Tathmini ya Mdomo

Tafsiri ya kiotomatiki ya ukurasa huu wa Kiingereza, ambayo haijakaguliwa na mzungumzaji mzawa.

Tathmini ya mdomo — tathmini ambayo mwanafunzi anapaswa kueleza, kutetea au kuonyesha ufahamu kwa kusema, moja kwa moja au kwa kurekodiwa: viva voce, mtihani wa mdomo, utetezi wa mdomo, mahojiano ya mapitio ya msimbo, mahojiano ya kliniki. Kwa sababu ubadilishaji ni wa wakati halisi na maswali hayaahitaji kujulikana mapema, umbile hii inapinga kubadilishwa kwa maandishi yanayozalishwa na ufahamu kwa njia ambayo kazi za nyumbani za halisi haziwezi. Pia inabeba tatizo la kipekee la uhalali: orals hupima ufasaha na uhakika pamoja na maarifa, hivyo wanachothibitisha hutegemea sana jinsi zilivyobuniwa, nani anauliza, na jinsi hotuba ya mwanafunzi inavyotendewa kama ushahidi.

Maswali ya Kutafakari

• Orals zinatangazwa katika nyakati za AI kwa sababu mashine haiwezi kukaa chumbani na kujibu kwa niaba yako. Hata hivyo, mkusanyiko unaodai hili hauna jaribio la nasibu la mdomo dhidi ya tathmini ya maandishi. Ungehitaji kuona nini kabla ya kuchukua hoja hiyo kama iliyokwishaamua?
• Kila ya kazi hiyo inaripoti mbinu mbili tofauti za kupungua kwa wasiwasi: kuondoa uangalizi wa moja kwa moja wa mwalimu, na kuzoea na umbile kupitia mazoezi. Hizi zinaonyesha mbinu tofauti. Ni ipi inayolingana na miktadha yako, na ni ipi ungeiamini kujumuishwa?
• Upangaji wa hotuba peke yake unaweza kuchukua ufasaha wa mdomo kama ufahamu wa dhana. Ikiwa mwanafunzi anaonyesha kwa ishara kwa usahihi lakini anasema neno lisilo sahihi, au anasema neno sahihi bila kulielewa, tathmini yako inapima nini hasa?
• Kila muundo wa mdomo katika mkusanyiko huu unagonga ukuta ule ule: wafanyakazi na muda wa vyumba. Ikiwa kizuizi ni saa 28 za mawasiliano kwa muhula kwa wanafunzi 15, je, jibu la kweli ni idadi ndogo za kazi zinazotetelewa, timu kubwa ya kufundisha, au umbile tofauti?

Utangulizi

Tathmini ya mdomo ni moja ya umbile za zamani zaidi za tathmini na, kwa karibu karne yote iliyopita, moja ambayo hazikuwa na umaarufu: ngumu kupanda, ngumu kusanifisha, ngumu kutetea katika mchakato wa rufaa. AI ya kizalishaji imegeuza bahati zake. Wakati uwasilishaji wa maandishi unaweza kuzalishwa kwa ombi na mfano, thamani ya tathmini ya bidhaa inaanguka, na umakini husogeza kuelekea tathmini ya mtu. Mwanafunzi anayepaswa kujibu swali asilolijua kwa sauti, kwa wakati halisi, angalau yupo na anafikiri kwa njia inayoonekana.

Mabadiliko hayo sasa yanaonekana katika mkusanyiko wa utafiti, lakini si kwa usawa. Kazi zingine huchukua mtihani wa mdomo kama jibu la sera ya uadilifu wa kitaaluma, zingine hubuni mfumo wa otomatiki wa kutoa au kupanga utendaji wa mdomo kwa wingi, na zingine huuliza hotuba yenyewe inaweza na haiwezi kuonyesha nini kuhusu ufahamu. Kurasa zilizounganishwa hapo chini hazikubaliani juu ya kiasi orals zinathibitisha. Zikisomwa pamoja, zinasaidia dai nyembamba na inayoweza kutetea zaidi kuliko ile inayofanywa kwa kawaida kwa ajili yao.

Kile utendaji wa moja kwa moja unaweza kuthibitisha

Fenton (2025) hufanya umbile thabiti zaidi ya hoja. Akiwa na mrengo wake kwenye fasihi ya tathmini ya halisi, kesi ya karatasi kwa mtihani wa mdomo inategemea uwezo wake wa mwingiliano: maswali yanaweza kushikiliwa hadi wakati wa mtihani, maswali ya kufuatia yanaweza kubuniwa kwa papo hapo, na mwanafunzi hawezi kujifunza jibu la swali asiloliona. Umbile pia inazuia kukariri kwa ujumla, kwa sababu ukumbusho unakaguliwa kupitia maelezo badala ya kurudia. Karatasi ni mapitio na kipande cha msimamo katika Educational Researcher, si somo la kiushahidi, na inaisha na mapendekezo 13 ya utekelezaji yaliyopangwa badala ya ushahidi wa matokeo yaliyoboreshwa.

Toleo la kweli la dai la uadilifu ni nyembamba zaidi kuliko linavyosemwa mara nyingi. Orals hufanya kubadilishwa kuwa vigumu kuficha; mkusanyiko haonyeshi kuwa wanapunguza matumizi ya AI. Katika somo la mapitio ya msimbo wa mdomo wa CS1, mahojiano ya dakika kumi na tano ya kila wiki yalibeba asilimia 70 ya alama ya kila kazi, na herufi zilizobandikwa kwa jumla bado zilipanda kutoka asilimia 61.0 hadi 68.1 (p < 0.0001) katika miaka mitatu ya kieledu, huku alama za mtihani zikisogeza kwa asilimia mbili isiyo na umuhimu wa kihisabati. Asilimia 90 ya wanafunzi walisema mapitio yaliwahimiza kuelewa msimbo wao vizuri zaidi na asilimia 65 kuwa yaliwasaidia kuepuka utegemezi kupita kiasi wa AI, lakini tabia iliyopimwa haikufuata. Tathmini ya mdomo ilibadilisha kile kilichoweza kufichwa, si kile wanafunzi walichofanya.

Nafasi ya kubuni ambayo mkusanyiko unashughulikia kweli

Umbile katika mkusanyiko zinatandaza mfululizo mpana wa otomatiki na ulinganifu wa wakati, na kila moja inatatua sehemu tofauti ya tatizo.

Moja kwa moja, binadamu, wa wakati ule ule. Viva voce iliyochunguzwa na somo la viva voce la wanafunzi 35 wa awali ya chuo kikuu ni msingi: mwalimu yule yule, maswali yale yale, utoaji mmoja wa ana kwa ana na mmoja uliowezeshwa na mfumo wa AI. Viva ya udaktari inaonekana katika somo la kina la watafiti 15 wa baada ya shahada, ambapo washiriki walidai kusogeza uzito wa tathmini kuelekea yake kwa hoja kuwa tesi ni rahisi kufanya na kuwa viva lazima itolewe ana kwa ana. Waandishi wanakubali hoja hiyo tu kwa sehemu, kwa kuwa viva si uthibitisho wa asili dhidi ya msaada wa AI.

Kurekodiwa na kusio wa wakati ule ule. Tathmini za mdomo za kusio wa wakati ule ule zinabadilisha chumba na jibu la kamera ya mtandao la muda mdogo, lisioweza kurekebishwa, takribani sekunde 30 za maandalizi na dakika mbili hadi tatu za hotuba. Katika jaribio lililoripotiwa, alama zilizidi za mtihani wa chaguo nyingi wa ana kwa ana: wastani wa kati wa mtihani wa kati 92.5 dhidi ya 70 (p < .001) na wastani wa kati wa mwisho 94.2 dhidi ya 86.4 (p = .002), pamoja na mahusiano ya wastani ya kati ya umbile mbalimbali. Waandishi wanasababisha tofauti hiyo waziwazi kwa umbile badala ya kwa kujifunza, na muundo ulibeba asilimia 7.5 ya alama ya kozi.

Utoaji wa otomatiki na upangaji. Mfumo wa sauti uliojaribiwa katika madarasa ya ufundi wa magari na uhandisi ulitathmini wanafunzi 33, ambao 21 walikubaliana kuwa kazi ya sauti ya moja kwa moja ilihisi ya kweli na hakuna aliyekana kuwa kusema kwa wakati halisi kulifaa kazi hiyo zaidi kuliko jalada la maandishi. Hesabu za maneno kwa maswali sawa zilitofautiana mara tano hadi nane kati ya wanafunzi, ufasaha haukutoa faida ya usahihi kwenye vipengele vilivyofungwa, na alama ya awali ya wakala ililingana na ya kocha wa binadamu katika asilimia 95 ya majaribio ya karibu ya kilimo cha bustani na maziwa. Mtihani wa Socratic wa mazungumzo huchukua njia tofauti ya kubuni, yakilenga maswali ya dhana; ushahidi wake ni dodoso la kujitangaza la wanafunzi 98, ambao asilimia 80.6 walikubaliana kuwa AI ilitoa ngazi za msaada kwa ufanisi na asilimia 52 waliripoti mzigo mdogo wa akili kuliko mitihani ya jadi. Karatasi zote mbili zinapima kukubalika badala ya kujifunza.

Ushahidi wa mdomo kama utetezi badala ya uchunguzi. Mfumo wa tathmini usio na mabadiliko ya zana hufunga dodoso za ndani ya darasa bila AI na utetezi wa mdomo wa dakika kumi ya kazi zilizosaidiwa na AI zenye maelezo yaliyoondolewa, zilizopangwa kwenye ufahamu wa msimbo, ufahamu wa mbinu, istilahi, tafsiri na uthibitishaji, ukitaka uthibitishaji kupitisha bila kujali jumla. Muundo unadaiwa badala ya kuthibitishwa; hesabu ya karatasi yenyewe kwa wanafunzi 15 ni saa mbili na nusu za mawasiliano kwa kila kazi na takribani saa 28 za mawasiliano kwa muhula katika kazi 11 zinazotetelewa.

Wasiwasi, upendeleo, na ni nani ambaye umbile inamdhalilisha

Orals zinadaiwa kwa misingi ya ujumuishaji, kwa sababu jibu la kusema ni ngumu kununua kuliko la maandishi, na zinapingwa kwa misingi yale yale. Fenton anayorodha changamoto moja kwa moja: mzigo wa kupanga ratiba, wasiwasi, na upendeleo kwa jinsia, kabila, lugha na kasi ya kujibu, pamoja na athari za kupanga bila utambulisho. Dhidi ya hilo, ushahidi ambao karatasi inarejea unapendekeza kuwa orals zinaweza kuwa za ujumuishaji kama mitihani ya maandishi, ikijumuisha wanafunzi wenye dyslexia, na kuwa kutokujua badala ya umbile yenyewe ndiyo inayosababisha wasiwasi wengi waliyoripotiwa; wanafunzi katika somo moja lililorejelewa walikuwa na wasiwasi mdogo zaidi kwa mitihani yao ya baadaye ya mdomo.

Pale wasiwasi unapopungua kweli, sababu ni muhimu. Katika viva iliyowezeshwa na AI, utulivu unaojitangaza ulikuwa juu zaidi kwa kiasi kikuu kuliko katika toleo la ana kwa ana (wastani 6.50 dhidi ya 5.86, t(34) = −1.97, p = .028), na uwezo wa matumizi ulipangiwa kuwa mzuri. Lakini hali ya ana kwa ana ilipata alama za juu zaidi kwa kiasi kikuu kwenye kuwasaidia wanafunzi kuelewa kazi yao wenyewe (p = .004). Kuondoa uangalizi wa moja kwa moja wa mwalimu kuliwafanya wanafunzi kuwa na utulivu zaidi na, kwa ripoti yao wenyewe, wanajifunza kidogo kwao wenyewe.

Kile kinachowahesabika kama ushahidi wa mdomo pia ni nyembamba zaidi kuliko inavyoonekana. Somo la ushahidi wa kimwili katika maelezo ya mdomo linadai kuwa kupanga hotuba peke yake huchukua ufasaha wa mdomo kama maarifa ya dhana na kuwadhilisha wanafunzi wenye ugumu wa lugha, kwa kuwa ishara zinabeba ufahamu ambao nakala ya maandishi inapoteza. Onyesho lake ni dogo: wanafunzi wawili wa uhandisi wakieleza dhana za takwimu, na ishara za uhakika wa juu zikikusanyika kwenye mawazo mahususi, umbo la mraba na la kisanduku kwa takribani asilimia 54 hadi 61, na ulinganifu wa ishara–hotuba thabiti zaidi ukiandamana na maelezo yenye mpangilio mzuri zaidi.

Upangaji, uhalali, na tatizo la kiwango

Uchunguzi watatu hupunguza kusoma alama za mdomo kama faida za kujifunza. Somo la umbile ya kusio wa wakati ule ule linakataa madai ya faida za kujifunza kwa faida yake ya alama, na linaripoti makubaliano ya kupanga upya ya mkufunzi-dhidi ya mfano ya ICC 0.73 kwa mtihani wa kati na 0.60 kwa mwisho, ambao unaweka kikomo cha kuaminika kwa upangaji wa mashine. Katika RCT na wanafunzi 100 wa tatu wa matibabu ikilinganisha mfumo wa mgonjwa-simuliwa dhidi ya nyenzo za kesi ya ufichuanaji wa hatua kwa hatua, utendaji wa mtihani wa mwisho ulipanda (71.8 dhidi ya asilimia 55.6, Hedges' g = −0.81) na mapitio ya mawasiliano ya OSCE yalipanda (3.53 dhidi ya 2.64 kwenye kipimo cha pointi tano), wakati usahihi wa utambuzi wa binary ulikuwa sawa kihisabati (84 dhidi ya asilimia 86, P = 1.000). Kusoma usahihi peke yake kungetaja uingiliaji kuwa hauna athari; kusoma mawasiliano peke yake kungetaja kuwa ya mageuzi.

Kizuizi kinachofunga ni wafanyakazi na vifaa badala ya mbinu za kufundisha, na mkusanyiko ni wa kweli kwa kiwango cha kushangaza juu ya hesabu: saa 28 za mawasiliano kwa muhula kwa wanafunzi 15, wasaidizi 11 wa kufundisha kwa darasa la zaidi ya mia moja katika muundo wa CS1, na kompyuta moja inayowatumia wanafunzi 12 wa wakati ule ule katika utekelezaji wa ufundi wa nje ya mtandao. Hakuna jaribio la nasibu la tathmini ya mdomo dhidi ya ya maandishi lililopo mahali popote katika kaya hii ya kazi, na kila somo linalopima tofauti ni muundo wa taasisi moja bila kikundi cha kudhibiti. Tathmini ya mdomo inasaidiwa vizuri kama jibu la kubadilishwa kunasaidiwa na AI, na inasaidiwa kidogo kama maboresho katika kujifunza.

• Kikomo cha kiwango ni kizuizi cha kubuni. Katika warsha ya waelimishaji 73 wa kompyuta, tathmini ya mdomo na ya mwingiliano iliripotiwa kama ushahidi thabiti zaidi unaopatikana wa ufahamu wa mtu binafsi na dawa ndogo zaidi ya kupanda; mipango ya kupunguza ambayo washiriki walieleza ilikuwa usambazaji na sampuli — mabwawa ya pamoja ya wasaidizi wa kufundisha, tathmini ya marika iliyowekwa chini ya mtihani wa mwisho, na kuwaita kwenye sehemu ndogo ya wanafunzi inayozunguka (Akbar et al., 2026).

Dhana Zilizounganishwa

• Mifumo ya Kufundisha — Mifululizo ya uthibitishaji wa mdomo na viva, na wanachonyesha na kutokuonyesha
• Tathmini — uwanja mpana ambao umbile hii inakaa ndani yake
• Tathmini Halisi — mazoezi ya kubuni ambayo hufanya kesi ya uadilifu
• Uhalali wa Tathmini — kile umbile inaweza na haiwezi kudai kupima
• Uadilifu wa Kitaaluma — shinikizo ambalo lilirudisha orals kwenye umaarufu
• Tathmini ya Kiotomatiki — utoaji na upangaji wa mashine wa utendaji wa mdomo
• Kugundua Maudhui ya AI — jibu mbadala, na kwa nini ni dhaifu zaidi
• Teknolojia za Hotuba na Sauti — mtiririko wa hotuba ambao mfumo wa mdomo unafanya kazi
• AI ya Modaliti Nyingi — ishara na hotuba kama ushahidi uliounganishwa
• Wasiwasi na Mkazo — gharama ya kihisia ya utendaji wa moja kwa moja
• Maoni — kile viva anamwambia mwanafunzi kuhusu ufahamu wao wenyewe
• Elimu ya Juu — mpangilio ambao karibu ushahidi wote unatokana

Makala Zilizounganishwa

• Reconsidering the Use of Oral Exams and Assessments: An Old Way to Move Into a New Future — Reconsidering the use of oral exams and assessments (Fenton 2025)
• Asynchronous Oral Assessments: Enhancing Integrity, Engagement, and Communication in the AI Era — Asynchronous oral assessments: integrity, engagement and professional communication
• Designing AI-Supported Oral Assessment in TVET — Designing AI-supported oral assessment in vocational education
• Exploring student anxiety and experience in performance-based assessments using AIvaluate: an LLM-augmented emotionally — Anxiety and experience in AI-mediated performance-based assessment
• Combating Harms of Generative AI in CS1 with Code Review Interviews and a Flipped Classroom — Oral code review interviews in an introductory programming course
• A Multimodal Framework for Embodied Cognition in Oral Explanations — Gesture as evidence in assessing oral explanations
• The Theoretical Foundation of Socratic Tests: Dynamic, Multimodal, Conversational Examinations — Automated conversational testing as oral assessment
• A Tool-Invariant Framework for Teaching and Assessing Computational Methods in the Age of Agentic AI — Oral defenses of AI-assisted work
• Evaluating Scaffolding-Oriented Multi-Agent Large Language Model System for Clinical Interview Training — Spoken clinical interviews under a simulated-patient system
• From Research Assistant to Surrogate Supervisor: A Qualitative Study Exploring PGR Students' Diverse Uses of Generative AI — The doctoral viva under generative AI
• AI Can Do Your Homework. Now What? Report from an online workshop on computing assessment in the age of generative AI — AI Can Do Your Homework. Now What? Report from an online workshop on computing assessment in the age of generative AI