Η είσοδος της τεχνητής νοημοσύνης στην εκπαίδευση δεν αλλάζει απλώς τον τρόπο που γράφουν οι φοιτητές — αλλάζει τα ίδια τα αποτελέσματα. Σε όλο και περισσότερα πανεπιστήμια, παρατηρείται ένα σαφές μοτίβο: εκτόξευση των υψηλών βαθμολογιών, με περισσότερους φοιτητές να κατακτούν Α και άριστα, συχνά με τη βοήθεια εργαλείων όπως το ChatGPT.
Το φαινόμενο δεν είναι απλώς «τεχνολογικό». Είναι δομικό. Οι εκπαιδευτικοί θεσμοί ήδη αντιμετώπιζαν πρόβλημα grade inflation εδώ και χρόνια, με την πλειονότητα των φοιτητών να συγκεντρώνει υψηλές βαθμολογίες. Το AI έρχεται να επιταχύνει αυτή την τάση, δημιουργώντας ένα νέο περιβάλλον όπου η διάκριση μεταξύ καλού και μέτριου φοιτητή γίνεται όλο και πιο δύσκολη.
Η ουσία του προβλήματος βρίσκεται στην ίδια τη φύση της τεχνητής νοημοσύνης. Τα εργαλεία αυτά δεν δίνουν απλώς απαντήσεις — δομούν επιχειρήματα, οργανώνουν σκέψη, παράγουν ολοκληρωμένα essays. Ένας φοιτητής μπορεί πλέον να παραδώσει εργασία υψηλού επιπέδου χωρίς να έχει εμβαθύνει ουσιαστικά στο αντικείμενο. Το αποτέλεσμα; Ανεβαίνει ο βαθμός, όχι απαραίτητα η γνώση.
Αυτό δημιουργεί ένα κρίσιμο mismatch στην αγορά εργασίας. Οι απόφοιτοι εμφανίζονται πιο «ικανοί» στα χαρτιά, αλλά όχι απαραίτητα πιο καταρτισμένοι στην πράξη. Η αγορά αρχίζει να βλέπει πτυχία που αντικατοπτρίζουν δεξιότητες χρήσης AI και όχι πραγματική κατανόηση. Με απλά λόγια, παράγονται χρήστες εργαλείων — όχι απαραίτητα επαγγελματίες με βάθος γνώσης.
Τα πανεπιστήμια βρίσκονται μπροστά σε ένα δύσκολο δίλημμα. Από τη μία πλευρά, δεν μπορούν να αγνοήσουν την τεχνολογία. Από την άλλη, αν την ενσωματώσουν χωρίς όρια, ρισκάρουν να υποβαθμίσουν την ίδια την αξία των τίτλων σπουδών. Ήδη βλέπουμε πειραματισμούς: περισσότερες προφορικές εξετάσεις, in-class assessments και tasks που απαιτούν real-time σκέψη χωρίς πρόσβαση σε AI.
Το πρόβλημα όμως δεν είναι μόνο εκπαιδευτικό — είναι και στρατηγικό. Η τεχνητή νοημοσύνη αλλάζει το τι σημαίνει «ικανός φοιτητής». Δεν αρκεί πλέον να γνωρίζεις το αντικείμενο. Πρέπει να ξέρεις πώς να συνεργάζεσαι με την τεχνολογία, πώς να αξιολογείς την πληροφορία και πώς να παράγεις πρωτογενή σκέψη πέρα από το output μιας μηχανής.
Σε αυτό το νέο περιβάλλον, η αξιολόγηση μετατοπίζεται από το αποτέλεσμα στη διαδικασία. Πώς σκέφτηκες; Πώς κατέληξες στο συμπέρασμα; Τι μπορείς να υποστηρίξεις χωρίς βοήθεια; Αυτά είναι τα νέα metrics που αρχίζουν να αποκτούν αξία.
SBC Σχόλιο: Το AI δεν κάνει τους φοιτητές πιο έξυπνους — τους κάνει πιο αποδοτικούς. Το πρόβλημα είναι ότι τα πανεπιστήμια αξιολογούν το αποτέλεσμα, όχι τη διαδικασία. Αν αυτό δεν αλλάξει, θα έχουμε πτυχία υψηλών βαθμών και χαμηλής ουσίας. Και η αγορά, αργά ή γρήγορα, θα το τιμολογήσει.
