استفاده از هوش مصنوعی در میان دانشجویان به موضوعی روزمره تبدیل شده است. در نیمسال زمستانی ۲۰۲۵/۲۶، مرکز توسعه آموزش عالی (CHE) بیش از ۲۸ هزار دانشجو را درباره «هوش مصنوعی در دانشگاه» مورد پرسش قرار داد و ۸۱ درصد گفتند که بهصورت هفتگی یا روزانه از آن استفاده میکنند. طبق همین نتایج، رایجترین کاربردها شامل جستوجوی کلی و ایدهپردازی است؛ برخی نیز از هوش مصنوعی بهعنوان دستیاری برای خلاصهکردن متنها بهره میبرند. همزمان، استادان میتوانند در هر درس خودشان تعیین کنند چه قواعدی برای کار با هوش مصنوعی برقرار باشد.
شفافیت بهجای ممنوعیت کامل
در دانشکده فنی برلین (BHT)، کای-اووه کَش، استاد پزشکی فیزیک، میگوید شفافیت مهم است: اینکه دانشجویان بگویند از چه چیزی استفاده کردهاند و چگونه و حتی پرامپتها را نام ببرند. او به دانشجویان اجازه میدهد از هر ابزار هوش مصنوعی که میخواهند استفاده کنند، اما انتظار دارد این موارد را بهطور دقیق در فهرست منابع کار علمی ثبت کنند: ابزار بهکاررفته، خروجی تولیدشده و اینکه چه چیزی از هوش مصنوعی پرسیده شده است. او ارزیابی نهایی را بهصورت آزمون شفاهی برگزار میکند و با پرسشهای کوتاه، دانستههای متن تحویلدادهشده را میسنجد.
به گفته تاگزشاو، یوهانس زِملر، دانشجوی ۲۱ ساله پزشکیفیزیک، میگوید در پژوهش از هوش مصنوعی زیاد استفاده میکند چون میتواند در زمان کوتاه «صدها تا هزاران پایگاه داده» را بررسی کند و به یافتن منبع کمک کند. با این حال، او تجربه کرده که هوش مصنوعی گاهی «توهم» دارد: لینکهای قدیمیِ ازکارافتاده میدهد یا منابع و نویسندگانی را میسازد که وجود ندارند.
خطر از بین رفتن تلاش مستقل دانشجویان
باربارا واگنر از «انجمن دیجیتالیسازی آموزش عالی» درباره برخورد بیش از حد سهلگیرانه هشدار میدهد. او میگوید وقتی پیشنهادهای محتوایی یا استدلالیِ هوش مصنوعی «صرفا پذیرفته و کپی» میشود، دیگر «کار مستقل» وجود ندارد. به گفته او، ایجاد جهتگیری و چارچوب وظیفه دانشگاه است و قواعد باید با همکاری استادان و دانشجویان تدوین شود. واگنر همچنین پیشنهاد میکند که دانشجویان در میانه کار، فرایند و نحوه استفاده از هوش مصنوعی را آشکار کنند و در پایان، بهویژه با آزمون حضوری، ارائه یا دفاع روشن شود آیا در کار نوشتاری واقعا تلاش و فهم شخصی صورت گرفته است.
کاهش ارتباط میان دانشجویان
سارا فیتِرر، دانشجوی دانشگاه فنی برلین (TU Berlin) و دستیار آموزشی، میگوید اجرای چنین تغییراتی همیشه روان پیش نمیرود. او از یک نمونه در رشته انفورماتیک میگوید: «امتحانهای خانگی» بهدلیل دشواریِ کنترل استفاده از هوش مصنوعی به امتحان حضوری تبدیل شد، اما اتاق کافی وجود نداشت و دانشگاه مجبور شد فضای بیرونی اجاره کند و دانشجویان را به لپتاپ مجهز کند. فیتِرر که در گروه دانشجویی «AiAiAi» فعال است، میگوید احساس میکنند همه درباره دانشجویان حرف میزنند، اما با خودِ آنها کمتر صحبت میشود. او همچنین تجربه میکند که برخی دانشجویان وقتی چیزی را نمیفهمند، بهجای پرسیدن از همکلاسی کنار دستشان سراغ چتباتها میروند و این را «مشکلساز» میداند.
طراحی تکالیفی که هوش مصنوعی بهتنهایی از پس آنها برنمیآید
به گفته تاگزشاو، در دانشگاه علوم کاربردی ویلداو (TH Wildau)، رالف شیمانسکی، استاد انفورماتیک اقتصادی، دانشجویان را تشویق میکند از هوش مصنوعی استفاده کنند به شرط آنکه قانونی باشد. او میگوید دانشجویان را برای رقابت بیرون از دانشگاه آماده میکند. در عین حال برای امکان «ارزیابی عادلانه»، صورتِ مسئلهها را طوری تنظیم میکند که «هوش مصنوعی به بنبست بخورد»؛ یعنی پاسخها در اینترنت در دسترس نباشد تا هوش مصنوعی نتواند جایگزین فکر دانشجو شود و بیشتر به کارهای وقتگیر کمک کند. او میگوید سالانه حدود ۱۵۰ کارِ سمیناری را بررسی میکند و اضافه میکند نوشتهها امروز «خواناتر» از گذشته شدهاند.
نابرابری در دسترسی به ابزارهای هوش مصنوعی
محمد فهل، دانشجوی انفورماتیک اقتصادی در ویلداو، میگوید میدانند امکان تقلب با هوش مصنوعی وجود دارد، اما خودش و همکلاسیهایش آن را انجام نمیدهند؛ از ترس اینکه شاید در آینده بتوان ثابت کرد مدرک یا پایاننامه با تقلب بهدست آمده است. او چند مدل هوش مصنوعی را به هم وصل کرده و میگوید حتی فرایندهای فکریِ نمایشدادهشده در پاسخها را نگاه میکند تا بهتر بفهمد چگونه به نتیجه میرسند. به گفته فهل، انتخاب مدل به توان مالی هم مربوط است: هرچه گرانتر، توانمندتر؛ و اگر دانشگاه دسترسی رایگان ندهد، کسانی که اشتراک ندارند در موضع بدتری قرار میگیرند. او میگوید هوش مصنوعی برایش «کارهای تکراری و وقتگیر» را انجام میدهد، اما باید همیشه با دانش تخصصی خودش کنترل کند که نتیجه درست است. فهل جمعبندی میکند: «هوش مصنوعی هنوز خیلی باهوش نیست» و آن را مثل چکش برای یک صنعتگر میداند: این ابزار کار را انجام نمیدهد؛ فرد ماهر انجام میدهد.