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

How Should We Design and Facilitate Asynchronous Online Courses When AI Can Do the Work?

Umekwisha fanya ugunduzi unaolazimisha swali hili. Mahali fulani katika kozi yako ya mtandaoni — ambayo haihitaji kuhudhuria wakati mmoja — kuna kazi ambaye rasimu yake ya kwanza sasa inapatikana bila gharama: chapisho la mdahalo, tafakari, uchanganuzi wa kesi, au seti ya maswali — na kazi inayoifikia ni laini, inahusiana na mada, na hukwambii chochote kuhusu kile mwanafunzi anaweza kufanya. Huko katika chumba kumwona mwanafunzi akifikiria, na kitu kilichokuwa kimebadilishwa kuwa ushahidi wa mawazo hayo sasa hakifanyi tena.

Hiyo ilikuwa toleo la shida ambalo mwanafunzi anaamua, saa mbili usiku, kumruhusu mfano kuandika chapisho. Toleo gumu tayari liko. Katika maonyesho matatu kwenye kozi ya kitaaluma ya saikolojia yenye wanafunzi wa shahada ya kwanza, mawakala huria walijisajili kwenye mfumo wa usimamizi wa kujifunza, walisoma nyenzo za kozi, na wakakamilisha kazi zilizotathminiwa bila usimamizi bila mwanafunzi yeyote kuhusishwa: majaribio mawili yalikamilika kwa takribani dakika 12 na chini ya dakika 5, yote yakipata alama 10/10, na chapisho la mdahalo ambalo wakala alichimba machapisho ya wanafunzi wenzake kisha akatunga, kwa namna ya mtu wa kwanza, hadithi inayoaminika ya maisha yake mwenyewe ili kuyajibu. Rekodi kamili ambayo waandishi wanakusanya inashughulikia angalau mifumo 15 iliyorekodiwa ya mawakala kwenye Canvas, Moodle na Brightspace, ikitegemea zana saba za mawakala. Hoja yao ni kwamba hili ni shida ya Uhalali wa Tathmini zaidi ya shida ya uaminifu peke yake: ukamilishaji na wakala huondoa dhana kwamba kazi iliyowasilishwa ilitengenezwa na mtu ambaye kujifunza kwake kinatathminiwa (Hadjisolomou na El-Haddad, 2026).

Hitimisho: kozi isiyohitji kuhudhuria wakati mmoja haina uwepo wala mwonekano wa mchakato wa kumrukea, kwa hiyo ubunifu lazima uzizalisha. Hamisha ushahidi wa kujifunza kutoka kwenye bidhaa iliyokamilika, weka kipimo kimoja ambacho mwanafunzi anapaswa kutengeneza bila msaada, weka kanuni za ulinzi kwa AI yoyote unayotoa, na ratibu mwendo wa muhula kwa makusudi — kujidhibiti ni kile miundo ya kujifunza kwa kasi ya mwanafunzi huchukulia kwa ukimya na mara chache huwafundisha. Kwa lugha rahisi: acha kubuni kwa dhana kwamba kutengeneza kitu ni uthibitisho wa kujifunza. Hiyo si hoja ya kupiga marufuku AI wala ya kufanya kazi zisiweze kufanywa na AI, bali ya kubuni kozi kiasi kwamba mawakala wa AI kutengeneza kitu haitoshi kufikia kujifunza.

Toleo fupi

• Fanya mawazo kuwa kiwasilishwa. Rasimu za hatua, kumbukumbu za maamuzi, na maelezo ya mwanafunzi mwenyewe ni vigumu za kuhamishia kwa wengine kuliko kitu kilichokamilika, na vinakuonyesha mantiki ambayo vinginevyo hungeona.
• Weka kipimo kimoja bila msaada kwenye tathmini zinazothibitisha uwezo. Data ya idadi ya watu inaonyesha kwamba athari ya kupata AI kwa kuhifadhi inatoweka chini ya usimamizi wa mtihani, jambo linalokuambia kwamba njia ya mkato ipo nje ya jukwaa na inategemea masharti unayoyaweka.
• Tumia tathmini za mdomo zisizohitji kuhudhuria wakati mmoja pale maslahi yanapohitaji — viashiria vya wakati unaofaa, rekodi zisizorekebishwa zenye kikomo cha muda, viwango vya alama vilivyojumuishwa, nakala za maneno zikitengenezwa kiotomatiki.
• Weka kanuni za ulinzi kwa AI unayotoa. Mafunzo ya kutoa mwonyo badala ya jibu yaliondoa adhabu ya mtihani iliyotokana na upatikanaji usio na ulinzi katika jaribio la bahati nasibu; kutoa mfano bila vikwazo ni toleo linalodhuru kujifunza.
• Jumuisha msaada ndani ya kozi badala ya kuunganisha kwenye roboti ya mazungumzo ya jumla. Msaidizi wa Open University aliyejengewa ndani yake aliongeza maradufu muda wa kazi katika jaribio lake; uzoefu wa taasisi hiyo hiyo na roboti ya mazungumzo ya nje, isiyoambatana, ulienda kinyume.
• Ratibu mwendo wa muhula kwa makusudi. Ishara za onyo mapema zipo hadi siku 7–8 kabla ya tarehe za mwisho za moduli, na kujidhibiti na ustawi hupungua katika muhula kwa kufuatana na mkusanyiko wa tathmini — kwa hiyyo kupanga tarehe za mwisho ni uamuzi wa ubunifu wenye matokeo yanayopimika, si undani wa ratiba.
• Wezesha midahalo kwa upole, na ziweke kwa mpango. Wawezeshaji wa LLM wana hamu kubwa zaidi ya kuingilia kati kuliko wawezeshaji binadamu, na zana za muhtasari zinazowasaidia wanafunzi kwa kweli kuvinjari jukwaa kubwa hazizuii kushuka kwa ushiriki peke yake. Omba msimamo waliouamua, changamoto, na mabadiliko yaliyorekodiwa ya mawazo badala ya kuhesabu idadi ya machapisho.
• Jitoa kwanza kabla ya kushauriana. Waweke wanafunzi watoe msimamo wao, utabiri, mpango au uamuzi kwanza, kisha walete mfano kwa ukosoaji; mawazo yanayopaswa kujifunza yanatakiwa yatokee kabla ya zana kufunguliwa.
• Weka kazi yenye udhaifu pamoja na ndugu yake. Weka uchanganuzi wa nyumbani na ongeza kazi ya pili iliyopangwa karibu ambayo hupima matokeo yaleyale kwa namna ambayo ya kwanza haiwezi kumeza kwa wengine.
• Weka AI jukumu lililobainishwa, na uweze kukamilisha sentensi: kazini ya AI hapa ni X, kazi ya mwanafunzi ni Y. Ikiwa Y ni nyembamba, shughuli haiko tayari.

Amua tathmini inapima nini hasa

Sababu kozi isiyohitji kuhudhuria wakati mmoja ina nafasi kubwa zaidi ya kuingiliwa na maswali ni kwamba wanafunzi wa hapo si wadanganyifu zaidi. Ni kwamba ushahidi wa kujifunza katika kozi hiyo ni uwasilishaji, na uwasilishaji sasa ni rahisi na wa bei rahisi kutengeneza. Vipande viwili vya ushahidi wa sababu vinaonyesha inagharimu nini.

Katika jaribio la bahati nasibu lenye takribani wanafunzi 1,000 wa hisabati ya shule ya upili, msaada wa AI usio na ulinzi uliongeza utendaji wa mazoezi kwa 48% huku ukipunguza alama za mtihani wa vitabu vilivyofungwa bila msaada kwa 17% — wanafunzi ambao hawakuwahi kupata ufikiaji walifaidi zaidi ya wale waliokuwa nao. Undani muhimu ni suluhisho: mkufunzi aliye na kanuni za ulinzi aliyetoa miongozo badala ya majibu aliondoa dhara. Shida haikuwahi kuwa uwepo wa mfano; ilikuwa kutokuwepo kwa kikwazo juu ya kile kingefanya.

Ushahidi wa tabia katika kiwango cha idadi ya watu unaonyesha vilevile. Katika mwingiliano milioni 3.2 ya ALEKS, muda wa kusoma kwenye maswali yanayoweza kutatuliwa na AI ulipungua 26.9% baada ya ChatGPT kutolewa hadharani, pamoja na kupungua kwa 25% kwa uwezekano wa kujibu vitu vya kuhifadhi chini ya usimamizi kwa usahihi — athari iliyotoweka mara usimamizi ulipowekwa. Kutoweka huko ndio sehemu muhimu kwa ubunifu wa kozi: huiweka njia ya mkato nje ya jukwaa na inaonyesha kwamba dhara ni mali ya masharti unayoyaweka, si ya tabia ya mwanafunzi.

Kuna pia kushindwa kwa ndani zaidi ya kubuni dhidi yake. Ukamilishaji usioambatana na utambuzi wa mawazo linaelekeza hali ya kuwasilisha kazi sahihi, kamili, wakati mtu binafsi akijua kwamba ufahamu haukufika. Darasani unaweza kugundua hilo kwa kusita kwa mwanafunzi; katika kozi isiyohitji kuhudhuria wakati mmoja uwasilishaji ni chombo chako pekee, na uwasilishaji sahihi husomwa kama mafanikio. Ubunifu wa Tathmini kwa hiyo ni tezi ya kwanza, si hatua ya mwisho.

Amua nini huhesabiwa kama ushahidi wakati hakuna chumba cha kuingia

Kama bidhaa iliyokamilika haithibitishi tena mawazo, ushahidi lazima utoke kwenye mchakato au kwenye hali ambayo mwanafunzi hawezi kumeza kwa wengine.

Vitu vinavyofichua mchakato ni mabadiliko ya bei rahisi zaidi na yanafanya kazi katika kiwango kikubwa: uwasilishaji wa hatua wenye daftari la maamuzi la kati linalohitajika, maelezo ya mwanafunzi mwenyewe ya aya moja yaliyoambatana na kila jibu, ufafanuzi wa chanzo, mpango uliorekebishwa baada ya maoni. Hivi vinakamata mantiki badala ya mabaki yake, na vinagharimu mwalimu kulinganisha kidogo kuchunguza.

Tathmini ya mdomo isiyohitji kuhudhuria wakati mmoja ni chaguo thabiti zaidi wakati uwezo unapaswa kuthibitishwa. Pentland, Lowenthal na Krier (2026) walitathmini tathmini za wavuti ambapo viashiria hutolewa wakati unaofaa, wanafunzi hurekodi majibu mafupi ya kamera ya wavuti yenye kikomo cha muda wasiyoweza kurudia, na waalimu wanatoa alama kulingana na viwango vilivyojumuishwa huku nakala za maneno zikitengenezwa kiotomatiki. Katika masomo mawili — jaribio la kati la uhasibu na kozi ya uchanganuzi wa data — wanafunzi walipata alama zaidi kwenye tathmini hizi kuliko kwenye mitihani ya chaguo-nyingi ya ana kwa ana (muhimu katika somo la pili, mwelekeo chanya lakini usio na umuhimu katika la kwanza), pamoja na uhusiano wa wastani kati ya miundo ukitia mkazo uhalali unaolingana (uhalali). Wanafunzi waliripoti kwamba walikuwa wakijiandaa kwa namna tofauti, wakitumia mbinu zaidi za kujifunza (shirikishi), na kuchukua muundo huo kuwa na umuhimu wa kitaaluma. Inajibu shida ya kutokuhudhuria wakati mmoja moja kwa moja: mawazo yanafanywa moja kwa moja, kwa wakati na mahali pa chaguo la mwanafunzi, kwa gharama ya utawala ambayo haiongezeki na ukubwa wa kundi.

Kipimo kimoja bila msaada kinapaswa kuwa katika kozi yoyote ambayo alama yake inathibitisha maarifa. Matokeo ya ALEKS yaliyo hapo juu ni hoja: usimamizi ulipowekwa, pengo la kuhifadhi lilitoweka. Funga mzunguko kwa kuwaambia wanafunzi kwa nini hali hiyo ipo — mantiki yake inapatikana katika kuandika sera ya AI ya kozi.

Amua mpangilio, si kitu tu

Mara tu bidhaa iliyokamilika ikawa ushahidi usioaminika, mpangilio ambao kazi hutokea unakuwa sehemu ya ubunifu wa tathmini.

Brcic na Frljic (2026) wanafanya uwekaji kuwa kituo cha hoja: kuruhusu-au-kupiga marufuku ni mgawanyo usio wa kweli, na swali la ubunifi linalomaana ni mahali zana inakaa. Ushahidi wa sababu wanaokusanya unaonyesha matokeo yakigeuka kwa uwekaji peke yake — msaidizi yule yule asiye na ulinzi aliowaacha wanafunzi wa shule ya upili wakiwa dhaifu zaidi kwa takribani 17% kwenye mtihani bila msaada hakudhuru lolote mara alipojengwa upya kuzuia majibu, wakati mkufunzi aliyeundwa vizuri aliongeza karibu maradufu kujifunza. Mfumo wao wa hatua sita za kuweka zana (prime, probe, point, attach, strengthen, test) ni orodha moja inayotumika, na uchunguzi wao wa mstazo mmoja ndio wa kuhifadhiwa: ikiwa kumruhusu AI kuingi hufanya kazi ionekane rahisi, ipo mahali pasipofaa. Msaada uliowekwa vibaya haukosi tu kusaidia; unauacha udanganyifu wa kujifunza ambao hunyenyekea kwenye kazi isiyo na msaada — hali ambayo ukamilishaji usioambatana na utambuzi wa mawazo anaelekeza kwa uwasilishaji ambao ni sahihi na haueleweki.

Kwa kozi isiyohitji kuhudhuria wakati mmoja hili linamaanisha mpangilio unaoweza kuandikwa ndani ya kazi yenyewe:

Fikiria → Jitoa → Tumia AI → Kosoa → Rekebisha → Eleza.

Wanafunzi hujaribu kazi ya kiakili na kujitoa kwa tafsiri ya kwanza, utabiri, mpango au uamuzi. Ndipo tu mfano huingia, kwa maoni, mbadala, hoja za kupinga au ukosoaji. Kisha wanafunzi hupima kile kilichotengenezwa, wanarekebisha, na wanaeleza nini kilibadilika na kwa nini. Hatua ya kujitoa ndiyo inayofanya mengine yapimike: mwanafunzi asiyeyajitoa hana cha kurekebisha, na kitu kilichoandikwa kutoka mwanzo na mfano hakina historia ya marekebisho yoyote.

Onyo moja kuhusu kurekebisha kupita kiasi: kukusanya kila ilani na kulazimisha kuandikwa kwa kila kibonyezo kutengeneza mzigo bila ushahidi. Omba pointi za maamuzi zenye maana badala yake — ni ushahidi gani uliteuliwa, ni mbadala gani ulikataliwa, nini kilibadilika baada ya ukosoaji — na mantiki ambayo ungeisoma kweli.

Weka kazi yenye udhaifu pamoja na ndugu yake

Chaguo jingine la muundo ni kuacha kuchagua kati ya kazi yenye thamani ya kielimu na kazi inayoweza kutetea. Roe, Perkins na Giray (2026) wanapendekeza mapacha ya tathmini: weka kazi yenye udhaifu wa AI — inshaa au uchanganuzi wa nyumbani — pamoja na kazi ya pili yenye udhaifu mdogo ambayo hupima matokeo yale yale, iliyopangwa karibu vya kutosha kwa uthibitisho wa pamoja, na kuwekewa alama kwa kutegemeana. Ramani yao inaenda katika nyuzi sita za ushahidi wa uhalali za Messick, na mchakato wa ubunifu una hatua tatu: tambua udhaifu, linganisha matokeo na chagua ndugu, kisha tengeneza kuweka alama unaounganisha mbili. Uchanganuzi wa nyumbani unaweka thamani yake kwa uchunguzi ulioongezwa; ndugu yake anaweza kuwa toleo fupi la kesi, maelezo ya uamuzi mmoja muhimu, au utetezi mfupi wa mdomo au wa media nyingi.

Swali la pamoja ni umiliki badala ya uandishi. Ebrahimzadeh, Shibani na Buckingham Shum wanahoja kwamba uandishi wa pamoja na AI inayozalisha yanadhoofisha aina kadhaa za ushahidi wa uhalali, na wanapendekeza uaminifu wa uandishi wa pamoja kama chanzo cha ushahidi wa uhalali chenyewe — kinavunjwa wakati mwanafunzi anawasilisha maudhui yaliyotengenezwa na AI ambayo hayaeleweki. Kuchunguza umiliki katika kiwango kikubwa badala ya kwa ukaguzi, wanaripoti kazi juu ya AI Viva: wakala wa mazungumzo anayefanya viva voce mseto, akiuliza maswali ya ufahamu ya aina na ugumu unaoweza kudhibitiwa, yaliyothibitishwa kwa undani na waelimishaji wataalam na wataalamu wa tathmini. Hilo inastahili kupimwa dhidi ya kuwekewa usimamizi kila kitu: utetezi wa mdomo wa mantiki ya mtu mwenyewe unaongezeka kwa namna ambayo ufuatiliaji wa chumba haufanyi, na unazalisha ushahidi kuhusu ufahamu badala ya kuhusu nani alikuwa katika chumba.

Amua AI iliyopo ndani ya kozi yako inaruhusiwa kufanya nini

Ulinganifu unaomaana si AI dhidi ya kutokuwa na AI. Ni AI iliyojumuishwa, yenye vikwazo, dhidi ya roboti ya mazungumzo isiyoambatana, na mbili huzalisha matokeo tofauti.

Msaidizi wa AIDA wa Open University ni kesi iliyorekodiwa vizuri zaidi ya AI iliyojumuishwa: masomo sita ya ubunifu yaliyotegemea ubunifu kwa miezi 18 na wanafunzi 498 na wafanyakazi 20, katika taasisi inayowahudumia wanafunzi zaidi ya 200,000 katika nchi zaidi ya 50. Katika jaribio la bahati nasibu la uchunguzi, wanafunzi wanaotumia AIDA walitumia muda wa maradufu na kutembelea kurasa zaidi katika kozi zao kuliko kundi la kudhibiti, na 96% walitaka msaidizi apatikane katika masomo yao rasmi. Iliyoundwa kwa makusudi na kuwa katika mazingira hushinda yasiyo na mpango wa mahususi na ya nje.

Mapitio ya Lock, Arteaga na Johnson (2025) — viambata 63 katika nchi 32 — yanaongeza hali ya kijamii kwenye hali ya ubunifu: wanafunzi waliotumia ChatGPT pamoja na mafunzo ya mwalimu walihisi Faida za Kujifunza kubwa zaidi ya wale waliotumia peke yake. Msaidizi hukamilisha mwalimu au huchukua nafasi ya uhusiano, na moja tu ya hizi ni ubunifu wa kozi.

Onyo mbili linapaswa kuchukuliwa kwa uzito. Kushindwa kwa KhanMigo hakukuwa kiufundi: wanafunzi hawakushiriki roboti ya mazungumzo na ushahidi wa faida ulikuwa mdogo, jambo linaloelekeza uandali wa kikazi na ufaafu wa mafunzo badala ya ubora wa mfano. Na upande wa mwalimu si tayari kiotomatiki: katika ulinganifu wa maandalizi ya walimu wa Afrika Kusini, TPACK iliyoripotiwa na wenyewe kwa mafunzo ya sayansi ya AI iliyojumuishwa ilikuwa 64.0% katika chuo cha kampasi dhidi ya 47.4% katika chuo cha masomo ya mbali, huku maarifa ya kielimu yakiwa kikoa dhaifu zaidi katika yote mawili (Ufundishaji na Kujifunza Mtandaoni). Kuweka msaidizi katika kozi isiyohitji kuhudhuria wakati mmoja haiwafunzi watu ambao lazima wahukumu matokeo yake.

Amua mdahalo usiohitaji kuhudhuria wakati mmoja unawezeshwaje hasa

Vikao vya majadiliano ni mahali ambapo kozi zisizohitji kuhudhuria wakati mmoja hujenga jamii au kimyakimya zinakuwa masanduku ya uwasilishaji. Matokeo mawili yanapaswa kuunda unachoweza kufanya kiotomatiki hapo.

Kwanza, muda ni sehemu ngumu, si kugundua mada. Tsirmpas na wenzake walijenga corpus ya PEFK kulinganisha seti za data za uwezeshaji, kisha walifanya utafiti wa kwanza wa uwezeshaji wa muda na wawezeshaji wataalamu binadamu na mahakimu wa LLM. Wanadamu walikuwa waangalifu zaidi kuhusu kuingilia kati; LLM walikuwa na hamu kupita kiasi. Wote walikuwa na uhakika zaidi wakati wahukumu kwamba uwezeshaji hauku hitajika kuliko wahukumu kwamba ulihitajika. Mifano ya kigawanya iliyofunzwa ilifanya vizuri zaidi ya mipangilio ya LLM, na hata hivyo seti za data zilizopo zilizuia utendaji. Soma la vitendo: usitie usimamizi huri kwa wakala, na ukitumia AI katika mdahalo kabisa, sanidi ukae kimya kwa chaguo-msingi.

Pili, AI inawasaidia wanafunzi kuvinjari kikao bila kuwafanya washiriki. Kwa wanafunzi 128 wa chuo katika mizunguko mitatu, Hao na Cukurova (2026) waligundua kwamba muhtasari wa majadiliano uliozalishwa na AI ulipanua mwonekano wa michango ya wanafunzi wenzake na ulitia nguvu muunganisho wa mtandao — viungo dhaifu ambayo nadharia ya mtaji wa kijamii inavita bridging — kwa kupunguza juhudi za kupata machapisho yenye maana. Hawakuzuia shughuli ya kutazama ikishuka katika kozi nzima. Muhtasari ni ngazi ya msaada ya uvinjari, si mbadala wa kuzalisha ushiriki.

Muundo unaopunguza hili ni mpangilio badala ya mzozo: Msimamo → Changamoto → Mabadiliko ya Mawazo. Wanafunzi hujitoa kwa tafsiri iliyotegemea nyenzo za kozi, kisha hukutana na mtazamo mwingine, mfano wa kupinga au ukosoaji, kisha wanaeleza kama na jinsi gani mawazo yao yalibadilika. Unachoweka alama ni mabadiliko kati ya mawazo, si idadi ya machapisho — na chapisho lililowasilishwa pamoja na majibu mawili halionyeshi tena, kwa kuwa maonyesho ya tatu yaliyo hapo juu yana wakala anayechimba machapisho ya mwanafunzi mwenzake na kujifanya hadithi ya maisha ya mwanafunzi mwenzake.

Kwa sababu kile wakala anachora ni tabia ya uso, michango ya mwalimu mwenyewe inakuwa rasilimali adimu. Kujibu kwa namna ya mitambo machapisho kadhaa binafsi ni aina ya uwepo wa ufundishaji yenye thamani ndogo zaidi; kuunganisha kote katika mdahalo ndilo yenye thamani zaidi — dhana tatu zinaonekana mara kwa mara katika uchanganuzi wenu; baadhi yenu wanasoma ushahidi huu kwa namna tofauti; hoja hii inasadiki hadi tutakapoletoa mfano huu wa kupinga. Hiyo ni upangaji badala ya uzalishaji wa ujumbe, na ni sehemu ambayo hakuna wakala katika maandiko haya anayefanya.

Swali la mfumo chini ya yote mawili ni uwajibikaji. Ba, Gašević, Lim na Anderson (2026) wanahoja kwamba AI inayozalisha inasukuma dhana ya Jumuiya ya Uchunguzi kwamba viashiria vya uwepo vinaweza kuhusishwa na wanadamu kabisa: wanachukua GenAI kama hali ya kiteknolojia ya maarifa, na uwepo kama mafanikio ya kiteknolojia ya kijamii ambao uhusiano wake na ubora wa uchunguzi unategemea mahali uwajibikaji wa binadamu unakaa. Athari ya ubunifu kwa kozi isiyohitji kuhudhuria wakati mmoja ni ya kweli — amua na tangaza nani anawajibika kwa nini katika kila mabadilishano, badala ya kudhani uwepo unakuja kwa sababu kikao kipo.

Amua wanafunzi wanadhibitije mwendo bila chumba cha kuingia

Miundo ya kujifunza kwa kasi ya mwanafunzi huchukulia kujidhibiti na mara chache huwafundisha. Ushahidi juu ya tabia zipi hasa zinahusiana na kubaki kazini ni wa vitendo kwa namna isiyo ya kawaida.

Kwa kuchunguza wanafunzi 530 wa chuo kwa uchukuzi wa sheria za uhusiano na makundi, Shi na wenzake (2026) waligundua kwamba tabia za kujifunza kwa kujidhibiti — kuweka malengo, kuunda mazingira na usimamizi wa muda — zilitokea pamoja kwa uthabiti zaidi na usumbufu mdogo wa kidijitali, pamoja na ushiriki wa mwanafunzi–mwalimu na mwanafunzi–maudhui na ujuzi wa kiufundi. Kwa kushangaza, kutegemea msaada wa wanafunzi wenzake na ushiriki wa mwanafunzi–mwanafunzi ulionekana mara chache zaidi katika wasifu wa usumbufu mdogo. Unda mazingira na ratiba kabla ya kubuni shughuli nyingine ya kundi.

Kujidhibiti pia si tabia iliyowekwa ambayo unaweza kuchukulia au kupuuza. Katika muhula mzima na wanafunzi 75 wa mwaka wa kwanza, Song na wenzake (2026) waligundua SRL inafanya kazi kama uwezo thabiti na hali inayobadilika: viwango vya msingi vya kila mtu vilidumu huku maarifa ya utambuzi wa mawazo na Ustawi vikipungua kwa mfumo katika muhula, vikisukumwa na madai ya mtaala kama vile tarehe kuu za mwisho za tathmini. Kuweka tarehe za mwisho kwa makundi kunaweza kuwa chaguo borafaa cha utawala, na ni pia ushuru unaopimika juu ya udhibiti ambao muundo hutegemea.

Dirisha la kuingilia kati linajulikana. Zhang, Jeffries na Koprinska (2025) walionyesha kwamba kujifunza kwa mashine kwa kueleweka kwenye kumbukumbu za mwingiliano wa maudhui hutabiri maendeleo ya moduli na hutambua matokeo ya kuacha masomo hadi siku 7–8 kabla ya tarehe za mwisho za moduli katika kozi kubwa za mtandaoni za programu. Hiyo ni taarifa ya kutosha kutuma msukumo mahususi kwa mwanafunzi mahususi, na inashinda kugundua kushindwa wakati wa kuweka alama. Kwa wanafunzi wazima na wa mbali, miongozo ya ubunifu ya AI-ALOE inaongeza kikomo kinachomaana zaidi: ufikiaji wa simu, uwezo wa kazi bila mtandao, na upatikanaji halisi wa kujifunza bila kuhudhuria wakati mmoja, kwa kuwa wanafunzi hawa wanasoma kwa vipande vya muda kati ya majukumu mengine.

AI inaweza kukuondoleaje mzigo kama mbunifu

Matumizi mawili yana ushahidi unaofaa nyuma yake, na yote mawili yanalenga mzigo wa mwalimu badala ya mawazo ya mwanafunzi.

Gharama ya uzalishaji. MAIC inaibadilisha utangazaji wa MOOC wa "video moja kwa wanafunzi N" kuwa "mawakala N kwa mwanafunzi mmoja," ikitegemea mawakala waalimu, wasaidizi, wanafunzi wenzake na wachanganuzi maalum kwenye msingi wa mfano wa pamoja. Waandishi wake wanaripoti kupungua kwa gharama ya uzalishaji wa kozi kutoka takribani $25,000 na saa 60 kwa MOOC hadi chini ya $2 na dakika 30, ikijaribiwa katika Tsinghua katika kozi mbili zenye rekodi za kujifunza zaidi ya 100,000 kutoka kwa wanafunzi zaidi ya 500, na ikitolewa kama chanzo huria OpenMAIC. Media ya kibinafsi ni wazo lile lile katika kiwango cha mali: katika kozi kubwa ya mtandaoni, Tomlinson na wenzake (2026) waligundua wanafunzi walipendelea video za kibinafsi zilizozalishwa na AI kuliko zilizorekodiwa na binadamu zisizo za kibinafsi, huku athari ya kubinafsa ikizidi thamani iliyowekwa kwa mtoaji habari binadamu.

Uvinjari wa kikao. Ngazi ya msaada za muhtasari zilizo hapo juu zilipunguza gharama ya kupata michango mizuri bila kuwabeba waalimu na kazi ya muhtasari.

Wasilifu cha kiotomatiki. Kuamua kama kipande cha maandishi ni mawazo ya mwanafunzi mwenyewe, kuhukumu kama mdahalo unahitaji kuingiliwa, na kurekebisha ugumu ni kazi ambazo ushahdi unasema ni zisizoaminika au zinahitaji uwajibikaji. Maudhui yaliyozalishwa pia yanahitaji mapitio ya kielimu kabla ya kuzaa alama — uzalishaji wa bei rahisi si sawa na ubunifu unaofaa.

Weka AI jukumu lililobainishwa, kisha hakikisha mwanafunzi bado analo

"Wanafunzi wanaweza kutumia AI" ni ufafanuzi mpana mno wa kubuni dhidi yake. Kutaja jukumu ndilo kinachofanya shughuli iweze kubuniwa, na majukumu yana matokeo kwa uwepo: somo la AI inayozalisha katika elimu ya masoko linatofautisha mkufunzi, mshirika na zana, linaonyesha kila moja ikiathiri uwepo wa ufundishaji, wa kijamii na wa kiakili kwa namna tofauti, na linaorodha mifumo ya kimaadili inayojulikana — faragha ya data, wizi wa kazi, utegemezi na usawa wa tathmini (GenAI in Marketing Education). Mfano ule ule unaweza kuwa mhoji wa mtindo wa Sokrasi kabla ya kazi, mkosoaji baada ya rasimu ya kwanza, mhusika aliyefananiwa wakati wa uchanganuzi wa kesi, mpinzani ambaye hoja yake inapaswa kukanushwa, mkufunzi anayetoa miongozo wakati wa mazoezi, au mhariri anayeingizwa tu baada ya mantiki yenye maana kupatikana. Hizo ni shughuli tofauti, na kuzichanganya ni namna "AI inaruhusiwa" huja kimya kumaanisha "hakuna kitu kilibuniwa."

Ngazi za Msaada hutoa mtihani: msaada unapaswa kusaidia wanafunzi kufanya wanachoweza bado kufanya peke yao, na unapaswa kupungua kadiri uwezo unavyokua. Mfano unaoendelea kutoa suluhisho kamili si ngazi ya msaada — unafanya kazi. Kwa hiyo kwa kila shughuli inayowezesha AI, mbunifu anapaswa kuweza kukamilisha sentensi hii bila kusita:

Kazi ya AI hapa ni __________, wakati kazi ya mwanafunzi ni __________ .

Ikiwa nafasi ya pili ina mawazo machache yenye maana, shughuli inahitaji kubuniwa upya badala ya sera kali zaidi.

Fundisha tathmini, si uendeshaji tu

Ujuzi wa AI si uwezo wa kuendesha roboti ya mazungumzo; inajumuisha tathmini ya kimantiki, hukumu ya utambuzi wa mawazo na kujua wakati wa kutotumia zana kabisa — na hifadhi ya maarifa ina uthabiti kwamba kujiamini kunakotokana na mtu mwenyewe ni njia mbaya ya kupima uwezo ulioonyeshwa. Hilo linakwenda kwenye mabadiliko ambayo kozi yoyote isiyohitaji kuhudhuria wakati mmoja inaweza kuchukua mara moja: nyakati fulani wape wanafunzi matokeo ya AI wewe mwenyewe. Wape majibu mawili yanayoshindana na uulize ni lipi lenye nguvu zaidi na kwa nini. Uliza dai dhaifu zaidi, dhana iliyokosekana, chanzo kisichoweza kuthibitishwa, maelezo yanayoaminika lakini yasiyo sahihi. Uliza ushahidi gani ungebadilisha mawazo yao.

Kwa kuwekwa hivyo, uwezo unaopimwa sio tena tu je, mwanafunzi huyu anaweza kutoa jibu? bali je, mwanafunzi huyu anaweza kutambua kama jibu inastahili kuaminika? — karibu na kile somo linahitaji kweli, na vigumu zaidi kumeza kwa wengine. Mbinu za uthibitisho na nyenzo za ujuzi wa AI ni mahali mbinu ipo; kinachomaana hapa ni kuweka tathmini ndani ya kazi inayopewa alama badala ya kuiacha kama ushauri.

Vipingamizi utakavyosikia

"Hawa ni watu wazima waliochagua kozi isiyohitaji kuhudhuria wakati mmoja. Wakiruhusu AI kuiandika, huo ni uamuzi wao." Hoja ya chaguo ingethibitika kama kozi isithibitishi chochote. Inathibitisha. Ushahidi wa ALEKS unaonyesha kwamba njia ya mkato huzalisha mwonekano wa uwezo ambao hauishi chini ya ukaguzi wa usimamizi, na gharama inamkuta mwanafunzi baadaye — katika kozi inayofuata, mtihani wa leseni, au kazi. Kuna upande wa usawa pia: wanafunzi wanaoweza zaidi kuhamisha kazi kwa wengine ni mara nyingi wale walio na muda mdogo, ambayo ni hasa kikundi ambacho kozi isiyohitji kuhudhuria wakati mmoja ipo kuwahudumia.

"Kugundua ndilo jibu." Kugundua kunakanushwa, na matokeo ya usimamizi yaliyo hapo juu yanaonyesha kwa nini ubunifu hushinda polisi: dhara ilitoweka masharti yalipobadilika, si polisi ilipozidi. Kugundua pia kina gharama za matokeo ya uongo na hubadilisha mafunzo kuwa mashindano ya silaha. Buni upya kazi na uweke kipimo kimoja bila msaada badala yake — angalia Nitawezaje Kupunguza Udanganyifu wa AI katika Kozi Yangu? na Nitabuni Upya Tathmini Vipi Ili Alama Bado Iniambie Kitu Kinachoweza Kutetelewa Kuhusu Anachojua au Anaweza Kufanya Mwanafunzi?.

"Uwepo wa ufundishaji haiwezekani kwa umbali, kwa hiyo kujifunza bila kuhudhuria wakati huu ni dhaifu kwa asili." Uwepo katika kozi isiyohitaji kuhudhuria wakati mmoja unabuniwa badala ya kudhaniwa, na ubadilishaji wa CoI ulio hapo juu unasema viashiria vyake ni mafanikio ya kiteknolojia ya kijamii katika enzi ya GenAI. Jaribio la AIDA ni mfano mzuri wa kupinga: msaada wa AI uliojengewa ndani yake uliongeza maradufu muda wa kazi katika kozi isiyo na mikutano ya wakati mmoja kabisa.

"Usimamizi wa mtihani ni ufuatiliaji na sitautumia." Msimamo unaoweza kutetea, na haukuachi bila chaguo. Vitu vinavyofichua mchakato, tathmini ya mdomo isiyohitaji kuhudhuria wakati mmoja, maelezo ya mwanafunzi mwenyewe na AI Viva iliyoelezwa hapo juu vyote vinakamata mantiki bila kufuatilia chumba cha mtu yeyote. Ukitumia hali ya usimamizi, iseme katika mpango wa kozi, eleza mantiki, na uzuie kwenye tathmini zinazothibitisha uwezo.

"Basi fanya yote ya wakati mmoja na ya usimamizi." Wanafunzi wengi wanachagua kujifunza bila kuhudhuria wakati mmoja hasa kwa sababu wana ajira, majukumu ya ulezi, ulemavu au vikwazo vya kijiografia vinavyofanya kuhudhuria wakati mmoja kuwa vigumu, na kugundua kina gharama zake za usawa: zana zinazotambua waandishi wasio wenyeji huzalisha matokeo ya uongo kwa wingi yanayoadhibu kazi za kweli (Kugundua Maudhui ya AI). Badala la uwiano ni idadi ndogo ya nyakati za uthibitisho ndani ya kozi ambayo vinginevyo ina kubadilika: maelezo mafupi yaliyorekodiwa, matumizi ya kibinafsi, jibu kwa swali lililoteuliwa na mwalimu, njia iliyoandikwa ya maamuzi, ukaguzi mdogo wa mtu binafsi. Uthibitisho unapaswa kuongeza uhalali wa ushahidi wako bila kuondoa kubadilika ambako kulifanya muundo kustahili kutolewa.

Kile ushahidi hautatui

Mapitio ya mfumo ya AI katika elimu ya mbali (makala 56, 2020–2025) inashughulikia kubinafsa (masomo 24), tathmini na maoni (19), mwingiliano wa binadamu–AI (17) na utawala na usawa, na inahitimisha kwamba msingi ni wa muda mfupi na wa sehemu moja, na kazi ndogo ya muda mrefu. Mapitio ya AI na ushiriki wa wanafunzi katika kujifunza mtandaoni (masomo 24) yamezuia kwenye hifadhii moja, yanashughulikia ushiriki tu, na yanachanganya wazi miktado ya wakati mmoja na isiyohitaji kuhudhuria wakati mmoja — kwa hiyo hitimisho yake hayapaswi kusomwa kama yanahusika na kutokuhudhuria wakati mmoja peke yake. Tathmini ya mdomo isiyohitaji kuhudhuria wakati mmoja inategemea masomo mawili katika kozi mbili. MAIC ni jaribio. Seti za data za muda wa uwezeshaji zinazuia utendaji hata na migawanya iliyofunzwa. Na hakuna somo hapa linalofuatia kikundi cha kutokuhudhuria wakati mmoja kwa muda wa kutosha kuonyesha kama tathmini iliyobuniwa upya huzalisha kujifunza kunakodumu badala ya ushahidi bora wa kujifunza. Chukua yote kama yenye nguvu ya kutosha kubadilisha kozi yako inayofuata na nyembamba mno kudhibitisha dai la sera.

Fanya juma hili

Katika dakika kumi: chagua tathmini yako yenye maslahi makubwa zaidi na ongeza hali moja ambayo mwanafunzi hukamilisha bila msaada. Waambie kwa nini ipo.

Kabla ya kazi inayofuata kutolewa: chukua kazi ambayo AI sasa hukamilisha mwanzo hadi mwisho na iandike upya ili mchakato uwe kitu — daftari la maamuzi, rasimu ya hatua, maelezo ya mwanafunzi mwenyewe, ulinganifu wa majaribio mawili. Kama kazi inaweza kukamilika bila mantiki yoyote ya hizi, mantiki haikuwahi kuhitajika.

Muhula huu: badilisha tathmini moja kuu kuwa utetezi wa mdomo wa kutokuhudhuria wakati mmoja wenye viwango vilivyojumuishwa; weka ruhusa ya AI kwa kila kazi katika mpango wa kozi na uiweke mahali wanafunzi watakapoisoma kweli; panga tarehe kuu za mwisho badala ya kuzikusanya; na fungua dirisha la siku 7–8 kabla ya tarehe ya mwisho ambalo unawasiliana na wanafunzi ambao data yao ya mwingiliano imenyamaza.

Endesha maswali matatu juu ya kazi yako dhaifu zaidi. (1) Je, mfumo wa AI ungeweza kukamilisha shughuli hii bila mwanafunzi kuelewa nyenzo? (2) Ni shughuli gani ya kiakili inayotarajiwa kuzalisha kujifunza hapa? (3) Ni ushahidi gani utaonyesha kwamba mwanafunzi alifanya shughuli hiyo kweli? Kama jibu la kwanza ni ndiyo na mengine mawili ni magumu kujibiwa, shida ni ubunifu wa kujifunza badala ya sera ya AI — na hakuna namna ya kutunga sera itakayosuluhisha.

Lengo si kozi ambayo AI haiwezi kushiriki. Ni kozi ambayo AI inaweza kushiriki bila kumtoa kando kujifunza ambako kozi ipo ili kukizalisha.

Mahali pa kwenda inayofuata: kanuni za ngazi ya kozi ziko katika Nitafanya Nini Kuandika Sera ya AI ya Kozi na Nikiwasilisheje kwa Wanafunzi?; ujenzi upya wa tathmini unashughulikiwa katika Nitabuni Upya Tathmini Vipi Ili Alama Bado Iniambie Kitu Kinachoweza Kutetelewa Kuhusu Anachojua au Anaweza Kufanya Mwanafunzi?; shida la kutegemea chini yake katika Nitafanya Nini Kuzuia Wanafunzi Kutegemea Kupita Kiasi AI?; mizigo ya waalimu na kile AI kinaondoa kweli katika AI Inaweza Kuniokoa Muda Nikiyefundisha Kama Mkufunzi?; na mtazamo wa ngazi ya ubunifu wa kujumuisha AI katika uzoefu wa kujifunza katika AI Inapaswa Kubuniwa Je Katika Uzoefu wa Kujifunza?.