الجامعات تعيد تصميم الامتحانات مع تطور قدرات الذكاء الاصطناعي

أظهرت دراسة حديثة أجراها فريق بحثي في جامعة ولونغونج الأسترالية أن قدرات الذكاء الاصطناعي التوليدي على اجتياز الامتحانات الجامعية قد تطورت بشكل ملحوظ مقارنة بالنتائج السابقة، مما يطرح تحديات جوهرية حول نزاهة التقييمات الأكاديمية ويقتضي تحديث آليات القياس الجامعية. استندت الدراسة إلى مقارنة منهجية بين تجربة أجريت في عام 2023 وبحث حديث شمل تسعة نماذج ذكاء اصطناعي من خمسة موردين، تم اختبارها على مادتين إلزاميتين في كليات القانون هما القانون الجنائي ومسؤولية التقصير. كشفت النتائج أن النماذج حققت تحسناً دراماتيكيًا في الأداء العام والتحليل النقدي للحالات الافتراضية، وهي المهارة التي كانت تعد نقطة ضعف رئيسية للنماذج السابقة. في امتحان القانون الجنائي، سجل الذكاء الاصطناعي متوسط درجة 76.3 في المئة، متفوقاً على 82.5 في المئة من الطلاب، بينما وصل المتوسط في مسائلة التقصير إلى 66 في المئة متفوقاً على 61 في المئة من الزملاء، مع صعود سبعة من أصل ثمانية عشر امتحاناً مولدة إلى المئين التسعين أو أعلى. كما اختفى عجز النماذج السابق في تحليل السيناريوهات القانونية المعقدة، على الرغم من استمرار تفاوت الأداء بين النماذج نفسها، حيث برز بعضها في موضوع وضعف في آخر، مع ملاحظة تناقضات في دقة التوثيق واختفاء بعض مشكلات الهلوسة على حساب تقليل عدد المراجع المستشهد بها. يحذر الباحثون من أن هذه النتائج لا تعني تحول النماذج إلى خبراء قانونيين موثوقين، بل تؤكد بالتحديد قابلية الطلاب لاستخدامها في الغش، مما يهدد مصداقية التقييمات غير الخاضعة للإشراف المباشر. كما تشير الدراسة إلى محدودية نطاق الاختبار الذي قصر نفسه على تخصصين في جامعة أسترالية واحدة، مع الإقرار بأن جودة التوليد تعتمد بشكل كبير على صياغة الأوامر وتباين إصدارات النماذج. في ضوء هذه المعطيات، يطرح الباحثون إطاراً عملياً متكاملاً لتكيف الجامعات مع الواقع الجديد، يستهدف موازنة تقييم المعرفة الأساسية مع تدريب الطلاب على إدارة أدوات الذكاء الاصطناعي بمسؤولية. ويشمل المقترح ثلاث محاور متكاملة: أولاً، الإبقاء على نسبة ملحوظة من التقييمات غير القابلة للذكاء الاصطناعي والخاضعة للإشراف المباشر مثل الامتحانات الورقية والمناظرات الشفهية، خاصة في المراحل التأسيسية، لضمان امتلاك الطالب للخلفية المعرفية اللازمة لكشف الأخطاء. ثانياً، تصميم تقييمات تعتمد صراحة على التعاون مع الذكاء الاصطناعي ولكن يتم فيها قياس عملية العمل وليس الناتج النهائي فقط، بما في ذلك مهارة صياغة الأوامر، وفحص المصادر، وتقييم مدخلات الموديل، وتصحيح مسار التحليل. ثالثاً، تطبيق نموذج التتابع الذي يحاكي الممارسة المهنية، ويتضمن دورتين متعاقبتين؛ إما يبدأ بكتابة مسودة يدوية تحت الإشراف ثم تطويرها بالذكاء الاصطناعي، أو العكس ببدء العمل مع الموديل ثم مراجعة وتقييم العمل يدوياً في بيئة خاضعة للرقابة، مع تدرج كل مرحلة بشكل منفصل. ختاماً، تؤكد الدراسة أن الهدف الاستراتيجي ليس عزل الطلاب عن تقنيات الذكاء الاصطناعي، بل تجهيزهم لمراقبة هذه الأنظمة ونقدها وتحسين مخرجاتها، مما يضمن بقاء القيمة البشرية جوهر العملية التعليمية في سوق العمل المستقبلي.