوین کرده است.

در نهایت، مسئله اصلی فقط این نیست که معدل دانشجویان افزایش یافته است؛ بلکه باید مشخص شود این افزایش تا چه اندازه با تسلط علمی و یادگیری پایدار همراه بوده و آیا شیوه‌های ارزیابی دانشگاه‌ها می‌توانند در شرایط گسترش هوش مصنوعی، توانایی واقعی دانشجویان را به‌درستی بسنجند یا نه. برای مشخص شدن علت این تغییرات، به اطلاعات بیشتری درباره دشواری امتحانات، شیوه نمره‌دهی، نوع سؤال‌ها و میزان تسلط دانشجویان بر مطالب درسی نیاز است.

منبع: www.isna.ir

خبر بعدی

کدام حیوان رکورددار گاز روده است؟ پاسخ گاو نیست

علم و فناوری · ۳ دقیقه مطالعه

اخبار مرتبط

همه ›
علم و فناوری

زمین بدون حیات هم قابل سکونت می‌ماند اما بدون اکسیژن

دانشمندان با شبیه‌سازی رایانه‌ای زمین بدون حیات دریافتند این سیاره می‌توانست برای میلیاردها سال آب مایع و دمای قابل سکونت داشته باشد، اما جوی بدون اکسیژن فراوان می‌داشت.

۲۵ آبان ۱۴۰۵ ۰۷:۳۸۳ دقیقه مطالعه

اخبار بیشتر