การปรากฏตัวของ AI สร้างแรงสั่นสะเทือนไปทั่ววงการการศึกษา หลายสถาบันเริ่มตั้งคำถามว่าจะป้องกันอย่างไร จะตรวจจับได้หรือไม่ หรือจะออกแบบงานอย่างไรให้ AI ทำแทนไม่ได้

แต่บางที คำถามเหล่านั้นอาจไม่ใช่คำถามที่สำคัญที่สุด

เพราะหาก AI สามารถทำงานที่ครูมอบหมายได้ทั้งหมด ปัญหาอาจไม่ได้อยู่ที่ AI แต่อยู่ที่ตัวงานที่เรากำลังใช้วัดผลนักศึกษาอยู่ต่างหาก

คำถามที่แท้จริงคือ เรากำลังวัดอะไรอยู่?

ตลอดศตวรรษที่ผ่านมา ระบบการศึกษาจำนวนมากให้ความสำคัญกับ “ผลลัพธ์สุดท้าย” เป็นหลัก รายงานหนึ่งเล่ม ข้อสอบหนึ่งชุด หรือคำตอบหนึ่งคำตอบกลายเป็นตัวแทนของความรู้และความสามารถของผู้เรียน

แนวทางนี้เคยใช้ได้ดีในยุคที่การสร้างผลงานต้องอาศัยความรู้และแรงงานจากมนุษย์เท่านั้น แต่เมื่อ AI สามารถผลิตผลลัพธ์ที่ดูสมบูรณ์แบบได้ภายในไม่กี่นาที ความสัมพันธ์ระหว่าง “ผลงาน” กับ “การเรียนรู้” เริ่มถูกตั้งคำถาม

รายงานที่เขียนดีอาจไม่ได้สะท้อนว่าผู้ส่งเข้าใจเนื้อหาจริง
บทวิเคราะห์ที่ลึกซึ้งอาจไม่ได้เกิดจากการคิดของนักศึกษา
แม้แต่คำตอบที่ถูกต้องก็อาจไม่ได้มาจากกระบวนการเรียนรู้เลย

ในทางจิตวิทยาการศึกษา นักวิจัยรู้มานานแล้วว่าการเรียนรู้ไม่ได้เกิดขึ้นจากการรับคำตอบ แต่เกิดจากการสร้างความเข้าใจด้วยตนเอง กระบวนการตั้งคำถาม ทดลอง ผิดพลาด แก้ไข และเชื่อมโยงความรู้ใหม่เข้ากับประสบการณ์เดิม คือสิ่งที่ทำให้สมองเกิดการเปลี่ยนแปลงอย่างแท้จริง

นี่คือเหตุผลที่นักการศึกษาหลายคนเริ่มเสนอให้เปลี่ยนจุดเน้นของการประเมินผล จากการให้คะแนน “สิ่งที่ส่งมา” ไปสู่การประเมิน “วิธีคิดที่อยู่เบื้องหลัง”

แนวคิดนี้สะท้อนหลักการสำคัญในวิทยาศาสตร์การเรียนรู้สมัยใหม่ นั่นคือ การทำให้กระบวนการคิดมองเห็นได้

แทนที่จะดูเฉพาะคำตอบสุดท้าย อาจต้องพิจารณาว่านักศึกษาใช้เหตุผลอย่างไร มีการตั้งสมมติฐานแบบไหน เปลี่ยนความคิดระหว่างทางหรือไม่ และสามารถอธิบายการตัดสินใจของตนเองได้มากเพียงใด

ในโลกที่ AI สามารถสร้างงานเขียนระดับมหาวิทยาลัยได้ภายในไม่กี่นาที ความสามารถในการอธิบายเหตุผลของตนเองอาจมีคุณค่ามากกว่าตัวคำตอบเสียอีก

การเรียนรู้ในห้องเรียนจึงอาจกลับไปให้ความสำคัญกับกิจกรรมที่เทคโนโลยียังเข้ามาแทนที่ได้ยาก

การอภิปรายสดเป็นตัวอย่างหนึ่ง

เมื่อผู้เรียนต้องแลกเปลี่ยนความคิดเห็นกับเพื่อน โต้แย้งแนวคิด รับมือกับคำถามที่ไม่คาดคิด และปรับเปลี่ยนจุดยืนต่อหน้าผู้อื่น สิ่งที่เกิดขึ้นไม่ใช่เพียงการแสดงความรู้ แต่เป็นการสร้างความรู้ร่วมกัน

นักประสาทวิทยาพบว่าปฏิสัมพันธ์ทางสังคมมีบทบาทสำคัญต่อการพัฒนาความคิดระดับสูง สมองของมนุษย์วิวัฒนาการมาเพื่อเรียนรู้ผ่านการสนทนา การสังเกต และการร่วมมือกับผู้อื่น

AI อาจช่วยเขียนสุนทรพจน์ได้ แต่ยังไม่สามารถเข้าไปมีส่วนร่วมในประสบการณ์ทางสังคมเหล่านี้แทนเจ้าของความคิดได้

อีกแนวทางหนึ่งคือการส่งเสริมให้ผู้เรียนกลายเป็นนักวิจารณ์งานของกันและกัน

เมื่อเราต้องอ่านงานของเพื่อนอย่างละเอียด ค้นหาจุดอ่อนของเหตุผล ตรวจสอบหลักฐาน และอธิบายว่าทำไมบางส่วนจึงยังไม่น่าเชื่อถือ เรากำลังใช้ทักษะทางปัญญาที่ลึกกว่าการผลิตคำตอบเสียอีก

ในความเป็นจริง นักวิทยาศาสตร์มืออาชีพใช้เวลาจำนวนมากในการประเมินงานของผู้อื่น ไม่ว่าจะเป็นการตรวจบทความวิจัย การวิจารณ์ผลการทดลอง หรือการอภิปรายในที่ประชุมวิชาการ

ความสามารถในการประเมินคุณภาพของความคิด จึงเป็นทักษะสำคัญในโลกที่เต็มไปด้วยข้อมูลและเนื้อหาที่สร้างโดย AI

ที่น่าสนใจคือ AI เองอาจกลายเป็นเครื่องมือฝึกคิดได้เช่นกัน

แทนที่จะห้ามใช้โดยสิ้นเชิง ผู้เรียนอาจถูกขอให้เปรียบเทียบคำตอบของตนเองกับคำตอบที่ AI สร้างขึ้น วิเคราะห์ข้อดีข้อเสีย ระบุจุดบกพร่อง และอธิบายว่ามุมมองของตนแตกต่างอย่างไร

กิจกรรมเช่นนี้กระตุ้นสิ่งที่นักจิตวิทยาเรียกว่า “เมตาคอกนิชัน” (Metacognition) หรือการคิดเกี่ยวกับความคิดของตนเอง

งานวิจัยจำนวนมากชี้ว่าผู้เรียนที่สามารถสะท้อนและประเมินกระบวนการคิดของตนได้ มักมีผลสัมฤทธิ์ทางการเรียนสูงกว่า และสามารถปรับตัวต่อความรู้ใหม่ได้ดีกว่า

บางทีคุณค่าที่แท้จริงของ AI ในห้องเรียน อาจไม่ได้อยู่ที่การให้คำตอบ แต่อยู่ที่การทำหน้าที่เป็นกระจกสะท้อนให้ผู้เรียนเห็นว่าความคิดของตนแตกต่างจากเครื่องจักรอย่างไร

อย่างไรก็ตาม การเปลี่ยนแปลงนี้ไม่ได้เป็นเพียงเรื่องของการออกแบบการบ้าน
ระบบการศึกษาทั้งระบบมีส่วนกำหนดพฤติกรรมของผู้เรียน

หากทุกคนถูกวัดจากคะแนน หากเวลามีจำกัด และหากเป้าหมายสูงสุดคือการได้เกรดดี การใช้ AI เพื่อประหยัดเวลาอาจเป็นการตัดสินใจที่สมเหตุสมผลอย่างยิ่ง

นักศึกษาไม่ได้ใช้ AI เพราะขี้เกียจเสมอไป
หลายครั้งพวกเขาเพียงตอบสนองต่อแรงจูงใจที่ระบบสร้างขึ้น

นี่คือเหตุผลที่นักวิชาการด้านการศึกษาหลายคนมองว่าความท้าทายของ AI เป็นปัญหาเชิงโครงสร้างมากกว่าปัญหาเชิงเทคนิค

การตรวจจับ AI อาจช่วยได้ชั่วคราว
การออกกฎห้ามใช้อาจช่วยได้บางส่วน
แต่หากเราไม่กลับมาทบทวนว่าเป้าหมายของการศึกษาคืออะไร ปัญหาก็จะกลับมาในรูปแบบใหม่เสมอ

เพราะสุดท้ายแล้ว AI ไม่ได้ทำให้เกิดวิกฤตการศึกษา

มันเพียงเปิดเผยคำถามที่ซ่อนอยู่มานาน
เรากำลังสอนเพื่อให้ผู้เรียนสร้างคำตอบที่ถูกต้อง หรือกำลังสอนให้พวกเขาเป็นคนที่สามารถคิด วิเคราะห์ ตั้งคำถาม และสร้างความหมายด้วยตนเอง?

หากเป้าหมายคืออย่างแรก AI จะยิ่งเก่งขึ้นทุกปี และการแข่งขันระหว่างมนุษย์กับเครื่องจักรก็จะยิ่งยากขึ้น

แต่หากเป้าหมายคืออย่างหลัง AI อาจไม่ใช่ศัตรูเลย
มันอาจเป็นแรงผลักดันที่ทำให้การศึกษากลับไปค้นพบแก่นแท้ของตัวเองอีกครั้ง

Key Takeaways

• AI Agent รุ่นใหม่สามารถทำงานทางการศึกษาแทนนักศึกษาได้เกือบครบทุกขั้นตอน
• ความท้าทายสำคัญไม่ใช่การตรวจจับ AI แต่คือการทบทวนว่าสิ่งที่เรากำลังวัดผลมีความหมายต่อการเรียนรู้จริงหรือไม่
• การประเมินที่เน้นกระบวนการคิด การอภิปราย และการสะท้อนความคิดของตนเอง มีแนวโน้มต้านทานการถูกแทนที่ด้วย AI ได้ดีกว่า
• ทักษะการวิจารณ์ วิเคราะห์ และอธิบายเหตุผล กำลังมีความสำคัญมากกว่าการผลิตคำตอบเพียงอย่างเดียว
• AI อาจกลายเป็นเครื่องมือช่วยพัฒนาการเรียนรู้ หากถูกใช้เพื่อกระตุ้นการคิดเชิงลึกแทนการทำงานแทนทั้งหมด
• อนาคตของการศึกษาในยุค AI อาจต้องเปลี่ยนจากการวัด “คำตอบ” ไปสู่การวัด “การเรียนรู้” อย่างแท้จริง

…..

เรียบเรียงใหม่โดย AiNextopia

อ้างอิง : 5 Tips for Assignment Design in the Agentic AI Age. / insidehighered