শিক্ষার্থীদের কাজ ন্যায্যভাবে ও নির্ভরযোগ্যভাবে নম্বর দিতে এআই ব্যবহার করা যায় কি?

ইংরেজি পাতার এই স্বয়ংক্রিয় অনুবাদ, এখনও মাতৃভাষিক বক্তার দ্বারা পর্যালোচনা করা হয়নি।

আপনার হাতে একটি রুব্রিক আছে যা আপনি বিশ্বাস করেন, ঘণ্টার চেয়ে বেশি জমা, আর একটি সরঞ্জাম যা একটি প্রবন্ধ পড়ার সময়েই একটি স্কোরের সঙ্গে বেশ কয়েকটি আত্মবিশ্বাসী অনুচ্ছেদ ফিরিয়ে দেয়। আপনি ইতিমধ্যেই নম্বর দেওয়া কাজে এটি চালান। অর্ধেক স্কোর ঠিক মনে হয়। একটি অদ্ভুতভাবে উদার, একটি অদ্ভুতভাবে কঠোর, আর আপনি এখনও বলতে পারছেন না এটি সরঞ্জামের দোষ না প্রবন্ধের।

সহকর্মীকে দেওয়ার সংক্ষিপ্ত উত্তর: এআই-নম্বরদান একটি তত্ত্বাবধানে থাকা সহায়ক বা দ্বিতীয় পাঠক হিসেবে জায়গা পায়, এমন কাজে যেখানে আপনি ইতিমধ্যেই নম্বর দেওয়া কাজের বিপরীতে এটি যাচাই করেছেন। সহমত এক মূল্যায়ন-ধরন থেকে অন্য ধরনে স্থানান্তরিত হয় না। ষোলো শিক্ষার্থীর একটি ফার্মেসি পরীক্ষায় Falahat ও অন্যান্য (2026) বস্তুনিষ্ঠ আইটেম-ধরনে প্রায় নিখুঁত সহমত এবং মুক্ত-উত্তর প্রশ্নে অবিশ্বাস্য সহমত পান। তিনটি ইংরেজি বিশ্ববিদ্যালয় জুড়ে OpRaise প্রকল্প দেখে, প্রতিষ্ঠানভেদে এআই ও মানব মূল্যায়নকারীরা ডিগ্রি-ব্যান্ড নিয়ে 35% থেকে 65% সময়ে একমত হয়েছে, আর নম্বরগুলো মধ্যপথে সংকুচিত হয়েছে। সাবলীল যুক্তি এই প্রমাণ নয় যে আপনার মানদণ্ড প্রয়োগ করা হয়েছে। ফলাফলটি আপনার সিদ্ধান্তের জন্য বৈধ কি না, তা একটি স্থানীয় প্রশ্ন যা আপনাকেই উত্তর দিতে হবে, আর রেকর্ডভুক্ত গ্রেড হয়ে ওঠা যেকোনো কিছুর জন্য একজন মানুষ জবাবদিহি করে।

সংক্ষেপে

1. কিছু চালানোর আগেই ভূমিকাটির নাম দিন: ফিডব্যাক সহায়ক, দ্বিতীয় পাঠক, না প্রাথমিক নম্বরদাতা। এদের প্রয়োজনীয় প্রমাণের পরিমাণ আলাদা।

2. আপনার প্রকৃত সমস্যা সমাধান করে এমন সবচেয়ে কম পরিণতিসম্পন্ন ভূমিকা দিয়ে শুরু করুন। যদি একটি নির্ধারক উত্তর-চাবি কাজটা করতে পারে, তবে একটি এলএলএম মূল্যের বদলে ঝুঁকি যোগ করে।

3. ইতিমধ্যেই নম্বর দেওয়া কাজে ক্রমাঙ্কন করুন, যার মধ্যে শক্তিশালী, দুর্বল, সীমান্তবর্তী ও অস্বাভাবিক গঠনের জমা থাকবে। সুবিধাজনক উদাহরণ কিছুই প্রমাণ করে না।

4. ক্রমাঙ্কন-সেট ও পরীক্ষা-সেট আলাদা রাখুন, নইলে আপনি মাপছেন আপনি পরিচিত প্রবন্ধে সরঞ্জামটি কত ভালো মানিয়েছেন।

5. সঠিক সহমত, স্কোর-পার্থক্য এবং পক্ষপাতের দিক রিপোর্ট করুন, কোনো পারস্পরিক সম্পর্ক নয়। পাস/ফেলের সীমারেখা আলাদাভাবে দেখুন।

6. শিক্ষার্থীদের বলুন সরঞ্জামটি কোন ভূমিকা পালন করে, গ্রেড কে ঠিক করে, আর পর্যালোচনা কীভাবে চাইতে হবে।

এআই কী করতে পারবে তা ঠিক করুন

তিনটি ব্যবস্থাকে "এআই-নম্বরদান" বলা হয়, আর তাদের দায়িত্বও ভিন্ন।

একটি ফিডব্যাক সহায়ক আপনার গ্রহণ, পুনর্লিখন বা বাতিল করার জন্য মন্তব্যের খসড়া তৈরি করে বা সম্ভাব্য বাদ পড়া চিহ্নিত করে। ঝুঁকি মন্তব্যের গুণমানে সীমাবদ্ধ, আর শিক্ষার্থীর কাছে পৌঁছানোর আগে আপনি সবকিছু পড়েন। একটি দ্বিতীয় পাঠক মানদণ্ডভিত্তিক স্কোর প্রস্তাব করে বা আপনার নিজের নম্বরদানের কাঠামো দিতে মতভেদ চিহ্নিত করে। এর ভুলগুলো কেবল ভুল নয়, উপযোগী হতে হবে: যে পতাকা আপনাকে এমন জমার কাছে ফেরত পাঠায় যা আপনি অসতর্কভাবে নম্বর দিতেন, তা রাখার মতো। একটি প্রাথমিক নম্বরদাতা এমন স্কোর তৈরি করে যা রেকর্ডভুক্ত গ্রেড হয়ে যায়। এই জ্ঞানভান্ডারের প্রমাণ সংকীর্ণ, স্থানীয়ভাবে বৈধায়িত ক্ষেত্রের বাইরে এই ব্যবস্থাকে সমর্থন করে না।

আপনার প্রকৃত সীমাবদ্ধতা যেখানে, সেই সবচেয়ে নিচের ধাপটিই বেছে নিন। যদি আপনার নম্বরদানের বোঝা আসে একটি নির্দিষ্ট উত্তর-চাবি মিলানো থেকে, তবে সাধারণ নির্ধারক স্কোরিং একটি ভাষা-মডেলের চেয়ে বেশি স্বচ্ছ ও নিরীক্ষাযোগ্য, আর ফার্মেসি গবেষণাটি ইঙ্গিত দেয় বস্তুনিষ্ঠ আইটেমে এলএলএম-এর সুবিধা আংশিকভাবে এই কারণে ছিল যে নম্বর দেওয়ার সময় তাকে সঠিক উত্তরগুলো দেওয়া হয়েছিল। ব্যাখ্যা দরকার এমন কাজের জন্য মডেলটি রাখুন, তারপর সেই ব্যাখ্যা যাচাই করুন।

স্বয়ংক্রিয় মূল্যায়ন স্কোরিং, মডারেশন ও ফিডব্যাক-উৎপাদনের বিস্তৃত যন্ত্রকৌশল কভার করে। এই পাতাটি তার নিচের বিচার-প্রশ্নটি।

প্রমাণ আসলে যা দেখায়

সহমত নির্ভর করে আইটেম-ধরনের ওপর। Falahat ও অন্যান্য (2026) 16 শিক্ষার্থীর সম্পন্ন একটি মিশ্র-ধরনের ফার্মেসি পরীক্ষায় নম্বর দিয়ে বহুনির্বাচনী, সব-প্রযোজ্য-বেছে-নিন ও শূন্যস্থান-পূরণ আইটেমে অনুষদের নম্বরদানের সঙ্গে 0.935 থেকে 1.000 পর্যন্ত সামঞ্জস্য রিপোর্ট করেন। আত্মগত মুক্ত-উত্তরে সহমত ছিল অবিশ্বাস্য। শিরোনামের চেয়ে দুটি বিবরণ বেশি জরুরি। নম্বর দেওয়ার সময় সঠিক উত্তর সরবরাহ করা হয়েছিল, যা বস্তুনিষ্ঠ-আইটেমের ফলাফলকে খুশি করে, আর একটি রুব্রিক যোগ করলে সহমত ধারাবাহিকভাবে উন্নত হয়নি, যা সেই সাধারণ ধারণাকে দুর্বল করে যে একটি ভালো রুব্রিক এলএলএম-কে সামঞ্জস্যপূর্ণ নম্বরদাতায় বদলে দেয়। ষোলো শিক্ষার্থী আপনার কোর্স সম্পর্কে কোনো দাবি সমর্থন করতে পারে না। এক পরীক্ষার ভেতরের বৈচিত্র্যই স্থানান্তরযোগ্য অনুসন্ধান: যে ব্যবস্থা আপনার বহুনির্বাচনী অংশ সামলায়, তা আপনার প্রবন্ধ সম্পর্কে কিছুই বলে না।

ব্যান্ড-সহমত মাঝারি ও অসম। OpRaise প্রতিবেদন প্রকৃত স্নাতক মনোবিজ্ঞান প্রবন্ধ পরীক্ষা করে দেখে, যুক্তরাজ্যের ডিগ্রি-ব্যান্ডে এআই ও মানব মূল্যায়নকারীর মধ্যে সহমত কেমব্রিজে 63%, নটিংহামে 53% এবং ম্যানচেস্টার মেট্রোপলিটনে 35%। নম্বরগুলো মধ্যপথে সংকুচিত হয়েছিল, আর দুই প্রান্তের নম্বর সবচেয়ে কম নির্ভুল: যে প্রবন্ধে একজন মানুষ 75 দিয়েছিলেন, প্রতিটি এআই ব্যবস্থা তাতে কয়েক পয়েন্ট কম দিয়েছে, আর যে প্রবন্ধে 50, তাতে কয়েক পয়েন্ট বেশি। এই সংকোচনই সেই ব্যর্থতা যা দেখতে হবে, কারণ এটি ঠিক আপনার বণ্টনের শীর্ষ ও তলার শিক্ষার্থীদের ক্ষতি করে, অথচ মাঝখানটা ঠিকই দেখায়। এটি পিয়ার-পর্যালোচিত পরীক্ষা নয়, একটি প্রকল্প-প্রতিবেদন, আর এটিই এই প্রমাণভান্ডারের সবচেয়ে উপযোগী সতর্কবার্তা।

আপনার নিজের নম্বর একটি অসম্পূর্ণ সূত্র। প্রশিক্ষকেরা একে অন্যের সঙ্গে একমত হন না, আর অনুরূপ প্রবন্ধে আপনার আগের স্কোর একটি বিচার, চূড়ান্ত সত্য নয়। একজন নম্বরদাতার সঙ্গে সহমত সেই নম্বরদাতার সঙ্গে সামঞ্জস্য প্রতিষ্ঠা করে, যা ন্যায্যতার সমান নয়। যেখানে পরিণতি এটির ন্যায্যতা দেয়, সেখানে কঠিন ক্ষেত্রে সিদ্ধান্ত দিতে আরেকজন যোগ্য পাঠককে রাখুন, আর এআই ও মানব নম্বরদাতার মতভেদকে কোন পক্ষ ঠিক তার রায় নয়, কাজটি আবার পড়ার সংকেত হিসেবে নিন।

সামঞ্জস্য ও সুস্থ বিচার আলাদা পথে যায়। একটি মডেল পুনরায় চালালে প্রায় অভিন্ন স্কোর দিতে পারে অথচ আপনার মানদণ্ড খারাপভাবে প্রয়োগ করতে পারে, কারণ পুনরাবৃত্তিযোগ্যতা স্থিতিশীলতা মাপে, বৈধতা নয়। OpRaise-এর দুই প্রান্তই এই ধরনটি দেখায়: ব্যবস্থাটি স্থির ছিল এবং যে প্রবন্ধগুলো সবচেয়ে জরুরি ছিল, সে বিষয়ে ভুল ছিল।

গ্রেডের কাছে পৌঁছানোর আগে পদ্ধতিটি বৈধ করুন

আগে মূল্যায়িত, যথাযথভাবে সুরক্ষিত জমার ওপর এটি করে দেখুন, যা আপনার প্রকৃত পাওয়া উত্তরগুলো জুড়ে থাকবে: শক্তিশালী, দুর্বল, সীমান্তবর্তী, অসম্পূর্ণ, অস্বাভাবিক গঠনের, আর অপরিচিত ভাষায় প্রকাশ করা সঠিক উত্তর।

1. মানদণ্ড নির্দিষ্ট করুন এবং প্রমাণ দাবি করুন। অ্যাসাইনমেন্ট, রুব্রিক, স্কোরিং-নিয়ম এবং বৈধ বিকল্প উত্তর কীভাবে নম্বর পায় তার উদাহরণ দিন। চিহ্নিত অনুচ্ছেদের সঙ্গে যুক্ত সংক্ষিপ্ত মানদণ্ড-স্তরের যুক্তি চান। তারপর সেই যুক্তিগুলো আপনি নিজেই জমার সঙ্গে মিলিয়ে দেখুন।

2. ক্রমাঙ্কনকে মূল্যায়ন থেকে আলাদা করুন। এক সেটে টিউন করুন, অন্য সেটে পরীক্ষা করুন। এই বিভাজন ছাড়া আপনি বৈধায়িত পদ্ধতি আর ভালোভাবে মানানো পদ্ধতির পার্থক্য করতে পারবেন না।

3. যে সিদ্ধান্তগুলো জরুরি তা মাপুন। সঠিক সহমত, স্কোর-পার্থক্যের আকার ও দিক, এবং মডেল পদ্ধতিগতভাবে বেশি না কম নম্বর দেয় তা লিখে রাখুন। পাস/ফেল ও অন্যান্য পরিণতিসম্পন্ন সীমারেখা আলাদাভাবে দেখুন। একটি উচ্চ পারস্পরিক সম্পর্ক একটি পদ্ধতিগত সরণের ওপরেও বসে থাকতে পারে।

4. পুনরাবৃত্তিযোগ্যতা ও উপগোষ্ঠীর আচরণ পরীক্ষা করুন। অভিন্ন সেটিংসে একটি উপসেট আবার চালান। মানদণ্ড-স্তরের ভুল খুঁজুন, আর দেখুন ভাষা, বিন্যাস বা বৈধ ভঙ্গি দুর্বল বোঝাপড়া হিসেবে ভুল হচ্ছে কি না। ছোট উপগোষ্ঠী-সংখ্যা সতর্কতাকে সমর্থন করে, ন্যায্যতার দাবিকে নয়।

5. এস্কালেশন-নিয়ম লিখুন। কোন ক্ষেত্রে সবসময় মানব নম্বরদান হবে এবং মতভেদ কীভাবে মিটবে তা ঠিক করুন। মডেলের ঘোষিত আত্মবিশ্বাসকে সিদ্ধান্ত নিতে দেবেন না; ওজন বহন করার আগে আত্মবিশ্বাসকে পর্যবেক্ষিত ভুলের বিপরীতে বৈধ করতে হবে।

6. কর্মপ্রবাহ সুরক্ষিত রাখুন। অনুমোদিত পরিবেশ ব্যবহার করুন, শনাক্তকারী তথ্য কমিয়ে আনুন, আর রুব্রিক ও নির্দেশনা জমা দেওয়া বিষয়বস্তু থেকে আলাদা রাখুন। সেই বিচ্ছেদ কারচুপি লুকানো কঠিন করে তোলে। অসম্ভব করে না।

7. কী এই যাচাইকে অকার্যকর করবে তা লিখে রাখুন। মডেল ও সংস্করণ, প্রম্পট, রুব্রিক ও সেটিংস সংরক্ষণ করুন। মডেল-হালনাগাদ বা রুব্রিক-সংশোধন ধারাবাহিকতা ধরে নেওয়ার নয়, প্রতিনিধিত্বমূলক যাচাইগুলো আবার করার কারণ।

ব্যবস্থাটি শিক্ষার্থীদের কাছে দৃশ্যমান করুন

শিক্ষার্থীদের জানার অধিকার আছে সরঞ্জামটি কোন ভূমিকা পালন করে, কে সিদ্ধান্ত নেয়, আর ফলাফল কীভাবে চ্যালেঞ্জ করতে হবে। অস্পষ্ট প্রকাশ সন্দেহ তৈরি করে; নির্দিষ্ট বিবরণ কাজ করার মতো সম্পর্ক তৈরি করে। কিছুটা এভাবে: "একটি অনুমোদিত এআই সরঞ্জাম আপনার খসড়ায় রুব্রিকভিত্তিক মন্তব্যের খসড়া তৈরি করতে পারে। আমি প্রতিটি মন্তব্য পর্যালোচনা করি এবং আপনার গ্রেড নির্ধারণ করি। কোনো মন্তব্য আপনার কাজকে ভুলভাবে উপস্থাপন করলে আমার সঙ্গে যোগাযোগ করুন।" তারপর সেটি সত্যি করে তুলুন।

দুটি ব্যর্থতার দিকে আলাদা মনোযোগ দরকার। অতিরিক্ত কর্তন শিক্ষার্থীরা যে অভিযোগ করে, আর আপিলে সেগুলোই প্রাধান্য পায়। অযোগ্য ক্রেডিট সেই দিকটি যা কেউ উল্লেখ করে না এবং চুপচাপ রেকর্ড নষ্ট করে। দুটোর জন্যই নমুনা নিন, আর কর্মপ্রবাহ আপনার কিছু বাঁচিয়েছে কি না বিচার করার সময় আপনার যাচাইয়ের ঘণ্টাগুলোও হিসাবে রাখুন।

যা আপনার দিকে ফিরে আসবে

"মানুষও তো পক্ষপাতদুষ্ট।" তারা তাই, আর সে কারণেই তুলনার জন্য একটি একক নম্বরদাতার স্কোর মানদণ্ড হিসেবে নয়, স্পষ্ট মানদণ্ড দরকার। এখানে যুক্তিটি OpRaise-এর প্রতিষ্ঠানভেদা: তিনটি বিশ্ববিদ্যালয়ের মানব নম্বরদাতারা যদি একই ব্যবস্থার সঙ্গে এত ভিন্ন ব্যান্ড-সহমত তৈরি করেন, তবে মানব-সূত্রও যা নির্দিষ্ট করতে হবে তার অংশ, কোনো স্থির মাপকাঠি নয়।

"রুব্রিক এটিকে বস্তুনিষ্ঠ করে দেয়।" রুব্রিক প্রত্যাশা স্পষ্ট করে। তা প্রয়োগ করা তবুও ব্যাখ্যা, আর ফার্মেসি গবেষণায় দেখা গেছে রুব্রিক সরবরাহ করলে সহমত ধারাবাহিকভাবে উন্নত হয়নি। রুব্রিক যা কিনে দেয় তা হলো যুক্তিগুলোর জন্য একটি যাচাইযোগ্য মানদণ্ড, স্কোরের নিশ্চয়তা নয়।

"তাহলে আমাকে সবকিছু যাচাই করতে হবে, তাতে উদ্দেশ্যটাই ব্যর্থ হয়।" কিছু কাজের জন্য এটিই সঠিক সিদ্ধান্ত, আর উত্তর হলো কাজটিকে সংকীর্ণ করা। আপনার নিজের স্কোরিং-নোট থেকে মন্তব্যের খসড়া তৈরি করলে বিচার আপনার কাছেই থাকে আর টাইপিং কমে যায়। সীমান্তবর্তী জমায় দ্বিতীয় পাঠকের পতাকা আপনার মনোযোগ সেখানে কেন্দ্রীভূত করে যেখানে তা ফলাফল বদলায়।

"আমার সহকর্মী এটি চালিয়েছেন, ভালোই কাজ করেছে।" জিজ্ঞাসা করুন তিনি কী মাপেছেন। এই গবেষণাসাহিত্যে ইতিবাচক রেটিং নিয়মিত ভুলের সঙ্গে সহাবস্থান করে, আর কয়েকটি যুক্তিসঙ্গত উৎপাদন পড়া একজন সহকর্মী একটি প্রদর্শন করেছেন, বৈধায়ন নয়। প্রশ্নটি হলো তাঁর পদ্ধতি সেই প্রবন্ধগুলোতে কী করবে যা আপনি সবশেষে লক্ষ্য করবেন।

এই সপ্তাহে কী করবেন

1. একটি মূল্যায়ন বেছে নিন এবং এআই কোন একক ভূমিকা পালন করবে তা লিখুন। কোন প্রমাণ আপনাকে এটিকে এক ধাপ ওপরে নিতে দেবে তাও লিখুন।

2. ইতিমধ্যেই নম্বর দেওয়া পাঁচটি জমায় এটি চালান, যাতে একটি শক্তিশালী, একটি দুর্বল, একটি সীমান্তবর্তী এবং অস্বাভাবিক কিন্তু বৈধ গঠনের একটি থাকে।

3. প্রতিটি মতভেদ কাজ ও মানদণ্ডের সঙ্গে লিপিবদ্ধ করুন, এবং কোন ভুলগুলো আপনি কেবল ভুল নয়, অগ্রহণযোগ্য বলবেন তা নাম দিন।

4. স্কোর-পার্থক্য কি একই দিকে চলে তা পরীক্ষা করুন, আর আপনার পাস/ফেলের সীমারেখা আলাদাভাবে দেখুন।

5. শিক্ষার্থীদের জন্য প্রকাশের অনুচ্ছেদ ও পর্যালোচনার পথের খসড়া লিখুন, আর এড়ানো নম্বরদানের সময়ের সঙ্গে আপনার যাচাইয়ের সময় তুলনা করুন।

এরপর কোথায় যাবেন

মূল্যায়নের বৈধতা সেই ধারণা যা এই প্রশ্নগুলোর সিদ্ধান্ত দেয়: প্রমাণটি আপনি যে অনুমান করতে চান তা সমর্থন করে কি না। স্বয়ংক্রিয় মূল্যায়ন প্রযুক্তি ও ধরনভেদে তার মাপা কর্মদক্ষতা কভার করে, আর বড় পরিসরে এআই ফিডব্যাক উৎপন্ন মন্তব্যের সংলগ্ন সমস্যা এবং শিক্ষার্থীরা তা নিয়ে কাজ করে কি না তা সামলায়।

শিক্ষার্থীরা এআই ব্যবহার শুরু করার পর একটি গ্রেড কী প্রতিনিধিত্ব করবে, যার মধ্যে কনস্ট্রাক্ট-প্রতিস্থাপন ও প্রমাণিত প্রক্রিয়া-প্রমাণ আছে, তা দেখুন এআই যুগে মূল্যায়ন পুনর্নকশায়। শনাক্তকরণ একটি রক্ষণযোগ্য কাজ-নকশার বিকল্প হতে পারে কি না, দেখুন এআই ডিটেক্টর ব্যবহার করবেন কি না। এর সবকিছুর নিচের মূল্যায়ন-প্রশ্নটি দেখুন একটি শিক্ষামূলক এআই কাজ করে কি না যাচাই করা-এ।