Khi nộp bài thay cho chứng minh năng lực
Bài tập về nhà trong giáo dục đại học vốn vừa giúp sinh viên luyện tập, vừa để giảng viên nhận biết họ đã hiểu bài đến đâu; nhưng khi AI có thể tạo lời giải hoàn chỉnh, điểm số trên những bài làm ấy ngày càng khó phản ánh năng lực thật. Richard Borcherds, giáo sư toán tại Đại học California, Berkeley và chủ nhân Huy chương Fields năm 1998, đã ngừng chấm bài theo đúng sai vì sinh viên có thể dùng AI làm bài. Ông chuyển sang cho điểm dựa trên việc hoàn thành, và một số tường thuật cho biết sinh viên nộp bài đúng hạn được điểm tối đa. Đây không phải cải cách đáng mừng: chính Borcherds thừa nhận cách làm ấy không phải hệ thống tốt, nhưng ông chưa tìm ra phương án thay thế.
Sự thay đổi phơi bày nghịch lý của việc chấm bài tập toán: nếu lời giải đúng không còn là bằng chứng đáng tin về quá trình suy nghĩ, chấm kỹ hơn cũng chưa chắc đánh giá được ai thực sự hiểu bài. Theo Borcherds, sinh viên liên tục đạt điểm cao nhờ AI khiến việc thuê người kiểm tra từng đáp án mất mục đích; ông cho rằng dùng trợ giảng để chấm bài do máy tính tạo ra là lãng phí thời gian và tiền bạc. Điểm số vì thế có nguy cơ chuyển từ thước đo năng lực thành phần thưởng cho việc nộp bài.
Bài tập ở nhà mất giá trị, sinh viên chịu hệ quả
Với sinh viên, điểm bài tập dễ kiếm hơn không đồng nghĩa với việc học dễ hơn. Nếu làm theo lời giải AI mà không tự vật lộn với khái niệm, các em có thể đạt điểm hoàn thành nhưng bước vào kỳ thi mà chưa nắm được cách giải. Ngược lại, người tự làm bài có thể thấy công sức của mình không còn được phân biệt với sản phẩm do công cụ tạo ra. Borcherds cảnh báo rằng chấm đúng sai trong hoàn cảnh này có thể khuyến khích dùng AI thay vì tự học, đồng thời gây bất lợi cho những sinh viên trung thực. Cách chấm hiện tại vì thế không chỉ là thỏa hiệp hành chính; nó cho thấy hệ thống chưa tìm được cách ghi nhận quá trình học tập mà không nhầm đầu ra của máy với hiểu biết của người học.
Borcherds cũng cho biết điểm trung bình của các bài thi trực tuyến tăng rõ rệt và ông xem hình thức này là không còn hữu ích khi sinh viên có thể dùng AI. Trong lớp học của ông, điểm môn học chủ yếu dựa vào bài thi trực tiếp, nơi sinh viên không được dùng thiết bị điện tử. Sự dịch chuyển ấy đặt áp lực lên sinh viên: thành tích cần được thể hiện trong điều kiện mà giảng viên có thể tin rằng chính người học đang làm bài. Tuy nhiên, một kỳ thi có giám sát không tự động cho biết sinh viên đã hình thành hiểu biết bền vững hay chỉ làm tốt trong một tình huống kiểm tra.
Không chỉ một lớp học phải tìm cách đánh giá mới
Trường hợp Borcherds là dấu hiệu cho thấy đánh giá sinh viên đang va vào giới hạn của cách chấm dựa trên sản phẩm cuối cùng. Khi AI có thể viết lời giải đúng và ngày càng khó bị nhận ra qua lỗi đặc trưng, giảng viên không thể mặc nhiên xem bài nộp ở nhà là bằng chứng tác giả đã tự suy luận. Câu hỏi cốt lõi vì vậy không phải có nên cấm mọi công cụ hay không, mà là làm thế nào xác định sinh viên hiểu điều gì và có thể tự giải thích điều đó đến đâu. Các trường đại học cần đưa ra kỳ vọng rõ ràng về việc dùng AI, nhưng quy định thôi chưa đủ nếu hình thức đánh giá vẫn chỉ nhìn vào đáp án.
Berkeley chưa ban hành chính sách AI chính thức áp dụng toàn trường; Hội đồng Thượng viện Học thuật đã yêu cầu giảng viên nêu rõ quy định và kỳ vọng sử dụng AI trong đề cương môn học. Dù vậy, sự rõ ràng về quy tắc không giải quyết trọn vẹn bài toán đo năng lực. Borcherds cũng dự đoán sức ì của hệ thống học thuật có thể khiến cách dạy và đánh giá trong khoa toán hầu như không đổi trong vài năm tới. Khoảng cách giữa tốc độ AI và nhịp điều chỉnh của đại học có thể khiến sinh viên tiếp tục học trong một hệ thống mà điểm số ngày càng khó diễn giải.
Điểm số phải đo được người học, không chỉ bài nộp
Quyết định của Borcherds không phải khuôn mẫu để các trường sao chép; chính ông xem việc chỉ chấm mức độ hoàn thành là giải pháp chưa tốt. Nhưng nó buộc giáo dục đại học nhìn thẳng vào một vấn đề đã hiện hữu: khi AI làm bài tập, điểm đúng sai trên bài làm ở nhà không còn đủ để xác nhận sinh viên đã học được gì. Nếu trường tiếp tục dựa quá nhiều vào loại bài này, điểm số có thể ngày càng xa rời năng lực thật, còn sinh viên mất động lực tự luyện tập.
Bài học quan trọng không phải bỏ bài tập về nhà, mà là ngừng xem bài nộp như bằng chứng tự thân về sự hiểu biết. Những quy tắc dùng AI cần minh bạch, và cách đánh giá phải tạo cơ hội để người học cho thấy quá trình suy luận của mình. Cho đến khi có lựa chọn đáng tin hơn, quyết định của Borcherds là lời cảnh báo: nếu công cụ có thể tạo ra đáp án, đại học phải đánh giá được con người đứng sau đáp án ấy.
