超越检测：通过自动反馈工具设计 AI 抗韧性评估，以培养批判性思维
计算机与社会
2025-04-01 v1 人工智能
摘要
生成式 AI 工具（如 ChatGPT）的日益普及引发了对其对学生学习影响的迫切关切，尤其是批判性思维和创造力可能被削弱的风险。随着学生越来越多地依赖这些工具完成评估任务，基础认知技能正面临被绕过的危险，这对高等教育的完整性以及学生工作的真实性构成挑战。现有的 AI 生成文本检测工具效果不佳；它们产生不可靠的输出，容易出现误报和漏报，尤其是在学生应用改写、翻译或重述时。这些系统依赖浅层统计模式而非真正的上下文或语义理解，因而不适合作为 AI 滥用明确指标。为此，本研究提出一种基于评估设计而非检测的主动、AI 抗韧性解决方案。它引入了一个基于 Python 的 Web 工具，将霍布斯分类法与先进的自然语言处理技术（包括 GPT-3.5 Turbo、BERT 基于语义相似性和 TF-IDF 指标）集成，用于评估评估任务的 AI 可解性。通过分析表层特征和语义特征，该工具帮助教育者确定该任务是否针对记忆和概括等低阶思维，还是针对分析、评估和创造等高阶技能，这些技能更抗人工智能自动化。该框架使教育者能够设计具认知挑战性、抗 AI 能力的评估，以促进原创性、批判性思维和公平性。它提供了一种可持续、教育学上可靠的策略，以应对 AI 时代的真实学习和学术标准。
引用
@article{arxiv.2503.23622,
title = {Beyond Detection: Designing AI-Resilient Assessments with Automated Feedback Tool to Foster Critical Thinking},
author = {Muhammad Sajjad Akbar},
journal= {arXiv preprint arXiv:2503.23622},
year = {2025}
}