AIEd база знанийAIEd KB
На этой странице

Читать эту страницу на английском

Концепции

Взаимное оценивание

Создано 2026-10-13

Автоматический перевод данной английской страницы, не проверенный носителем языка.

Взаимное оценивание — практика, в которой студенты оценивают, выставляют оценку или дают Обратная связь на работы друг друга через письменное взаимное рецензирование, взаимное оценивание, взаимный разбор кода или групповое и командное оценивание. В письменной Педагогики и стратегии преподавания педагогике это давно закрепившаяся лучшая практика: студенты учатся и из получения обратной связи по критериям, и из её предоставления, а разговор однокурсников об общей работе коррелирует с более глубоким обучением, осознанием аудитории и социальным развитием. В эпоху ИИ оно переосмысляется как выбор проектирования оценивания, а не как отдельная деятельность — человеческое дополнение к сгенерированной ИИ обратной связи, тренажёрный полигон для Грамотность в сфере обратной связи и место, где Академическая добросовестность и автономия студента пересогласовываются заново.

Вопросы для размышления

  • Вспомните время, когда вашу работу оценивал однокурсник — или вы оценивали его. Чему вы больше научились: даче обратной связи или её получению, и почему?
  • Почему обратная связь студента может быть более контекстно-осведомлённой и эмоционально поддерживающей, чем обратная связь ИИ, даже при том что обратная связь ИИ более последовательна и управляема рубриками? Как они могли бы дополнять друг друга?
  • Однокурсники склонны занижать оценки сильным работам, а ИИ склонен завышать слабые. Если ни один из источников не является достоверно точным по всему диапазону качеству, для чего следует использовать оценку от любого из них?
  • Взаимное оценивание сильно зависит от Скаффолдинг и ясных критериев, а смещение в пользу дружбы и социальная тревожность могут сделать неподготовленное взаимное рецензирование хуже, чем его отсутствие. Как на самом деле выглядит достаточная подготовка в вашем контексте?
  • Если ИИ может составлять комментарии об организации и структуре, делает ли это взаимное оценивание избыточным — или освобождает однокурсников давать ту конкретную, учитывающую аудиторию обратную связь, которую могут дать только они?
  • Поддерживаемая GenAI взаимная обратная связь превзошла простую взаимную в одном исследовании, но только с добавленным скаффолдингом промптов. Что там получает скаффолдинг — ИИ, студент или оценивание?
  • Критическая оценка сгенерированной ИИ обратной связи описывается как строящая ИИ-грамотность и авторскую автономию. Что значит иметь автономию над собственной работой, когда о ней всё чаще высказываются машины?

Введение

Взаимное оценивание — это выбор проектирования оценивания, в котором студенты берут на себя часть оценочной работы, обычно зарезервированной за преподавателями. Его формы различаются тем, что производят студенты и что поставлено на карту: взаимная обратная связь (комментарии к черновику, обычно формирующая и с низкими ставками), взаимное оценивание (отметка, вносящая вклад в оценку), взаимный разбор кода и групповое или командное оценивание (где однокурсники оценивают коллективный продукт или вклад друг друга). Форма определяет, что студенты отрабатывают: дача комментария по критериям строит оценочное суждение иначе, чем присвоение числа, а устная защита собственного кода строит нечто иное снова. Самооценивание, родственная практика, обращает то же пристальное рассмотрение по критериям на работу самого учащегося, тогда как взаимное оценивание направляет его на работу однокурсника и на осознание аудитории, которое с этим приходит.

Исследовательская база согласна, что взаимное оценивание производит обучение, и расходится в том, насколько это зависит от проектирования. Оно даёт студентам аутентичную аудиторию, развивает оценочное суждение через реагирование по критериям и строит социальный контекст, поддерживающий вовлечённость и Мотивация. Его качество сильно зависит от Скаффолдинг — от того, насколько хорошо оно структурировано и получают ли студенты ясные критерии и подготовку. Эта зависимость — там, где входит ИИ, как последовательное, управляемое рубриками дополнение к конкретной, контекстно-осведомлённой обратной связи, которую дают однокурсники, и всё чаще как скаффолдинг, встроенный в сам процесс взаимного оценивания.

Чему студенты учатся, оценивая однокурсников

Сильнейший аргумент в пользу взаимного оценивания состоит в том, что учится оценивающий. Fowles et al. (2026) сделали каждую сдачу в CS1 предметом 15-минутного устного собеседования по разбору кода с обученным ассистентом преподавателя, с весом 70% оценки за задание. Доля вставленного текста от общего числа символов выросла с 61,0% до 68,1% (p < 0,0001), однако баллы экзамена не снизились, а время на задаче осталось стабильным; 90% студентов сказали, что разборы мотивировали их лучше понимать свой код, и 65% — что помогли избежать чрезмерной опоры на ИИ. Требование, чтобы студенты объясняли свою работу обученному однокурснику, превратило потенциальное переложение в возможность практики саморегулируемой.

Механизм повторяется по литературе. В систематическом обзоре PRISMA 2020 22 статей из 203 отобранных Martínez-Peláez et al. (2025) обнаружили, что ЛЛМ поддерживают сотрудничество отчасти тем, что помогают взаимной обратной связи и моделируют оценки на основе рубрик, и что студенты, которые проверяют и исправляют вывод модели, развивают критическое мышление. Обучение через преподавание проявляется даже среди машин: похожий на взаимное обучение дискурс среди более чем 2,4 миллиона агентов ИИ был преимущественно утверждением, а не вопрошанием (соотношение утверждений к вопросам 11,4:1, метакогнитивная рефлексия — лишь 7% кодированной таксономии по 28 683 постам), что Chen et al. (2026) рассматривают как предостережение: поверхностный дискурс не устанавливает, что чему-то научились.

Подготовка, калибровка и грамотность в обратной связи

Взаимное оценивание предсказуемо терпит неудачу, когда студенты неподготовлены. Gu, Chen, and Yan (2026) провели квазиэксперимент смешанных методов со 118 студентами первого года бакалавриата в Китае, сравнивая ChatGPT-4o при предобученных рубриках со структурированными листами взаимного рецензирования с высококачественным образцом. Грамотность в обратной связи выросла несколько больше в группе GenAI (ANCOVA p = 0,049, η²p = 0,03), но качественные находки важнее: студенты групп взаимного оценивания выбирали источники обратной связи по социальному удобству — близкие однокурсники, однокурсники с той же специальности, соседи по комнате, — редко ставили конкретные цели обратной связи и сталкивались с социальной тревожностью при поиске обратной связи. Взаимная оценка чаще искажалась смещением в пользу дружбы и воспринимаемой успешностью однокурсников, а взаимная рефлексия часто откладывалась до поздних экзаменов. Авторы рекомендуют многоэтапные проекты с анонимной взаимной обратной связью, поскольку взаимное рецензирование всё ещё уникально строит осознание аудитории и оценочное суждение через дачу обратной связи.

Рамки проектирования нацелены на эти узкие места. Irwin and Muller (2026) предлагают две роли GenAI во взаимной обратной связи по говорению в EFL/ESL — случай, который, как они утверждают, труднее письма из-за давления времени, мимолётности устного выступления и обострённого аффекта: Тренер, поддерживающий дающих обратную связь через калибровку на образцах и обратную связь по обратной связи, и Синтезатор, агрегирующий комментарии однокурсников в отчёт о восприятии, связанный с критериями, который нормализует форматы, сохраняет мнения меньшинства и помечает противоречия. Их принципы — осторожное определение времени и упорядочивание, короткие повторяющиеся блоки Тренера, сохранение голоса дающих, и Ограничители (guardrails), которые держат преподавателя в цикле, без автоматического оценивания. Статья концептуальная, без новых эмпирических данных.

Достоверность, справедливость и точность оценивания: однокурсник против ИИ против преподавателя

Там, где взаимное оценивание производит оценку, вопрос в том, защитима ли эта оценка. Usher and Faraon (2026) обнаружили, что согласованность «однокурсник—преподаватель» была сильнейшей для работ более низкого качества (r = 0,51 в ярусе низкого качества) и ослабевала для проектов высокого качества, которые однокурсники склонялись занижать, — что, вероятно, отражает нежелание критиковать сильную работу. ChatGPT показал обратную картину: лучшее согласование на работах высокого качества, но завышенные оценки за слабые сдачи. Студенты воспринимали оценки однокурсников как более согласованные с их собственной письменной обратной связью и ценили учитывающее отношения суждение однокурсников наряду с нейтральной последовательностью ChatGPT. Точность однокурсников зависит от качества и чувствительна к отношениям, и ни один источник не является достоверным по всему диапазону.

Это ограничивает то, для чего следует использовать оценку однокурсника. Отметка, откалиброванная в середине распределения, не обязательно калибрована наверху или внизу, поэтому оценки однокурсников более защитимы как вход для умеряемого решения или как доказательство суждения оценивающего, чем как итоговая отметка за сильную работу. Suen and Hung (2026) подчёркивают, почему учреждения продолжают искать масштабируемые альтернативы: взаимная обратная связь и экспертное коучинго трудоёмки, дороги и с трудом масштабируются последовательно. Их замкнутоцикловая система оценила 204 взрослых учащегося по навыкам презентации с опорой XGBoost, приближающейся к надёжности экспертных оценщиков (ρ = 0,69–0,78), и с приростами «до—после» по d Коэна = 0,39–0,90 — одно полевое исследование «до—после», не сравнение с взаимным оцениванием, заменяющее машинное суждение, а не усиливающее суждение однокурсников.

Взаимное оценивание, усиленное ИИ: PAIRR и разделение Тренер/Синтезатор

Доминирующий паттерн проектирования сохраняет однокурсника в центре и добавляет ИИ вокруг него. Модель «Взаимное и ИИ-рецензирование + рефлексия» — наиболее документированный случай. Sperber et al. (2025) внедрили PAIRR на 10 курсах письма и трёх насыщенных письмом курсах STEM с 654 студентами (37% первого поколения, 13% международных, 68% многоязычных). Студенты писали черновик, обменивались взаимным рецензированием, запрашивали у ChatGPT обратную связь по рубрике на тот же черновик, критически оценивали обе, планировали доработки и размышляли. 58% предпочли сочетание обратной связи, 36% — только взаимную обратную связь и лишь 6% — только обратную связь ИИ. Два источника часто были похожи (75% сообщали о сходствах, описанных как подтверждающие и усиливающие друг друга), а когда отличались, дополняли друг друга: обратную связь ИИ часто называли чересчур общей (31%), но она давала действенные стратегии доработки по организации и структуре, тогда как взаимная обратная связь была более конкретной и подробной (28%) и опиралась на контекстное знание задания. Критическая оценка вывода ИИ строила ИИ-грамотность, и только 5,3% студентов демонстрировали чрезмерную уверенность в нём.

Паттерн обобщается на профессиональное письмо. MacArthur et al. (2025) применили PAIRR к курсу делового письма для старших курсов, где каждое из пяти крупных заданий требовало черновика, анализа аудитории, взаимного рецензирования 2–3 однокурсниками и доработки (участвовали 34 из 46 записанных студентов; 69% многоязычных). Студенты ценили обратную связь ИИ, но иногда находили её чересчур общей, и ценили контекстное знание однокурсников — «мои однокурсники смотрели на это с точки зрения работодателя… ChatGPT делал это не так». Четверть кодированных рефлексий в более крупном исследовании PAIRR выражала скептицизм по поводу обратной связи ИИ или отмечала неточности, что авторы читают как развитие ИИ-грамотности. Исследование описательное и специфичное для курса.

GenAI как скаффолдинг внутри взаимной обратной связи и группового оценивания

Наиболее строгий тест того, насколько важен дизайн, — многосайтовый кластерно-рандомизированный эксперимент. Ateş (2026) рандомизировал 48 секций в 4 университетах — 1 176 студентов первого года бакалавриата по биологии, химии и физике — на четыре условия для научной аргументации: только взаимная обратная связь, прямая обратная связь GenAI, рефлексивная обратная связь GenAI (самооценка, затем критика ИИ) и гибрид «самооценка → взаимная обратная связь → критика GenAI». Прямая GenAI превзошла взаимную обратную связь по непосредственному качеству аргументации, но показала более слабый перенос; рефлексивный и гибридный проекты дали более сильное восприятие обратной связи и саморегулируемое обучение; гибрид показал наиболее ясное преимущество в концептуальном обучении; оба превзошли прямую GenAI по отложенному переносу без ИИ. Ценность GenAI, заключают авторы, зависит меньше от доступа, чем от того, сохраняет ли среда автономию и владение студента во время доработки.

Упорядочивание обратной связи ИИ до обсуждения однокурсниками, а не после него, также повысило результаты: по сравнению с одной взаимной обратной связью 122 китайских студента EFL, получившие интегрированную обратную связь ИИ плюс взаимную, сообщали о более высокой аффективной, поведенческой и когнитивной вовлечённости (частная η² = 0,29, 0,28, 0,32) и превзошли по всем четырём измерениям письма IELTS, наиболее сильно по достижению задачи (d = 1,41) (Liu (2026)).

Этот паттерн — раннее преимущество, которое не удерживается, — повторяется, когда сравнение идёт между обратной связью преподавателя и поддерживаемой ИИ взаимной обратной связью, а не только GenAI. Tang, Li, and Luo (2026) провели восьминедельный квазиэксперимент с 61 китайским автором на L2 (244 оцененных текста), работавшим по одному контрольному листу из пяти измерений, где один класс получал письменную обратную связь преподавателя, а другой — поддерживаемую ИИ взаимную обратную связь. Обратная связь преподавателя дала гораздо больше комментариев — 316 пунктов против 185 на первой задаче, сконцентрированных на лексике и технических деталях, — и несколько больший непосредственный прирост, но её улучшение резко упало ко второй задаче, тогда как класс с поддерживаемой ИИ взаимной обратной связью держался стабильно и финишировал с более высоким баллом доработки. Комментарии поддерживаемой ИИ взаимной обратной связи были менее многочисленными, но оставались привязанными к содержанию и структуре, а их раннее преимущество в лексическом разнообразии не сохранялось; ни один режим не сдвинул синтаксическую сложность. Авторы читают оба как дополняющие опоры и предлагают гибрид «ИИ—однокурсник—преподаватель», в котором ИИ отмечает поверхностные ошибки при составлении черновика, однокурсники согласовывают содержание при доработке, а преподаватель нацеливается на то, чего не достиг ни один из них.

Добавление GenAI может также повысить качество самой взаимной обратной связи, но, по-видимому, только при поддержке промптами. Chang et al. (2026) сравнили три условия среди 45 студентов-педагогов в 12 группах за четыре раунда коллаборативной аргументации: простая взаимная обратная связь, взаимная обратная связь с GenAI и взаимная обратная связь с GenAI под скаффолдингом промптов. Поддерживаемые GenAI группы превзошли простую взаимную обратную связь по результативности аргументации, а группа со скаффолдингом промптов показала лучший результат по продвинутым элементам, таким как «данные возражений и основание» и «учет противоположной позиции». Поддерживаемые GenAI группы производили больше объяснений, предложений и нейтральной или отрицательной обратной связи, а группа со скаффолдингом сочетала отрицательные эмоции с содержанием обратной связи высшего порядка — критической оценкой, а не пассивным принятием. Это малое одиночное исследование, но оно изолирует скаффолдинг промптов как активный ингредиент.

Групповое оценивание меняет проблему, потому что студенты должны согласовывать, чьё использование ИИ приемлемо. Chen and Zou (2026) опросили 15 фокус-групп из 52 будущих преподавателей на курсе, где групповая презентация стоимостью 30% итоговой оценки требовала интеграции и связности. Возникли три паттерна: ориентированная на сотрудничество автономия в пяти группах, которые усилили использование GenAI, чтобы удержать работу вместе и защитить общую оценку; нормативная автономия в семи группах, которые сдерживали использование, чтобы защитить аутентичность и справедливость — одна студентка рассуждала, что генерация части в ИИ была бы «несправедливо по отношению к другим членам группы»; и неосуществлённая автономия в трёх группах, практика которых никогда не менялась от индивидуальной работы. Авторы утверждают, что индивидуальная способность сама по себе не становится коллективной автономией и что согласование приемлемого использования ИИ само должно стать оцениваемым результатом, причём задачи взаимного рецензирования питают итоговый продукт.

Архитектура обратной связи, раскрытие и социальные условия взаимного оценивания

Взаимное оценивание зависит также от того, что студенты могут видеть друг о друге и что они признают. Hao and Cukurova (2026) проверили проектирование обучения со сгенерированными ИИ резюме в трёх итерациях со 128 студентами за восемь недель. Студенты в итерациях с ИИ показали значимо более высокую стандартизированную центральность по исходящей степени, чем базовая линия (β = 0,547 и β = 0,438, оба p < 0,001): они просматривали или взаимодействовали с большим числом однокурсников. Интервью описывали резюме как навигационную карту, снижающую усилие поиска вкладов, погребённых в плохо названных ветках, и студенты обращали внимание на активных участников, выбранных за контрастирующие мнения, а не за дружбу. Проект не предотвратил снижение активности просмотра при росте нагрузки, поэтому одни технологические возможности не поддерживают вовлечённость.

Нормы однокурсников также формируют честность, что важно всюду, где однокурсники оценивают работу под влиянием ИИ. Qu and Wang (2026) опросили 409 сингапурских студентов бакалавриата о том, почему студенты скрывают использование GenAI, несмотря на требования раскрытия, и обнаружили, что доминируют реляционные переменные: воспринимаемое раскрытие однокурсниками и комфорт с преподавателями были сильнейшими предикторами раскрытия, тогда как моральное отстранение было слабее. Не-раскрытие было стратегической адаптацией к воспринимаемым нормам однокурсников и низкому интерпретативному доверию, а не морательной небрежностью. Нормы однокурсников поэтому могут поддерживать честность, как когда студенты группового оценивания сдерживали использование ИИ из чувства долга перед однокурсниками, или подавлять её, как когда коллективное внедрение снижало воспринимаемый риск злоупотребления. Прозрачность, утверждают авторы, зависит меньше от соответствия требованиям, чем от доверия и позитивного нормативного климата — реляционного условия, которое проекты взаимного оценивания либо создают, либо разрушают.

Следствия для проектирования и открытые вопросы

Отсюда следует несколько проектных шагов. Давайте оценивающим подготовку, образцы и критерии до того, как они оценивают, потому что неподготовленное взаимное оценивание уязвимо к смещению в пользу дружбы, выбору источников по удобству и социальной тревожности. Упорядочивайте работу так, чтобы самооценка предшествовала взаимной обратной связи и критике ИИ, поскольку гибридное условие дало наиболее сильное концептуальное обучение и лучший отложенный перенос. Там, где входит GenAI, поставьте скаффолдинг на то, как студенты запрашивают его. Держите преподавателя в цикле для всего, что становится оценкой, рассматривайте оценки однокурсников как зависящие от качества доказательства, а не как однородные отметки, и сделайте само использование ИИ тем, что группы согласовывают и документируют.

Опосредованное GenAI рецензирование также наследует лингвистические нормы инструмента: участники диалога о мировых вариантах английского утверждают, что рецензенты, использующие GenAI, подвергаются тому же смещению в сторону доминирующих разновидностей английского, что и модели, и рекомендуют редактировать или переписывать сгенерированный текст, чтобы отражать собственную лингвистическую идентичность автора (Ugwuanyi et al. (2026)).

Открытые вопросы касаются силы доказательств, а не только проектирования. Многое из доказательств «однокурсник и ИИ» мало и связано с контекстом: 45 студентов-педагогов на одном курсе, 34 студента на одном курсе делового письма, 52 будущих преподавателя в 15 фокус-группах. Опрос PAIRR — крупнейший набор данных здесь, и он измеряет восприятие студентов, а не качество тех выводов ИИ, которые студенты судили. Только 1 176 студентов бакалавриата из многосайтового эксперимента приближаются к сравнительно-причинному масштабу, и оно проверяет проектирование обратной связи для научной аргументации, а не взаимное оценивание как таковое. Тем временем O'Neill (2026) провёл аудит 14 рецензированных метаанализов, утверждающих, что ИИ улучшает образование, и обнаружил, что ни один не предоставил достоверного основания для своих утверждений — все, кроме двух, определяли воздействие как инструмент, а не как педагогическое вмешательство, гетерогенность была высокой в каждом метаанализе, сообщавшем I² (от 77,2% до 94,4%), а аудит 59 первичных исследований обнаружил, что 61% имел проблемы достоверности, чаще всего несоответствие между измеренным результатом и сделанным утверждением. Утверждения о том, что ИИ делает во взаимном оценивании, следует рассматривать как утверждения о спроектированной деятельности, проверенной в терминах этой деятельности.

Связанные концепты

Связанные статьи

Связанные FAQ

Метаданные

ДисциплинаWriting Education
Целевая аудиторияLearners, Instructors
Обучение и преподаваниеСовместное обучение, Метакогниция, Саморегулируемое обучение
Оценивание и измерениеКачество обратной связи ИИ, Формативное оценивание, Групповая работа
SourceHistoryEditChat

Встроить эту страницу

Скопируйте код ниже, чтобы встроить эту страницу в систему управления обучением или на другой сайт. Во встроенной версии отображается только содержимое страницы — заголовок сайта, навигация и нижний колонтитул скрыты.