Richard Borcherds cambia la valutazione dei compiti mentre l'IA offusca le prove dell'apprendimento
Secondo quanto riportato, Richard Borcherds ha smesso di valutare la correttezza dei compiti perché l'IA rende difficile identificare il lavoro svolto autonomamente dagli studenti. Il cambiamento nella valutazione dei compiti di Richard Borcherds mantiene le esercitazioni, ma sposta le prove della comprensione verso esami sorvegliati. La distinzione è importante: il presunto arretramento riguarda ciò che i punteggi dei compiti possono dimostrare, non l'opportunità che gli studenti pratichino la matematica.
Secondo la copertura del 27 ottobre di Tom’s Hardware, il professore di UC Berkeley valuta ora gli studenti principalmente tramite esami in presenza senza dispositivi elettronici. Altre fonti descrivono crediti per i compiti basati sul completamento. Insieme, questi resoconti delineano una separazione tra l'esercizio di una capacità e la dimostrazione che lo studente la possieda personalmente.
Gli approcci concorrenti esistono già all'interno di Berkeley. Il programma di calcolo statistico dell'autunno 2026 consente l'assistenza dell'IA, abbinando però gli elaborati a verifiche della comprensione in presenza. La decisione riportata di Borcherds solleva quindi una domanda specifica per docenti e utenti dell'IA: quando il software può produrre la risposta, cosa dovrebbe contare come prova del fatto che qualcuno la comprenda?
Cosa significa realmente il cambiamento nella valutazione dei compiti di Richard Borcherds
Il cambiamento riportato elimina la correttezza come base per il credito dei compiti; non dimostra che Borcherds abbia abolito i compiti.
Tom’s Hardware attribuisce la decisione alla preoccupazione di Borcherds che elaborati rifiniti non distinguano più in modo affidabile il lavoro indipendente dall'assistenza dell'IA. Il suo resoconto del cambiamento nella valutazione dei compiti descrive anche una preferenza per gli esami sorvegliati. Secondo quanto riportato, osserva punteggi online più alti senza poter identificare quali studenti abbiano usato l'IA.
Il dettaglio del credito per completamento compare in altre fonti, incluso un riepilogo collegato al New York Post. Quel resoconto descrive il credito dei compiti basato sul completamento, precisando cosa i lettori dovrebbero dedurre dai titoli sulla fine dei compiti valutati. La consegna può continuare a contare anche quando le risposte corrette non ricevono più voti differenziati.
Il prestigio di Borcherds aiuta a spiegare l'attenzione. L'archivio di Berkeley documenta la sua Medaglia Fields del 1998, assegnata per lavori matematici tra cui la dimostrazione della congettura del Monstrous Moonshine. Questa distinzione attesta le sue credenziali di ricercatore. Non convalida autonomamente la sua politica di valutazione né misura gli imbrogli nelle sue classi.
Restano importanti diversi limiti. Le fonti esaminate qui non dimostrano un abbandono, a livello di ateneo, dei compiti valutati. Né forniscono una data di attuazione verificata, una formula di valutazione completa o un tasso misurato di imbrogli tra i suoi studenti.
Lo sviluppo immediato è quindi la risposta riportata di un docente a un problema che, secondo quanto afferma, non riesce più a risolvere esaminando le risposte. Considerare tale risposta come una politica valida per tutta Berkeley sopravvaluterebbe le prove. Considerarla come prova che ogni elaborato eccellente implichi un imbroglio le sopravvaluterebbe ancora di più.
La distinzione cambia anche il dibattito sulle politiche. Eliminare le esercitazioni rimuoverebbe un'opportunità di apprendimento. Eliminare il credito basato sulla correttezza modifica l'incentivo associato a tale opportunità, lasciando però aperta la questione di come gli studenti ricevano feedback utili.
Si consideri la differenza dal punto di vista di uno studente. Con una valutazione della correttezza, un problema irrisolto minaccia il punteggio dell'elaborato. Con il credito per completamento, lo stesso problema irrisolto può evidenziare un aspetto da affrontare prima di un esame, purché il corso continui a offrire feedback adeguati.
Questo è il potenziale beneficio, non un esito dimostrato delle classi di Borcherds. Gli studenti potrebbero sentire meno pressione a consegnare risposte impeccabili che non sanno spiegare. Potrebbero anche impegnarsi meno nell'esercizio se il completamento sembra sufficiente.
La vicenda della valutazione dei compiti di Richard Borcherds ruota dunque attorno a un problema di valutazione con conseguenze contrapposte. Un corso può rendere meno allettante esternalizzare i compiti e, allo stesso tempo, indebolire la ricompensa immediata per svolgerli con cura. Stabilire se l'equilibrio migliori l'apprendimento richiede prove che vadano oltre l'annuncio stesso.
Le risposte corrette stanno perdendo valore come prova
Una consegna corretta dimostra qualcosa sul lavoro presentato, ma lascia sempre più irrisolta la capacità autonoma dello studente.
I compiti possono svolgere diverse funzioni. Offrono agli studenti esercizio, aiutano i docenti a individuare le difficoltà, creano scadenze e contribuiscono alle prove per il voto di un corso. Questi scopi si sovrappongono, ma non richiedono sempre lo stesso metodo di valutazione.
L'IA rende più difficile ignorare la separazione. Uno studente può disporre di una soluzione accurata senza averne scelto il metodo, compreso le ipotesi o riconosciuto dove potrebbe fallire. La sola risposta finale non può risolvere queste differenze.
Questo non significa che ogni uso dell'assistenza ostacoli l'apprendimento. Un suggerimento può aiutare qualcuno a riprendere un lavoro produttivo. Una spiegazione può mettere in luce un fraintendimento. Una soluzione completa può anche sostituire il ragionamento che un compito intendeva sviluppare.
Dalla consegna finale, questi percorsi possono apparire simili. Ciò mette sotto pressione i docenti che devono assegnare crediti individuali per lavori completati al di fuori della loro osservazione. Mette sotto pressione anche gli studenti che rispettano le restrizioni, ma ritengono che altri ottengano crediti tramite assistenza vietata.
La risposta riportata di Borcherds affronta direttamente tale incentivo. Se la correttezza assegna meno punti nei compiti, ottenere dal software una risposta impeccabile diventa meno utile per quel particolare punteggio. Tuttavia, il credito per completamento continua a premiare chi consegna qualcosa, quindi l'incentivo non scompare del tutto.
Il cambiamento più profondo riguarda il rapporto tra esercizio e certificazione. L'esercizio può includere aiuto, tentativi falliti, discussione e revisione. La certificazione richiede una base difendibile per affermare ciò che l'individuo sa fare in condizioni specificate.
Un ipotetico compito di matematica illustra la differenza. Uno studente presenta una dimostrazione valida, ma non sa spiegare perché la sua ipotesi centrale sia necessaria. La dimostrazione resta valida, mentre la consegna fornisce prove deboli del fatto che lo studente ne comprenda la logica.
Un esaminatore che modifica quell'ipotesi può porre una domanda diversa: lo studente riconosce cosa non funziona più? Questo scambio esamina la comprensione più direttamente di un'altra ispezione del documento originale. Richiede però anche tempo e una domanda adatta.
La stessa distinzione conta anche fuori dalle università. Un programma generato può funzionare correttamente mentre il suo utente non sa diagnosticare un guasto. Un'analisi rifinita può sembrare persuasiva mentre il suo autore non sa difendere le prove alla base della sua raccomandazione.
Queste sono implicazioni pratiche, non risultati riguardanti gli studenti di Borcherds. Spiegano perché i knowledge worker dovrebbero interessarsi alla controversia sulla valutazione. Una produzione più rapida aumenta l'importanza di decidere quali giudizi umani richiedano ancora verifica.
Per i docenti, la scelta difficile riguarda ciò che ogni compito dovrebbe dimostrare. Se il suo scopo principale è l'esercizio, l'assistenza può adattarsi all'obiettivo di apprendimento. Se certifica la competenza indipendente, l'accesso all'assistenza modifica il significato del punteggio risultante.
Il problema va quindi oltre l'individuazione di condotte scorrette dopo la consegna. Una valutazione può diventare meno informativa anche quando nessuno ha violato una regola, soprattutto se le regole consentono un'assistenza sostanziale. Un'autorizzazione chiara non rende automaticamente un punteggio una misura valida della comprensione individuale.
Gli esami sorvegliati ripristinano l'osservazione, con limiti
Gli esami sorvegliati rafforzano le prove su chi ha svolto il lavoro, restringendo però le condizioni in cui gli studenti dimostrano le proprie capacità.
Un esame in presenza senza dispositivi elettronici affronta una specifica incertezza. Il docente può osservare uno studente mentre tenta di risolvere problemi senza accesso agli strumenti esclusi dalle regole dell'esame. Ciò rende più facile stabilire l'autorialità rispetto a una consegna non sorvegliata.
Non dimostra automaticamente tutto ciò che un corso valorizza. Un esame a tempo misura la prestazione entro i suoi specifici vincoli. Indagine prolungata, revisione, collaborazione e uso efficace di materiale di riferimento possono richiedere opportunità diverse.
La ricerca offre un utile riferimento storico per la preoccupazione sulle valutazioni non sorvegliate. Un esperimento dell'Università di Reading, reso pubblico nel giugno 2024, ha inserito risposte generate dall'IA in valutazioni di psicologia per studenti universitari. Il suo test di valutazione in cieco ha rilevato che il 94% non veniva individuato e che le consegne dell'IA ricevevano in media voti più alti.
Il risultato supporta una conclusione circoscritta: correttori esperti possono faticare a riconoscere lavori generati all'interno di un sistema di valutazione esistente. Non misura gli imbrogli a Berkeley, non stabilisce un tasso di rilevamento specifico per la matematica né dimostra che gli esami sorvegliati producano un apprendimento migliore.
Questo limite è importante perché rilevamento ed educazione sono esiti diversi. Una valutazione può rendere difficile l'assistenza non autorizzata senza offrire agli studenti una preparazione efficace. Un'altra può favorire l'apprendimento, pur producendo un punteggio che non può certificare con sicurezza una prestazione indipendente.
La preferenza riportata di Borcherds risolve il problema dell'osservazione più direttamente di quello dell'apprendimento. Modifica il luogo in cui i docenti raccolgono prove. Se gli studenti diventino matematici migliori dipende da ciò che accade prima e dopo quella valutazione.
C'è anche una differenza tra introdurre verifiche sorvegliate regolari e concentrare la maggior parte del credito in un esame finale. La prima opzione può rivelare le difficoltà quando gli studenti hanno ancora tempo per reagire. La seconda può rendere visibili i fraintendimenti solo quando le conseguenze sono rilevanti.
Nessuna delle due configurazioni discende automaticamente dall'espressione “esami in presenza”. Per valutare la progettazione di un corso, i lettori devono conoscere il calendario effettivo delle valutazioni, le ponderazioni, il processo di feedback e le disposizioni per gli accomodamenti. Le fonti non forniscono tutti questi dettagli per Borcherds.
Un test sorvegliato può anche porre la domanda sbagliata. Se premia la memorizzazione di una procedura familiare, potrebbe dimostrare il richiamo senza aiuti senza verificare se lo studente capisca quando quella procedura si applica. La presenza fisica rafforza l'attribuzione, anziché garantire una domanda significativa.
Il contrasto più informativo riguarda quindi la comprensione osservabile e l'output non verificato. La carta è un modo per creare tale osservazione. Una spiegazione orale, un esercizio di debugging sorvegliato o un problema di approfondimento possono perseguire un obiettivo simile.
Queste alternative comportano oneri propri, inclusi coerenza e personale. Mostrano anche perché dichiarare gli esami sorvegliati l'unica soluzione vada oltre le prove disponibili. L'affermazione difendibile è più circoscritta: una valutazione controllata affronta direttamente l'incertezza sull'assistenza esterna.
Per il dibattito sulla valutazione dei compiti di Richard Borcherds, si tratta di una distinzione rilevante. La politica riportata offre una risposta a prove inaffidabili. Dovrebbe essere valutata come una scelta di valutazione con dei costi, non come un verdetto universale su come dovrebbe essere insegnata ogni materia.
Il rilevamento dell'AI lascia un altro problema di giudizio
Il software di rilevamento non può eliminare la necessità di un processo equo che distingua il sospetto dalla prova.
Un rilevatore di AI cerca di classificare se un software ha generato o assistito nella produzione di un testo. Un falso positivo si verifica quando segnala erroneamente un lavoro umano. Un falso negativo si verifica quando un lavoro generato passa senza essere segnalato.
Entrambi gli errori contano nell'istruzione. Non rilevare un'assistenza non autorizzata può compromettere l'equità della valutazione. Accusare erroneamente uno studente può danneggiare la fiducia e imporre conseguenze a chi ha seguito le regole.
Le linee guida sul rilevamento dell'AI pubblicate da Berkeley affermano che il campus ha rinunciato al rilevatore di scrittura AI di Turnitin dopo una fase pilota e l'esame di ricerche esterne. Le linee guida discutono anche problemi di classificazione che riguardano chi scrive in più lingue e lavori che combinano scrittura umana e assistenza AI.
Quella posizione istituzionale fornisce contesto alla ricerca di altri metodi di valutazione. Non dimostra che ogni rilevatore fallisca sempre. Stabilisce che Berkeley ha individuato preoccupazioni sufficienti per evitare di adottare quella specifica funzione di rilevamento per l'uso generale nel campus.
La distinzione tra identificare un'assistenza e accertare una condotta scorretta aggiunge un'altra complicazione. Un corso potrebbe consentire la correzione grammaticale ma vietare il ragionamento generato. Un punteggio di classificazione non stabilisce da solo se lo studente abbia oltrepassato quel confine specifico del corso.
Un punteggio non spiega necessariamente neppure il processo dello studente. Una conversazione su una risposta può rivelare confusione, ma la confusione da sola non dimostra un imbroglio. Gli studenti possono dimenticare, diventare ansiosi o fraintendere il proprio lavoro prodotto in autonomia.
Queste limitazioni rendono la risposta più solida di natura procedurale. Gli insegnanti hanno bisogno di aspettative chiare e di un modo difendibile per valutare le preoccupazioni. Altrimenti, l'incertezza sull'autorialità può trasformarsi nell'incertezza sul fatto che un'accusa fosse giustificata.
Il cambiamento riportato nella valutazione dei compiti di Richard Borcherds evita parte di quel conflitto riducendo la dipendenza dall'elaborato contestato. Invece di cercare di stabilire come abbia avuto origine una risposta svolta a casa, un insegnante raccoglie prove separate in condizioni controllate.
Questo approccio ha un'attrattiva evidente. Può ridurre l'importanza di dimostrare una condotta scorretta per ogni compito sospetto. Lascia anche una questione irrisolta: cosa succede agli studenti che hanno bisogno di un feedback dettagliato sul lavoro che non riceve più voti basati sulla correttezza?
Eliminare un voto non richiede di eliminare il feedback, ma il feedback richiede comunque attenzione. Uno studente deve sapere se una dimostrazione è incompleta, se un'assunzione non è supportata o se un metodo si applica solo in condizioni più ristrette.
Un foglio con soluzioni non valutate può aiutare, ma il confronto richiede una comprensione sufficiente per individuare differenze significative. Uno studente in difficoltà potrebbe riconoscere che la propria risposta differisce senza capire perché. È qui che il supporto didattico resta importante.
Il caso scettico contro la valutazione basata sul completamento merita quindi attenzione. La politica può rendere la valutazione più onesta su ciò che sa, lasciando però agli studenti meno indicazioni su ciò che non comprendono. Il suo valore dipende in parte da come il corso colma questa lacuna.
Non esistono qui prove pubblicate sui risultati che stabiliscano che l'approccio di Borcherds migliori l'apprendimento, riduca le scorrettezze o distribuisca equamente gli oneri. Restano questioni da valutare. Le sue preoccupazioni riportate spiegano la decisione, ma non ne risolvono gli effetti.
Berkeley offre già un approccio contrastante
La pratica con AI consentita e le verifiche supervisionate possono coesistere, creando un'alternativa sia alla valutazione senza restrizioni dei compiti svolti a casa sia a un divieto generalizzato.
Un confronto concreto appare nel programma di Statistics 243 di Berkeley dell'autunno 2026, tenuto da Chris Paciorek. Le sue valutazioni di calcolo statistico consentono l'assistenza AI, usando al contempo quiz in presenza per verificare la comprensione degli studenti sui problem set.
La struttura di valutazione pubblicata assegna il 20% al completamento dei problem set, il 35% ai quiz correlati, il 35% a un mini-esame e il 10% alla partecipazione. Il programma descrive anche una procedura di ripetizione orale e richiede l'attribuzione delle idee ottenute tramite assistenza AI.
Questo esempio non stabilisce un risultato superiore. Mostra però un progetto di corso esistente che separa la preparazione supportata dalla dimostrazione individuale. Il confronto è particolarmente utile perché proviene dalla stessa università, anziché da una proposta astratta.
La politica cambia anche il significato dell'autorizzazione. Consentire uno strumento durante la pratica non promette che il suo output soddisferà la valutazione successiva. Gli studenti devono comunque possedere una comprensione sufficiente per spiegare e applicare ciò che hanno consegnato.
Questo crea una distinzione più precisa rispetto a “AI consentita” contro “AI vietata”. L'autorizzazione dipende dall'attività. Uno studente potrebbe usare assistenza mentre affronta un problema e poi dimostrare comprensione senza tale assistenza durante una verifica successiva.
Per l'informatica, questa configurazione ha una motivazione pratica. Un programma può produrre il risultato atteso pur contenendo scelte che il suo utilizzatore non sa spiegare. Una domanda successiva può verificare se lo studente comprende la relazione tra il codice e il suo comportamento.
Si tratta di un'applicazione illustrativa della struttura di valutazione, non di un episodio riportato dal corso. La sua importanza risiede nel collegamento tra il compito e la verifica. La valutazione successiva chiede se l'apprendimento sia sopravvissuto all'uso dell'assistenza.
Il confronto rivela anche una debolezza nel trattare ogni uso dell'AI come un unico comportamento. Chiedere un promemoria sulla sintassi è diverso dal richiedere un'intera soluzione. Entrambi implicano assistenza software, ma possono lasciare agli studenti responsabilità e comprensioni molto diverse.
Per gli sviluppatori di prodotti AI, l'implicazione è una questione di progettazione. Uno strumento che dà priorità a risposte complete potrebbe favorire il completamento immediato del compito. Un contesto educativo necessita anche di modi perché chi apprende resti responsabile del ragionamento, della verifica e della spiegazione.
Le affermazioni sui benefici per l'apprendimento richiedono di conseguenza prove che vadano oltre la qualità dell'output generato. Una risposta convincente dimostra le prestazioni del sistema. Non stabilisce che l'utente possa riprodurre il ragionamento, trasferirlo o identificare un errore plausibile.
Gli studenti affrontano una distinzione correlata nell'organizzare i materiali di studio. Una raccolta ricercabile di risposte corrette può far risparmiare tempo di recupero delle informazioni, lasciando però la comprensione non verificata. Le risorse sulla gestione della conoscenza personale trattano l'organizzazione, ma il solo recupero delle informazioni non può certificare la padronanza.
La domanda rilevante per entrambi i modelli di valutazione è cosa accade dopo l'assistenza. Lo studente può difendere il risultato, adattarlo a un problema modificato e riconoscerne i limiti? L'approccio riportato di Borcherds e il programma di statistica indirizzano entrambi l'attenzione verso questa domanda.
La loro coesistenza limita anche le conclusioni generalizzate su Berkeley. L'università comprende diversi progetti di corso che rispondono a differenti esigenze didattiche. La storia riguarda la decisione di un insegnante all'interno di tale varietà, non un'unica risposta istituzionale all'AI.
Cosa osservare dopo il cambiamento nella valutazione
Le prossime prove utili riguardano le regole di valutazione, la comprensione degli studenti e il supporto didattico, non un'altra serie di risposte AI impeccabili.
Nei prossimi mesi, il primo segnale sarà se altri insegnanti pubblicheranno cambiamenti comparabili nella valutazione. I documenti informativi specificheranno cosa ottengono i compiti, come viene verificata la comprensione e quali usi dell'assistenza restano consentiti.
Se più corsi separeranno esplicitamente il credito per il completamento dalla dimostrazione supervisionata, l'argomento a favore di un più ampio cambiamento nella valutazione si rafforzerà. Se le politiche resteranno isolate o si orienteranno verso altri approcci, le affermazioni di un arretramento uniforme dalla valutazione dei compiti si indeboliranno.
La formulazione conta quanto l'annuncio. “I compiti non sono valutati” può descrivere esercizi facoltativi, consegne obbligatorie o lavori che ricevono feedback senza contribuire al voto finale. Queste configurazioni creano incentivi diversi e non dovrebbero essere conteggiate in modo intercambiabile.
Un seguito più solido stabilirebbe anche la tempistica. Le notizie di ottobre indicano ai lettori quando la decisione è diventata una notizia, ma non necessariamente quando è cambiata ogni pratica in aula. Senza questa distinzione, un adattamento più datato può sembrare una risposta immediata a una recente pubblicazione di un modello.
Il secondo segnale è costituito dalle prove sulla comprensione dimostrata in modo indipendente. I confronti rilevanti esaminerebbero ciò che gli studenti possono spiegare o risolvere in condizioni chiaramente descritte. Punteggi più alti nei compiti svolti a casa, da soli, non risolverebbero la preoccupazione che ha motivato la politica.
Se gli studenti mantengono o migliorano le proprie prestazioni supervisionate usando l'AI durante la pratica, si rafforza l'argomento per separare l'assistenza dalla certificazione. Se le prestazioni diminuiscono, gli educatori dovrebbero esaminare se gli studenti abbiano perso esercizio, feedback utile o entrambi.
Questi risultati richiederebbero comunque un'interpretazione accurata. Domande, coorti, istruzione e condizioni di valutazione diverse possono influire sui punteggi. Un divario tra compiti ed esami è un motivo per indagare, non una misurazione autonoma dell'imbroglio.
Il terzo segnale è ciò che accade al supporto didattico dopo che cambia la valutazione della correttezza. I corsi dovrebbero essere esaminati per il feedback che mantengono, le opportunità che gli studenti hanno di risolvere gli errori e l'accessibilità della valutazione supervisionata.
Se gli studenti ricevono spiegazioni utili e opportunità ripetute di dimostrare i progressi, il credito per il completamento appare più credibile come parte di una progettazione più ampia. Se la valutazione scompare mentre la confusione resta senza risposta, il caso scettico diventa più forte.
Questi segnali contano anche per i datori di lavoro e i formatori professionali che valutano cambiamenti simili. L'esercizio completato di un candidato e la sua spiegazione rispondono a domande correlate ma diverse. La verifica dovrebbe corrispondere alla competenza che un'organizzazione deve effettivamente valutare.
La storia della valutazione dei compiti di Richard Borcherds riguarda in definitiva le prove associate a un voto. Secondo quanto riportato, egli non ritiene più che la correttezza dei compiti non supervisionati abbia lo stesso significato. Quel giudizio merita esame senza presumere né che i compiti siano diventati inutili né che gli esami risolvano ogni difficoltà.
Per studenti ed educatori che seguono la vicenda, si parta dalle regole effettive del corso e dalle prove che intendono produrre. Chiedetevi se la pratica resti utile, se il feedback raggiunga chi è in difficoltà e se le valutazioni misurino le competenze promesse dal corso. Per gli utenti dell'AI al di fuori dell'istruzione, applicate lo stesso esame al vostro lavoro: una risposta completata può nascondere una lacuna di comprensione irrisolta. Conservate le fonti e le spiegazioni che sostengono le vostre decisioni, poi verificate se sapete difendere tali decisioni quando cambia la richiesta. Man mano che emergono ulteriori dettagli sull'approccio di Borcherds, giudicatelo in base a ciò che gli studenti possono spiegare e applicare in autonomia. Quali prove vi convincerebbero che l'apprendimento sia migliorato dopo il cambiamento della valutazione?
