Gemini în Google Colab schimbă examenul la programare: de la testul de cod la interviul despre decizii
Inteligența artificială poate scrie deja fragmente de cod funcționale, poate propune modele de machine learning și poate explica erori într-un notebook. În acest context, întrebarea pentru universități nu mai este doar cum opresc folosirea AI la evaluări, ci ce anume ar trebui evaluat atunci când AI-ul este prezent inevitabil în procesul de lucru. Prof. Ts. Dr. Nurfadhlina Mohd Sharef, lector și Chief Digital Officer la Universiti Putra Malaysia, spune că a înlocuit testele clasice de programare cu discuții directe despre felul în care studenții rezolvă probleme cu ajutorul Gemini în Google Colab. Ideea merită urmărită și în România: nu transformă automat evaluarea într-una mai bună, dar mută accentul de la „poți tasta cod?” la „înțelegi, verifici și poți apăra decizia tehnică?”.
Ghid ServerSpan relevant: De ce ENGINYRING ar putea fi furnizorul de gazduire de care nu știai că ai nevoie.
De ce testul clasic de cod nu mai este suficient
Testele tradiționale de programare au o calitate importantă: sunt relativ ușor de standardizat. Profesorul oferă o cerință, studentul livrează un program sau un notebook, iar rezultatul poate fi verificat prin teste automate, punctaje și criterii clare. Problema este că acest model măsoară tot mai puțin procesul real de lucru.
Un student poate cere unui asistent AI să genereze o funcție, să repare o eroare de sintaxă sau chiar să propună pașii pentru un proiect de analiză de date. Dacă evaluarea urmărește exclusiv codul final, devine dificil de separat contribuția studentului de contribuția instrumentului. Interdicția totală a AI pare simplă pe hârtie, însă este greu de aplicat în practică și riscă să ignore o competență care va conta în piața muncii: folosirea responsabilă a instrumentelor asistate de AI.
Pentru mai multe detalii despre această parte a subiectului, vezi De ce ai putea alege un VPS Nextcloud self-hosted?.
În relatarea publicată de Google pe 5 octombrie 2026, Nurfadhlina Mohd Sharef explică faptul că studenții săi folosesc Gemini din Google Colab ca pe un tutor personal. AI-ul poate sugera cod, variante de abordare sau modele, dar nu ar trebui să decidă în locul lor. Studentul trebuie să aleagă, să pună sub semnul întrebării răspunsul primit și să justifice decizia finală de modelare.
Aceasta este diferența esențială. În loc să premieze doar un rezultat care rulează, evaluarea încearcă să vadă dacă persoana din fața profesorului înțelege de ce acel rezultat ar putea fi corect, incomplet sau chiar greșit.
Cum funcționează evaluarea prin conversație cu AI în fundal
Modelul descris nu înseamnă că profesorul stă de vorbă liber cu fiecare student despre orice subiect. Nucleul metodei este un interviu verbal în care studentul își apără alegerile făcute pe parcursul proiectului: de ce a selectat un anumit model, ce date a exclus, cum a interpretat un rezultat, unde a observat o recomandare discutabilă din partea AI-ului și ce a făcut pentru a o verifica.
Într-un proiect de data mining, de exemplu, întrebările utile nu sunt doar „ce cod ai scris?”, ci și:
- De ce ai ales această metodă de clasificare și nu una mai simplă?
- Ce variabile pot introduce bias sau scurgeri de informație în date?
- Cum ai validat rezultatul sugerat de AI?
- Ce se întâmplă dacă modifici pragul de decizie ori setul de date?
- Care este limita principală a concluziei tale?
Aici apare valoarea interviului. Un cod generat de AI poate părea impecabil până când studentul este rugat să explice o coloană de rezultate, să depaneze o eroare nouă sau să identifice o presupunere incorectă. Într-o conversație bine condusă, nu este nevoie ca profesorul să „prindă” studentul folosind AI. Mai util este să afle dacă studentul poate lucra competent împreună cu AI-ul.
Profesoara menționează și Gemini Canvas, respectiv Gemini Notebook, ca instrumente care o ajută să evalueze activitatea la scară mai mare. Totuși, articolul Google nu oferă detalii despre rubrica de notare, numărul de studenți, durata interviurilor sau rezultatele comparative față de testele clasice. Acestea sunt limite importante: avem un exemplu de practică pedagogică, nu o demonstrație independentă că metoda funcționează mai bine în toate universitățile.
Ce ar putea însemna această abordare pentru facultățile din România
În România, discuția despre AI în educație ajunge adesea la două extreme: fie utilizarea este tratată ca fraudă automatizată, fie este acceptată fără criterii, pe motiv că „așa se va lucra oricum”. Metoda prezentată de profesoara din Malaysia propune o poziție mai matură: AI poate fi permis, dar nu poate înlocui responsabilitatea intelectuală a studentului.
Pentru facultățile de informatică, economie, inginerie sau analiză de date, schimbarea ar putea fi pragmatică. Un examen cu proiect în Google Colab poate include folosirea declarată a unui model conversațional, cu condiția ca studentul să păstreze o evidență a prompturilor relevante, a sugestiilor respinse și a verificărilor realizate. Nota nu ar trebui acordată pentru cât de repede a obținut codul, ci pentru calitatea raționamentului, documentării și testării.
Această abordare ar putea ajuta și studenții care sunt buni la gândire analitică, dar pierd timp excesiv cu detalii de sintaxă. În piața reală, un developer junior nu este evaluat doar după capacitatea de a scrie fiecare linie fără documentație sau instrumente de asistență. Este evaluat și după abilitatea de a citi cod existent, de a verifica un răspuns, de a comunica riscuri și de a nu introduce erori costisitoare într-un produs.
Există însă și compromisuri. Interviurile individuale consumă timp, mai ales în grupe mari. Profesorii au nevoie de criterii clare, altfel evaluarea poate deveni prea subiectivă. În plus, accesul inegal la conturi, modele AI plătite sau laptopuri suficient de bune poate produce diferențe între studenți. Instituțiile trebuie să stabilească ce instrumente sunt acceptate și să ofere alternative echitabile.
AI-ul nu trebuie confundat cu înțelegerea
Cel mai mare risc al acestei tendințe nu este că studenții vor folosi AI. Riscul este să confunde un răspuns fluent cu o explicație corectă. Modelele generative pot inventa API-uri, pot interpreta greșit un grafic, pot propune validări statistice nepotrivite sau pot produce cod care rulează, dar folosește datele greșit.
Tocmai de aceea, ideea de „judecată asupra AI-ului” este mai importantă decât simpla folosire a Gemini, ChatGPT, Copilot sau a altui instrument. Un student competent trebuie să știe când să accepte o sugestie, când să ceară o explicație suplimentară și când să o respingă complet.
Pentru profesori, provocarea este să construiască exerciții care nu pot fi rezolvate doar printr-un prompt generic. Cerințele pot include date locale, explicații despre decizii, erori introduse intenționat, schimbări de condiții în timpul evaluării sau cerința de a compara două soluții. Astfel, AI-ul devine parte din context, nu o scurtătură către notă.
Separat, universitățile trebuie să fie atente la datele încărcate în astfel de servicii. Seturile de date cu informații personale, proiectele confidențiale sau codul aparținând unei companii nu ar trebui introduse automat într-un chatbot fără reguli instituționale clare. Pentru proiectele care folosesc resurse online, date de test, notebookuri și componente cloud, controlul accesului și separarea informațiilor sensibile rămân la fel de importante ca evaluarea academică.
Ce merită urmărit în perioada următoare:
- dacă universitățile publică reguli explicite despre AI la teme și examene;
- apariția unor rubrici de evaluare pentru decizii, verificare și argumentare;
- modul în care sunt gestionate grupele mari, unde interviurile individuale sunt greu de scalat;
- diferența dintre utilizarea AI ca tutor și utilizarea lui ca generator opac de proiecte;
- măsurile de protecție pentru datele personale și materialele confidențiale.
Concluzie: exemplul prezentat de Google nu anunță dispariția examenelor de programare și nici nu dovedește că interviurile asistate de AI sunt soluția universală. Dar pune corect problema: atunci când AI-ul poate produce cod, valoarea umană trebuie căutată în capacitatea de a formula problema, de a verifica soluția și de a răspunde pentru consecințele ei. Pentru studenții români, aceasta poate fi o schimbare utilă. Pentru profesori, este o invitație dificilă, dar necesară, de a regândi ce înseamnă competența tehnică într-o lume în care răspunsul apare tot mai ușor, iar înțelegerea rămâne greu de demonstrat.