सामान्य प्रश्न
मैं मूल्यांकन को कैसे फिर से डिज़ाइन करूँ ताकि ग्रेड से अब भी यह रक्षणीय रूप से पता चले कि छात्र क्या जानता है या क्या कर सकता है?
यह अंग्रेज़ी पेज का ऑटोमैटिक अनुवाद है और इसकी अभी तक किसी मूल भाषी ने समीक्षा नहीं की है।
यह अंग्रेज़ी पेज का ऑटोमैटिक अनुवाद है और इसकी अभी तक किसी मूल भाषी ने समीक्षा नहीं की है।
सबसे पहले स्पष्ट रूप से बताएँ कि ग्रेड किस क्षमता का प्रतिनिधित्व करना चाहिए। क्या आप यह आकलन कर रहे हैं कि छात्र स्वतंत्र रूप से क्या कर सकता है, AI के साथ उचित रूप से क्या पूरा कर सकता है, उसकी AI का मूल्यांकन और निर्देशित करने की क्षमता, या इनमें से कुछ का संयोजन? ज्ञान आधार का मूल्यांकन वैधता इसे एक वैधता की समस्या के रूप में देखता है: एक चिकनी बनाई-सँवारी कृति अब यह प्रमाण नहीं रहती कि छात्र में वह क्षमता है जो उस कृति में स्पष्ट प्रतीत होती है। यह इसी तर्क का मूल्यांकन-पक्ष का आधा हिस्सा है; प्रवर्तन-पक्ष का आधा हिस्सा मैं अपने पाठ्यक्रम में एआई नकल कैसे कम कर सकता हूँ? में है, और सामान्य वैधता की रूपरेखा एक शिक्षक AI-संबंधी हस्तक्षेपों का मूल्यांकन करने के लिए कौन-से उपाय और अनुसंधान विधियाँ उपयोग कर सकता है? से गुज़रती है।
संरचना प्रतिस्थापन का जोखिम
लेख प्रामाणिक उत्पादों से प्रमाणित प्रक्रियाओं तक उत्पन्न होने वाले जोखिम को संरचना प्रतिस्थापन कहता है: आकलनकर्ता AI-मध्यस्थ उत्पाद को छात्र के हिसाब से लगाता है और अनजाने में उपकरण की क्षमताओं को मापता है, छात्र की नहीं। इसकी सुझाई गई प्रतिक्रिया यह है कि छात्र के तर्क, निर्णय, सत्यापन, पुनरावृत्ति और ज़िम्मेदारी को चरणबद्ध प्रस्तुतियों, टिप्पणी सहित निर्णय-कारण, प्रक्रिया अभिलेख, प्रतिपुष्टि-उपयोग विवरण, मौखिक बचाव और प्रमाणित प्रक्रिया के अन्य प्रमाणों जैसी दृष्टिकोणों के माध्यम से दृश्यमान बनाया जाए।
मोहम्मद और तेमीमी इसी समस्या को नैतिकता के बजाय अधूरी जानकारी की समस्या के रूप में फिर से तैयार करते हैं: छात्र जानता है कि कार्य कैसे बना, पर संस्था केवल कृति और आंशिक निशान देखती है, इसलिए डिज़ाइन का प्रश्न यह बनता है कि प्रत्येक मूल्यांकन वातावरण किस छात्र-प्रतिक्रिया को सर्वाधिक आकर्षक बनाता है। उनका प्रतिक्रिया-क्षेत्र मॉडल तीन विकल्पों की तुलना करता है — कोई AI उपयोग नहीं, खुलासा किया हुआ उपयोग, और छिपा हुआ उपयोग — और दिखाता है कि नियम, निगरानी, खुलासा और पुनर्कल्पना अलग-अलग माध्यमों से काम करते हैं और तभी सफल होते हैं जब सर्वाधिक आकर्षक प्रतिक्रिया मूल्यांकन के उद्देश्य के साथ मेल खाती हो। दो परिणाम सीधे रूपरेखा पर असर डालते हैं। प्रतिरोध एक डिटेक्टर के भेदभाव से चलता है — छिपे उपयोग और वैध कार्य के बीच, उसके कच्ची पकड़ दर से नहीं — इसलिए जब असत्य सकारात्मक परिणाम सत्य सकारात्मक परिणामों से तेज़ी से बढ़ते हैं तो मज़बूत निगरानी छिपाने को अपेक्षाकृत अधिक आकर्षक बना सकती है। और पुनर्कल्पना छात्रों को ज़िम्मेदार उपयोग की ओर तभी बढ़ाती है जब रूब्रिक वास्तव में प्रक्रिया-प्रमाण को पुरस्कृत करे; अन्यथा यह केवल साजसज्जा रहती है। उनका व्यावहारिक नियम है: छिपाने के लिए सबसे अधिक प्रवृत्त छात्र के लिए डिज़ाइन करें, सबसे अधिक ईमानदार छात्र के लिए नहीं।
एक मज़बूत मूल्यांकन रूपरेखा
व्यवहार में, एक मज़बूत मूल्यांकन रूपरेखा अक्सर AI-सक्षम प्रामाणिक कार्य और स्वतंत्र सत्यापन के किसी रूप को जोड़ती है। विषय के अनुसार, इसमें एक संक्षिप्त मौखिक व्याख्या, कक्षा में अनुप्रयोग, सीधा प्रदर्शन, टिप्पणी सहित पोर्टफोलियो, एक छोटा असहाय घटक, या प्रमुख निर्णयों पर प्रश्न शामिल हो सकते हैं।
प्रामाणिक मूल्यांकन संकल्पना यथार्थपरक बौद्धिक कार्य, संज्ञानात्मक चुनौती, छात्र की स्वायत्तता, प्रतिपुष्टि और सामाजिक या व्यावसायिक प्रामाणिकता पर भी बल देती है — न कि केवल पारंपरिक असाइनमेंटों को AI के लिए पूरा करने में कठिन बनाने पर। मौखिक और सीधे घटकों को चिंता, दिव्यांगता सुविधाओं, भाषाई अंतर और आकलनकर्ता पूर्वाग्रह पर सावधानीपूर्वक ध्यान देने की ज़रूरत है।
एक लोकप्रिय बिना-निगरानी वाली रूपरेखा — प्रति-छात्र कार्य भिन्नता, जहाँ प्रत्येक परीक्षार्थी को उसी कार्य का एक सतही रूप से भिन्न लेकिन संरचना-समतुल्य संस्करण मिलता है ताकि उत्तरों को उपयोगी रूप से साझा नहीं किया जा सके — क्षमता-आधारित है, मुफ़्त नहीं। VARIA, 60 शर्त-कोशिकाओं में 600 उत्पन्न रूपांतरों का एक बेंचमार्क, ने पाया कि अग्रणी मॉडल एक संयुक्त सत्यनिष्ठा स्कोर (0.81–0.88) पर कसकर समूहित होते हैं जबकि गैर-अग्रणी संदर्भ 0.50–0.55 पर गिर जाते हैं, और यह कि कोई एकल प्रॉम्प्टिंग रणनीति सतही विविधता और संरचना-समतुल्यता दोनों को एक साथ अनुकूलित नहीं करती। पैमाने पर भिन्नता को केवल प्रॉम्प्टिंग से नहीं माना जा सकता, इसलिए किसी संस्था को गारंटी को वास्तविक मानने से पहले अपने स्वयं के मॉडल–प्रॉम्प्ट युग्म को मान्य करना चाहिए।
पुनर्कल्पना शायद ही कभी असाइनमेंट-दर-असाइनमेंट काम करती है। एक बड़े ऑस्ट्रेलियाई विश्वविद्यालय के 12 शिक्षाविदों और 17 छात्रों के गुणात्मक अध्ययन में, निकोला-रिचमंड एट अल. ने पाया कि दोनों समूहों ने सहमति दी कि मूल्यांकन बदलना चाहिए लेकिन व्यवस्थागत अड़चनों पर बल दिया — लंबा नेतृत्वकाल, बड़े-समूह की मान्यता बाधाएँ, कार्यभार और लागत — और निष्कर्ष निकाला कि पुनर्कल्पना एक गाँव लेती है: एक कार्यक्रम-व्यापी टीम जो मूल्यांकन-डिज़ाइन, जनरेशन AI, विषय-ज्ञान, उद्योग और प्रमाण विशेषज्ञता को जोड़ती हो, जिसमें GenAI-साक्षरता और लर्निंग-आश्वासन बिंदु एक योग्यता के भीतर रणनीतिक रूप से रखे गए हों। इसे सुलभ बनाने वाली कार्य-स्तरीय विधि वही है जिसे मैककॉर्कल दर्ज करता है: छात्र द्वारा किए जाने वाले प्रत्येक चरण की सूची बनाएँ, प्रत्येक चरण से पूछें "मैं विशेष रूप से क्या आकलन कर रहा हूँ?", और उत्तर से AI सीमा निकालें — जो यह भी है कि मैं अपने पाठ्यक्रम में एआई नकल कैसे कम कर सकता हूँ? के पीछे की अपेक्षाएँ कैसे स्पष्ट और प्रवर्तनीय बनती हैं।
उद्देश्य यंत्रविधि जितना ही महत्वपूर्ण है। एल खौरी और मा तर्क देते हैं कि केवल दुराचार रोकने के इर्द-गिर्द संगठित सुधार बहुत रक्षणीय है और आनंदमय मूल्यांकन प्रस्तावित करते हैं — सुरक्षित, भावनात्मक रूप से अनुकूल, सशक्त बनाने वाला और छात्र शिक्षार्थी सक्रियता का समर्थन करने वाला — जिसमें सत्यनिष्ठता अच्छे डिज़ाइन का परिणाम होती है, उसकी शुरुआत नहीं। उनका कार्यसाधित उदाहरण एक शिक्षक-निर्मित AI एजेंट का उपयोग करता है ताकि निर्णय से पहले छात्रों को अभ्यास कराए और रूब्रिक-संरेखित प्रमाण रिपोर्ट बनाए, लेकिन श्रम-विभाजन साफ़ बताया गया है: AI प्रमाण व्यवस्थित करता है, शिक्षक उसकी व्याख्या करता है।