Yapay Zekâ Kopyası (AI Cheating) ve Büyük Dil Modellerinin Çevrimiçi Sınavlarda Kullanımı. (Turkish)

AI Cheating and the Use of Large Language Models (LLM) in Online Examinations. (English)

In 2020, after the global pandemic traditional lifestyle, working life and educational processes began to change radically. During this period, educational institutions turned to distance learning; attempts were made to carry out the measurement and assessment processes together with the educational process through distance learning platforms. Distance learning and online assessment and evaluation processes continued after the end of the pandemic. Although this situation brought some convenience for lecturers and students, it raised questions about the validity of online examinations. Data on the use of artificial intelligence algorithms in online exams has led to questions about the validity and reliability of this exam model. Among the applications of artificial intelligence, it has been discussed that large language models (LLM), which are most likely to be associated with the educational process, can be used to answer online exam questions. In this context, this study investigates the performance of LLMs in online exams, which are mostly designed as multiple-choice tests, and the measures that can be taken against AI cheating, which has become an important problem. For this purpose, a set of questions was created that had previously been used in online exams. The questions were posed to LLMs and answers to the questions were sought, e.g. the potential of these models to get the questions right/wrong and which types of questions are more likely to be answered correctly. The study found that LLMs answered most of the questions correctly. In the light of the data obtained, preventive measures for AI cheating are discussed. [ABSTRACT FROM AUTHOR]

2020 yılında ortaya çıkan küresel salgın ve sonrasında klasik yaşam tarzı, çalışma hayatı ve eğitim süreçleri kökten değişmeye başlamıştır. Bu dönemde eğitim kurumları uzaktan eğitime yönelmiş; eğitim süreci ile birlikte ölçme ve değerlendirme işlemleri uzaktan eğitim platformları yoluyla yapılmaya çalışılmıştır. Uzaktan eğitim ve online ölçme değerlendirme uygulamaları, pandeminin bitişi ile de devam etmiştir. Bu durum her ne kadar eğitmen ve öğrenciler açısından bazı kolaylıklar sağlasa da online sınavların geçerliliği ile ilgili soru işaretlerini beraberinde getirmiştir. Online sınavlarda yapay zekâ algoritmalarının kullanımına dair veriler, bu sınav modelinin geçerliliği ve güvenilirliğinin sorgulanmasına yol açmıştır. Yapay zekâ uygulamaları arasında, eğitim süreci ile en fazla ilinti kurulabilecek büyük dil modellerinin, çevrimiçi sınav sorularının cevaplanmasında kullanılabileceği tartışılmaya başlanmıştır. Çalışma bu bağlamda büyük dil modellerinin çoğunlukla çoktan seçmeli (test) olarak tasarlanan çevrimiçi sınavlardaki performansını ve günümüzde önemli bir sorun haline gelen yapay zekâ kopyasına (ai cheating) karşı alınabilecek önlemleri araştırmaktadır. Bu amaçla daha önce çevrimiçi sınavlarda kullanılmış sorulardan bir set oluşturulmuş; sorular, büyük dil modellerine yöneltilmiş; bu modellerin yöneltilen soruları doğru/yanlış çözme potansiyeli ve hangi tip soruların doğru yanıtlandığı sorularının cevabı aranmıştır. Çalışmada, büyük dil modellerinin yöneltilen sorulara çoğunlukla doğru yanıt verdiği görülmüştür. Elde edilen veriler ışığında yapay zekâ kopyasına yönelik önlemler tartışılmıştır. [ABSTRACT FROM AUTHOR]

Copyright of Igdir University Journal of Social Sciences / Iğdır Üniversitesi Sosyal Bilimler Dergisi is the property of Igdir University Journal of Social Sciences and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)