خلاصه: تقلب با هوش مصنوعی در آزمون مجازی دانشگاهها به یکی از جدیترین چالشهای آموزش عالی تبدیل شده است. از کپیکردن سادهی پاسخهای چتبات تا استفاده از کارگزاران هوشمندی که تمام دورهی تحصیلی را به جای دانشجو میگذرانند، روشهای این نوع تقلب روزبهروز پیچیدهتر میشوند. آمارها نشان از رشد چشمگیر این پدیده دارد و دانشگاهها با روشهای مختلفی از جمله تلههای پنهان، ابزارهای تشخیص و بازطراحی آزمونها در تلاش برای مقابله با آن هستند. بااینحال، نبود سیاست واحد، همکاری نکردن شرکتهای سازنده و مرز مبهم میان کمکگرفتن و تقلب، مبارزه با این پدیده را دشوار کرده است. راهکارهای پیشنهادی شامل برگزاری آزمونهای آفلاین، ارزیابی مستمر و آموزش دانشجویان است.
پدیدهی تقلب با #هوش_مصنوعی در آزمون مجازی دانشگاهها، در یکدو سال اخیر به یکی از چالشبرانگیزترین مسائل نظام آموزش عالی تبدیل شده است. آنچه پیشتر یک نگرانی حاشیهای بود، اکنون به بحرانی جدی بدل شده که اعتبار آزمونهای غیرحضوری و حتی ارزش مدارک تحصیلی آنلاین را زیر سوال برده است. از استفادهی ساده از چتباتها برای پاسخگویی تا بهکارگیری کارگزاران هوشمندی که میتوانند تمام یک ترم تحصیلی را به جای دانشجو بگذرانند، روشهای تقلب با هوش مصنوعی روزبهروز پیچیدهتر و تشخیصناپذیرتر میشوند. در این مطلب، به بررسی جامع این روشها، ابزارهای مورد استفاده، راههای شناسایی و چالشهای پیشروی دانشگاهها در مواجهه با این پدیده میپردازیم.
آمارهای منتشرشده نشان از رشد سرسامآور تقلب با هوش مصنوعی در محیطهای دانشگاهی دارد. بر اساس گزارشهای رسمی، در سال تحصیلی اخیر بیش از هفت هزار مورد تقلب با هوش مصنوعی در دانشگاههای بریتانیا ثبت شده که بهمعنای ۵.۱ مورد بهازای هر هزار دانشجو است؛ رقمی که در مقایسه با سال پیشازآن که فقط ۱.۶ مورد در هر هزار نفر بود، افزایشی بیش از سه برابری را نشان میدهد. بااینحال، کارشناسان معتقدند آمار واقعی بسیار بیشتر از این ارقام رسمی است، زیرا بسیاری از موارد تقلب با هوش مصنوعی هرگز شناسایی نمیشوند.
یک پژوهش دیگر نشان میدهد که حدود ۹ درصد از دانشجویان حداقل یک بار از هوش مصنوعی برای تقلب در آزمون مجازی یا سایر ارزیابیها استفاده کردهاند. این رقم در میان کاربران روزمرهی هوش مصنوعی به ۲۶ درصد میرسد. همچنین، نرخ تقلب با هوش مصنوعی در رشتههای اقتصاد با ۱۷ درصد و روزنامهنگاری با ۱۶ درصد بالاتر از سایر رشتههاست، درحالیکه دانشجویان زیستشناسی با ۵ درصد کمترین میزان تقلب با هوش مصنوعی را دارند. در سطح جهانی نیز گزارش شده که استفاده از هوش مصنوعی میان دانشجویان از ۶۶ درصد به ۹۲ درصد افزایش یافته است. این آمارها نشان میدهد که تقلب با هوش مصنوعی دیگر یک پدیدهی حاشیهای نیست، بلکه به بخشی از واقعیت تلخ آموزش عالی در عصر دیجیتال تبدیل شده است.
سادهترین و درعینحال رایجترین روش تقلب با هوش مصنوعی در آزمون مجازی، کپی کردن سوالات آزمون و قراردادن آنها در چتباتهایی مانند ChatGPT، Gemini یا Claude است. دانشجو پس از دریافت پاسخ تولیدشده، آن را بدون هیچ تغییری در برگهی امتحان جایگذاری میکند. در یک آزمایش که در دانشگاه ریدینگ انگلستان انجام شد، پژوهشگران ۳۳ هویت دانشجویی جعلی ایجاد کردند و پاسخهای تولیدشده توسط ChatGPT-4 را بدون هیچ ویرایشی بهعنوان آزمون ارسال نمودند. نتیجه این بود که اساتید نهتنها موفق به تشخیص این پاسخها نشدند، بلکه به آنها نمراتی بالاتر از دانشجویان واقعی دادند.
یکی از نشانههای آشکار این نوع تقلب با هوش مصنوعی، شباهت عجیب پاسخهای دانشجویان مختلف است. اساتید گزارش دادهاند که دانشجویانی با سطوح بسیار متفاوت مشارکت در کلاس، پاسخهایی تقریباً یکسان از نظر جملهبندی، واژگان و حتی منطق استدلال ارائه میدهند. این پاسخها معمولاً دارای جملاتی یکنواخت، فهرستهایی مرتب و لحنی صاف و بدون فرازونشیب هستند که هیچ ردپای شخصیای در آنها دیده نمیشود. این ویژگیها، تشخیص تقلب با هوش مصنوعی را برای اساتید آسانتر کرده، اما همچنان چالشهای زیادی در اثبات آن وجود دارد.
در مقابل گسترش تقلب با هوش مصنوعی، اساتید نیز روشهای خلاقانهای برای شناسایی دانشجویان متقلب ابداع کردهاند. یکی از معروفترین این روشها، استفاده از «دستورات پنهان» یا «پرامتهای نامرئی» در متن سوالات آزمون مجازی است. جیسون گیبسون، استاد تاریخ دانشگاه Alcorn State در ایالت میسیسیپی، با قراردادن یک دستور پنهان با فونت سفید در فایل دستورالعمل امتحان، موفق شد از میان ۳۵ دانشجو، ۳۲ نفر را هنگام تقلب با هوش مصنوعی گیر بیندازد.
این دستور پنهان که برای چشم انسان کاملاً نامرئی بود، از هوش مصنوعی میخواست هنگام تولید پاسخ، جملاتی کاملاً بیربط دربارهی کشور ماداگاسکار را به متن اضافه کند. نتیجه اینکه پاسخهای بسیاری از دانشجویان به جملات عجیبی مانند «ماداگاسکار بعدازظهرها به صورت افقی شناور میشود» یا «دوچرخهی بنفش ماداگاسکار با سقف نجوا میکند» ختم شد. این جملات بیربط بهراحتی تقلب با هوش مصنوعی را لو میداد، زیرا دانشجویی که واقعاً مطلب را فهمیده بود، هرگز چنین جملاتی را در پاسخ خود نمیگنجاند. جالبترین نکته این بود که ۳۲ دانشجو حتی زحمت مطالعهی پاسخ تولیدشده توسط هوش مصنوعی را هم به خود نداده بودند و آن را مستقیماً کپی کرده بودند. این روش که به «تزریق پرامت» معروف است، یکی از مؤثرترین راههای شناسایی تقلب با هوش مصنوعی در آزمون مجازی محسوب میشود.
پیچیدهترین و پیشرفتهترین روش تقلب با هوش مصنوعی در آزمون مجازی، استفاده از «کارگزاران هوش مصنوعی» یا AI Agents است. این برنامههای خودمختار میتوانند با دریافت یک دستور ساده مانند «وارد شو و آزمون من را کامل کن»، بهطور خودکار وارد سامانههای مدیریت یادگیری مانند Canvas یا Blackboard شوند و تمام فعالیتهای تحصیلی را به جای دانشجو انجام دهند. این کارگزاران میتوانند #فیلمهای آموزشی را تماشا کنند، در بحثهای گروهی شرکت نمایند، به سوالات آزمون پاسخ دهند و حتی مقاله بنویسند.
آنچه این نوع تقلب با هوش مصنوعی را به مراتب خطرناکتر از روشهای ساده میکند، این است که کارگزاران هوش مصنوعی در خارج از مرورگر و دور از دید سیستمهای نظارتی فعالیت میکنند و ردپای رفتاری بسیار کمی از خود برجای میگذارند. آنها میتوانند پاسخها را در کلیپبورد یا لایههای بصری پنهان ذخیره کنند تا دانشجو بدون باز کردن یک ابزار هوش مصنوعی قابلتشخیص، به آنها دسترسی داشته باشد. شرکتهای سازندهی هوش مصنوعی نیز درخواست اساتید برای شناسایی این کارگزاران را نپذیرفتهاند و به حریم خصوصی دانشجو استناد کردهاند. بهعنوان مثال، شرکت Perplexity اعلام کرده که الزام کارگزاران هوش مصنوعی به معرفی خود در سامانههای آموزشی، «حریم خصوصی و امنیت دانشجو را به خطر میاندازد». این رویکرد، مقابله با تقلب با هوش مصنوعی را برای دانشگاهها به شدت دشوار کرده است.
علاوه بر چتباتهای عمومی و کارگزاران هوش مصنوعی، ابزارهای تخصصی متعددی نیز برای تقلب با هوش مصنوعی در آزمون مجازی طراحی شدهاند. یکی از این ابزارها، اپلیکیشن Cluely است که توسط دانشجویان سابق دانشگاه کلمبیا ساخته شده است. این ابزار بهعنوان یک لایهی شفاف روی صفحهی نمایش قرار میگیرد که برای نرمافزارهای اشتراکگذاری صفحه و ضبط، کاملاً نامرئی است. Cluely میتواند صفحه را بخواند، به مکالمات گوش دهد و پاسخها را در لحظه و بدون جلب توجه به کاربر نشان دهد.
افزونههای مرورگر نیز یکی دیگر از ابزارهای رایج تقلب با هوش مصنوعی هستند. این افزونهها با نامهایی مانند Easy Exam، پاسخهای تولیدشده توسط هوش مصنوعی را بهصورت مخفیانه و در لحظه در اختیار کاربر قرار میدهند. برخی از این ابزارها حتی از تکنیکهای پیشرفتهای مانند تشخیص سوالات چندگزینهای و ارائهی پاسخ صحیح بهصورت خودکار استفاده میکنند. همچنین، استفاده از عینکهای هوشمند و دستگاههای پوشیدنی نیز به یکی از روشهای جدید تقلب با هوش مصنوعی تبدیل شده است. دانشجویان با تنظیم یک فرمان میانبر روی عینک هوشمند، میتوانند از سوالات صفحه عکس بگیرند و پاسخ را مستقیماً دریافت کنند.
در آزمون مجازی که نیاز به تأیید هویت تصویری دارد، برخی دانشجویان از فناوری دیپفیک برای تقلب با هوش مصنوعی استفاده میکنند. این فناوری میتواند چهره و صدای جعلی تولید کند و سیستمهای نظارتی را فریب دهد تا فرد دیگری بتواند به جای دانشجو در آزمون شرکت کند. این روش بهویژه در آزمونهای ورودی دانشگاههای بزرگ مشاهده شده است؛ بهعنوان مثال، در آزمون ورودی دانشگاه ملی خودمختار مکزیک (UNAM)، استفاده از دیپفیک برای جعل هویت و تقلب با هوش مصنوعی منجر به تعلیق فرآیند ثبتنام شد.
روش دیگر، استفاده از ماشینهای مجازی و ابزارهای دسترسی از راه دور است. دانشجو با اجرای یک ماشین مجازی در پسزمینه یا استفاده از نرمافزارهای کنترل از راه دور، میتواند به محیطی دیگر دسترسی داشته باشد و از آنجا به کمک هوش مصنوعی یا حتی شخص دیگری برای پاسخدهی استفاده کند. این روشها بهویژه در برابر سیستمهای نظارتی مبتنی بر مرورگر که فقط فعالیتهای داخل مرورگر را کنترل میکنند، بسیار مؤثر هستند، زیرا فعالیتهای خارج از مرورگر را نمیتوانند تشخیص دهند.
شناسایی تقلب با هوش مصنوعی در آزمون مجازی، یکی از دشوارترین چالشهای پیشروی اساتید و مؤسسات آموزشی است. بااینحال، روشها و ابزارهای متعددی برای تشخیص این نوع تقلب توسعه یافته است. یکی از سادهترین روشها، تحلیل سبک نوشتار و ساختار جملات است. همانطور که اشاره شد، پاسخهای تولیدشده توسط هوش مصنوعی معمولاً دارای ویژگیهای خاصی هستند: جملات یکنواخت، لحنی بدون فرازونشیب، استفادهی مکرر از کلمات و ساختارهای کلیشهای، و نبود ردپای شخصی. اساتید باتجربه معمولاً میتوانند در عرض چند ثانیه تشخیص دهند که یک متن توسط هوش مصنوعی نوشته شده است.
ابزارهای تشخیص محتوای تولیدشده توسط هوش مصنوعی نیز به کمک اساتید آمدهاند. نرمافزارهایی مانند Turnitin، GPTZero، Copyleaks و Pangram Labs با استفاده از الگوریتمهای یادگیری عمیق، متون را بررسی کرده و احتمال تولیدشدن توسط هوش مصنوعی را محاسبه میکنند. بهعنوان مثال، Pangram Labs ادعا دارد که با دقتی معادل یک خطا در دههزار مورد، میتواند متنهای تولیدشده توسط هوش مصنوعی را تشخیص دهد. بااینحال، دقت این ابزارها همواره محل بحث بوده و ممکن است باعث متهم شدن اشتباه دانشجویان شود.
سیستمهای نظارت هوشمند یا پروکتورینگ نیز یکی دیگر از راههای شناسایی تقلب با هوش مصنوعی هستند. این سیستمها با استفاده از دوربین وبکم، حرکت چشم، حالت چهره و رفتار دانشجو را در طول آزمون مجازی رصد میکنند. برخی از این سیستمها با دقتی بالغ بر ۸۸.۶ درصد میتوانند سطوح مختلف تقلب را تشخیص دهند. بااینحال، همانطور که اشاره شد، ابزارهایی مانند Cluely بهطور خاص برای دورزدن این سیستمها طراحی شدهاند.
مواجهه با گسترش تقلب با هوش مصنوعی در آزمون مجازی، دانشگاهها را به اتخاذ رویکردهای مختلفی واداشته است. برخی دانشگاهها مانند دانشگاه پرینستون، پس از یک رسوایی بزرگ تقلب با هوش مصنوعی، سنت دیرینهی «منشور افتخار» خود را که به دانشجویان اجازه میداد بدون نظارت مستقیم در آزمونها شرکت کنند، کنار گذاشتند و به برگزاری آزمونهای حضوری تحت نظارت بازگشتند. دانشگاه حقوق شیکاگو نیز استفاده از تلفن، تبلت و لپتاپ را در کلاسهای سال اولی خود ممنوع کرده است.
در مقابل، برخی دانشگاهها رویکرد مسالمتآمیزتری در پیش گرفتهاند و به جای مقابله با تقلب با هوش مصنوعی، سعی در بازطراحی روشهای ارزیابی دارند. این رویکرد شامل طراحی تکالیفی است که هوش مصنوعی بهسختی بتواند از پس آنها برآید؛ مانند تأملات شخصی، بحثهای کلاسی دربارهی مطالب گیجکننده یا جالب، و ارائههای شفاهی. برخی اساتید نیز از هوش مصنوعی برای طراحی سوالات پیچیدهتر و چالشبرانگیزتر استفاده میکنند تا تقلب با هوش مصنوعی را دشوارتر سازند.
بااینحال، یکی از بزرگترین چالشها، نبود یک سیاست واحد و مشخص در سطح دانشگاههاست. برخی اساتید استفاده از هوش مصنوعی را میپذیرند، برخی دیگر به شدت با آن برخورد میکنند، و این سردرگمی، پیامهای متناقضی به دانشجویان ارسال میکند. همانطور که یکی از اساتید دانشگاه ایالتی کالیفرنیا گفته است: «هیچ راهنمایی برای چگونگی منصرف کردن دانشجویان از استفاده از هوش مصنوعی دریافت نمیکنم؛ فقط فرصتهایی برای یادگیری بیشتر دربارهی استفاده از آن به من داده میشود.» این وضعیت که برخی جامعهشناسان آن را «آنومی» یا بیهنجاری اجتماعی نامیدهاند، نشاندهندهی دورهای است که قواعد قدیمی دیگر کارآمد نیستند و قواعد تازهای نیز هنوز شکل نگرفته است.
یکی از مهمترین چالشها در مقابله با تقلب با هوش مصنوعی، مرز مبهم میان «کمک گرفتن» و «تقلب» است. دانشجویی که از هوش مصنوعی برای ویرایش یا بهبود نوشتهی خود استفاده میکند، با دانشجویی که تمام پاسخها را بدون مطالعه کپی میکند، تفاوت اساسی دارد؛ اما تشخیص این دو حالت با ابزارهای موجود بسیار دشوار است. این ابهام، اساتید را در برخورد با موارد مشکوک به تقلب با هوش مصنوعی دچار تردید میکند.
چالش دیگر، وابستگی مالی برخی دانشگاهها به دورههای آنلاین است. با گسترش آموزش مجازی، بسیاری از دانشگاهها درآمد قابلتوجهی از این دورهها کسب میکنند. در چنین شرایطی، گزارش دقیق آمار تقلب با هوش مصنوعی میتواند به اعتبار این دورهها آسیب بزند و در نتیجه، ممکن است برخی مؤسسات تمایلی به شفافسازی در این زمینه نداشته باشند. این موضوع، مقابله با تقلب با هوش مصنوعی را به یک معضل اقتصادی نیز تبدیل کرده است.
همچنین، شرکتهای سازندهی هوش مصنوعی نیز همکاری چندانی با دانشگاهها برای شناسایی تقلب با هوش مصنوعی ندارند. گزارشها نشان میدهد که هیچیک از سه چتبات محبوب دانشجویی یعنی ChatGPT، Gemini و Grammarly، درخواست نوشتن یک مقالهی کامل به جای دانشجو را رد نمیکنند. همچنین، این شرکتها از مدلهای خود نمیخواهند که هنگام ورود به سامانههای آموزشی مانند Canvas و Blackboard، خود را معرفی کنند. این رویکرد، عملاً بستر را برای تقلب با هوش مصنوعی هموار میسازد.
کارشناسان راهکارهای متعددی برای کاهش تقلب با هوش مصنوعی در آزمون مجازی پیشنهاد کردهاند. یکی از مؤثرترین این راهکارها، برگزاری آزمونهای آفلاین است. از آنجا که کارگزاران هوش مصنوعی برای فعالیت به اتصال اینترنت نیاز دارند، برگزاری آزمونهای دیجیتال بدون نیاز به اینترنت، میتواند بهطور مؤثری از تقلب با هوش مصنوعی جلوگیری کند.
راهکار دیگر، بازطراحی روشهای ارزیابی است. به جای تکیه بر آزمونهای سنتی که بهراحتی در معرض تقلب با هوش مصنوعی قرار دارند، میتوان از روشهای ارزیابی مستمر با آزمونهای کماهمیتتر استفاده کرد. این روش، انگیزهی دانشجویان برای تقلب با هوش مصنوعی را کاهش میدهد، زیرا ریسک هر آزمون فردی پایین است. همچنین، طراحی تکالیفی که نیازمند تفکر انتقادی، تجربهی شخصی یا خلاقیت هستند، میتواند تقلب با هوش مصنوعی را دشوارتر سازد.
در نهایت، آموزش دانشجویان دربارهی استفادهی اخلاقی از هوش مصنوعی و پیامدهای تقلب با هوش مصنوعی، میتواند در بلندمدت مؤثر واقع شود. بسیاری از دانشجویان ممکن است از جدی بودن عواقب تقلب با هوش مصنوعی آگاه نباشند یا مرز میان کمکگرفتن و تقلب را بهدرستی ندانند. شفافسازی این مفاهیم و ایجاد فرهنگ صداقت علمی، میتواند نقش مهمی در کاهش تقلب با هوش مصنوعی ایفا کند.