ब्राउन में एक परीक्षा पर प्रोफेसर ने बड़े पैमाने पर AI धोखाधड़ी की निंदा की
परीक्षा डिज़ाइन और AI-सक्षम नकल
- कई लोगों का तर्क है कि असली समस्या “टेक‑होम, क्लोज्ड‑बुक” परीक्षाएँ देना ही है; ऐसे फ़ॉर्मैट एक ऐसे सम्मान-संस्कृति पर निर्भर करते हैं जो अब मौजूद नहीं है।
- AI को नकल की बाधा कम करने और उसका पैमाना बढ़ाने वाला माना जा रहा है: तेज़, सुलभ, पकड़ना मुश्किल, और पूरे असाइनमेंट करने में सक्षम।
- कुछ लोग यह भी नोट करते हैं कि टेक‑होम काम में नकल AI से पहले भी व्यापक थी; AI मूल व्यवहार नहीं, बल्कि उसके पैमाने और सुविधा को बदलता है।
- AI-डिटेक्शन टूल्स को व्यापक रूप से अविश्वसनीय और खतरनाक माना जाता है (झूठे पॉज़िटिव, अपारदर्शी तरीक़े)।
छात्रों की प्रेरणाएँ और संस्कृति
- बहुतों के लिए कॉलेज सीखने से अधिक एक प्रमाणपत्र और नेटवर्किंग का साधन है। डिग्री एक “meal ticket” है, खासकर कुलीन स्कूलों में।
- ग्रेड कर्व और प्रतिस्पर्धी प्रोग्राम कैदी की दुविधा जैसी दबाव-स्थितियाँ पैदा करते हैं: अगर सहपाठी नकल करें, तो ईमानदार छात्रों को सापेक्ष रैंक और करियर विकल्पों में नुकसान का जोखिम होता है।
- COVID के बाद और बढ़ती लागतों के साथ, कई टिप्पणीकार नकल को सामान्यीकृत और कलंक को क्षीण होता हुआ देखते हैं; छात्र किसी भी मीट्रिक को “reward-hack” करते हैं।
नैतिकता, ईमानदारी, और कर्व्स
- एक पक्ष ज़ोर देता है कि नकल हमेशा एक चुनाव है; समाज में व्यापक बेईमानी इसे सही नहीं ठहराती।
- दूसरे पक्ष का तर्क है कि जब संस्थाएँ और अभिजात वर्ग स्वयं निंदक ढंग से व्यवहार करते हैं, तो छात्रों से उच्च ईमानदारी की मांग करना भोला है।
- कर्व्ड ग्रेडिंग की तीखी आलोचना की जाती है क्योंकि यह सीखने को शून्य-योग प्रतियोगिता में बदल देती है, जो संरचनात्मक रूप से नकल को प्रोत्साहित करती है।
संस्थागत प्रतिक्रियाएँ और प्रस्ताव
- इन-पर्सन, प्रॉक्टर्ड परीक्षाओं के लिए मज़बूत समर्थन: या तो कागज़ पर, या लॉक्ड-डाउन संस्थागत कंप्यूटरों पर; कुछ लोग हस्तलिखित काम का समर्थन करते हैं, जबकि अन्य कहते हैं कि नियंत्रित डिवाइसों पर टाइपिंग पर्याप्त है।
- सुझाए गए उपकरण: सैंडबॉक्स किए गए PCs वाले टेस्टिंग सेंटर, मौखिक परीक्षाएँ, जमा किए गए काम पर एक-से-एक इंटरव्यू, बार-बार कम-दांव वाले क्विज़, प्रोजेक्ट-आधारित और कक्षा के भीतर का काम।
- कुछ प्रशिक्षक पहले से कोर्स को “adversarially” डिज़ाइन करते हैं, यह सुनिश्चित करते हुए कि उच्च ग्रेड पाने का सबसे आसान रास्ता भी वास्तविक समझ की मांग करे।
- प्रशासन को नकल का सामना करने में अनिच्छुक बताया जाता है क्योंकि नामांकन, फंडिंग, और प्रतिष्ठा से जुड़े प्रोत्साहन होते हैं।
ग्रेडिंग और विश्वविद्यालय के उद्देश्य पर बहस
- कई लोग सवाल उठाते हैं कि क्या ग्रेड वास्तव में नौकरी के प्रदर्शन की भविष्यवाणी करते हैं; बहुत से लोग रिपोर्ट करते हैं कि नियोक्ता “क्या डिग्री है” से आगे शायद ही कभी परवाह करते हैं।
- कुछ प्रोफेसर ग्रेडिंग के मूल्य पर ही संदेह करते हैं, और सर्वव्यापी ग्रेड इन्फ्लेशन के बीच इसे नियोक्ताओं के लिए अवैतनिक स्क्रीनिंग मानते हैं।
- दूसरे ग्रेड को आवश्यक फ़ीडबैक, उन्नत पाठ्यक्रमों के लिए पूर्वापेक्षाएँ, और एक ऐसे प्रमाणपत्र का मूल हिस्सा मानते हैं जिसे अर्थपूर्ण रहना चाहिए।
अंतरराष्ट्रीय और ऐतिहासिक दृष्टिकोण
- टिप्पणीकार प्रणालियों की तुलना करते हैं: यूरोप के कुछ हिस्सों में weed-out पेपर-एंड-पेंसिल फ़ाइनल, हंगरी/इटली में मौखिक परीक्षाएँ, और कुछ अमेरिकी स्कूलों में honor-code टेक‑होम।
- इस बात पर संदेह है कि वर्तमान वातावरण में पर्याप्त सांस्कृतिक और संरचनात्मक बदलाव के बिना पुराने honor-code मॉडल टिक सकते हैं।
शिक्षा में AI की भूमिका पर विचार
- एक धड़ा आकलनों में सख़्त प्रतिबंध चाहता है और AI नकल को विशेषज्ञता को खोखला करने और डिग्रियों का अवमूल्यन करने वाला मानता है।
- दूसरा तर्क देता है कि काम में AI का उपयोग अवश्यंभावी है; शिक्षा को छात्रों को AI का अच्छा उपयोग करना सिखाना चाहिए, साक्षात्कारों, प्रस्तुतियों, या प्रक्रिया-केंद्रित कार्यों के माध्यम से समझ का आकलन करना चाहिए, और “no-AI” मूलभूत बातों को “AI-assisted” वास्तविक-दुनिया कौशलों से अलग करना चाहिए।