التغذية الراجعة

ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.

التغذية الراجعة — المعلومات التي تُقدَّم للمتعلّم بشأن أدائه أو فهمه، والتي تهدف إلى سدّ الفجوة بين الأداء الحالي والأداء المرجوّ. في الذكاء الاصطناعي في التعليم، أصبحت التغذية الراجعة موضوعًا محوريًا يتحوّل بسرعة: فأنظمة الذكاء الاصطناعي تولّد التغذية الراجعة الآن وتقدّمها، بل وتعلّم الطلاب كيف يستخدمونها، فتُعيد تشكيل كل مرحلة من مراحل عملية التغذية الراجعة.

أسئلة للتفكير

• تُصوَّر التغذية الراجعة غالبًا كمعلومة تُسلَّم للمتعلّم، لكن البحوث تجادل بأنها لا تُحسب «تغذية راجعة» إلا حين يبني المتعلّم معناها ويتصرّف على أساسها. إذا كانت التغذية الراجعة علاقةً لا رسالة، فما الذي يتغيّر في طريقة تقديمها؟
• قد تُغيّر إدراك الطلاب لما إذا كانت التغذية الراجعة صادرة عن ذكاء اصطناعي أم عن إنسان مقدار ما يتعلمونه منها. لماذا تظنّ أن المصدر يهمّ إلى هذا الحد — وما الذي يترتّب على ذلك بالنسبة للتغذية الراجعة المولّدة بالذكاء الاصطناعي في سياقك؟
• قد تكون التغذية الراجعة الفورية فخًّا: يُظهر «فخّ الإجابة الصحيحة» أن الطلاب الذين يكتفون بنسخ التصحيحات يتعلمون أقلّ. متى تفيد التغذية الراجعة الآنية، ومتى تقطع الطريق على التعلم الذي يُفترض أن تسنده؟
• وجدت الأبحاث أن تتابعًا مُصمَّمًا بعناية من التغذية الراجعة — تشجيع، ثم تلميحات، ثم الإجابة — يُفترض أن يبني الاستقلالية، أضرّ فعلًا بالتعلم رغم أنه رفع المشاركة. إذا شعر الطلاب بالرضا عن تغذية راجعة تُنقص تعلّمهم، فما الذي ينبغي أن نُحسّنه؟
• توصف التغذية الراجعة بأنها نظام ذو أجزاء: حلقة التغذية الراجعة، وجودة تقديمها، وقدرة المتعلّم على استيعابها، وسياق التقويم. لو أردت تحسين التغذية الراجعة في مقررك، فأي جزء تصلحه أوّلًا، ولماذا؟

مقدمة

هذا هو المفهوم الشامل لأفكار قاعدة المعارف المرتبطة بالتغذية الراجعة. تقع التغذية الراجعة عند تقاطع التقويم والتعلّم: بدونها، يقيس التقويم الأداء دون أن يحسّنه؛ وبها الفعّالة، يتحوّل التقويم إلى حدث تعلّمي. تتعامل قاعدة المعارف مع التغذية الراجعة كـنظام متعدّد الأوجه — جودة التغذية الراجعة نفسها (جودة تغذية الذكاء الاصطناعي الراجعة)، والحلقة التي تُغلق بها فجوة التعلّم، وقدرة المتعلّم على استخدامها (ثقافة التغذية الراجعة)، وسياقات التقويم التي تعمل فيها (التقويم البنّاء، التقويم بالأقران، التقويم الآلي).

• يُظهر Yilmaz et al. أن إدراك الطلاب لـmصدر التغذية الراجعة (ذكاء اصطناعي مقابل إنسان) يُشكّل التعلّم التنظيم الذاتي من تغذية راجعة صادرة عن الذكاء الاصطناعي التوليدي — وهو مُقيِّد جوهري لأي دعاوى عن فعالية التغذية الراجعة.
• يعزل Nazaretsky et al. (2025) المصدر عن المحتوى: قيّم 472 طالبًا في المعهد الفدرالي السويسري للتقنية بلوزان تغذية راجعة بشرية وأخرى من GPT-4.0 قابلة للمقارنة في المحتوى، على أعمالهم، أوّلًا بشكل أعمى ثم مرة أخرى بعد الكشف عن المصدر، ولم يستطع معظمهم التمييز بين الاثنين بموثوقية (287 من 472 خمّنوا بشكل صحيح). وبعد الكشف عن الوسم، انخفضت تقييمات نسخة الذكاء الاصطناعي وارتفعت تقييمات النسخة البشرية — وبشكل معتدّ به بالنسبة للأصالة (p < .01) — وفُصلت مصداقية المزوّد بجلاء (بشري μ = 3.28 مقابل ذكاء اصطناعي μ = 2.25، d كوهين = 0.57). يلتصق التحّيز بالمزوّد لا بالنصّ، إذ كانت النسختان متكافئتين في الصحة والجودة المعرفية.

نظام التغذية الراجعة

يُفهم النظام على أفضل وجه لا كحدث واحد بل كمجموعة مترابطة من الأجزاء المتفاعلة، تُوثّق قاعدة المعارف كلًّا منها كمفهوم مستقل:

• حلقة التغذية الراجعة — الآلية التي تُغلق بها التغذية الراجعة الفجوة بين الأداء الحالي والأداء المرجوّ؛ دورة الأداء ← التغذية الراجعة ← التنقيح ← تحسّن الأداء التي تُحرّك التعلّم.
• جودة تغذية الذكاء الاصطناعي الراجعة — الدقة والفائدة والتوقيت والقيمة البيداغوجية للتغذية الراجعة المولّدة بالذكاء الاصطناعي؛ جانب التزويد في النظام.
• ثقافة التغذية الراجعة — القدرات والميول التي يحتاجها الطلاب لفهم التغذية الراجعة وتقييمها والتصرّف على أساسها؛ جانب الاستيعاب في النظام.
• التقويم البنّاء — سياق التقويم الذي تُستخدم فيه التغذية الراجعة لتحسين التعلّم وهو ما يزال جاريًا، لا لمجرّد الحكم عليه.
• التقويم بالأقران — التغذية الراجعة المتبادلة بين المتعلّمون، التي يزيدها الذكاء الاصطناعي تدريجيًا وتُعدّ موقعًا لتنمية ثقافة التغذية الراجعة.
• التقويم الآلي — التصحيح والتغذية الراجعة المدفوعة بالذكاء الاصطناعي، من تصحيح المقالات الآلي إلى تصحيح الأجوبة القصيرة الواعي بمستوى الثقة.

حلقة التغذية الراجعة

حلقة التغذية الراجعة هي العملية الدورية التي تُقيّم فيها أنظمة الذكاء الاصطناعي عمل الطالب، وتقدّم تغذية راجعة، وتراقب استجابته، وتُكيّف التعليم التالي. تعمل الحلقات الآلية للتغذية الراجعة على مقاييس زمنية متعددة:

• التغذية الراجعة الفورية: تُقدّم أنظمة التصحيح الآلي ومعلمو الذكاء الاصطناعي تصحيحًا آنيًّا أثناء حل المشكلات. يُظهر بحث فخّ الإجابة الصحيحة أن التغذية الراجعة الفورية قد تقطع الطريق على التعلّم إذا اكتفى الطلاب بنسخ التصحيحات. توليد تلك التغذية الراجعة التصحيحية الفورية بالنماذج اللغوية الكبيرة داخل نظام تعليمي ممكن لكنه غير مثالي: عبر 6,926 عملية مسجّلة في منصة Apprentice Tutor College Algebra، وجد Reddig, Arora & MacLellan (2025) أن GPT-4 أنتج تلميحات موجّهة لخطأ الطالب المحدّد في نحو 66% من الحالات، لكن نحو 35% من التلميحات كانت عامةً أو خاطئة أو كشفت الإجابة قبل أوانها، وأن فحوص الجودة الآلية المبنية على النماذج اللغوية الكبيرة لم تتوافق مع الحكم البشري — وهو ما يعزّز أن التغذية الراجعة غير المراجَعة بالذكاء الاصطناعي في الحلقة الفورية تحمل خطرًا حقيقيًا في قطع طريق التعلّم.
• التغذية الراجعة على مستوى المهمّة: تفحص أنظمة التقويم البنّاء وأبحاث جودة التغذية الراجعة بالذكاء الاصطناعي ما إذا كانت التغذية الراجعة المولّدة للمهمات تُحسّن العمل اللاحق. تختبر دراسات التغذية الراجعة المتتابعة ما إذا كان ترتيب التغذية الراجعة يهمّ.
• الحلقات على مستوى المقرر: تُجمّع لوحات تحليلات التعلّم والمنصات التعليمية التغذية الراجعة عبر المهمات لتحديد الأنماط والتوصية بتدخّلات.

تعتمد فعالية حلقة التغذية الراجعة على جودة التغذية الراجعة — الدقة والتخصيص والتوقيت وقابلية التصرّف. تُضيف أنظمة التغذية الراجعة من الأقران بالذكاء الاصطناعي بُعدًا اجتماعيًّا إلى الحلقة.

الإنسان في الحلقة: حلقات التغذية الراجعة ليست آلية بالكامل — يتوسّط المعلّمون غالبًا التغذية الراجعة المولّدة بالذكاء الاصطناعي قبل وصولها إلى المتعلّمين. تجد دراسات أدوات التغذية الراجعة بالذكاء الاصطناعي للمعلّمين (مثل أداة PolyFeed التي تجمع كاشف تعلّم آلي مع النماذج اللغوية الكبيرة (LLMs) معيدَ صياغة) أن المعلّمين يستخدمون الحكم المهني لـقبول اقتراحات الذكاء الاصطناعي أو تعديلها أو رفضها — بنمط «ساعد مع التحقّق» — ويُخفّفون بانتظام المدح المبالغ فيه والاقتراحات العامة لحماية الأصالة والصوت. إن البُعد العَلائقي/العاطفي للتغذية الراجعة (علاقة الطالب بالمعلّم، التشجيع) هو الأكثر مقاومةً للتفويض إلى الذكاء الاصطناعي، مما يوحّي بأن هذا الجزء من الحلقة يبقى بشريًّا بطبيعته. يتّصل هذا التوسّط البشري في الحلقة بـالذكاء الاصطناعي بمشاركة الإنسان وبـالتدريس.

تُحذّف المراجعة السياسية لـLuo و Eaton من الحدّ ذاته: كان 14 فقط من أصل 50 جامعة مصنّفة في المراتب الأولى لديها إرشادات محدّدة بشأن استخدام المعلّمين للذكاء الاصطناعي في التغذية الراجعة، ووصف الطلاب التغذية الراجعة غير المكشوفة بأنها «غير صادقة»، مما يجعل الشفافية والموافقة شرطين مسبقين للممارسة الأخلاقية لا مجاملتين (Luo & Eaton (2026)).

يحوّل LearnLens ذلك التوسّط إلى آلية: فهو يتعامل مع تعديل المعلّم كإشارة عدم رضا لا كتصحيح، ويُخصّص حوسبة إضافية لتفكير أعمق بدلًا من إعادة الإجابة السريعة، وانخفض الوقت الوسيط لمعلّميه لكل مهمة من 10–30 دقيقة إلى أقلّ من خمس (Zhao et al. (2025)).

يقطع القراءة العَلائقية أعمق من الإحلال. في ورشات مع 12 طالبًا و18 مربيًا، وجد Bearman et al. (2026) أن الطلاب تعاملوا مع الذكاء الاصطناعي كمصدر إضافي لكنه معيوب، فوزنوه مقابل المعايير ومحاضرات الملاحظات ولوحات النقاش وتعليقات المربّين، واستخدموه كنمط احتجاز عندما كانت الردود البشرية بطيئة؛ إذ لصق أحدهم تعليقات مربٍّ ضئيلة في روبوت محادثة ليستنبط ما ينبغي فعله. غيّر حضور الذكاء الاصطناعي العلاقات لا مجرّد إضافة تعليقات، إلى الحدّ الذي توقّف فيه أحد الطلاب عن الثقة بتغذية راجعة من لوحة نقاش الأقران باعتبارها كتبها على الأرجح الذكاء الاصطناعي. ومن ثم يقترح المؤلفون «البشر كالحلقة»: أناسًا يساعدون أناسًا على بناء علاقات تغذية راجعة أقوى مع الوقت، بدلًا من الرقابة على مخرجات الآلة.

تُعيد Winstone et al. (2026) تأطير التغذية الراجعة بالذكاء الاصطناعي التوليدي كمسائل عناية — ممارسة أخلاقية عَلائقية لا نقل معلومات — وتُسمّي مفارقة المكان الآمن: قد يتخلّى الاحتمال الشخصي الأقلّ للأداة عن تهيئة الطلاب للاحتكاك الذي تُخيّمه لقاءات التغذية الراجعة المهنية.

كيف يحوّل الذكاء الاصطناعي التغذية الراجعة

يُغيّر الذكاء الاصطناعي التغذية الراجعة في ثلاثة اتجاهات بالغة الأثر، كلٌّ منها يرفع من رهانات الأوجه الأخرى:

• الحجم والفورية. يستطيع الذكاء الاصطناعي توليد التغذية الراجعة فورًا وعلى نطاق واسع، فيزيد كثيرًا من حجم ما يتلقاه الطلاب. تُوثّق دراسات التغذية الراجعة التوليدية متعددة المواقع والتغذية الراجعة بالذكاء الاصطناعي في التعليم العالي تغذيةً راجعة بالذكاء الاصطناعي جُرّبت كقابلة للمقارنة بتغذية المعلّم في القبول والدعم. يُصدّق المراجعة المنهجية الموجَّهة بـPRISMA على 42 دراسة تجريبية (2023–2025) على فائدة الحجم هذه — إذ تستطيع النماذج اللغوية الكبيرة تسريع التصحيح وتقديم تغذية راجعة سريعة وشخصية على نطاق واسع، لا سيّما في المجموعات الكبيرة أو في التعليم العالي — مع التحذير من أن هذه التغذية تكون أحيانًا عامةً جدًا أو غير متوافقة مع الدرجة المُسندة، وأن الموثوقية تنزلق في المهمات الأطول أو متعددة اللغات أو الدقيقة (Can ChatGPT Replace the Teacher in Assessment? A Review of Research on the Use of Large Language Models in Grading and Providing Feedback).

• التخصيص متجه تحيّز. بتثبيت مقالات طلاب الصف الثامن، أثنت أربع نماذج لغوية كبيرة بشكل مفرط واحتجزت النقد تجاه طلاب معلَّمين بالعرق أو اللغة أو الإعاقة — فأي سمات طلاب تُغذّي نظام التغذية الراجعة قرار إنصاف لا قرارًا محايدًا (Tan, Phalen & Demszky (2026)).

• المطالب التقييمية على المتعلّم. ولأن التغذية الراجعة بالذكاء الاصطناعي قد تكون غير دقيقة أو مُهلوسة، على الطلاب الحكم فيما إذا كانوا يثقون الثقة بها ويتصرّفون على أساسها. وهنا تصبح ثقافة التغذية الراجعة ومعايرة الثقة حاسمتين: يُظهر Mendoza et al. (2026) أن الطلاب أصحاب ثقافة التغذية الراجعة وحدهم يحوّلون تغذية الذكاء الاصطناعي إلى مكاسب في التعلّم موجّه الذات، بينما يلتقط مغالطة النموذج اللغوي الكبير كيف قد يُفرط الطلاب في إسناد تغذية الذكاء الاصطناعي إلى كفاءتهم الذاتية.

• ثقافة التغذية الراجعة تُبنى بالاستخدام لا بالخصائص السكانية. في 486 طالبًا جامعيًا في تعلّم الإنجليزية كلغة أجنبية، توقّعت تكرار استخدام أدوات الذكاء الاصطناعي وحدها ثقافة التغذية الراجعة للذكاء الاصطناعي (β = 0.29) — لا التخصّص الدراسي ولا السنة — فالسقالة للوصول إلى تغذية راجعة وسيطة بالذكاء الاصطناعي مسألة إنصاف بقدر ما هي مسألة تصميم (Liu & Deris (2025)).

• القبول المختبري ليس استخدامًا في الفصل الدراسي. تفاعل الطلاب الثمانية عشر جميعًا بإيجابية مع وظيفة الشرح التوليدية في الجلسات المخبرية، لكن نصفهم فقط استخدمها خلال الفصل، مُحتجًّا بعدم التوافق وبعدم الصلة والتكرار عندما كانت تغذية المربّي واضحة أصلًا (Jin et al. (2025)).

• الثقة والعناية، لا الدقة، هي ما يحبس الاستيعاب. منح سبعة عشر طالبًا في تعلّم الإنجليزية كلغة أجنبية مساعدَ كتابة بالذكاء الاصطناعي خبرةً عالية لكنهم شكّكوا في مصداقيته بشأن التعامل مع البيانات وقيّموا حسن نيته بالأدنى، فسمحوا له فقط بالمسائل اللغوية العامة؛ ووجد بعضهم أيضًا أن حجم اقتراحاته غير قابل للإدارة (Serpil & Mor, 2026).

• ملاءمة المهمّة: فرز التغذية الراجعة بحسب الحالة المعرفية. يُجادل Venetsanos (2026) بأن الأطر التي يعتمد عليها الميدان — مستويات Hattie وTimperley، ومبادئ التصميم عند Boud وMolloy — تفسّر أين تعمل التغذية الراجعة في التعلّم لا ما إذا كانت مهمة تغذية راجعة بعينها تنطوي على التحقّق من قاعدة أو التحقّق من واقعة أو حكم تفسيري، وأنه هو التمييز الثاني الذي يقرّر ما إذا كانت الأتمتة قابلة للدفاع. يقترح التقسيم الثلاثي تغذيةً راجعة بنيوية وحضورية منخفضة المستوى (التنسيق والاستشهادات والقواعد ووضوح الجملة — قائمة على قواعد مقابل معايير صريحة وقابلة للأتمتة بأمان)، وتحقّقًا وسيطًا من الواقع والإجراء (ما إذا كان حسابٌ ما استخدم منهجًا محدّدًا بشكل صحيح، وما إذا كانت واقعةٌ مذكورة تطابق مراجع موثوقة — مقارنةً مقابل معرفة راسخة، لا حكمًا على الاستدلال)، وتقييمًا عاليًا نقديًّا وتوليفًا، حيث يكون الحكم تفسيريًّا وينبغي أن يبقى بشريًّا. المستويات هي أبعاد لا سلّم: فحسابٌ واحد قد يكون معروضًا بشكل صحيح وخاطئًا حسابيًّا وغير مناسب منهجيًّا في الوقت نفسه، وأن يجتذب تحقّقًا وتغذيةً راجعة عن العملية وتنظيمًا ذاتيًّا معًا. حالة الحدّ الأشدّ حدةً في هذا الإطار هي الوضوح: وضوح الجملة على مستوى السطح، لكن الغموض الحجاجي يشير غالبًا إلى فهم مفاهيمي غير مكتمل، لذا ينبغي أن تُصعَّد الحالات المُعلَّمة إلى مراجعة بشرية لا أن تُصحَّح كنصّ — فإصلاح الكتابة سيترك المشكلة الحقيقية دون مساس.

• تغذية راجعة واعية بالدور. أظهر Yaşar et al. (2026) أن حثّ النموذج اللغوي الكبير ذاته على تقييم العمل الطلابي ذاته تحت أدوار مختلفة — معلّم، ومراجع أقران، ومراجع منح — أنتج تغذيةً راجعة متمايزةً نوعيًّا: كان المعلّمون مشجّعين وموجّهين للعملية، والأقران داعمين ومحادثيين، ومراجعو المنح رسميين وموجّهين للنتائج. كانت هذه الفروق معرفية لا أسلوبية فحسب، فأبرزت أوجهًا مختلفة من ممارسة التصميم — دليلًا على أن الحثّ الواعي بالدور يستطيع توليد تغذية راجعة تقييمية حسّاسة للدور لا استجابةً عامةً واحدة.

• نوع التغذية الراجعة أهمّ من كثافتها. في دراسة تكيّفية على ثمانية أسابيع في علم الاحتمالات التطبيقي (194 طالبًا)، تلقّت التغذية الراجعة التوجيهية والمعلوماتية والتحويلية استيعابًا مختلفًا، وساهمت التغذية الراجعة التحويلية في الحمل المعرفي الزائد — لذا ينبغي أن يُطابق تصميم التغذية الراجعة النوعَ بمرحلة المتعلّم لا أن يُعظّم الحجم (Mejeh & Fromm (2026)).

• فائدة التغذية الراجعة مقابل السلطة التقييمية. يُظهر AlGhamdi (2026) أن الطلاب يستطيعون قبول التغذية الراجعة المولّدة بالذكاء الاصطناعي كنافعة ورفض الذكاء الاصطناعي كمصحّح ملائم في الوقت نفسه — بفصل فائدة التغذية الراجعة (القيمة المعلوماتية للتغذية على مستوى السطح) عن السلطة التقييمية (من يحقّ له تقرير الدرجة). في تصميم تقويم شفاف لما بعد التقويم، تعامل طلاب الحوسبة السعوديون مع الاثنين كحكمين قابلين للتحليل، مُقدّرين وضوح ChatGPT في المراجعة مع حجز سلطة التصحيح للمعلّم البشري ومُبرزين الأسباب الحوارية والمؤسسية المُرجَّحة لذلك. يمتدّ الاكتشاف بـثقافة التغذية الراجعة إلى ما بعد الحكم على جودة التغذية الراجعة ليصل إلى الاستدلال على السلطة التقييمية نفسها، ويوحّي بأن الشفافية بشأن تدخّل الذكاء الاصطناعي قادرة على جعل التغذية الراجعة موضوعًا للتفكير النقدي لا القبول السلبي.

• موقف التنقيح نتيجة، لا جودته فقط. تسأل أبحاث التغذية الراجعة عادةً ما إذا كان التنقيح قد حسّن النصّ. يسأل Zhao and Ji (2026) أيّ موقف بلاغي يتّخذه النصّ المُنقَّح، فُرمِزت 168 مقالة حجاجية لطلاب الإنجليزية كلغة أجنبية بنظرية التقييم (Appraisal Theory) عبر المسوّدات الأولى، والتنقيحات بعد تغذية الأقران، وتنقيحات ChatGPT-4 للمسوّدات ذاتها. كانت لغة المشاركة متساوية التكرار في الثلاثة، لكن مُهيّأةً بشكل مختلف: صارت تنقيحات تغذية الأقران أكثر تقلّصًا (مزيد من Counter وEndorse وأقلّ من Entertain)، بينما حافظت تنقيحات الذكاء الاصطناعي على مزيج أكثر توازنًا من Contract/Expand. لا أحدهما كتابة أفضل — المسألة أن طريقَي التنقيح يُتركان الحجة في موضع حجاجي مختلف، مما يجعل الموقفَ نفسَه شيئًا تستطيع محادثة التغذية الراجعة تسميتَه والكاتبُ اختيارَه.

• قد يكون الشرح مُقنعًا ومع ذلك غير مخلص. وجد Bueno et al. (2026) أن حذف الجُمل التي رتّبها تبرير نموذج لغوي كبير كالأكثر تأثيرًا لم يُحرّك درجة المعيار إلا بالكاد، بينما غيّرت الجُمل المُختارة بـSHAP الدرجةَ بموثوقية وانتقلت عبر عائلات نماذج مختلفة، فتبريرٌ سلس ليس دليلًا على أن الدرجة تستند إليه.

• ثقافة التغذية الراجعة كهدف تدريبي. بدلًا من تقديم التغذية الراجعة فقط، تُصمَّم أدوات الذكاء الاصطناعي تدريجيًا لـتعليم الطلاب استخدام التغذية الراجعة — بإعادة تأطير أدوات التغذية الراجعة الآلية كأدوات لبناء الثقافة، وبتأطير الذكاء الاصطناعي التوليدي كُمُمكِّن لمشاركة التغذية الراجعة، وباستخدام مهام النقد التوليدي لبناء الثقافات النفسية وثقافة التغذية الراجعة وثقافة الذكاء الاصطناعي معًا.

• ثقافة التغذية الراجعة والمعايرة رافعتان منفصلتان. مع 120 طالبًا جامعيًا، رفع نصّ ثقافة التغذية الراجعة (تصفية ← استدلال ← تصرّف ← تحقّق) جودة الكتابة والاستيعاب الفعّال والتنقيح العميق، وحسّنت مهمة معايرة الأداء-التقويم دقة التقييم الذاتي وخفضت الثقة المفرطة، وبلغ الجمع بينهما أكبر مكاسب كتابة وأقوى احتفاظ بعد سحب دعم الذكاء الاصطناعي (Dai (2026)).

• الوضوح ليس الفعالية. قُيّمت رسائل خطأ Python المعاد صياغتها بنموذج لغوي كبير على أنها أوضح قراءةً وأقلّ مطالبةً معرفيًّا بشكل معتدّ به مقارنةً بمخرجات المفسّر القياسية، لكنها لم تُنتج أي مكسب معتدّ به في معدّل الإصلاح أو عدد المحاولات أو زمن الإصلاح (Moraru, Biswas & Gadiraju (2026)).

ما يجعل التغذية الراجعة فعّالة: أدلّة المعايرة

يُقدّم Ngai & Gilbert (2026) نتيجةً تجريبية نظيفة على تصميم التغذية الراجعة ذات صلة مباشرة بالتعليم المدعوم بالذكاء الاصطناعي: التغذية الراجعة الصادقة والفورية المرتبطة بتوقّع المتعلّم السابق الخاص به هي ما يُغيّر السلوك — التوقّع أو المعتقدات وحدها لا تكفي. في تصميمهم رباعي المجموعات، حسّنت التغذية الراجعة المقرونة بتوقّع أداء سابق المعايرة والسلوك، بينما لم تفعل التوقّعات دون تغذية راجعة شيئًا، ولم يُضف وسمُ ثقة مفرطة/ناقصة صريح شيئًا بعد ذلك. تستطيع النماذج اللغوية الكبيرة أيضًا أن تعمل كشركاء معايرة في هذه العملية: وجد Yaşar et al. (2026) أنه بعد تنقيح المعيار، أظهرت النماذج اللغوية الكبيرة اتساقًا أكبر من بعض المُقيّمين البشريين في تطبيق عتبات الأداء — أمر مفيد لجلسات التوحيد المعياري وبيئات تغذية الأقران التكوينية، حيث يساعد النموذج على معايرة الحكم التقييمي لا أن يحلّ محلّه. يتوافق هذا مع نظرة قاعدة المعارف النظامية للتغذية الراجعة: تكمن قوة التغذية الراجعة في سدّ الفجوة مقابل تقدير المتعلّم الخاص (اقتران التزويد بالاستيعاب)، وينبغي أن تكون التغذية الراجعة الفعّالة فورية ودقيقة ومرتبطةً صراحةً بما توقّعه المتعلّم — مبدأ تصميمي لأنظمة التغذية الراجعة بالذكاء الاصطناعي وتدريب ثقافة التغذية الراجعة على حدّ سواء.

غير أن الجهد ليس تلقائيًّا المكوّن المفقود. في تجربة مسجّلة مسبقًا بين الموضوعات مع 302 بالغًا أمريكيًا يتعلمون Python التمهيدي، قرن Asher, Gold & Carvalho (2025) تغذيةً راجعة تفسيريةً شخصيةً من Claude Sonnet 3.5 بمحثّ تفسير ذاتي من ثلاث خطوات — لكل قسم خاطئ من الشيفرة، ما تفعله الشيفرة الصحيحة ولماذا فشلت محاولة المتعلّم الخاصة — ولم يَشترِ التأمّل المضاف شيئًا. أمضى المشاركون في «الممارسة التأملية» 4.1 دقائق في مراجعة التغذية الراجعة مقابل 2.1 دقيقة في «الممارسة» الصرفة (t(267) = 11.30، p < .001)، وهو ما لم يُتِح مجالًا إلا لمسألتي تدريب بدلًا من 3.4 (t(267) = 8.20، p < .001)؛ وكانت كل مسألة ذات القيمة ذاتها في الحالتين (التأمّل × رقم المسألة OR = 1.03، z = 0.23، p = .486)، فانتهت الممارسة بإتقان أعلى، 79% مقابل 65% (d = .41)، ولم تتخلّف قطّ في بنود التحويل القريب التحويل، أو التحويل البعيد، أو تقييم الشيفرة. فشل التأمّل أيضًا في تحقيق الفائدة المعرفية-الذاتية التي استهدفها: لم تختلف أحكام التعلّم بين المجموعتين، وكانت ظروف الممارسة أفضل معايرةً (غير واثقة بـ11 نقطة، مقابل مشاهدي الفيديو المفرطي الثقة بـ20 نقطة، d = −.93) وأفادت بـانصراف أقلّ (d = −.80) من المتعلّمين التأمليين، الذين بلغ متوسط تأمّلاتهم 35 كلمة فقط. يقرأ المؤلفون أن تغذية الذكاء الاصطناعي الراجعة كانت قد وفّرت أصلًا السقالة السقالةَ التي يضيفها التفسير الذاتي عادةً — فرسالةٌ تُسمّي الخطأ وتشرح المنهج الصحيح وتصف المفهوم الأساسي لا تُبقي إلا القليل لمحثّ تأمّل أن يفعله — وأن كتابة التأمّلات بينما كان المتعلّم ما يزال يتعلم صياغةً غير مألوفة تنافست مباشرةً مع التكرار المتنوّع الذي يبني مهارةً قابلة للتحويل. يحدّد ذلك حالة حدٍّ لـالصعوبات المرغوبة والفشل المنتج على محور عمق المعالجة: يُثمر الجهد حين يقود إلى استرجاع أو تطبيق أو مقارنة إضافية، ويكون زائدًا حين يتلقّى المتعلّم أصلًا شرحًا شخصيًّا لخطئه المحدّد. يحمل أيضًا على كيفية تفاعل جودة التغذية الراجعة مع الاستيعاب: فكلّما كانت التغذية الراجعة أوسع تفصيلًا وأشدّ توجيهًا، ضاق المجال الذي تستطيع فيه طبقة إضافية أن تضيف قيمة، مما يُحوّل انتباه التصميم من تعميق حلقة واحدة إلى إنفاق دقائق التدريب الشحيحة على الحجم وتنوّع المسائل وتوقيت التأمّل في لحظات مثل هضبة مكتشفة — إذ اختبرت الدراسة تحسينًا واحدًا غير مُراجَع، ويُلاحظ المؤلفون أن هذه الصيغ تبقى مفتوحة.

• التركيز والتكيّف بُعدان منفصلان للتغذية الراجعة. يُظهر ترميز تعليقات المعلّمين والنماذج اللغوية الكبيرة في ثلاثة مقررات كتابة جامعية بسبعة أنواع لتركيز التغذية الراجعة أن معظم النماذج يغطّي كل نوع تقريبًا بينما لا يطابق أيٌّ منها توزيع المعلّم عليها، ولا يُحوّل أيٌّ منها تركيزه عبر مراحل المسوّدة بالطريقة التي يفعلها معلّم خبير (Almousa et al., 2026).
• قد تُخفي المكاسب المجمّعة تحوّلات معاكسة. ثلاثة أشهر من تغذية راجعة بوكيل WISE مع 260 تلميذًا صينيًّا في الصف السادس لم تُحرّك أي درجة إجمالية لميل التفكير النقدي (t=-0.854، p=0.394)، لكن سَعْيُ الحقيقة ارتفع (p<0.001) بينما انخفض النضج المعرفي (p=0.019) — انخفاض يقرؤه المؤلفون كإعادة معايرة للفهم المقدَّر بزيادة من الطلاب. (Zhu et al. (2026))

التغذية الراجعة عبر سياقات التقويم

تمتد أبحاث قاعدة المعارف في التغذية الراجعة على مدى سياقات التقويم كاملةً، لكلٍّ منها ديناميات تغذية راجعة متمايزة:

• التغذية الراجعة التكوينية هي الموقع القانوني للتغذية الراجعة من أجل التعلّم — يُغذّي التقويم التكويني التعلّمَ التنظيم الذاتي عبر تغذية راجعة تصل والتعلّم ما يزال جاريًا (تقويمات تكوينية آلية، تفعيل التغذية الراجعة).

• التغذية الراجعة الختامية هي التغذية الراجعة المرتبطة بـالتقويم الختامي — اختبارات نهاية الوحدة، والاختبارات الشفوية، والامتحانات المُراقَبة/المغلقة. في عصر الذكاء الاصطناعي، يكون الإعداد الختامي هو الموضع الذي تهمّ فيه مقاومة الذكاء الاصطناعي أكثر (انظر التقويم الختامي): فالتغذية الراجعة على امتحان شفوي مُراقَب أو تقويم مغلق تختبر التعلّم الحقيقي، بينما قد تكون التغذية الراجعة على واجب منزلي بمساعدة الذكاء الاصطناعي مُنتفخةً. تُعيد التقييمات الشفوية تأطير لحظة التغذية الراجعة كحوار حيّي متفاعل — تصبح التغذية الراجعة فوريةً ومحادثية وغير قابلة للفصل عن التقويم نفسه، وهو بالضبط سبب مقاومتها للإحلال بالذكاء الاصطناعي.

• تغذية الأقران تُضيف طبقةً اجتماعية — تُنمّي تغذية الأقران ثقافة التغذية الراجعة وتتزايد بمساعدة الذكاء الاصطناعي (تغذية أقران بالذكاء الاصطناعي، الذكاء الاصطناعي التوليدي في تغذية أقران تعلّم الإنجليزية كلغة أجنبية). لكن تغذية الأقران ليست أفضل من تسليمها الفعلي: في تجربة ميدانية على فصل دراسي كامل، لم يتلقّ أقلّ من ثلثي الطلاب المُسند إليهم تغذية أقران أي تغذية نصّية إطلاقًا، وكان الكثير مما سُلّم مدحًا غير موجَّه — فعندما حلّت تغذية GPT-4 الفردية مكان الأقران غير الموثوقين، حافظ الطلاب على أعلى مشاركة ونشروا أكبر مكاسب تعلّم في المحتوى (Geschwind et al., 2026)، وهو دليل على أن أفضلية الذكاء الاصطناعي أفضلية موثوقية لا تفوقًا ذاتيًّا.

• سقالة الحثّ تحوّل الذكاء الاصطناعي التوليدي إلى مُيسّر للتغذية الراجعة. وجد Chang et al. (2026) أن الطلاب الذين أُعطوا محثّات منظّمة (سياق، هدف، دور) لتغذية الأقران أنتجوا مزيدًا من الشروحات والاقتراحات، وأن تلك المجموعة وحدها تميّزت في بيانات الدحض وفي معالجة الرأي المعارض.

• التغذية الراجعة الآلية تُوسّع نطاق التسليم — التصحيح والتغذية الراجعة الآليان من تصحيح المقالات إلى تصحيح الأجوبة القصيرة. يوسّع Arthur (Yin et al. 2026) ذلك إلى مسائل كمية غير منظّمة: يشخّص عمود XGBoost للتعلّم الآلي لكل مسألة الأخطاء الموسومة بالمعيار من الأجوبة العددية المُرسَلة من الطلاب في أسئلة الصيغ المحسوبة في اقتصاد الهندسة ويحوّلها إلى تغذية راجعة بلغة طبيعية، بينما يطلب مخطط حواري الأجوبة الوسيطة فقط عندما تكون الثقة منخفضة — موازنًا بين دقة التغذية الراجعة وعبء الجمع على الطلاب.

• تقييم الكتابة الآلي أداة تسليم ذات كلفة قابلة للقياس. وجدت مراجعة لـ50 دراسة تجريبية (2019–2024) أن تقييم الكتابة الآلي حسّن القواعد وعلامات الترقيم وبناء الجملة في 25 دراسة وقلّل عبء التصحيح الميكانيكي على المعلّمين في 15، فأتاح وقتًا للحجة والتماسك والتنظيم؛ وأن المكاسب ثبتت فقط حيث كانت الأدوات داخل دورات صياغة وتنقيح منظّمة لا كوسائل قائمة بذاتها، وأن الاعتماد الكثيف عليها ارتبط بتفكير نقدي وإبداع أضعف، وأن الأدوات أعادت إنتاج قواعد إنجليزية معيارية أفاد مستخدمو الإنجليزية كلغة أجنبية أنها غير متوافقة مع تقاليدهم البلاغية (Gres et al., 2026)).

رؤيةٌ عابرة للسياقات: تعتمد موثوقية التغذية الراجعة على سلامة التقويم الذي ترتبط به: فالتغذية الراجعة موثوقة بقدر المقياس الذي تستجيب له. وفي عصر الذكاء الاصطناعي يدفع هذا المربّين نحو تنسيقات ختامية أصيلة وصيغ ختامية مقاوِمة للذكاء الاصطناعي حيث تعكس التغذية الراجعة التي يتلقاها الطالب تعلّمًا حقيقيًّا لا مخرجاتٍ مُساعَدةً بالذكاء الاصطناعي.

يُعيد نموذج «التقويم من أجل التعلّم» تأطير التغذية الراجعة كفلسفة شاملة لا كمكوّن. يُركّب Mesny, Roberge-Maltais & Galy (2026) أدبيات التعليم العالي الأوسع ليُؤطّروا التغذية الراجعة التكوينية والمستمرة والفردية كمركزية لتلك الفلسفة، موازنين بين الأغراض التكوينية والختامية ومُبرزين مبادرة الطالب، وتنظيمه الذاتي تنظيم الذكاء الاصطناعي في التعليم، ومهارته المعرفية-الذاتية. لكنهم يُلاحظون أن الممارسات الغنية بالتغذية الراجعة في تعليم الإدارة تبقى مُعتمَدةً بشكل غير متساوٍ: فالتقييم الذاتي وتقييم الأقران (موقع تغذية الأقران) يسيطران على الأدبيات، بينما غياب إعادة التقويم شبه تام — وهي التي تستخدم فرصًا ثانيةً يحرّكها التغذية الراجعة لتحسين التعلّم.

• قابلية التصرّف المُبيَّنة ليست قابلية التصرّف المُنفَّذة. في مراجعة نطاقية لـ421 دراسة تُطبّق معالجة اللغات الطبيعية على تعليقات طلاب مفتوحة النهاية في تقييمهم للتدريس، أنتجت 61.3% مخرجات على مستوى نتيجة مُبيَّنة أو أقوى، لكن 11.6% فقط أظهرت دليلًا على أن المستخدمين المقصودين قيّموها أو استخدموها (Eicher & da Silva, 2026)).

اقتران التزويد بالاستيعاب

الرؤية الجوهرية للتغذية الراجعة في قاعدة المعارف هي أن جودة التغذية الراجعة وثقافة التغذية الراجعة وجهان لنظام واحد: فالتغذية الراجعة عالية الجودة عقيمة بغير متلقٍّ مثقّف، والطالب المثقّف يربح قليلاً من تغذية راجعة رديئة. يغطّي جودة تغذية الذكاء الاصطناعي الراجعة جانب التزويد (هل التغذية الراجعة دقيقة وفي وقتها وقابلة للتصرّف؟)، بينما يغطّي ثقافة التغذية الراجعة جانب الاستيعاب (هل يستطيع الطالب الحكم عليها والتصرّف على أساسها؟). وحلقة التغذية الراجعة هي ما يربط بينهما — الآلية التي تُغلق بها التغذية الراجعة عالية الجودة، متلقاةً من متعلّم مثقّف، الفجوة. ومن ثم فإن تصميم تغذية راجعة فعّالة بالذكاء الاصطناعي يعني تصميم النظام والطالب معًا.

أي القدرات الطلابية تهمّ قابلة للفصل تجريبيًّا: بين 1,507 طالب في التعليم الثانوي تلقّى كلٌّ منهم رسالة تغذية راجعة آلية موحّدة على نصّ حجاجي، توقّع المشاركة السلوكية مع التغذية الراجعة والمواقف الأداتية تجاهها وحدها أداءَ التنقيح — فالطلاب في المئين الخامس والسبعين على أيٍّ من البُعدين تحسّن بنحو 0.10 أو 0.11 نقطة WLE أكثر من الطلاب المشابهين في المئين الخامس والعشرين، أي من نحو المئين السادس والأربعين إلى الرابع والخمسين — بينما لم يكن القبول العام والمشاركة المعرفية والمواقف التجريبية مرتبطةً به، ولم يُوسّط الفائدة المُدرَكة مسار أي بُعد إلى الأداء. عملت الفائدة على النتيجة الأخرى بدلًا من ذلك: مرّ أثرّ القبول العام على الاهتمام الموقفي كليًّا عبر الفائدة المُدرَكة (β غير مباشر = 0.09، فترة ثقة 95% [0.06, 0.13])، فتبعت مكاسب التنقيح عاداتٍ متينةً من التصرّف على التغذية الراجعة بينما تبع الاهتمامُ تقييمَ رسالة بعينها. (Automated feedback on argumentative writing: The role of secondary students' feedback receptivity and feedback perception)

قد يختلف مصدرٌ في كيفية معايرته لا في جودة تصحيحه: في تجربة عشوائية، تجاوزت تغذية الذكاء الاصطناعي بسلسلة التفكير معلّمًا خبيرًا في جودة المعيار لكنها لم تُنتج مكاسب تنقيح أكبر، بينما بقيت تغذية المعلّم معايَرةً عبر المسوّدات وتتبّعت تغذية الذكاء الاصطناعي التوليدي قوةَ المقالة الأولى (Farrokhnia et al. (2026)).

يُظهر نموذج ذو طبقتين كيف يمكن تنظيم الاقتران حول آلة دون تفويض الحكم إليها. في المثال المُعالَج عند El Khoury وMa، يُنتج الوكيل مسوّدة تقرير أدلّة مبني على المعيار لكل نصّ مُفرَّغ، مع ربط كل تقييم بمقاطع مُقتبسة، ثم يراجع المعلّم التقرير ويقود جلسة استخلاص ويقرّر ما تعنيه الأدلّة لذلك الطالب — تقسيم يُلخّصه المؤلفون بأن الذكاء الاصطناعي يُنظّم الأدلّة بينما المعلّم يفسّرها. دعواهم بشأن الاستيعاب قائمة على التقييم: فالتغذية الراجعة والتكرار خارج التراتبيات الاجتماعية التي يتنقّل فيها الطلاب مع الأقران والمعلّمين أسهل محاولةً، وأن التدريب بوتيرة الطالب الخاصة هو ما يحوّل الثقة العارضة — على حدّ زعمهم — إلى عادة راسخة من المشاركة في التغذية الراجعة.

لماذا تهمّ التغذية الراجعة للذكاء الاصطناعي في التعليم

التغذية الراجعة إحدى الآليات الأشدّ أثرًا والأفضل استدلالًا في التعليم، والذكاء الاصطناعي يُضخّمها ويُعقّدها في الوقت نفسه. تستطيع التغذية الراجعة المُهيكَلة جيدًا أن تضاهي التغذية الراجعة البشرية أو تتجاوزها وأن تتوسّع عبر المجموعات، لكنها تُطالب بقدرات متعلّمية جديدة (ثقافة التغذية الراجعة، ثقافة الذكاء الاصطناعي) وتحمل مخاطر (القبول غير النقدي، الاعتماد المفرط). ومع تعمّق التغذية الراجعة المولّدة بالذكاء الاصطناعي، تؤطّر قاعدة المعارف التغذية الراجعة كنظام كامل — جودة وحلقة وثقافة وسياق تقويم يعملون معًا — لا كمكوّن واحد.

• قد تستهدف التغذية الراجعة مُقدِّم التغذية الراجعة. تدريب المُدرّسين سياق تغذية راجعة غير مُستَغَل: تستطيع الأنظمة الآلية التي تُرقّم تسلسليًّا استجابات المُدرّسين المفتوحة للوسم بأنواع المدح (مدح الجهد — النوع المرغوب الموجّه للعملية — مقابل مدح النتيجة مقابل مدح الشخص، النوع الأقلّ رغبةً الذي يُنسب صفةً) أن تقدّم تغذيةً راجعة تفسيريةً تُغيّر سلوك التدريب. القيد المُلزِم هو البيانات الموسومة بخبراء. ويُعالج نهج الإثراء ذلك — يولّد GPT-4o استجابات موسومة صناعيًّا توسّع مجموعةً منخفضة الموارد بـ13 عنصرًا إلى 520، ثم يُضبط دقيقًا GPT-3.5 — فيُعوّض معظم الفجوة: F2 +20.5% على مدح الجهد، و+17.3% على مدح النتيجة، و+16.5% على فئة مدح الشخص غير المرئية. واختبار التعميم على نوع مدح غير مرئي هو اختبار الصلاحية الذي يفصل هذا عن الإفراط في المطابقة، والآلية أقرب إلى تقطير نموذج المعلّم منها إلى الإثراء الكلاسيكي. (Improving automated feedback systems for tutor training in low-resource scenarios through data augmentation)

مفاهيم مرتبطة

• الأنماط التربوية — تتابعات تغذية راجعة مُختبرة، بما فيها سبب عدم إنتاج تغذية راجعة أعلى جودة بالذكاء الاصطناعي مزيدًا من التنقيح
• الملف الإلكتروني
• جودة تغذية الذكاء الاصطناعي الراجعة
• ثقافة التغذية الراجعة
• التقويم البنّاء
• التقويم الختامي
• التقويم بالأقران
• التقييم الذاتي
• التقويم الآلي
• التقويم
• التقويم الأصيل
• صدق التقييم
• التعلّم موجّه الذات
• ثقافة الذكاء الاصطناعي
• السقالة
• الكتابة

مقالات مرتبطة

• Automated feedback on argumentative writing: The role of secondary students' feedback receptivity and feedback perception — تغذية راجعة آلية على الكتابة الحجاجية: دور قبول الطلاب الثانويين للتغذية الراجعة وإدراكهم لها
• AI Agents, Joyful Assessment, and Third Space: Rethinking Assessment in the GenAI Era — وكلاء الذكاء الاصطناعي والتقويم المبهج والفضاء الثالث
• Who Should Grade My Work? Student Perspectives on Transparent AI-Assisted Writing Assessment in Higher Education — وجهات نظر الطلاب في تقييم كتابة شفّاف بمساعدة الذكاء الاصطناعي (AlGhamdi 2026)
• Who grades best? Comparing ChatGPT, peer, and instructor evaluations across varying levels of student project quality — مقارنة تصحيح ChatGPT والأقران والمعلّم عبر مستويات جودة المشروع (Usher & Faraon 2026)
• Layer-Sensitive Cognitive Offloading in Generative AI-Assisted Writing: Supported Performance and Independent No-AI Outcomes — الإزاحة المعرفية الحسّاسة للطبقة في الكتابة بمساعدة الذكاء الاصطناعي التوليدي (Chen 2026)
• Fostering self-regulated learning through adaptive learning technology: A differentiated perspective on the role of feedback
• Generative AI offers more, but students revise less: comparing the effects of teacher and AI feedback on student essay revisions — تغذية المعلّم مقابل تغذية الذكاء الاصطناعي التوليدي: ينقّح الطلاب أقلّ مع الذكاء الاصطناعي
• Supporting self-regulated learning through generative AI feedback in online higher education: the importance of student perceptions of the source of feedback — تغذية الذكاء الاصطناعي التوليدي والتعلّم التنظيم الذاتي: المصدر المُدرَك يهمّ
• Leveraging generative AI to facilitate peer feedback in collaborative argumentation learning — تغذية أقران بمساعدة الذكاء الاصطناعي التوليدي في الحجاج التعاوني
• Is It Ethical for Teachers to Use AI for Student Feedback? — أخلاقيات الذكاء الاصطناعي في تغذية الطلاب الراجعة
• Metacognitive Training Facilitates Optimal Cognitive Offloading — التدريب المعرفي-الذاتي يُمكّن الإزاحة المعرفية المُثلى (Ngai & Gilbert 2026)
• AI Feedback Literacy in Higher Education: Understanding, Measuring, and Predicting Student Feedback Uptake — مقياس ثقافة التغذية الراجعة للذكاء الاصطناعي والتنبؤ بالاستيعاب (Liu & Deris 2025)
• Generative artificial intelligence as an enabler of student feedback engagement: a framework — الذكاء الاصطناعي التوليدي كمُمكِّن لمشاركة الطلاب في التغذية الراجعة (Zhan, Boud, Dawson & Yan 2025)
• Making sense of AI feedback: how students' feedback literacy moderates the link between ChatGPT acceptance and self-regulated learning — ثقافة التغذية الراجعة تُوسّط تغذية الذكاء الاصطناعي ← التعلّم التنظيم الذاتي (Mendoza et al. 2026)
• Rethinking AI-assisted writing instruction: feedback literacy scripts, calibration training, and student writing development — نصوص ثقافة التغذية الراجعة للكتابة بمساعدة الذكاء الاصطناعي (Dai 2026)
• Students' Perceptions of Generative AI-Powered Learning Analytics in the Feedback Process: A Feedback Literacy Perspective — تحليلات تعلّم توليدية في التغذية الراجعة (Jin et al. 2025)
• Reconnecting relationships through technology: Developing feedback literacy capabilities through an AI automated feedback tool — أداة تغذية راجعة آلية بالذكاء الاصطناعي لثقافة التغذية الراجعة (Tubino & Adachi 2025)
• Positioning Generative AI in EFL Peer Feedback: Training Feedback Literacy and Enabling Uptake in Speaking Classes — الذكاء الاصطناعي التوليدي في تغذية أقران تعلّم الإنجليزية كلغة أجنبية لثقافة التغذية الراجعة (Irwin & Muller 2026)
• Artificial intelligence and feedback in university education: effectiveness and student perceptions — تغذية راجعة مولّدة بالذكاء الاصطناعي في التعليم العالي
• The care-full craft of feedback in an age of generative AI — تصميم تغذية راجعة مليئة بالعناية بالذكاء الاصطناعي التوليدي
• How artificial intelligence transforms the feedback ecosystem in higher education — النظام البيئي للتغذية الراجعة في التعليم العالي: يعيد الذكاء الاصطناعي تشكيل علاقات التغذية الراجعة، والبشر كالحلقة (Bearman et al. 2026)
• Enhancing learner-centered feedback with AI: teachers'' practices and perceptions — ممارسات تغذية راجعة بالذكاء الاصطناعي موجّهة للمتعلّم
• Human-centered GenAI feedback design in higher education: a multisite experiment on direct, reflective, and hybrid approaches to scientific argumentation — تصميم تغذية راجعة توليدية متعدد المواقع
• Using AI-Generated Feedback to Improve Critical Thinking and Writing Proficiency — تغذية الذكاء الاصطناعي الراجعة والتفكير النقدي في الكتابة
• Using Generative AI to Promote Psychological, Feedback, and Artificial Intelligence Literacies in Undergraduate Psychology — تقييم توليدي يبني الثقافات النفسية وثقافة التغذية الراجعة وثقافة الذكاء الاصطناعي
• LearnLens: LLM-Enabled Personalised, Curriculum-Grounded Feedback with Educators in the Loop — LearnLens: تغذية راجعة مُؤسَّسة على المنهج بإشراف المربّي (Zhao et al. 2025)
• Assessing the Impact and Underlying Pathways of Sequenced AI Feedback on Student Learning — دراسات التغذية الراجعة الآلية المتتابعة
• AICoFe: Implementation and Deployment of an AI-Based Collaborative Feedback System for Higher Education — أنظمة تغذية أقران بالذكاء الاصطناعي
• The Effect of High-Frequency, Automatically-marked Formative Assessments on Student Outcomes in A-Level Sciences — تقويمات تكوينية آلية في علوم المستوى A
• Reconsidering the Use of Oral Exams and Assessments: An Old Way to Move Into a New Future — إعادة النظر في الاختبارات الشفوية كتقويم أصيل ومقاوِم للذكاء الاصطناعي
• Marked Pedagogies: Examining Linguistic Biases in Personalized Automated Writing Feedback — بيداغوجيات مُعلَّمة: التحيّز في التغذية الراجعة الآلية على الكتابة
• From Scoring to Explanations: Evaluating SHAP and LLM Rationales for Rubric-based Teaching Quality Assessment — SHAP مقابل تبريرات النماذج اللغوية الكبيرة للتغذية الراجعة التدريسية المبنية على معيار
• Beyond the Traceback: Using LLMs for Adaptive Explanations of Programming Errors — شروحات تكيّفية بالنماذج اللغوية الكبيرة لأخطاء البرمجة
• Students' Perceptions of Artificial Intelligence Tools for Study Productivity and Learning: An Exploratory Survey Study — إدراكات الطلاب لأدوات الذكاء الاصطناعي في إنتاجية الدراسة والتعلّم: دراسة استقصائية استكشافية
• From evaluation to emulation: LLMs as agents of iterative pedagogical design — النماذج اللغوية الكبيرة كوكلاء للتصميم البيداغوجي التكراري
• GPT-4 feedback increases student activation and learning outcomes in higher education
• Generating In-Context, Personalized Feedback for Intelligent Tutors with Large Language Models
• Arthur: An artificial intelligence powered teaching assistant system for Engineering Economics class
• Innovative assessment and grading practices in higher education: A critical exploration for management educators
• Can ChatGPT Replace the Teacher in Assessment? A Review of Research on the Use of Large Language Models in Grading and Providing Feedback
• A Tripartite Feedback Framework for AI-Assisted Assessment of Complex Reports in Higher Education — إطار ثلاثي: فرز التغذية الراجعة بحسب الحالة المعرفية ومبادئ الحدّ الخمسة لتدخّل الذكاء الاصطناعي (Venetsanos 2026)
• Benefit or Bottleneck? Assessing the Impact of Structured Reflection on Learning from AI-Driven Explanatory Feedback — فائدة أم عنق زجاجة؟ التأمّل المنظّم على التغذية الراجعة التفسيرية بالذكاء الاصطناعي (Asher, Gold & Carvalho 2025)
• Bounded Reliance: A Source Credibility Perspective on EFL Students' Engagement with AI-Generated Writing Feedback — الاعتماد المحصور: منظور مصداقية المصدر لمشاركة طلاب الإنجليزية كلغة أجنبية في التغذية الراجعة على الكتابة المولّدة بالذكاء الاصطناعي
• From Content Generation to Learning Support: Pedagogy-Guided Generative Video Tutors for STEM Learning — من توليد المحتوى إلى دعم التعلّم: مدرّسون مرئيون توليديون موجّهون ببيداغوجيا لتعلّم العلوم والتقنية والهندسة والرياضيات
• Evaluating Feedback Focus and Pedagogical Adaptivity in LLM-Generated Feedback on Student Writing — تقييم تركيز التغذية الراجعة والتكيّف البيداغوجي في التغذية الراجعة المولّدة بالنماذج اللغوية الكبيرة على كتابة الطلاب
• From Sentiment Classification to Actionable and Responsible Feedback: A Scoping Review and Evidence Map of NLP in Student Evaluation of Teaching, 2015–2026 — من تصنيف المشاعر إلى تغذية راجعة قابلة للتصرّف ومسؤولة: مراجعة نطاقية وخريطة أدلّة لمعالجة اللغات الطبيعية في تقييم الطلاب للتدريس، 2015–2026
• Who Gives Feedback Matters: Student Biases Towards Human and AI-Generated Formative Feedback — من يُقدّم التغذية الراجعة يهمّ: وسوم المصدر تُحوّل التقييمات عندما يُثبَّت النصّ قابلًا للمقارنة (Nazaretsky et al. 2025)
• AI-Powered Feedback System for Writing: A Review of Automated Writing Evaluation (AWE) Tools — نظام تغذية راجعة مدعوم بالذكاء الاصطناعي للكتابة: مراجعة لأدوات تقييم الكتابة الآلي
• Human-written and AI-generated revisions: An appraisal analysis of dialogic positioning in argumentative writing — ما يفعله التنقيح بموقف الكاتب: تغذية الأقران تجعل المقالات الحجاجية أكثر تقلّصًا، وتنقيح الذكاء الاصطناعي يحفظ توازن Contract/Expand (Zhao & Ji 2026)
• Improving automated feedback systems for tutor training in low-resource scenarios through data augmentation — تحسين أنظمة التغذية الراجعة الآلية لتدريب المُدرّسين في سيناريوهات منخفضة الموارد عبر إثراء البيانات (Xu et al. 2025)
• A Conversational AI Framework for Teacher Training — أداة حواريّة بالذكاء الاصطناعي لتشخيص المفاهيم الخاطئة في التدريس بحوار مؤسَّس على الأدلّة (Miranda & Calvani 2026)