استفاده مسئولانه از هوش مصنوعی مولد در دانشگاه باید در سطح فعالیت یادگیری و ارزیابی طراحی شود؛ نه اینکه فقط به یک سیاست کلی مجاز یا ممنوع محدود شود.
از سیاست ابزار به طراحی یادگیری
سؤال اصلی نباید فقط این باشد که استفاده از AI مجاز است یا نه. ابتدا باید هدف یادگیری مشخص شود: دانشجو قرار است چه تواناییای را نشان دهد و کدام بخش از فرایند میتواند با کمک AI انجام شود بدون اینکه خود توانایی مورد ارزیابی حذف شود؟
سطح مجاز استفاده را برای هر فعالیت مشخص کنید
یک سیاست کلی در سطح درس کافی نیست. برای هر فعالیت مهم بهتر است روشن شود استفاده از هوش مصنوعی ممنوع، اختیاری، توصیهشده یا الزامی است و چرا.
صداقت علمی با طراحی بهتر
اتکا به detection بعد از تحویل تکلیف شکننده است. میتوان assessment را طوری طراحی کرد که فرایند یادگیری شواهد ایجاد کند: draftهای میانی، reflection، توضیح تصمیمها یا دفاع کوتاه شفاهی.
شفافیت دوطرفه
دانشجو باید بداند چه زمانی استفاده از AI را اعلام کند. استاد و مؤسسه هم باید درباره استفاده خود از AI در feedback یا assessment شفاف باشند.
حریم خصوصی و عدالت
قبل از استفاده از ابزار باید data handling، accessibility، نیاز به account، هزینه و دسترسی برابر بررسی شود. یک فعالیت فنی جذاب اگر دانشجو را مجبور به افشای داده حساس یا خرید ابزار کند، لزوماً طراحی مسئولانهای ندارد.
بازبینی مستمر
ادغام GenAI یک مسئله طراحی تکرارشونده است. باید بررسی شود آیا دانشجو قواعد را فهمیده، یادگیری بهتر شده و آیا مشکل جدیدی در workload، equity یا integrity ایجاد شده است.
ارتباط با EGenAI-DBR
این دیدگاه با مقاله من درباره EGenAI-DBR مرتبط است؛ چارچوبی برای حرکت از سیاستهای کلی به ادغام ساختاریافته، قابل ارزیابی و وابسته به زمینه.