Ha egy zárt könyves, otthon megírt zh-n a hallgatók majdnem fele hibátlan, a jelenléti záróvizsgán pedig átlagban elbukik, az nem egyszerű „jó felkészülés”. Ez a kontraszt most egy Ivy League-egyetemen tette fel a kellemetlen kérdést: mit mérünk valójában, amikor a diák és a chatbot együtt „vizsgázik”?

Mi történt

Roberto Serrano, a Brown University díjnyertes közgazdásza egy haladó, matematikai közgazdaságtan kurzus márciusi középidős vizsgáján szúrt ki gyanús mintázatokat. A vizsga otthon megoldandó, zárt könyves, úgynevezett „Honor Code” jellegű volt: a hallgatók vállalják, hogy nem csalnak, és nincs folyamatos felügyelet.

Az eredmények ennek ellenére szokatlanul magasak lettek: 86 hallgatóból 40-en 100 pontot értek el, az átlag pedig 96/100 volt. Serrano azt állítja, több megoldásban olyan „furcsa” szövegrészek jelentek meg, amelyek egybevágtak azzal, amit a kérdések ChatGPT-be futtatásakor kapott.

A fordulatot az in-person, azaz személyes jelenléttel írt záróvizsga hozta, amely a végső jegy felét adta: itt az átlag 48/100 lett. Ráadásul 27 hallgató el sem ment a vizsgára — közülük 22 korábban hibátlanra írta a középidőst. A professzor ezt „elsöprő” empirikus bizonyítékként értelmezte, és a történtek után úgy döntött, felhagy az otthoni vizsgáztatással.

Miért fontos

A generatív AI (olyan eszközök, amelyek szöveget és megoldásmenetet állítanak elő, mintha ember írta volna) itt nem csak „puskázást” jelent, hanem a mérés logikájának felborulását. Gondolj rá úgy, mint egy számológépre, ami nemcsak kiszámol, hanem le is vezeti, meg is fogalmazza a választ — és közben elrejti, hogy a hallgató érti-e a lépéseket. Ha a rendszer a becsületre épít, de a technológia olcsón és otthonról skálázhatóvá teszi a csalást, akkor a jegy egyre kevésbé a tudást, inkább a hozzáférést és a kísértésnek való ellenállást tükrözi.

Mire figyelj

  1. A vizsgatípusok átalakulása: több jelenléti, felügyelt számonkérés, kevesebb take-home. Ez nem feltétlenül „visszalépés”, inkább reakció arra, hogy a környezet megváltozott.
  2. Új értékelési módszerek: szóbelik, rövid, személyre szabott kérdések, „magyarázd el a lépéseidet” típusú feladatok. Ezekben nehezebb úgy „átvenni” a választ, hogy közben ne derüljön ki a megértés hiánya.
  3. Bizalom vs. kontroll: a Princeton példája (egy 133 éves hagyomány elhagyása, amikor a tanár kimegy a teremből) azt jelzi, hogy a becsületkódexek önmagukban nem biztos, hogy elég erősek a chatbotkorszakban. A Futurism AI által idézett hallgatói megfigyelés lényege: ha a közeg azt hiszi, „mások úgyis csalnak”, az önmagát erősítő spirált indít.

A következő hónapok nagy kérdése nem az, hogy lesz-e AI a tanulásban, hanem az, hogy az egyetemek képesek-e olyan szabályokat és feladatokat kialakítani, amelyek mellett a jegy újra a megértést jelenti, nem a legjobb promptot.