ChatGPT перевірили на дитячому почерку: наскільки його оцінки збігаються з людськими

Чи може ChatGPT оцінити, наскільки розбірливо пише дитина від руки? Нове дослідження порівняло оцінки GPT-4o та людини для 201 зразка письма від 67 четвертокласників. Загальні бали були близькими, а кореляція між оцінювачами становила від 0,71 до 0,80 залежно від завдання. Проте це не означає, що вчителя вже можна замінити алгоритмом: перевіряли лише розбірливість, одну школу й одну версію моделі.

Як провели експеримент

У дослідженні взяли участь 67 учнів четвертого класу однієї державної школи в турецькій провінції Токат. Діти виконали три різні завдання: переписали готовий текст, записали текст під диктування й самостійно написали коротку роботу про майбутню професію. Так отримали 201 зразок — по три від кожної дитини.

Рукописи відсканували з роздільністю 300 dpi та передавали GPT-4o окремими запитами, щоб оцінка одного зразка не підказувала наступний. Людина-оцінювач і модель користувалися однією багатовимірною шкалою розбірливості. Вона охоплює нахил літер, відстані, розмір, форму та дотримання рядка; кожен критерій має три рівні.

Важлива межа: дослідники оцінювали фізичну читабельність написаного, а не граматику, творчість, фактичну точність чи здібності дитини. Заголовок про те, що AI «оцінює твори», був би перебільшенням.

Що показали результати

Для переписування, диктанту й вільного письма дослідники не знайшли статистично значущої різниці між загальними оцінками людини та ChatGPT. Кореляції становили відповідно 0,78, 0,71 і 0,80. Показник узгодженості між оцінювачами ICC для окремого вимірювання дорівнював 0,763 — це добрий, але не ідеальний результат.

В одному пункті розбіжність усе ж проявилася: нахил літер у вільному письмі GPT-4o оцінював інакше, ніж людина. Саме тому фраза «AI поставив ті самі оцінки» була б неправильною. Близькі середні числа можуть приховувати відмінності для конкретної роботи.

Окремо автори повторили оцінювання підмножини з 67 зразків приблизно через місяць тими самими інструкціями. Узгодженість повторних AI-оцінок була високою: ICC 0,922. Це свідчить про стабільність у межах цього експерименту, а не гарантує однакову поведінку всіх майбутніх версій ChatGPT.

Де AI може допомогти вчителю

Якщо школа використовує прозору шкалу, AI потенційно може швидко підсвітити технічні труднощі: нерівний розмір букв, відстані між словами чи вихід за рядок. Учитель тоді матиме більше часу на особистий зворотний зв’язок і роботу над змістом. Але алгоритм не повинен самостійно вирішувати, чому дитина пише саме так, чи має вона порушення навчання та яку оцінку заслуговує.

Дослідження не вимірювало економію часу, мотивацію учнів або те, чи покращилося письмо після AI-порад. Автори лише порівняли оцінки з уже зібраних робіт. Тому обіцянка «ChatGPT зробить навчання ефективнішим» поки залишається гіпотезою, а не результатом цієї статті.

Приватність дитячих робіт

Рукопис може містити ім’я, індивідуальні особливості письма й особисті подробиці. Перш ніж завантажувати учнівські роботи в зовнішній AI-сервіс, школа має перевірити згоду батьків, правила обробки даних і можливість знеособити зображення. У самій статті зазначено, що індивідуальний набір даних не публікується через етичні обмеження та приватність неповнолітніх.

Для власних експериментів безпечніше почати з вигаданих або добровільно наданих дорослими прикладів і не використовувати оцінку моделі як остаточне рішення. Це особливо важливо, якщо йдеться про дітей із потребою в додатковій підтримці: у дослідженні таких груп не перевіряли.

Чому висновок потрібно читати обережно

• Невелика вибірка: 67 дітей з однієї школи, які писали турецькою мовою.
• Одна модель: використовували GPT-4o у квітні 2026 року; інші версії можуть оцінювати інакше.
• Один тип завдання: перевіряли розбірливість, а не якість думки чи знання.
• Кореляція не означає повний збіг: окремі роботи все ще можуть отримувати різні оцінки.
• Немає довгострокового тесту: дослідження не показує, як зміниться навчання після впровадження AI.

Висновок: GPT-4o в цьому невеликому експерименті виявився корисним помічником для формалізованої перевірки рукопису. Найрозумніший сценарій — подвійна перевірка та пояснення критеріїв під контролем учителя, а не автоматична оцінка дитини без людини.

Перекладено й адаптовано за дослідженням Yaşartürk та співавторів, опублікованим 21 вересня 2026 року в PLOS One. Оригінальний текст поширюється за CC BY 4.0. Обкладинка Tookapic / Wikimedia Commons — CC0; оригінальних зображень учнів не переносили.