একটি অ্যাসাইনমেন্ট দেওয়ার পর শিক্ষকের কাজ শেষ হয় না। বরং কঠিন অংশটি অনেক সময় শুরু হয় তখনই—কোন দিকের জন্য কত নম্বর দেওয়া হবে, “ভালো” কাজ আর “মাঝারি” কাজের পার্থক্য কোথায়, শিক্ষার্থীরা আগে থেকেই মূল্যায়নের নিয়ম বুঝতে পারবে কি না—এসব ঠিক করতে হয়।
“বিশ্লেষণ ভালো হলে বেশি নম্বর” বা “উপস্থাপনা মানসম্মত হতে হবে”—এ ধরনের নির্দেশ যথেষ্ট স্পষ্ট নয়। একজন শিক্ষার্থী জানতে চাইতেই পারে, ভালো বিশ্লেষণ বলতে শিক্ষক ঠিক কী দেখতে চান।
এই জায়গায় AI দিয়ে Rubric তৈরি করা কাজে লাগতে পারে। ChatGPT-এর মতো জেনারেটিভ এআইকে শেখার লক্ষ্য, অ্যাসাইনমেন্টের ধরন, শিক্ষার্থীর স্তর, মোট নম্বর ও প্রয়োজনীয় শর্ত দিলে এটি মূল্যায়নের মানদণ্ডের একটি প্রাথমিক খসড়া সাজিয়ে দিতে পারে।
তবে এআইয়ের তৈরি ছক সরাসরি ব্যবহার করাই ভালো পদ্ধতি নয়। OpenAI-এর শিক্ষকদের জন্য প্রকাশিত নির্দেশনাতেও মডেলের উত্তর ভুল হতে পারে বলে সতর্ক করা হয়েছে এবং আউটপুট যাচাই করে সিদ্ধান্ত নিতে বলা হয়েছে।
কাজের বাস্তব বিভাজনটি তাই সহজ: প্রথম খসড়া এআই তৈরি করতে পারে, কিন্তু কোন দক্ষতা মূল্যায়ন করা হবে এবং কোন কাজ কত নম্বর পাবে—সেই সিদ্ধান্ত শিক্ষক বা দায়িত্বপ্রাপ্ত মূল্যায়নকারীর।
একটি ভালো রুব্রিক আসলে কী পরিষ্কার করে
রুব্রিক কোনো কাজের জন্য শুধু নম্বর ভাগ করার ছক নয়। এর মাধ্যমে শিক্ষার্থী ও মূল্যায়নকারী দুজনের কাছেই তিনটি বিষয় পরিষ্কার হওয়া উচিত:
- কোন কোন বিষয় মূল্যায়ন করা হবে;
- প্রতিটি বিষয়ের গুরুত্ব বা নম্বর কত;
- উচ্চ, মাঝারি ও দুর্বল মানের কাজের মধ্যে দৃশ্যমান পার্থক্য কী।
Carnegie Mellon University-এর Eberly Center রুব্রিকের মৌলিক অংশ হিসেবে criteria, descriptors এবং performance levels চিহ্নিত করে। সহজ বাংলায় বললে—কী দেখা হবে, কোন স্তরের কাজে কী বৈশিষ্ট্য থাকবে এবং সেই কাজ কোন মানের মধ্যে পড়বে।
Cornell University-এর Center for Teaching Innovation-ও রুব্রিক তৈরির সময় মূল্যায়নের বিষয়গুলো পরিমাপযোগ্য রাখার পরামর্শ দেয়। “Interesting”, “creative” বা এ ধরনের অস্পষ্ট শব্দের বদলে এমন বৈশিষ্ট্য দরকার, যা শিক্ষার্থীর কাজে বাস্তবে শনাক্ত করা যায়।
এখানে একটি পার্থক্য মনে রাখা জরুরি। স্পষ্ট রুব্রিক মূল্যায়নে সামঞ্জস্য বাড়াতে সাহায্য করতে পারে, কিন্তু দুই শিক্ষক সব ক্ষেত্রে একই নম্বর দেবেন—এমন নিশ্চয়তা দেয় না।
এআইকে বলার আগে শিক্ষককে কী ঠিক করতে হবে
এআইকে শুধু “একটি রুব্রিক তৈরি করো” বললে সাধারণ মানের একটি ছক পাওয়া যেতে পারে। ব্যবহারযোগ্য রুব্রিক পেতে আগে কয়েকটি সিদ্ধান্ত মানুষেরই নিতে হবে।
শেখার লক্ষ্য
শিক্ষার্থী কাজটি শেষ করার পর কী দেখাতে পারবে?
“শিক্ষার্থী নগরায়ণ বুঝবে”—এটি মূল্যায়নের জন্য দুর্বল লক্ষ্য।
তার চেয়ে—
শিক্ষার্থী বাংলাদেশের নগরায়ণের দুটি প্রধান কারণ ব্যাখ্যা করবে এবং প্রাসঙ্গিক তথ্য ব্যবহার করে একটি সামাজিক প্রভাব বিশ্লেষণ করবে।
এখানে কী দেখা হবে তা অনেক পরিষ্কার: কারণ শনাক্ত করা, ব্যাখ্যা, প্রমাণের ব্যবহার ও বিশ্লেষণ।
Carnegie Mellon University-এর নির্দেশনাতেও মূল্যায়ন এমনভাবে সাজানোর ওপর গুরুত্ব দেওয়া হয়েছে, যাতে তা নির্ধারিত শেখার লক্ষ্য অর্জিত হয়েছে কি না বোঝাতে পারে।
কাজের ধরন
রচনা, গবেষণা প্রতিবেদন, মৌখিক উপস্থাপনা, দলীয় প্রজেক্ট বা পরীক্ষাগারের কাজ একই মানদণ্ডে বিচার করা যাবে না।
তাই প্রম্পটে কাজের ধরন স্পষ্ট করে দিন। Cornell ও Carnegie Mellon—দুই প্রতিষ্ঠানের নির্দেশনাতেই বিভিন্ন ধরনের অ্যাসাইনমেন্ট, প্রজেক্ট ও উপস্থাপনায় রুব্রিক ব্যবহারের উদাহরণ রয়েছে।
মোট নম্বর ও অগ্রাধিকার
মোট নম্বর ২০ হলে কোন দক্ষতা ৮ নম্বর পাওয়ার মতো গুরুত্বপূর্ণ, আর কোনটি ২ নম্বরের—এই সিদ্ধান্ত এআইয়ের ওপর ছেড়ে দেওয়ার প্রয়োজন নেই।
উদাহরণ হিসেবে, গবেষণাভিত্তিক কাজের মূল লক্ষ্য যদি বিশ্লেষণ হয়, তাহলে প্রচ্ছদের নকশাকে বিশ্লেষণের সমান নম্বর দেওয়া অযৌক্তিক হতে পারে।
শিক্ষার্থীর স্তর
ষষ্ঠ শ্রেণির শিক্ষার্থী এবং বিশ্ববিদ্যালয়ের স্নাতকোত্তর শিক্ষার্থীর “বিশ্লেষণ” একই মানের হবে না। শ্রেণি, কোর্স বা প্রশিক্ষণের স্তর তাই প্রম্পটে উল্লেখ করা উচিত।
OpenAI-এর শিক্ষাবিষয়ক নমুনা প্রম্পটেও শিক্ষার্থীর স্তর, শেখার লক্ষ্য ও পূর্বজ্ঞান সম্পর্কে প্রেক্ষাপট দেওয়ার উদাহরণ রয়েছে।
অ্যাসাইনমেন্টের বিশেষ শর্ত
যদি মূল কাজেই বলা থাকে—
- কমপক্ষে তিনটি গ্রহণযোগ্য উৎস ব্যবহার করতে হবে;
- উপস্থাপনা ৮ মিনিটের মধ্যে শেষ করতে হবে;
- নির্দিষ্ট উদ্ধৃতি পদ্ধতি অনুসরণ করতে হবে;
- দলীয় ফল ও ব্যক্তিগত অবদান আলাদাভাবে দেখা হবে;
তাহলে এসব তথ্যও এআইকে দিন।
মূল অ্যাসাইনমেন্টে নেই—এমন বাধ্যতামূলক শর্ত এআই নিজে থেকে যোগ করলে সেটি বাদ দেওয়াই উচিত।
ChatGPT দিয়ে রুব্রিক তৈরির একটি ব্যবহারযোগ্য প্রম্পট
প্রম্পট খুব বড় না হলেও সমস্যা নেই। গুরুত্বপূর্ণ হলো প্রয়োজনীয় প্রেক্ষাপট থাকা।
তুমি একজন মূল্যায়ন নকশাকার হিসেবে একটি রুব্রিকের খসড়া তৈরি করবে।
শ্রেণি/কোর্স: [লিখুন]
কাজের ধরন: [অ্যাসাইনমেন্ট/প্রেজেন্টেশন/প্রজেক্ট]
শেখার লক্ষ্য: [লিখুন]
কাজের সংক্ষিপ্ত নির্দেশনা: [লিখুন]
মোট নম্বর: [লিখুন]
এমন একটি বিশ্লেষণধর্মী রুব্রিক তৈরি করো যেখানে:
- প্রতিটি মানদণ্ড শেখার লক্ষ্যের সঙ্গে সম্পর্কিত হবে;
- অস্পষ্ট বিশেষণের বদলে পর্যবেক্ষণযোগ্য বৈশিষ্ট্য থাকবে;
- প্রতিটি মানদণ্ডের নম্বর বা ওজন দেখানো হবে;
- কাজের মানের ৪টি স্তর থাকবে;
- স্তরগুলোর পার্থক্য স্পষ্ট হবে;
- একই দুর্বলতা একাধিক মানদণ্ডে কীভাবে প্রভাব ফেলছে, তা পরিষ্কার থাকবে;
- শিক্ষার্থীর ব্যক্তিত্ব বা অপ্রাসঙ্গিক ব্যক্তিগত বৈশিষ্ট্যকে মূল্যায়নের মানদণ্ড করা হবে না।
প্রথমে রুব্রিকটি টেবিলে দাও। এরপর যেসব মানদণ্ড এখনো অস্পষ্ট বা একাধিকভাবে ব্যাখ্যা করা সম্ভব, সেগুলো চিহ্নিত করো।
শেষ নির্দেশটি গুরুত্বপূর্ণ। এতে প্রথম আউটপুটকে চূড়ান্ত ধরে নেওয়া হচ্ছে না; বরং এআইকেই সম্ভাব্য অস্পষ্টতা খুঁজে বের করতে বলা হচ্ছে।
আরও পড়ুনঃ Classroom-এ AI ব্যবহারের Rules শিক্ষার্থীদের সঙ্গে কীভাবে তৈরি করবেন
একটি নমুনা রুব্রিক কেমন হতে পারে
ধরা যাক, ২০ নম্বরের একটি গবেষণাভিত্তিক মৌখিক উপস্থাপনা মূল্যায়ন করতে হবে। নিচের ছকটি শুধু কাঠামো বোঝানোর জন্য। বাস্তব কোর্সে শেখার লক্ষ্য ও কাজের শর্ত অনুযায়ী এটি বদলাতে হবে।
| মূল্যায়নের বিষয় | নম্বর | উচ্চমানের কাজ | মাঝারি মান | উন্নতি প্রয়োজন |
| বিষয় বোঝা ও বিশ্লেষণ | ৮ | মূল ধারণা সঠিকভাবে ব্যাখ্যা করে এবং কারণ, ফল বা সম্পর্ক বিশ্লেষণ করে | মূল ধারণা মোটামুটি সঠিক, কিন্তু বিশ্লেষণ আংশিক | বর্ণনা আছে, কিন্তু ব্যাখ্যা বা বিশ্লেষণ দুর্বল |
| প্রমাণ ও উৎসের ব্যবহার | ৪ | প্রধান দাবির সঙ্গে প্রাসঙ্গিক প্রমাণ যুক্ত এবং তার সম্পর্ক ব্যাখ্যা করা হয়েছে | কিছু প্রমাণ আছে, তবে সব গুরুত্বপূর্ণ দাবিকে সমর্থন করে না | প্রধান দাবির পক্ষে পর্যাপ্ত প্রমাণ নেই |
| বক্তব্যের সংগঠন | ৪ | শুরু, মূল আলোচনা ও সমাপ্তির মধ্যে স্পষ্ট ধারাবাহিকতা আছে | সামগ্রিক কাঠামো বোঝা যায়, তবে কিছু অংশ বিচ্ছিন্ন | বক্তব্যের ধারাবাহিকতা অনুসরণ করা কঠিন |
| মৌখিক উপস্থাপনা | ৪ | বক্তব্য স্পষ্ট, বোধগম্য ও সংগঠিত | অধিকাংশ অংশ বোঝা যায়, কিছু জায়গায় অস্পষ্টতা আছে | বক্তব্য নিয়মিত অনুসরণ করতে অসুবিধা হয় |
এই ছকে “চমৎকার উপস্থাপনা” লিখেই থেমে যাওয়া হয়নি। কোন বৈশিষ্ট্যের কারণে কাজটি একটি নির্দিষ্ট স্তরে পড়বে, সেটি বোঝানোর চেষ্টা করা হয়েছে।
এআইয়ের খসড়া পাওয়ার পর সবচেয়ে জরুরি ৬টি পরীক্ষা
রুব্রিক তৈরির সবচেয়ে গুরুত্বপূর্ণ অংশ অনেক সময় প্রম্পট লেখা নয়, বরং প্রথম খসড়া পরীক্ষা করা। UNESCO শিক্ষাক্ষেত্রে জেনারেটিভ এআই ব্যবহারের ক্ষেত্রে মানবকেন্দ্রিক পদ্ধতি, নৈতিক যাচাই, তথ্যের গোপনীয়তা এবং শিক্ষাগত উদ্দেশ্যের সঙ্গে প্রযুক্তির ব্যবহার মিলিয়ে দেখার ওপর গুরুত্ব দেয়।
১. মানদণ্ড শেখার লক্ষ্য মাপছে কি?
ইতিহাসের বিশ্লেষণধর্মী অ্যাসাইনমেন্টে যদি এআই “স্লাইডের সৌন্দর্য”কে বড় মানদণ্ড বানায়, অথচ সেটি শেখার লক্ষ্য নয়, তাহলে তা বাদ বা কম গুরুত্ব দেওয়া দরকার।
সহজ পরীক্ষা:
এই মানদণ্ডের নম্বর দেখে শিক্ষার্থী শেখার কোন লক্ষ্য অর্জন করেছে তা কি বোঝা যাবে?
উত্তর পরিষ্কার না হলে মানদণ্ডটি আবার দেখুন।
২. অস্পষ্ট শব্দ রয়ে গেছে কি?
“চমৎকার”, “যথেষ্ট”, “দুর্বল”, “সৃজনশীল”, “পেশাদার”—এসব শব্দ একা যথেষ্ট নয়।
Cornell-এর নির্দেশনায়ও subjective বা vague criteria-এর বদলে স্পষ্ট সূচক ব্যবহারের কথা বলা হয়েছে।
“তথ্য খুব ভালোভাবে ব্যবহার করেছে” বলার বদলে লেখা যেতে পারে:
প্রধান দাবিগুলো প্রাসঙ্গিক প্রমাণ দিয়ে সমর্থন করা হয়েছে এবং প্রমাণের সঙ্গে যুক্তির সম্পর্ক ব্যাখ্যা করা হয়েছে।
এখানে শিক্ষক কী দেখবেন তা তুলনামূলকভাবে পরিষ্কার।
৩. একই ভুলের প্রভাব একাধিক জায়গায় পড়ছে কি?
“লেখার স্পষ্টতা” এবং “ভাষার মান”—দুটি আলাদা মানদণ্ড রাখা হয়েছে। কিন্তু একই ব্যাকরণগত ভুলের জন্য যদি দুটো জায়গাতেই নম্বর কমে, শিক্ষার্থী একই দুর্বলতার জন্য বারবার ক্ষতিগ্রস্ত হতে পারে।
সব ক্ষেত্রে এটি ভুল হবে এমন নয়। তবে এমন ওভারল্যাপ থাকলে তা সচেতনভাবে রাখা হয়েছে কি না দেখা দরকার।
৪. নম্বরের ওজন শেখার অগ্রাধিকারের সঙ্গে মিলছে কি?
গবেষণা প্রতিবেদনে বিশ্লেষণের জন্য ৫ নম্বর এবং প্রচ্ছদের নকশার জন্যও ৫ নম্বর—এটি তখনই যুক্তিযুক্ত, যখন দুটিই শেখার লক্ষ্যে সমান গুরুত্বপূর্ণ।
Carnegie Mellon-এর রুব্রিক নির্দেশনায়ও মানদণ্ডের ওজন অ্যাসাইনমেন্টের উদ্দেশ্য ও গুরুত্বের সঙ্গে মিলিয়ে নির্ধারণের কথা বলা হয়েছে।
এখানেই শিক্ষকের বিচার এআইয়ের প্রস্তাবের চেয়ে বেশি গুরুত্বপূর্ণ।
৫. স্তরগুলোর মধ্যে বাস্তব পার্থক্য আছে কি?
এ ধরনের বর্ণনা খুব বেশি কাজে আসে না:
- চমৎকার: খুব ভালো বিশ্লেষণ
- ভালো: ভালো বিশ্লেষণ
- মাঝারি: মোটামুটি বিশ্লেষণ
- দুর্বল: দুর্বল বিশ্লেষণ
নাম বদলেছে, কিন্তু কী কারণে কাজটির মান বদলেছে তা বোঝা যাচ্ছে না।
তার বদলে দেখুন স্তরভেদে যথার্থতা, প্রমাণের ব্যবহার, যুক্তির গভীরতা বা সম্পর্ক ব্যাখ্যার মতো বৈশিষ্ট্য বদলাচ্ছে কি না। Cornell-ও বিভিন্ন মানের স্তরের মধ্যে স্পষ্ট পার্থক্য রাখার পরামর্শ দেয়।
৬. অপ্রাসঙ্গিক ব্যক্তিগত বৈশিষ্ট্য নম্বরে ঢুকে গেছে কি?
মৌখিক উপস্থাপনায় “আত্মবিশ্বাসী ব্যক্তিত্ব”কে আলাদা মানদণ্ড করা সমস্যাজনক হতে পারে, যদি শেখার লক্ষ্য হয় বিষয়টি পরিষ্কারভাবে ব্যাখ্যা করা।
এখানে “পক্ষপাতহীন রুব্রিক বানাও” লিখলেই সমস্যার সমাধান হয় না। OpenAI-এর fairness-সংক্রান্ত গবেষণাও দেখায়, ভাষা মডেলের উত্তরে সামাজিক পক্ষপাত পুরোপুরি অনুপস্থিত ধরে নেওয়া যায় না।
এআইকে সম্ভাব্য পক্ষপাত শনাক্ত করতে বলা যায়। চূড়ান্ত বিচার মানুষেরই করতে হবে।
একবারে চূড়ান্ত রুব্রিক না চেয়ে ধাপে ধাপে ঠিক করুন
প্রথম খসড়ার পর একই এআইকে সম্পাদনার কাজে ব্যবহার করা যায়।
যেমন:
এই রুব্রিকে এমন শব্দ শনাক্ত করো, যেগুলো দুইজন মূল্যায়নকারী ভিন্নভাবে ব্যাখ্যা করতে পারেন। প্রতিটির জন্য আরও পর্যবেক্ষণযোগ্য ভাষা প্রস্তাব করো।
এরপর বলা যায়:
প্রতিটি মানদণ্ড অ্যাসাইনমেন্টের কোন শেখার লক্ষ্য মূল্যায়ন করছে তা দেখাও। কোনো মানদণ্ডের সঙ্গে শেখার লক্ষ্য সরাসরি না মিললে সেটি চিহ্নিত করো।
আরেক ধাপে:
এমন তিনটি কাল্পনিক শিক্ষার্থী-কাজ তৈরি করো, যেগুলো দুটি মানের স্তরের মাঝামাঝি পড়ে। রুব্রিক দিয়ে মূল্যায়ন করলে কোথায় সিদ্ধান্ত নিতে অসুবিধা হচ্ছে তা দেখাও।
এ ধরনের কাল্পনিক উদাহরণ রুব্রিকের দুর্বলতা খুঁজতে কাজে লাগতে পারে। এগুলোকে বাস্তব শিক্ষার্থীর ফল বা মূল্যায়নের প্রমাণ হিসেবে ধরা যাবে না।
পুরোনো বা পরিচয়মুক্ত নমুনা কাজ দিয়ে পরীক্ষা করুন
রুব্রিক চূড়ান্ত করার আগে কয়েকটি পুরোনো, কাল্পনিক বা যথাযথভাবে পরিচয়মুক্ত নমুনা কাজে সেটি প্রয়োগ করে দেখা যেতে পারে।
এখানে উদ্দেশ্য পুরোনো শিক্ষার্থীদের আবার নম্বর দেওয়া নয়। লক্ষ্য হলো—একই মানদণ্ড প্রয়োগ করতে গিয়ে কোথায় সিদ্ধান্ত আটকে যাচ্ছে তা খুঁজে বের করা।
OpenAI Education-এর ১৭ জুলাই ২০২৬ প্রকাশিত The Edu Prompt–এর একটি উদাহরণে পরিচয়মুক্ত শিক্ষার্থী-কাজ, রুব্রিক, নম্বরের তথ্য ও নমুনা প্রতিক্রিয়া ব্যবহার করে মূল্যায়নের ধরণ পরীক্ষা করার নির্দেশ দেওয়া হয়েছে। সেখানে এআইকে নিজে grade দেওয়া বা পরিবর্তন করতে নিষেধ করা হয়েছে এবং নম্বর-সংক্রান্ত সিদ্ধান্ত শিক্ষক বা দায়িত্বপ্রাপ্ত ব্যক্তির পর্যালোচনায় পাঠানোর কথা বলা হয়েছে।
এটি কোনো সার্বজনীন grading policy নয়। বরং এআইকে চূড়ান্ত নম্বরদাতা না বানিয়ে রুব্রিকের অসামঞ্জস্য খুঁজতে ব্যবহারের একটি উদাহরণ।
শিক্ষার্থীর ব্যক্তিগত তথ্য সাধারণত দেওয়ার প্রয়োজন নেই
নতুন রুব্রিক তৈরির জন্য সাধারণত যথেষ্ট:
- অ্যাসাইনমেন্টের নির্দেশনা;
- শেখার লক্ষ্য;
- শ্রেণি বা কোর্সের স্তর;
- মোট নম্বর;
- মূল্যায়নের বিশেষ শর্ত।
শিক্ষার্থীর নাম, রোল নম্বর, ইমেইল বা অন্য পরিচয়মূলক তথ্য এই কাজের জন্য সাধারণত প্রয়োজন হয় না।
UNESCO-এর জেনারেটিভ এআই নির্দেশিকায় শিক্ষাক্ষেত্রে তথ্যের গোপনীয়তা রক্ষা এবং প্রযুক্তি ব্যবহারের আগে প্রাতিষ্ঠানিক ও নৈতিক দিক যাচাই করার ওপর গুরুত্ব দেওয়া হয়েছে।
ChatGPT ব্যবহার করলে ডেটা সেটিংও দেখে নিন
১২ আগস্ট ২০২৬ অনুযায়ী ব্যক্তিগত ChatGPT Free, Plus ও Pro workspace-এ Settings → Data Controls → Improve the model for everyone বন্ধ করলে পরবর্তী কথোপকথন মডেল উন্নয়নের প্রশিক্ষণে ব্যবহার না করার ব্যবস্থা রয়েছে।
ChatGPT Edu, Business ও Enterprise-এর ইনপুট-আউটপুট ডিফল্টভাবে মডেল প্রশিক্ষণে ব্যবহার করা হয় না।
তবে একটি পার্থক্য গুরুত্বপূর্ণ: ডেটা মডেল প্রশিক্ষণে ব্যবহার না হওয়া মানেই যেকোনো শিক্ষার্থী-তথ্য সেখানে আপলোড করা অনুমোদিত—এমন নয়। প্রতিষ্ঠানের নিজস্ব গোপনীয়তা নীতি, ডেটা সংরক্ষণের নিয়ম এবং প্রযোজ্য বিধিও দেখতে হবে।
প্ল্যাটফর্মের ডেটা নীতি সময়ের সঙ্গে বদলাতে পারে। তাই ভবিষ্যতে নিবন্ধটি হালনাগাদ করলে এই অংশটি আবার যাচাই করা প্রয়োজন।
রুব্রিক তৈরি আর এআই দিয়ে চূড়ান্ত নম্বর দেওয়া এক কাজ নয়
এই পার্থক্যটি বিশেষভাবে গুরুত্বপূর্ণ।
রুব্রিক তৈরির সময় শিক্ষক নিজের মূল্যায়নের কাঠামো সাজাতে এআইয়ের সহায়তা নিচ্ছেন। কিন্তু শিক্ষার্থীর চূড়ান্ত grade এআই দিয়ে ঠিক করালে সিদ্ধান্তের একটি অংশ সরাসরি মডেলের আউটপুটের ওপর নির্ভর করছে।
OpenAI-এর ২০২৬ সালের assessment-calibration উদাহরণে এআইকে grade নির্ধারণ বা পরিবর্তন না করতে এবং নম্বর-সংক্রান্ত সিদ্ধান্ত মানুষের পর্যালোচনায় পাঠাতে বলা হয়েছে।
UNESCO-র শিক্ষায় এআই-সংক্রান্ত অধিকারভিত্তিক কাজেও শিক্ষার্থীকে প্রভাবিত করে এমন সিদ্ধান্তে মানবিক তদারকির ওপর গুরুত্ব দেওয়া হয়েছে।
তাই এআইকে রুব্রিকের খসড়া, ভাষার অস্পষ্টতা শনাক্ত, পরিচয়মুক্ত নমুনা তুলনা বা প্রতিক্রিয়ার প্রাথমিক খসড়া তৈরিতে ব্যবহার করা যেতে পারে। কিন্তু গুরুত্বপূর্ণ নম্বরের চূড়ান্ত সিদ্ধান্ত শিক্ষক বা দায়িত্বপ্রাপ্ত মূল্যায়নকারীর হাতে রাখাই যুক্তিসংগত।
প্রথম রুব্রিকটি এভাবেই তৈরি করে দেখুন
শুরুতেই পুরো মূল্যায়নব্যবস্থা বদলানোর দরকার নেই। আগামী একটি অ্যাসাইনমেন্ট দিয়ে পরীক্ষা করা বেশি বাস্তবসম্মত।
পুরোনো বা নতুন একটি অ্যাসাইনমেন্ট নিন। শেখার লক্ষ্য, শিক্ষার্থীর স্তর, মোট নম্বর এবং আবশ্যিক শর্ত লিখে এআইকে একটি প্রাথমিক রুব্রিক তৈরি করতে বলুন।
খসড়া পাওয়ার পর তিনটি প্রশ্নের উত্তর খুঁজুন:
১. প্রতিটি মানদণ্ড কি শেখার লক্ষ্যের সঙ্গে সম্পর্কিত?
২. ভালো ও দুর্বল কাজের পার্থক্য কি পর্যবেক্ষণযোগ্য ভাষায় লেখা?
৩. নম্বরের ওজন কি সবচেয়ে গুরুত্বপূর্ণ দক্ষতাকে যথাযথ গুরুত্ব দিচ্ছে?
এরপর একটি বা দুটি কাল্পনিক কিংবা পরিচয়মুক্ত নমুনা কাজে রুব্রিকটি প্রয়োগ করুন। যেখানে বারবার সিদ্ধান্ত নিতে অসুবিধা হচ্ছে, সেখানকার ভাষা আবার ঠিক করুন।
AI rubric creation-এর সবচেয়ে বাস্তব ব্যবহার এখানেই—শূন্য থেকে প্রতিটি মানদণ্ড লেখার কাজ কমানো এবং দ্রুত বিকল্প খসড়া তৈরি করা। কিন্তু ভালো রুব্রিকের মান নির্ধারণ করে প্রম্পটের দৈর্ঘ্য নয়; শেখার লক্ষ্য কতটা পরিষ্কার, মানদণ্ড কতটা পর্যবেক্ষণযোগ্য এবং শেষ মানবিক যাচাই কতটা সতর্ক—সেটিই বেশি গুরুত্বপূর্ণ।
শেষ কথা
AI দিয়ে রুব্রিক তৈরি করার সবচেয়ে ভালো ব্যবহার হলো শিক্ষকের কাজের একটি অংশ দ্রুত করা—শিক্ষকের বিচারকে বদলে দেওয়া নয়। শেখার লক্ষ্য, মানদণ্ডের গুরুত্ব এবং নম্বর দেওয়ার যুক্তি আগে পরিষ্কার থাকলে এআই একটি কার্যকর খসড়া তৈরি করতে পারে। এরপর ভাষা, ওজন, সম্ভাব্য পক্ষপাত এবং বাস্তব প্রয়োগ শিক্ষককে নিজেই যাচাই করতে হবে।
শুরুতে একটি ছোট অ্যাসাইনমেন্ট দিয়ে পদ্ধতিটি পরীক্ষা করাই ভালো। এআইয়ের তৈরি রুব্রিক কয়েকটি নমুনা কাজে প্রয়োগ করে দেখুন কোথায় সিদ্ধান্ত নিতে অসুবিধা হচ্ছে। যে জায়গায় দ্বিধা তৈরি হয়, সেখানেই সাধারণত মানদণ্ড আরও পরিষ্কার করা দরকার। এভাবে ব্যবহার করলে AI rubric creation সময় বাঁচানোর পাশাপাশি মূল্যায়নের নিয়ম শিক্ষার্থী ও শিক্ষক—দুই পক্ষের কাছেই আরও স্পষ্ট করতে পারে।
প্রায়শই জিজ্ঞাসিত প্রশ্ন
ChatGPT দিয়ে রুব্রিক তৈরি করতে শিক্ষার্থীর কাজ আপলোড করতে হবে?
না। নতুন রুব্রিক তৈরির জন্য সাধারণত শেখার লক্ষ্য, অ্যাসাইনমেন্টের নির্দেশনা, শিক্ষার্থীর স্তর, মোট নম্বর ও প্রয়োজনীয় শর্ত যথেষ্ট। বাস্তব শিক্ষার্থী-কাজ ব্যবহার করলে অপ্রয়োজনীয় পরিচয়মূলক তথ্য বাদ দেওয়া এবং প্রতিষ্ঠানের তথ্যনীতি অনুসরণ করা উচিত।
এআই কি সম্পূর্ণ পক্ষপাতহীন রুব্রিক তৈরি করতে পারে?
এমন নিশ্চয়তা দেওয়া যায় না। এআইয়ের খসড়ায় অস্পষ্ট মানদণ্ড, সামাজিক পক্ষপাত বা অপ্রাসঙ্গিক অনুমান থাকতে পারে। তাই মানদণ্ড ও ভাষা মানুষের পর্যালোচনা করা প্রয়োজন।
রুব্রিক তৈরি করার পর একই এআইকে চূড়ান্ত grade দিতে দেওয়া উচিত?
এআই রুব্রিকের অস্পষ্টতা বা নম্বর দেওয়ার ধরণ পর্যালোচনায় সহায়তা করতে পারে। তবে গুরুত্বপূর্ণ grade-এর চূড়ান্ত সিদ্ধান্ত মানুষের হাতে রাখা উচিত। OpenAI Education-এর জুলাই ২০২৬-এর উদাহরণেও এআইকে grade নির্ধারণ বা পরিবর্তন না করার নির্দেশ দেওয়া হয়েছে।
