Science: Problemem nie jest AI, lecz sposób oceniania studentów

Eseje, raporty, prezentacje i projekty od lat należą do podstawowych narzędzi oceniania na uczelniach. Generatywna sztuczna inteligencja sprawia jednak, że coraz trudniej ustalić, co student wykonał samodzielnie. Autorzy badania opublikowanego w Science przekonują, że szkolnictwo wyższe potrzebuje dziś reformy sposobów oceniania, a nie kolejnych prób wykrywania treści generowanych przez AI

Badanie objęło 95 513 studentów z 20 dużych amerykańskich uniwersytetów badawczych. Dwie trzecie ankietowanych deklarowało korzystanie z generatywnej sztucznej inteligencji w roku akademickim 2023/2024, a 37 proc. używało jej regularnie, co najmniej raz w miesiącu. Wśród studentów informatyki regularne korzystanie z AI deklarowało 62 proc. respondentów, podczas gdy na kierunkach artystycznych było to 24 proc.

Wysokie wskaźniki odnotowano również na kierunkach biznesowych i ekonomicznych. Regularne korzystanie z AI deklarowało tam odpowiednio 51 i 49 proc. studentów. Zdaniem autorów pokazuje to, że narzędzia takie jak ChatGPT w bardzo krótkim czasie stały się elementem codziennej pracy studentów w wielu dziedzinach.

Problem nie kończy się na oszustwach

Aby oszacować skalę niedozwolonego wykorzystania AI, badacze zastosowali metodę pośredniego ankietowania, pozwalającą mierzyć zachowania, do których respondenci niechętnie przyznają się wprost. Na tej podstawie oszacowali, że około 9 proc. studentów korzystających z AI oddało prace wygenerowane przez sztuczną inteligencję, mimo świadomości, że może to naruszać obowiązujące zasady. Wśród osób używających takich narzędzi codziennie odsetek ten wzrastał do 26 proc.

„Chcieliśmy oprzeć dyskusję na danych dotyczących tego, jak studenci rzeczywiście korzystają ze sztucznej inteligencji, a przede wszystkim jak jej nadużywają. Już te pierwsze wyniki pokazują, że mamy do czynienia z bardzo poważnym wyzwaniem, którym uczelnie muszą się zająć” – mówi Igor Chirikov z University of California w Berkeley.

Autorzy zwracają uwagę, że przypadki oszustw są tylko częścią problemu. Jeśli student może wygenerować esej, raport, prezentację lub fragment kodu za pomocą AI, sam końcowy produkt przestaje być wiarygodnym dowodem wiedzy i umiejętności. W efekcie coraz trudniej interpretować wyniki tradycyjnych zaliczeń, prac domowych czy projektów.

„Reforma oceniania jest konieczna i pilna” – podkreśla prof. René Kizilcec z Cornell University, współautor badania, dodając: „Fakt, że studenci niewłaściwie wykorzystują generatywną sztuczną inteligencję, podważa wiarygodność oceniania, a to z kolei wpływa na wiarygodność uniwersyteckich dyplomów”.

Nie wszystkie kierunki mają ten sam problem

Skala wykorzystania AI i związanych z nią nadużyć różni się między dyscyplinami. Choć studenci kierunków ścisłych i technicznych częściej korzystają z takich narzędzi, wyższe wskaźniki niedozwolonego użycia odnotowano na kierunkach spoza STEM. W ekonomii odsetek takich przypadków oszacowano na 17 proc., a w dziennikarstwie na 16 proc. Dla porównania, w biologii wynosił on około 5 proc.

Różnice te mają znaczenie praktyczne. Zadania wykonywane przez studentów ekonomii, zarządzania czy dziennikarstwa często opierają się na analizie tekstu, argumentacji i tworzeniu treści – obszarach, w których współczesne modele językowe radzą sobie szczególnie dobrze. W innych dyscyplinach większą rolę odgrywają kompetencje laboratoryjne, praca terenowa lub umiejętności wymagające bezpośredniej obserwacji.

Zdaniem autorów oznacza to, że nie istnieje jedno rozwiązanie dla całego szkolnictwa wyższego. Reformy powinny być projektowane na poziomie poszczególnych dyscyplin, z uwzględnieniem ich specyfiki oraz sposobu, w jaki AI może wspierać lub zastępować pracę studentów.

Jak uczelnie mogą odpowiedzieć na AI

Autorzy badania wskazują trzy główne kierunki zmian.

Pierwszym jest częstsze wykorzystywanie oceniania w kontrolowanych warunkach. Chodzi m.in. o egzaminy ustne, zadania praktyczne, ćwiczenia wykonywane podczas zajęć lub inne formy sprawdzania wiedzy, które pozwalają bezpośrednio obserwować samodzielną pracę studenta. Takie rozwiązania mogą być szczególnie przydatne tam, gdzie konieczne jest potwierdzenie, że student potrafi wykonać określone zadania bez pomocy zewnętrznych narzędzi.

Drugim elementem są bardziej precyzyjne zasady korzystania ze sztucznej inteligencji. Zdaniem badaczy uczelnie powinny jasno określać, kiedy AI może wspierać pracę studenta, a kiedy zaczyna zastępować kompetencje, które mają być oceniane. Obecne podejście, oparte często na ogólnych zakazach lub równie ogólnych zgodach, nie odpowiada na sytuacje, w których AI pomaga jedynie w części zadania.

Trzecie rozwiązanie polega na przebudowie samych zadań. Autorzy proponują m.in. wymaganie dokumentowania procesu pracy, uzasadniania podejmowanych decyzji, krytycznej oceny odpowiedzi wygenerowanych przez model lub obrony własnych wniosków podczas rozmowy z prowadzącym. W takim modelu oceniany jest nie tylko końcowy rezultat, lecz także droga prowadząca do jego osiągnięcia.

Badacze podkreślają przy tym, że nie istnieje jedno rozwiązanie całkowicie „odporne na AI”. Każda forma oceniania wymaga kompromisu między wiarygodnością, praktycznością i wartością edukacyjną.

AI może pogłębić istniejące nierówności

Badanie pokazuje również różnice w dostępie do narzędzi opartych na AI. Regularne korzystanie z nich deklarowało 45 proc. mężczyzn i 33 proc. kobiet. Niższe wskaźniki odnotowano także wśród części grup mniejszościowych.

Autorzy nie traktują tego wyłącznie jako kwestii technologicznej. Umiejętność korzystania z generatywnej sztucznej inteligencji może stawać się coraz ważniejsza zarówno podczas studiów, jak i później na rynku pracy. Jeśli część studentów będzie miała mniejszy dostęp do takich narzędzi lub mniejsze doświadczenie w ich wykorzystywaniu, różnice te mogą z czasem przełożyć się na szanse edukacyjne i zawodowe.

„Jeśli nie będziemy ostrożni przy projektowaniu nowych form oceniania uwzględniających sztuczną inteligencję, możemy nieświadomie pogłębić istniejące od lat nierówności edukacyjne” – ostrzega Kizilcec.

Źródła:

Igor Chirikov, Ivan Smirnov, René F. Kizilcec, Generative AI use and misuse call for assessment reform in higher education, Science, 21 maja 2026.

Patricia Waldron, Widespread AI misuse means higher ed must rethink assessment, Cornell Chronicle, 21 maja 2026.

• aktualności
• Nauki humanistyczne i społeczne
• Nauki techniczne