इंग्लैंड के विश्वविद्यालयों से छात्रों के मूल्यांकन के तरीकों पर पुनर्विचार करने का आग्रह किया जा रहा है, क्योंकि जनरेटिव AI के कारण यह तय करना लगातार कठिन हो रहा है कि जमा किया गया पाठ्यकार्य छात्र के अपने ज्ञान और कौशल को दर्शाता है या नहीं। इंग्लैंड के उच्च-शिक्षा नियामक Office for Students ने चेतावनी दी है कि जो संस्थान वैध और विश्वसनीय मूल्यांकन बनाए रखने में विफल रहेंगे, उन्हें नियामकीय परिणामों का सामना करना पड़ सकता है।
यह हस्तक्षेप उस समस्या पर अधिक गंभीरता से ध्यान केंद्रित करता है, जिससे विश्वविद्यालय तब से जूझ रहे हैं जब व्यापक रूप से उपलब्ध जनरेटिव AI उपकरणों ने निबंध, शोध-प्रबंध और घर से दिए जाने वाले परीक्षापत्र तैयार करने के तरीके बदलने शुरू किए। नियामक ने कहा कि यदि संस्थान यह नहीं दिखा सके कि उनके मूल्यांकन वास्तव में छात्र के सीखने को मापते हैं, तो अंग्रेज़ी डिग्रियों की विश्वसनीयता जोखिम में पड़ सकती है।
मूल्यांकन पर नियामकीय चेतावनी
Office for Students के अनुसार, छात्रों ने बताया है कि उनके सहपाठी शैक्षणिक कर्मचारियों की पकड़ में आए बिना AI का उपयोग कर रहे हैं। नियामक की चिंता केवल यह नहीं है कि पाठ्यकार्य में AI का इस्तेमाल किया जा सकता है; चिंता यह है कि मूल्यांकन प्रणालियाँ अब छात्र के अपने काम और किसी उपकरण द्वारा बड़े स्तर पर तैयार या बदले गए काम के बीच अंतर करने में सक्षम नहीं रह गई हैं।
नियामक के रणनीति और कार्यान्वयन निदेशक Josh Fleming ने उच्च शिक्षा में AI के उपयोग को मौजूदा व्यवस्था के लिए पीढ़ीगत जोखिम बताया। यह चेतावनी संकेत देती है कि मूल्यांकन की रूपरेखा तैयार करना अब अनुपालन का केंद्रीय मुद्दा बन रहा है, न कि केवल व्यक्तिगत व्याख्याताओं या विभागों पर छोड़ा जाने वाला विषय।
Office for Students ने कहा कि संस्थानों को ज्ञान और कौशल की जाँच के लिए वैध और विश्वसनीय उपाय तैयार करने होंगे। उसने चेतावनी दी कि AI के जवाब में ऐसा करने में विफलता पंजीकरण की शर्तों का उल्लंघन हो सकती है और संस्थान पर प्रतिबंध लगाए जा सकते हैं।
पारंपरिक पाठ्यकार्य पर दबाव क्यों है
लंबे लिखित कार्य लंबे समय से विश्वविद्यालयी मूल्यांकन का प्रमुख हिस्सा रहे हैं, क्योंकि वे शोध, तर्क, विश्लेषण और संचार की जाँच कर सकते हैं। जनरेटिव AI इस मॉडल को जटिल बना रहा है, क्योंकि इससे धाराप्रवाह पाठ जल्दी तैयार करना आसान हो गया है, जिसमें किसी विशिष्ट कार्य के अनुरूप दिखाई देने वाली सामग्री भी शामिल हो सकती है।
यह कठिनाई केवल निबंधों तक सीमित नहीं है। नियामक की जाँच में शोध-प्रबंधों और खुली-पुस्तक परीक्षाओं को भी ऐसे क्षेत्र बताया गया है, जहाँ संस्थानों को विचार करना होगा कि AI छात्रों की क्षमता के बारे में मिलने वाले प्रमाण को कैसे प्रभावित करता है। ऐसे माहौल में केवल एक सुसज्जित अंतिम दस्तावेज़ स्वतंत्र सीखने के प्रमाण के रूप में उतना प्रभावी नहीं हो सकता, जितना पहले था।
इसका अर्थ यह नहीं है कि हर लिखित कार्य समाप्त हो जाएगा। इसके बजाय, नियामक द्वारा बताई गई नीतिगत दिशा से संकेत मिलता है कि विश्वविद्यालयों को सोच-समझकर तय करना होगा कि कौन-से कार्य अब भी भरोसेमंद प्रमाण दे सकते हैं, कौन-से सुरक्षा उपाय उचित हैं और मूल्यांकन कब ऐसे वातावरण में होना चाहिए जहाँ उपकरणों के उपयोग को सीमित या देखा जा सके।
अधिक प्रत्यक्ष प्रमाण की ओर वापसी
नियामक द्वारा रेखांकित एक उपाय AI-मुक्त मूल्यांकन का अधिक उपयोग है। इसमें आमने-सामने लिखित परीक्षाएँ और मौखिक परीक्षाएँ शामिल हो सकती हैं, जिन्हें अक्सर viva कहा जाता है। ऐसे प्रारूप मूल्यांकनकर्ता को इस बात का अधिक प्रत्यक्ष प्रमाण दे सकते हैं कि छात्र किसी अवधारणा को कैसे समझाता है, प्रश्नों का उत्तर कैसे देता है या किसी समस्या को कैसे हल करता है।
छात्रों के लिए इसका अर्थ यह हो सकता है कि कई सप्ताह में पूरा किए गए पाठ्यकार्य और निगरानी वाली परिस्थितियों में किए गए मूल्यांकन के बीच संतुलन अधिक स्पष्ट रूप से बदल जाए। कर्मचारियों के लिए इसका अर्थ मॉड्यूल को फिर से तैयार करना, मूल्यांकन के अलग-अलग रूप तैयार करना और ऐसी अंकन पद्धतियाँ बनाना हो सकता है, जो अंतिम उत्तरों के साथ-साथ छात्र के तर्क का भी मूल्यांकन करें।
आमने-सामने मूल्यांकन ही एकमात्र विकल्प नहीं है। Office for Students ने ऐसे उदाहरणों का उल्लेख किया जिनमें छात्रों से AI द्वारा तैयार सामग्री की आलोचना या संपादन करने को कहा जाता है। इस दृष्टिकोण में AI मूल्यांकन के विषय का हिस्सा बन जाता है: छात्र को सीमाएँ पहचाननी होती हैं, सूचित बदलाव करने होते हैं और केवल तैयार पाठ जमा करने के बजाय निर्णय क्षमता दिखानी होती है।
एक अन्य मॉडल प्रक्रिया-आधारित मूल्यांकन है। छात्रों से यह दर्ज करने को कहा जा सकता है कि उन्होंने अपने काम पर शोध और उसे तैयार कैसे किया, जिससे शिक्षकों को अंतिम प्रस्तुति के पीछे के विकास की अधिक स्पष्ट जानकारी मिल सके। ऐसे प्रमाण का वास्तविक मूल्य पाठ्यक्रम और कार्य पर निर्भर करेगा, लेकिन मूल उद्देश्य एक ही है: मूल्यांकन में सीखने का पता चलना चाहिए, केवल अंतिम उत्पाद जमा नहीं होना चाहिए।
विश्वविद्यालयों पर कार्रवाई का दबाव
Department for Education ने कहा कि वह विश्वविद्यालयों से इस मुद्दे को गंभीरता से लेने और Office for Students से मौजूदा मानकों को प्रभावी ढंग से लागू करने की अपेक्षा करता है। उसने AI से संबंधित नियामकीय ढाँचे को स्पष्ट, मजबूत और टिकाऊ बनाने का भी आह्वान किया।
नियामक ने स्वीकार किया कि कई संस्थानों ने पहले ही मूल्यांकन को फिर से तैयार करना शुरू कर दिया है। यह महत्वपूर्ण है, क्योंकि विश्वविद्यालय किसी एक समान प्रारंभिक स्थिति से शुरुआत नहीं कर रहे हैं। पाठ्यक्रम इस बात में व्यापक रूप से अलग होते हैं कि वे क्या पढ़ाते हैं और छात्रों को अपनी दक्षता कैसे प्रदर्शित करनी होती है। प्रयोगशाला-आधारित विषय, कला कार्यक्रम और पेशेवर पाठ्यक्रम—इनमें से प्रत्येक को निगरानी वाले, मौखिक, व्यावहारिक और लिखित कार्यों के अलग-अलग मिश्रण की आवश्यकता हो सकती है।
इसलिए चुनौती AI-जनित लेखन का पता लगाने से कहीं व्यापक है। पता लगाने वाले उपकरण अनिश्चित हो सकते हैं, जबकि मूल्यांकन नीति छात्रों के लिए निष्पक्ष और शिक्षण कर्मचारियों के लिए व्यावहारिक रहनी चाहिए। वैध और विश्वसनीय उपायों पर नियामक का जोर ध्यान उस मूल्यांकन की रूपरेखा तैयार करने की ओर ले जाता है जो अपने दम पर टिक सके, न कि किसी प्रस्तुति के बाद पैदा हुए संदेह पर निर्भर रहे।
अब आगे क्या बदलेगा
Office for Students का रुख इंग्लैंड के उच्च-शिक्षा क्षेत्र में मूल्यांकन के प्रारूपों के साथ प्रयोग को तेज कर सकता है। अधिक मौखिक प्रस्तुतियाँ, निगरानी में लेखन, viva और दर्ज की गई परियोजना-आधारित कार्यप्रणालियाँ उन कार्यक्रमों की परिचित विशेषताएँ बन सकती हैं जहाँ स्वतंत्र लेखन आवश्यक है।
साथ ही, नियामक द्वारा दिए गए उदाहरणों से संकेत मिलता है कि विश्वविद्यालयों से AI को पूरी तरह नज़रअंदाज़ करने के लिए नहीं कहा जा रहा है। छात्रों से AI की सामग्री का मूल्यांकन या सुधार करने को कहना संस्थानों को आलोचनात्मक सोच और विषयगत ज्ञान का मूल्यांकन करने में मदद कर सकता है, जबकि यह स्वीकार करता है कि तकनीक अब व्यापक सीखने के वातावरण का हिस्सा है।
विश्वविद्यालयों के लिए तत्काल परीक्षा यह होगी कि क्या वे मूल्यांकन को आसानी से निगरानी किए जा सकने वाले सीमित कार्यों तक सीमित किए बिना ये बदलाव कर सकते हैं। नियामक का संदेश स्पष्ट है: संस्थानों को यह साबित करने में सक्षम होना होगा कि डिग्री छात्र के ज्ञान और कौशल का प्रतिनिधित्व करती है। AI के दौर में इसके लिए सीखने के मूल्यांकन के तरीके का अधिक विविध और प्रत्यक्ष विवरण आवश्यक हो सकता है।
यह लेख The Guardian की रिपोर्टिंग पर आधारित है। मूल लेख पढ़ें।
Originally published on theguardian.com




