AI-आधारित नकल का संदेह होने पर Ivy League प्रोफेसर ने इन-पर्सन फाइनल परीक्षा कराई; अंक 50% गिर गए
घर पर होने वाली परीक्षाएँ, निगरानी, और नकल
- कई लोग घर पर होने वाली परीक्षाओं को, AI से बहुत पहले से, “संरचनात्मक” रूप से नकल-योग्य मानते हैं; AI ने बस इसे स्पष्ट कर दिया है।
- कई लोग सख्त ऑनलाइन प्रॉक्टरिंग सेटअप्स का वर्णन करते हैं (लॉक किए गए ब्राउज़र, बाहरी वेबकैम, कमरे की स्कैनिंग, ऑडियो मॉनिटरिंग) और दावा करते हैं कि ये इन-पर्सन परीक्षाओं से भी नकल को कठिन बना सकते हैं।
- अन्य लोगों का तर्क है कि एकमात्र मज़बूत संरचनात्मक समाधान इन-पर्सन परीक्षाएँ हैं; इसे एक नई दुविधा मानने पर आश्चर्य जताया जाता है, क्योंकि COVID-19 से पहले अधिकांश परीक्षाएँ पहले से ही इन-पर्सन होती थीं।
मूल्यांकन पर AI का प्रभाव
- कुछ लोग कहते हैं कि बड़े पैमाने पर AI उपयोग यह दिखाता है कि ग्रेड अब सीखने को नहीं मापते, और इसके लिए Goodhart’s law का हवाला देते हैं: जैसे ही डिग्रियाँ/ग्रेड लक्ष्य बन जाते हैं, वे अच्छे मापदंड नहीं रहते।
- एक प्रमुख चिंता: कई छात्र AI के उपयोग को “नकल” के रूप में देखते ही नहीं।
- एक दृष्टिकोण: AI पर प्रतिबंध लगाना कैलकुलेटर या इंटरनेट पर प्रतिबंध लगाने जैसा है; अकादमिक जगत को असाइनमेंट इस तरह पुनर्गठित करने होंगे कि AI को एक संज्ञानात्मक उपकरण माना जाए और अधिक कठिन, उच्च-स्तरीय प्रश्न पूछे जाएँ।
- विरोधी दृष्टिकोण: यदि AI के बिना अंक लगभग 50% गिरते हैं, तो छात्रों ने सिर्फ “रट्टा” लगाने में सहायता नहीं खोई; उन्होंने सामग्री सीखी ही नहीं थी।
कॉलेज और ग्रेड का उद्देश्य और मूल्य
- कई लोग कॉलेज को मुख्यतः एक प्रमाणपत्र और “क्लक-चेक” मानते हैं, न कि सीखने के अनुभव के रूप में।
- बड़े पैमाने पर नकल डिग्रियों के संकेतात्मक मूल्य को कमजोर करती है; सुझावों में नकल करने वालों को निष्कासित करने से लेकर आपराधिक दंड जैसे चरम प्रस्ताव शामिल हैं (जिनकी अन्य लोग आलोचना करते हैं)।
- कुछ का तर्क है कि शुद्ध “प्रमाणपत्र” मानसिकता वाले अधिकांश लोगों को विश्वविद्यालय में होना ही नहीं चाहिए; इसके बजाय बेहतर ट्रेड और अप्रेंटिसशिप मार्गों की वकालत की जाती है।
Ivy League, बुद्धिमत्ता, और विशेषाधिकार
- लेख का यह दावा कि Ivy छात्र “परिभाषा के अनुसार बुद्धिमान” होते हैं, व्यापक रूप से आलोचित होता है।
- कई लोग नोट करते हैं कि Ivy के समूह अकादमिक रूप से मजबूत और अत्यधिक विशेषाधिकार प्राप्त छात्रों का मिश्रण होते हैं; धन और तैयारी अक्सर कच्ची क्षमता जितनी ही महत्वपूर्ण होती है।
- एक लंबा उप-थ्रेड इस पर बहस करता है कि क्या विशेषाधिकार के साथ अधिक नैतिक दायित्व आते हैं, और यह बहस करों, निष्पक्षता, और राष्ट्रीय exceptionalism पर तर्क-वितर्क में बदल जाती है।
भविष्य की कार्यबल और राजनीतिक अर्थव्यवस्था
- कुछ लोग भविष्यवाणी करते हैं कि AI डिग्रियों के अर्थ और प्रवेश-स्तर की नौकरियों, दोनों को कमजोर करके एक ऐसी पीढ़ी छोड़ देगा जो गिग वर्क में फँसी होगी, और समाज को “खोखला” कर देगा।
- अन्य लोगों का तर्क है कि मूल समस्या AI नहीं, बल्कि पूँजीवाद और credentialism है; AI बस यह उजागर करता है कि डिग्री कभी भी विशेषज्ञता का विश्वसनीय प्रतिनिधि नहीं थी।
- इस पर असहमति है कि क्या AI अधिक समतावादी प्रणालियों, कठोर “हाइपर-कैपिटलिज़्म,” या यहाँ तक कि फासीवाद की ओर ले जाता है; प्रतिभागी इस बात पर बहस करते हैं कि इनमें से प्रत्येक कितना संभावित है।
शिक्षा कैसे अनुकूलित हो सकती है
- सुझाए गए सुधार:
- इन-पर्सन लिखित परीक्षाओं, मौखिक परीक्षाओं, और व्यावहारिक प्रदर्शनों की ओर बढ़ना (जैसे, एक-से-एक checkride-शैली मूल्यांकन)।
- व्यक्तिगत परीक्षाओं का उपयोग करना (जैसे, छात्रों से उनके द्वारा प्रस्तुत किए गए अपने कोड की व्याख्या करवाना) ताकि यह पता चले कि काम वास्तव में किसने समझा है।
- पाठ्यक्रमों को इस तरह पुनर्गठित करना कि छात्र पहले मूल सिद्धांत सीखें और फिर AI को सहारे के बजाय एक प्रवर्धक के रूप में उपयोग करें।
- कुछ शिक्षकों के अनुसार परिणाम द्विध्रुवीय होते हैं: छात्रों का एक हिस्सा स्पष्ट रूप से सीखता और सफल होता है, जबकि कई लोग AI या अन्य शॉर्टकट्स पर निर्भर रहते हैं और अपने ही काम की व्याख्या नहीं कर पाते।
नैतिकता, मानदंड, और छात्र दृष्टिकोण
- कई टिप्पणीकार बताते हैं कि AI से पहले भी अधिकांश सहपाठी नकल करते थे (जैसे, सारांशों और प्लैगरिज़्म का उपयोग करके), जो एक लंबे समय से चली आ रही संस्कृति-समस्या का संकेत है।
- कई लोग तर्क देते हैं कि यदि संस्थान नकल को चुपचाप सहन करते हैं (इसके बजाय स्पष्ट रूप से दंडित करने के), तो सीखने की प्रेरणा ढह जाती है।
- अन्य लोग इस बात पर जोर देते हैं कि शिक्षा को उस प्रेरित अल्पसंख्या पर फिर से केंद्रित होना चाहिए जो वास्तव में सीखना चाहती है, जबकि अधिक छात्रों को उस समूह में लाने की कोशिश करनी चाहिए—पर यह मानकर नहीं चलना चाहिए कि वे पहले से ही उसमें हैं।