Πώς να αλλάξουμε τις εξετάσεις μαθηματικών στην εποχή της Τεχνητής Νοημοσύνης;

Οι ειδικοί στην έρευνα για την τεχνητή νοημοσύνη πιστεύουν ότι απαιτούνται αλλαγές στις εξετάσεις μαθηματικών, με την προσθήκη ερωτήσεων έκθεσης στις εξετάσεις να είναι η σωστή κίνηση στην εποχή της έκρηξης της τεχνητής νοημοσύνης.

Πρόσφατα, πολλοί ειδικοί έχουν εκφράσει αντικρουόμενες απόψεις σχετικά με τις εξετάσεις μαθηματικών και την κατανομή των βαθμολογιών. Ο Δρ. Dang Quang Vinh, ερευνητής τεχνητής νοημοσύνης (ΤΝ) και λέκτορας στη Σχολή Επιστήμης και Τεχνολογίας Υπολογιστών του Βρετανικού Πανεπιστημίου του Βιετνάμ (BUV), μοιράστηκε επίσης με την εφημερίδα Thanh Nien μια ενδιαφέρουσα πρόταση από την οπτική γωνία της ΤΝ, ελπίζοντας ότι το Υπουργείο Παιδείας και Κατάρτισης θα αλλάξει τις εξετάσεις μαθηματικών στο εγγύς μέλλον.

Η κατανομή των βαθμολογιών στα μαθηματικά το 2025 πλησιάζει την κανονική κατανομή

Ωστόσο, ο Δρ. Vinh έδωσε επίσης θετικά σχόλια για την κατανομή των βαθμολογιών των φετινών εξετάσεων μαθηματικών. Η κατανομή των βαθμολογιών των εξετάσεων μαθηματικών για τις απολυτήριες εξετάσεις λυκείου είναι πιο κοντά στην κανονική κατανομή, σε σύγκριση με την κατανομή των βαθμολογιών των μαθηματικών τα τελευταία χρόνια. Αυτό δείχνει ότι οι φετινές εξετάσεις μαθηματικών έχουν υψηλή διαφοροποίηση.

Αν και η κατανομή βαθμολογιών φαίνεται χαμηλότερη από πέρυσι, η φετινή κατανομή βαθμολογιών είναι πιο κοντά στην έννοια της κανονικής κατανομής στη στατιστική. Θεωρητικά, αυτό μπορούμε να περιμένουμε από ένα τυποποιημένο τεστ, ειδικά όταν εφαρμόζεται σε ένα μεγάλο σύνολο δεδομένων, όπως ο αριθμός των υποψηφίων που δίνουν εξετάσεις λυκείου. Σε τέτοιες περιπτώσεις, η ιδανική κατανομή βαθμολογιών θα πρέπει να είναι κοντά σε μια κανονική κατανομή. Επομένως, μπορεί να κριθεί ότι η φετινή κατανομή βαθμολογιών είναι λογική.

Η χαμηλότερη κατανομή βαθμολογιών αποτελεί στην πραγματικότητα ένα θετικό σημάδι για την εκπαίδευση . Εάν η εξέταση είναι πολύ εύκολη και πολλοί υποψήφιοι λάβουν πλήρη βαθμολογία, η εξέταση θα χάσει τη λειτουργία της, η οποία συνίσταται στην ταξινόμηση και αξιολόγηση των πραγματικών ικανοτήτων.

Ο Δρ. Vinh δήλωσε: «Όλοι καταλαβαίνουμε ότι οι βαθμολογίες αντανακλούν μόνο τη σχετική ικανότητα, αλλά μια σαφής διαφορά, όπως μεταξύ ενός 8 και ενός 3, εξακολουθεί να αντανακλά μια διαφορά στην προετοιμασία και τη μαθησιακή νοοτροπία. Επιπλέον, αν πάρα πολλοί μαθητές έχουν άριστες βαθμολογίες, αυτό δείχνει επίσης ότι το τεστ δεν είναι αρκετά δύσκολο για να αξιοποιήσει πλήρως τις ικανότητές τους, δείχνει ότι υπάρχουν μαθητές που μπορούν να επιτύχουν υψηλότερο επίπεδο, 11-12 ή 15 μονάδες, αν το επιτρέπει η κλίμακα βαθμολόγησης».

Επομένως, ένα ομοιόμορφα κατανεμημένο φάσμα βαθμολογιών, που δεν επικεντρώνεται στις υψηλές βαθμολογίες, μας βοηθά να ταξινομήσουμε καλύτερα τους υποψηφίους και να δημιουργήσουμε συνθήκες για να επιδείξουν τη μέγιστη ικανότητά τους. Αυτό είναι το θετικό σημείο των φετινών εξετάσεων μαθηματικών και του φάσματος βαθμολογιών.

Μην ρωτάτε τους υποψηφίους έτσι ώστε να χρειάζεται μόνο να επιλέξουν μια απάντηση.

Ωστόσο, σύμφωνα με τον Δρ. Vinh, από την οπτική γωνία της Τεχνητής Νοημοσύνης, οι ερωτήσεις μαθηματικών πολλαπλής επιλογής, όπως οι τρέχουσες εξετάσεις αποφοίτησης λυκείου, δεν είναι κατάλληλες για τον στόχο της μαθηματικής εκπαίδευσης.

Τα τελευταία χρόνια, πολλοί άνθρωποι ανησυχούν ότι η Τεχνητή Νοημοσύνη μπορεί να βρει απαντήσεις πολύ γρήγορα, αλλά δεν μπορεί να εξηγήσει γιατί σκέφτεται με αυτόν τον τρόπο. Αυτό καθιστά την Τεχνητή Νοημοσύνη αναξιόπιστη σε τομείς που απαιτούν αυστηρή συλλογιστική. Επομένως, η τρέχουσα κατεύθυνση ανάπτυξης είναι η ενσωμάτωση δυνατοτήτων συλλογισμού στην Τεχνητή Νοημοσύνη, έτσι ώστε όχι μόνο να μπορεί να δίνει σωστά αποτελέσματα, αλλά και να εξηγεί τη διαδικασία εξαγωγής συμπερασμάτων.

Και αυτό είναι που καθιστά τη συλλογιστική ένα τόσο μοναδικό ανθρώπινο πλεονέκτημα, σε σημείο που η Τεχνητή Νοημοσύνη εργάζεται για να το επιτύχει.

«Επομένως, δεν υπάρχει λόγος να εγκαταλείψουμε αυτό το πλεονέκτημα. Αντιθέτως, η εκπαίδευση πρέπει να ενθαρρύνει και να προωθεί την ικανότητα συλλογισμού, ειδικά μέσω εξετάσεων έκθεσης», δήλωσε ο Δρ. Βιν.

Σύμφωνα με τον Δρ. Βιν, στην ιστορία των μαθηματικών, έχουμε δει ότι η διαδικασία συλλογισμού συχνά αποφέρει μεγαλύτερη αξία από το τελικό αποτέλεσμα. Το να νοιαζόμαστε μόνο για την απάντηση και να αγνοούμε τη συλλογιστική είναι αντίθετο με το πνεύμα της μαθηματικής σκέψης.

Με τον τρέχοντα ρυθμό ανάπτυξης, η Τεχνητή Νοημοσύνη σίγουρα θα ξεπεράσει τους ανθρώπους στην ικανότητα παραγωγής αποτελεσμάτων, ειδικά με καθαρά υπολογιστικά προβλήματα ή ανάκτηση ιστορικών δεδομένων. Ωστόσο, η Τεχνητή Νοημοσύνη δεν μπορεί να αντικαταστήσει τους ανθρώπους στην ερμηνεία και την παρουσίαση διαδικασιών λογικής σκέψης, τουλάχιστον προς το παρόν.

Ο Δρ. Vinh δήλωσε: «Υποστηρίζω πλήρως τη δημιουργία εξετάσεων που βασίζονται σε δοκίμια για την αξιολόγηση της ικανότητας των φοιτητών να συλλογίζονται και να σκέφτονται καθαρά. Αυτή είναι και η προσέγγιση που εφαρμόζουμε στο BUV».

Σε πολλές σχολικές εξετάσεις, ακόμη και στο Τμήμα Επιστήμης και Τεχνολογίας Υπολογιστών, έναν τομέα που φαίνεται να επικεντρώνεται σε ξηρούς υπολογισμούς, οι μαθητές καλούνται όχι μόνο να δώσουν μια απάντηση, αλλά και να την εξηγήσουν, είτε γραπτώς είτε με παρουσιάσεις στην τάξη. Κανείς δεν ρωτιέται με τι ισούται με 1 + 1 και μετά απλώς γράφει 2.

Πηγή: https://thanhnien.vn/thay-doi-de-thi-toan-the-nao-trong-thoi-dai-ai-185250719210628563.htm