Когато ИИ може да изпълни заданието, какво всъщност оценяват университетите?

Днес генеративният AI може да пише есета, да решава задачи, да анализира данни и да създава сложни академични разработки.

Но ако студентът представи отлична работа, означава ли това, че е усвоил необходимите знания и умения?

Нов систематичен обзор на Helen Crompton и Diane Burke (2026), обхващащ 72 научни изследвания от 24 държави, предлага три основни посоки за преосмисляне на университетското оценяване:

• Оценяване на процеса, а не само на крайния резултат.
• Автентични задачи, свързани с реални професионални проблеми.
• Устно и диалогично оценяване, при което студентите обясняват и защитават решенията си.

Изследването потвърждава и една важна тема, която многократно обсъждаме в блога на Научноизследователския институт (НИИ):

Проблемът не е само в академичната нечестност. По-същественият въпрос е валидността на оценяването.

Трябва да можем да разграничим какво студентите знаят и могат да правят самостоятелно и какво могат да постигнат с помощта на AI.

Това изисква промени в учебните задания, критериите за оценяване, подготовката на преподавателите и институционалните политики.

В новия блог пост на НИИ свързваме резултатите от обзора с предишни наши анализи за академичната почтеност, оценяването с AI, модела на Университета в Сидни и развитието на AI компетентности.

Прочетете публикацията в НИИ блога.

Въпрос към преподаватели, студенти и университетски ръководители: Кои от сегашните ни форми на оценяване все още предоставят убедителни доказателства за реално придобити знания и умения? И кои трябва да променим?

Споделете вашите мнения и практически примери: https://www.ue-varna.bg/bg/p/7809/za-nas/nauchnoizsledovatelski-institut