AIEd Hifadhi ya MaarifaAIEd KB
Kwenye ukurasa huu

Soma ukurasa huu kwa Kiingereza

Madhana

Tathmini ya Mwisho

Imeundwa 2026-10-13

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

Tathmini ya mwisho — tathmini inayotumiwa kutathmini na kuthibitisha kile ambacho mwanafunzi amejifunza mwishoni mwa kitengo, kozi, au mpango, tofauti na tathmini ya mchakato ambayo inasaidia kujifunza wakati wa mafunzo. Tathmini ya mwisho kwa kawaida huchukua muundo wa mitihani yenye hatari kubwa — ya maandishi, ya mdomo, ya uangalizi, au ya vitabu vya kufungwa — ambayo hutoa alama, kuzuia maendeleo, na kuthibitisha uwezo. Katika zama ya AI, tathmini ya mwisho imekuwa uwanja wa vita wa kati juu ya Uadilifu wa Kitaaluma na uhalali: AI ya kizalishaji inaweza kupandisha utendaji kwenye kazi zisizo na uangalizi au za nyumbani, ikifanya uchaguzi wa muundo wa tathmini ya mwisho — na jinsi unavyopinga uingizaji wa AI — kuwa uamuzi muhimu wa kubuni.

Maswali ya Kutafakari

  • Tathmini ya mwisho inathibitisha kile ambacho mwanafunzi amejifunza mwishoni mwa kozi, huku tathmini ya mchakato ikisaidia kujifunza wakati wake. Umeona mstari kati ya hizi mbili ukizurugika wapi, na kwa nini inaweza kuwa muhimu kwamba zinatumikia kazi tofauti?
  • Ukurasa huu unaonyesha AI ya kizalishaji kuwa inaunda upya tathmini ya mwisho kwa mwelekeo miwili kwa wakati mmoja: AI inakadiria mitihani, na wanafunzi wanatumia AI kuepuka upimaji unaotegemea mitihani. Je, unafikiri ni shinikizo gani kati ya hizi mbili ni tishio kubwa zaidi kwa uhalali, na kwa nini?
  • Kama kazi zisizo na uangalizi au za nyumbani zinapoteza uhalali kwa sababu AI inaweza kuzalisha majibu, hiyo inamaanisha nini kwa jinsi tathmini zinapaswa kubuniwa — na nini kinaweza kutolewa wakati wa mchakato?
  • Utafiti ulionukuliwa kwenye ukurasa huu unagundua LLM hazikadiri insha kwa njia ile ile ya binadamu. Kama ukadiriaji wa kiotomatiki ni wa haraka na thabiti lakini hutoa alama kwa njia tofauti, hiyo ni tatizo la haki, fursa, au zote mbili?
  • Matokeo ya hatari kubwa (alama, cheti, kukubaliwa) yanamaanisha nini ikiwa kazi iliyo nyuma yake ingeweza kuzalishwa na AI? Ungebuni tathmini upi ambayo ungeweza kuiamini kweli?

Utangulizi

Tathmini ya mwisho inatumikia kazi tofauti kabisa na tathmini ya mchakato: inapima na kuthibitisha mafanikio badala ya kuongoza hatua zinazofuata. Inajumuisha mitihani ya mwisho wa kitengo, mitihani ya mwisho, mitihani ya kiwango cha sanifu na yenye hatari kubwa (mfano, mitihani ya kuingia), utetezi wa mdomo, na tathmini za mafanikio za kujumuisha. Kwa sababu matokeo ya tathmini ya mwisho yanabeba matokeo halisi (alama, maendeleo, vyeti, kukubaliwa katika chuo kikuu), yanakabiliwa na shinikizo mahususi katika zama ya AI — kama malengo ya ukadiriaji wa kiotomatiki na kama vipimo nyeti ambayo wanafunzi wanaweza kutafuta kuzigonga kwa kutumia AI ya kizalishaji.

Hatari za zama ya AI: uhalali na uadilifu

Utafiti wa hifadhi hii ya maarifa unarekodi jinsi AI ya kizalishaji imeunda upya mazingira ya tathmini ya mwisho kwa mwelekeo miwili: AI inatumiwa kukadiria mitihani kwa kiwango kikubwa, na AI inaweza kutumiwa na wanafunzi kuepuka upimaji unaotegemea mitihani wa kujifunza kwao wenyewe.

  • AI kama mkadiriaji. Tathmini ya mwisho inazidi kutegemea ukadiriaji wa kiotomatiki wa mitihani, insha, na majibu mafupi. Utafiti juu ya ukadiriaji wa insha wa LLM unagundua LLM hazikadiri insha kwa njia ile ile ya binadamu, ikizua maswali ya uhalali na haki kwa ukadiriaji wa kiotomatiki wenye hatari kubwa. LLM zinazotathmini maelezo ya mwanafunzi mwenyewe na ukadiriaji wa majibu mafupi wa kiotomatiki zinachunguza uaminifu wa ukadiriaji wa LLM katika miktadha ya mwisho, huku miundo inayojua kisaikolojia ikitafuta kuweka ukadiriaji wa kiotomatiki kuwa wa kuaminika na unaobadilika. Mtihani wa kemia ya jumla wa mkono wa wanafunzi 296 unaonyesha kwa nini uangalizi wa kuchagua unahitajika: makubaliano ya alama ya jumla ya LLM ya multimodal na ukadiriaji wa TA yalikuwa ya juu (R² = 0.91) lakini uaminifu wa ngazi ya kipengele ulibadilika kwa ukali kwa muundo, na matokeo ya uongo (AI ikithibitisha majibu yaliyo kosa kweli) yanaelekea kutogunduliwa kwa sababu wanafunzi mara chache huyapinga — hivyo mkadiriaji wa AI wa "kadiri kila kitu" usio na utofautishaji hauwezi kutetea kwa matumizi yenye hatari kubwa bila ucheleweshaji unaotegemea ujasiri kwa binadamu (Assisting the grading of a handwritten general chemistry exam with artificial intelligence).
  • Makubaliano ya matokeo yanaweza kudumu licha ya ukadiriaji wa kipengele usio sahihi. Dhidi ya alama rasmi zilizopimwa, LLM ya multimodal iliyokadiri kurasa 10,364 za Mkumbo wa Fizikia na za chuo kikuu ilihusishwa kwa r = 0.93–0.96 na ikapata timu ile ile ya wanafunzi watano ya kimataifa, ingawa makubaliano ya sehemu za swali kamili yalifika 70% — mkadiriaji hukumiwa na maamuzi anayoleta (Pathak et al. (2026)).
  • AI kama kuepuka. Kwa sababu AI ya kizalishaji inaweza kuzalisha majibu ya maswali ya maandishi, kazi za mwisho zisizo na uangalizi na za nyumbani zinapoteza uhalali: vipimo vilivyo na uangalizi na bila msaada ni muhimu kwa sababu utendaji usio na uangalizi unapandishwa na AI, na zana zilizo na vizagi (dokezo-si-jibu) zinaweza kuondoa adhabu ya mtihani ambayo AI bila vizagi inasababisha. Majaribio ya karibu-ya-majaribio ya Chirikov (2026) kwenye alama 500,000+ yanafanya mbinu iwe halisi: baada ya kutolewa kwa ChatGPT, kozi zilizo na kazi zenye mfiduo zaidi ya AI ziliona sehemu ya alama za A ikipanda kwa pointi 13 za asilimia, na athari ilijilimbikizia katika kozi zenye kazi za nyumbani nyingi (pointi 16 za ziada zaidi katika kadirio la tofauti tatu) — ushahidi wa moja kwa moja kwamba kazi za nyumbani zisizo na uangalizi, si faida halisi za kujifunza, ndipo AI inapopandisha matokeo ya mwisho.
  • Mitihani iliyozalishwa na AI. Utafiti wa uwanja wa kiwango kikubwa na utafiti wa tathmini ya EFL vinachunguza kama AI inaweza kuzalisha mitihani na kazi za tathmini zenye ubora wa juu — matumizi ya kubuni ya mwisho yanayoibuka ya AI.

Mipangilio ya tathmini ya mwisho inayostahimili AI

Mada muhimu katika hifadhi hii ya maarifa ni kwamba muundo wa tathmini ya mwisho huamua uwezo wake wa kustahimili AI — kadiri kazi inavyohitaji utendaji wa moja kwa moja, wa mtu-mtu, wa kupimwa kwa binafsi, ndivyo ni vigumu zaidi kwa wanafunzi kuchukua nafasi ya AI kwa kujifunza kwao wenyewe.

Tathmini ya mwisho yenye hatari kubwa na ya kiwango cha sanifu

Tathmini ya mwisho yenye hatari kubwa — mitihani ya kuingia, mitihani ya kiwango cha sanifu, na uthibitisho — inabeba matokeo makubwa zaidi na ni mwelekeo wa wasiwasi wa zama ya AI. Utafiti wa adhabu ya kujifunza ya AI ya kizalishaji ulipima matokeo kwenye mitihani ya kuingia ya sekondari (Zhongkao) na ya chuo kikuu (Gaokao), ukigundua alama za mtihani wa kuingia zikishuka 18–24% baada ya matumizi ya muda mrefu ya AI. The Effortless Trap na utafiti wa utendaji-dhidi-ya-kujifunza wanaonya kuwa faida kwenye kazi zinazosaidiwa na AI hazihamishiki kwenye vipimo vya hatari kubwa bila msaada.

Tathmini ya mwisho dhidi ya tathmini ya mchakato katika zama ya AI

Fasihi ya tathmini ya hifadhi hii ya maarifa inasisitiza kwa uthabiti kwamba Tathmini ina ufanisi zaidi inapounganisha kazi za mchakato na za mwisho — lakini zama ya AI inaongeza mpaka huo. Kwa sababu AI inapandisha utendaji kwenye kazi za hatari ndogo, zisizo na uangalizi, na za mchakato uliofichwa, vipimo vya mwisho (hasa vilivyo na uangalizi/vitabu vya kufungwa/mtu-mtu) vinakuwa ukaguzi muhimu wa kama kujifunza kulitokea kweli. Hii inahimiza kubuni upya tathmini ambayo inahifadhi kazi za mwisho halisi, zinazostahimili AI (mitihani ya mdomo, mahojiano ya mapitio ya kodi, mitihani yenye uangalizi, folda za elektroniki za msingi wa mchakato) kama msingi wa uadilifu huku ikitumia tathmini ya mchakato kusaidia kujifunza kote njiani. Tazama Tathmini Halisi kwa jibu la kubuni la kujenga.

Athari kwa AI katika elimu

  • Muundo wa tathmini ya mwisho ni lever ya uhalali na uadilifu: mipangilio ya tathmini ya mwisho inayostahimili AI (ya mdomo, ya uangalizi, ya vitabu vya kufungwa, ya mtu-mtu) inahifadhi uhusiano kati ya utendaji uliotathminiwa na kujifunza halisi.
  • Vipimo vilivyo na uangalizi/bila msaada ni ishara inayoaminika: wanafunzi wanapotumia AI, mitihani ya mwisho bila msaada — si kazi za nyumbani — yanafichua kujifunza halisi.
  • Ukadiriaji wa kiotomatiki unahitaji uchunguzi wa kisaikolojia: kutumia LLM kukadiria mitihani yenye hatari kubwa kunahitaji tathmini ya uaminifu, haki, na uhalali, si usahihi tu. Makosa ya ukadiriaji pia hutegemea alama: katika uwasilishaji 32 wa mtihani wa afya ya umma, LLM ziliepuka miisho ya skela — hakuna E au F ilitokea katika hali ya haraka — huku mfano bora zaidi ukilingana na alama ya binadamu kwa usahihi kwa 50.0% na ndani ya alama ±1 kwa 90.6% (Brevik et al. (2026)).
  • AI inaweza pia kuzalisha mitihani: uzalishaji wa mitihani na kazi unaosaidiwa na AI ni matumizi ya kubuni ya mwisho yanayoibuka ambayo yenyewe yanahitaji tathmini ya ubora.
  • Zingatia upya madhumuni ya ukadiriaji, si muundo tu. Mesny, Roberge-Maltais na Galy (2026) wanakosoa ukadiriaji wa jadi wa mwisho, unaorejelea kiwango cha sanifu, kwa kuhimiza kujifunza kwa urahisi na kwa vipande, kuwapa wanafunzi udhibiti au uwazi mdogo, kudhuru Motisha ya ndani, kuchochea mafadhaiko na wasiwasi, na kuendeleza kutokuwa na usawa huku wakipima zaidi kukariri badala ya matumizi ya ulimwengu halisi. Wanaweka tathmini upya, ukadiriaji unaotegemea viwango, na kuacha kukadiria kama maboresho yanayolenga ukadiriaji ambayo yanaweza kupunguza mazoezi yenye uzito wa mwisho, huku wakitambua kwamba haya yanabaki ya kando katika elimu ya usimamizi kwa sababu ya vizingiti vya kawaida — ukadiriaji kwa mkunjo, ishara za nje (orodha, mafunzo ya kazi, uthibitisho), na mawazo ya zana ya wanafunzi — na wanapendekeza majaribio ya kupungua yenye msaada wa taasisi.

Dhana Zilizounganishwa

Makala Zilizounganishwa

Metadata

NgaziHigher Ed, K 12
Tathmini na UpimajiTathmini, Tathmini Halisi, Tathmini ya Mwisho, Upimaji wa Kielimu
Mbinu za Utafiti na TathminiTathmini ya AIEd
Misingi ya Akili Bandia katika ElimuUadilifu wa Kitaaluma
Aina ya ukurasaEvaluation
SourceHistoryEditChat

Pachika ukurasa huu

Nakili msimbo ulio hapa chini ili kupachika ukurasa huu katika mfumo wa usimamizi wa kujifunza au tovuti nyingine. Toleo lililopachikwa linaonyesha maudhui ya ukurasa tu — linaficha kichwa cha tovuti, urambazaji, na kijachini.