ВІД САМОПЕРЕВІРКИ ДО ВЗАЄМНОГО РЕЦЕНЗУВАННЯ: РОЗВИТОК КОГНІТИВНО-ВЕРИФІКАЦІЙНОГО ПІДХОДУ ДО ОЦІНЮВАННЯ МАТЕМАТИЧНИХ ЗАВДАНЬ В УМОВАХ ГЕНЕРАТИВНОГО ШТУЧНОГО ІНТЕЛЕКТУ
DOI:
https://doi.org/10.31110/fmo2026.v41i3-05Ключові слова:
генеративний штучний інтелект, взаємне рецензування, валідність оцінювання, метакогнітивна пасивність, когнітивно-верифікаційний підхід, математичний аналіз, дистанційне навчання, ризик-орієнтований аудитАнотація
Формулювання проблеми. Генеративний штучний інтелект підриває діагностичну надійність домашніх завдань у дистанційній математичній освіті: зовнішньо правильний результат більше не є достатнім доказом самостійного досягнення результатів навчання. Ключовим ризиком є метакогнітивна пасивність студента — делегування технології аналізу умови, вибору методу та перевірки результату. Стаття розвиває когнітивно-верифікаційний підхід автора, переносячи верифікаційну діяльність з індивідуальної самоперевірки на аналіз чужого математичного міркування через взаємне рецензування.
Матеріали і методи. Дослідження є теоретичним із пілотною апробацією. Теоретичну основу становлять концепція валідності оцінювання Мезіка, поняття метакогнітивної пасивності та концепція «assessment twins». На цій базі сконструйовано п'ятикомпонентну ризик-орієнтовану модель оцінювання. Пілот передбачав одну академічну групу (10 студентів), одне завдання з математичного аналізу та якісний описовий аналіз результатів.
Результати. Розроблено п'ятикомпонентну модель: когнітивно-верифікаційне розв'язання з контрольними точками; структуроване рецензування аналогічної роботи за критеріями; обов'язкова відповідь здобувача на рецензію; коротка саморефлексія; вибірковий аудит викладача (20–30 % робіт). Для курсу математичного аналізу розроблено приклади реалізації моделі (границя функції двох змінних, екстремум, подвійний інтеграл) та три варіанти підсумкового оцінювання.
Висновки. Модель переміщує проблему з площини виявлення використання штучного інтелекту в площину валідності оцінювання, формуючи кілька взаємодоповнювальних джерел доказів компетентності. Вибірковий аудит є масштабованішою альтернативою суцільному індивідуальному захисту робіт. Модель особливо перспективна для підготовки вчителів математики. Подальші дослідження мають емпірично перевірити вплив на метакогнітивну активність та оцінити співвідношення між валідністю й ресурсними витратами.
Завантажити
Посилання
Bennett, R. E. (2011). Formative assessment: A critical review. Assessment in Education: Principles, Policy & Practice, 18(1), 5–25. https://doi.org/10.1080/0969594X.2010.513678
Biton, Y. (2025). Learning mathematics through peer assessment: "How can we assess something that we ourselves don't know how to solve?" EURASIA Journal of Mathematics, Science and Technology Education. https://www.ejmste.com/article/learning-mathematics-through-peer-assessment-how-can-we-assess-something-that-we-ourselves-dont-know-15794
Combrinck, C., & Loubser, N. (2025). Student self-reflection as a tool for managing GenAI use in large class assessment. Discover Education, 4, Article 72. https://link.springer.com/article/10.1007/s44217-025-00461-2
Corbin, T., Bearman, M., Boud, D., & Dawson, P. (2025). The wicked problem of AI and assessment. Assessment & Evaluation in Higher Education. Advance online publication. https://doi.org/10.1080/02602938.2025.2553340
Corbin, T., Dawson, P., & Liu, D. (2025). Talk is cheap: Why structural assessment changes are needed for a time of GenAI. Assessment & Evaluation in Higher Education, 50(7), 1087–1097. https://doi.org/10.1080/02602938.2025.2503964
Dawson, P., Bearman, M., Dollinger, M., & Boud, D. (2024). Validity matters more than cheating. Assessment & Evaluation in Higher Education, 49(7), 1005–1016. https://doi.org/10.1080/02602938.2024.2386662
de-Armas-González, P., Perdomo-Díaz, J., & Sosa-Martín, D. (2023). Peer assessment processes in a problem-solving activity with future teachers. EURASIA Journal of Mathematics, Science and Technology Education, 19(4), Article em2245. https://www.ejmste.com/article/peer-assessment-processes-in-a-problem-solving-activity-with-future-teachers-13057
Fan, Y., Tang, L., Le, H., Shen, K., Tan, S., Zhao, Y., Shen, Y., Li, X., & Gašević, D. (2025). Beware of metacognitive laziness: Effects of generative artificial intelligence on learning motivation, processes, and performance. British Journal of Educational Technology, 56(2), 489–530. https://doi.org/10.1111/bjet.13544
Gao, X., Noroozi, O., Gulikers, J., Biemans, H. J. A., & Banihashem, S. K. (2024). A systematic review of the key components of online peer feedback practices in higher education. Educational Research Review, 42, 100588. https://doi.org/10.1016/j.edurev.2024.100588
Sun, Y., Liao, Y., & Ma, X. (2026). Trusting AI to detect AI? A systematic evaluation of the reliability and robustness of current AIGC detection tools for student academic work. Computers & Education, 249, 105616. https://doi.org/10.1016/j.compedu.2026.105616
Heil, J., & Ifenthaler, D. (2023). Online assessment in higher education: A systematic review. Online Learning, 27(1), 187–218. https://olj.onlinelearningconsortium.org/index.php/olj/article/view/3398
Kerman, N. T., Banihashem, S. K., Karami, M., Er, E., van Ginkel, S., & Noroozi, O. (2024). Online peer feedback in higher education: A synthesis of the literature. Education and Information Technologies, 29(1), 763–813. https://doi.org/10.1007/s10639-023-12273-8
Messick, S. (1989). Validity. In R. L. Linn (Ed.), Educational measurement (3rd ed., pp. 13–103). American Council on Education.
Messick, S. (1993). Foundations of validity: Meaning and consequences in psychological assessment. ETS Research Report Series, 1993(2), i–18. https://doi.org/10.1002/j.2333-8504.1993.tb01562.x
Perkins, M., Roe, J., Vu, B. H., Postma, D., Hickerson, D., McGaughran, J., & Khuat, H. Q. (2024). Simple techniques to bypass GenAI text detectors: Implications for inclusive education. International Journal of Educational Technology in Higher Education, 21, Article 53. https://doi.org/10.1186/s41239-024-00487-w
Roe, J., Perkins, M., & Giray, L. (2026). Assessment twins: An approach for strengthening assessment validity in the age of generative AI. Journal of Applied Learning & Teaching, 9(2). https://doi.org/10.37074/jalt.2026.9.2.3
Rudolph, J., Tan, S., & Tan, S. (2023). ChatGPT: Bullshit spewer or the end of traditional assessments in higher education? Journal of Applied Learning & Teaching, 6(1), 342–363. https://doi.org/10.37074/jalt.2023.6.1.9
Topping, K. J., Gehringer, E., Khosravi, H., Gudipati, S., Jadhav, K., & Susarla, S. (2025). Enhancing peer assessment with artificial intelligence. International Journal of Educational Technology in Higher Education, 22, Article 3. https://doi.org/10.1186/s41239-024-00501-1
Weber-Wulff, D., Anohina-Naumeca, A., Bjelobaba, S., Foltýnek, T., Guerrero-Dib, J., Popoola, O., Šigut, P., & Waddington, L. (2023). Testing of detection tools for AI-generated text. International Journal for Educational Integrity, 19, Article 26. https://doi.org/10.1007/s40979-023-00146-z
Zhan, Y., Yan, Z., Wan, Z. H., Wang, X., Zeng, Y., Yang, M., & Yang, L. (2023). Effects of online peer assessment on higher-order thinking: A meta-analysis. British Journal of Educational Technology, 54(4), 817–835. https://doi.org/10.1111/bjet.13310
Chkana, Y. (2026). Kohnityvno-veryfikatsiinyi pidkhid do transformatsii domashnikh zavdan z matematychnoho analizu v umovakh vykorystannia shtuchnoho intelektu [A cognitive-verification approach to transforming homework in mathematical analysis in the context of artificial intelligence use]. Fizyko-matematychna osvita – Physical and Mathematical Education, 41(2), 86–93. https://doi.org/10.31110/fmo2026.v41i2-08 (in Ukrainian).
Завантаження
Опубліковано
Номер
Розділ
Категорії
Як цитувати
Ліцензія
Авторське право (c) 2026 Ярослав Чкана
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
- Автори передають журналу право першої публікації свого рукопису на умовах ліцензії Creative Commons ("Із зазначенням авторства - Некомерційне використання - Поширення на тих же умовах") 4.0 Міжнародна (CC BY-NC-SA 4.0), котра дозволяє іншим особам вільно використовувати (читати, копіювати і роздруковувати) представлені матеріали, здійснювати пошук та посилатись на опубліковані статті, поширювати їх повний текст з будь-якою законною некомерційною метою (у тому числі, з навчальною або науковою) та обов'язковим посиланням на авторів робіт і первинну публікацію у цьому журналі.
- Опубліковані оригінальні статті в подальшому не можуть використовуватись користувачами (окрім авторів) з комерційною метою або поширюватись сторонніми організаціями-посередниками на платній основі.
Creative Commons ("Із зазначенням авторства - Некомерційне використання - Поширення на тих же умовах") 4.0 Міжнародна (CC BY-NC-SA 4.0)