Η πανεπιστημιακή πραγματικότητα δεν ανέβηκε ακόμα στο τρένο της Τεχνητής Νοημοσύνης

Μέρος Πρώτο: Τα προβλήματα 

Κάποτε, το πανεπιστήμιο ήταν το μοναδικό μέρος όπου μπορούσες να βρεις έγκυρη γνώση. Ήταν το Google πριν υπάρξει το Google, το ChatGPT πριν υπάρξει το ChatGPT. Οι φοιτητές έφευγαν από εκεί με το βάρος (και τη βεβαιότητα) πως ήξεραν κάτι που ο υπόλοιπος κόσμος δεν ήξερε.

Τώρα όμως, οι ρόλοι αντιστράφηκαν. Η γνώση είναι παντού, διαθέσιμη σε ένα κλικ, και το πανεπιστήμιο δείχνει να μην έχει προσαρμοστεί. Αντί να επανεφεύρει τον ρόλο του, παρακολουθεί από τον πάγκο μια παράσταση όπου άλλοι πρωταγωνιστούν.

1. Η κρίση της αξιολόγησης

Ας ξεκινήσουμε από το πιο κραυγαλέο: οι φοιτητές δεν γράφουν πια μόνοι τους τις εργασίες.

Πλατφόρμες τεχνητής νοημοσύνης τις γράφουν γι’ αυτούς, απαντούν στα online quizzes, φτιάχνουν στατιστικές αναλύσεις, και μάλιστα – τολμηρό αλλά αληθινό – γράφουν διπλωματικές και διδακτορικές διατριβές.

Οι καθηγητές το ξέρουν. Κάποιοι κάνουν πως δεν το ξέρουν. Άλλοι νομίζουν ότι μπορούν να το εντοπίσουν με εργαλεία ανίχνευσης, αλλά αυτά είναι σχεδόν πάντα αναξιόπιστα. Το αποτέλεσμα; Μια φάρσα με τίτλο «Αξιολόγηση» όπου κανείς δεν ξέρει ποιος έγραψε τι.

Αν η αξιολόγηση των φοιτητών πάψει να είναι έγκυρη και αξιόπιστη, τότε ολόκληρο το κύρος του πτυχίου καταρρέει· γιατί χωρίς πραγματική αξιολόγηση δεν υπάρχει γνώση που να πιστοποιείται, μόνο ένα χαρτί που ισχυρίζεται ότι κάτι μάθαμε – χωρίς κανείς να μπορεί να το βεβαιώσει.

Οι πρώτοι γιατροί που παίρνουν πτυχίο με GPT θα αποφοιτήσουν σύντομα. Καλά θα κάνετε να αρχίσετε να προσέχετε τη διατροφή σας και να γυμνάζεστε!

Κι όμως, υπάρχουν πάνω από 25 διαφορετικοί τύποι αξιολόγησης διεθνώς. Παρ’ όλα αυτά, τα ελληνικά πανεπιστήμια μένουν κολλημένα στους ίδιους τρεις: εργασία, παρουσίαση, τελική εξέταση. Ένα στατικό σύστημα που επιμένει να μετρά το ίδιο πράγμα με τον ίδιο τρόπο, σε μια εποχή που τα πάντα αλλάζουν.

2. Το περιεχόμενο διδασκαλίας

Τα περισσότερα προγράμματα σπουδών γράφτηκαν σε μια εποχή χωρίς TikTok, χωρίς AI, χωρίς πανδημία. Κι όμως, διδάσκονται ακόμη σαν να μην έχει περάσει μέρα. Το αποτέλεσμα; Μαθήματα που δεν συνδέονται με την αγορά εργασίας.

Στο μεταξύ, οι εργοδότες αρχίζουν να βλέπουν διαφορετικά τα πτυχία. Ο κάτοχος microcredential – εκείνος που έκανε μικρές, εξειδικευμένες πιστοποιήσεις σε ψηφιακές δεξιότητες – θεωρείται πλέον πιο ικανός από τον παραδοσιακό απόφοιτο. Κι αν το πανεπιστήμιο συνεχίσει έτσι, κινδυνεύει να γίνει το νέο… δισκέτα 3,5 ιντσών: ένα ωραίο απολίθωμα.

3. Ο τρόπος διδασκαλίας: PowerPoint μέχρι τελικής πτώσης

Πηγαίνεις σε ένα αμφιθέατρο. Ο καθηγητής στέκεται μπροστά – σε λίγους πλέον φοιτητές – και αρχίζει να διαβάζει κείμενα από διαφάνειες. Οι φοιτητές σκρολάρουν στο κινητό. Κάποιος ρωτά κάτι, ο καθηγητής εκνευρίζεται που τον διέκοψαν.

Η διδασκαλία αυτή βασίζεται σε μια υπόθεση: ότι η μετάδοση πληροφορίας από τη σοφή πηγή (τον εγκέφαλο του καθηγητή) φέρνει τη μάθηση στον δέκτη (στον εγκέφαλο του φοιτητή). Δεν ισχύει πια. Στην εποχή της ΤΝ, ο ρόλος του καθηγητή δεν είναι να «παραδώσει ύλη», αλλά να μάθει στους φοιτητές πώς να κρίνουν, να συγκρίνουν, να δημιουργούν.

Όμως τα περισσότερα μαθήματα λειτουργούν σαν PowerPoint-μαραθώνιοι. Μια σιωπηλή επιβεβαίωση ότι «το κάναμε και φέτος».

4. Τα βιβλία

Οι φοιτητές έχουν πλέον πρόσβαση σε κάθε δυνατή απάντηση μέσα σε δευτερόλεπτα. Το βιβλίο που γράφτηκε πριν δέκα χρόνια μοιάζει με άρθρο εφημερίδας της δεκαετίας του ’90. Το πανεπιστήμιο, όμως, το κρατά στο πρόγραμμα σπουδών – γιατί «είναι κλασικό».

Αυτό το «κλασικό» όμως, όταν μπαίνει δίπλα στο ChatGPT ή το Gemini Pro, μοιάζει κουρασμένο. Οι πλατφόρμες τεχνητής νοημοσύνης δίνουν όχι μόνο απαντήσεις, αλλά και ερμηνείες, προτάσεις, συνδέσεις. Ο φοιτητής το βλέπει, το προτιμά, και σταματά να διαβάζει το παλιό βιβλίο.

Η αυθεντία του πανεπιστημίου έχει διαβρωθεί – όχι επειδή οι φοιτητές έγιναν τεμπέληδες, αλλά επειδή η γνώση δεν είναι πια προνόμιο, αλλά ανοιχτός πόρος προσβάσιμος σε όλους.

5. Η αδράνεια των θεσμών

Κι ύστερα, υπάρχει και αυτό το τελευταίο, πιο εκνευριστικό: η απουσία στρατηγικής.

Κάθε πανεπιστήμιο καλείται να βγάλει τους δικούς του κανόνες για τη χρήση ΤΝ. Όταν δεν το κάνει (δεν το κάνει), τότε κάθε τμήμα αποφασίζει μόνο του τι θεωρεί «αθέμιτο». Το υπουργείο τηρεί στάση αναμονής, σαν να περιμένει να δει ποιος θα κάνει το πρώτο λάθος.

Το αποτέλεσμα είναι ένα πανεπιστημιακό σύστημα που μοιάζει με χάρτη χωρίς πυξίδα. Μερικά ιδρύματα κάνουν βήματα μπροστά, άλλα πίσω. Κανείς όμως δεν δείχνει να έχει κοινό όραμα.

Μέρος Δεύτερο: Οι λύσεις

1. Ένας κοινός κανονισμός για την τεχνητή νοημοσύνη – με ευελιξία εφαρμογής

Το πρώτο βήμα είναι θεσμικό: η δημιουργία ενιαίου κανονισμού χρήσης ΤΝ για όλα τα ελληνικά πανεπιστήμια. Όχι αποσπασματικοί κανόνες ανά τμήμα, αλλά ένα κοινό πλαίσιο με καθαρή λογική: διαφάνεια, δεοντολογία και ευελιξία.

Ο κανονισμός αυτός μπορεί να επιτρέπει στους καθηγητές να ορίζουν οι ίδιοι τον βαθμό επιτρεπόμενης χρήσης ΤΝ στα μαθήματά τους. Για παράδειγμα, σε ένα μάθημα δημιουργικής γραφής η χρήση μπορεί να επιτρέπεται μόνο για έλεγχο, ενώ σε ένα μάθημα ανάλυσης δεδομένων ίσως ενθαρρύνεται περισσότερο ή ακόμα και να επιβάλλεται, όπως στο μάθημά μου μεθοδολογία έρευνας.

Έτσι, η ΤΝ δεν αντιμετωπίζεται ως απειλή, αλλά ως εργαλείο μάθησης υπό καθοδήγηση.

2. Επανασχεδιασμός της αξιολόγησης – Το μοντέλο “Two-Lanes Assessment”

Η αξιολόγηση πρέπει να μετατραπεί σε δυναμική διαδικασία που ελέγχει όχι μόνο το αποτέλεσμα, αλλά και τη σκέψη πίσω από αυτό.

Ένα προτεινόμενο μοντέλο είναι το Two-Lanes Assessment:

• Lane A: Παραδοσιακή αξιολόγηση (εργασία, παρουσίαση, τεστ) με ρητούς κανόνες χρήσης ΤΝ.
• Lane B: Αξιολόγηση “με ΤΝ”, όπου ο φοιτητής χρησιμοποιεί συνειδητά εργαλεία όπως GPTs ή Gemini, αλλά τεκμηριώνει τη διαδικασία, αιτιολογεί τις επιλογές του και αναστοχάζεται στα αποτελέσματα.

Το αποτέλεσμα είναι διπλό: ενίσχυση της κριτικής σκέψης και ψηφιακής δεοντολογίας.

Επιπλέον, υπάρχουν ήδη GPT-εργαλεία που βοηθούν τους διδάσκοντες να σχεδιάζουν πιο έξυπνες αξιολογήσεις – προτείνοντας τύπους ερωτήσεων, βαθμίδες δυσκολίας και τρόπους ενσωμάτωσης δεξιοτήτων. Αυτή η χρήση της τεχνητής νοημοσύνης μπορεί να μειώσει το διοικητικό βάρος και να βελτιώσει τη συνοχή μεταξύ μαθημάτων.

3. Ανασχεδιασμός προγραμμάτων και μαθημάτων

Για τον επανασχεδιασμό των προγραμμάτων σπουδών, μπορεί να αξιοποιηθεί το μοντέλο Curriculum and Course Design Model. Πρόκειται για μια προσέγγιση που βοηθάει στην ανάλυση και προσαρμογή ύλης των μαθημάτων/προγραμμάτων και συνδέει τις μαθησιακές επιδιώξεις με τις πραγματικές δεξιότητες που απαιτεί η αγορά εργασίας. Σύμφωνα με αυτό οι δραστηριότητες ευθυγραμμίζονται με προσδοκώμενα μαθησιακά αποτελέσματα. Η χρήση του μοντέλου κάνει το πρόγραμμα σπουδών πιο ευέλικτο, επίκαιρο και προσαρμοσμένο στις τεχνολογικές αλλαγές.

4. Εκπαίδευση καθηγητών και φοιτητών – Μια «άγνωστη δυνατότητα»

Όλοι οι εκπαιδευτικοί, φοιτητές και μαθητές διαθέτουν δωρεάν πρόσβαση σε ισχυρά εργαλεία, όπως το Gemini Pro, μέσω των εκπαιδευτικών τους λογαριασμών· ωστόσο, αυτή η δυνατότητα παραμένει ουσιαστικά άγνωστη, αφού δεν έχει ποτέ ανακοινωθεί επίσημα από την κεντρική διοίκηση – ίσως γιατί η ίδια δεν έχει ακόμη αντιληφθεί το εύρος και τη σημασία της.

Η αξιοποίηση τέτοιων εργαλείων μπορεί να αλλάξει ριζικά τη διδασκαλία:

• Επιτρέπει πειραματισμό με νέα μοντέλα μάθησης.
• Παρέχει στους φοιτητές ευκαιρίες για προσωποποιημένη καθοδήγηση.
• Προσφέρει στους διδάσκοντες έναν συνεργατικό βοηθό στην ανάπτυξη υλικού, αξιολόγησης και έρευνας.

Η εκπαίδευση λοιπόν πρέπει να περιλαμβάνει όχι μόνο τεχνικές δεξιότητες, αλλά και κριτική κατανόηση του πώς, πότε και γιατί χρησιμοποιούμε την ΤΝ.

5. Αναθεώρηση και ανανέωση υλικού

Τα πανεπιστημιακά συγγράμματα χρειάζονται ανανέωση – όχι απλώς επικαιροποίηση. Προτείνονται ψηφιακά διαδραστικά βιβλία που συνδέονται με πραγματικά δεδομένα και περιλαμβάνουν ενσωματωμένα παραδείγματα χρήσης ΤΝ.

Αντί να «ανταγωνίζονται» τα chatbots, τα βιβλία μπορούν να συνεργάζονται μαζί τους. Ένα μάθημα που ζητά από τον φοιτητή να συγκρίνει την απάντηση του GPT με αυτή του συγγράμματος, καλλιεργεί κριτική σκέψη.

6. Σύνδεση με την αγορά εργασίας

Η πανεπιστημιακή γνώση πρέπει να επιστρέψει στην πραγματικότητα. 

Δημιούργησα ένα εργαλείο το οποίο βοηθά τα πανεπιστήμια να συνδέσουν τα προγράμματα σπουδών με τις πραγματικές ανάγκες της αγοράς εργασίας.
Το εργαλείο λειτουργεί σε τρία διαδοχικά βήματα:

1. Αξιολόγηση του υπάρχοντος προγράμματος ή μαθήματος ως προς τους μαθησιακούς στόχους και τις αναμενόμενες δεξιότητες.
2. Ανίχνευση των δεξιοτήτων και ικανοτήτων που ζητά η αγορά εργασίας στον αντίστοιχο επαγγελματικό χώρο.
3. Εντοπισμός κενών και προτάσεις βελτίωσης στο περιεχόμενο, στις μεθόδους διδασκαλίας και στην αξιολόγηση, ώστε το πρόγραμμα να είναι πλήρως ευθυγραμμισμένο με τις σύγχρονες απαιτήσεις απασχόλησης.

Το πτυχίο του μέλλοντος θα είναι ευέλικτο, διασυνδεδεμένο και ανοιχτό.

7. Χρήση ΤΝ για αξιολόγηση και βελτίωση μαθημάτων

Η ίδια η ΤΝ μπορεί να αποτελέσει εργαλείο βελτίωσης της εκπαίδευσης. Υπάρχουν εφαρμογές που αναλύουν μαθήματα, εντοπίζουν επαναλήψεις, μετρούν βαθμό συμμετοχής και προτείνουν βελτιώσεις στη διδασκαλία ή στα μαθησιακά αποτελέσματα.

Με αυτόν τον τρόπο, η ΤΝ μετατρέπεται από πρόκληση σε σύμμαχο της ποιότητας.

Επίλογος

Η τεχνητή νοημοσύνη δεν ήρθε να καταργήσει τα πανεπιστήμια – ήρθε να τα αναγκάσει να γίνουν ξανά δημιουργικά.

Η πραγματική κρίση δεν είναι τεχνολογική αλλά παιδαγωγική: ποιο είναι το νόημα της μάθησης όταν η πληροφορία είναι παντού;

Η απάντηση ίσως βρίσκεται στην απλότητα: το πανεπιστήμιο πρέπει να διδάξει ξανά πώς να σκέφτεσαι, όχι απλώς πώς να απαντάς.

Σημείωση: Οι αναφορές σε εργαλεία και πρωτοβουλίες που έχω δημιουργήσει δεν γίνονται για λόγους προσωπικής προβολής ή προώθησης, αλλά ως υπαρκτά παραδείγματα που μπορούν να αξιοποιηθούν άμεσα από την εκπαιδευτική κοινότητα – εφόσον υπάρξει το κατάλληλο θεσμικό πλαίσιο.

Ο Δρ Άγγελος Ροδαφηνός είναι Αναπληρωτής Καθηγητής στο Αριστοτέλειο Πανεπιστήμιο και διδάσκει Νέες Τεχνολογίες. Σπούδασε και εργάστηκε σε 13 πανεπιστήμια στην Αμερική, Αυστραλία, Κύπρο και Ελλάδα. 

* Το άρθρο δημιουργήθηκε σε συνεργασία με το GPT που γράφει με στυλ Malcolm Gladwell. Ό,τι λάθος είναι της ΤΝ. Ό,τι έξυπνο, ανθρώπινο και χρήσιμο ανήκει στον Δρ Ρο, που έκανε τις σωστές προτροπές, τη σωστή επεξεργασία, και τις σωστές ερωτήσεις.