چارچوب یکپارچه‌سازی هوش مصنوعی در ارزیابی آموزشی

با ظهور هوش مصنوعی مولد در نظام آموزشی، بازاندیشی در شیوه‌های سنتی ارزشیابی آموزشی به ضرورتی اجتناب‌ناپذیر تبدیل شده است. پیدایش هوش مصنوعی مولد در عرصه آموزش، چالش‌هایی نوین در طراحی ارزیابی‌های معتبر و کارآمد پدید آورده است. دسترسی دانشجویان به ابزارهای پیشرفته این فناوری، امکان تولید پاسخ‌هایی را فراهم ساخته که تایید اصالت آثارشان را با دشواری مواجه می‌کند و این امر ضرورت بازاندیشی در روش‌های متداول ارزیابی را آشکار می‌سازد. این پژوهش با هدف شناسایی و تحلیل چارچوب‌های نظری موجود برای یکپارچه‌سازی هوش مصنوعی در فرآیندهای ارزیابی آموزشی انجام شده است. مطالعه حاضر با اتخاذ روش توصیفی با مرور منابع، به بررسی نظام‌مند منابع علمی معتبر در بازه زمانی 2022 تا 2025 پرداخته است.مرور جامع ادبیات موضوع نشان می‌دهد که علی‌رغم تنوع مطالعات انجام شده در زمینه کاربردهای هوش مصنوعی در آموزش، ارائه چارچوب‌های نظری جامع برای یکپارچه‌سازی این فناوری در نظام ارزیابی کمتر مورد توجه پژوهشگران قرار گرفته است. یافته‌های این تحقیق مدل یکپارچه سازی هوش مصنوعی در ارزیابی آموزشی ارائه شده توسط chan و colloton (2024) را به عنوان تنها مدل ارائه‌شده در این زمینه مورد بررسی قرار می‌دهد.چارچوب مذکور با معرفی انواع ارزیابی شامل ارزیابی مبتنی بر عملکرد، ارزیابی شخصی‌سازی‌شده یا زمینه‌محور، ارزیابی شایستگی‌های انسان‌محور، ارزیابی مشارکت انسان و ماشین، ارزیابی مبتنی بر پروژه یا سناریو، ارزیابی تطبیقی تولیدشده توسط هوش مصنوعی با محدودیت زمانی، ارزیابی فراشناختی، ارزیابی تاثیرات اخلاقی و اجتماعی، و ارزیابی پورتفولیوی یادگیری مادام‌العمر، الگویی جامع برای مواجهه با چالش‌های نوین ارزیابی آموزشی ارائه می‌دهد.مزیت اصلی این چارچوب در ترکیب متوازن قابلیت‌های فناورانه با ملاحظات انسانی است. از یکسو، با بهره‌گیری از توانمندی‌های تحلیلی پیشرفته هوش مصنوعی، امکان ارائه بازخوردهای فوری، سازگار و شخصی‌سازی شده را فراهم می‌آورد و از سوی دیگر، با حفظ جایگاه محوری عناصر انسانی در فرآیند یاددهی-یادگیری، به دغدغه‌های مهمی مانند حفظ اصالت آثار آموزشی، رعایت اصول اخلاقی و پیشگیری از وابستگی مفرط به فناوری پاسخ می‌دهد.این مطالعه با معرفی و تحلیل این چارچوب، گامی مهم در جهت توسعه دانش نظری و عملی حوزه ارزیابی آموزشی در عصر هوش مصنوعی برداشته است. یافته‌ها نشان می‌دهد که این مدل می‌تواند مبنای مناسبی برای طراحی نظام‌های ارزیابی آینده و همچنین انجام پژوهش‌های بیشتر در این زمینه باشد.