Universiti terbesar Mexico memaksa kira-kira 58,000 pemohon untuk mengambil semula peperiksaan kemasukannya secara peribadi selepas versi ujian terpencil yang dikawal AI menghasilkan lonjakan yang mencurigakan dalam markah tinggi dan dakwaan penipuan yang meluas. Keputusan oleh Universiti Autonomi Kebangsaan Mexico, yang dikenali sebagai UNAM, merupakan salah satu kes kejatuhan yang paling dramatik daripada penggunaan pesat pengawasan peperiksaan berkuasa AI dalam pendidikan tinggi.

Kes ini menyerlahkan ketegangan yang semakin meningkat antara institusi yang tergesa-gesa untuk mengguna pakai pengawalan automatik dan realiti bahawa sistem pemantauan AI boleh dielakkan. Untuk mendapatkan maklumat lanjut tentang cara AI membentuk semula institusi, lihat [berita terkini AI] kami(https://aibuzzwire.news).

Apa yang salah

Awal musim panas ini, hampir 160,000 pemohon mengambil peperiksaan kemasukan UNAM sepenuhnya dari jauh — yang pertama untuk institusi itu. Sepanjang beberapa minggu dari akhir Mei hingga awal Jun 2026, pelajar menyelesaikan ujian 120 soalan dari rumah menggunakan penyemak imbas "lockdown" dan perisian pengawas kamera web berkuasa AI.

Hasilnya mempunyai sedikit persamaan dengan tahun-tahun lepas. Antara 2021 dan 2025, 3.5 peratus peserta ujian mendapat markah 100 atau lebih dalam peperiksaan. Tahun ini, 16.3 peratus berbuat demikian. Lonjakan itu lebih ketara di bahagian paling atas: antara 2021 dan 2025, hanya 0.9 peratus pemohon mendapat markah 110 atau lebih tinggi, tetapi tahun ini 5.5 peratus mencapai tahap itu. Sebenarnya, skor teratas secara kasar meningkat lima kali ganda.

Anomali statistik itu mencetuskan tuduhan penipuan yang meluas dan mendorong UNAM untuk memanggil suruhanjaya pakar untuk menyiasat. Panel kini telah menyerahkan cadangannya.

Peperiksaan kawalan

Kesimpulan suruhanjaya itu adalah tumpul: satu-satunya cara untuk memulihkan keyakinan adalah dengan menghendaki pemohon menduduki ujian baharu secara peribadi. UNAM akan mentadbir apa yang dipanggil "peperiksaan kawalan", dan ia akan digunakan bukan sahaja kepada mereka yang mendapat tempat berdasarkan keputusan tahun ini, tetapi juga kepada semua orang yang akan diterima berdasarkan markah kejayaan minimum sejak 2021. Kira-kira 58,000 orang boleh terjejas.

Menurut Gaceta UNAM, penerbitan rasmi universiti itu, rektor memohon maaf kepada pemohon yang jujur ​​yang kini perlu membuat persediaan dan mengambil ujian semula walaupun tidak melakukan sebarang kesalahan. Rektor itu bagaimanapun mempertahankan langkah itu, memanggil peperiksaan kawalan "perlu untuk memberi kepastian dan menjamin ekuiti dalam akses."

Garis masa padat. Kelas pada masa ini dijadualkan bermula pada 10 Ogos 2026, bermakna universiti perlu menganjurkan dan menggredkan peperiksaan secara peribadi secara besar-besaran untuk berpuluh-puluh ribu pemohon dalam masa beberapa hari, atau menangguhkan permulaan penggal akademik.

Bagaimana pengawasan gagal

Peperiksaan jauh bergantung pada dua lapisan keselamatan. Menurut laporan oleh El País, ujian itu memerlukan Pelayar LockDown daripada Respondus, yang mengunci persekitaran ujian dengan menghalang pencetakan, penyalinan, penyemakan imbas web dan akses kepada aplikasi lain semasa peperiksaan.

UNAM juga menggunakan sistem pengawas daripada Territorium yang menggunakan algoritma AI untuk memantau setiap kamera web pengambil ujian. Sistem ini direka bentuk untuk mengesan apabila orang lain telah mengambil tempat pemohon, apabila telefon bimbit atau fon telinga sedang digunakan, atau apabila pemohon meninggalkan bingkai kamera. Setiap peperiksaan juga mempunyai seorang penyelia manusia untuk setiap 150 pemohon, yang menerima makluman automatik dan boleh menandakan penyelewengan.

Langkah-langkah ini tidak berfungsi dengan baik. UNAM akhirnya membatalkan hampir 2 peratus daripada jumlah peperiksaan untuk isu kelakuan yang tidak ditentukan, tetapi sebahagian besar penipuan yang disyaki nampaknya telah terlepas.

Bagaimana pelajar didakwa menipu

Laporan dalam The New York Times minggu lalu memperincikan kaedah yang dilaporkan digunakan oleh pelajar untuk mengalahkan pemantauan. Menurut Times, petua menipu telah tersebar luas sebelum ujian disiarkan secara langsung. Akaun dalam talian menasihatkan pelajar untuk meletakkan monitor di luar bingkai kamera web di mana mereka boleh mengakses ChatGPT atau model AI lain. Orang lain mencadangkan menyembunyikan fon telinga di bawah rambut mereka, atau mengupah orang lain untuk mengambil peperiksaan dari kamera.

Oleh kerana peperiksaan itu adalah pelbagai pilihan dan bukannya berasaskan esei, adalah sukar untuk mengesan tanda-tanda bantuan AI, seperti jawapan lengkap ditampal ke dalam kotak teks sekaligus. Pelajar juga mungkin bergantung pada helaian curang, soalan bocor dan kaedah tradisional ketidakjujuran akademik yang lain.

Kisah amaran untuk mengawasi AI

Episod UNAM mungkin akan bergema jauh di luar Mexico. Universiti dan badan pensijilan di seluruh dunia telah melabur banyak dalam pengawalan jauh berkuasa AI, dipasarkan sebagai cara berskala untuk mengekalkan integriti peperiksaan semasa ujian dalam talian dan hibrid. Teknologi ini menjanjikan untuk menggantikan pengawas manusia dengan pengawasan algoritma yang sentiasa aktif, tetapi kes UNAM menunjukkan bahawa pengambil ujian yang gigih masih boleh mencari jurang.

Insiden itu juga menimbulkan persoalan yang tidak selesa tentang keadilan. Pemohon jujur ​​yang mengikut peraturan kini menghadapi beban untuk mengambil semula peperiksaan, manakala universiti mesti menyerap kos logistik dan kerosakan reputasi akibat pelancaran ujian yang gagal. UNAM telah mengakui apa yang dipanggil kebarangkalian bahawa format jauh telah terjejas, dan institusi itu kini membayar harga untuk mengutamakan kemudahan berbanding kebolehpercayaan penilaian peribadi yang terbukti.

Bagi institusi yang menimbang program ujian jarak jauh yang serupa, pengajaran dari Mexico City sangat menarik: Pengawasan AI mungkin diperlukan, tetapi sebagai jaminan integriti yang berdiri sendiri, ia masih jauh dari mencukupi.

Kekal Mendahului AI

Kes UNAM adalah detik yang menentukan dalam perdebatan mengenai AI dalam pendidikan. Baca lebih lanjut liputan industri AI dan Baca lebih banyak berita AI →