ساخت آزمون و سؤال چهارگزینهای با هوش مصنوعی
سؤالی که دو گزینهی درست دارد یا جوابش در صورت سؤال پیداست، اعتماد کلاس را میبرد. اینجا میبینیم مدل کجا خوب سؤال میسازد، کجا خطا میکند و بازبینی را از کجا شروع کنیم.
یک دبیر مطالعات اجتماعی پایهی هفتم، شب امتحان نوبت اول، سی سؤال چهارگزینهای میخواهد. ده دقیقه بعد سی سؤال تحویل میگیرد. صبح، وسط جلسه، سه نفر دست بلند میکنند: سؤال هفت دو گزینهی درست دارد.
این ماجرا ربط چندانی به ضعف مدل ندارد. طراحی سؤال کاری تخصصی است که ما آن را «نوشتن متن» فرض میکنیم. مدل متن خوب مینویسد؛ سؤال خوب قاعدههای خودش را دارد — و بیشترشان را میشود داخل درخواست گذاشت.
سؤال خوب چه ویژگی دارد
یک مفهوم را میسنجد، نه دو تا. اگر دانشآموز باید همزمان تاریخ مشروطه را بداند و معنی «فرمان» را بفهمد، وقتی غلط جواب داد نمیفهمید کدام را بلد نبوده.
گزینههای انحرافی معنادار دارد. گزینهی غلط باید اشتباه رایجی باشد که واقعاً در کلاس دیدهاید، نه یک اسم بیربط. اگر سه گزینه پرت باشند، سؤال چهارگزینهای عملاً بله و خیر است.
سرنخ دستوری نمیدهد. «کدامیک از عوامل زیر...» و بعد سه گزینهی جمع و یک مفرد — بچهی زرنگ بدون خواندن درس جواب میدهد. تکرار واژهی صورت سؤال در گزینهی درست هم همینطور.
خطاهایی که مدل مرتب تکرار میکند
سه الگو را از اول پیشفرض بگیرید.
اول، گزینهی درست بلندتر است؛ مدل برای جواب درست توضیح کامل مینویسد و برای بقیه دو کلمه. این تنها خطایی است که بدون خواندن سؤال هم دیده میشود.
دوم، دو گزینه هممعنیاند. «افزایش قیمت» و «گران شدن» در یک سؤال یعنی سؤال از پایه غلط است.
سوم، جواب داخل صورت سؤال است. مدل اغلب همان جملهی متن را با کمی تغییر در صورت سؤال میآورد، پس باید صریح ممنوعش کنید؛ الگوی نوشتن چنین قیدهایی در پرامپتنویسی فارسی آمده است.
نوع سؤال، کاربرد، خطای رایج
انتخاب نوع سؤال نصف کار طراحی است؛ همهی آزمونها لازم نیست چهارگزینهای باشند.
| نوع سؤال | کاربرد | خطای رایج مدل |
|---|---|---|
| چهارگزینهای | سنجش سریع دانش، تصحیح ماشینی | گزینهی درست بلندتر، انحرافی بیربط |
| صحیح و غلط | مرور سریع سر کلاس | جملهی مبهم با دو حالت قابل دفاع |
| جای خالی | یادآوری اصطلاح و تعریف | چند جواب پذیرفتنی، یک کلید |
| جورکردنی | ارتباط مفاهیم و مصداقها | ستونهای هماندازه، حلشدنی با حذف |
| تشریحی کوتاه | سنجش استدلال و بیان | کلید مبهم، نمرهدهی سلیقهای |
سطحبندی دشواری
«سختترش کن» جواب نمیدهد؛ مدل جمله را پیچیده میکند، نه سؤال را. چیزی که کار میکند نامبردن سطح شناختی است: یادآوری، فهم، کاربرد، تحلیل — برگرفته از طبقهبندی بلوم که مدلها با آن آشنا هستند.
یک آزمون بیستسؤالی متعادل ترکیبی است: چند سؤال یادآوری، بخش اصلی در سطح فهم، و دو سه سؤال کاربرد. همین عددها را در درخواست بنویسید.
ساخت سؤال از روی متن درس
مهمترین قاعده: متن را خودتان بدهید. مدل کتاب درسی پایهی هفتم را حفظ نیست و بدون متن، از دانش عمومیاش سؤال میسازد که شاید در فصل شما نباشد. از نسخهی چاپی عکس بگیرید و با تبدیل عکس به متن فارسی متنش را دربیاورید.
نقش: طراح سؤال برای پایهی هفتم، درس مطالعات اجتماعی.
فقط از متن پایین سؤال بساز؛ از دانش بیرونی استفاده نکن.
بساز: ۸ سؤال چهارگزینهای — ۳ یادآوری، ۳ فهم، ۲ کاربرد.
قاعدهها:
- هر سؤال فقط یک مفهوم را بسنجد.
- هر چهار گزینه همطول و همساختار باشند.
- هیچ دو گزینهای هممعنی نباشند.
- «همهی موارد» و «هیچکدام» به کار نبر.
- در صورت سؤال، واژهای که جواب را لو بدهد نیاور.
- جای گزینهی درست را بین الف تا د پخش کن.
خروجی هر سؤال:
صورت سؤال / چهار گزینه / گزینهی درست / یک جمله دلیل / سطح /
جملهی مبدأ از متن.
متن درس:
«...»خط آخر خروجی — ارجاع به جملهی مبدأ — بازبینی را سریعتر میکند و جلوی ساختن مطلبی که در متن نیست را میگیرد.
آزمون تشریحی و کلید تصحیح
در سؤال تشریحی، خودِ سؤال سخت نیست؛ کلید تصحیح وقت میبرد و مدل همانجا کمک میکند. بخواهید برای هر سؤال معیار نمرهدهی بنویسد: پاسخ کامل چه اجزایی دارد، هر جزء چند نمره، و پاسخ نیمهدرست چه میگیرد.
فایدهاش وقتی معلوم میشود که دو نفر برگه تصحیح میکنند یا سال بعد یادتان نیست معیار چه بوده. اما تصحیح خودکار را جدا کنید: خواندن دستخط فارسی و نمره دادن به پاسخ دانشآموز هنوز قابل اتکا نیست؛ ابزار اینجا جواب نمیدهد.
بانک سؤال و مسئلهی تکرار
اگر هر ترم از صفر شروع کنید، هر بار همان بیست سؤال آشنا بیرون میآید؛ مدل روی یک درس مشخص بعد از چند نوبت همان قالبها را تکرار میکند.
راهش این است که خروجیها را در یک شیت ساده جمع کنید — صورت سؤال، گزینهها، جواب، سطح، فصل — و دفعهی بعد فهرست موجود را همراه درخواست بفرستید؛ همان منطق رویهی تکرارشونده در ساخت چکلیست و رویهی کاری.
بازبینی انسانی که حذفشدنی نیست
در سؤالهای عددی — درصد، مساحت، تراز مالی — مدل صورت سؤال تمیزی میسازد ولی کلید را گاهی غلط میدهد. ریشهاش در ضعف مدلها در حساب کردن است و با پرامپت بهتر برطرف نمیشود.
یک سؤال غلط در برگهی امتحان فقط یک نمره نیست؛ ترم بعد هر سؤالی که بدهید با شک خوانده میشود.
بازبینی سهدقیقهای: ببینید گزینهی درست بین الف تا د پخش شده یا همهاش «ب» است؛ طول گزینهها را نگاه کنید؛ و هر سؤالی را که خودتان دو بار خواندید، حذف کنید. سنجههای کلیتر در اعتماد به خروجی هوش مصنوعی آمده است.
جمعبندی
مدل طراح سؤال نیست؛ کارگر پرسرعتِ طراح سؤال است. متن درس، سطحبندی و قاعدههای ساخت گزینه را بدهید تا چیزی بگیرید که با بیست دقیقه ویرایش قابل استفاده است. «ده سؤال بساز» چیزی میدهد که آبرو میبرد.
از یک درس شروع کنید، نه از کل کتاب. یک آزمونک دهسؤالی بسازید، اجرا کنید و ببینید کدام سؤال بحث درست کرد — همان راهنمای درخواست بعدی شماست. بقیهی کارهای هفتگی در هوش مصنوعی برای معلمها آمده و پرامپت بالا را در نارنگی میشود امتحان کرد.
برای ادامه:
