در دنیای آموزش مدرن، ارزیابی مستمر دانش‌آموزان یکی از ارکان اصلی فرآیند یادگیری به شمار می‌رود. معلمان همواره با چالش طراحی آزمون‌های باکیفیت، متنوع و متناسب با اهداف آموزشی روبرو هستند. این فرآیند، به‌ویژه هنگامی که هدف، سنجش سطوح مختلف شناختی دانش‌آموزان باشد، بسیار زمان‌بر و پیچیده است. در این میان، پیشرفت‌های اخیر در حوزه هوش مصنوعی، به‌خصوص مدل‌های زبان بزرگ (LLMs)، افق‌های جدیدی را برای حل این چالش گشوده است.

مقاله «چگونه معلمان می‌توانند از مدل‌های زبان بزرگ و طبقه‌بندی بلوم برای طراحی آزمون‌های آموزشی استفاده کنند» به بررسی یکی از کاربردی‌ترین جنبه‌های این فناوری می‌پردازد: تولید خودکار سوال (Question Generation – QG). اهمیت این پژوهش در آن است که صرفاً به ارائه یک راهکار فنی اکتفا نمی‌کند، بلکه با درگیر کردن معلمان واقعی در فرآیند تحقیق، به ارزیابی عملی و کاربردی این ابزار در محیط کلاس درس می‌پردازد. این مقاله تلاش می‌کند تا پلی میان تحقیقات پیشرفته در حوزه پردازش زبان طبیعی و نیازهای واقعی نظام آموزشی ایجاد کند و نشان دهد که چگونه هوش مصنوعی می‌تواند به عنوان یک دستیار هوشمند، کیفیت و کارایی فرآیندهای آموزشی را به شکل چشمگیری بهبود بخشد.

این مقاله توسط تیمی از پژوهشگران برجسته در حوزه‌های هوش مصنوعی و پردازش زبان طبیعی به نگارش درآمده است: سابینا الکینز، اکاترینا کخمار، جکی سی. کی. چیونگ و یولیان سربان. این محققان در زمینه تقاطع علوم کامپیوتر و زبان‌شناسی محاسباتی فعالیت دارند و تمرکز ویژه‌ای بر کاربردهای عملی هوش مصنوعی در دنیای واقعی، به‌ویژه در حوزه آموزش، دارند.

زمینه اصلی این تحقیق، پردازش زبان طبیعی (NLP) و به طور خاص، شاخه‌ای از آن با عنوان «تولید سوال» است. سیستم‌های تولید سوال با دریافت یک متن ورودی، تلاش می‌کنند تا سوالات مرتبط و معناداری از آن استخراج کنند. با این حال، بسیاری از سیستم‌های پیشین فاقد درک عمیق از اهداف آموزشی بودند. نوآوری اصلی این مقاله در ترکیب این فناوری با یک چارچوب آموزشی معتبر، یعنی طبقه‌بندی بلوم (Bloom’s Taxonomy)، است. این ترکیب به سیستم هوش مصنوعی امکان می‌دهد تا سوالاتی هدفمند و متناسب با سطوح مختلف یادگیری تولید کند.

این پژوهش بر این فرضیه استوار است که سیستم‌های تولید سوال، علی‌رغم پتانسیل بالای خود در حوزه آموزش، اغلب بدون در نظر گرفتن نیازهای آموزشی واقعی و بازخورد معلمان طراحی و ارزیابی می‌شوند. برای رفع این نقیصه، نویسندگان یک رویکرد نوین مبتنی بر مدل‌های زبان بزرگ را ارائه می‌دهند که در آن، سوالات بر اساس اهداف یادگیری برگرفته از طبقه‌بندی بلوم تولید می‌شوند.

در این تحقیق، سوالات تولید شده توسط هوش مصنوعی در اختیار گروهی از معلمان قرار گرفت تا از آن‌ها برای طراحی آزمون‌های خود استفاده کنند. نتایج به دست آمده شگفت‌انگیز بود: معلمان نه تنها استفاده از سوالات تولید شده توسط سیستم را به نوشتن سوالات از ابتدا ترجیح دادند، بلکه کیفیت آزمون‌های نهایی نیز هیچ افتی نسبت به آزمون‌های دست‌نویس نداشت. علاوه بر این، چندین شاخص کلیدی نشان داد که استفاده از سوالات خودکار حتی می‌تواند به بهبود کیفیت کلی آزمون‌ها نیز منجر شود. این یافته‌ها، نویدبخش استفاده گسترده از فناوری تولید سوال در محیط‌های آموزشی است.

روش‌شناسی این پژوهش در سه مرحله اصلی طراحی و اجرا شده است:

• مرحله اول: طراحی سیستم تولید سوال:
  محققان یک سیستم هوشمند مبتنی بر یک مدل زبان بزرگ (مانند مدل‌های خانواده GPT) توسعه دادند. ورودی این سیستم شامل دو بخش بود: یک متن درسی (مانند یک فصل از کتاب تاریخ یا علوم) و یک هدف یادگیری مشخص بر اساس طبقه‌بندی بلوم. طبقه‌بندی بلوم مهارت‌های شناختی را در شش سطح دسته‌بندی می‌کند: به خاطر سپردن، فهمیدن، به کار بستن، تحلیل کردن، ارزیابی کردن و خلق کردن. سیستم طوری طراحی شده بود که می‌توانست برای هر یک از این سطوح، سوالات متناسبی تولید کند. برای مثال، برای سطح «به خاطر سپردن»، سوالی مانند «پایتخت فرانسه کجاست؟» و برای سطح «تحلیل کردن»، سوالی مانند «چه عواملی منجر به انقلاب صنعتی در اروپا شد؟» تولید می‌کرد.
• مرحله دوم: آزمایش با معلمان:
  برای ارزیابی کارایی سیستم در عمل، یک آزمایش کنترل‌شده با حضور معلمان واقعی برگزار شد. شرکت‌کنندگان به دو گروه تقسیم شدند:
  • گروه کنترل: این معلمان یک متن درسی دریافت کردند و از آن‌ها خواسته شد تا یک آزمون استاندارد را به صورت کاملاً دستی و سنتی طراحی کنند.
  • گروه آزمایش: این گروه علاوه بر متن درسی، مجموعه‌ای از سوالات پیشنهادی تولید شده توسط هوش مصنوعی (در سطوح مختلف بلوم) را نیز دریافت کردند. آن‌ها اختیار داشتند که از این سوالات استفاده کنند، آن‌ها را ویرایش نمایند یا به طور کامل کنار بگذارند.
• مرحله سوم: ارزیابی نتایج:
  کیفیت آزمون‌های نهایی هر دو گروه با استفاده از معیارهای کمی و کیفی مورد سنجش قرار گرفت. این ارزیابی شامل تحلیل تنوع سوالات بر اساس سطوح بلوم، بررسی پوشش محتوای درسی و جمع‌آوری بازخورد مستقیم از معلمان از طریق پرسشنامه‌هایی در مورد تجربه کاربری، صرفه‌جویی در زمان و کیفیت نهایی آزمون بود.

تحلیل نتایج به دست آمده از این آزمایش، به یافته‌های مهم و قابل تأملی منجر شد که پتانسیل بالای این فناوری را آشکار می‌سازد:

• ترجیح قاطع معلمان: معلمان حاضر در گروه آزمایش به طور معناداری فرآیند طراحی آزمون با کمک هوش مصنوعی را به روش سنتی ترجیح دادند. آن‌ها گزارش کردند که این ابزار به آن‌ها در غلبه بر «مانع شروع کار» (writer’s block) کمک کرده و ایده‌های اولیه‌ای برای طراحی سوالات خلاقانه‌تر در اختیارشان قرار داده است.
• حفظ و ارتقای کیفیت: یکی از نگرانی‌های اصلی در مورد استفاده از هوش مصنوعی در آموزش، کاهش احتمالی کیفیت محتواست. این تحقیق نشان داد که آزمون‌های طراحی شده با کمک سیستم QG نه تنها کیفیتی معادل آزمون‌های دست‌نویس داشتند، بلکه در برخی جنبه‌ها حتی بهتر عمل کردند.
• پوشش بهتر سطوح شناختی: آزمون‌های گروه آزمایش، توزیع متعادل‌تری از سوالات در سطوح مختلف طبقه‌بندی بلوم داشتند. معلمان با کمک پیشنهادهای سیستم، توانستند سوالات بیشتری برای سنجش مهارت‌های تفکر سطح بالا (مانند تحلیل و ارزیابی) طراحی کنند؛ مهارتی که در آزمون‌های سنتی که تحت فشار زمانی طراحی می‌شوند، اغلب نادیده گرفته می‌شود.
• صرفه‌جویی در زمان و انرژی: همانطور که انتظار می‌رفت، استفاده از سوالات از پیش آماده‌شده، زمان مورد نیاز برای طراحی آزمون را به شکل قابل توجهی کاهش داد. این زمان آزاد شده به معلمان اجازه داد تا تمرکز خود را از «تولید محتوا» به «ویرایش و بهبود کیفیت» معطوف کنند و در نهایت آزمون دقیق‌تر و بهتری را آماده سازند.

نتایج این پژوهش، دستاوردها و کاربردهای عملی گسترده‌ای را برای آینده آموزش به همراه دارد:

• توانمندسازی معلمان: این فناوری می‌تواند به عنوان یک دستیار هوشمند، بار کاری معلمان را کاهش داده و به آن‌ها کمک کند تا آزمون‌هایی مؤثرتر و مبتنی بر اصول آموزشی مدرن طراحی کنند. این ابزار جایگزین معلم نیست، بلکه ابزاری در دستان او برای ارتقای هنر تدریس است.
• بهبود فرآیند یادگیری دانش‌آموزان: با طراحی آزمون‌هایی که تمام سطوح شناختی را هدف قرار می‌دهند، دانش‌آموزان تشویق می‌شوند تا از یادگیری سطحی و مبتنی بر حفظیات فراتر رفته و به درک عمیق‌تر و تفکر انتقادی روی آورند.
• توسعه بانک‌های سوال هوشمند: این رویکرد می‌تواند برای ایجاد بانک‌های سوال عظیم و پویا برای دروس و مقاطع مختلف تحصیلی به کار گرفته شود. این بانک‌ها می‌توانند به صورت خودکار با تغییر محتوای کتاب‌های درسی به‌روزرسانی شوند.
• ادغام با پلتفرم‌های آموزشی: سیستم‌های مدیریت یادگیری (LMS) مانند مودل یا گوگل کلاس‌روم می‌توانند این قابلیت را در خود ادغام کنند تا معلمان به راحتی و به صورت مستقیم از درون پلتفرم، آزمون‌های هوشمند تولید کنند.

بزرگترین دستاورد این مقاله، اثبات عملی این موضوع است که همکاری انسان و هوش مصنوعی در حوزه حساس آموزش نه تنها ممکن، بلکه بسیار مفید است. این پژوهش شکاف میان نظریه‌های هوش مصنوعی و کاربردهای عملی آن در کلاس درس را با موفقیت پر می‌کند.

مقاله حاضر به وضوح نشان می‌دهد که ترکیب قدرت مدل‌های زبان بزرگ با چارچوب‌های آموزشی معتبری مانند طبقه‌بندی بلوم، راهکاری بسیار مؤثر برای بهبود فرآیند طراحی آزمون‌های آموزشی است. این پژوهش با تکیه بر آزمایش‌های واقعی و دریافت بازخورد مستقیم از معلمان، ثابت می‌کند که ابزارهای مبتنی بر هوش مصنوعی می‌توانند بدون کاهش کیفیت، به افزایش کارایی و غنای pedagogical آزمون‌ها کمک کنند.

آینده‌ای که در آن هوش مصنوعی به عنوان یک همکار قابل اعتماد در کنار معلمان قرار می‌گیرد، دیگر یک چشم‌انداز دور از دسترس نیست. این فناوری پتانسیل آن را دارد که با خودکارسازی وظایف تکراری و زمان‌بر، به معلمان اجازه دهد تا زمان و انرژی گران‌بهای خود را صرف اموری کنند که ماشین‌ها قادر به انجام آن نیستند: الهام‌بخشی، راهنمایی و پرورش نسل آینده. این تحقیق گامی محکم و امیدوارکننده در این مسیر است.