Kalera News xin chào! 👋 Một nghiên cứu mới do Tiến sĩ Igor Chirikov, nhà nghiên cứu cấp cao tại Trung tâm Nghiên cứu Giáo dục Đại học (CSHE) thuộc Đại học California, Berkeley, đứng đầu, đã hé lộ một sự thật đáng lo ngại: sự phổ biến của trí tuệ nhân tạo tạo sinh (GenAI) trong giới sinh viên đại học đang đẩy mạnh tình trạng lạm phát điểm số nghiêm trọng, làm xói mòn giá trị tín hiệu và thông tin của kết quả học tập. 🚨
Báo cáo sơ bộ, mang tên "Trí tuệ Nhân tạo và Lạm phát Điểm số" (CSHE Higher Education Working Paper Series, Vol 26-3), đã phân tích tác động của GenAI lên phân phối điểm số của hơn 500.000 điểm tại một trường đại học nghiên cứu lớn ở Texas trong khoảng thời gian tám năm, từ 2018 đến 2025.
---
📊 Phát Hiện Chính & Tác Động Thống Kê
Sử dụng thiết kế nghiên cứu thực nghiệm vững chắc là sai biệt trong sai biệt (difference-in-differences - DiD), Tiến sĩ Chirikov đã so sánh các khóa học có mức độ tiếp xúc AI cao với các khóa học có mức độ thấp, cả trước và sau sự kiện ra mắt đột phá của ChatGPT vào tháng 11 năm 2022. 🚀
- Điểm 'A' tăng vọt: Các khóa học được phân loại là có mức độ tiếp xúc cao với GenAI – đặc biệt là các lớp học nặng về viết lách và lập trình – đã chứng kiến tỷ lệ điểm 'A' tăng 13 điểm phần trăm. - Tăng 30% so với ban đầu: Mức tăng 13 điểm phần trăm này tương đương với mức tăng khoảng 30% điểm 'A' so với mức cơ sở trước ChatGPT năm 2022. - Giảm điểm đạt yêu cầu thấp hơn: Sự tăng vọt điểm 'A' đi kèm với sự sụt giảm đáng kể tỷ lệ điểm 'A-' (A trừ) và 'B+' (B cộng), cho thấy toàn bộ phân phối điểm đã dịch chuyển lên trên. ✨
---
🔍 Cơ Chế Đằng Sau: Thay Thế hay Học Hỏi Thực Sự?
Để xác định liệu việc tăng điểm có phản ánh sự tiến bộ học tập thực sự (ví dụ: AI như một gia sư cá nhân hiệu quả) hay chỉ đơn thuần là việc giao phó công sức, Tiến sĩ Chirikov đã xem xét cách điểm số thay đổi so với đề án chấm điểm trong giáo trình khóa học.
Ông đã cô lập cơ chế nhân quả bằng cách so sánh các khóa học với trọng số chấm điểm khác nhau cho các bài tập về nhà: 🧐
1. Sự tương phản về trọng số bài tập về nhà: - Trong các khóa học mà bài tập về nhà/bài tập làm tại nhà đóng vai trò lớn (ví dụ: chiếm 40% điểm cuối cùng), sự dịch chuyển điểm lên trên sau khi ChatGPT ra mắt đã cao hơn đáng kể. - Trong các khóa học mà bài tập về nhà đóng vai trò nhỏ (ví dụ: chỉ chiếm 10% điểm cuối cùng), mức tăng điểm nhỏ hơn đáng kể hoặc không đáng kể.
2. Hiệu ứng thay thế: - Mối tương quan chặt chẽ này giữa trọng số chấm điểm của bài tập về nhà không giám sát và sự gia tăng điểm số cho thấy rằng AI đang thay thế nỗ lực của sinh viên chứ không phải là chất xúc tác sư phạm cho việc học sâu. - Sinh viên đang sử dụng các công cụ GenAI để hoàn thành các bài tập ngoài giờ lên lớp, dẫn đến các bài nộp chất lượng cao đạt điểm tối đa, mặc dù không phản ánh sự thành thạo học thuật thực tế hoặc sự hiểu biết sâu sắc hơn về tài liệu. 🤖✍️
> "Nếu bạn có hai khóa học viết chuyên sâu có sự hỗ trợ của AI – một khóa bài tập về nhà chiếm 10% điểm và một khóa chiếm 40% – thì mức tăng điểm sẽ cao hơn ở khóa mà bài tập về nhà có trọng số lớn hơn. Mô hình này cho thấy cơ chế chính của lạm phát điểm số đang được thúc đẩy bởi việc sinh viên nộp bài làm có sự hỗ trợ của AI." — Tiến sĩ Igor Chirikov
---
🚨 Khủng Hoảng Tín Hiệu Bằng Cấp
Điểm trung bình (GPA) từ lâu đã đóng vai trò là tín hiệu quan trọng về kỹ năng và năng lực của sinh viên đối với: 💼
- Nhà tuyển dụng tìm kiếm sinh viên tốt nghiệp xuất sắc. - Các chương trình sau đại học lựa chọn ứng viên đủ tiêu chuẩn cho nghiên cứu nâng cao. - Chính bản thân sinh viên để đánh giá tiến độ học tập của họ.
Bằng cách thổi phồng điểm số chủ yếu ở các khóa học mà AI có thể dễ dàng thay thế nỗ lực của sinh viên, GenAI đang nhanh chóng làm xói mòn giá trị tín hiệu của bằng cấp đại học. Một GPA 4.0 trong ngành học nặng về viết lách hoặc lập trình giờ đây mang ý nghĩa khách quan ít hơn so với thời kỳ trước ChatGPT, tạo ra một sự đứt gãy nguy hiểm giữa bằng cấp học thuật và năng lực thực sự. ⚠️
Nghiên cứu nhấn mạnh nhu cầu cấp thiết về cải cách đánh giá đặc thù theo ngành trong giáo dục đại học. Các trường đại học phải chuyển hướng sang các hình thức đánh giá có khả năng chống lại việc 'gian lận' bằng AI, chẳng hạn như các kỳ thi giám sát tại lớp, bảo vệ vấn đáp, và các hình thức đánh giá dự án tương tác mà sự hỗ trợ của thuật toán không thể dễ dàng thay thế sự hiểu biết của con người. 💡