
هوش مصنوعی از غربالگری درخواستهای پذیرش پشتیبانی میکند.
استفاده از هوش مصنوعی در پذیرش در بسیاری از دانشگاههای آمریکایی، به ویژه دانشگاههایی که تعداد زیادی درخواست دریافت میکنند، رواج دارد. این فناوری به کاهش زمان پردازش، تأیید اعتبار اطلاعات و کمک به کمیتههای پذیرش در ارزیابی منسجمتر درخواستها کمک میکند. با این حال، پیادهسازی آن همچنین باعث ایجاد جنجالهایی در مورد شفافیت، دقت و خطر از دست دادن عنصر انسانی شده است.
هوش مصنوعی بیش از ۲۵۰ هزار مقاله را در کمتر از یک ساعت میخواند!
بسیاری از دانشگاههای ایالات متحده با افزایش شدید تعداد درخواستها هر ساله تحت فشار زیادی هستند. دانشگاههایی که در هر دوره پذیرش دهها هزار درخواست دریافت میکنند، باید زمان زیادی را صرف خواندن مقالهها، بررسی ریزنمرات و تأیید اطلاعات کنند. فرآیند دستی نه تنها بار زیادی را بر کمیته پذیرش تحمیل میکند، بلکه باعث تأخیر در پاسخگویی به داوطلبان نیز میشود.
در این زمینه، مدارس شروع به استفاده از هوش مصنوعی برای پشتیبانی از مراحل پردازش دادههای تکراری و وقتگیر کردهاند. هدف اصلی کوتاه کردن زمان ارزیابی اولیه است، در نتیجه به داوطلبان کمک میکند تا نتایج را زودتر دریافت کنند و در عین حال سطح هماهنگی در بررسی درخواستها حفظ شود.
یک نمونه قابل توجه، دانشگاه ویرجینیا تک است که یک سیستم هوش مصنوعی را به کار گرفته است که میتواند بیش از ۲۵۰،۰۰۰ مقاله را در کمتر از یک ساعت بخواند. این زمان بسیار سریعتر از میانگین دو دقیقهای برای هر مقاله هنگام خواندن دستی است.
چنین قابلیتهای پردازشی در مقیاس بزرگ به مدارس کمک میکند تا حجم کار کارکنان را کاهش داده و روند پذیرش را، به ویژه در دورههای اوج، سرعت بخشند.
هوش مصنوعی در انشاهای پذیرش، ریزنمرات و توصیهنامهها
ارزیابی انشاها اغلب سختترین بخش یک درخواست پذیرش است، زیرا بسیار سلیقهای هستند، به همین دلیل است که بسیاری از مدارس شروع به استفاده از ابزارهای هوش مصنوعی برای کمک به غربالگری اولیه کردهاند.
در این مرحله، مدلهای زبانی در درجه اول سرقت ادبی را بررسی کرده و خطاهای دستوری را تشخیص میدهند، که این امر میزان پردازش را قبل از ارسال درخواست به هیئت پذیرش به میزان قابل توجهی کاهش میدهد.
برخی سیستمها همچنین میتوانند نشانههایی را تشخیص دهند که ممکن است یک مقاله توسط یک ابزار ایجاد شده باشد، بر اساس میزان تکرار یا سبک نوشتاری که با سایر بخشهای برنامه مطابقت ندارد. اگرچه قطعی نیست، اما این سیگنالها به مدارس کمک میکنند تا تعیین کنند کدام برنامهها نیاز به بررسی دقیقتر انسانی دارند.
هوش مصنوعی فراتر از انشا، در بخشهای دیگر درخواست نیز به کار گرفته میشود. دانشگاه جورجیا تک، ریزنمرات را از استخراج دادهها گرفته تا تبدیل واحد و معادلسازی دروس، پردازش میکند و زمان لازم برای بررسی درخواستهای انتقالی را کاهش میدهد. در استونی بروک، هوش مصنوعی توصیهنامهها را خلاصه میکند، عوامل مرتبط با پیشینه شخصی متقاضی را برجسته میکند و به کمیته پذیرش کمک میکند تا به سرعت اطلاعات کلیدی را درک کند.
برای درخواستهایی که شامل یک پروژه یا مقاله تحقیقاتی هستند، برخی از مدارس مصاحبههای خودکار را برای تأیید سطح درک متقاضی اجرا میکنند. Caltech اعلام کرد که از یک قالب مصاحبه آنلاین از طریق یک ابزار هوش مصنوعی استفاده میکند و از متقاضیان میخواهد که جزئیات پروژه ارسالی خود را توضیح دهند. سپس نتایج برای ارزیابی دستی به هیئت علمی ارسال میشود.
جنجال، شفافیت و نقش انسان
اگرچه انتظار میرود که به کاهش بار مدارس کمک کند، اما استفاده از هوش مصنوعی در پذیرش هنوز نگرانیهای زیادی را در مورد شفافیت و عدالت ایجاد میکند. یکی از سوالات بزرگ این است که برای داوطلبان دشوار است که بدانند مدارس تا چه حد از هوش مصنوعی استفاده میکنند، به طور خاص در کدام مراحل و چگونه این سیستم بر نتایج پذیرش تأثیر میگذارد.
برای رسیدگی به این نگرانیها، انجمن ملی مشاوره پذیرش دانشگاه، پاییز امسال دستورالعملهای اخلاقی خود را بهروزرسانی کرد و بخشی را به هوش مصنوعی اختصاص داد.
این سازمان معتقد است که ابزارهای خودکار میتوانند از این فرآیند پشتیبانی کنند، اما پیادهسازی آن باید مبتنی بر اصول اساسی شفافیت، صداقت و انصاف باشد، ضمن اینکه به شأن و منزلت زبانآموزان نیز احترام گذاشته شود.
منبع: https://tuoitre.vn/ai-vao-tuyen-sinh-dai-hoc-my-dieu-gi-xay-ra-voi-ho-so-cua-thi-sinh-20251205165712861.htm










نظر (0)