Ευαγγελία Ασημακοπούλου Καθώς η Τεχνητή Νοημοσύνη αλλάζει ραγδαία τον τρόπο με τον οποίο οι φοιτητές μελετούν, γράφουν και εξετάζονται, τα Πανεπιστήμια καλούνται να επαναπροσδιορίσουν το πώς αξιολογούν τη γνώση και πώς διασφαλίζουν την ακαδημαϊκή αξιοπιστία των τίτλων σπουδών.
Στο πλαίσιο αυτού του προβληματισμού, το alfavita.gr δημοσιεύει επιστολή του καθηγητή του ΑΠΘ Άγγελου Ροδαφηνού, ο οποίος καταθέτει μια συγκεκριμένη και πρακτική πρόταση για τον ανασχεδιασμό της αξιολόγησης στην εποχή της παραγωγικής ΤΝ. Η πρότασή του εστιάζει όχι σε απαγορεύσεις ή τιμωρητικές λογικές, αλλά σε θεσμικές λύσεις, διαφάνεια και παιδαγωγικά βιώσιμες πρακτικές, με στόχο την προστασία της αξίας του πτυχίου και της ουσιαστικής μάθησης.
Ακολουθεί η επιστολή του καθηγητή κ. Ροδαφηνού
Προς: Πρυτανικές Αρχές, Κοσμητείες, Επιτροπές Προγραμμάτων Σπουδών
Αξιότιμες/οι,
Σας στέλνω μια σύντομη και απολύτως πρακτική πρόταση για το πώς μπορεί το Πανεπιστήμιο να προστατεύσει την αξιοπιστία της αξιολόγησης (και άρα την αξία του πτυχίου) στην εποχή της παραγωγικής Τεχνητής Νοημοσύνης - χωρίς να εγκλωβιστεί σε μια ατέρμονη λογική «ανίχνευσης» και αστυνόμευσης.
Το κεντρικό συμπέρασμα είναι απλό: το πρόβλημα δεν είναι ότι εμφανίστηκε η ΤΝ· είναι ότι πολλές από τις σημερινές μορφές αξιολόγησης (ιδίως εργασίες στο σπίτι/δοκίμια) είναι πλέον εύκολα αυτοματοποιήσιμες. Άρα η απάντηση δεν μπορεί να είναι μόνο «απαγορεύσεις». Πρέπει να είναι ανασχεδιασμός της αξιολόγησης και μάλιστα με τρόπο που να εφαρμόζεται γρήγορα και ομοιόμορφα.
Προτείνω τρεις θεσμικές αποφάσεις, ώστε να υπάρχει καθαρή γραμμή και γρήγορη εφαρμογή:
- Να υιοθετήσουμε ενιαία το μοντέλο των «Δύο Λωρίδων» για όλες τις αξιολογήσεις. Δηλαδή: (α) μια “ασφαλή” λωρίδα, όπου πιστοποιείται ατομική ικανότητα σε ελεγχόμενες συνθήκες (εντός τάξης, προφορικά, γραπτά σε χαρτί, ή άλλες μορφές που ελέγχουν τη διαδικασία), και (β) μια “ανοικτή” λωρίδα, όπου η ΤΝ επιτρέπεται/εντάσσεται σκόπιμα, αλλά με διαφάνεια και με ρουμπρίκες που βαθμολογούν την κρίση, την τεκμηρίωση και τη συνεισφορά του φοιτητή.
- Να γίνει υποχρεωτικό ένα γρήγορο “Assessment Audit” για τις βασικές αξιολογήσεις κάθε μαθήματος: αν ένα ισχυρό LLM μπορεί να δώσει προβιβάσιμη απάντηση μόνο του, τότε η αξιολόγηση θεωρείται ευάλωτη και μετατρέπεται. Αυτό είναι το πιο καθαρό και λειτουργικό κριτήριο για να σταματήσουμε να συζητάμε θεωρητικά και να περάσουμε σε πράξη.
- Εδώ θέλω να δώσω ιδιαίτερη έμφαση, η εφαρμογή να γίνει “GPT-first”. Με άλλα λόγια, αντί να ζητάμε από τους διδάσκοντες να διαβάζουν πολυσέλιδους οδηγούς, τους δίνουμε μια «εργαλειοθήκη» από συγκεκριμένα GPTs που κάνουν την πολιτική πράξη: παίρνουν την υπάρχουσα εκφώνηση, την “stress-testάρουν” και την μετατρέπουν σε δύο εναλλακτικές (AI-resistant και AI-augmented), μαζί με έτοιμες οδηγίες προς φοιτητές και προτεινόμενη ρουμπρίκα.
Το προτεινόμενο “University GPT Pack” μπορεί να περιλαμβάνει (α) έτοιμα δημόσια GPTs:
- AI Resilient Assessment (μετατροπή αξιολογήσεων σε AI-resistant / AI-integrated) https://chatgpt.com/g/g-NfaHq7dcT-ai-resilient-assessment
- The AI Assessment Scale (AIAS) (επίπεδα επιτρεπτής χρήσης ΤΝ και σαφής πολιτική) https://chatgpt.com/g/g-m39Sn0uZq-the-ai-assessment-scale-aias?locale=el-GR
- VAI General Assessments Review Assistant (γρήγορος έλεγχος αξιολόγησης “against AIAS”) https://chatgpt.com/g/g-snunpCxnG-vai-general-assessments-review-assistant
- Rubric Generator (παραγωγή/βελτίωση ρουμπρικών ευθυγραμμισμένων με outcomes) https://chatgpt.com/g/g-KAxQZe7ON-rubric-generator?locale=el-GR
- Academic Marking Assistant (υποστήριξη ανατροφοδότησης/βαθμολόγησης με ρουμπρίκα) https://chatgpt.com/g/g-StLKrVHlw-academic-marking-assistant
και (β) δύο ιδρυματικά GPTs που θα φτιαχτούν κεντρικά ώστε να δουλεύουν με ενιαία γλώσσα και κανόνες:
- Assignment Audit GPT: “ευαλωτό/μη ευαλωτό” + προτάσεις μετατροπής (μία για κάθε λωρίδα) + έτοιμες οδηγίες.
- Syllabus Policy & Compliance GPT: ενιαία κείμενα πολιτικής (traffic-light), τι δηλώνεται, τι επισυνάπτεται, τι θεωρείται παράβαση.
Για να γίνει πιο απτό, ιδού ένα ρεαλιστικό παράδειγμα χρήσης που δείχνει γιατί τα GPTs κάνουν τη διαφορά στην κλίμακα:
Ο διδάσκων επικολλά την τρέχουσα αξιολόγηση (“γράψτε ένα δοκίμιο 1.500 λέξεων για την ηθική της ΤΝ στην υγεία με 8 πηγές”) μαζί με 2–3 μαθησιακά αποτελέσματα και πρακτικούς περιορισμούς (αριθμός φοιτητών, χρόνος διόρθωσης). Το GPT επιστρέφει δύο εκδοχές:
- μια AI-resistant εκδοχή (π.χ. in-class ανάλυση ενός case που δίνεται εκείνη τη στιγμή, με σύντομη δειγματοληπτική προφορική επαλήθευση κατανόησης), και
- μια AI-augmented εκδοχή τύπου “prompt–generate–critique”, όπου η ΤΝ επιτρέπεται αλλά ο βαθμός βασίζεται στην κριτική επαλήθευση, στην τεκμηρίωση και στη συμβολή του φοιτητή.
Για τις αξιολογήσεις όπου επιτρέπεται ΤΝ, προτείνω να υιοθετηθεί ως πρότυπο η ακόλουθη ρουμπρίκα (σε 3 κριτήρια, απλή και εφαρμόσιμη):
- Τεκμηρίωση διαδικασίας: από “μαύρο κουτί” → έως πλήρες audit trail (prompts/εκδοχές) και αιτιολόγηση επιλογών.
- Κριτική επαλήθευση: από άκριτη αποδοχή → έως ενδελεχή διασταύρωση με πρωτογενείς πηγές και ανάλυση ορίων/μεροληψιών.
- Συνεισφορά φοιτητή: από copy-paste → έως αυθεντική σύνθεση, φωνή και συμπεράσματα.
Παράλληλα, για να μη δημιουργηθούν κίνδυνοι στη χρήση, προτείνω τέσσερις ελάχιστους κανόνες: (α) να μην εισάγονται προσωπικά/ευαίσθητα δεδομένα σε δημόσια GPTs, (β) “human-in-the-loop” - το GPT προτείνει, ο διδάσκων αποφασίζει, (γ) σαφής πολιτική ανά μάθημα προς τους φοιτητές (traffic-light), και (δ) δειγματοληπτικές επαληθεύσεις κατανόησης στις κρίσιμες αξιολογήσεις.
Έχω δημιουργήσει δύο έτοιμα “copy-paste” templates:
(α) το βασικό prompt για το Assignment Audit GPT (με συγκεκριμένη δομή εξόδου), και
(β) το template πολιτικής syllabus (κόκκινο/κίτρινο/πράσινο) ώστε να υπάρχει ενιαία γλώσσα σε όλα τα Ιδρύματα.
Τέλος, ένα σύντομο σχέδιο 90 ημερών είναι εφικτό: απόφαση «Δύο Λωρίδων» και κανόνων δεδομένων, πιλοτική εφαρμογή σε 10–15 μαθήματα υψηλού κινδύνου με ένα εργαστήριο “Assignment Audit”, και στη συνέχεια κλιμάκωση στα μαθήματα κορμού με εβδομαδιαία “Assessment Clinic” (εκπαιδευτικός σχεδιαστής + GPT pack) για να στηριχθεί η μετάβαση.
Με εκτίμηση,
Άγγελος Ροδαφηνός
Καθηγητής ΑΠΘ
Email: [email protected]
Όλες οι σημαντικές και έκτακτες ειδήσεις σήμερα
Μήπως έχετε κλήσεις που αγνοείτε; Πώς να τις ελέγξετε online
Voucher 750 ευρώ σε εργαζόμενους του ιδιωτικού τομέα - Ανοίγουν οι αιτήσεις
