Как ИИ может помочь мне давать более качественную обратную связь в масштабе?

Автоматический перевод данной английской страницы, не проверенный носителем языка.

Идёт шестая неделя. У вас стопка черновиков, критерии оценивания, в которые вы верите, и растущее подозрение, что треть ваших комментариев будет лишь бегло просмотрена и забыта. Коллега упоминает, что какой-то инструмент теперь комментирует каждый черновик в течение часа. Вы хотите понять, является ли это настоящим улучшением или просто более быстрым способом производить текст, который никто не читает.

Главное: обратную связь ИИ стоит внедрять ради охвата, оперативности и последовательности в узкой области — правок на уровне редактирования текста и первичных комментариев, опирающихся на критерии, — и внедрять её стоит только при условии, что вы продумали то, что происходит вокруг этих комментариев. Охват — простая часть. В кластер-рандомизированном эксперименте с 1,176 студентами первого курса рефлексивные и гибридные схемы превзошли прямую критику со стороны ИИ по отложенному, проходящему без участия ИИ переносу обучения; в рандомизированном эксперименте по написанию эссе с участием 70 студентов более качественная обратная связь ИИ не привела к лучшим правкам, чем обратная связь опытного преподавателя. Во всей совокупности данных то, что студенты делают с комментарием, важнее того, насколько быстро комментарий получен, и грамотность в сфере обратной связи — а не доступ к ИИ — отличает студентов, которые извлекают выгоду, от тех, кто просто копирует.

Различие, которое определяет всё: объём — это не качество, а доставленность — это не прочтение

Два разделения делают основную работу на этой странице.

Больше обратной связи — не значит лучше обратная связь. ИИ может давать комментарии по каждому черновику каждую неделю; количество практически бесплатно. Качество — нет. Zhan, Boud, Dawson и Yan (2025) делают центральным звеном процесса качество промпта: размытые промпты дают обобщённый, бесполезный результат, а сгенерированные комментарии могут быть галлюцинированными, предвзятыми или дублирующими друг друга, что перекладывает оценочное суждение обратно на читателя. Калибровка ещё показательнее: в Farrokhnia и др. (2026) качество обратной связи GenAI значимо коррелировало с силой исходного черновика студента, тогда как качество обратной связи преподавателя — нет: преподаватель калибровал более последовательно. Объём масштабируется. Калибровка — нет.

Доставленная обратная связь — это не использованная обратная связь. Это более дорогое заблуждение. Farrokhnia и др. случайным образом распределили 70 студентов, писаших аргументационные эссе на персидском языке, по трём группам. Промптинг с цепочкой рассуждений (chain-of-thought) дал значимо более высокие оценки обратной связи (M = 12.90), чем промптинг без примеров (zero-shot) (M = 11.25, p = .01) и опытный преподаватель-человек (M = 11.20, p = .008). При этом группа с цепочкой рассуждений не внесла в свои эссе значимо больше правок, чем группа с обратной связью преподавателя, которая достигла сопоставимых результатов. Лучше оценённые комментарии — те же правки. Если ваша метрика — качество того, что пишет модель, это выглядит как победа; если ваша метрика — то, что изменилось в эссе, — нет.

Кто использует обратную связь, зависит от учащегося. В Hawkins, Taylor-Griffiths и Lodge (2026) 32 студента-психолога выполнили 25-минутное задание по написанию эссе с записью экрана, имея неограниченный доступ к ChatGPT, а затем просмотрели запись в рамках интервью с видеостимуляцией. Единственным значимым положительным предиктором оценки за эссе была грамотность в сфере обратной связи (β = 0.46, p = .017); редакционная статья специального выпуска Zhan, Wood, Carless и Yan (2026) отмечает, что частота использования GenAI, надёжность источника и предварительные знания не предсказывали результат. Меньше трети студентов сверяли высказывания ИИ с другим интернет-источником; половина заявила о намеренном избегании ИИ ради академической честности или желания написать эссе своими словами; и большинство запрашивало обратную связь на уровне задания, которая плохо переносится на другие задачи.

Освоение инструмента тоже распределено неравномерно. В университетском пилоте Deakin, описанном в Tubino и Adachi (2022), инструмент ИИ был необязательным, и использование составляло в среднем примерно 13% среди студентов бакалавриата и 12% среди магистрантов, несмотря на почти 4 000 студентов, получивших доступ. Проактивные, высокоуспевающие студенты пользовались им чаще. Вот что даёт «предоставление доступа к инструменту», и именно поэтому остальная часть этой страницы посвящена проектированию, а не доступу.

Чем ИИ действительно хорош и где он останавливается

Хорошо: охват и последовательность в узкой области. Tubino и Adachi сообщают об этом пилоте в Deakin в 2021 году с использованием инструмента автоматической обратной связи на базе ИИ FeedbackFruits в 29 учебных модулях и почти 4 000 студентов. Он работает с микровыми текстовыми признаками — длиной предложений, пунктуацией, грамматикой, структурой текста, — поддерживая стадию редактирования: преподаватель задаёт параметры, студент самостоятельно использует инструмент и получает оперативную, применимую на практике обратную связь. Масштабируется именно разделение труда, а не модель.

Плохо: обобщённость, корректность и калибровка. Вот где он терпит неудачу (Zhan и др., 2025), и средство здесь — промпт, критерии или человек, а не более крупная модель. Aldino и др. (2026) добавляют типы отказов на стороне преподавателя по данным 21 преподавателя вуза: непоследовательный тон (n = 7), потенциальная дезинформация (n = 5) и проблемы доверия (n = 5), при этом усилия по переработке уходили на удаление преувеличенной похвалы и обобщённых рекомендаций, а не на добавление содержания.

Схема внедрения, которая выдерживает проверку

Данные поддерживают одну форму сильнее всех остальных: ИИ составляет черновик, студент оценивает первым, а решение принимает человек.

Что автоматизировать. Работу с языком на микровом уровне и первичную диагностику, опирающуюся на критерии. Дайте модели критерии и заставьте её рассуждать пошагово — прирост качества в работе Farrokhnia и др. был получен с помощью промпта с цепочкой рассуждений, проводившего модель через пошаговое оценивание по рубрике аргументации, а не с помощью одной лишь инструкции. Gu, Chen и Yan (2026) аналогично дали своей группе с GenAI ChatGPT-4o с заранее подготовленными рубриками и руководствами по промптам — именно это сделало результат проверяемым относительно заявленных критериев. Генерация со ссылкой на рубрику автоматизируема; суждение — нет.

Что оставить человеку. Итоговое сообщение, тон и всё, что становится записью. Becerra, Palma и Cobos (2026) описывают AICoFE — систему, которая пропускает оценки по рубрике и качественные наблюдения через три независимо дообученные модели (GPT-4.1-mini, Gemini 2.5 Flash, Llama 3.1) для получения независимых черновых комментариев, а затем преподаватель составляет итоговое сообщение, выбирая предложения или абзацы, с легендой, показывающей, какая модель что внесла. ИИ — генератор черновиков, а не тот, кто ставит окончательную точку. Aldino и др. находят ту же схему «помогай, но проверяй»: ML-компонент чаще всего отмечал отсутствующим пункт Meeting Learning Objective (опустили 20 из 21 преподавателей; 16 приняли) и Student–Teacher Relationship (опустили 14; приняли 12), при этом преподаватели принимали решение по каждой подсказке на основе профессионального суждения.

Как упорядочить процесс. Не ставьте источники рядом; распределяйте их по этапам. В эксперименте Ateş (2026) рефлексивное условие требовало самооценки до критики ИИ, а гибридное предусматривало самооценку → обратную связь сверстников → критику GenAI. Tubino и Adachi предлагают шаблоны для трёх стадий составления черновика по той же причине. Сочетайте ИИ с обратной связью сверстников, а не подменяйте одно другим: Gu и др. провели два параллельных курса английского (N = 118 студентов первого курса в Китае; GenAI n = 56, сверстники n = 62) через три цикла самооценки в течение одного семестра, и скаффолдинг на основе GenAI незначительно, но значимо улучшил грамотность в сфере обратной связи по сравнению с рецензированием сверстниками (ANCOVA p = 0.049, ηp² = 0.03). Студенты из группы GenAI итеративно уточняли промпты и проверяли или оспаривали неточный результат, тогда как студенты из групп сверстников выбирали источники по принципу социальной удобности и их оценочное суждение искажалось смещением в пользу дружбы. Рецензирование сохраняло самостоятельную ценность для осознания аудитории, поэтому авторы предлагают многоэтапные схемы с анонимной обратной связью сверстников.

Как подать это студентам. Как черновое мнение, которое нужно оценить, а не ответ, который нужно скопировать. Скажите прямо, что комментарии модели могут быть галлюцинированными, предвзятыми или дублирующими друг друга и что право на правку принадлежит студенту. Пара писателей по IELTS из работы Zhan и др. показывает крайности: студент с низкой грамотностью и размытым промптом получил обобщённую обратную связь, поверил ей или чрезмерно её скопировал и включился в работу поверхностно; студент с высокой грамотностью написал промпт со ссылкой на критерии, задавал уточняющие вопросы, перепроверял источники и отслеживал правки. Разница была в инструкции и привычке, а не в доступе к инструменту.

Как проверять результат. Выборочно сверяйте сгенерированные комментарии с собственным прочтением тех же черновиков, выискивая названные выше типы отказов — тон, дезинформацию, преувеличенную похвалу, дублирование. В пилоте Deakin положительные средние оценки сосуществовали с отмеченными студентами ошибками, поэтому удовлетворённость — слабый сигнал качества: опросник с улыбающимися смайликами — не доказательство точности.

Типы отказов — с цифрами

На эффект влияет проектирование, а не доступность. Сильнейшее свидетельство в пользу проектирования — многоцентровой, кластер-рандомизированный, лонгитюдный полевой эксперимент: 1,176 студентов первого курса в 48 учебных группах в 4 университетах и 3 научных областях, случайно распределённых на уровне групп по условиям «только сверстники», «прямой GenAI», «рефлексивный GenAI» и «гибрид». Гибрид дал наибольший прирост качества аргументации и самое явное преимущество в концептуальном обучении. И рефлексивное условие, и гибрид дали более сильное освоение обратной связи и саморегулируемое обучение, чем прямой GenAI, и оба превзошли его в отложенном, проходящем без участия ИИ переносе. Прямой GenAI действительно улучшил непосредственное качество аргументации по сравнению с обратной связью сверстников — то преимущество, которое у него есть, — но при более слабом переносе. Следовательно, образовательная ценность зависит меньше от доступа к ИИ, чем от того, сохраняет ли среда обратной связи активность учащегося, оценочное суждение и сопричастность при внесении правок: прямая критика провоцирует пассивное восприятие, тогда как рефлексивные и гибридные схемы заставляют студента интерпретировать её, сверять с критериями, оценивать релевантность, а затем переписывать. Другие размеры эффекта несколько сдерживают эту картину. Преимущество Gu и др. перед рецензированием сверстников было небольшим, и авторы трактуют его как реальное, но не преобразующее само по себе — вспомогательную работу сделали скаффолдинг преподавателя, руководства по промптам и рабочие листы. Формулировка редакционной статьи: обратная связь GenAI и человеческая обратная связь дополняют друг друга только если эта взаимодополняемость явно специфицирована — через упорядочивание, сравнение, редактирование и управление, а не за счёт оставления двух источников рядом.

Избыточное доверие на обоих концах конвейера. Студенты могут некритично опираться на обратную связь при её использовании, а преподаватели — чрезмерно доверять подсказкам. Кроме того, студенты часто воспринимают обратную связь преподавателя как более негативную или рискованную, чем обратную связь GenAI, что инвертирует обычное предположение о качестве. Относитесь к грамотности в сфере обратной связи как к предпосылке, а не как к данности: сильнейшим предиктором в работе Hawkins и др. была грамотность учащегося в сфере обратной связи, а не частота использования им ИИ.

Рабочая нагрузка, которая перемещается, а не сокращается. Вопрос о рабочей нагрузке — тот самый, который чаще всего обещают снять. На вопрос о том, что дал им инструмент обратной связи на базе ИИ, 21 преподаватель лишь редко называл экономию времени (n = 2) и гораздо чаще называл рефлексию (n = 14), улучшение языка и структуры (n = 11) и выявление недостающих компонентов (n = 10). Видимый результат — это черновик и диагностический промпт, а не готовый комментарий. Вместо него появляется работа по рецензированию, калибровке и проверке. Двенадцать из 21 преподавателя внесли дальнейшие правки на уровне предложений; доминировали редактирование (f = 32) и удаление (f = 27), тогда как добавление было редким (f = 8). Преобладающая модель заключалась в калибровке тона — смягчении похвалы (f = 11), удалении предложений (f = 9), удалении ободрения (f = 8), — чтобы защитить аутентичность и профессиональный голос, а правки концентрировались в реляционном измерении, особенно Student–Teacher Relationship (f = 24). Преподаватели называли необходимость человеческого редактирования (n = 9), непоследовательный тон (n = 7), дезинформацию (n = 5) и проблемы доверия (n = 5); преподаватели с опытом более пяти лет сообщали о них чаще, тогда как менее опытные преподаватели ценили скаффолдинг — это причина следить за тем, не формирует ли у начинающих, полагающихся на подсказки ИИ, менее самостоятельное суждение. Правило редакционной статьи: GenAI перераспределяет, а не устраняет труд преподавателя, и плохо спроектированные инструменты могут его увеличить.

Три возражения, принятые всерьёз

«Обратная связь ИИ не персонализирована.» Часто это так, и именно поэтому последнее слово должно оставаться за человеком. AICoFE существует потому, что обобщённая проза модели — не то, что должен получить студент: преподаватель выбирает, редактирует и подписывает итоговое сообщение. 21 преподаватель из работы Aldino и др. переписывали тон по той же причине, удаляя преувеличенную похвалу и вырезая рекомендации, не соответствовавшие их отношениям со студентом. Персонализация в этой схеме — не задача модели; это ваша задача, и модель выполняет подготовительную работу.

«Мои студенты всё равно не будут читать обратную связь.» Они читают меньше, чем мы надеемся, и данные говорят, что решение — в проектировании, а не в объёме. Освоение в пилоте Deakin составляло примерно 13% среди студентов бакалавриата и 12% среди магистрантов. Более высоко оценённые комментарии ИИ в работе Farrokhnia и др. не привели к большему числу правок, чем комментарии преподавателя. Ситуацию изменило упорядочивание, вынуждающее включиться в работу, — сначала самооценка, затем обратная связь сверстников, затем критика ИИ, — плюс три цикла переписывания в течение семестра, которые дали измеримые различия в грамотности в сфере обратной связи. Многократные пересдачи в тот же день — пригодный след того, включились ли студенты вообще.

«Это не то, за что платят студенты.» Тогда не позволяйте ИИ быть единственным голосом, который они слышат от вас. Защитимая версия инструмента — та, в которой студенты получают больше моментов обратной связи, а вы тратите свои часы на требующие суждения части: последнее слово, калибровку, комментарии, несущие ваш авторитет. Что студенты теряют при неосторожном внедрении — не ваше присутствие, а связность между критериями, комментариями и результатом. Явно специфицируйте взаимодополняемость — упорядочивание, сравнение, редактирование, управление, — и возражение исчезает; оставьте два источника рядом — и оно не исчезнет.

На этой неделе

1. Разсортируйте свой последний набор комментариев на правки языкового уровня и решения, требующие суждения. Только первая категория — кандидат на автоматизацию.

2. Напишите опирающийся на критерии пошаговый промпт, который вы бы дали модели, и проверьте его на трёх черновиках, которые вы уже оценили.

3. Выборочно сверьте результат с собственными комментариями и зафиксируйте, где модель была обобщённой, ошибочной или льстивой.

4. Организуйте одно задание как самооценка → обратную связь сверстников → критику ИИ и скажите студентам, что ИИ — это черновое мнение, которое от них ожидается оспорить.

5. Попросите сделать одно сравнение со вторым источником или с критериями — меньше трети студентов делают это без подсказки.

6. Заложите в бюджет то время на рецензирование, которое вы действительно потратите на тон и удаление, и сравните его с тем, что вы освободили.

7. Следите за разделением на экспертов и новичков. Если опытные коллеги сообщают о большем числе проблем с результатом работы инструмента, чем вы, это информация о вашей собственной калибровке.

8. Определите, какой результат считается значимым, и измеряйте именно его: показатели использования, следы переписывания и отложенное выполнение без посторонней помощи — а не оценки удовлетворённости. Показатели примерно 13% и 12% из пилота Deakin — полезная база, а отслеживание курирования в AICoFE моделирует сторону преподавателя: фиксируйте, какая часть итоговой обратной связи пришла от модели и сколько вы изменили.

Где находится эта страница. Обратная связь — зонтичное понятие для всей системы: предоставление, цикл, освоение и контекст оценивания, — а качество обратной связи ИИ охватывает то, что делает сгенерированные комментарии точными, полезными, оперативными и педагогически обоснованными. Эта страница — практическая середина: какие комбинации этих частей дают более качественную обратную связь в масштабе. Вопросы о том, что должна означать оценка, когда участвует ИИ, — подмена конструкта, доказательства аутентифицированного процесса, правила честности, — относятся к пересмотру оценивания в эпоху ИИ и валидности оценивания, а не сюда.

По особому случаю обучения письму см. лучшие практики обучения письму в контексте ИИ.