تصور کنید در کلاسی هستید که تقریباً همه نمره کامل میگیرند، اما به محض اینکه باید قلم را در محیطی کنترلشده به دست بگیرند، نیمی از آنها حتی نمیدانند سؤال چیست. این اتفاق در دانشگاه براون (Brown University) رخ داد؛ جایی که حداقل ۵۰ دانشجو با استفاده از هوش مصنوعی برای تقلب در یک امتحان میانترم سطح بالا، دست به تخلف زدند. این اتفاق منجر به ایجاد وضعیتی شد که اکنون به عنوان بزرگترین رسوایی تحصیلی شناختهشده در لیگ آیوی (Ivy League) توصیف میشود.
این تقلب گسترده در درس ECON 1170 رخ داد؛ یک دوره پیشرفته برای دانشجویان مقطع کارشناسی در زمینه اقتصاد ریاضی که توسط پروفسور روبرتو سرانو (Roberto Serrano) مدیریت میشد. این حادثه نقطه عطفی برای مؤسسات نخبه آمریکایی است که اکنون در تلاشاند تا کدهای اخلاقی قرنسدهای خود را با دسترسی فوری و همهجانبه به مدلهای زبانی بزرگ (LLM) سازگار کنند. لیگ آیوی هشت مورد از eliteترین دانشگاههای خصوصی ساحل شرقی آمریکا، شامل پرینستون، هاروارد، ییل، کلمبیا، کورنل، کالج دارتموث و دانشگاه پنسیلوانیا را در بر میگیرد. در حالی که این دانشگاهها مدتها بود دانشجویان خود را برای کار مستقل مورد اعتماد قرار میدادند، مقیاس این تخلف نشاندهنده یک تغییر سیستماتیک در نحوه برخورد دانشجویان با سختکوشی و استانداردهای آکادمیک است. این چالشها در واقع بخشی از یک تقابل گستردهتر است که در آن تسلط بر ابزارهای هوشمند در برابر مشارکت عمیق روشنفکرانه در محیطهای دانشگاهی قرار گرفته است.
زمینه: میراثی از پژوهش و تابآوری
پروفسور سرانو تنها یک عضو هیئت علمی نیست، بلکه یکی از پیشگامان بهکارگیری تئوری بازیها در تحلیل بازار است؛ همان حوزهای که جان نش برای آن در سال ۱۹۹۴ جایزه نوبل اقتصاد را دریافت کرد. مسیر زندگی آکادمیک او خود داستانی از تابآوری است. در سن ۱۷ سالگی، بیماری دیستروفی شبکیه که از کودکی او را سایهوار دنبال میکرد، بهسرعت پیشرفت کرد و در عرض چند ماه او را کاملاً نابینا کرد.
سرانو به جای آنکه اجازه دهد این بیماری مانعی در برابر اهدافش شود، خط بریل را آموخت و سوابق تحصیلی درخشانی را حفظ کرد که در نهایت منجر به پذیرش او در دانشگاه هاروارد شد، جایی که در آنجا مدرک PhD خود را دریافت کرد. او نابینایی خود را از دریچه تخصص حرفهایاش میبیند و میگوید: «ما اقتصاددانان، واقعیت را به عنوان مجموعهای از افرادی میبینیم که به مسائل بهینهسازی با محدودیتها پاسخ میدهند. من بیماری خود را صرفاً به عنوان یک محدودیت دیگر میبیم که باید با آن کنار بیایم و بر اساس آن بهینهسازی میکنم».
سرانو ۳۴ سال است که در دانشگاه براون حضور دارد. او استاد دانشگاه در رشته اقتصاد با کرسی Harrison S. Kravis است و از سال ۲۰۱۹ دکترای افتخاری از دانشگاه Complutense مادرید در اسپانیا دریافت کرده است. دستاوردهای او در این رشته اخیراً با دریافت جایزه اقتصاد پادشاه اسپانیا در سال ۲۰۲۴ مورد تقدیر قرار گرفت. او در محیط کلاس از یک دستیار برای مدیریت اسلایدها و کارهای تختهسفید استفاده میکند، اما همچنان کتابها، مقالات و تمرینات درسی خود را بهطور مستقل مینویسد.
شفقت نهفته در پسِ امتحان
پروفسور سرانو تصمیم گرفت در ۵ مارس ۲۰۲۶، یک امتحان میانترم «باز» (Take-home) و بدون استفاده از کتاب برگزار کند. او این فرمت را انتخاب کرد تا با دانشجویانی که همچنان از اضطراب ناشی از یک تیراندازی وحشتناک در محیط دانشگاه در ۱۳ دسامبر ۲۰۲۵ رنج میبردند، همدلی کند. در آن روز، نوس والنتس، دانشجوی سابق ۴۸ ساله مقطع دکترا، با یک اسلحه وارد دانشگاه شد و شروع به تیراندازی کرد.
در آن حادثه تلخ، دو نفر کشته و نه نفر دیگر زخمی شدند. حمله در داخل یک کلاس درس، در جریان یک جلسه بازبینی برای درس «مبانی اقتصاد» به مدیریت ریچل فریدبرگ (همکار پروفسور سرانو) رخ داد. این تراژدی برای سرانو بسیار شخصی بود؛ زیرا دو دانشجو در کلاس خود او جزو زخمیانی بودند که هفتهها برای بقای خود مبارزه کردند. اما غمانگیزتر از آن، یکی از کشتهشدگان، الا کوک (Ella Cook) بود.
کوک درست در همان هفته به دفتر سرانو آمده بود تا خودش را معرفی کند. او ابراز علاقه کرده بود که در کلاس اقتصاد خرد میانه او شرکت کند و پرسیده بود آیا پروفسور میتواند مشاور شغلی او برای تمرکز مشترک در اقتصاد و ریاضیات باشد. سرانو او را به عنوان کسی به یاد میآورد که «سرشار از پروژهها، ایدهها و امید» بود. این تجربه سرانو را در وضعیت روحی بسیار بدی قرار داد و همین امر باعث شد تصمیم بگیرد امتحانات را به صورت منزل-محور برگزار کند تا فشار روانی بر دانشجویانی که با PTSD و اضطراب محیطی دستوپنجه نرم میکردند، کاهش یابد.
شواهد تقلب و فریب
امتحان سرانو به گونهای طراحی شده بود که سختگیرانه باشد. چون فرمت امتحان در منزل به دانشجویان زمان تقریباً نامحدودی میداد، او سؤالات را دشوارتراز حالت عادی طراحی کرد. او چندین فرض مدل را که در کلاس تدریس شده بود تغییر داد و از دانشجویان خواست ثابت کنند که آیا گزارههای خاصی تحت این پارامترهای جدید همچنان درست هستند یا غلط.
نشانههای خطر بلافاصله پس از فرآیند نمرهدهی ظاهر شدند. در درسی که معمولاً کمتر از ۳۰ دانشجوی سطح بالا را جذب میکند — و گاهی حتی تعداد آنها به ۸ از ۱۰۰ میرسد — تعداد ثبتنامها در این ترم به ۸۶ نفر جهش یافت. نتایج از نظر آماری غیرممکن بود: میانگین نمرات کلاس ۹۶ از ۱۰۰ شد و ۴۰ دانشجو نمره کامل گرفتند.
سرانو و مصححانش متوجه ناهماهنگیهای خاصی در پاسخها شدند:
- چندین پاسخ حاوی عبارتهای غیرمعمولی بود که دقیقاً خروجیهای ChatGPT را بازتاب میداد.
- پاسخهای ارائه شده کاملاً با نتایجی همجهت بود که هنگام اجرای دقیق سؤالات امتحان در هوش مصنوعی به دست میآمد.
برای آزمایش این نظریه، سرانو امتحان نهایی (که ۵۰٪ نمره کل را تشکیل میداد) را به فرمت اجباری و حضوری تغییر داد. او هشدار داد که اگر توزیع نمرات در امتحان نهایی با میانترم مطابقت نداشته باشد، تنها نمره امتحان نهایی محاسبه خواهد شد.
فروپاشی آماری
سقوط عملکرد دانشجویان بسیار شدید بود. میانگین نمرات از ۹۶ به ۴۸ از ۱۰۰ سقوط کرد. نرخ ریزش در میان کسانی که نمرات بالایی گرفته بودند، همان «شواهد تجربی قاطع»ی را فراهم کرد که او نیاز داشت:
- تنها ۵۹ نفر از ۸۹ دانشجویی که در امتحان میانترم شرکت کرده بودند، در امتحان نهایی حاضر شدند.
- از ۲۷ دانشجویی که در امتحان نهایی غایب بودند، ۲۲ نفر در امتحان میانترم (که با کمک AI بود) نمره کامل ۱۰۰ گرفته بودند.
سرانو این یافتهها را به مقامات ارشد دانشگاه براون گزارش کرد، اما با یک «واکنش سرد» مواجه شد. او ادعا میکند که رئیس دانشگاه با سکوتی مطلق پاسخ داد و رئیس دانشکده هیچ نظری نداد تا زمانی که پرونده به کمیته کدهای تحصیلی (Academic Code Committee) رسید. در آن مرحله، دانشگاه صرفاً این حادثه را به عنوان یک «زنگ بیدارباش» به رسمیت شناخت.
شکستهای سیستماتیک و سوگیریهای سازمانی
سرانو که اکنون ۶۱ ساله است، معتقد است پاسخ دانشگاه ناکافی است. او اظهار داشت: «این نمیتواند موضع دانشگاه در برابر حادثهای با این ابعاد باشد». او استدلال میکند که اکراه دانشگاه برای اقدام، از فرهنگی نشأت میگیرد که هدفش محافظت از دانشجویان خانوادههای ثروتی است که کمکهای مالی سخاوتمندانهای به دانشگاه میبخشند. این وضعیت سیستمی ایجاد کرده است که در آن «بچهها همیشه از سود شک بهرهمند میشوند».
این پرونده یک اتفاق تکافتاده نیست. در دانشگاه پرینستون، مدیریت دانشگاه اخیراً به یک سنت ۱۳۳ ساله امتحانات بدون مراقب پایان داد. از سال ۱۸۹۳، پرینستون به یک «کد افتخار» تکیه میکرد که در آن اساتید هنگام امتحان اتاق را ترک میکردند و به دانشجویان اعتماد داشتند تا هرگونه تقلب را گزارش دهند. آن دوران زمانی به پایان رسید که هوش مصنوعی، فریبکاری را هم آسانتر و هم سودآورتر کرد. همانطور که تئو بیکر، فارغالتحصیل اخیر استنفورد و نویسنده نیویورک تایمز اشاره کرد: «من یک نفر را هم نمیشناسم که از هوش مصنوعی برای انجام برخی تکالیف کالج استفاده نکرده باشد».
تغییرات در متدولوژی تدریس (پداگوژی)
در پاسخ به این تخلف، سرانو روشهای تدریس خود را برای سال تحصیلی آینده بهطور بنیادی تغییر میدهد تا کاربرد آموزش را حفظ کند:
- تمرینات هفتگی: این تمرینات دیگر در نمره نهایی محاسبه نمیشوند، زیرا بهراحتی توسط AI حل میگردند.
- پروتکلهای آزمون: امتحانات در منزل بدون توجه به ارزش آکادمیک perceived آنها، بهطور دائمی ممنوع شدند.
- گفتگوی عمومی: او از دانشگاه میخواهد که بهطور عمومی جدیت وضعیت را بپذیرد و بحث گستردهای را در مورد ابعاد واقعی این مشکل آغاز کند.
این تغییر نشاندهنده یک عقبنشینی گستردهتر از مدل «اعتماد-محور» در آموزش نخبه به سمت محیطهایی نظارتی و تحت کنترل (Proctored) است. برای سرانو، این نبرد برای آینده آموزش عالی تعیینکننده است. او هشدار میدهد: «اگر ما دیگر از حقیقت، نجابت و صداقت دفاع نکنیم، پس به عنوان دانشگاهیان چه اعتباری خواهیم داشت؟»
پیشبینی آینده لیگ آیوی اکنون مستلزم بررسی تنش بین «اعتبار» (Prestige) و «اثبات» (Proof) است. اگر نخبهترین دانشجویان به جای دانش، برای کسب نمره بهینهسازی کنند، کاربرد خودِ مدرک تحصیلی ممکن است نفر بعدی باشد که دچار فرسایش و نابودی میشود. این روند به طور کلی با تحولات رشتههای سخت تغییر میکند؛ برای مثال در ریاضیات، تِرنس تائو اشاره کرده است که هوش مصنوعی در حال سوق دادن این discipline به سوی مدلهای همکاری کلان ماشین-انسان است، که در آن تعریف «مهارت» در حال بازنگری است.
گام بعدی شما
- اگر مدرس یا طراح آزمون هستید، ساختار سؤالات را از «پاسخمحور» به «فرآیند-محور» تغییر دهید تا مدلهای زبانی نتوانند پاسخ نهایی را تولید کنند.
- بررسی کنید که آیا معیارهای ارزیابی شما بر اساس خروجی نهایی است یا بر اساس استدلالهای میانی.
- در مورد استفاده از ابزارهای تشخیص AI با احتیاط عمل کنید و بیشتر بر روی آزمونهای حضوری و شفاهی متمرکز شوید.
اما تأثیر این اتفاقها بر اعتبار مدارک تحصیلی در آینده بسیار عمیقتر است — به تحلیل ما درباره آینده آموزش عالی در عصر هوش مصنوعی مراجعه کنید.
گفتگو