في عالم يتزايد فيه اعتمادنا على الذكاء الاصطناعي (AI) بشكل يومي، أصبح من الضروري تطوير أساليب تقييم تعكس مهارات الطلاب الحقيقية بدلاً من قدرتهم على استخدام الذكاء الاصطناعي فقط. تحدد الأبحاث الحديثة نهجاً جديداً لتقييم الطلاب في دورات علوم الكمبيوتر المتقدمة، يركز على مفهوم "مهارات مقاومة الذكاء الاصطناعي".

فكرة هذا النهج هي منح الطلاب حرية استخدام أدوات الذكاء الاصطناعي، ولكن بدون السماح لهذه الأدوات بأن تكون بمثابة ميزة تنافسية من حيث الدرجات. بهذا الشكل، يساهم التقرير في تحقيق نتائج تعليمية واقعية، حيث يتم تقييم الطلاب بناءً على قدرتهم على تحقيق نتائج تتجاوز المعايير الأساسية التي توفرها تقنيات الذكاء الاصطناعي الحالية.

تقدم الورقة إطاراً رسمياً حد أدنى لتحقيق هذا الهدف، والذي يتضمن تحديد مهمة حقيقية، ومقيم قابل للتنفيذ، وحدود Pareto المعتمدة على الذكاء الاصطناعي. تعتمد قواعد التقييم على فائض Pareto، مما يوفر شهادة قابلة للقياس بأن العمل المقدم يحقق توازناً لم يُقدَّم مسبقاً بواسطة معيار الذكاء الاصطناعي المعتمد. من خلال تفسير الفائض كدليل على مهارة الطالب، يتم توسيع الإطار لاحقاً ليشمل تعقيدات عملية مثل حلقات التعلم الذاتي للذكاء الاصطناعي، والحيادية في الميزانية، والتغذية المرتدة المُدارة بواسطة الخوادم، والتحديات المعتمدة على المطالبات.

كجزء من هذا الإطار، تم وصف مهمة تقدير تقريبية تتسم بمقاومة الذكاء الاصطناعي تركز على فلترات بلوم (Bloom Filters) لدورة COMP 480/580 في جامعة رايس، والتي تهدف إلى اختبار ما إذا كان الطلاب يمكنهم تحسين الحلول التي تم إنشاؤها بواسطة الذكاء الاصطناعي.

ما هو رأيكم في هذا النوع من التقييمات الجديدة؟ كيف يمكن أن تؤثر على طريقة تعليم علوم الكمبيوتر؟ شاركونا بآرائكم في التعليقات!