Студенты массово используют большие языковые модели (LLM) для написания рефератов, курсовых и дипломных работ. В ответ на это вузы внедряют ИИ-детекторы, пытаясь выявлять и блокировать тексты, созданные нейросетями.
Использование детекторов провоцирует студентов на «взлом награды»: они правят текст так, чтобы система распознала его как человеческий. В результате студенты тратят время на стилистическую подгонку и имитацию косноязычия, вместо того чтобы изучать предмет и осваивать учебный материал.
Автор отмечает, что наличие ИИ-детекторов дает преподавателям ложное ощущение контроля. Это позволяет формально оценивать работы, избегая трудоемкого процесса проверки реальных знаний студента через индивидуальные вопросы или дискуссии.
Единственным способом объективной оценки предлагается сделать очные экзамены с заданиями, которые генерируются непосредственно перед началом испытания. Студенты должны выполнять практические задачи, например, тепловые расчеты или анализ данных, на глазах у комиссии без доступа к интернету.
Такой подход требует значительного увеличения штата преподавателей и временных затрат. Тем не менее, автор настаивает на внедрении очных испытаний начиная со школы и на всех курсах вузов, так как текущая система оценки через заочные работы становится неэффективной.
