AIEd Hifadhi ya MaarifaAIEd KB
Kwenye ukurasa huu

Soma ukurasa huu kwa Kiingereza

Madhana

Tathmini ya Marika

Imeundwa 2026-10-13

Tafsiri ya kiotomatiki ya ukurasa huu wa Kiingereza, ambayo haijakaguliwa na mzungumzaji mzawa.

Tathmini ya marika — mazoezi ambayo wanafunzi hutathmini, kupima alama, au kutoa Maoni kuhusu kazi za wenzao, kupitia ukaguzi wa marika wa maandishi, upimaji wa marika, ukaguzi wa kanuni wa marika, au tathmini ya kikundi na timu. Katika uandishi Mbinu za Kufundisha na Mikakati ya Kufundisha ni mazoezi bora wa muda mrefu: wanafunzi hujifunza kutoka kupokea maoni yanayotegemea vigezo na kutoka kutoa, na mazungumzo ya marika kuhusu kazi za pamoja yanahusiana na ujifunza wa kina zaidi, ufahamu wa hadhira, na maendeleo ya kijamii. Katika zama za AI inapitishwa upya kama chaguo la muundo wa tathmini badala ya shughuli moja — nyongeza ya kibinadamu ya maoni yanayotengenezwa na AI, zoeo la mafunzo kwa Ujuzi wa Maoni, na mahali ambapo Uadilifu wa Kitaaluma na Wakala wa Mwanafunzi vinafungwa upya.

Maswali ya Kutafakari

  • Kumbuka wakati kazi yako ilitathminiwa na mwanafunzi mwenzako — au wewe ulitathmini yake. Ulijifunza zaidi kutoka nini: kutoa maoni au kupokea, na kwa nini?
  • Kwa nini maoni ya mwanafunzi yanaweza kuwa na ufahamu zaidi wa muktadha na ya kihisia kuliko maoni ya AI, wakati maoni ya AI ni thabiti zaidi na yanayoendeshwa na rubriki? Vyote viwili vinawezaje kujazana?
  • Wanafunzi huwa na tabia ya kupunguza alama za kazi nzuri na AI huwa na tabia ya kupandisha alama za kazi dhaifu. Ikiwa hakuna moja inayoweza kuaminika kwa usahihi katika wigo wote wa ubora, alama kutoka chanzo chochote kinapaswa kutumika kwa nini?
  • Tathmini ya marika inategemea sana Ngazi za Msaada na vigezo wazi, na upendeleo wa urafiki na wasiwasi wa kijamii vinaweza kufanya ukaguzi wa marika bila mafunzo kuwa mbaya zaidi kuliko kutokuwepo. Mafunzo ya kutosha yanaonekana vipi katika muktadha wako?
  • Ikiwa AI inaweza kutengeneza maoni juu ya mpangilio na muundo, je, hufanya tathmini ya marika kuwa ya kupitwa na matumizi — au inawaachia wanafunzi nafasi ya kutoa maoni mahususi na yenye ufahamu wa hadhira ambayo wao tu wanaweza kutoa?
  • Maoni ya marika yanayosaidiwa na GenAI yalipata utendaji bora zaidi ya maoni ya kawaida ya marika katika utafiti mmoja, lakini tu baada ya kuongeza ngazi za msaada za ilani. Ni nini kinapatiwa ngazi za msaada hapo — AI, mwanafunzi, au tathmini?
  • Kutathmini kwa njia mahususi maoni yanayotengenezwa na AI yanaelezewa kama kujenga ujuzi wa AI na wakala wa mwandishi. Ni maana gani kuwa na wakala juu ya kazi yako mwenyewe wakati mashine zinazidi kutoa maoni juu yake?

Utangulizi

Tathmini ya marika ni chaguo la muundo wa tathmini ambalo wanafunzi huchukua sehemu ya kazi ya kutathmini ambayo kwa kawaida huhifadhiwa kwa waalimu. Aina zake hutofautiana kulingana na kile wanafunzi wanachozalisha na kile kilicho hatarini: maoni ya marika (maoni kuhusu rasimu, kwa kawaida ya kuunda na yenye hatari ndogo), upimaji wa marika (alama inayochangia daraja), ukaguzi wa kanuni wa marika, na tathmini ya kikundi au timu (ambapo wanafunzi hupima bidhaa ya pamoja au michango ya wenzao). Aina huamua wanafunzi hufanya mazoezi ya nini — kutoa maoni yanayotegemea vigezo hujenga hukumu ya kutathmini kwa njia tofauti na kutoa namba, na kutetea kanuni zako mwenyewe kwa mdomo hujenga kitu kingine tofauti. Tathmini binafsi, mazoezi wa ndugu, huelekeza uchunguzi ule ule unaotegemea vigezo kwenye kazi ya mwanafunzi mwenyewe, wakati tathmini ya marika inaelekeza kwenye kuwasilishwa kwa mwanafunzi mwenzake na ufahamu wa hadhira unaokuja nao.

Msingi wa utafiti unakubaliana kuwa tathmini ya marika huzalisha ujifunza na unakubaliana juu ya kiasi gani kinategemea muundo. Inawapa wanafunzi hadhira halisi, inaendeleza hukumu ya kutathmini kupitia majibu yanayotegemea vigezo, na inajenga muktadha wa kijamii unaounga mkono ushirikiano na Motisha. Ubora wake unategemea sana Ngazi za Msaada — jinsi inavyopangwa vizuri, na iwapo wanafunzi wanapata vigezo wazi na mafunzo. Utegemezi huo ni mahali AI inapoingia, kama nyongeza thabiti, inayoendeshwa na rubriki ya maoni mahususi na yenye ufahamu wa muktadha ambayo wanafunzi hutoa, na kwa kiwango kinachoongezeka kama ngazi za msaada zilizojengwa ndani ya mchakato wa tathmini ya marika yenyewe.

Wanafunzi hujifunza nini kutoka kuwatathmini wenzao

Hoja yenye nguvu zaidi kwa tathmini ya marika ni kwamba mtathmini hujifunza. Fowles et al. (2026) walifanya kila kuwasilishwa kwa CS1 kupitiwa na mahojiano ya mdomo ya dakika 15 ya ukaguzi wa kanuni na msaidizi wa ualimu aliye funzwa, wenye uzito wa 70% ya daraja la kazi. Herufi zilizonakiliwa kwa jumla zilipanda kutoka 61.0% hadi 68.1% (p < 0.0001), lakini alama za mtihani hazikushuka na muda wa kazi ulibaki thabiti; 90% ya wanafunzi walisema ukaguzi uliwatia motisha kuelewa kanuni zao vizuri zaidi na 65% walisema uliwasaidia kuepuka kutegemea kupita kiasi AI. Kutaka wanafunzi waeleze kazi yao kwa mwanafunzi mwenzake aliye funzwa kulibadilisha upunguzaji unaowezekana wa mzigo kuwa fursa ya mazoezi ya kujidhibiti.

Mbinu hii inajirudia katika fasihi. Katika mapitio ya kimfumo ya PRISMA 2020 ya makala 22 kutoka 203 zilizochunguzwa, Martínez-Peláez et al. (2025) waligundua kuwa LLM zinaunga mkono ushirikiano sehemu kwa kusaidia maoni ya marika na kufuata tathmini zinazotegemea rubriki, na kwamba wanafunzi wanaothibitisha na kurekebisha matokeo ya mfano huendeleza ufikiri mahususi. Kujifunza kwa kufundisha kinaonekana hata kati ya mashine: mazungumzo yanayofanana na kujifunza kwa marika kati ya mawakala zaidi ya milioni 2.4 ya mawakala wa AI yalikuwa hasa madai badala ya maswali (uwiano wa kauli kwa swali 11.4:1, tafakari ya metaji ni 7% tu ya taksonomia iliyowekwa kodi katika machapisho 28,683), ambayo Chen et al. (2026) wanaitia kama onyo kuwa mazungumzo ya uso hakuthibitishi kuwa kitu chochote kimejifunzwa.

Mafunzo, urekebishaji na ujuzi wa maoni

Tathmini ya marika inashindwa kwa kutabirika wanafunzi wanapokuwa hawajafunzwa. Gu, Chen, na Yan (2026) walifanya jaribio la karibu la mbinu mchanganyiko na wanafunzi 118 wa mwaka wa kwanza wa chuo kikuu nchini Uchina, wakilinganisha ChatGPT-4o chini ya rubriki zilizofunzwa mapema na hati za kazi za ukaguzi wa marika zilizopangwa zenye kielelezo cha ubora wa juu. Ujuzi wa maoni ulipanda kidogo zaidi katika kikundi cha GenAI (ANCOVA p = 0.049, η²p = 0.03), lakini matokeo ya kina yana maana zaidi: wanafunzi wa vikundi vya marika walichagua vyanzo vya maoni kwa urahisi wa kijamii — wanafunzi wa karibu, wanafunzi wa somo moja, marafiki wa chumba — mara chache walikuwa na malengo mahususi ya maoni, na walikumbana na wasiwasi wa kijamii kutafuta maoni. Tathmini ya marika mara nyingi iliharibika na upendeleo wa urafiki na ujuzi wa marika unaoonekana, na tafakari ya marika mara nyingi ilicheleweshwa hadi mitihani ya baadaye. Waandishi wanapendekeza miundo ya hatua nyingi yenye maoni ya marika ya bila jina, kwani ukaguzi wa marika bado hujenga kipekee ufahamu wa hadhira na hukumu ya kutathmini kupitia kutoa maoni.

Miundo ya ubuni inalenga vikwazo vile. Irwin na Muller (2026) wanapendekeza majukumu mawili ya GenAI katika maoni ya marika ya EFL/ESL kuhusu kuzungumza, hali wanayoibainisha kuwa ni ngumu kuliko uandishi kwa sababu ya shinikizo la muda, utendaji wa mdomo unaopita, na hisia kali: Kocha anayewaunga wanaotoa maoni kupitia urekebishaji unaotegemea kielelezo na maoni juu ya maoni, na Muundaji anayekusanya maoni ya marika katika ripoti ya kupokea iliyounganishwa na vigezo ambayo inarekebisha muundo, inahifadhi mitazamo ya wachache, na inaashiria migongano. Kanuni zao ni mpangilio na mpangilio wa hatua kwa makini, vitengo vifupi vinavyojirudia vya Kocha, kuhifadhi sauti ya wanaotoa, na kinga zinazoweka mwalimu katika mzunguko bila upimaji otomatiki. Karatasi hii ni ya dhana, bila data ya kihisabati mpya.

Uhalali, usawa na usahihi wa upimaji: marika dhidi ya AI dhidi ya mwalimu

Ambapo tathmini ya marika inazalisha daraja, swali ni iwapo daraja hilo linaweza kutetewa. Usher na Faraon (2026) waligundua kuwa upatano wa marika–mwalimu ulikuwa na nguvu zaidi kwa kazi za ubora wa chini (r = 0.51 katika kiwango cha ubora wa chini) na ulidhoofu kwa miradi ya ubora wa juu, ambayo wanafunzi walikuwa na tabia ya kupunguza alama yake — yanaweza kuonyesha kukataa kukosoa kazi nzuri. ChatGPT ilionyesha mtindo tofauti: upatano bora zaidi kwa kazi za ubora wa juu, lakini alama zilizopandishwa kwa kuwasilisha dhaifu. Wanafunzi walihisi alama za wanafunzi kuwa za kuwiano zaidi na maoni yao wenyewe ya maandishi, na walithamini hukumu ya wanafunzi yenye ufahamu wa mahusiano pamoja na uthabiti usio na upendeleo wa ChatGPT. Usahihi wa marika unategemea ubora na unahisi mahusiano, na hakuna chanzo kimoja kinachoweza kuaminika katika wigo wote.

Hiyo inazuia kile alama ya marika inapaswa kutumika. Alama iliyorekebishwa katikati ya usambazaji haihitaji kurekebishwa juu au chini, kwa hivyo alama za marika zinaweza kutetea zaidi kama ingizo la uamuzi uliopimwa au kama ushahidi wa hukumu ya mtathmini kuliko kama alama ya mwisho ya kazi nzuri. Suen na Hung (2026) wanaonyesha kwa nini taasisi zinaendelea kutafuta njia mbadala zinazoweza kupanuliwa: maoni ya marika na mafunzo ya wataalam ni ya muda mrefu, ya gharama kubwa, na vigumu kupanuka kwa uthabiti. Mfumo wao wa mzunguko uliofungwa ulipima wanafunzi 204 wa watu wazima kwa ujuzi wa kuwasilisha na msingi wa XGBoost unaokaribia uaminifu wa wapimaji wataalam (ρ = 0.69–0.78) na mabadiliko ya kabla–baada ya Cohen's d = 0.39–0.90 — utafiti mmoja wa kabla–baada wa uwanja, si ulinganisho dhidi ya tathmini ya marika, na unabadilisha hukumu ya mashine badala ya kuimarisha hukumu ya marika.

Tathmini ya marika iliyoongezwa na AI: PAIRR na mgawanyo wa Kocha/Muundaji

Mtindo wa kubuni unaotawala huweka marika katika kituo na kuongeza AI karibu nao. Mfano wa Peer and AI Review + Reflection ni mfano bora zaidi uliorikodiwa. Sperber et al. (2025) walitekeleza PAIRR katika kozi 10 za uandishi na kozi tatu za STEM zenye mzigo wa uandishi, na wanafunzi 654 (37% wa kizazi cha kwanza, 13% ya kimataifa, 68% wenye lugha nyingi). Wanafunzi walitengeneza rasimu, walibadilishana ukaguzi wa marika, walimliza ChatGPT maoni yanayoendeshwa na rubriki kuhusu rasimu ile ile, walitathmini vyote viwili kwa njia mahususi, walipanga marekebisho, na walitafakari. 58% walipendelea maoni ya pamoja, 36% maoni ya marika peke yake, na 6% tu maoni ya AI peke yake. Vyanzo viwili mara nyingi vilikuwa vinavyofanana (75% waliripoti mifano, iliyoelezewa kama kuthibitisha na kuimarisha kila mmoja) na, vilipotofautiana, vilijazana: maoni ya AI mara nyingi yaliitwa ya jumla kupita kiasi (31%) lakini yalitoa mikakati ya vitendo ya marekebisho kuhusu mpangilio na muundo, wakati maoni ya marika yalikuwa mahususi na yenye undani zaidi (28%) na yalitegemea maarifa ya muktadha ya kazi. Kutathmini kwa njia mahususi matokeo ya AI kulijenga Ujuzi wa AI, na wanafunzi 5.3% tu walionyesha kujiamini kupita kiasi juu yake.

Mtindo huo unajitangaza kwa uandishi wa kitaaluma. MacArthur et al. (2025) walitumia PAIRR katika kozi ya uandishi wa biashara ya ngazi ya juu ambapo kazi tano kubwa kila moja zilihitaji rasimu, uchanganuzi wa hadhira, ukaguzi wa marika na wanafunzi 2–3, na marekebisho (wanafunzi 34 kati ya 46 waliojisajili walishiriki; 69% wenye lugha nyingi). Wanafunzi walithamini maoni ya AI lakini wakati mwingine walihisi kuwa ya jumla kupita kiasi, na walithamini maarifa ya muktadha ya wanafunzi — "wanafunzi wangu waliiangalia kwa mtazamo wa mwajiri… ChatGPT haukufanya hivyo kwa kiwango kile." Robo moja ya tafakari zilizowekwa kodi katika utafiti mkubwa wa PAIRR zilieleza shaka kuhusu maoni ya AI au zilibainisha makosa, ambayo waandishi wanayasoma kama maendeleo ya ujuzi wa AI. Utafiti ni wa kuelezea na wa kozi mahususi.

GenAI kama ngazi za msaada ndani ya maoni ya marika na tathmini ya kikundi

Jaribio madhubuti zaidi la jinsi muundo una maana gani ni jaribio la nasibu la vikundi katika maeneo mengi. Ateş (2026) aligawa nasibu sehemu 48 katika vyuo 4 — wanafunzi 1,176 wa mwaka wa kwanza wa biolojia, kemia, na fizikia — katika hali nne kwa hoja za kisayansi: maoni ya marika peke yake, maoni ya moja kwa moja ya GenAI, maoni ya GenAI ya kutafakari (tathmini binafsi kisha ukosoaji wa AI), na mchanganyiko wa tathmini binafsi → maoni ya marika → ukosoaji wa GenAI. GenAI ya moja kwa moja ilishinda maoni ya marika kwa ubora wa haraka wa hoja lakini ilionyesha uhamishaji dhaifu zaidi; miundo ya kutafakari na ya mchanganyiko ilizalisha kupokea maoni na kujifunza kujidhibiti zenye nguvu zaidi; mchanganyiko ulionyesha faida wazi zaidi kwa ujifunza wa dhana; vyote viwili vilishinda GenAI ya moja kwa moja katika uhamishaji wa baadaye bila AI. Thamani ya GenAI, waandishi wanahitimisha, inategemea kidogo upatikanaji na zaidi iwapo mazingira yanahifadhi wakala wa mwanafunzi na umilikaji wakati wa marekebisho.

Kupanga maoni ya AI kabla ya majadiliano ya marika, badala ya baada yake, pia kulipandisha matokeo: ikilinganishwa na maoni ya marika peke yake, wanafunzi 122 wa Kichina wa EFL waliopewa maoni ya pamoja ya AI-na-marika waliripoti ushirikiano wa juu wa kihisia, wa tabia na wa kiakili (η²p = 0.29, 0.28, 0.32) na walipata utendaji bora katika vipimo vyote vinne vya uandishi wa IELTS, vikubwa zaidi kwa ufanifu wa kazi (d = 1.41) (Liu (2026)).

Mtindo huo — faida ya mapema isiyodumu — unajirudia pale ulinganisho ni maoni ya mwalimu dhidi ya maoni ya marika yanayosaidiwa na AI badala ya GenAI peke yake. Tang, Li, na Luo (2026) walifanya jaribio la karibu la wiki nane na waandishi 61 wa L2 wa Kichina (maandishi 244 yaliyopimwa) wakifanya kazi kutoka orodha moja ya vipimo vitano, darasa moja likipokea maoni ya maandishi ya mwalimu na lingine maoni ya marika yanayosaidiwa na AI. Maoni ya mwalimu yalizalisha maoni mengi zaidi — vipengele 316 dhidi ya 185 katika kazi ya kwanza, vilivyojikita kwenye msamiati na maelezo ya kiufundi — na mabadiliko ya haraka ya juu kidogo, lakini kuboresha kwake kulishuka kwa kasi kwa kazi ya pili wakati darasa la marika linalosaidiwa na AI likibaki thabiti na kumaliza na alama ya juu ya marekebisho. Maoni ya marika yanayosaidiwa na AI yalikuwa machache lakini yalibaki yamezingatia maudhui na muundo, na faida yao ya mapema ya utofauti wa msamiati haikudumu; hakuna mtindo uliohamisha utata wa kisintaksia. Waandishi wanayasoma mawili kama ngazi za msaada zinazojazana na wanapendekeza mchanganyiko wa AI–Marika–Mwalimu, ambao AI huashiria makosa ya uso wakati wa kutengeneza rasimu, wanafunzi hujadiliana maudhui wakati wa marekebisho, na mwalimu analenga kile ambacho hakuna aliyeufikia.

Kuongeza GenAI pia kunaweza kupandisha ubora wa maoni ya marika yenyewe, lakini inaonekana tu kwa msaada wa ilani. Chang et al. (2026) walilinganisha hali tatu kati ya walimu wanafunzi 45 katika vikundi 12 katika mizunguko minne ya hoja za ushirikiano: maoni ya kawaida ya marika, maoni ya marika na GenAI, na maoni ya marika na GenAI chini ya ngazi za msaada za ilani. Vikundi vinavyoungwa na GenAI vilipata utendaji bora ya maoni ya kawaida ya marika kwa utendaji wa hoja, na kikundi kilichopatiwa ngazi za msaada za ilani kilipata utendaji bora zaidi katika vipengele vya juu kama "data ya kupinga na dhamana" na "kushughulikia mtazamo wa upinzani". Vikundi vinavyoungwa na GenAI vilizalisha maelezo zaidi, mapendekezo zaidi, na maoni ya upatano au ya hasi, na kikundi kilichopatiwa ngazi za msaada kilijaza hisia za hasi na maudhui ya kiwango cha juu ya maoni — utathmini mahususi badala ya kukubalika kwa upitishaji. Ni jaribio moja dogo, lakini linatenga ngazi za msaada za ilani kama kipengele chenye vitendo.

Tathmini ya kikundi hubadilisha tatizo, kwa sababu wanafunzi lazima wajadiliane ni matumizi ya AI ya nini yanakubalika. Chen na Zou (2026) walihusisha vikundi 15 vya mazungumzo vya waalimu 52 wa mapema katika kozi ambapo uwasilishaji wa kikundi wenye thamani ya 30% ya daraja la mwisho ulihitaji muunganisho na mwendelezo. Miundo mitatu ilitokea: wakala unaoelekezwa na ushirikiano katika vikundi vitano, ambao uliongeza matumizi ya GenAI kushikilia kazi pamoja na kulinda daraja la pamoja; wakala wa kanuni katika vikundi saba, ambao ulizuia matumizi kulinda uhalisi na usawa — mwanafunzi mmoja alibainisha kuwa kuzalisha sehemu katika AI ingekuwa "si wa haki kwa wanachama wengine wa kikundi"; na wakala ambao haukutekelezwa katika vikundi vitatu ambayo mazoezi yao hayakubadilika kutoka kazi ya mtu binafsi. Waandishi wanadai kuwa uwezo wa mtu binafsi haufanyi wakala wa pamoja yenyewe na kwamba majadiliano ya matumizi yanayokubalika ya AI yanapaswa yenyewe kuwa matokeo yanayoweza kutathminiwa, na kazi za ukaguzi wa marika zikilisha bidhaa ya mwisho.

Usanifu wa maoni, ufichuli, na hali za kijamii za tathmini ya marika

Tathmini ya marika pia inategemea kile wanafunzi wanaweza kuona kwa wenzao na kile watakachokiri. Hao na Cukurova (2026) walipima muundo wa kujifunza wa muhtasari uliotengenezwa na AI katika mizunguko mitatu na wanafunzi 128 kwa wiki nane. Wanafunzi katika mizunguko inayoungwa na AI walionyesha umuhimu wa juu zaidi wa kiwango cha kawaida cha centrality ya nje ikilinganishwa na msingi (β = 0.547 na β = 0.438, zote mbili p < 0.001): walitazama au walishirikiana na wanafunzi wengi zaidi. Mahojiano yalielezea muhtasari kama ramani ya urambazaji iliyopunguza juhudi za kutafuta michango iliyozikwa katika mistari yenye majina mabaya, na wanafunzi walizingatia wachangiaji wenye vitendo walioteuliwa kwa mitazamo tofauti badala ya urafiki. Muundo haukuzuia shughuli ya kutazama kupungua chini ya mzigo unaoongezeka, kwa hivyo uwezo wa teknolojia peke yake haudumishi ushirikiano.

Kanuni za marika pia zinaunda uaminifu, ambayo ni muhimu kila mahali wanafunzi wanapotathmini kazi iliyoathiriwa na AI. Qu na Wang (2026) walisajili wanafunzi 404 wa Singapore kuhusu kwa nini wanafunzi wanaficha matumizi ya GenAI licha ya mahitaji ya ufichuli, na waligundua kuwa vigezo vya mahusiano vilitawala: ufichuli unaoonekana wa marika na urahisi na waalimu walikuwa watabiri wenye nguvu zaidi wa ufichuli, wakati utengano wa maadili ulikuwa dhaifu zaidi. Kutofichua kulikuwa mabadiliko ya kimkakati kwa kanuni za marika zilizoonekana na uaminifu mdogo wa tafsiri, si uzembe wa maadili. Kanuni za marika kwa hivyo zinaweza kuunga uaminifu, kama wanafunzi wa tathmini ya kikundi waliozuia matumizi ya AI kutokana na wajibu kwa wanachama wa kikundi, au kuzima, kama vile kupitishwa kwa pamoja kulivyopunguza hatari inayoonekana ya matumizi mabaya. Uwazi, waandishi wanadai, unategemea kidogo utii na zaidi uaminifu na hali nzuri za kanuni — hali ya mahusiano ambayo miundo ya tathmini ya marika huunda au huharibu.

Athari za muundo na maswali yaliyo wazi

Hatua kadhaa za muundo zinafuata. Wapa watathmini mafunzo, vielelezo, na vigezo kabla ya kutathmini, kwa sababu tathmini ya marika bila mafunzi ina hatari ya upendeleo wa urafiki, uteuzi wa chanzo kulingana na urahisi, na wasiwasi wa kijamii. Panga kazi ili tathmini binafsi iwe kabla ya maoni ya marika na ukosoaji wa AI, kwani hali ya mchanganyiko ilizalisha ujifunzi wa dhana wenye nguvu zaidi na uhamishaji bora zaidi wa baadaye. Ambapo GenAI inaingia, wapa wanafunzi ngazi za msaada jinsi ya kumliza. Weka mwalimu katika mzunguko kwa chochote kinachokuwa daraja, chukua alama za marika kama ushahidi unaotegemea ubora badala ya alama za kawaida, na fanya matumizi ya AI yenyewe kuwa kitu ambacho vikundi hujadiliana na kurekodi.

Ukaguzi unaoendeshwa na GenAI pia unarithi kanuni za lugha za zana: wachangiaji katika mazungumzo ya World Englishes wanadai kuwa wakaguzi wanaotumia GenAI wanakabiliwa na upendeleo ule ule kuelekea aina za Kiingereza zinazotawala kama vile mifano, na wanapendekeza kuhariri au kuandika upya maandishi yaliyotengenezwa ili kuonyesha utambulisho wa lugha wa mwandishi mwenyewe (Ugwuanyi et al. (2026)).

Maswali yaliyo wazi yanahusu nguvu ya ushahidi, si muundo tu. Ushahidi mwingi wa marika-na-AI ni mdogo na unaotegemea muktadha: walimu wanafunzi 45 katika kozi moja, wanafunzi 34 katika kozi moja ya uandishi wa biashara, waalimu 52 wa mapema katika vikundi 15 vya mazungumzo. Dodoso la PAIRR ni seti kubwa zaidi ya data hapa na inapima mtazamo wa wanafunzi, si ubora wa matokeo ya AI ambayo wanafunzi walihukumu. Jaribio la maeneo mengi lenye wanafunzi 1,176 tu ndilo linakaribia kiwango cha kulinganisha kwa kusababu, na linapima muundo wa maoni kwa hoja za kisayansi badala ya tathmini ya marika kama yenyewe. Wakati huo huo O'Neill (2026) alikagua meta-analysis 14 zilizokaguliwa na marika zinazodai kuwa AI inaboresha elimu na hakuna moja iliyotoa msingi halali wa madai yake — zote mbila zilizobaki zilifafanua matibabu kama zana badala ya muingilio wa kielimu, heterogeneity ilikuwa juu katika kila meta-analysis inayoripoti I² (77.2% hadi 94.4%), na ukaguzi wa masudio 59 ya msingi uligundua 61% yalikuwa na wasiwasi wa uhalali, mara nyingi zaidi kutokuwiano kati ya matokeo yaliyopimwa na dai lililotolewa. Madai kuhusu kile AI inafanya katika tathmini ya marika yanapaswa kuchukuliwa kama madai kuhusu shughuli iliyoundwa, iliyopimwa katika masharti ya shughuli hiyo.

Dhana Zilizounganishwa

Makala Zilizounganishwa

FAQ Zilizounganishwa

Metadata

FaniWriting Education
Hadhira inayokusudiwaLearners, Instructors
Kujifunza na UfundishajiKujifunza kwa Ushirikiano, Metaji (Kufikiri Kuhusu Kufikiri), Kujifunza kwa Kujidhibiti
Tathmini na UpimajiUbora wa Maoni ya AI, Tathmini ya Mchakato, Kazi za Kikundi
SourceHistoryEditChat

Pachika ukurasa huu

Nakili msimbo ulio hapa chini ili kupachika ukurasa huu katika mfumo wa usimamizi wa kujifunza au tovuti nyingine. Toleo lililopachikwa linaonyesha maudhui ya ukurasa tu — linaficha kichwa cha tovuti, urambazaji, na kijachini.