هوش مصنوعی مولد و صداقت علمی در مدارس: مرور نظام‌مند چالش‌های ارزشیابی و راهکارهای آموزشی
با فراگیر شدن ابزارهای هوش مصنوعی مولد مانند چت‌جی‌پی‌تی، این پرسش برای مدارس جدی شده است که تکلیف‌ها و نمره‌های دانش‌آموزان تا چه حد هنوز بازتاب یادگیری خود آنان است. پژوهش‌های این حوزه بیشتر در آموزش عالی انجام شده و شواهد مربوط به مدرسه پراکنده است. پژوهش حاضر با هدف ترکیب شواهد تجربی دربارۀ پیامدهای هوش مصنوعی مولد برای صداقت علمی و ارزشیابی در مدارس انجام شد. روش پژوهش، مرور نظام‌مند بر پایۀ رهنمود PRISMA 2020 بود. منابع فارسی و انگلیسی منتشرشده از ۹ آذر ۱۴۰۱ تا ۲۶ مهر ۱۴۰۵ جست‌وجو شد و از ۸۰ رکورد شناسایی‌شده، پس از غربالگری، ۲۱ مطالعه از ۱۵ کشور و منطقه با بیش از ۲۵ هزار دانش‌آموز و ۱۲۴۰ معلم وارد تحلیل شد. کیفیت مطالعات با ابزار MMAT سنجیده و داده‌ها به روش سنتز مضمونی تحلیل شد. یافته‌ها نشان داد که هوش مصنوعی مولد میزان کلی تقلب را چندان تغییر نداده، اما راه تازه و آسان‌تری برای آن باز کرده است. دانش‌آموزان و معلمان نیز دربارۀ مرز میان کمک گرفتن و تقلب توافق ندارند. اعتبار تکلیف‌های خارج از کلاس کاهش یافته است، زیرا حتی معلمان باتجربه بیشتر متن‌های ماشینی را تشخیص نمی‌دهند، به نشانه‌های سبکی تکیه می‌کنند و ابزارهای تشخیص هم خطای زیادی دارند و ممکن است به اتهام نادرست بینجامند. پژوهش‌ها به‌جای رویکرد کنترلی، بازطراحی ارزشیابی با تأکید بر فرایند یادگیری، روشن کردن قواعد استفاده برای هر تکلیف با مشارکت دانش‌آموزان، آموزش اخلاق و سواد هوش مصنوعی و آموزش معلمان را پیشنهاد کرده‌اند. نبود سیاست روشن در مدرسه و کمبود آموزش معلمان در بیشتر کشورها دیده شد و پژوهش تجربی داخلی در این زمینه بسیار اندک بود. می‌توان نتیجه گرفت که پاسخ مدرسه به این چالش بیش از آنکه به فناوری‌های کشف تقلب وابسته باشد، به بازنگری در طراحی تکلیف و ارزشیابی و پرورش داوری اخلاقی دانش‌آموزان بستگی دارد.
