AI-ఆధారిత గ్రేడ్ ఇన్ఫ్లేషన్: ఎక్కువ మార్కులు తక్కువ అభ్యాసానికి సంకేతమా?
విద్యా రంగంలో జనరేటివ్ AI (generative AI) వేగంగా కలిసిపోవడం వల్ల విద్యార్థుల గ్రేడ్లలో గణనీయమైన పెరుగుదల కనిపిస్తోంది, కానీ కొత్త పరిశోధనల ప్రకారం ఈ ధోరణి మెరుగుపడిన మేధో సామర్థ్యాల కంటే, పనులను ఇతరులకు (AI కి) అప్పగించడం వల్ల (outsourced labor) జరుగుతోందని తెలుస్తోంది. A-గ్రేడ్ల శాతం పెరుగుతున్న కొద్దీ, విద్యా అర్హతలకు మరియు వాస్తవ నైపుణ్యాలకు మధ్య సంబంధం తెగిపోయే ప్రమాదం ఉందని, దీనివల్ల "నైపుణ్యాల క్షీణత" (skill atrophy) సంభవించవచ్చని విద్యావేత్తలు మరియు పరిశ్రమల నాయకులు హెచ్చరిస్తున్నారు.
గ్రేడ్ల పెరుగుదల వెనుక ఉన్న గణాంకాలు
పరిశోధకుడు ఇగోర్ చిరికోవ్ (Igor Chirikov) నిర్వహించిన సమగ్ర అధ్యయనం, 2018 నుండి 2025 వరకు 84 విభాగాలలోని 319 కోర్సులను పరిశీలించి, విద్యా సామర్థ్యంలో ఒక ఆశ్చర్యకరమైన ధోరణిని వెల్లడించింది. నవంబర్ 2022లో ChatGPT విడుదలైనప్పటి నుండి, A-గ్రేడ్ల వాటా 13 శాతం పాయింట్లు పెరిగింది—ఇది 2022 ప్రాతిపదిక కంటే సుమారు 30% ఎక్కువ. ఈ మార్పు వల్ల సగటు GPA 0.12 పాయింట్లు పెరగడమే కాకుండా, మొత్తం గ్రేడ్ పంపిణీ గణనీయంగా కుంచించుకుపోయింది.
ఈ గ్రేడ్ల పెరుగుదల అన్ని సబ్జెక్టులలో ఒకేలా లేదని ఈ అధ్యయనం స్పష్టం చేస్తోంది. బదులుగా, "AI ఎక్స్పోజర్" (AI exposure) ఎక్కువగా ఉన్న కోర్సులలో, ముఖ్యంగా రైటింగ్ (writing) మరియు కోడింగ్ (coding) అసైన్మెంట్లు ఎక్కువగా ఉన్న చోట ఇది స్పష్టంగా కనిపిస్తోంది. ఆసక్తికరంగా, A-minus మరియు B-plus గ్రేడ్లు తరచుగా నేరుగా A-గ్రేడ్లుగా మారుతున్నట్లు డేటా చూపుతోంది, ఇది మూల్యాంకనంలో ఒక క్రమబద్ధమైన పెరుగుదలను సూచిస్తోంది.
హోంవర్క్ వర్సెస్ ప్రోక్టర్డ్ పరీక్షలు: అసలు కారణం ఇక్కడే ఉంది
ఈ పరిశోధనలో అత్యంత కీలకమైన అంశం ఏమిటంటే, ఈ గ్రేడ్ల పెరుగుదల ఎక్కడ జరుగుతోంది అనేది. ఒకవేళ AI నిజంగా అభ్యాసాన్ని మెరుగుపరుస్తుంటే, అన్ని రకాల పరీక్షలలో గ్రేడ్ల మెరుగుదల కనిపించాలి. అయితే, గ్రేడ్ ఇన్ఫ్లేషన్కు మరియు పర్యవేక్షణ లేని అసైన్మెంట్లకు (unsupervised assignments) మధ్య స్పష్టమైన సంబంధం ఉందని డేటా చూపుతోంది.
హోంవర్క్కు తుది గ్రేడ్లో సగటు కంటే ఎక్కువ ప్రాధాన్యత ఉన్న కోర్సులలో, తక్కువ హోంవర్క్ ఉన్న కోర్సులతో పోలిస్తే A-గ్రేడ్లు అదనంగా 16 శాతం పాయింట్లు పెరిగాయి. దీనికి విరుద్ధంగా, ప్రోక్టర్డ్ పరీక్షలు (proctored exams) లేదా మౌఖిక ప్రెజెంటేషన్లపై (oral presentations) ఆధారపడే కోర్సులలో—అంటే AI వినియోగం తక్కువగా ఉండే విభాగాలలో—గ్రేడ్లు స్థిరంగా ఉన్నాయి. దీనిని బట్టి చూస్తే, గ్రేడ్ల పెరుగుదల అనేది నిజమైన విద్యాపరమైన పురోగతి వల్ల కాకుండా, విద్యార్థులు పర్యవేక్షణ లేని పనులను పూర్తి చేయడానికి AIని ఉపయోగించడం వల్ల నేరుగా సంభవించిందని అర్థమవుతోంది.
విద్యా గుర్తింపు మరియు విమర్శనాత్మక ఆలోచనా శక్తి క్షీణత
దశాబ్దాలుగా హార్వర్డ్ వంటి సంస్థలలో గ్రేడ్ ఇన్ఫ్లేషన్ ఒక ఆందోళనకరమైన అంశంగా ఉంది, అక్కడ 2005లో 24% గా ఉన్న A-గ్రేడ్లు 2025 నాటికి 60% కంటే ఎక్కువ అయ్యాయి. అయితే, AI ఒక ప్రాథమికంగా భిన్నమైన సమస్యను తీసుకువస్తుందని చిరికోవ్ వాదిస్తున్నారు. గతంలో గ్రేడ్ ఇన్ఫ్లేషన్కు కారణమయ్యే అంశాలు మూల్యాంకన దశలో (grading stage) జరిగేవి, కానీ AI 'ఉత్పత్తి' దశను (production stage) మారుస్తుంది; అంటే ఒక ఇన్స్ట్రక్టర్ పనిని చూడకముందే అది ఎలా సృష్టించబడుతుందో AI మార్చేస్తుంది.
ఇది విస్తృతమైన టెక్ మరియు ప్రొఫెషనల్ రంగాలలో రెండు ప్రధాన ప్రమాదాలను సృష్టిస్తుంది:
- విలువ తగ్గిన అర్హతలు (Devalued Credentials): కోడింగ్ మరియు రైటింగ్ ఎక్కువగా ఉండే కోర్సులలో గ్రేడ్లు మానవ నైపుణ్యాల కంటే AI అవుట్పుట్ను ప్రతిబింబిస్తే, యజమానులు మరియు గ్రాడ్యుయేట్ ప్రోగ్రామ్లు సరైన ఎంపిక నిర్ణయాలు తీసుకోవడంలో ఇబ్బంది పడతారు.
- నైపుణ్యాల క్షీణత (Skill Atrophy): వ్యవస్థాగత విద్యా మార్పులు లేకపోతే, విమర్శనాత్మక ఆలోచనా నైపుణ్యాలు "గణనీయంగా క్షీణించే" ప్రమాదం ఉందని OpenAI CEO సామ్ ఆల్ట్మాన్ హెచ్చరించారు. రైటింగ్ మరియు ప్రోగ్రామింగ్ వంటి మెదడుకు శిక్షణ ఇచ్చే పనులను విద్యార్థులు ఇతరులకు (AI కి) అప్పగిస్తే, వారు తాము ఉపయోగించే సాధనాలను (tools) నైపుణ్యంతో వాడటానికి అవసరమైన ప్రాథమిక తర్కాన్ని (logic) కోల్పోయి గ్రాడ్యుయేషన్ పూర్తి చేసే అవకాశం ఉంది.
ముఖ్య అంశాలు
- పర్యవేక్షణ లేని పనులతో సంబంధం: హోంవర్క్కు ఎక్కువ ప్రాధాన్యత ఉన్న కోర్సులలో గ్రేడ్ ఇన్ఫ్లేషన్ అత్యధికంగా ఉంది, ఇది అభ్యాసాన్ని మెరుగుపరచడానికి కాకుండా, దాన్ని దాటవేయడానికి (bypass) AIని ఉపయోగిస్తున్నట్లు సూచిస్తోంది.
- నిర్దిష్ట బలహీనతలు: ఈ రంగాలలో LLMల అధిక నైపుణ్యం కారణంగా, రైటింగ్ మరియు కోడింగ్ ఎక్కువగా ఉండే పాఠ్యప్రణాళికలు "అవుట్సోర్స్డ్" గ్రేడ్ ఇన్ఫ్లేషన్కు అత్యధిక ప్రమాదంలో ఉన్నాయి.
- గుర్తింపు సంక్షోభం (The Signaling Crisis): ఈ మార్పు విద్యా గ్రేడ్లను వాస్తవ నైపుణ్య స్థాయిల నుండి వేరు చేసే ప్రమాదం ఉంది, దీనివల్ల సంక్లిష్టమైన సమస్యల పరిష్కారానికి అవసరమైన ప్రాథమిక విమర్శనాత్మక ఆలోచనా శక్తి లేని శ్రామిక శక్తి (workforce) ఏర్పడే అవకాశం ఉంది.