Австралийский национальный университет начал обсуждение новой системы оценивания, при которой задания могут быть разделены на «защищённые» и «незащищённые». В первом случае университет должен быть уверен, что работу выполнил сам студент; во втором допускается использование искусственного интеллекта, но учащийся может быть обязан указать, на каких этапах и каким образом он обращался к нейросети. Окончательное решение пока не принято, а опубликованные рекомендации носят временный характер.

Похожие изменения происходят и в других австралийских университетах. Университет Квинсленда уже делит оценивание на защищённое и открытое, а Мельбурнский университет расширяет использование интерактивных устных экзаменов. При этом «защищённое» задание не обязательно означает полный запрет ИИ: студенту могут разрешить воспользоваться моделью, но затем потребовать критически разобрать полученный ответ и продемонстрировать собственное понимание предмета.

Причина такой спешки понятна. По данным Австралийского индекса цифровой инклюзии, генеративными моделями недавно пользовались около 79% школьников старших классов и студентов. В целом с такими инструментами уже взаимодействовали 46% жителей страны. Использование ИИ в образовании перестало быть исключением, которое можно обнаружить и наказать, и стало обычной частью интеллектуальной среды.

Однако попытка срочно вернуть студентов в аудитории и увеличить число контролируемых экзаменов вызвала критику. Преподаватели предупреждают, что непродуманные изменения могут осложнить обучение людям с инвалидностью, студентам с детьми и тем, кто совмещает учёбу с работой. Кроме того, устные экзамены и индивидуальные защиты требуют гораздо больше преподавательского времени, а университеты пока не всегда обеспечивают сотрудников необходимыми ресурсами и подготовкой.

Проблема не в том, что ИИ умеет писать

Появление генеративных моделей не просто создало ещё один способ списывания. Оно обнаружило слабость самой системы оценивания, которая слишком долго принимала готовый текст за доказательство знания.

Студент сдавал эссе, аналитическую записку, программу или исследовательский обзор, а преподаватель предполагал, что качество полученного документа отражает способности его автора. Эта связь никогда не была абсолютной: человеку могли помогать родители, репетиторы, редакторы или более опытные однокурсники. Но использование такой помощи оставалось ограниченным и сравнительно дорогим.

Теперь связный текст, программный код, расчёт или презентацию можно получить за несколько минут. Поэтому конечный продукт всё меньше говорит о том, что происходило в голове студента. Хорошо написанная работа может свидетельствовать о глубоких знаниях, об умении организовать сотрудничество с ИИ — или только о способности скопировать удачно сгенерированный ответ.

Именно поэтому детекторы нейросетевого текста не решают проблему. Даже если бы они работали безошибочно, университет всё равно проверял бы происхождение документа, а не способность человека мыслить, принимать решения и отвечать за результат.

Сам Австралийский национальный университет ещё до нынешней дискуссии формулировал более продуктивный вопрос: не как остановить использование ИИ, а как добиться того, чтобы студент продолжал учиться, пользуясь им. В университетском обсуждении подчёркивалось, что домашнее задание практически невозможно надёжно «защитить» от нейросетей; поэтому работу следует строить так, чтобы без понимания материала её нельзя было успешно выполнить даже с ИИ.

Защищённый экзамен нужен, но его недостаточно

Идея защищённого оценивания разумна, если воспринимать его не как возврат в прошлое, а как проверку минимальной самостоятельной компетентности.

Врач должен обладать знаниями, которые не исчезнут при разрядившемся телефоне. Инженер обязан понимать физические ограничения конструкции, даже если расчёты выполняет программа. Учитель должен сам видеть ошибку в рассуждении ученика. Юрист не может передать нейросети ответственность за толкование закона.

Поэтому часть профессиональных действий действительно должна проверяться без внешней помощи. Но если всё оценивание снова свести к экзаменационному залу, бумаге и ограниченному времени, университет начнёт готовить человека к миру, которого уже нет.

В реальной работе специалист будет пользоваться поиском, базами данных, моделями и специализированными цифровыми инструментами. Запретить их на всех экзаменах — значит проверить способность человека работать в искусственно обеднённой среде, но ничего не узнать о том, насколько хорошо он действует в современной профессиональной среде.

Новая система должна подтверждать две разные способности. Первая — человек владеет фундаментальными знаниями и может самостоятельно рассуждать. Вторая — он умеет работать с ИИ, проверять его выводы, замечать ошибки, ставить задачи и принимать окончательное решение.

Оценивать придётся не только ответ, но и путь к нему

Наиболее перспективной выглядит система, в которой учитывается не один итоговый документ, а весь процесс решения.

Студент может зафиксировать первоначальную гипотезу, этапы поиска, обращения к ИИ, отвергнутые варианты, обнаруженные ошибки, изменения позиции и основания окончательного решения. После этого он должен защитить результат: объяснить, почему выбрал определённый подход, что сделала модель, где она ошиблась и за какую часть работы отвечает сам человек.

В такой системе ИИ перестаёт быть невидимым автором за спиной студента. Он становится одним из инструментов, использование которого можно наблюдать, обсуждать и оценивать.

Это требует больше работы от университетов. Придётся менять задания, критерии и цифровую инфраструктуру, учить преподавателей анализировать не только результат, но и ход мышления. Простого распоряжения «вернуть устные экзамены» для этого недостаточно.

Комментарий редакции

Австралийские университеты делают важный шаг, но пока преимущественно защищают достоверность старого экзамена. Следующая задача сложнее: создать оценивание, соответствующее новой интеллектуальной реальности.

Диплом больше не может означать только то, что человек умеет самостоятельно производить тексты, расчёты и ответы. Но он не может означать и то, что выпускник умеет удачно перепоручать эту работу машине.

Диплом должен подтверждать, что человек способен мыслить без ИИ, продуктивно мыслить вместе с ИИ и отличать одно от другого.

Именно это станет главным критерием образовательной системы ближайших лет: не удалось ли ей оградить аудиторию от нейросетей, а сохранила ли она возможность достоверно увидеть самого человека — его знания, решения, ошибки и ответственность.