समापक मूल्यांकन

यह अंग्रेज़ी पेज का ऑटोमैटिक अनुवाद है और इसकी अभी तक किसी मूल भाषी ने समीक्षा नहीं की है।

समापक मूल्यांकन — एक इकाई, पाठ्यक्रम या कार्यक्रम के अंत में यह मूल्यांकन करने और प्रमाणित करने के लिए प्रयुक्त मूल्यांकन कि एक शिक्षार्थी ने क्या सीखा है, इसके विपरीत निर्माणात्मक मूल्यांकन जो अध्यापन के दौरान सीखने का समर्थन करता है। समापक मूल्यांकन सामान्यतः उच्च-दांव वाली परीक्षाओं के रूप में होता है — लिखित, मौखिक, प्रॉक्टर्ड, या बंद-पुस्तक — जो ग्रेड निर्धारित करती हैं, प्रगति को गेट करती हैं और दक्षता प्रमाणित करती हैं। एआई युग में, समापक मूल्यांकन शैक्षणिक इमानदारी और वैधता पर एक केंद्रीय संघर्षस्थल बन गया है: जनरेटिव एआई गैर-प्रॉक्टर्ड या घर-पर-करने वाले कार्यों में प्रदर्शन को बढ़ा-चढ़ाकर प्रस्तुत कर सकती है, जिससे समापक प्रारूप की पसंद — और वह एआई-प्रतिस्थापन का प्रतिरोध कैसे करती है — एक महत्वपूर्ण डिज़ाइन निर्णय बन जाती है।

विचार करने योग्य प्रश्न

• समापक मूल्यांकन एक पाठ्यक्रम के अंत में प्रमाणित करता है कि एक छात्र ने क्या सीखा है, जबकि निर्माणात्मक मूल्यांकन उसके दौरान सीखने का समर्थन करता है। आपने इन दोनों के बीच की रेखा कहाँ धुंधली होते देखी है, और यह मायने क्यों रखता है कि वे भिन्न कार्य करते हैं?
• यह पेज जनरेटिव एआई को एक साथ दो दिशाओं में समापक मूल्यांकन को फिर से आकार देते हुए प्रस्तुत करता है: एआई परीक्षाओं को स्कोर करती है, और छात्र एआई का उपयोग परीक्षा-आधारित माप को चकमा देने के लिए करते हैं। इन दो दबावों में से आपको कौन वैधता के लिए बड़ा खतरा लगता है, और क्यों?
• यदि गैर-प्रॉक्टर्ड या घर-पर-करने वाले कार्य वैधता खो देते हैं क्योंकि एआई उत्तर बना सकती है, तो इससे यह क्या संकेत मिलता है कि मूल्यांकन कैसे डिज़ाइन किए जाने चाहिए — और इस प्रक्रिया में क्या त्यागा जा सकता है?
• पेज पर उद्धृत शोध पाता है कि एलएलएम निबंधों को मनुष्यों की तरह ग्रेड नहीं करते। यदि स्वचालित स्कोरिंग तेज़ और सुसंगत है लेकिन भिन्न रूप से ग्रेड करती है, तो क्या यह एक निष्पक्षता समस्या है, एक अवसर है, या दोनों?
• यदि उच्च-दांव वाले परिणाम (एक ग्रेड, एक प्रमाणपत्र, प्रवेश) के पीछे का कार्य एआई द्वारा बनाया गया हो सकता है, तो उसका क्या अर्थ है? आप एक ऐसा मूल्यांकन कैसे डिज़ाइन करेंगे जिस पर आप वास्तव में भरोसा कर सकें?

परिचय

समापक मूल्यांकन निर्माणात्मक मूल्यांकन से मौलिक रूप से भिन्न कार्य करता है: यह अगले चरणों का मार्गदर्शन करने के बजाय उपलब्धि को मापता और प्रमाणित करता है। इसमें इकाई-अंत की परीक्षाएँ, अंतिम परीक्षाएँ, मानकीकृत और उच्च-दांव वाली परीक्षाएँ (जैसे, प्रवेश परीक्षाएँ), मौखिक परीक्षाएँ, और संचयी प्रदर्शन मूल्यांकन शामिल हैं। क्योंकि समापक परिणाम वास्तविक परिणामों को वहन करते हैं (ग्रेड, प्रगति, प्रमाणपत्र, विश्वविद्यालय प्रवेश), वे एआई युग में विशेष दबावों का सामना करते हैं — स्वचालित स्कोरिंग के लक्ष्य और भेद्य उपायों — दोनों के रूप में, जिन्हें छात्र जनरेटिव एआई का उपयोग करके गेम करना चाह सकते हैं।

एआई-युग में दांव: वैधता और सत्यनिष्ठा

ज्ञान आधार का शोध दर्ज करता है कि जनरेटिव एआई ने समापक-मूल्यांकन परिदृश्य को दो दिशाओं में मौलिक रूप से फिर से आकार दिया है: एआई का उपयोग बड़े पैमाने पर परीक्षाओं को स्कोर करने के लिए होता है, और छात्र अपनी ही सीखने के परीक्षा-आधारित माप को चकमा देने के लिए एआई का उपयोग कर सकते हैं।

• स्कोरर के रूप में एआई। समापक मूल्यांकन परीक्षाओं, निबंधों और संक्षिप्त उत्तरों के स्वचालित स्कोरिंग पर तेज़ी से निर्भर होता जा रहा है। एलएलएम निबंध ग्रेडिंग पर शोध पाता है कि एलएलएम निबंधों को मनुष्यों की तरह ग्रेड नहीं करते, जिससे उच्च-दांव वाली स्वचालित स्कोरिंग के लिए वैधता और निष्पक्षता प्रश्न उठते हैं। एलएलएम छात्र स्व-स्पष्टीकरण का मूल्यांकन और स्वचालित संक्षिप्त-उत्तर ग्रेडिंग समापक संदर्भों में एलएलएम स्कोरिंग की विश्वसनीयता की खोज करती हैं, जबकि मान्यतात्मक रूप से सजग ढाँचे स्वचालित स्कोरिंग को भरोसेमंद और अनुकूली बनाए रखना चाहते हैं। एक 296-छात्र वाली हस्तलिखित सामान्य-रसायन परीक्षा दर्शाती है कि चयनित निरीक्षण क्यों आवश्यक है: एक मल्टीमोडल एलएलएम की कुल-स्कोर सहमति टीए ग्रेडिंग के साथ उच्च थी (R² = 0.91) फिर भी आइटम-स्तरीय विश्वसनीयता प्रारूप के अनुसार तीखी भिन्नता दिखाती थी, और असत्य धनात्मक (एआई वास्तव में गलत उत्तरों को श्रेय देते हुए) अक्सर अनदेखे रहते हैं क्योंकि छात्र उन्हें शायद ही चुनौती देते हैं — इसलिए उच्च-दांव उपयोग के लिए एक समान "सब कुछ ग्रेड करो" एआई स्कोरर बिना मनुष्यों तक विश्वास-आधारित डिफरल के बचाव योग्य नहीं है (Assisting the grading of a handwritten general chemistry exam with artificial intelligence)।
• परिणाम सहमति असंगत आइटम स्कोरिंग से बच सकती है। संयमित आधिकारिक अंकों के विरुद्ध, एक मल्टीमोडल एलएलएम द्वारा 10,364 हस्तलिखित भौतिकी ओलंपियाड और विश्वविद्यालय पृष्ठों को ग्रेड करते हुए r = 0.93–0.96 पर सहसंबद्ध था और उसी पाँच-छात्र अंतर्राष्ट्रीय टीम को पुनर्प्राप्त किया, हालाँकि सटीक प्रश्न-भाग सहमति 70% तक पहुँची — एक स्कोरर का न्याय उन निर्णयों से होता है जिन्हें वह सूचित करता है (पाठक एट अल. (2026))।
• चकमा देने के रूप में एआई। क्योंकि जनरेटिव एआई लिखित प्रश्नों के उत्तर बना सकती है, गैर-प्रॉक्टर्ड और घर-पर-करने वाले समापक कार्य वैधता खो देते हैं: प्रॉक्टर्ड, असहाय उपाय आवश्यक हैं क्योंकि गैर-प्रॉक्टर्ड प्रदर्शन एआई से बढ़ा हुआ होता है, और गार्डरेल वाले (संकेत-नहीं-उत्तर) उपकरण अरक्षित एआई के कारण होने वाली परीक्षा दंड को समाप्त कर सकते हैं। चिरिकोव का (2026) 500,000+ ग्रेडों पर आर्ध-प्रयोग तंत्र को ठोस बनाता है: चैटजीपीटी के विमोचन के बाद, अधिक एआई-अनावृत कार्यों वाले पाठ्यक्रमों में ए ग्रेडों का हिस्सा 13 प्रतिशत अंक बढ़ा, और प्रभाव गृहकार्य-भारी पाठ्यक्रमों में केंद्रित हुआ (त्रि-अंतर अनुमान में अतिरिक्त 16 पीपी) — यह प्रत्यक्ष प्रमाण है कि गैर-प्रॉक्टर्ड गृहकार्य, असली सीखने की प्राप्ति नहीं, वह जगह है जहाँ एआई समापक परिणामों को फुलाती है।
• एआई-जनित परीक्षाएँ। एक बड़े पैमाने का अध्ययन और ईएफएल मूल्यांकन शोध जाँचते हैं कि क्या एआई उच्च-गुणवत्ता वाली परीक्षाएँ और मूल्यांकन कार्य बना सकती हैं — समापक-डिज़ाइन के एक उभरते उपयोग।

एआई-प्रतिरोधी समापक प्रारूप

ज्ञान आधार में एक प्रमुख विषय यह है कि समापक प्रारूप एआई-प्रतिरोध निर्धारित करता है — जितनी अधिक बार कोई कार्य लाइव, व्यक्तिगत-रूप से, स्वयं प्रस्तुत प्रदर्शन माँगता है, छात्रों के लिए अपनी सीख के विकल्प के रूप में एआई को प्रतिस्थापित करना उतना ही कठिन होता है।

• मौखिक परीक्षाएँ और मूल्यांकन। फेंटन (2025) तर्क देते हैं कि मौखिक परीक्षा एक कम-तकनीकी, स्वभाविक रूप से एआई-प्रतिरोधी समापक प्रारूप है: इसका वास्तविक-समय, संवादात्मक संवाद समझ, समालोचनात्मक सोच, और तर्क की जाँच करता है याद करने के बजाय, छात्रों को एआई का उपयोग उत्तर बनाने और याद करने से रोकता है, और व्यावसायिक अभ्यास को प्रतिबिंबित करता है। सुकरातीय परीक्षाएँ और कोड-समीक्षा साक्षात्कार इसे गतिशील, संवादात्मक और साक्षात्कार-आधारित समापक मूल्यांकन तक विस्तारित करती हैं।

• बंद-पुस्तक, प्रॉक्टर्ड, असहाय उपाय। प्रमाण और बड़े पैमाने के अध्ययन दिखाते हैं कि प्रॉक्टर्ड बंद-पुस्तक परीक्षाएँ — फुलाए हुए गृहकार्य या घर-पर-करने वाले कार्य नहीं — जब छात्र एआई का उपयोग करते हैं तो असली सीखने का भरोसेमंद संकेत हैं। उत्तरदायी मूल्यांकन ढाँचे इन असहाय उपायों को वैधता-आधारित पुनर्डिज़ाइन में अंतर्निहित करते हैं। जहाँ परीक्षाएँ ऑनलाइन रहती हैं, रिमोट प्रॉक्टरिंग उस भूमिका को संभालती है, और स्वचालित प्रॉक्टरिंग पर संग्रह की दो समीक्षाएँ गोपनीयता और निष्पक्षता चिंताओं को पहचानने की प्राप्तियों के साथ पाती हैं (Ensuring Academic Integrity through Automated Online Exam Proctoring: A Decade-Long Systematic Review, A Comprehensive Review of the Changing Landscape of Academic Dishonesty in Automated Proctoring in the Era of Artificial Intelligence)।

• एक भेद्य कार्य को पुष्टि करने वाले युगल से जोड़ें। रो, परकिंस और गिरे (2026) एक जेनएआई-भेद्य कार्य को इसकी सीख के मूल्य के लिए रखते हैं लेकिन उसे उसी परिणामों का आकलन करने वाले दूसरे कार्य से जोड़ते हैं, जिससे अंक पुष्टिकरण-सीमा या भार के माध्यम से परस्पर निर्भर हो जाता है ताकि युगल परिणाम प्रमाणित करे।

उच्च-दांव और मानकीकृत समापक मूल्यांकन

उच्च-दांव वाला समापक मूल्यांकन — प्रवेश परीक्षाएँ, मानकीकृत परीक्षाएँ और प्रमाणन — असाधारण परिणाम वहन करता है और एआई-युग की चिंता का केंद्र है। जनरेटिव एआई सीखने की दंड का अध्ययन ने उच्च-विद्यालय (ज़ोंगकाओ) और कॉलेज (गाओकाओ) प्रवेश परीक्षाओं पर परिणाम मापे, और पाता कि दीर्घकालिक एआई उपयोग के बाद प्रवेश-परीक्षा स्कोर 18–24% गिरे। द एफर्टलेस ट्रैप और प्रदर्शन-बनाम-सीखने का शोध चेतावनी देते हैं कि एआई-सहायित कार्यों पर प्राप्त लाभ असहाय उच्च-दांव उपायों तक स्थानांतरित नहीं होते।

एआई युग में समापक बनाम निर्माणात्मक

ज्ञान आधार का मूल्यांकन साहित्य लगातार रेखांकित करता है कि मूल्यांकन तब सर्वाधिक प्रभावी होता है जब वह निर्माणात्मक और समापक कार्यों को जोड़ता है — लेकिन एआई युग इस भेद को तीखा करता है। क्योंकि एआई कम-दांव, गैर-प्रॉक्टर्ड और प्रक्रिया-छिपे कार्यों में प्रदर्शन फुलाती है, समापक (विशेषकर प्रॉक्टर्ड/बंद-पुस्तक/व्यक्तिगत) उपाय यह जाँचने के लिए महत्वपूर्ण बन जाते हैं कि सीख वास्तव में हुई या नहीं। यह मूल्यांकन पुनर्डिज़ाइन को प्रेरित करता है जो प्रामाणिक, एआई-प्रतिरोधी समापक कार्यों (मौखिक परीक्षाएँ, कोड-समीक्षा साक्षात्कार, प्रॉक्टर्ड परीक्षाएँ, प्रक्रिया-आधारित पोर्टफोलियो) को सत्यनिष्ठा के लंबर के रूप में रखता है, जबकि रास्ते में सीखने का समर्थन के लिए निर्माणात्मक मूल्यांकन का उपयोग करता है। रचनात्मक डिज़ाइन प्रतिक्रिया के लिए प्रामाणिक मूल्यांकन देखें।

शिक्षा में एआई के लिए निहितार्थ

• समापक प्रारूप एक वैधता और सत्यनिष्ठा उपकरण है: एआई-प्रतिरोधी समापक प्रारूप (मौखिक, प्रॉक्टर्ड, बंद-पुस्तक, व्यक्तिगत) मूल्यांकित प्रदर्शन और असली सीख के बीच संबंध को संरक्षित करते हैं।
• प्रॉक्टर्ड/असहाय उपाय भरोसेमंद संकेत हैं: जब छात्र एआई का उपयोग करते हैं, तो असहाय समापक परीक्षाएँ — गृहकार्य नहीं — असली सीख प्रकट करती हैं।
• स्वचालित स्कोरिंग को मान्यतात्मक जाँच चाहिए: उच्च-दांव परीक्षाओं को ग्रेड करने के लिए एलएलएम का उपयोग करने के लिए विश्वसनीयता, निष्पक्षता और वैधता का मूल्यांकन आवश्यक है, केवल सटीकता नहीं। ग्रेडिंग त्रुटि ग्रेड-निर्भर भी होती है: 32 सार्वजनिक-स्वास्थ्य परीक्षा प्रस्तुतियों में, एलएलएम पैमाने के छोरों से बचे — तेज़ मोड में कोई ई या एफ नहीं दिखा — जबकि सर्वश्रेष्ठ मॉडल ने मनुष्य के ग्रेड से 50.0% पर सटीक रूप से मेल खाया और 90.6% पर ±1 ग्रेड के भीतर (ब्रेविक एट अल. (2026))।
• एआई परीक्षाएँ भी बना सकती है: एआई-सहायित परीक्षा और कार्य निर्माण एक उभरता समापक-डिज़ाइन अनुप्रयोग है जिसे स्वयं गुणवत्ता मूल्यांकन की आवश्यकता है।
• ग्रेडिंग उद्देश्य पर पुनर्विचार करें, केवल प्रारूप पर नहीं। मेस्नी, रोबेरज-माल्टे और गैली (2026) पारंपरिक समापक, नॉर्म-संदर्भित ग्रेडिंग की आलोचना करते हैं कि यह उच्चटन, खंडित सीख को प्रोत्साहित करती है, छात्रों को थोड़ा नियंत्रण या पारदर्शिता देती है, आंतरिक प्रेरणा को नुकसान पहुँचाती है, तनाव और चिंता को बढ़ावा देती है, और असमानताओं को बनाए रखती है जबकि मुख्यतः याद करने का आकलन करती है बजाय वास्तविक-विश्व अनुप्रयोग के। वे पुनर्मूल्यांकन, मानक-आधारित ग्रेडिंग, और अनग्रेडिंग को ग्रेडिंग-केंद्रित नवाचारों के रूप में प्रस्तुत करते हैं जो समापक-भारी अभ्यास को नरम कर सकते हैं, जबकि स्वीकारते हैं कि ये प्रबंधन शिक्षा में सीमांत बने हुए हैं नियमात्मक अवरोधों के कारण — वक्र पर ग्रेडिंग, बाह्य संकेत (रैंकिंग, इंटर्नशिप, मान्यता), और छात्रों का साधनात्मक मानसिकता — और संस्थागत समर्थन के साथ वृद्धिशील प्रयोग की सिफ़ारिश करते हैं।

संबंधित अवधारणाएँ

• रिमोट प्रॉक्टरिंग
• मूल्यांकन
• निर्माणकारक मूल्यांकन
• प्रामाणिक मूल्यांकन
• स्वचालित मूल्यांकन
• मूल्यांकन की वैधता
• शैक्षणिक इमानदारी
• AI शिक्षा मूल्यांकन
• उच्च शिक्षा
• K-12

संबंधित लेख

• Large language models as grading assistants in public health education: a method-comparison study of essay-style exam assessment — एलएलएम ग्रेडर ग्रेड पैमाने को संपीड़ित करते हैं और उच्च-दांव निबंध मूल्यांकन में चरमों से बचते हैं

• A Comprehensive Review of the Changing Landscape of Academic Dishonesty in Automated Proctoring in the Era of Artificial Intelligence

• Ensuring Academic Integrity through Automated Online Exam Proctoring: A Decade-Long Systematic Review

• Reconsidering the Use of Oral Exams and Assessments: An Old Way to Move Into a New Future — प्रामाणिक, एआई-प्रतिरोधी समापक मूल्यांकन के रूप में मौखिक परीक्षाओं पर पुनर्विचार

• The Generative AI Learning Penalty: Evidence from Chinese Secondary Education — जनरेटिव एआई सीखने की दंड: प्रॉक्टर्ड/बंद-पुस्तक परीक्षा प्रमाण

• Artificial Intelligence and Grade Inflation — ग्रेड मुद्रास्फीति के तंत्र के रूप में एआई कार्य विस्थापन; गृहकार्य-भारी पाठ्यक्रम (चिरिकोव 2026)

• Faster Completion, Less Learning: Generative AI Reduced Study Time on Math Problems and the Knowledge They Build — तेज़ी से पूर्णता, कम सीख: प्रॉक्टर्ड उपाय आवश्यक

• Generative AI without guardrails can harm learning: Evidence from high school mathematics — गार्डरेल के बिना जनरेटिव एआई सीख को नुकसान पहुँचाती है

• Assessing the Quality of AI-Generated Exams: A Large-Scale Field Study — एआई-जनित परीक्षाओं की गुणवत्ता का आकलन

• LLMs Do Not Grade Essays Like Humans — एलएलएम निबंधों को मनुष्यों की तरह ग्रेड नहीं करते

• Exploring the Effectiveness of Using LLMs for Automated Assessment of Student Self Explanations in Programming Education — छात्र स्व-स्पष्टीकरण के स्वचालित मूल्यांकन के लिए एलएलएम

• Confidence Estimation in Automatic Short Answer Grading with LLMs — स्वचालित संक्षिप्त-उत्तर ग्रेडिंग

• PsyScore: A Psychometrically-Aware Framework for Trait-Adaptive Essay Scoring and ZPD-Scaffolded Feedback — मान्यतात्मक रूप से सजग विशेषता-अनुकूल निबंध स्कोरिंग

• The Theoretical Foundation of Socratic Tests: Dynamic, Multimodal, Conversational Examinations — सुकरातीय परीक्षाएँ: गतिशील, संवादात्मक, मल्टीमोडल मूल्यांकन

• Combating Harms of Generative AI in CS1 with Code Review Interviews and a Flipped Classroom — सीएस1 में कोड समीक्षा साक्षात्कार

• Responsible Assessment in the AI Era: Key Insights from a Future-Focused Conference — एआई युग में उत्तरदायी मूल्यांकन

• Test-Driven, AI-Assisted Learning: Replacing Lectures with Weekly Closed-Book Tests — परीक्षण-चालित एआई-सहायित सीख

• Revisiting the Performance of Generative Artificial Intelligence on Introductory Object-Oriented Programming — ऑब्जेक्ट-ओरिएंटेड प्रोग्रामिंग मूल्यांकन पर जेनएआई प्रदर्शन

• The Effortless Trap: Productive Struggle, AI, and the Illusion of Learning — द एफर्टलेस ट्रैप: उत्पादक संघर्ष और सीखने का भ्रम

• AI-Generated versus Human-Developed Assessment Tasks in EFL Context: Insights from TPCK Model — ईएफएल में एआई-जनित बनाम मानव-विकसित मूल्यांकन कार्य

• Assessment twins: An approach for strengthening assessment validity in the age of generative AI — जेनएआई युग में मूल्यांकन वैधता को मज़बूत करने के लिए मूल्यांकन युगल (रो, परकिंस और गिरे 2026)

• Large Scale AI Grading of Handwritten Physics Assessments: Score Agreement and Olympiad Team Selection Outcomes — हस्तलिखित भौतिकी मूल्यांकन की एआई ग्रेडिंग (ओलंपियाड)

• Innovative assessment and grading practices in higher education: A critical exploration for management educators

• Assisting the grading of a handwritten general chemistry exam with artificial intelligence