การบ้านนั้นเสร็จสิ้นเป็น "งาน" หรือ "การเรียนรู้" หรือไม่ — การประเมินของโรงเรียนในยุค AI ที่สั่นคลอน

บทความที่เรียบเรียงอย่างดี โครงสร้างที่มีเหตุผล เอกสารที่ดูดี

เมื่อเด็กส่งรายงานเช่นนั้น ผู้ใหญ่อาจคิดว่า "เรียนรู้ได้ดี" แต่ในยุคที่ AI สามารถสร้างบทความและโครงสร้างได้ ความสมบูรณ์แบบนั้นไม่จำเป็นต้องสอดคล้องกับความเข้าใจของตัวเอง

ปัญหานี้ไม่ได้แก้ไขได้ด้วยเทคโนโลยีที่ใช้ค้นหาการทุจริตเพียงอย่างเดียว โรงเรียนยอมรับอะไรเป็นผลลัพธ์ของการเรียนรู้ และครอบครัวมองว่าอะไรเป็นหลักฐานของความพยายาม มาตรฐานเหล่านี้เองที่ถูกตั้งคำถาม

ในวันที่ 14 ตุลาคม 2026 คอนเนอร์ เมอร์ฟี่ ได้แสดงความกังวลอย่างแรงกล้าต่อระบบการศึกษาในการประชุม "ResearchEd" ผ่านบทความในหนังสือพิมพ์ "The Irish Times" ของไอร์แลนด์

บทความไม่ได้กล่าวถึง AI เพียงอย่างเดียว แต่ยังกล่าวถึงความจำ การทบทวน ความสนใจ และห้องเรียนที่สามารถทำผิดพลาดได้ สิ่งที่มีร่วมกันคือคำถามว่าเราเข้าใจผิดระหว่าง "การดูเหมือนว่าได้เรียนรู้" กับ "การเรียนรู้จริงๆ" หรือไม่

ผลงานที่ยอดเยี่ยมแสดงถึงพลังของใคร

แบรดลีย์ บุช ผู้แนะนำความรู้ทางจิตวิทยาในการประชุม ได้กล่าวถึงความยากลำบากในการแยกแยะว่า AI ถูกใช้ในงานเขียนของนักเรียนหรือไม่

เมอร์ฟี่เชื่อมโยงสิ่งนี้กับคำถามเกี่ยวกับการประเมินงานที่ขยายออกไปใน "Leaving Certificate" ของไอร์แลนด์ ไม่เพียงแต่การบ้าน

การสอบนี้มีความเกี่ยวข้องกับการเข้ามหาวิทยาลัย การปฏิรูปที่นำเสนอ "Additional Assessment Components (AACs)" รวมถึงรายงานที่อิงจากการวิจัยหรือโครงการ

ตามคำอธิบายที่เผยแพร่โดย ASTI ในเดือนมีนาคม 2026 AAC จะคิดเป็นอย่างน้อย 40% ของคะแนนสุดท้ายในวิชาที่จัดตั้งขึ้นใหม่หรือปรับปรุงเก้ารายการในการสอบปี 2027 ในขณะเดียวกัน ครูได้ชี้ให้เห็นถึงความยากลำบากในการยืนยันว่างานที่ส่งมานั้นเป็นของนักเรียนเองหรือไม่

การประเมินความสามารถที่ไม่สามารถจับได้จากการสอบเขียนนั้นมีความหมาย แต่ยิ่งมีผลกระทบต่อคะแนนมากเท่าไร ก็ยิ่งจำเป็นต้องมีระบบที่ยืนยันได้ว่าผู้เรียนได้คิด ค้นคว้า และตัดสินใจเองมากน้อยเพียงใด

สิ่งที่ต้องการแยกแยะคือการใช้ AI เป็นเครื่องมือช่วยในการค้นคว้าและการสร้างผลงานโดยที่ผู้เรียนไม่เข้าใจ หากรวมทั้งสองเข้าด้วยกัน การใช้ประโยชน์ที่เหมาะสมและการประเมินที่ยุติธรรมจะยากขึ้น

ขีดจำกัดของความคาดหวังว่า "ครูจะสามารถตรวจจับได้"

มีการวิจัยจากมหาวิทยาลัยเรดดิงในสหราชอาณาจักรที่สามารถใช้เป็นข้อมูลในการพิจารณาความกังวลนี้

ในงานวิจัยที่เผยแพร่ในปี 2024 ได้มีการผสมคำตอบที่สร้างโดย AI ในการสอบวิชาจิตวิทยาและตรวจสอบว่ามีการจัดการอย่างไรในกระบวนการให้คะแนนจริง ผลลัพธ์พบว่า 94% ของคำตอบที่สร้างโดย AI ไม่ถูกตรวจพบ และโดยเฉลี่ยได้รับคะแนนสูงกว่าคำตอบของนักเรียนจริง

อย่างไรก็ตาม นี่เป็นผลลัพธ์เฉพาะสำหรับมหาวิทยาลัย วิชา และเงื่อนไขการสอบที่เฉพาะเจาะจง ไม่ได้หมายความว่าจะเป็นเช่นเดียวกันในทุกโรงเรียนในญี่ปุ่น หรือเป็นตัวเลขที่แสดงถึงประสิทธิภาพของเทคโนโลยีการตรวจจับ AI ทุกประเภท

ถึงกระนั้น ความเสี่ยงของการพึ่งพาเพียงความคาดหวังว่า "ครูที่มีประสบการณ์จะสามารถบอกได้จากการอ่านบทความ" เพื่อสนับสนุนระบบก็ยังชัดเจน

สิ่งที่ควรพิจารณาในฐานะระบบการประเมินคือการรวมการอธิบายปากเปล่าสั้น ๆ การทำงานในชั้นเรียน และบันทึกขั้นตอนระหว่างทางเข้ากับผลงานที่เสร็จสมบูรณ์ ไม่ใช่การทำให้สิ่งใดสิ่งหนึ่งเป็นหลักฐานที่ครอบคลุม แต่จำเป็นต้องตรวจสอบความเข้าใจของผู้เรียนจากหลายสถานการณ์

ทำไมการขีดเส้นด้วยปากกาไฮไลท์ถึงทำให้รู้สึกว่า "ได้เรียน"

สิ่งที่น่าประทับใจในบทความต้นฉบับคือการเชื่อมโยงระหว่างเรื่องราวของ AI กับวิธีการเรียนที่มีมานาน

การขีดเส้นในหนังสือเรียน การสรุปโน้ตให้เรียบร้อย การอ่านหลายหน้า

การกระทำเหล่านี้สามารถมองเห็นได้ง่าย ทำให้ความพยายามของผู้เรียนและคนรอบข้างสามารถรับรู้ได้ง่าย แต่การที่หน้ากระดาษมีสีสันและการที่สามารถจำเนื้อหาได้เป็นสองสิ่งที่แตกต่างกัน

ในรีวิวการวิจัยของ Dunlosky และคณะเกี่ยวกับวิธีการเรียนรู้ การทดสอบฝึกหัดและการเรียนรู้แบบเว้นช่วงได้รับการประเมินสูง ในขณะที่การขีดเส้นและการอ่านซ้ำได้รับการประเมินว่ามีประโยชน์ต่ำในเงื่อนไขที่หลากหลาย

นี่ไม่ได้หมายความว่าห้ามใช้ปากกาไฮไลท์ แต่จำเป็นต้องมีโอกาสในการดึงสิ่งที่สำคัญออกมาด้วยตัวเองหลังจากขีดเส้น

ตัวอย่างเช่น ปิดหนังสือเรียนและยกประเด็นสำคัญสามข้อ แก้ปัญหาโดยไม่ดูคำตอบ อธิบายสิ่งที่เรียนเมื่อวานนี้สั้น ๆ ตรวจสอบส่วนที่ทำไม่ได้และลองทำอีกครั้ง

เมื่ออ่านคำอธิบายที่เข้าใจง่ายที่สร้างโดย AI คำถามเดียวกันนี้ก็ควรถูกถามด้วย อ่านแล้วเข้าใจเพียงอย่างเดียวหรือไม่ หรือสามารถอธิบายได้แม้ปิดหน้าจอ

สิ่งที่ทำได้ในวันนี้ไม่ได้หมายความว่าจะทำได้ในสัปดาห์หน้า

ในการประชุมยังมีการพูดถึงความสำคัญของการแยกแยะระหว่างสิ่งที่ทำได้ทันทีหลังจากการสอนและการเรียนรู้ที่ยังคงอยู่ในระยะยาว

สามารถตอบได้ทันทีหลังจากฟังคำอธิบาย สามารถแก้ปัญหาที่คล้ายกันที่อยู่ใต้ตัวอย่างได้ แต่เมื่อผ่านไปหลายวันและไม่มีคำแนะนำใด ๆ ก็ไม่สามารถทำได้ ประสบการณ์เช่นนี้ไม่ใช่เรื่องแปลก

บทความต้นฉบับแนะนำวิธีการกระจายการเรียนรู้และการตรวจสอบซ้ำด้วยเนื้อหาที่เกี่ยวข้อง ตัวอย่างเช่น การเรียนรู้สั้น ๆ ประมาณ 30 นาที แต่ไม่ได้หมายความว่า "ทุกคนต้องใช้เวลา 30 นาทีเป็นเวลาที่เหมาะสมที่สุด"

หากนำมาใช้ในครอบครัว อาจเป็นการกลับไปดูเนื้อหาที่เรียนในวันถัดไปและตรวจสอบอีกครั้งในวันสุดสัปดาห์ เช่น ในวิชาคณิตศาสตร์ อาจลองผสมปัญหาที่มีวิธีแก้ไขเหมือนกันกับปัญหาประเภทอื่นที่เคยเรียนมาแล้ว

สิ่งสำคัญคือไม่ใช้ความรู้สึกที่สามารถทำได้อย่างราบรื่นเป็นเกณฑ์ความสำเร็จ แต่ก็ไม่ใช่การทำให้ยากจนเกินไป การมีงานที่สามารถทำได้และคำอธิบายที่สามารถแก้ไขข้อผิดพลาดได้เป็นสิ่งจำเป็น

ในโซเชียลมีเดีย ความกังวลเรื่องการทำงานแทนและคำถามเกี่ยวกับการสอบครั้งเดียวไขว้กัน

การอภิปรายออนไลน์เกี่ยวกับปัญหานี้ไม่ได้แบ่งแยกอย่างง่ายดายระหว่างการสนับสนุนหรือคัดค้าน AI

ต่อไปนี้ไม่ใช่การตอบสนองโดยตรงต่อบทความ The Irish Times ครั้งนี้ แต่เป็นความคิดเห็นที่สามารถพบได้ในการอภิปรายที่เกี่ยวข้องบน Reddit เกี่ยวกับการปฏิรูปการศึกษาในไอร์แลนด์และ AI เป็นการโพสต์ที่ไม่ระบุตัวตนและไม่ใช่การสำรวจที่แสดงถึงความคิดเห็นของสาธารณชนทั้งหมด

ในเดือนธันวาคม 2024 ในกระทู้ที่กล่าวถึงการใช้ AI ในงานวิจัย มีการแสดงความกังวลว่าเนื่องจากมีคะแนนสูง แม้จะมีกฎห้าม แต่ก็อาจมีนักเรียนที่ใช้ AI ทำงานแทน

ในโพสต์เดียวกันนี้ ยังมีการอธิบายด้วยว่าไม่ได้ปฏิเสธการประเมินที่ไม่ใช่การสอบเขียนทั้งหมด เช่น การสอบปากเปล่าหรือการปฏิบัติทางดนตรี สิ่งที่เป็นปัญหาคือการออกแบบวิธีการยืนยันความสามารถของผู้เรียนในแต่ละประเภทของงาน

ในกระทู้ที่เกี่ยวข้องอื่น ๆ มีความกังวลเกี่ยวกับความแตกต่างในการสนับสนุนจากสิ่งแวดล้อมในครอบครัวและภาระที่เกิดจากการมีงานที่ต้องทำหลายอย่าง ในขณะเดียวกันก็มีคำถามเกี่ยวกับการที่คะแนนทั้งหมดมาจากการสอบใหญ่ครั้งเดียว และความเห็นว่าการแบ่งการประเมินออกเป็นส่วนเล็ก ๆ อาจลดความกดดันของนักเรียนได้

สิ่งที่เห็นได้จากการอภิปรายนี้คือปัญหาที่ไม่สามารถจัดการได้ด้วยเพียงการเลือก "การสอบหรือการบ้าน"

การประเมินงานมีคุณค่าในการยอมรับการค้นคว้าที่ใช้เวลา แต่หากความช่วยเหลือที่ได้รับในครอบครัวแตกต่างกันและความเข้าใจของผู้เรียนยากที่จะยืนยัน ก็อาจสร้างความไม่ยุติธรรมในรูปแบบอื่นได้ ทั้งสองวิธีมีข้อดีที่ควรรักษาและข้อเสียที่ควรปรับปรุง

ในโรงเรียนญี่ปุ่น เราควรตัดสินใจล่วงหน้าว่า "จะประเมินอะไร"

คำถามนี้เกี่ยวข้องกับการเขียนความเห็นเกี่ยวกับหนังสือ การเรียนรู้การวิจัย การทำกิจกรรมค้นคว้า และรายงานในมหาวิทยาลัยในญี่ปุ่น

ตัวอย่างเช่น แม้จะเป็นการบ้านเดียวกันที่ให้สรุปปัญหาในท้องถิ่น แต่จุดประสงค์ไม่ใช่เพียงอย่างเดียว ต้องการพัฒนาทักษะการรวบรวมข้อมูลหรือไม่ ทักษะการเปรียบเทียบข้อมูลหรือไม่ ทักษะการเขียนบทความหรือไม่ ซึ่งจะเปลี่ยนไปตามงานที่ AI สามารถทำได้

หากให้ AI สร้างบทความทั้งหมดในงานที่ฝึกฝนการเขียนบทความ ศูนย์กลางของการฝึกฝนจะหายไป ในทางกลับกัน หากเป็นงานที่เปรียบเทียบข้อมูล การตรวจสอบความแตกต่างระหว่างคำอธิบายของ AI กับข้อมูลสาธารณะก็เป็นกิจกรรมที่สามารถทำได้

แนวทางที่ปรับปรุงใหม่ของกระทรวงศึกษาธิการในเดือนธันวาคม 2024 ก็มีพื้นฐานอยู่ที่การใช้ AI โดยให้มนุษย์เป็นศูนย์กลางและการพัฒนาความสามารถในการใช้ข้อมูลโดยคำนึงถึงการมีอยู่ของ AI การใช้ของนักเรียนจะพิจารณาจากระดับการพัฒนาและสถานะการพัฒนาความสามารถ รวมถึงมาตรการป้องกันความเสี่ยง

การนำแนวทางนี้ไปใช้ในชั้นเรียน การบอกเพียงว่า "สามารถใช้ AI ได้" นั้นไม่เพียงพอ จำเป็นต้องระบุการใช้ที่ยอมรับได้ในแต่ละงาน เช่น การช่วยคิด การแก้ไขการแสดงออก หรือการสร้างบทความ

นอกจากผลงานที่เสร็จสมบูรณ์แล้ว การประเมินที่แสดงให้เห็น "ร่องรอยของการคิด"

แล้วงานแบบไหนที่สามารถตรวจสอบการเรียนรู้ของผู้เรียนได้ง่ายขึ้น ต่อไปนี้คือข้อเสนอที่อิงจากบทความต้นฉบับและเอกสารที่เกี่ยวข้อง

หนึ่งวิธีคือการแชร์กระบวนการจนถึงการส่งงานทีละน้อย คำถามแรก ข้อมูลที่อ้างอิง ความคิดที่เปลี่ยนแปลงระหว่างทาง ข้อสรุปสุดท้าย ไม่จำเป็นต้องบันทึกทั้งหมด แต่เพียงแค่จุดสำคัญก็สามารถจับการตัดสินที่ไม่สามารถมองเห็นได้จากผลงานที่เสร็จสมบูรณ์

อีกวิธีหนึ่งคือการอธิบายสั้น ๆ หลังการส่งงาน

"เหตุผลที่เลือกข้อมูลนี้คืออะไร?"
"มีจุดที่เปลี่ยนแปลงจากความคิดแรกหรือไม่?"
"ข้อสรุปจะเหมือนเดิมภายใต้เงื่อนไขอื่นหรือไม่?"

คำถามเหล่านี้ไม่เพียงแต่ใช้ในการควบคุมการใช้ AI แต่ยังเป็นโอกาสในการเพิ่มความเข้าใจด้วย

อย่างไรก็ตาม ไม่ควรประเมินจากความเร็วในการตอบหรือความสามารถในการพูดต่อหน้าคนอื่นเพียงอย่างเดียว จำเป็นต้องมีวิธีการที่สอดคล้องกับเป้าหมายการเรียนรู้ เช่น การให้เวลาในการคิดหรือการอธิบายด้วยข้อความสั้น ๆ หรือภาพ

นอกจากนี้ หากการตรวจสอบทั้งหมดเป็นภาระเพิ่มเติมของครูเพียงอย่างเดียวก็จะไม่ยั่งยืน การทบทวนจำนวนและปริมาณของงาน รวมถึงการจัดสรรเวลาในชั้นเรียนเพื่อตรวจสอบกระบวนการก็เป็นส่วนหนึ่งของการปฏิรูปการประเมิน

ในห้องเรียน