এআই ভুয়া শিক্ষার্থী ভর্তি কমিউনিটি কলেজের অর্থায়নে একটি দুর্বলতা প্রকাশ করছে

ভুয়া শিক্ষার্থী, আসল aid অর্থ: এআই কীভাবে নতুন ধরনের কলেজ প্রতারণাকে স্কেল করছে

যুক্তরাষ্ট্রের কমিউনিটি কলেজগুলিতে বাড়তে থাকা প্রতারণার ধরন উচ্চশিক্ষার একটি পরিচিত সমস্যাকে আরও স্বয়ংক্রিয় এবং ধরতে কঠিন কিছুতে পরিণত করছে। The New Yorker থেকে The Decoder-এর সংক্ষেপিত একটি প্রতিবেদনের মতে, প্রতারকরা কলেজ কোর্সে ভুয়া শিক্ষার্থী ভর্তি করছে, financial aid সংগ্রহ করছে, এবং স্কিমটি চালু রাখতে যথেষ্ট coursework শেষ করার জন্য AI tools ব্যবহার করছে।

এর mechanics এতটাই সরল যে উদ্বেগজনক। প্রতারকরা student identities তৈরি বা নিয়ন্ত্রণ করছে বলে মনে হয়, দূর থেকে নেওয়া যায় এমন কোর্সে নাম নথিভুক্ত করছে, ওই enrollment-এর সঙ্গে যুক্ত aid পেয়ে যাচ্ছে, তারপর discussion posts, assignments বা অন্যান্য প্রয়োজনীয় submission তৈরি করতে generative AI-এর ওপর নির্ভর করছে। এর ফলে এমন এক ধরনের প্রতারণা তৈরি হচ্ছে যা academic excellence বা গভীর subject knowledge-এর ওপর নির্ভর করে না। এটি নির্ভর করে টাকা সরানোর জন্য যথেষ্ট সময় বিশ্বাসযোগ্য দেখানোর ওপর।

এই পার্থক্য গুরুত্বপূর্ণ, কারণ এটি প্রতিষ্ঠানের risk profile বদলে দেয়। college-গুলো plagiarism, identity issues এবং aid abuse বহুদিন ধরে মোকাবিলা করছে। এখানে ভিন্নতা হলো, সামান্য effort-এ অংশগ্রহণের ভানকে শিল্প-পর্যায়ে নিয়ে যাওয়ার ক্ষমতা। বিশেষ করে asynchronous online course-এ, যেখানে face-to-face verification খুব কম বা নেই, সেখানে student activity-এর ভান বজায় রাখার labor cost AI কমিয়ে দেয়।

Asynchronous course কেন বিশেষভাবে ঝুঁকিপূর্ণ

The Decoder যে বিবরণ উদ্ধৃত করেছে, তা asynchronous online classes-কে system-এর সবচেয়ে উন্মুক্ত অংশ হিসেবে দেখায়। এমন পরিবেশে, শিক্ষার্থীদের camera-র সামনে আসতে, live-এ instructor-এর সঙ্গে কথা বলতে, বা real time-এ স্বাধীন লেখকত্ব প্রমাণ করতে কখনওই নাও হতে পারে। এতে fraudulent enrollment generic profile, templated writing, এবং automated responses-এর আড়ালে কাজ করার জায়গা পেয়ে যায়।

East Los Angeles College-এর professor David Song সূত্রকে জানান, কয়েক বছর আগে তিনি বিষয়টি লক্ষ্য করা শুরু করেন যখন তাঁর history course-এ সাধারণ Anglo-Saxon নামের শিক্ষার্থী দেখা যেতে থাকে, যদিও ছাত্রসমাজের বড় অংশ Latino এবং Asian। তাদের backstory-ও প্রশ্ন তুলেছিল। কেউ কেউ Asian American বিষয় নিয়ে academic experience দাবি করেছিল, যা তিনি যা দেখছিলেন তার সঙ্গে মেলেনি। ওই অসঙ্গতিগুলো একটি clue ছিল, কিন্তু শুধু এজন্যই যে একজন instructor এমন pattern লক্ষ্য করেছিলেন যা software systems মিস করতে পারত।

এই বিবরণটি দেখায়, education-এ প্রতারণা প্রায়ই প্রথমে স্থানীয় intuition থেকে প্রকাশ পায়, কেন্দ্রীয় detection থেকে নয়। বৃহত্তর classroom pattern-এর সঙ্গে না মেলা একটি নাম নিজে থেকে প্রমাণ নয়, কিন্তু সন্দেহজনক identity, দুর্বল academic history এবং machine-written work-এর একটি গুচ্ছ উপেক্ষা করা কঠিন হয়ে পড়তে পারে। কলেজের জন্য চ্যালেঞ্জ হলো, এই ধরনের বিচার সহজে স্কেল করা যায় না, অথচ প্রতারণা নিজেই increasingly scale করতে পারে।

AI প্রতারণা নয়, কিন্তু এটি multiplier

The Decoder-এর বিবরণে Song-এর classroom policy-এর মাধ্যমে একটি গুরুত্বপূর্ণ পার্থক্য তুলে ধরা হয়েছে। তিনি AI ব্যবহার অনুমোদন করেন, তবে labeling এবং academic honesty-এর শর্তসহ। তাঁর অভিযোগ AI আছে বলে নয়। অভিযোগ হলো, content স্পষ্টভাবে machine-generated হলেও নিয়ম মানা হচ্ছে না। এতে বোঝা যায়, মূল সমস্যা tool adoption নয়। সমস্যা হলো খুব কম খরচে engagement-এর ভান করতে AI ব্যবহার করা যায়।

একটি বৈধ classroom-এ, একজন শিক্ষার্থী brainstorming, summarizing বা revising-এর জন্য AI ব্যবহার করতে পারে, আবার মূল learning work নিজেই করে। এখানে বর্ণিত fraud scenario-তে AI একটি participation engine হয়ে যায়। account-এর পেছনে কোনো বাস্তব শিক্ষাগত সম্পর্ক না থাকলেও, এটি ন্যূনতম checkpoints পূরণ করার মতো text তৈরি করতে পারে। এ কারণেই এটি কোর্স distinction-সহ পাশ করার জন্য নয়, বরং enrollment-এর ভান বজায় রাখার জন্য বিশেষভাবে উপযোগী।

এই কারণেই সমস্যাটি academic integrity এবং financial controls-এর intersection-এ দাঁড়িয়ে আছে। traditional plagiarism systems ছাত্রের কাজকে বিদ্যমান উৎস বা অন্যদের কাজের সঙ্গে তুলনা করার জন্য তৈরি হয়েছিল। supposed student সত্যিই আছে কি না, engaged কি না, এবং enrollment-এর সঙ্গে যুক্ত aid-এর যোগ্য কি না, তা শনাক্ত করতে সেগুলি কম উপযুক্ত। AI synthetic participation-কে আরও ধারাবাহিক এবং আরও প্রতিক্রিয়াশীল দেখিয়ে সেই gap আরও জটিল করে তোলে।

মাঠে শিক্ষকরা কী দেখছেন

রিপোর্টে আরেকজন professor-এর অভিজ্ঞতাও রয়েছে, যা এক শ্রেণিকক্ষের বাইরে বড় চিত্র দেখায়। ইতিহাসের professor David Roach অনুমান করেন, তাঁর অর্ধেকেরও বেশি শিক্ষার্থী paper লেখার জন্য AI ব্যবহার করে, এবং একটি কঠিন প্রশ্ন তোলেন: এটা কি সবসময়ই এমন ছিল যে কাজটা সহজ হলেই অর্ধেক শিক্ষার্থী চুরি করবে? এই মন্তব্যটি কোনো মাপ নয়, বরং একটি সতর্কতা। যখন cheating-এর বাধা কমে যায়, তখন system-এর লুকোনো দুর্বলতা আরও স্পষ্ট হয়ে ওঠে।

এই পর্যবেক্ষণ গুরুত্বপূর্ণ, কারণ এটি দুটি ওভারল্যাপিং সমস্যা দেখায়। একটি হলো সত্যিকারের শিক্ষার্থীদের ব্যাপক unauthorized AI ব্যবহার। অন্যটি হলো aid money-এর জন্য ব্যক্তি বা নেটওয়ার্কের সরাসরি enrollment fraud। দুটো এক নয়, কিন্তু শিক্ষক দৃষ্টিতে মিলেমিশে যেতে পারে। দুটিই low-authenticity coursework তৈরি করতে পারে। দুটিই remote learning environment-এ বিশ্বাস ক্ষয় করতে পারে। এবং দুটিই faculty-এর ওপর বোঝা বাড়ায়, যাদের প্রতিটি assignment ধরে authenticity বিচার করতে বলা হচ্ছে।

কলেজগুলোর জন্য বিপদ হলো, শুধু academic misconduct-এর দিকে মনোযোগ দিলে financial এবং administrative দিকটি বাদ পড়ে যেতে পারে। যদি কোনো ভুয়া শিক্ষার্থী aid disbursement trigger বা ধরে রাখার জন্য যথেষ্ট সময় enrolled থাকতে পারে, তাহলে integrity failure কেবল pedagogical নয়, institutionalও।

স্ক্যামের ব্যবসায়িক মডেল

এই pattern উল্লেখযোগ্য, কারণ এটি একসঙ্গে বেশ কয়েকটি বিদ্যমান incentive কাজে লাগাচ্ছে বলে মনে হয়। কমিউনিটি কলেজ প্রায়ই ব্যাপক access, flexible scheduling এবং opportunity বাড়ানোর জন্য তৈরি online option দেয়। financial aid system-গুলো সেই access সমর্থনের জন্য তৈরি। meanwhile, AI tools সস্তা এবং সহজলভ্য। একসঙ্গে তারা এমন একটি loophole তৈরি করে যেখানে access infrastructure-ই নিজের বিরুদ্ধে ব্যবহার করা যায়।

প্রতারকের দৃষ্টিতে, মডেলটি দক্ষ। enrollment বড় পরিসরে করা যায়। coursework prompts এবং automated drafting-এ outsource করা যায়। study করার বদলে human effort registration এবং aid process-এর দিকে সরে যায়। যদি detection এখনও mostly manual থাকে, তাহলে অর্থনীতি repeated attempts-এর পক্ষে কাজ করে।

এই কারণেই সমস্যাটিকে কেবল classroom discipline story হিসেবে দেখা উচিত নয়। এটি platform abuse problem-এর কাছাকাছি। কলেজ হলো platform, aid হলো payout mechanism, আর AI হলো productivity layer, যা খারাপ actor-দের system-এর ভেতরে আরও দীর্ঘ সময় active থাকতে সাহায্য করে।

কলেজগুলোর কী পুনর্বিবেচনা করা দরকার হতে পারে

মূল লেখায় কোনো policy roadmap দেওয়া হয়নি, তবে কোথায় চাপ বাড়ছে তা স্পষ্ট। asynchronous course-গুলো আরও scrutiny-এর মুখে পড়তে পারে। identity verification শুধু enrollment-এ নয়, course-এর বিভিন্ন পর্যায়েও আরও গুরুত্বপূর্ণ হতে পারে। faculty-কে live বা staged assessment-এর দিকে ঠেলে দেওয়া হতে পারে, যেখানে শিক্ষার্থীদের real time-এ authorship দেখাতে হবে। financial aid oversight-ও enrollment analytics এবং course participation signal-এর সঙ্গে আরও ঘনিষ্ঠ সমন্বয় চাইতে পারে।

এই পরিবর্তনগুলোর কোনোটিই বিনামূল্যে নয়। কমিউনিটি কলেজ resource constraint-এর মধ্যে কাজ করে এবং এমন শিক্ষার্থীদের সেবা করে যারা flexible online access থেকে সবচেয়ে বেশি লাভবান হয়। stronger identity check, আরও synchronous requirement, বা বেশি manual review legitimate learners-এর ওপর নতুন বোঝা ফেলতে পারে। এটাই policy tension। সিস্টেম যত বেশি open, তার অপব্যবহার তত সহজ হতে পারে। যত বেশি locked down, ততই সেটি যাদের সেবা করার জন্য তৈরি, তাদের বাদ দেওয়ার ঝুঁকি বাড়ে।

AI-চালিত trust ব্যবহারকারী অন্য খাতের জন্য একটি সতর্কতা

গভীর শিক্ষা শুধু কলেজে সীমাবদ্ধ নয়। যে কোনো প্রতিষ্ঠান যা identity, eligibility এবং remote digital participation-কে টাকা বা access-এর সঙ্গে যুক্ত করে, তাকে AI-assisted impersonation এবং compliance theater বৃদ্ধির আশা করতে হবে। education এখন সবচেয়ে স্পষ্ট উদাহরণগুলোর একটি, কারণ system-এ active থাকতে যে output দরকার, তার বেশিরভাগই text, আর text generative AI সবচেয়ে সস্তায় তৈরি করে।

এতে community college fraud story-টি higher education ছাড়িয়েও গুরুত্বপূর্ণ হয়ে ওঠে। এটি দেখায়, AI কীভাবে পুরনো scams-কে আরও বড় করতে পারে, boring middle-টা automate করে: discussion posts, short assignments, low-stakes signals, যা প্রতিষ্ঠানে জানায় user আছে এবং এগোচ্ছে। যখন এসব signal আর বেশি কিছু প্রমাণ করে না, তখন প্রতিষ্ঠানকে ঠিক করতে হয় authenticity-এর নতুন প্রমাণ কী হবে।

কমিউনিটি কলেজের তাত্ক্ষণিক চ্যালেঞ্জ হলো ভুয়া শিক্ষার্থীদের access program-কে extraction tool-এ পরিণত করা থেকে থামানো। বাকিদের জন্য, এটি একটি পূর্বাভাস, যেখানে automated content generation trust-নির্ভর system-এর সঙ্গে মিলিত হলে কী ঘটে তা দেখা যায়।

এই নিবন্ধটি The Decoder-এর প্রতিবেদনের ভিত্তিতে। মূল নিবন্ধ পড়ুন.