Dr Anitia Lubbe från det nordvästra universitetet i Sydafrika undersöker hur universitet bättre kan integrera AI-verktyg i sina inlärningsplaner.
Över universitet över hela världen pågår en tyst revolution. Generative Artificial Intelligence (AI) -verktyg som Chatgpt, Copilot, Deepseek och Gemini används för att producera uppsatser, sammanfatta avläsningar och till och med genomföra komplexa uppdrag.
Generativ konstgjord intelligens är en typ av AI som kan hantera olika kreativa uppgifter inom olika domäner, såsom konst, musik och utbildning.
För många universitetslärare höjer detta larmklockor om plagiering och integritet. Medan vissa institutioner har rusat till begränsa eller stödja AI -användningandra är fortfarande osäkra på hur de ska svara.
Men att fokusera bara på polisering missar en större fråga: om eleverna verkligen lär sig. Som utbildningsforskare är jag intresserad av ämnet för hur eleverna lär sig. Mina kollegor och jag nyligen utforskad Rollen AI kunde spela i lärande – om universitet försökte ett nytt sätt att bedöma studenter.
Vi fann att många traditionella former av bedömning på universitet förblir fokuserade på memorering och rote -lärande. Det här är exakt de uppgifter som AI presterar bäst.
Vi hävdar att det är dags att ompröva vad eleverna ska lära sig. Detta bör inkludera förmågan att utvärdera och analysera AI-skapad text. Det är en färdighet som är avgörande för kritiskt tänkande.
Om den förmågan är vad universitet undervisar och letar efter hos en student kommer AI att vara en möjlighet och inte ett hot.
Vi har föreslagit några sätt att universitet kan använda AI för att undervisa och utvärdera vad studenter verkligen behöver veta.
Granska studier av AI
Universitet är under press för att förbereda kandidater som är mer än bara kunniga. De måste vara självstyrda, livslånga elever som är oberoende, kritiska tänkare och kan lösa komplexa problem. Arbetsgivare och samhällen kräver akademiker som kan utvärdera information och göra sunda bedömningar i en snabbt föränderlig värld.
Ändå utvärdering (testning vad eleverna vet och kan göra) tenderar att fokusera på mer grundläggande tänkande.
Vår forskning Tog formen av en konceptuell litteraturöversikt och analyserade peer-granskade studier som publicerades sedan frisläppandet av AI Tool Chatgpt i slutet av 2022. Vi undersökte hur generativ AI redan används i högre utbildning, dess inverkan på bedömningen och hur dessa praxis anpassar sig (eller misslyckas med att anpassa sig) till Blooms taxonomi.
Blooms taxonomi är ett ramverk som används allmänt i utbildningen. Den organiserar kognitiva (tänkande) färdigheter i nivåer, från grundläggande (minns och förståelse), till avancerad (skapa och utvärdera).
Flera viktiga mönster kom från vår analys.
För det första utmärker AI vid uppgifter på lägre nivå. Studier visar att AI är stark i att komma ihåg och förstå. Det kan generera Flervalsfrågordefinitioner eller yta förklaringar snabbt och ofta med hög noggrannhet.
För det andra, ai kämpar med högre ordningstänkande. Vid nivåerna av utvärdering och skapande, dess effektivitet droppar. Till exempel, medan AI kan utarbeta en affärsplan eller en sjukvårdspolicy, är den ofta brist på Kontextuell nyans, kritisk bedömning och originalitet.
För det tredje förändras universitetslärarnas roll. Istället för att spendera timmar på att utforma och betygsätta bedömningar på lägre nivå, kan de nu fokusera på byggnadsuppgifter som AI inte kan behärska ensam, och därmed främja analys, kreativitet och självstyrda inlärningsförmågor.
Självstyrt lärande är definierad Som ”en process där individer tar initiativ för att diagnostisera sina inlärningsbehov, sätta inlärningsmål, hitta resurser, välja och implementera strategier och utvärdera sina resultat, med eller utan hjälp från andra”.
Slutligen verkar de möjligheter AI presenterar uppväga hoten. Medan oro över fusk förblir verkliga, belyser många studier AI: s potential att bli en lärande partner. Används väl, det kan hjälpa till att generera praktikfrågor, ge feedback och stimulera dialog (om eleverna leds att kritiskt engagera sig i dess resultat).
Alla dessa utmaningar uppmanar universitet att gå utöver ”kunskapskontroller” och investera i bedömningar som inte bara mäter djupare lärande, utan också främjar det.
Hur man främjar kritiskt tänkande
Så hur kan universitet gå framåt? Vår studie pekar på flera tydliga åtgärder:
- Omforma bedömningar för högre ordningstänkande: I stället för att förlita sig på uppgifter som AI kan slutföra, bör universitetslärare utforma autentiska, kontextrika bedömningar. Till exempel, använda fallstudier, portföljer, debatter och projekt baserade på lokala verkligheter.
- Använd AI som partner, inte ett hot: Studenter kan bli ombedda att kritisera AI-genererade svar, identifiera luckor eller anpassa dem för verklig användning. Detta förvandlar AI till ett verktyg för att öva förmågan att analysera och utvärdera.
- Byggbedömningskunskap bland universitetslärare: universitetslärare behöver stöd och utbildning för att skapa AI-integrerade bedömningar.
- Främja AI -flytande och etisk användning: Studenter måste lära sig inte bara hur man använder AI, utan hur man ifrågasätter det. De måste förstå dess begränsningar, fördomar och potentiella fallgropar. Studenter bör göras medvetna om att öppenhet vid att avslöja AI -användning kan stödja akademisk integritet.
- Uppmuntra utvecklingen av självstyrda inlärningsförmågor: AI bör inte ersätta studentens ansträngning utan snarare stödja deras inlärningsresa. Därför är utformning av utvärderingsuppgifter som främjar målsättning, reflektion och peer-dialog avgörande för att utveckla livslånga inlärningsvanor.
Genom att främja kritiskt tänkande och omfamna AI som ett verktyg kan universitet förvandla störningar till möjligheter. Målet är inte att producera kandidater som konkurrerar med maskiner, utan att odla oberoende tänkare som kan göra vad maskiner inte kan: reflektera, bedöma och skapa mening.
Bedömning i AI: s ålder kan bli en kraftfull kraft för att odla den typ av kandidater som vår världsbehov.
Av Anitia lubbe
Dr Anitia Lubbe är docent vid Center for Health Professions Education, Nordvästra universitetoch Subarea-ledare för utvärdering för att stödja självstyrt lärande i självstyrd lärande av forskningsenheten. Hennes forskning sträcker sig över bedömning, bedömningskunskap, feedbackkunskap, kooperativt lärande och kritiskt tänkande, med fokus på den etiska integrationen av generativ AI i högre utbildning.
