জেনারেটিভ AI-এর কারণে জমা দেওয়া coursework শিক্ষার্থীর নিজস্ব জ্ঞান ও দক্ষতার প্রতিফলন কি না তা নির্ধারণ করা ক্রমশ কঠিন হয়ে পড়ায়, ইংল্যান্ডের বিশ্ববিদ্যালয়গুলোকে শিক্ষার্থীদের মূল্যায়নের পদ্ধতি পুনর্বিবেচনার আহ্বান জানানো হচ্ছে। ইংল্যান্ডের উচ্চশিক্ষা নিয়ন্ত্রক Office for Students সতর্ক করেছে, যে প্রতিষ্ঠানগুলো বৈধ ও নির্ভরযোগ্য মূল্যায়ন বজায় রাখতে পারবে না, তাদের নিয়ন্ত্রক পরিণতির মুখোমুখি হতে হতে পারে।

ব্যাপকভাবে সহজলভ্য জেনারেটিভ AI tools essay, dissertation এবং take-home examination তৈরির পদ্ধতি বদলাতে শুরু করার পর থেকে বিশ্ববিদ্যালয়গুলো যে সমস্যার মোকাবিলা করছে, এই পদক্ষেপ তাতে আরও বেশি গুরুত্ব আরোপ করছে। নিয়ন্ত্রক বলেছে, প্রতিষ্ঠানগুলো তাদের মূল্যায়ন যে সত্যিই শিক্ষার্থীদের শেখা মাপছে তা দেখাতে না পারলে ইংরেজি ডিগ্রিগুলোর বিশ্বাসযোগ্যতা ঝুঁকিতে পড়বে।

মূল্যায়ন নিয়ে নিয়ন্ত্রক সতর্কতা

Office for Students-এর মতে, শিক্ষার্থীরা জানিয়েছে যে academic staff-এর নজরে না পড়েই তাদের সহপাঠীরা AI ব্যবহার করছে। নিয়ন্ত্রকের উদ্বেগ শুধু coursework-এ AI ব্যবহারের সম্ভাবনা নিয়ে নয়; বরং মূল্যায়ন ব্যবস্থা শিক্ষার্থীর নিজস্ব কাজ এবং কোনও tool দিয়ে উল্লেখযোগ্যভাবে তৈরি বা পরিবর্তিত কাজের মধ্যে পার্থক্য করতে আর সক্ষম নাও হতে পারে।

নিয়ন্ত্রক সংস্থার strategy and delivery director Josh Fleming উচ্চশিক্ষায় AI ব্যবহারের ঘটনাকে বর্তমান ব্যবস্থার জন্য প্রজন্মগত ঝুঁকি হিসেবে বর্ণনা করেছেন। এই সতর্কবার্তা দেখাচ্ছে যে assessment design এখন compliance-এর কেন্দ্রীয় বিষয় হয়ে উঠছে, যা আর শুধু individual lecturer বা department-এর ওপর ছেড়ে দেওয়া যায় না।

জ্ঞান ও দক্ষতা যাচাইয়ের জন্য প্রতিষ্ঠানগুলোকে বৈধ ও নির্ভরযোগ্য ব্যবস্থা তৈরি করতে হবে বলে Office for Students জানিয়েছে। AI-এর প্রতিক্রিয়ায় তা করতে ব্যর্থ হলে registration-এর শর্ত লঙ্ঘিত হতে পারে এবং প্রতিষ্ঠান sanctions-এর মুখে পড়তে পারে বলে সতর্ক করা হয়েছে।

প্রচলিত coursework কেন চাপে

দীর্ঘ লিখিত assignments দীর্ঘদিন ধরে বিশ্ববিদ্যালয় মূল্যায়নের একটি বড় অংশ, কারণ এগুলো research, argument, analysis এবং communication পরীক্ষা করতে পারে। জেনারেটিভ AI দ্রুত সাবলীল লেখা তৈরি করা সহজ করে এই মডেলকে জটিল করে তুলছে; নির্দিষ্ট assignment-এর জন্য তৈরি বলে মনে হয় এমন material-ও এটি তৈরি করতে পারে।

সমস্যাটি শুধু essay-এ সীমাবদ্ধ নয়। নিয়ন্ত্রকের তদন্ত dissertation এবং open-book examination-কেও এমন ক্ষেত্র হিসেবে চিহ্নিত করেছে যেখানে প্রতিষ্ঠানগুলোকে বিবেচনা করতে হবে, AI শিক্ষার্থীর সক্ষমতা সম্পর্কে তারা যে evidence পায় তাতে কী প্রভাব ফেলছে। এমন পরিস্থিতিতে polished final document একাই independent learning-এর প্রমাণ হিসেবে আগের মতো убед?

এর মানে এই নয় যে প্রতিটি written assignment বিলুপ্ত হবে। বরং নিয়ন্ত্রকের নীতিগত দিকনির্দেশনা বলছে, কোন tasks এখনও নির্ভরযোগ্য evidence দিতে পারে, কোন safeguards উপযুক্ত এবং কখন এমন settings-এ মূল্যায়ন করা উচিত যেখানে tool use সীমিত বা পর্যবেক্ষণ করা যায়—বিশ্ববিদ্যালয়গুলোকে সে বিষয়ে সচেতন সিদ্ধান্ত নিতে হবে।

আরও সরাসরি evidence-এর দিকে প্রত্যাবর্তন

নিয়ন্ত্রক যে প্রতিক্রিয়ার কথা বলেছে, তার একটি হলো AI-free assessment-এর ব্যবহার বাড়ানো। এর মধ্যে in-person written examination এবং oral examination থাকতে পারে, যেগুলোকে প্রায়ই vivas বলা হয়। এই formats assessor-কে শিক্ষার্থী কীভাবে কোনও concept ব্যাখ্যা করে, প্রশ্নের উত্তর দেয় বা কোনও problem সমাধান করে—সে বিষয়ে আরও সরাসরি evidence দিতে পারে।

শিক্ষার্থীদের জন্য এর অর্থ হতে পারে কয়েক সপ্তাহ ধরে সম্পন্ন coursework এবং supervised conditions-এ সম্পন্ন assessment-এর মধ্যে ভারসাম্যে আরও দৃশ্যমান পরিবর্তন। staff-এর জন্য এর অর্থ হতে পারে modules নতুন করে design করা, ভিন্ন ধরনের assessment form তৈরি করা এবং এমন marking approach বানানো যাতে final answer-এর পাশাপাশি শিক্ষার্থীর reasoning-ও মূল্যায়ন করা যায়।

In-person assessment একমাত্র বিকল্প নয়। Office for Students এমন উদাহরণের কথা উল্লেখ করেছে যেখানে শিক্ষার্থীদের AI-generated output-এর সমালোচনা বা সম্পাদনা করতে বলা হয়। এই পদ্ধতিতে AI assessment-এর subject-এর অংশ হয়ে ওঠে: শিক্ষার্থীকে limitations শনাক্ত করতে, informed changes করতে এবং generated text সরাসরি জমা না দিয়ে judgment দেখাতে হয়।

আরেকটি model হলো process-based assessment। শিক্ষার্থীদের কীভাবে research করে কাজটি তৈরি করেছে তা document করতে বলা যেতে পারে, যাতে educators final submission-এর পেছনের development সম্পর্কে আরও পরিষ্কার ধারণা পান। এই evidence-এর exact value course ও task-এর ওপর নির্ভর করবে, কিন্তু মূল লক্ষ্য একই: assessments যেন learning প্রকাশ করে, শুধু end product সংগ্রহ না করে।

বিশ্ববিদ্যালয়গুলোর পদক্ষেপ নেওয়ার চাপ

Department for Education বলেছে, তারা বিশ্ববিদ্যালয়গুলোর কাছ থেকে বিষয়টি গুরুত্বের সঙ্গে নেওয়ার এবং Office for Students-এর কাছ থেকে বিদ্যমান standards কার্যকরভাবে প্রয়োগের প্রত্যাশা করে। AI-কে ঘিরে regulatory framework স্পষ্ট, শক্তিশালী ও দীর্ঘস্থায়ী হওয়া উচিত বলেও তারা জানিয়েছে।

নিয়ন্ত্রক স্বীকার করেছে যে অনেক প্রতিষ্ঠান ইতিমধ্যে assessments নতুনভাবে design করা শুরু করেছে। এটি গুরুত্বপূর্ণ, কারণ বিশ্ববিদ্যালয়গুলো কোনও একক সাধারণ baseline থেকে শুরু করছে না। Courses কী শেখায় এবং শিক্ষার্থীদের কীভাবে competence দেখাতে হয়—দুই ক্ষেত্রেই ব্যাপক পার্থক্য রয়েছে। একটি laboratory discipline, arts programme এবং professional course-এর জন্য supervised, oral, practical ও written work-এর ভিন্ন সমন্বয় প্রয়োজন হতে পারে।

তাই চ্যালেঞ্জটি AI-generated writing শনাক্ত করার চেয়ে বিস্তৃত। Detection tools অনিশ্চিত হতে পারে, অথচ assessment policy শিক্ষার্থীদের জন্য fair এবং teaching staff-এর জন্য বাস্তবসম্মত হতে হবে। valid ও reliable measures-এর ওপর নিয়ন্ত্রকের জোর দৃষ্টি ঘুরিয়ে দিচ্ছে এমন assessments design করার দিকে, যা নিজেরাই শক্ত ভিত্তিতে দাঁড়াতে পারে—submission নিয়ে পরে তৈরি হওয়া সন্দেহের ওপর নির্ভর না করে।

এরপর কী বদলাবে

Office for Students-এর অবস্থান ইংল্যান্ডের higher-education sector জুড়ে assessment formats নিয়ে পরীক্ষানিরীক্ষা ত্বরান্বিত করতে পারে। যেখানে independent authorship অপরিহার্য, সেখানে আরও oral presentations, supervised writing, vivas এবং documented project work programme-এর পরিচিত বৈশিষ্ট্য হয়ে উঠতে পারে।

একই সঙ্গে, নিয়ন্ত্রক যে উদাহরণগুলো দিয়েছে তাতে বোঝা যায় বিশ্ববিদ্যালয়গুলোকে AI পুরোপুরি উপেক্ষা করতে বলা হচ্ছে না। শিক্ষার্থীদের AI output মূল্যায়ন বা উন্নত করতে বলা হলে প্রতিষ্ঠানগুলো critical thinking ও subject knowledge মূল্যায়ন করতে পারবে, পাশাপাশি স্বীকার করবে যে technology এখন বৃহত্তর learning environment-এর অংশ।

বিশ্ববিদ্যালয়গুলোর তাৎক্ষণিক পরীক্ষা হবে, assessment-কে সহজে supervised করা যায় এমন অল্প কয়েকটি task-এ সীমাবদ্ধ না করে তারা এই পরিবর্তনগুলো করতে পারে কি না। নিয়ন্ত্রকের বার্তা স্পষ্ট: একটি degree শিক্ষার্থীর knowledge ও skills-এর প্রতিনিধিত্ব করে—এটি প্রতিষ্ঠানগুলোকে প্রমাণ করতে সক্ষম হতে হবে। AI যুগে learning কীভাবে assess করা হয় তার আরও বৈচিত্র্যময় ও সরাসরি বিবরণ প্রয়োজন হতে পারে।

এই নিবন্ধটি The Guardian-এর reporting-এর ভিত্তিতে তৈরি। মূল নিবন্ধ পড়ুন।

Originally published on theguardian.com