Ai-powered Mobile Proctoring Frameworks Using Machine Learning Algorithms in Higher Education: Post-covid Trends, Challenges, and Ethical Implications
Deze systematische review van 20 peer-reviewed studies evalueert het post-COVID landschap van door AI ondersteunde mobiele proctoring in het hoger onderwijs, waarbij de potentie voor schaalbare examenintegriteit wordt belicht terwijl tegelijkertijd kritisch wordt ingegaan op significante tekortkomingen in mobiel-specifiek onderzoek, technische betrouwbaarheid en ethische kwesties zoals privacy en algoritmische bias.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je een universiteitsexamenzaal voor, maar in plaats van een kamer vol studenten en een paar docenten die toezicht houden, is de "zaal" het hele internet, en zitten de studenten in hun eigen woonkamer, keuken of slaapkamer. Dit is de realiteit van het hoger onderwijs na de pandemie.
Dit onderzoekspaper van Bartholomew Oganda Mogoi en collega's is als een detectiveverslag over een nieuw soort "digitale beveiliger" dat universiteiten proberen te gebruiken: AI-gestuurde mobiele proctoring.
Hier is een eenvoudige uiteenzetting van wat het paper zegt, met behulp van alledaagse analogieën.
1. Het Probleem: De "Huiswerkhal" is te groot
Vóór de pandemie, als je een toets wilde afnemen aan 1.000 studenten, had je een grote zaal nodig en misschien 10 menselijke docenten om hen in de gaten te houden. Toen iedereen plotseling van thuis moest leren, werd dat onmogelijk. Je kunt niet 10.000 docenten inhuren om in 10.000 verschillende woonkamers te gaan zitten.
Universiteiten begonnen computers (PC's) met camera's te gebruiken om studenten te observeren. Maar de auteurs merkten een gat op: De meeste studenten in ontwikkelingslanden hebben geen krachtige laptops; zij hebben smartphones. Ze zijn als mensen die een racewagen (het PC-gebaseerde systeem) proberen te besturen, terwijl ze eigenlijk alleen een fiets (de smartphone) hebben. De huidige systemen werken vaak niet goed op telefoons, of ze zijn te zwaar en traag voor hen.
2. De Oplossing: De "Smartphone Beveiliger"
Het paper kijkt naar een nieuw idee: Mobiele Proctoring. In plaats van een zware beveiliger met een klembord, stel je een kleine, superintelligente robot voor die in je telefoon leeft.
- Hoe het werkt: Deze robot gebruikt "Machine Learning" (een vorm van AI die leert van voorbeelden) om de student via de telefooncamera te observeren. Het zoekt naar "verdacht gedrag", zoals te veel wegkijken, iemand anders die de kamer binnenkomt, of het vreemd bewegen van de telefoon.
- Het Doel: Om ervoor te zorgen dat het examen eerlijk verloopt zonder dat er drie uur lang een mens aanwezig hoeft te zijn.
3. Wat de Onderzoekers Vonden (Het "Goede" en het "Slechte")
De auteurs bekeken 20 specifieke studies (van de 180 die ze onderzochten) om te zien hoe het met deze technologie staat. Dit is wat ze vonden:
Het Goede Nieuws: Het is Snel en Schaalbaar
- Het "Magische Oog": De AI wordt echt goed in het spotten van zaken. Het kan "Computer Vision" gebruiken (zoals een digitaal oog) om te volgen waar een student naar kijkt of of er een tweede persoon de kamer binnenloopt.
- Lichtgewicht: Nieuwere versies van deze AI zijn als "compacte auto's". Ze zijn klein genoeg om op een gewone smartphone te draaien zonder dat de telefoon oververhit raakt of vastloopt, wat een enorme verbetering is ten opzichte van de oude, zware systemen die grote computers vereisten.
Het Slechte Nieuws: Het is Nog Niet Perfect (Nog Niet)
- Het "Vals Alarm" Probleem: Soms raakt de robot in de war. Als de verlichting in de kamer slecht is, of de telefooncamera oud is, kan de AI denken dat een student vals speelt terwijl hij gewoon de vraag aan het lezen is. Het is als een rookmelder die afgaat wanneer je alleen maar een sneetje brood roostert.
- Het "Bias" Probleem: Het paper belicht een ernstig probleem: de AI is soms per ongeluk "racistisch" of "onrechtvaardig". Omdat de AI voornamelijk is getraind op foto's van mensen met een lichtere huidskleur in heldere kamers, faalt het vaak bij het herkennen van studenten met een donkere huidskleur of studenten in slecht verlichte kamers. Dit betekent dat sommige studenten onterecht worden gemarkeerd voor fraude, simpelweg vanwege hun omgeving of huidskleur.
- Het "Big Brother" Gevoel: Studenten voelen zich ongemakkelijk. Stel je voor dat je een toets maakt terwijl een robot 24/7 naar je staart, je gezicht opneemt en je rommelige slaapkamer filmt. Veel studenten vinden dat dit hun privacy schendt en dat het hen angstig maakt, alsof ze worden bespied door een spion.
4. Het Ontbrekende Stuk: Het "Regelboek"
Het paper betoogt dat we de auto (de technologie) sneller bouwen dan dat we de verkeersregels (de ethiek) schrijven.
- Privacy: Wie is de eigenaar van de video van jouw examen? Wordt het na de toets verwijderd? Het paper stelt dat veel scholen hier geen duidelijke regels over hebben.
- Infrastructuur: In sommige plaatsen is het internet instabiel. Als de verbinding wegvalt, kan de AI denken dat de student vals speelt. Het paper zegt dat we de "wegen" (internet en apparaten) moeten repareren voordat we de "auto's" (AI-proctoring) veilig kunnen besturen.
5. Het Eindoordeel: Wat Nu?
De auteurs concluderen dat AI mobiele proctoring een krachtig hulpmiddel is, maar dat het momenteel een "werk in uitvoering" is.
- Niet alleen kijken, maar helpen: In plaats van alleen te fungeren als een politieagent die fraudeurs vangt, moet de technologie zo worden ontwor een dat het eerlijk en transparant is.
- Mens + Robot: Het beste systeem is niet een robot die alles zelf beslist. Het is de robot die een "misschien" signaleert, en een menselijke docent die de definitieve beslissing neemt. Dit voorkomt dat de robot onrechtvaardige fouten maakt.
- Bouwen voor Iedereen: We moeten ervoor zorgen dat de technologie werkt voor studenten met oude telefoons, slecht internet en in donkere kamers, en niet alleen voor degenen met de nieuwste gadgets.
Kort samengevat: Het paper zegt dat hoewel AI op smartphones universiteiten kan helpen om eerlijke examens aan iedereen te geven, we de fouten moeten herstellen, de onrechtvaardige bias moeten stoppen en de privacy van studenten moeten respecteren voordat we het de leiding laten nemen. We moeten een systeem bouwen dat slim is, maar ook vriendelijk en rechtvaardig.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.