AI-അധിഷ്ഠിത ഗ്രേഡ് ഇൻഫ്ലേഷൻ: ഉയർന്ന മാർക്കുകൾ കുറഞ്ഞ പഠനത്തെ സൂചിപ്പിക്കുന്നത് എന്തുകൊണ്ട്?
അക്കാദമിക് രംഗത്ത് ജനറേറ്റീവ് AI-യുടെ അതിവേഗത്തിലുള്ള സംയോജനം വിദ്യാർത്ഥികളുടെ ഗ്രേഡുകളിൽ വലിയ വർദ്ധനവ് ഉണ്ടാക്കുന്നുണ്ടെങ്കിലും, ഈ പ്രവണത മെച്ചപ്പെട്ട വൈജ്ഞാനിക ശേഷിയേക്കാൾ ഉപരിയായി ജോലികൾ മറ്റൊരാളെ (AI) ഏൽപ്പിക്കുന്നത് മൂലമാണെന്ന് പുതിയ ഗവേഷണങ്ങൾ സൂചിപ്പിക്കുന്നു. A ഗ്രേഡുകളുടെ വിതരണം ഉയരുന്നതിനനുസരിച്ച്, അക്കാദമിക് യോഗ്യതകളും യഥാർത്ഥ കഴിവും തമ്മിലുള്ള ബന്ധം വേർപെടുത്താൻ സാധ്യതയുള്ള "സ്കിൽ അട്രോഫി" (skill atrophy - നൈപുണ്യക്ഷയം) എന്ന ഭീഷണിയെക്കുറിച്ച് അധ്യാപകരും വ്യവസായ പ്രമുഖരും മുന്നറിയിപ്പ് നൽകുന്നു.
ഗ്രേഡുകളിലെ വർദ്ധനവിന് പിന്നിലെ കണക്കുകൾ
ഗവേഷകനായ ഇഗോർ ചിരിക്കോവ് (Igor Chirikov) 2018 മുതൽ 2025 വരെയുള്ള കാലയളവിൽ 84 ഡിപ്പാർട്ട്മെന്റുകളിലെ 319 കോഴ്സുകൾ നിരീക്ഷിച്ചുകൊണ്ടുള്ള സമഗ്രമായ പഠനം അക്കാദമിക് പ്രകടനത്തിൽ ഞെട്ടിക്കുന്ന ഒരു പ്രവണത വെളിപ്പെടുത്തുന്നു. 2022 നവംബറിൽ ChatGPT പുറത്തിറങ്ങിയതിന് ശേഷം, A ഗ്രേഡുകളുടെ വിഹിതം 13 ശതമാന പോയിന്റുകൾ വർദ്ധിച്ചു—ഇത് 2022-ലെ അടിസ്ഥാന നിലവാരത്തേക്കാൾ ഏകദേശം 30% കൂടുതലാണ്. ഈ മാറ്റം ശരാശരി GPA 0.12 പോയിന്റ് വർദ്ധിപ്പിക്കുകയും ഗ്രേഡുകളുടെ വിതരണത്തെ ഗണ്യമായി പരിമിതപ്പെടുത്തുകയും ചെയ്തു.
ഈ വർദ്ധനവ് എല്ലാ വിഷയങ്ങളിലും ഒരുപോലെയല്ലെന്ന് പഠനം ചൂണ്ടിക്കാട്ടുന്നു. പകരം, എഴുത്തും കോഡിംഗും ഉൾപ്പെടുന്ന അസൈൻമെന്റുകൾ കൂടുതലുള്ള, "AI എക്സ്പോഷർ" (AI exposure) കൂടിയ കോഴ്സുകളിലാണ് ഇത് ഏറ്റവും കൂടുതൽ പ്രകടമാകുന്നത്. രസകരമായ വസ്തുത എന്തെന്നാൽ, A-minus, B-plus ഗ്രേഡുകൾ പലപ്പോഴും നേരിട്ട് A ഗ്രേഡുകളായി മാറുന്നുണ്ട്, ഇത് മൂല്യനിർണ്ണയത്തിൽ വ്യവസ്ഥാപിതമായ ഒരു മാറ്റത്തെ സൂചിപ്പിക്കുന്നു.
ഹോംവർക്കും പ്രോക്ടേഡ് പരീക്ഷകളും: തെളിവുകൾ വ്യക്തമാക്കുന്നു
ഈ ഗ്രേഡ് വർദ്ധനവ് എവിടെയാണ് സംഭവിക്കുന്നത് എന്നതിലാണ് ഗവേഷണത്തിന്റെ ഏറ്റവും നിർണ്ണായകമായ കണ്ടെത്തൽ അടങ്ങിയിരിക്കുന്നത്. AI യഥാർത്ഥത്തിൽ പഠനത്തെ മെച്ചപ്പെടുത്തുന്നുണ്ടെങ്കിൽ, എല്ലാത്തരം മൂല്യനിർണ്ണയങ്ങളിലും ഗ്രേഡുകളിൽ പുരോഗതി കാണപ്പെടേണ്ടതായിരുന്നു. എന്നാൽ, ഗ്രേഡ് ഇൻഫ്ലേഷനും മേൽനോട്ടമില്ലാത്ത അസൈൻമെന്റുകളും തമ്മിൽ വ്യക്തമായ ബന്ധമുണ്ടെന്ന് കണക്കുകൾ കാണിക്കുന്നു.
ഹോംവർക്കുകൾക്ക് അന്തിമ ഗ്രേഡിൽ ശരാശരിയേക്കാൾ കൂടുതൽ പ്രാധാന്യമുള്ള കോഴ്സുകളിൽ, സമാനമായ AI ഉപയോഗമുള്ള എന്നാൽ ഹോംവർക്ക് കുറഞ്ഞ കോഴ്സുകളെ അപേക്ഷിച്ച് A ഗ്രേഡുകൾ 16 ശതമാന പോയിന്റുകൾ അധികം വർദ്ധിച്ചു. നേരെമറിച്ച്, പ്രോക്ടേഡ് പരീക്ഷകളെയോ ഓറൽ പ്രസന്റേഷനുകളെയോ ആശ്രയിക്കുന്ന കോഴ്സുകളിൽ—AI-യുടെ ഉപയോഗം വളരെ കുറവായ മേഖലകളിൽ—ഗ്രേഡുകളിൽ മാറ്റമില്ലാതെ തുടർന്നു. വിദ്യാർത്ഥികൾ യഥാർത്ഥ പഠനത്തിലൂടെ നേടുന്ന പുരോഗതിയേക്കാൾ ഉപരിയായി, മേൽനോട്ടമില്ലാത്ത ജോലികൾ പൂർത്തിയാക്കാൻ AI ഉപയോഗിക്കുന്നത് മൂലമാണ് ഗ്രേഡുകളിൽ ഈ വർദ്ധനവ് ഉണ്ടാകുന്നതെന്ന് ഇത് സൂചിപ്പിക്കുന്നു.
അക്കാദമിക് സിഗ്നലിംഗും ക്രിട്ടിക്കൽ തിങ്കിംഗും നേരിടുന്ന വെല്ലുവിളികൾ
പതിറ്റാണ്ടുകളായി ഹാർവാർഡ് പോലുള്ള സ്ഥാപനങ്ങളിൽ ഗ്രേഡ് ഇൻഫ്ലേഷൻ ഒരു ആശങ്കയാണ്; അവിടെ 2005-ൽ 24% ആയിരുന്ന A ഗ്രേഡുകൾ 2025 ആയപ്പോഴേക്കും 60 ശതമാനത്തിന് മുകളിലായി. എന്നിരുന്നാലും, AI അടിസ്ഥാനപരമായി വ്യത്യസ്തമായ ഒരു പ്രശ്നമാണ് സൃഷ്ടിക്കുന്നതെന്ന് ചിരിക്കോവ് വാദിക്കുന്നു. മുൻകാലങ്ങളിൽ ഗ്രേഡിംഗ് ഘട്ടത്തിലാണ് ഇത്തരം മാറ്റങ്ങൾ സംഭവിച്ചിരുന്നതെങ്കിൽ, AI ജോലികൾ നിർമ്മിക്കുന്ന ഘട്ടത്തെത്തന്നെ (production stage) മാറ്റുന്നു; അതായത് ഒരു അധ്യാപകൻ കാണുന്നതിന് മുമ്പ് തന്നെ ജോലി എങ്ങനെ നിർമ്മിക്കപ്പെടുന്നു എന്നതിനെ ഇത് സ്വാധീനിക്കുന്നു.
ഇത് സാങ്കേതിക-പ്രൊഫഷണൽ മേഖലകളിൽ രണ്ട് പ്രധാന അപകടസാധ്യതകൾ സൃഷ്ടിക്കുന്നു:
- മൂല്യം കുറഞ്ഞ യോഗ്യതകൾ (Devalued Credentials): കോഡിംഗും എഴുത്തും പ്രധാനമായ കോഴ്സുകളിലെ ഗ്രേഡുകൾ മനുഷ്യന്റെ കഴിവിനേക്കാൾ AI-യുടെ ഫലത്തെയാണ് പ്രതിഫലിപ്പിക്കുന്നതെങ്കിൽ, തൊഴിലുടമകൾക്കും ഉന്നത വിദ്യാഭ്യാസ സ്ഥാപനങ്ങൾക്കും കൃത്യമായ തിരഞ്ഞെടുപ്പുകൾ നടത്താൻ പ്രയാസമാകും.
- നൈപുണ്യക്ഷയം (Skill Atrophy): വ്യവസ്ഥാപിതമായ വിദ്യാഭ്യാസ മാറ്റങ്ങൾ ഇല്ലാതെയാണെങ്കിൽ, ക്രിട്ടിക്കൽ തിങ്കിംഗ് (critical thinking) കഴിവുകൾ ഗണ്യമായി കുറയാൻ സാധ്യതയുണ്ടെന്ന് OpenAI സിഇഒ സാം ആൾട്ട്മാൻ മുന്നറിയിപ്പ് നൽകിയിട്ടുണ്ട്. എഴുത്തും പ്രോഗ്രാമിംഗും പോലുള്ള മനസ്സിനെ പരിശീലിപ്പിക്കുന്ന ജോലികൾ വിദ്യാർത്ഥികൾ AI-യെ ഏൽപ്പിക്കുകയാണെങ്കിൽ, അവർ ഉപയോഗിക്കുന്ന ഉപകരണങ്ങൾ കൈകാര്യം ചെയ്യാൻ ആവശ്യമായ അടിസ്ഥാന യുക്തി (logic) ഇല്ലാതെ അവർ ബിരുദം നേടാൻ ഇടയാകും.
പ്രധാന കാര്യങ്ങൾ
- മേൽനോട്ടമില്ലാത്ത ജോലികളുമായുള്ള ബന്ധം: ഹോംവർക്കുകൾക്ക് കൂടുതൽ പ്രാധാന്യമുള്ള കോഴ്സുകളിലാണ് ഗ്രേഡ് ഇൻഫ്ലേഷൻ ഏറ്റവും ശക്തമായി കാണപ്പെടുന്നത്. ഇത് പഠനത്തെ മെച്ചപ്പെടുത്തുന്നതിന് പകരം, പഠനപ്രക്രിയയെ മറികടക്കാൻ AI ഉപയോഗിക്കുന്നു എന്നതിനെ സൂചിപ്പിക്കുന്നു.
- പ്രത്യേക മേഖലകളിലെ അപകടസാധ്യതകൾ: എഴുത്തും കോഡിംഗും പ്രധാനമായ പാഠ്യപദ്ധതികളാണ് "ഔട്ട്സോഴ്സ്ഡ്" ഗ്രേഡ് ഇൻഫ്ലേഷന് ഏറ്റവും കൂടുതൽ സാധ്യതയുള്ളത്; കാരണം ഈ മേഖലകളിൽ LLM-കൾക്ക് ഉയർന്ന പ്രാവീണ്യമുണ്ട്.
- സിഗ്നലിംഗ് പ്രതിസന്ധി: അക്കാദമിക് ഗ്രേഡുകളും യഥാർത്ഥ നൈപുണ്യവും തമ്മിലുള്ള ബന്ധം വേർപെടാൻ ഈ മാറ്റം കാരണമായേക്കാം. ഇത് സങ്കീർണ്ണമായ പ്രശ്നപരിഹാരത്തിന് ആവശ്യമായ അടിസ്ഥാന ക്രിട്ടിക്കൽ തിങ്കിംഗ് ഇല്ലാത്ത ഒരു തൊഴിൽസമൂഹം സൃഷ്ടിക്കാൻ ഇടയാക്കിയേക്കാം.