Концепции
Грамотность в сфере обратной связи
Автоматический перевод данной английской страницы, не проверенный носителем языка.
Грамотность в сфере обратной связи — способности и установки, необходимые студентам, чтобы понимать, оценивать и действовать на основе обратной связи для улучшения своего обучения. Это аналог стороны предоставления обратной связи со стороны учащегося: тогда как Качество обратной связи ИИ и контур обратной связи касаются качества и механики системы обратной связи, грамотность в сфере обратной связи касается способности учащегося искать, осмысливать, судить и продуктивно использовать обратную связь.
Вопросы для размышления
- Хорошо спроектированная обратная связь помогает только тем студентам, которые могут её интерпретировать и действовать на её основании. Если два студента получают идентичную обратную связь и узнают разное количество, — где живёт эта разница, и виноват ли в ней студент или система?
- Исследования обнаруживают, что студенты с более сильной грамотностью в сфере обратной связи получают больше пользы от обратной связи ИИ, тогда как студенты со слабой грамотностью показывают минимальный или даже отрицательный эффект. Что это предполагает относительно простого добавления обратной связи ИИ в курс без одновременного построения у студентов способности её использовать?
- Грамотность в сфере обратной связи включает поиск обратной связи, вынесение суждений, управление аффектом и действие на её основании, — а не только её получение. Когда вы последний раз сами искали обратную связь, а не ждали её, и что дало вам достаточно смелости (или не дало) сделать это?
- Если ИИ теперь может генерировать избыточную, мгновенную обратную связь, не переместилось ли узкое место с предоставления обратной связи на способность учащегося её использовать? Что могло бы измениться в том, как вы проектируете обратную связь, если бы вы рассматривали грамотность студентов в сфере обратной связи как реальное ограничение?
Введение
Грамотность в сфере обратной связи важна потому, что хорошо спроектированная обратная связь помогает только тем студентам, которые могут её интерпретировать и действовать на её основании. Студент, который не может оценить, точна ли генерируемая ИИ обратная связь, или который не знает, как превратить обратную связь в конкретную доработку, узнаёт из той же самой обратной связи значительно меньше, чем более грамотный в этом отношении сверстник. По мере того как ИИ перестраивает предоставление обратной связи, грамотность в сфере обратной связи становится центральным граничным условием для того, улучшает ли обратная связь ИИ обучение.
Что такое грамотность в сфере обратной связи
Грамотность в сфере обратной связи широко рассматривается как набор взаимосвязанных способностей — способность ценить обратную связь, выносить суждения, управлять аффектом и действовать (по Carless & Boud). Статьи базы знаний группируют грамотность в сфере обратной связи вокруг нескольких способностей:
- Поиск и запрашивание обратной связи — проактивное запрашивание обратной связи вместо её пассивного получения.
- Вынесение суждений — оценка точности и полезности обратной связи, включая производимую ИИ.
- Осмысление — интерпретация обратной связи в отношении целей и критериев задачи и понимание того, что она подразумевает для улучшения.
- Управление аффектом — продуктивное взаимодействие с обратной связью без обескураживания или чрезмерного воодушевления от неё.
- Действие на основе обратной связи — превращение обратной связи в конкретные доработки или изменения подхода (контур обратной связи, Саморегулируемое обучение).
- Суждение об оценочном авторитете — дальнейшая способность, предложенная AlGhamdi (2026): наряду с ценностью обратной связи, вынесением суждений, управлением аффектом и действием студенты, рассуждающие о произведённой ИИ обратной связи, должны судить, какой источник обладает оценочным авторитетом, отдельно от суждения о качестве обратной связи. Поскольку участникам было сказано, что и оценку, и обратную связь сгенерировал ChatGPT, их грамотность в сфере обратной связи применялась к источнику и легитимности оценивания, а не только к его содержанию, и это породило требования подтверждения со стороны преподавателя вместо пассивного принятия.
Как грамотность в сфере обратной связи представлена в исследованиях
-
Грамотность в сфере обратной связи как модератор ценности обратной связи ИИ: Mendoza et al. (2026) показывают, что грамотность в сфере обратной связи модерирует связь между принятием ChatGPT и Саморегулируемое обучение: студенты с более сильной грамотностью воспринимают бо́льшую пользу саморегулируемого обучения от обратной связи ИИ, тогда как студенты со слабой грамотностью показывают минимальный или даже отрицательный эффект (чрезмерную опору). Грамотность в сфере обратной связи — это граничное условие для того, могут ли студенты «осмыслить» обратную связь ИИ.
-
Грамотность в сфере обратной связи как путь от использования GenAI к критическому мышлению: у 421 китайского студента связь использования GenAI с самооценочным критическим мышлением проходила почти целиком через грамотность в сфере обратной связи на базе GenAI Грамотность в сфере обратной связи (β=0,185, 71,98% полного эффекта), и этот путь усиливался по мере роста рефлексивного мышления (индекс модерируемого опосредования = 0,030) (Yan et al. (2026)).
-
Грамотность в сфере обратной связи предсказывает обучение на письме с поддержкой ИИ: Hawkins et al. (2026) обнаруживают, что грамотность в сфере обратной связи была единственным значимым положительным предиктором оценки эссе в задаче написания эссе с усилением ИИ, тогда как Liu & Deris (2025) разрабатывают и валидируют шкалу грамотности в сфере обратной связи ИИ (AIFL) и показывают, что она предсказывает усвоение обратной связи.
-
Структуры для GenAI-поддерживаемого вовлечения в обратную связь: Zhan, Boud, Dawson & Yan (2025) (Боуд и Досон — ведущие исследователи грамотности в сфере обратной связи) утверждают, что GenAI может включать вовлечение студентов в обратную связь, отображая циклическую модель само-Регулирование ИИ в образовании обратной связи на фазы запрашивания, обработки и применения.
-
Обратная связь ИИ приходит без framing преподавателя: Brunnström and Palmqvist (2026) утверждают, что GenAI делает грамотность в сфере обратной связи более требовательной, потому что ответы генерируются интерактивно и без немедленного framing преподавателя: студенты должны интерпретировать, оценивать, взаимодействовать с ними и использовать их, — включая решение о том, когда ответ слишком абстрактен, когда продолжать, и когда возвращаться к обычным ресурсам. В их демонстрации из восьми обменов упрощение и пригодная для использования структура появлялись только после вмешательств учащегося, что делает цикл запрашивания/обработки/применения вовлечения в обратную связь тем, что студент должен вести сам (Zhan, Boud, Dawson & Yan отобразили этот цикл для GenAI; Саморегулируемое обучение).
-
Грамотность в сфере обратной связи в письме с поддержкой ИИ и в академическом английском (EAP): скрипты грамотности в сфере обратной связи и механизмы второго оценивающего тренируют студентов критически взаимодействовать с обратной связью ИИ при доработке письма, сдвигая доработку к улучшению на уровне аргумента, а не к поверхностным правкам.
-
Автоматизированные инструменты обратной связи для развития грамотности: Tubino & Adachi (2025) утверждают, что автоматизированные инструменты обратной связи ИИ следует переформулировать как инструменты для развития грамотности студентов в сфере обратной связи, а не только для предоставления большего объёма обратной связи.
-
Взаимная обратная связь и грамотность в сфере обратной связи: Irwin & Muller (2025) позиционируют GenAI внутри взаимной обратной связи EFL, чтобы тренировать грамотность в сфере обратной связи и обеспечивать усвоение на занятиях говорения, а исследования с опорой сравнивают GenAI с человеческими сверстниками в развитии саморегулируемой обратной связи.
-
Обратная связь, сохраняемая как долговечные, консультируемые данные. Сочетание ChatGPT с электронным портфолио повысило результативность говорения и грамотность в сфере обратной связи вместе (частная η² = 0,218 для последней), поскольку студенты трактовали архивированную обратную связь от преподавателя, сверстников и ИИ как данные, требующие согласования, а не как разовое исправление (Laksana et al. (2026)).
-
Грамотность в сфере обратной связи в аналитике обучения и на панелях GenAI: Jin et al. (2025) изучают, как студенты воспринимают обратную связь Аналитика обучения на базе GenAI с точки зрения грамотности в сфере обратной связи.
-
Грамотность в сфере обратной связи как цель проектирования ИИ-грамотности и оценивания: Richmond & Nicholls (2025) используют оценивание «процесс важнее артефакта», в котором студенты критикуют результаты работы ChatGPT в сопоставлении с критериями, чтобы совместно строить грамотности в сфере обратной связи, психологическую и ИИ-грамотность; центрированная на учащемся обратная связь ИИ и проектирование заботливой обратной связи связывают качество обратной связи со способностью учащегося взаимодействовать.
Почему грамотность в сфере обратной связи важна для ИИ в образовании
ИИ меняет обратную связь в двух направлениях, которые оба повышают ставки грамотности в сфере обратной связи. Во-первых, ИИ резко увеличивает объём и непосредственность обратной связи (Качество обратной связи ИИ, контур обратной связи), поэтому студенты сталкиваются с гораздо большим объёмом обратной связи, которую они должны триажировать и оценивать. Во-вторых, генерируемая ИИ обратная связь несёт особые риски — неточность, галлюцинацию и «иллюзию освоения», — которые требуют навыков критической оценки и бдительности в отношении чрезмерной опоры и неверного приписывания. Поэтому грамотность в сфере обратной связи становится ключевым компонентом ИИ-грамотность: знание не только того, как запрашивать у ИИ обратную связь, но и того, как судить, стоит ли действовать на её основании, и как превращать её в подлинное обучение, а не в выполнение задачи.
Bearman и коллеги (2026) добавляют к этому списку ещё одно требование. В их воркшоп-исследовании студенты управляли не одним источником обратной связи, а сетью: они взвешивали замечания педагогов в сопоставлении с результатами работы ИИ, критериями, материалами курса и сверстниками, а когда обратная связь человека запаздывала, продолжали работать с ИИ как с переходной мерой, дорабатывая позже, если та ввела их в заблуждение. Авторы предполагают, что студенты могут действовать как собственный «человек как контур» (human-as-the-loop), управляя этими отношениями от гранулярной задачи до более широкой траектории, что само по себе является способностью грамотности в сфере обратной связи. Их предупреждение: скупые или поздние замечания педагогов — это то, что подталкивает студентов к непроверенным источникам.
Связи со смежными концептами
Грамотность в сфере обратной связи связана с Качество обратной связи ИИ и контуром обратной связи (стороной предоставления, которую она дополняет), Формативное оценивание (циклом оценивания, который она питает) и Саморегулируемое обучение (Самооценивание и адаптацией, которые она поддерживает). Она является подмножеством ИИ-грамотность, когда применяется к генерируемой ИИ обратной связи, пересекается с Взаимное оценивание в совместных контекстах и особенно значима для Письменная речь. Она также связана с Метакогниция и Калибровка доверия — способностью судить, является ли обратная связь доверительной.
Действие на основе обратной связи — это не то же самое, что улучшение артефакта. Среди 22 будущих преподавателей математики избирательное принятие обратной связи ИИ и сверстников было нормой (32 из 44 эпизодов), однако только пять улучшили качество спроектированной ими задачи, — пробел перевода, который авторы приписывают оценочному суждению, а не усвоению (Oh, 2026)).
Связанные концепты
- Педагогические паттерны — Шаги критической оценки, которые эти последовательности встраивают в рабочий процесс
- Электронное портфолио
- Качество обратной связи ИИ
- Обратная связь
- Формативное оценивание
- Саморегулируемое обучение
- ИИ-грамотность
- Взаимное оценивание
- Самооценивание
- Письменная речь
- Метакогниция
- Калибровка доверия
- Когнитивный оффлоадинг
- Высшее образование
Связанные статьи
-
Translating AI and peer feedback in sustainability-oriented STEM teacher education: pre-service mathematics teachers — Избирательное усвоение без улучшения артефакта: пробел перевода обратной связи (Oh 2026)
-
AI-interaction literacy: reflections on how generative AI might be used to support self-regulated learning in higher education — Обратная связь ИИ без framing преподавателя повышает планку грамотности в сфере обратной связи (Brunnström & Palmqvist 2026)
-
Making sense of AI feedback: how students' feedback literacy moderates the link between ChatGPT acceptance and self-regulated learning — Грамотность в сфере обратной связи модерирует связь «обратная связь ИИ → саморегулируемое обучение» (Mendoza et al. 2026)
-
Summarize, elaborate, try again: exploring the effect of feedback literacy on AI-enhanced essay writing — Грамотность в сфере обратной связи предсказывает оценку эссе в письме с усилением ИИ (Hawkins et al. 2026)
-
AI Feedback Literacy in Higher Education: Understanding, Measuring, and Predicting Student Feedback Uptake — Шкала грамотности в сфере обратной связи ИИ и прогнозирование усвоения (Liu & Deris 2025)
-
Generative artificial intelligence as an enabler of student feedback engagement: a framework — Структура «GenAI как enabler вовлечения в обратную связь» (Zhan, Boud, Dawson & Yan 2025)
-
Rethinking AI-assisted writing instruction: feedback literacy scripts, calibration training, and student writing development — Скрипты грамотности в сфере обратной связи и тренировка калибровки для письма с поддержкой ИИ (Dai 2026)
-
Effects of feedback literacy scripts and a second-rater mechanism on EAP writing revision in generative AI-supported — Скрипты грамотности в сфере обратной связи + второй оценивающий при доработке письма в академическом английском (Yao 2026)
-
Reconnecting relationships through technology: Developing feedback literacy capabilities through an AI automated feedback tool — Инструмент автоматизированной обратной связи ИИ для развития грамотности в сфере обратной связи (Tubino & Adachi 2025)
-
Positioning Generative AI in EFL Peer Feedback: Training Feedback Literacy and Enabling Uptake in Speaking Classes — Позиционирование GenAI во взаимной обратной связи EFL для тренировки грамотности в сфере обратной связи (Irwin & Muller 2026)
-
Fostering feedback literacy by scaffolding self-regulated feedback: a comparative study of GenAI and human peers — Опоры для саморегулируемой обратной связи: GenAI против человеческих сверстников (Gu, Chen & Yan 2026)
-
Students' Perceptions of Generative AI-Powered Learning Analytics in the Feedback Process: A Feedback Literacy Perspective — Аналитика обучения на GenAI в обратной связи, с точки зрения грамотности в сфере обратной связи (Jin et al. 2025)
-
Using Generative AI to Promote Psychological, Feedback, and Artificial Intelligence Literacies in Undergraduate Psychology — Оценивание на GenAI строит психологическую, обратной связи и ИИ-грамотности (Richmond & Nicholls 2025)
-
Enhancing learner-centered feedback with AI: teachers'' practices and perceptions — Практики и восприятие обратной связи ИИ, центрированной на учащемся, среди преподавателей
-
The care-full craft of feedback in an age of generative AI — Проектирование заботливой (care-full) обратной связи с GenAI
-
Artificial intelligence and feedback in university education: effectiveness and student perceptions — Генерируемая ИИ обратная связь в высшем образовании
-
How artificial intelligence transforms the feedback ecosystem in higher education — ИИ перестраивает отношения между студентами, педагогами, сверстниками и материалами в экосистеме обратной связи (Bearman et al. 2026)
-
Using AI-Generated Feedback to Improve Critical Thinking and Writing Proficiency — Обратная связь ИИ и критическое мышление в письме
-
Student Evaluation of Repeated AI Feedback Across a Semester of Writing — Повторяющаяся обратная связь ИИ по письму в течение семестра
-
Who Should Grade My Work? Student Perspectives on Transparent AI-Assisted Writing Assessment in Higher Education — Who Should Grade My Work? Student Perspectives on Transparent AI-Assisted Writing Assessment in Higher Education
-
The association between generative AI use and university students’ critical thinking: a moderated mediation model of GenAI feedback literacy and reflective thinking — Связь использования GenAI с критическим мышлением проходила через грамотность в сфере обратной связи на базе GenAI, усиливаясь с ростом рефлексивного мышления