उद्योग: हायर एजुकेशन
एक्सपर्ट: जो मायर्स, UCL में लेक्चरर और क्विल्गो के लिए पूर्व मशीन लर्निंग कंसल्टेंट
टॉपिक: ऑनलाइन आकलन, AI प्रॉक्टरिंग, और अकादमिक अखंडता का विकसित परिदृश्य

एक ऐसे युग में जब ChatGPT जैसे टूल कुछ ही सेकंड में निबंध तैयार कर सकते हैं, और विभिन्न धोखाधड़ी के तरीकों को TikTok पर लाखों व्यूज मिलते हैं, अकादमिक मूल्यांकन की नींव पर ही सवाल उठाए जा रहे हैं। निष्पक्ष रूप से परीक्षण करने का वास्तव में क्या मतलब है? क्या ऑनलाइन परीक्षाओं को फिर से सुरक्षित किया जा सकता है?

इन विषयों का पता लगाने के लिए, हमने यूनिवर्सिटी कॉलेज लंदन के स्कूल ऑफ़ मैनेजमेंट में गणित के लेक्चरर जो मायर्स से बात की। जो ने क्विल्गो के साथ मशीन लर्निंग कंसल्टेंट के रूप में काम किया है, जहां उन्होंने रिमोट असेसमेंट के लिए प्रॉक्टरिंग टूल के विकास में योगदान दिया। वे शिक्षा और मशीन लर्निंग के चौराहे पर काम करते हैं, और अकादमिक सत्यनिष्ठा पर उनकी अंतर्दृष्टि महत्वपूर्ण और व्यावहारिक दोनों है।

क्विल्गो: जो, क्या आप हमें क्विल्गो में अपने और अपनी भूमिका के बारे में कुछ बता सकते हैं?

जो: मैं UCL के स्कूल ऑफ़ मैनेजमेंट में लेक्चरर हूँ, जहाँ मैं गणित और डेटा एनालिटिक्स पढ़ाता हूँ। पिछले कुछ वर्षों में, मैंने शिक्षा के डिजिटल रूपांतरण को देखा है - विशेष रूप से COVID-19 बदलाव के दौरान - और इसके साथ आई नई चुनौतियों को।

क्विल्गो में, मैं ऑनलाइन प्रॉक्टरिंग के लिए मशीन लर्निंग-आधारित एल्गोरिदम विकसित करने पर ध्यान केंद्रित करता हूं। हम ऐसे टूल बनाते हैं जो टेस्ट के दौरान छात्रों के व्यवहार की निगरानी करते हैं - कैमरा गतिविधि से लेकर स्क्रीन के उपयोग तक - ताकि संस्थानों को अकादमिक अखंडता को बनाए रखने में मदद मिल सके, खासकर रिमोट सेटिंग्स में। ChatGPT जैसे बड़े भाषा मॉडल (LLM) के उदय के साथ, जो अविश्वसनीय रूप से मानव-जैसा पाठ उत्पन्न कर सकते हैं, पारंपरिक आकलन, जैसे कि निबंध, अब धोखाधड़ी के प्रति अधिक संवेदनशील हो गए हैं। यही वजह है कि क्विल्गो में हमारा काम पहले से कहीं अधिक प्रासंगिक हो गया है।

‍

क्विल्गो: आज ऑनलाइन परीक्षण के साथ शिक्षकों के सामने सबसे प्रमुख चुनौतियां क्या हैं?

जो: यह अंततः लचीलेपन और अखंडता के बीच एक समझौते पर आ जाता है। ऑनलाइन परीक्षण महत्वपूर्ण लचीलापन प्रदान करता है, जो स्केलेबल, सुलभ और सुविधाजनक है। हालांकि, इससे अकादमिक बेईमानी की संभावना भी बढ़ जाती है। यह ट्रेड-ऑफ वह है जो कई प्रमुख संस्थानों को डिजिटल आकलन को पूरी तरह से अपनाने से रोकता है।

‍

क्विल्गो: तो, आप आकलन के भविष्य को कैसे विकसित होते हुए देखते हैं?

जो: निबंध मर रहा है। मेरा मानना है कि हम समय-सीमित, उच्च-तीव्रता वाले आकलनों की ओर एक बदलाव देख रहे हैं। निबंध अब एलएलएम के लिए बहुत संवेदनशील हो गए हैं। अधिक मापनीय, निष्पक्ष और डेटा-संचालित दृष्टिकोण वास्तविक समय की स्थितियों में समझ का परीक्षण करना है - क्विल्गो जैसे कुछ उपकरण सक्षम होते हैं।

‍

क्विल्गो: “शानदार” डिजिटल परीक्षण अनुभव आपको कैसा दिखता है?

जो: प्रशिक्षकों के लिए, एक बेहतरीन मंच मूल्यवान अंतर्दृष्टि प्रदान करने पर केंद्रित है। इसे सटीक डेटा प्रदान करना चाहिए कि छात्र कहाँ संघर्ष करते हैं, विशेष रूप से प्रारंभिक परीक्षणों में। इसके अतिरिक्त, इसे ग्रेडिंग को स्वचालित करना चाहिए, परीक्षण वितरण को सुव्यवस्थित करना चाहिए और त्रुटियों को कम करना चाहिए।

छात्रों के लिए, एक शानदार अनुभव में स्पष्टता और सहज प्रगति होती है। उन्हें स्पष्ट निर्देशों और, आदर्श रूप से, रचनात्मक प्रतिक्रिया के साथ निर्बाध परीक्षण की आवश्यकता होती है।

‍

क्विल्गो: आपके विचार में, परीक्षण अखंडता की रक्षा करने में AI की क्या भूमिका है?

जो: बहुत बड़ा। हम पहले से ही AI बनाम AI को देख रहे हैं: छात्र AI का उपयोग धोखा देने के लिए करते हैं और शिक्षक इसे पकड़ने के लिए AI का उपयोग करते हैं।

साहित्यिक चोरी को लें। एलएलएम का उपयोग करके निबंध तैयार करने में आसानी के साथ, साहित्यिक चोरी तेजी से विकसित हो रही है। लेकिन AI मशीन-जनित सामग्री का पता लगाकर और असामान्य पैटर्न के लिए प्रॉक्टरिंग फुटेज को स्कैन करके इसका मुकाबला कर सकता है। एक ऐसी प्रणाली की कल्पना करें जो वास्तविक समय में संदिग्ध व्यवहार को उजागर करती है, जिससे मानव प्रॉक्टर केवल लाल झंडों पर ध्यान केंद्रित कर सकता है। हम इसी दिशा में जा रहे हैं।

‍

क्विल्गो: आकलन में एआई के बारे में शिक्षक अभी भी क्या गलत समझते हैं?

जो: यदि आकलन केवल नौकरशाही तरीके से AI पर छोड़ दिए जाते हैं, तो AI के दुरुपयोग की संभावना है। हालांकि, स्वस्थ उपयोग में एआई-संचालित आकलन शामिल होते हैं, जहां निर्धारक छात्रों में प्रमुख कमजोरियों की पहचान करने और अनुरूप प्रतिक्रिया प्रदान करने पर ध्यान केंद्रित करता है।

इसके अतिरिक्त, धोखाधड़ी के उदाहरणों को निर्धारित करने के लिए मानवीय निरीक्षण महत्वपूर्ण है। मानवीय भागीदारी के साथ, AI मूल्यांकन प्रक्रिया में उत्पादकता को महत्वपूर्ण रूप से बढ़ा सकता है, इसे 10 या 100 गुना बढ़ा सकता है।

‍

क्विल्गो: क्या आप अपने शिक्षण में क्विल्गो का उपयोग करते हैं?

जो: हां, मैं करता हूं, खासकर मेरे गणित मॉड्यूल में मध्यावधि प्रश्नोत्तरी के लिए। इसने मुझे उन छात्रों के साथ जल्दी हस्तक्षेप करने में सक्षम बनाया है जो संघर्ष कर रहे हैं। यह समझना कि कौन खराब प्रदर्शन कर रहा है और क्यों, इसने ट्यूशन देने और फ़ीडबैक देने के मेरे दृष्टिकोण को पूरी तरह से बदल दिया है।

‍

क्विल्गो: क्या आपने ऑनलाइन प्रॉक्टरिंग में बदलाव के बाद से छात्र के व्यवहार या प्रदर्शन में कोई बदलाव देखा है?

जो: बिलकुल। डिजिटल प्रॉक्टरिंग ऐसी अंतर्दृष्टि प्रदान करती है जो पारंपरिक परीक्षण नहीं कर सकते। आप छात्रों के टेस्ट के साथ इंटरैक्ट करने के तरीके के बारे में सहभागिता के स्तर, व्यवहार संबंधी रुझान और यहां तक कि सूक्ष्म पैटर्न भी देख सकते हैं। इस प्रकार का डेटा न केवल भविष्य के आकलन को आकार देने में मदद करता है, बल्कि अधिक लक्षित फ़ीडबैक भी देता है। यह व्यक्तिगत स्तर पर और पूरे समूह में, प्रत्येक छात्र के अनुभव के बारे में एक खिड़की रखने जैसा है।

‍

डेटा आकलन का भविष्य है

जो का मानना है कि आकलन एक महत्वपूर्ण परिवर्तन के दौर से गुजर रहे हैं। जबकि लचीलापन अब एक स्थायी विशेषता है, ईमानदारी बनाए रखने के लिए प्रयास की आवश्यकता होगी। क्विल्गो जैसे प्लेटफ़ॉर्म, जो AI, व्यवहारिक अंतर्दृष्टि और मानव निरीक्षण को एकीकृत करते हैं, शिक्षकों को भविष्य के लिए एक सुरक्षित, स्केलेबल और निष्पक्ष मूल्यांकन मॉडल बनाने के लिए आवश्यक उपकरण प्रदान कर सकते हैं।

यदि जो की भविष्यवाणी सच होती है, तो हम अंततः पारंपरिक निबंधों को पूर्व-एआई युग के पुराने अवशेष मान सकते हैं।

‍

इस बारे में अधिक जानना चाहते हैं कि AI अकादमिक अखंडता को कैसे बदल रहा है?

हमारी सुविधा पढ़ें: एआई चीटिंग टूल्स का उदय और क्विल्गो कैसे आगे रहता है →

अपने आकलन को आधुनिक बनाने के लिए तैयार हैं? क्विल्गो को मुफ्त में आज़माएं →