التقويم بالأقران

ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.

التقويم بالأقران — الممارسة التي يُقيّم فيها الطلاب أعمال بعضهم بعضاً أو يمنحونها درجات أو يقدمون لها التغذية الراجعة، عبر مراجعة الأقران المكتوبة، أو تصحيح الأقران، أو مراجعة شيفرة الأقران، أو تقويم المجموعة والفريق. في تدريس الكتابة يُعدّ من أفضل الممارسات الراسخة منذ زمن: يتعلم الطلاب من استلام تغذية راجعة قائمة على معايير ومن تقديمها على حد سواء، ويترابط حديث الأقران حول العمل المشترك بتعلم أعمق ووعي أوسع بالجمهور وتطور اجتماعي. في عصر الذكاء الاصطناعي يُعاد فحصه كخيار في تصميم التقويم لا كنشاط واحد — مكمّل بشري لـالتغذية الراجعة المولَّدة بالذكاء الاصطناعي، وساحة تدريب على ثقافة التغذية الراجعة، وموقع تُعاد فيه صياغة النزاهة الأكاديمية ووكالة الطالب.

أسئلة يجب التفكر فيها

• استرجع مرةً قُيّم فيها عملك من قريب — أو قيّمت عمله. ماذا تعلمت منه أكثر: إعطاء التغذية الراجعة أم استلامها، ولماذا؟
• لماذا قد تكون تغذية الطالب الراجعة أكثر وعياً بالسياق ودعماً عاطفياً من تغذية الذكاء الاصطناعي، حتى حين تكون تغذية الذكاء الاصطناعي أكثر اتساقاً وقائمة على معايير مرجعية؟ كيف يمكن أن يُكمّل الاثنان بعضهما؟
• يميل الأقران إلى تقليل درجات العمل القوي ويميل الذكاء الاصطناعي إلى تضخيم العمل الضعيف. إذا لم يكن أيٌّ منهما دقيقاً بموثوقية عبر نطاق الجودة كله، فلماذا ينبغي أن تُستخدم درجة من أي من المصدرين؟
• يعتمد التقويم بالأقران بشكل كبير على السقالة وعلى معايير واضحة، وانحياز الصداقة والقلق الاجتماعي يمكن أن يجعل مراجعة الأقران غير المدربة أسوأ من لا مراجعة. كيف يبدو التدريب الملائم فعلاً في سياقك؟
• إذا كان الذكاء الاصطناعي يستطيع صياغة تعليقات حول التنظيم والبنية، فهل يجعل ذلك التقويم بالأقران زائداً — أم يُحرّر الأقران ليقدموا التغذية الراجعة المحددة والواعية بالجمهور التي لا يمكنهم غيرهم تقديمها؟
• تفوّقت تغذية الأقران المدعومة بالذكاء الاصطناعي التوليدي على تغذية الأقران العادية في دراسة واحدة، لكن فقط بإضافة سقالة تحفيز. ما الذي يُسقَف هناك — الذكاء الاصطناعي، أم الطالب، أم التقويم؟
• يُوصف التقويم النقدي للتغذية الراجعة المولَّدة بالذكاء الاصطناعي بأنه يبني ثقافة الذكاء الاصطناعي ووكالة الكاتب. ماذا يعني أن يكون لديك وكالة على عملك حين تُعلق الآلات عليه بشكل متزايد؟

مقدمة

التقويم بالأقران خيار في تصميم التقويم يتولى فيه الطلاب جزءاً من العمل التقييمي المحجوز عادةً للمدرِّسين. تختلف صيغه فيما يُنتجه الطلاب وفيما يكون على المحك: تغذية الأقران الراجعة (تعليقات على مسودة، عادةً تكوينية ومنخفضة الأثر)، وتصحيح الأقران (علامة تُسهم في درجة)، ومراجعة شيفرة الأقران، والتقويم الجماعي أو الفريقي (حيث يُقيّم الأقران المنتج الجماعي أو مساهمات بعضهم بعضاً). الصيغة تحدّد ما يتدرب عليه الطلاب — فإعطاء تعليق قائم على معايير يبني الحكم التقييمي بطريقة مختلفة عن إسناد رقم، والدفاع عن شيفرته شفهياً يبني شيئاً مختلفاً مرة أخرى. التقييم الذاتي، الممارسة الشقيقة، تُوجّه ذلك الفحص نفسه القائم على المعايير إلى عمل المتعلّم نفسه، في حين يوجّهه التقويم بالأقران إلى تسليم قريب والوعي بالجمهور الذي يرافقه.

تتفق قاعدة البحوث على أن التقويم بالأقران يُنتج تعلماً وتختلف حول مقدار ما يعتمد على التصميم. فهو يمنح الطلاب جمهوراً أصيلاً، ويطوّر الحكم التقييمي عبر الاستجابة القائمة على المعايير، ويبني السياق الاجتماعي الذي يدعم الاندماج والتحفيز. وتعتمد جودته بشكل كبير على السقالة — أي مدى تنظيمه، وما إذا كان الطلاب يحصلون على معايير واضحة وتدريب. هذه التبعية هي موضع دخول الذكاء الاصطناعي، كمكمّل متسق وقائم على معايير مرجعية للتغذية الراجعة المحددة والواعية بالسياق التي يقدمها الأقران، وبشكل متزايد كسقالة مبنية داخل عملية التقويم بالأقران نفسها.

ما يتعلمه الطلاب من تقويم أقرانهم

أقوى حجّة للتقويم بالأقران هي أن المقيِّم يتعلم. Fowles et al. (2026) جعلوا كل تسليم في CS1 خاضعاً لمقابلة مراجعة شيفرة شفهية مدتها 15 دقيقة مع مساعد تدريب مدرَّب، موزونة بنسبة 70% من درجة الواجب. ارتفعت نسبة الملصق إلى إجمالي المحارف من 61.0% إلى 68.1% (p < 0.0001)، ومع ذلك لم تنخفض درجات الامتحان وبقي زمن المهمة ثابتاً؛ وقال 90% من الطلاب إن المراجعات حفّزتهم على فهم شيفرتهم أفضل وقال 65% إنها ساعدتهم على تجنب الاعتماد المفرط على الذكاء الاصطناعي. إن مطالبة الطلاب بشرح عملهم لقريب مدرَّب حوّلت التفريغ المحتمل إلى فرصة ممارسة تنظيم ذاتي.

تتكرر الآلية عبر الأدبيات. في مراجعة منهجية موجّهة بـPRISMA 2020 لـ22 مقالة من 203 تم فحصها، وجد Martínez-Peláez et al. (2025) أن النماذج اللغوية الكبيرة تدعم التعلم التعاوني جزئياً بمساعدة تغذية الأقران الراجعة ومحاكاة التقييمات القائمة على معايير مرجعية، وأن الطلاب الذين يتحققون من مخرجات النموذج ويصححونها يطوّرون التفكير النقد. يظهر التعلّم بالتعليم حتى بين الآلات: كان الخطاب الشبيه بتعلم الأقران بين أكثر من 2.4 مليون وكيل ذكاء اصطناعي تأكيداً في الأغلب لا استقصاءً (نسبة الإفصاح إلى السؤال 11.4:1، وانعكاس ما وراء المعرفة 7% فقط من تصنيف مُرمَّز عبر 28,683 منشوراً)، وهو ما يتعامل معه Chen et al. (2026) كتحذير بأن الخطاب السطحي لا يُثبت أن شيئاً قد تعلّم.

التدريب والمعايرة وثقافة التغذية الراجعة

يفشل التقويم بالأقران بشكل متوقع عندما يكون الطلاب غير مدرَّبين. أجرى Gu, Chen, and Yan (2026) تجربة شبه تجريبية مختلطة المناهج مع 118 طالباً في السنة الأولى في الجامعات في الصين، مقارناً ChatGPT-4o تحت معايير مرجعية مدربة مسبقاً بأوراق عمل منظمة لمراجعة الأقران مع نموذج عالي الجودة. ارتفعت ثقافة التغذية الراجعة أكثر قليلاً في مجموعة الذكاء الاصطناعي التوليدي (ANCOVA p = 0.049، η²p = 0.03)، لكن النتائج الكيفية أهم: اختار طلاب المجموعات الأقرانية مصادر التغذية الراجعة بملاءمة اجتماعية — أقران قريبون، وأقران في التخصص نفسه، ورفقاء الغرفة — ونادراً ما تبنّوا أهدافاً محددة للتغذية الراجعة، وواجهوا قلقاً اجتماعياً بشأن طلبها. كان تقويم الأقران مُشوَّهاً أكثر بانحياز الصداقة وبالكفاءة الأقرانية المُدركة، وكان تأمل الأقران متأخراً غالباً حتى امتحانات لاحقة. يوصي المؤلفون بتصاميم متعددة المراحل مع تغذية راجعة من الأقران مجهولة الهوية، لأن مراجعة الأقران لا تزال تبني الوعي بالجمهور والحكم التقييمي بشكل فريد عبر إعطاء التغذية الراجعة.

تستهدف أطر التصميم تلك الاختناقات. Irwin and Muller (2026) يقترحان دورين للذكاء الاصطناعي التوليدي في تغذية الأقران الراجعة على التحدث في EFL/ESL، حالة يُجادلان أنها أصعب من الكتابة بسبب ضغط الوقت، والأداء الشفهي العابر، وشدّة التأثر: دور مُدرِّب يدعم مقدّمي التغذية الراجعة عبر معايرة قائمة على النماذج وتغذية راجعة على التغذية الراجعة، ودور مُركِّب يجمع تعليقات الأقران في تقرير استيعاب مرتبط بالمعايير يُطبّع الصيغات، ويحافظ على وجهات النظر الأقلية، ويرفع التناقضات. مبدئهما هما التوقيت والتسلسل الدقيقان، ووحدات مُدرِّب قصيرة متكررة، والحفاظ على صوت مقدّمي التغذية الراجعة، والضوابط التي تُبقي المدرِّس في الحلقة دون تصحيح آلي. الورقة مفاهيمية، بلا بيانات تجريبية جديدة.

الصحة والإنصاف ودقة التصحيح: الأقران مقابل الذكاء الاصطناعي مقابل المدرِّس

حيث يُنتج التقويم بالأقران درجة، يكون السؤال هو ما إذا كانت الدرجة قابلة للدفاع. وجد Usher and Faraon (2026) أن مواءمة الأقران–المدرِّس كانت الأقوى للعمل منخفض الجودة (r = 0.51 في الطبقة منخفضة الجودة) وضعفت لمشاريع عالية الجودة، التي مال الأقران إلى تقليل درجاتها — ما يعكس على الأرجح تردداً في نقد العمل القوي. أظهر ChatGPT النمط المعاكس: مواءمة أفضل على العمل عالي الجودة، لكن درجات مُضخَّمة للتسليمات الضعيفة. أدرك الطلاب درجات الأقران كأكثر اتساقاً مع التغذية الراجعة المكتوبة للأقران أنفسهم، وقيّموا حكم الأقران الواعي بالعلاقة إلى جانب اتساق ChatGPT المحايد. دقة الأقران معتمدة على الجودة وحساسة للعلاقة، ولا مصدر واحد موثوق عبر النطاق كله.

هذا يحدّد ما ينبغي أن تُستخدم درجة قريب من أجله. علامة معايَرة في وسط التوزيع ليست بالضرورة معايَرةً في القمة أو القاع، فدرجات الأقران أكثر قابلية للدفاع كمدخل لقرار مُعدَّل أو كدليل على حكم المقيِّم منها كعلامة نهائية على العمل القوي. Suen and Hung (2026) يُبرزان لماذا تواصل المؤسسات السعي إلى بدائل قابلة للتوسع: تغذية الأقران الراجعة والتدريب الخبير مُستهلِكان للوقت ومكلفان ويصعب توسيعهما باتساق. صحّح نظامهما الحلقي المغلق 204 متعلمين بالغين في مهارات العرض التقديمي ببنية XGBoost تقترب من موثوقية المقيِّم الخبير (ρ = 0.69–0.78) مع مكاسب قبل–بعد من d كوهين = 0.39–0.90 — دراسة ميدانية واحدة قبل–بعد، لا مقارنةً بالتقويم بالأقران، مُحلّةً الحكم الآلي بدل تعزيز حكم الأقران.

التقويم بالأقران المعزَّز بالذكاء الاصطناعي: PAIRR وانقسام المُدرِّب/المُركِّب

النمط التصميمي السائد يُبقي القريب محورياً ويضيف الذكاء الاصطناعي حوله. نموذج Peer and AI Review + Reflection هو أفضل حالة موثَّقة. Sperber et al. (2025) طُبِّق PAIRR عبر 10 مقررات كتابة وثلاثة مقررات STEM كثيفة الكتابة، مع 654 طالباً (37% من الجيل الأول، 13% دوليون، 68% متعددو اللغات). كتب الطلاب مسودات، وتبادلوا مراجعة الأقران، وطلبو من ChatGPT تغذية راجعة قائمة على معايير مرجعية على المسودة نفسها، وقيّموها نقداً كليهما، وخططوا للمراجعات، وتأملوا. فضّل 58% التغذية الراجعة المدمجة، و36% تغذية الأقران وحدها، و6% فقط تغذية الذكاء الاصطناعي وحدها. كان المصدران متشابهين غالباً (75% أبلغوا عن تشابهات، وُصفت بتأكيد كل منهما للآخر وتعزيزه) وكانا متكاملين عند الاختلاف: كانت تغذية الذكاء الاصطناعي تُوصف غالباً بأنها عامة أكثر من اللازم (31%) لكنها أعطت استراتيجيات مراجعة قابلة للتنفيذ في التنظيم والبنية، في حين كانت تغذية الأقران أكثر تحديداً وتفصيلاً (28%) واستندت إلى معرفة سياقية بالواجب. التقييم النقدي لمخرجات الذكاء الاصطناعي بنى ثقافة الذكاء الاصطناعي، وأظهر 5.3% فقط من الطلاب ثقةً زائدة فيه.

يُعمَّم النمط على الكتابة المهنية. MacArthur et al. (2025) طُبِّق PAIRR في مقرر كتابة أعمال في مستوى متقدم حيث تطلب كل واجب من خمسة واجبات كبرى مسودةً، وتحليلاً للجمهور، ومراجعةً من 2–3 أقران، ومراجعةً (شارك 34 من 46 طالباً مسجلاً؛ 69% متعددو اللغات). قيّّم الطلاب تغذية الذكاء الاصطناعي الراجعة لكنهم وجدوها أحياناً عامةً أكثر من اللازم، وقيّموا المعرفة السياقية للأقران — «نظر أقراني إليها من منظور صاحب العمل... لم يفعل ChatGPT ذلك بالقدر نفسه». عبّر ربع التأملات المُرمَّزة في دراسة PAIRR الأكبر عن تشكيك في تغذية الذكاء الاصطناعي الراجعة أو أشار إلى أخطاء فيها، وهو ما يقرأه المؤلفون كتطوير لثقافة الذكاء الاصطناعي. الدراسة وصفية وخاصة بالمقرر.

الذكاء الاصطناعي التوليدي كسقالة داخل تغذية الأقران الراجعة وتقويم المجموعة

أصرم اختبار لمدى أهمية التصميم هو تجربة معشاة بعناقيد متعددة المواقع. Ateş (2026) عشّأت 48 شعبةً عبر 4 جامعات — 1,176 طالباً في السنة الأولى في الأحياء، والكيمياء، والفيزياء — على أربع شروط للمناظرة العلمية: تغذية الأقران وحدها، وتغذية الذكاء الاصطناعي التوليدي المباشرة، وتغذية الذكاء الاصطناعي التوليدي التأملية (تقييم ذاتي ثم نقد آلي)، وهجين من تقييم ذاتي ← تغذية أقران ← نقد بالذكاء الاصطناعي التوليدي. تفوّق الذكاء الاصطناعي التوليدي المباشر على تغذية الأقران في جودة المناظرة الفورية لكنه أظهر نقلاً أضعف؛ أنتجت التصاميم التأملية والهجينة استيعاباً أقوى للتغذية الراجعة وتعلماً منظماً ذاتياً؛ وأظهر الهجين أوضح ميزة على التعلم المفاهيمي؛ وتفوق كلاهما على الذكاء الاصطناعي التوليدي المباشر في النقل المتأخر الخالي من الذكاء الاصطناعي. قيمة الذكاء الاصطناعي التوليدي، كما يخلص المؤلفون، تعتمد أقل على الوصول منها على ما إذا كانت البيئة تحافظ على وكالة الطالب وملكيته أثناء المراجعة.

تسلسل تغذية الذكاء الاصطناعي الراجعة قبل مناقشة الأقران، بدل بعدها، رفع النتائج أيضاً: مقابل تغذية الأقران وحدها، أفاد 122 طالباً صينياً في EFL أُعطوا تغذية راجعة مدمجة بالذكاء الاصطناعي والأقران باندماج عاطفي وسلولي ومعرفي أعلى (partial η² = 0.29، 0.28، 0.32) وتفوقوا في أبعاد الكتابة الأربعة جميعها في IELTS، وأكبرها في تحقيق المهمة (d = 1.41) (Liu (2026)).

ذلك النمط — ميزة مبكرة لا تصمد — يتكرر عندما تكون المقارنة بين تغذية المدرِّس وتغذية الأقران المدعومة بالذكاء الاصطناعي بدل الذكاء الاصطناعي التوليدي وحده. Tang, Li, and Luo (2026) أجروا تجربة شبه تجريبية مدتها ثمانية أسابيع مع 61 كاتباً صينياً للغة الثانية (244 نصاً مُصحَّحاً) يعملون من قائمة تحقق واحدة ذات خمسة أبعاد، مع صف يتلقى تغذية راجعة مكتوبة من المدرِّس والآخر تغذية أقران مدعومة بالذكاء الاصطناعي. أنتجت تغذية المدرِّس تعليقات أكثر بكثير — 316 بنداً مقابل 185 في المهمة الأولى، مركزةً على المفردات والتفاصيل التقنية — والمكسب الفوري الأكبر قليلاً، لكن تحسنها هبط حدةً بحلول المهمة الثانية في حين ثبت صف الأقران المدعوم بالذكاء الاصطناعي وأنهى بدرجة مراجعة أعلى. كانت تعليقات الأقران المدعومين أقل لكنها بقيت راسيةً في المحتوى والبنية، ولم تصمد ميزتهما المبكرة في تنوع المفردات؛ ولم تُحرك أي من الطريقتين التعقيد النحوي. يقرأ المؤلفان الطريقتين كـسقالتين متكاملتين ويقترحان هجيناً ذكاءً اصطناعياً–أقران–مدرِّس، يُشير فيه الذكاء الاصطناعي إلى الأخطاء السطحية أثناء الصياغة، ويتفاوض الأقران حول المحتوى في المراجعة، ويستهدف المدرِّس ما لم يبلغه أيٌّ منهما.

يمكن لإضافة الذكاء الاصطناعي التوليدي أن ترفع جودة تغذية الأقران الراجعة نفسها أيضاً، لكن ظاهراً فقط بدعم التحفيز. Chang et al. (2026) قارنوا ثلاث شروط بين 45 معلماً طالباً في 12 مجموعة عبر أربع جولات من المناظرة التعاونية: تغذية أقران عادية، وتغذية أقران مع الذكاء الاصطناعي التوليدي، وتغذية أقران مع الذكاء الاصطناعي التوليدي تحت سقالة تحفيز. تفوّقت المجموعات المدعومة بالذكاء الاصطناعي التوليدي على تغذية الأقران العادية في أداء المناظرة، وأدت المجموعة المسقوفة بالتحفيز أفضل في العناصر المتقدمة مثل «بيانات الدحض وسندها» و«مواجهة الرأي المعارض». أنتجت المجموعات المدعومة بالذكاء الاصطناعي التوليدي تفسيرات واقتراحات وتغذية راجعة محايدة أو سلبية أكثر، وقرنت المجموعة المسقوفة المشاعر السلبية بمحتوى تغذية راجعة من رتبة أعلى — تقييم نقدي بدل قبول سلبي. إنها تجربة واحدة صغيرة، لكنها تعزل سقالة التحفيز كمكوّن نشط.

تقويم المجموعة يُغيّر المسألة، لأن الطلاب يجب أن يتفاوضوا حول استخدامٍ مقبولٍ للذكاء الاصطناعي. Chen and Zou (2026) أجروا مقابلات مع 15 مجموعة بؤرية من 52 معلماً طالباً في مقرر تطلب فيه مجموعة عرض تقديمي بقيمة 30% من الدرجة النهائية تكاملاً وتماسكاً. برزت ثلاثة أنماط: وكالة موجَّهة نحو التعاون في خمس مجموعات، شدّدت استخدام الذكاء الاصطناعي التوليدي لتمسك العمل وحماية درجة مشتركة؛ ووكالة معيارية في سبع مجموعات، كبحت الاستخدام لحماية الأصالة والإنصاف — استنتج طالب أن توليد جزء في الذكاء الاصطناعي سيكون «غير منصف لبقية أعضاء المجموعة»؛ ووكالة غير مُنفَّذة في ثلاث مجموعات لم تتبدل ممارستها عن العمل الفردي أبداً. يُجادل المؤلفان بأن القدرة الفردية لا تتحول إلى وكالة جماعية من تلقاء نفسها وأن التفاوض حول الاستخدام المقبول للذكاء الاصطناعي ينبغي أن يصبح ناتجاً قابلاً للتقويم بذاته، مع مهام مراجعة الأقران التي تُغذّي المنتج النهائي.

معمارية التغذية الراجعة والإفصاح والشروط الاجتماعية للتقويم بالأقران

يعتمد التقويم بالأقران أيضاً على ما يستطيع الطلاب رؤيته من بعضهم بعضاً وعلى ما سيعترفون به. Hao and Cukurova (2026) اختبرا ملخصاً تصميم تعلم وُلِّد بالذكاء الاصطناعي عبر ثلاث دورات مع 128 طالباً على مدى ثمانية أسابيع. أظهر الطلاب في الدورات المدعومة بالذكاء الاصطناعي مركزية صادرة معيارية أعلى بشكل دال من خط الأساس (β = 0.547 وβ = 0.438، كلاهما p < 0.001): شاهدوا أو تفاعلوا مع أقران أكثر. وصفت المقابلات الملخصات كخريطة تنقل تُقلل جهد إيجاد المساهمات المدفونة في خيوط مُسمّاة سيّئاً، وحضر الطلاب إلى المساهمين النشطين المختارين لآراء متباينة بدل الصداقة. لم يمنع التصميم تراجع نشاط المشاهدة تحت عبء عمل متزايد، فالإتاحات التقنية وحدها لا تحافظ على الاندماج.

تشكل معايير الأقران الصدق أيضاً، وهو ما يهم أينما يُقيّم الأقران عملاً متأثراً بالذكاء الاصطناعي. Qu and Wang (2026) مسحا 409 طلاب جامعيين سنغافوريين حول سبب إخفاء الطلاب استخدام الذكاء الاصطناعي التوليدي رغم تفويضات الإفصاح، ووجدا أن المتغيرات العلائقية سادت: الإفصاح الأقراني المُدرك والارتياح مع المدرِّسين كانا أقوى متنبئين بالإفصاح، في حين كان الانفصال الأخلاقي أضعف. كان عدم الإفصاح تكيفاً استراتيجياً مع معايير الأقران المُدركة وثقة تفسيرية منخفضة، لا إهمالاً أخلاقياً. يمكن لمعايير الأقران بالتالي أن تدعم الصدق، كما حين كبح طلاب تقويم المجموعة استخدام الذكاء الاصطناعي التزاماً بأعضاء المجموعة، أو أن تكبته، كما حين خفض التبني الجماعي الخطر المُدرك لسوء الاستخدام. الشفافية، كما يُجادل المؤلفان، تعتمد أقل على الامتثال منها على الثقة والمناخات المعيارية الإيجابية — شرط علائقي تصنعه تصاميم التقويم بالأقران أو تُدمّره.

الآثار التصميمية والأسئلة المفتوحة

عدة خطوات تصميمية تترتب. أعطِ المقيِّمين تدريباً ونماذج ومعايير قبل أن يُقيّموا، لأن التقويم بالأقران غير المدرب عرضة لانحياز الصداقة واختيار المصادر بالملاءمة والقلق الاجتماعي. رتّب العمل بحيث يسبق التقييم الذاتي تغذية الأقران والنقد الآلي، لأن الشرط الهجين أنتج أقوى تعلّم مفاهيمي وأفضل نقل متأخر. حيث يدخل الذكاء الاصطناعي التوليدي، سقِف كيف يحفّزه الطلاب. أبقِ المدرِّس في الحلقة لأي شيء يصبح درجة، وتعامل مع درجات الأقران كدليل معتمد على الجودة لا كعلامات موحدة، واجعل استخدام الذكاء الاصطناعي نفسه شيئاً تتفاوض حوله المجموعات وتوثّقه.

ترث المراجعة بوساطة الذكاء الاصطناعي التوليدي أيضاً معايير الأداة اللغوية: يُجادل مساهمون في حوار حول World Englishes بأن المراجعين الذين يستخدمون الذكاء الاصطناعي التوليدي معرّضون للانحياز نفسه نحو أصناف الإنجليزية السائدة كالنماذج، ويوصون بتحرير النص المولَّد أو إعادة كتابته ليعكس الهوية اللغوية للكاتب نفسه (Ugwuanyi et al. (2026)).

الأسئلة المفتوحة حول قوة الدليل، لا حول التصميم فقط. كثير من دليل الأقران والذكاء الاصطناعي صغير ومرتبط بالسياق: 45 معلماً طالباً في مقرر واحد، و34 طالباً في مقرر كتابة أعمال واحد، و52 معلماً طالباً في 15 مجموعة بؤرية. مسح PAIRR هو أكبر مجموعة بيانات هنا وهو يقيس تصورات الطلاب لا جودة مخرجات الذكاء الاصطناعي التي حكموا عليها. فقط 1,176 طالباً جامعياً في التجربة متعددة المواقع يقترب من نطاق سببي-مقارن، وهي تختبر تصميم التغذية الراجعة للمناظرة العلمية لا التقويم بالأقران بذاته. وفي الأثناء O'Neill (2026) دقّق 14 تحليلاً تلوياً خضعت لمراجعة الأقران تدّعي أن الذكاء الاصطناعي يُحسّن التعليم فلم يجد أي منها أساساً صالحاً لادعاءاتها — عرّفت كلها ما عدا اثنتين المعالجة كأداة لا كتدخل تربوي، وكان التغاير مرتفعاً في كل تحليل تلويني يُبلغ عن I² (77.2% إلى 94.4%)، ووجد تدقيق 59 دراسة أولية أن 61% منها كانت فيها مخاوف بشأن الصحة، وأكثرها شيوعاً عدم تطابق بين الناتج المقيس والادعاء المُقدم. ينبغي التعامل مع الادعاءات حول ما يفعله الذكاء الاصطناعي في التقويم بالأقران كادعاءات حول نشاط مصمَّم، مُختبر بشروط ذلك النشاط.

المفاهيم المرتبطة

• الأنماط التربوية — PAIRR وتغذية الأقران زائد الذكاء الاصطناعي المدمجة: التسلسلات ودليلها المقارن
• الكتابة
• التقويم البنّاء
• التقييم الذاتي
• جودة تغذية الذكاء الاصطناعي الراجعة
• ثقافة الذكاء الاصطناعي
• التعلّم موجّه الذات
• ما وراء المعرفة
• تجربة الطالب
• التعلّم التعاوني
• النزاهة الأكاديمية
• ثقافة التغذية الراجعة
• التغذية الراجعة
• العمل الجماعي
• التقويم
• السقالة

المقالات المرتبطة

• AI-peer integrated feedback in second language writing classes: exploring students' engagement and writing performance — رفعت التغذية الراجعة المدمجة بالذكاء الاصطناعي والأقران أبعاد الاندماج الثلاثة وأبعاد الكتابة الأربعة في IELTS

• Who grades best? Comparing ChatGPT, peer, and instructor evaluations across varying levels of student project quality — مقارنة تصحيح ChatGPT والأقران والمدرِّس عبر مستويات جودة المشروع (Usher & Faraon 2026)

• Peer and AI Review + Reflection (PAIRR): A Human-Centered Approach to Formative Assessment — Peer and AI Review + Reflection (PAIRR)

• AICoFe: Implementation and Deployment of an AI-Based Collaborative Feedback System for Higher Education — AI Peer Feedback Systems

• Unravelling undergraduates' development of evaluative judgments through AI-supported internal feedback — Unravelling Undergraduates' Development of Evaluative Judgments

• Enhancing learner-centered feedback with AI: teachers'' practices and perceptions — Enhancing Learner-Centered Feedback With AI

• Generative AI and linguistic diversity in academic writing and publishing: Perspectives from World Englishes — Generative AI and Linguistic Diversity in Academic Writing

• GIFT-AI: Teaching the Game and Leveling the Field: Peer and AI Review + Reflection in a Business Writing Course — PAIRR في مقرر كتابة أعمال: مراجعة الأقران، وتغذية الشاتبوت، والتأمل (MacArthur et al. 2025)

• Fostering feedback literacy by scaffolding self-regulated feedback: a comparative study of GenAI and human peers — GenAI vs. human peers for scaffolding self-regulated feedback and feedback literacy (Gu et al. 2026)

• Positioning Generative AI in EFL Peer Feedback: Training Feedback Literacy and Enabling Uptake in Speaking Classes — GenAI as Trainer and Synthesizer in EFL peer feedback on speaking (Irwin & Muller 2026)

• Human-centered GenAI feedback design in higher education: a multisite experiment on direct, reflective, and hybrid approaches to scientific argumentation — Multisite experiment comparing peer-only, direct, reflective, and hybrid GenAI feedback (Ateş 2026)

• Leveraging generative AI to facilitate peer feedback in collaborative argumentation learning — Prompt-scaffolded GenAI peer feedback in collaborative argumentation (Chang et al. 2026)

• Students' Agency in GenAI-Mediated Group Assessment: An Ecological-Emergent Perspective — Agency in GenAI-mediated group assessment: cooperation, restraint, non-enactment (Chen & Zou 2026)

• Combating Harms of Generative AI in CS1 with Code Review Interviews and a Flipped Classroom — Oral code review interviews as harm reduction for GenAI in CS1 (Fowles et al. 2026)

• An Interpretable Closed-Loop Intelligent Tutoring System for Multimodal Affective Feedback in Asynchronous Presentation Training — Automated multimodal presentation coaching as a scalable alternative to peer feedback (Suen & Hung 2026)

• Enhancing Peer Exposure and Creating Opportunities for Bridging Social Capital Through an AI-Generated Summary-Driven Learning Design in Online Discussion Forums — AI-generated discussion summaries broaden peer exposure in online forums (Hao & Cukurova 2026)

• To disclose or not to disclose: Peer influence and psychological factors in students' use of generative artificial intelligence — Peer influence and relational trust in students' GenAI disclosure (Qu & Wang 2026)

• Can Large Language Models Foster Critical Thinking, Teamwork, and Problem-Solving Skills in Higher Education?: A Literature Review — Systematic review of LLMs for critical thinking, teamwork, and problem solving (Martínez-Peláez et al. 2025)

• When AI Agents Teach Each Other: Discourse Patterns Resembling Peer Learning in the Moltbook Community — Peer-learning-like discourse among 2.4 million AI agents (Chen et al. 2026)

• Presumed Effective: The Manufacturing of an Evidence Base for AI-in-Education Through Flawed Meta-Analysis — Audit of 14 AIED meta-analyses and 59 primary studies (O'Neill 2026)

• Teacher feedback vs. AI-assisted peer feedback in L2 writing: A quasi-experimental study in a Chinese university — Teacher feedback vs. AI-assisted peer feedback in L2 writing: quantity, focus, and improvement trajectories over two tasks (Tang, Li & Luo 2026)