База знань AIEdAIEd KB
На цій сторінці

Ця сторінка перекладена українською. Сторінки статей досі написані англійською. Читати цю сторінку англійською

Концепції

Підсумкове оцінювання

Створено 2026-10-13

Автоматичний переклад цієї англійської сторінки, не перевірений носієм мови.

Підсумкове оцінювання — оцінювання, яке застосовується для того, щоб виміряти й засвідчити, чого навчився здобувач наприкінці модуля, курсу або програми, на відміну від formative assessment, яке підтримує навчання під час навчального процесу. Підсумкове оцінювання, як правило, має форму високоставких іспитів — письмових, усних, із інтернет-контролем або за книжками — які виставляють оцінки, визначають перехід на наступний рівень і засвідчують компетентність. В епоху ШІ підсумкове оцінювання стало центральним полемем бою навколо Академічна доброчесність та валідності: generative AI може завищувати результати на завданнях без нагляду або на домашніх завданнях, тому вибір формату підсумкового оцінювання — і те, наскільки він стійкий до підміни з боку ШІ — є ключовим проєктним рішенням.

Питання для роздумів

  • Підсумкове оцінювання засвідчує, чого навчився студент наприкінці курсу, тоді як формативне оцінювання підтримує навчання під час нього. Де ви бачили, що межа між ними розмивається, і чому важливо, що вони виконують різні функції?
  • Сторінка подає генеративний ШІ як чинник, який перебудує підсумкове оцінювання у двох напрямах водночас: ШІ оцінює іспити, а студенти використовують ШІ, щоб обійти вимірювання на основі іспитів. Який із цих двох тисків здається вам більшою загрозою для валідності й чому?
  • Якщо завдання без нагляду або виконані вдома втрачають валідність, бо ШІ може створити відповіді, що це означає для того, як слід проєктувати оцінювання — і чим, можливо, доведеться поступитися в цьому процесі?
  • Research, на які посилається сторінка, встановлює, що великі мовні моделі (LLM) не оцінюють есе так, як це роблять люди. Якщо автоматизоване оцінювання є швидким і послідовним, але виставляє інші оцінки, — це проблема fairness, можливість, чи й те й інше?
  • Що означає результат іспиту з високими ставками (оцінка, атестат, вступ до навчального закладу), якщо робота за ним могла бути створена ШІ? Як би ви спроєктували оцінювання, якому справді можна довіряти?

Вступ

Підсумкове оцінювання виконує принципово іншу функцію, ніж формативне оцінювання: воно вимірює й засвідчує досягнення, а не задає напрям наступним крокам. Воно включає тести наприкінці модуля, випускні іспити, стандартизовані та високоставкі тести (наприклад, вступні іспити), усні захисти та кумулятивні оцінювання результатів діяльності. Оскільки результати підсумкового оцінювання мають реальні наслідки (оцінки, перехід на наступний рівень, атестація, вступ до університету), воно зазнає особливого тиску в епоху ШІ — і як ціль автоматизованого оцінювання, і як уразливе вимірювання, яке студенти можуть намагатися обіграти за допомогою генеративного ШІ.

Ставки епохи ШІ: валідність і доброчесність

Дослідження, задокументовані в базі знань, показують, що генеративний ШІ принципово перебудував ландшафт підсумкового оцінювання у двох напрямах: ШІ використовується для того, щоб оцінювати іспити у великому масштабі, а також може бути використаний студентами для того, щоб уникнути іспит-орієнтованого вимірювання власного навчання.

  • ШІ як оцінювач. Підсумкове оцінювання дедалі більше спирається на automated scoring іспитів, есе й коротких відповідей. Research on LLM essay grading встановлює, що LLM не оцінюють есе так, як це роблять люди, що породжує питання валідності та справедливості високоставкого автоматизованого оцінювання. LLMs assessing student self-explanations, і automatic short-answer grading досліджують надійність оцінювання за допомогою LLM у підсумкових контекстах, тоді як psychometrically-aware frameworks прагнуть зберегти автоматизоване оцінювання надійним і адаптивним. Іспит із загальної хімії з рукописними відповідями, виконаний 296 студентами, ілюструє, чому потрібен вибірковий нагляд: узгодженість загальної оцінки мультимодальної LLM з оцінками асистентів була високою (R² = 0.91), проте надійність на рівні окремих завдань різко відрізнялася за форматами, а хибнопозитивні результати (ШІ зараховує справді неправильні відповіді) зазвичай залишаються незауваженими, бо студенти рідко їх оскаржують, — тому оцінювач ШІ з єдиним правилом «оцінюй усе» не є виправданим для високоставкого застосування без передачі оцінювання людині на основі впевненості моделі (Assisting the grading of a handwritten general chemistry exam with artificial intelligence).
  • Узгодженість результатів може зберігатися за неточного оцінювання окремих завдань. Порівняно з узгодженими офіційними оцінками, мультимодальна LLM, що оцінювала 10 364 рукописних сторінки Всеукраїнської олімпіади з фізики та університетських робіт, показала кореляцію r = 0,93–0,96 і відтворила той самий склад із п’ятьох студентів, який представляв країну, хоча точне узгодження по частинах завдань сягало лише 70% — про оцінювача судять за рішеннями, які він інформує (Pathak et al. (2026)).
  • ШІ як спосіб обходу. Оскільки генеративний ШІ може створювати відповіді на письмові питання, підсумкові завдання без нагляду та вдома втрачають валідність: proctored, unassisted measures are essential, бо результати без контролю завищуються ШІ, а guardrailed (hint-not-answer) tools можуть усунути штраф на іспиті, який спричиняє ШІ без обмежень. Chirikov's (2026) на 500 000+ оцінках робить цей механізм наочним: після виходу ChatGPT частка оцінок A на курсах із більшою кількістю завдань, відкритих для ШІ, зросла на 13 відсоткових пунктів, і ефект зосередився на курсах із великим обсягом домашніх завдань (додаткові 16 в.п. в оцінці методом потрійних різниць) — прямий доказ того, що саме домашні завдання без контролю, а не справжні learning gains, є тим місцем, де ШІ завищує підсумкові результати.
  • Згенеровані ШІ іспити. A large-scale field study та EFL assessment research аналізують, чи може ШІ створювати високоякісні іспити та завдання для оцінювання — новий напрям використання ШІ в проєктуванні підсумкового оцінювання.

Формати підсумкового оцінювання, стійкі до ШІ

Ключова тема бази знань полягає в тому, що формат підсумкового оцінювання визначає його стійкість до ШІ — чим більше завдання потребує живої, особистої, індивідуально перевіряємої демонстрації, тим важче студентам підмінити власне навчання ШІ.

  • Усні іспити та оцінювання. Fenton (2025) стверджує, що усний іспит є низькотехнологічним і за природою стійким до ШІ форматом підсумкового оцінювання: його діалог у реальному часі й інтерактивність перевіряють розуміння, critical thinking та міркування, а не запам’ятовування, не дають студентам використовувати ШІ для генерації та заучування відповідей і віддзеркалюють професійну практику. Socratic tests та code-review interviews розширюють цей підхід на динамічне, розмовне та інтерв’ю-орієнтоване підсумкове оцінювання.

  • Закриті книги, контроль, відсутність допомоги інструментів. Evidence та large-scale field data показують, що іспити за книжками з контролем — а не завищені домашні або виконані вдома роботи — є надійним сигналом фактичного навчання, коли студенти користуються ШІ. Системи Responsible assessment вбудовують ці заходи без допомоги інструментів у перебудову, керовану валідністю. Коли іспити залишаються онлайн, цю роль перебирає remote proctoring, а два огляди автоматизованого контролю в корпусі виявляють занепокоєння щодо приватності та fairness поряд із вигодами в виявленні (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).

  • Поєднайте уразливе завдання з підтверджуючим близнюком. Roe, Perkins & Giray (2026) зберігають завдання, уразливе до генеративного ШІ, заради його навчальної цінності, але поєднують його з другим завданням, що оцінює ті самі результати, роблячи оцінку взаємозалежною через підтверджувальний поріг або вагу, так що близнюк засвідчує результат.

Високоставке та стандартизоване підсумкове оцінювання

Високоставке підсумкове оцінювання — вступні іспити, стандартизовані тести та сертифікація — має надмірні наслідки й є центром занепокоєння в епоху ШІ. The generative AI learning penalty study вимірювало результати на вступних іспитах до старшої школи (Zhongkao) та коледжу (Gaokao) і встановило, що результати вступних іспитів знизилися на 18–24% після тривалого використання ШІ. The Effortless Trap та performance-vs-learning research попереджають, що здобутки на завданнях із допомогою ШІ не переносяться на високоставкі вимірювання без допомоги інструментів.

Підсумкове проти формативного в епоху ШІ

Література з оцінювання в базі знань послідовно наголошує, що Оцінювання є найефективнішим, коли поєднує formative та підсумкові функції, — але епоха ШІ загострює це розрізнення. Оскільки ШІ завищує результати на завданнях із низькими ставками, без контролю та з прихованим процесом, підсумкові (особливо з контролем, за книжками та особисто) вимірювання стають вирішальною перевіркою того, чи навчання справді відбулося. Це спонукає до перебудови оцінювання, яка зберігає автентичні, стійкі до ШІ підсумкові завдання (усні іспити, інтерв’ю з розгляду коду, іспити з контролем, процесно орієнтовані portfolios) як основу integrity, використовуючи водночас формативне оцінювання для підтримки навчання. Див. Аутентичне оцінювання як конструктивну проєктну відповідь.

Наслідки для ШІ в освіті

  • Формат підсумкового оцінювання — це важіль валідності та доброчесності: стійкі до ШІ формати підсумкового оцінювання (усні, з контролем, за книжками, особисті) зберігають зв’язок між оцінюваною результативністю й фактичним навчанням.
  • Вимірювання з контролем і без допомоги інструментів — надійний сигнал: коли студенти користуються ШІ, саме підсумкові іспити без допомоги інструментів, а не домашні завдання, виявляють справжнє навчання.
  • Автоматизоване оцінювання потребує психометричного аналізу: використання LLM для оцінювання високоставких іспитів вимагає оцінки надійності, справедливості та валідності, а не лише точності. Помилка оцінювання залежить також від оцінки: на 32 роботах іспиту з громадського здоров’я LLM уникали кінців шкали — у швидкому режимі не з’явилося жодної оцінки E або F, — тоді як найкраща модель точно відтворила оцінку людини в 50,0% випадків і в межах ±1 оцінки в 90,6% випадків (Brevik et al. (2026)).
  • ШІ може також створювати іспити: генерація іспитів і завдань із допомогою ШІ є новим застосуванням у проєктуванні підсумкового оцінювання, яке саме потребує оцінки якості.
  • Переосмислити мету оцінювання, а не лише формат. Mesny, Roberge-Maltais & Galy (2026) критикують традиційне підсумкове, нормозалежне оцінювання за те, що воно сприяє поверхневому, фрагментованому навчанню, дає студентам мало контролю й прозорості, шкодить внутрішній Мотивація, підживлює стрес і anxiety та відтворює нерівність, водночас здебільшого оцінюючи запам’ятовування, а не застосування в реальному світі. Вони позиціонують переоцінювання, standards-based grading та відмову від оцінок як інновації, орієнтовані на оцінювання, що можуть пом’якшити практику, перевантажену підсумковим оцінюванням, визнаючи при цьому, що вони залишаються маргінальними в освіті з менеджменту через нормативні бар’єри — оцінювання за кривою, зовнішню сигналізацію (рейтинги, стажування, акредитацію) та інструментальне мислення студентів — і рекомендують поступові експерименти за підтримки установи.

Пов’язані поняття

Пов’язані статті

Метадані

РівеньHigher Ed, K 12
Оцінювання та вимірюванняОцінювання, Аутентичне оцінювання, Підсумкове оцінювання, Освітнє вимірювання
Методи досліджень та оцінкаОцінювання ШІ в освіті
Основи ШІ в освітіАкадемічна доброчесність
Вид сторінкиEvaluation
SourceHistoryEditChat

Вставити цю сторінку

Скопіюйте наведений нижче код, щоб вставити цю сторінку в систему управління навчанням або на інший вебсайт. Вбудована версія показує лише вміст сторінки — вона приховує заголовок сайту, навігацію та колонтитул.