Η ραγδαία εξάπλωση της Τεχνητής Νοημοσύνης στα πανεπιστήμια ανατρέπει δεδομένα που μέχρι πριν από λίγα χρόνια θεωρούνταν αδιαπραγμάτευτα. Η αξιολόγηση των φοιτητών, η αξιοπιστία των εργασιών, ακόμη και η ίδια η έννοια της ακαδημαϊκής προσπάθειας βρίσκονται πλέον στο επίκεντρο ενός διεθνούς προβληματισμού, καθώς τα εργαλεία παραγωγικής τεχνητής νοημοσύνης χρησιμοποιούνται όλο και περισσότερο στην καθημερινή πανεπιστημιακή ζωή.
Σύμφωνα με πρόσφατη μελέτη που παρουσίασε ο Economist, στη Βρετανία το 94% των προπτυχιακών φοιτητών χρησιμοποιεί πλέον εργαλεία Τεχνητής Νοημοσύνης στις εργασίες του, ενώ ένας στους οκτώ (12%) παραδέχεται ότι έχει αντιγράψει αυτούσιο κείμενο που παρήγαγε κάποιο σύστημα ΤΝ. Το ποσοστό αυτό είναι τετραπλάσιο σε σχέση με το 2024, γεγονός που δείχνει πόσο γρήγορα αλλάζει η πραγματικότητα.
Ανάλογη είναι η εικόνα και στις Ηνωμένες Πολιτείες, όπου πολλά πανεπιστήμια διαπιστώνουν ότι η χρήση εργαλείων όπως το ChatGPT εξαπλώνεται ταχύτερα από την ικανότητα των ιδρυμάτων να αναπτύξουν αποτελεσματικούς μηχανισμούς ελέγχου.
Οι άριστοι βαθμοί αυξάνονται, αλλά τι πραγματικά αξιολογείται;
Ιδιαίτερο ενδιαφέρον παρουσιάζουν τα στοιχεία από μεγάλο αμερικανικό πανεπιστήμιο, σύμφωνα με τα οποία μετά την εμφάνιση του ChatGPT οι άριστοι βαθμοί αυξήθηκαν περίπου κατά 30% σε μαθήματα που βασίζονται στη συγγραφή κειμένων ή στην παραγωγή κώδικα.
Αντίθετα, σε μαθήματα όπου απαιτούνται εργαστηριακές δεξιότητες, φυσική παρουσία ή πρακτική εφαρμογή γνώσεων, οι επιδόσεις παρέμειναν σχεδόν αμετάβλητες.
Το εύρημα αυτό γεννά εύλογα ερωτήματα. Πρόκειται για βελτίωση της μάθησης ή για αλλαγή του τρόπου με τον οποίο παράγονται οι εργασίες; Και κυρίως, μπορεί ένα πτυχίο να συνεχίσει να έχει το ίδιο κύρος όταν η αξιολόγηση δεν αποτυπώνει με βεβαιότητα τις πραγματικές γνώσεις του φοιτητή;
Η πρόκληση δεν είναι μόνο η αντιγραφή
Το ζήτημα ξεπερνά κατά πολύ την παραδοσιακή έννοια της αντιγραφής.
Η Τεχνητή Νοημοσύνη δεν προσφέρει απλώς έτοιμες απαντήσεις. Μπορεί να συντάξει ολοκληρωμένες εργασίες, να αναλύσει δεδομένα, να προτείνει βιβλιογραφία, να γράψει προγράμματα και να επεξεργαστεί ερευνητικά ερωτήματα μέσα σε ελάχιστα δευτερόλεπτα.
Έτσι, το πανεπιστήμιο καλείται να επαναπροσδιορίσει όχι μόνο τον τρόπο εξέτασης των φοιτητών αλλά και τον ίδιο τον σκοπό της αξιολόγησης.
Η πρόκληση δεν είναι να απαγορευτεί η χρήση της Τεχνητής Νοημοσύνης —κάτι που μοιάζει πλέον ανέφικτο— αλλά να σχεδιαστούν νέες μορφές διδασκαλίας και αξιολόγησης που θα εξετάζουν τη σκέψη, την κριτική ικανότητα, τη δημιουργικότητα και την προσωπική συμβολή κάθε φοιτητή.
Η ελληνική πραγματικότητα
Η συζήτηση έχει ήδη φτάσει και στα ελληνικά πανεπιστήμια, ωστόσο πολλοί εκτιμούν ότι η ανταπόκριση παραμένει περιορισμένη.
Σε αρκετές περιπτώσεις, η δημόσια συζήτηση εξακολουθεί να εστιάζει κυρίως στην ηθική διάσταση της αντιγραφής, χωρίς να συνοδεύεται από ουσιαστικές προτάσεις για τον μετασχηματισμό της εκπαιδευτικής διαδικασίας.
Την ίδια στιγμή, οι διεθνείς εξελίξεις δείχνουν ότι η πρόκληση είναι πολύ ευρύτερη. Η Τεχνητή Νοημοσύνη επηρεάζει ήδη την έρευνα, τη συγγραφή επιστημονικών εργασιών, την παραγωγή γνώσης, αλλά και την αγορά εργασίας, όπου οι απόφοιτοι καλούνται να αξιοποιούν δημιουργικά τα νέα εργαλεία και όχι απλώς να τα χρησιμοποιούν ως μέσο διεκπεραίωσης.
Το πανεπιστήμιο της επόμενης ημέρας
Η πραγματική πρόκληση δεν είναι αν οι φοιτητές χρησιμοποιούν Τεχνητή Νοημοσύνη. Αυτό αποτελεί πλέον δεδομένο.
Το κρίσιμο ερώτημα είναι αν τα πανεπιστήμια θα προσαρμόσουν εγκαίρως τον τρόπο διδασκαλίας και αξιολόγησης ώστε να διασφαλίσουν ότι το πτυχίο εξακολουθεί να πιστοποιεί πραγματικές γνώσεις, δεξιότητες και επιστημονική επάρκεια.
Η Τεχνητή Νοημοσύνη δεν πρόκειται να αποχωρήσει από τις αίθουσες διδασκαλίας. Αντίθετα, θα γίνει αναπόσπαστο εργαλείο της ακαδημαϊκής ζωής. Το ζητούμενο είναι αν τα πανεπιστήμια θα καταφέρουν να τη μετατρέψουν σε σύμμαχο της μάθησης ή αν θα επιτρέψουν να υπονομεύσει την αξιοπιστία των τίτλων σπουδών και το κύρος της ανώτατης εκπαίδευσης.
