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

How Can AI Help Me Give Better Feedback at Scale?

Ni wiki ya sita. Una mkusanyiko wa rasimu, rubriki unayoiamini, na shaka inayoongezeka kwamba theluthi moja ya maoni yako yatasomwa kwa urahisi na kusahau. Mwenzako anataja kuwa zana sasa inatoa maoni kwa kila rasimu ndani ya saa moja. Unataka kujua kama huo ni uboreshaji halisi au njia ya kasi zaidi ya kuzalisha maandishi ambayo hakuna anayewasomea.

Hitimisho la msingi: Maoni ya AI yanastahili kuchukuliwa kwa ajili ya upatikanaji, ufuatiliaji wa wakati na uthabiti ndani ya bendi nyembamba — kazi ya lugha ya kiwango cha uhariri na maoni ya awali yanayoongozwa na rubriki — na yanastahili kuchukuliwa tu kama unabuni kinachotokea kuzunguka maoni. Kufika ni sehemu rahisi. Katika jaribio la kubahatisha kwa kikundi lenye wanafunzi 1,176 wa mwaka wa kwanza, miundo ya kufikiri na ya mseto ilishinda ukosoaji wa moja kwa moja wa AI katika uhamisho ulioahirishwa, bila AI; katika jaribio la inshaa la kubahatisha lenye wanafunzi 70, maoni ya AI ya ubora wa juu hayakuza mapitio bora zaidi ya yale ya mwalimu mwenye uzoefu. Katika ushahidi wote, kile wanafunzi wanachofanya na maoni ni muhimu zaidi ya jinsi maoni yanavyofika haraka, na ujuzi wa maoni — si upatikanaji wa AI — unatenganisha wanafunzi wanaopata faida na wale wanaonakili.

Tofauti inayoamua yote: kiasi si ubora, na kutoa si kusomwa

Tenganisho mbili hufanya kazi nyingi kwenye ukurasa huu.

Maoni zaidi si maoni bora. AI inaweza kuzalisha maoni kwa kila rasimu kila wiki; kiasi ni karibu bila gharama. Ubora si. Zhan, Boud, Dawson na Yan (2025) wanafanya ubora wa ilani kuwa funda la mchakato: ilani za kutokuwa na uhakika huzalisha matokeo ya jumla, yasiyo na manufaa, na maoni yaliyozalishwa yanaweza kutengenezwa, kuwa na upendeleo au kujirudia, ambayo husukuma hukumu ya tathmini nyuma kwa msomaji. Usawazishaji ni mkali zaidi: katika Farrokhnia na wenzake (2026), ubora wa maoni ya GenAI ulihusishwa kwa kiasi kikubwa na nguvu ya rasimu ya awali ya mwanafunzi, wakati ubora wa maoni ya mwalimu haukuwa — mwalimu alisawazisha kwa uthabiti zaidi. Kiasi hupanuka. Usawazishaji hapanuki.

Maoni yaliyotolewa si maoni yaliyotekelezwa. Hii ni mkanganyiko wa gharama zaidi. Farrokhnia na wenzake walibahatisha wanafunzi 70 wanaoandika inshaa za hoja kwa Kiajemi katika vikundi vitatu. Utoaji wa ilani wa mchakato wa mawazo ulizalisha maoni yenye ukadiriaji wa juu kwa kiasi kikubwa (M = 12.90) kuliko zote mbili, utoaji wa ilani wa zero-shot (M = 11.25, p = .01) na mwalimu wa binadamu mwenye uzoefu (M = 11.20, p = .008). Kikundi cha mchakato wa mawazo bado hakubadilisha inshaa zake kwa kiasi kikubwa zaidi ya kikundi cha maoni ya mwalimu, kilichopata faida zinazolingana. Maoni yenye ukadiriaji bora, mapitio yale yale. Kama kipimo chako ni ubora wa kile mfano unaandika, hiyo husomwa kama ushindi; kama kipimo chako ni kile kilibadilika katika inshaa, haifanyi.

Nani anayetekeleza maoni hutegemea mwanafunzi. Katika Hawkins, Taylor-Griffiths na Lodge (2026), wanafunzi 32 wa saikolojia walifanya kazi ya dakika 25 ya inshaa iliyorekodiwa kwa skrini na upatikanaji bila vikomo wa ChatGPT, kisha wakatazama rekodi katika mahojiano ya kuchochewa na video. Ujuzi wa maoni ulikuwa mtakuiri pekee muhimu wa chanya wa alama ya inshaa (β = 0.46, p = .017); makala ya uhariri ya toleo maalum ya Zhan, Wood, Carless na Yan (2026) inataja kuwa mara ya matumizi ya GenAI, uaminifu wa chanzo na maarifa ya awali hazikutabiri utendaji. Chini ya theluthi moja ya wanafunzi walilinganisha matokeo ya AI dhidi ya chanzo kingine cha mtandao; nusu walieleza kuepuka AI kwa makusudi kwa uadilifu wa kitaaluma au kutaka inshaa iwe kwa maneno yao wenyewe; na wengi waliomba maoni ya kiwango cha kazi, ambayo yanahamishwa vibaya kwa kazi zingine.

Upokeaji pia hausambazwi sawa. Katika jaribio la chuo kikuu chote la Deakin lililoripotiwa na Tubino na Adachi (2022), zana ya AI ilikuwa ya hiari, na matumizi yalikuwa wastani wa takribani 13% ya wanafunzi wa chuo kikuu na 12% ya wanafunzi wa utawala licha ya wanafunzi karibu 4,000 kuwa na upatikanaji. Wanafunzi wenye nia njema, wenye mafanikio ya juu walitumia zaidi. Hicho ndicho "kupata zana ikipatikana" hununua, na hii ndiyo sababu sehemu iliyobaki ya ukurasa huu ni kuhusu muundo badala ya upatikanaji.

AI ni nzuri kwa nini hasa, na inaishia wapi

Nzuri: upatikanaji na uthabiti ndani ya bendi nyembamba. Tubino na Adachi wanaripoti jaribio hilo la Deakin mwaka 2021 ukitumia zana ya maoni ya kiotomatiki ya FeedbackFruits katika vitengo 29 na wanafunzi karibu 4,000. Inafanya kazi kwa vipengele vya maandishi vya kiwango cha micro — urefu wa sentensi, alama za uakifishaji, sarufi, muundo wa maandishi — ikisaidia hatua ya uhariri: mkufunzi anaweka vigezo, mwanafunzi anatumia zana kwa uhuru na anapata maoni ya wakati na ya kutenda. Mgawanyo wa kazi ndio unaopana, si mfano.

Mbaya: ujumla, usahihi na usawazishaji. Hapo ndipo inashindwa (Zhan na wenzake, 2025), na tiba ni ilani, rubriki au binadamu — si mfano mkubwa zaidi. Aldino na wenzake (2026) wanaongeza hali za kushindwa za upande wa mkufunzi kutoka kwa waelimishaji 21 wa elimu ya juu: toni isiyo thabiti (n = 7), upotoshaji wa habari unaowezekana (n = 5) na masuala ya uaminifu (n = 5), na juhudi za mapitio zikitumika kufuta sifa za kupitisha na mapendekezo ya jumla badala ya kuongeza maudhui.

Muundo wa utekelezaji unaodumu

Ushahidi unaunga mkono umbo moja zaidi ya yote: AI inatengeneza rasimu, mwanafunzi anatahini kwanza, na binadamu anaamua.

Cha kiotomatiki. Kazi ya lugha ya kiwango cha micro na uchanganuzi wa awali unaoongozwa na rubriki. Mpe mfano rubriki na ufanye ihitimishe hatua kwa hatua — faida ya ubora ya Farrokhnia na wenzake ilitoka kwa ilani ya mchakato wa mawazo inayopitia mfano tathmini ya hatua kwa hatua dhidi ya rubriki ya hoja, si maelekezo ya moja kwa moja. Gu, Chen na Yan (2026) vivyo hivyo waliwapa kikundi chao cha GenAI ChatGPT-4o na rubriki zilizofunzwa awali na miongozo ya ilani, ambayo ndiyo iliyofanya matokeo yaweze kukaguliwa dhidi ya vigezo vilivyotajwa. Uzalishaji unaorejelea rubriki unaweza kiotomatishwa; hukumu haiwezi.

Cha kuweka kibinadamu. Ujumbe wa mwisho, toni, na kitu chochote kinachokuwa rekodi. Becerra, Palma na Cobos (2026) wanaelezea AICoFE, ambayo inaendesha mifano mitatu iliyoboreshwa kwa uhuru (GPT-4.1-mini, Gemini 2.5 Flash, Llama 3.1) juu ya alama za rubriki na uchunguzi wa ubora ili kuzalisha maoni ya rasimu huru, kisha inamfanya mkufunzi atunge ujumbe wa mwisho kwa kuchagua sentensi au aya, na mwongozo unaoonyesha ni mfano upi ulichangia nini. AI ni kizalishaji wa rasimu, si mtoaji wa mwisho. Aldino na wenzake wanapata mtindo ule ule wa "saidizi lakini hakiki": sehemu ya ML mara nyingi ilitambua Kukidhi Malengo ya Kujifunza kama kinachokosekana (waalimu 20 kati ya 21 walikuwa wamekosa; 16 walikubali) na Uhusiano wa Mwanafunzi–Mwalimu (14 walikosa; 12 walikubali), waelimishaji wakiamua kila pendekezo kwa hukumu ya kitaaluma.

Jinsi ya kupanga hatua. Usizisimamishe vyanzo kando kwa kando; zipange. Katika jaribio la Ateş (2026), hali ya kufikiri ilihitaji tathmini binafsi kabla ya ukosoaji wa AI, na ya mseto iliendesha tathmini binafsi → maoni ya marika → ukosoaji wa GenAI. Tubino na Adachi wanapendekeza violezo kwa hatua tatu za kutengeneza rasimu kwa sababu ile ile. Unganisha AI na maoni ya marika badala ya kubadilisha moja kwa jengine: Gu na wenzake waliendesha madarasa mawili ya Kiingereza ya sambamba (N = 118 wanafunzi wa mwaka wa kwanza nchini Uchina; GenAI n = 56, marika n = 62) kupitia mizunguko mitatu ya tathmini binafsi kwa semester moja, na ngazi za msaada za GenAI ziliboresha ujuzi wa maoni kidogo lakini kwa kiasi kikubwa zaidi ya mapitio ya marika ya binadamu (ANCOVA p = 0.049, ηp² = 0.03). Wanafunzi wa GenAI waliboresha ilani kwa kurudia na kuthibitisha au kupinga matokeo yasiyo sahihi, wakati wanafunzi wa kikundi cha marika walichagua vyanzo kwa urahisi wa kijamii na hukumu yao ya tathmini ilipinduliwa na upendeleo wa urafiki. Mapitio ya marika yalihifadhi thamani tofauti kwa ufahamu wa hadhira, hivyo waandishi wanapendekeza miundo ya hatua nyingi na maoni ya marika bila ya majina.

Jinsi ya kuielezea kwa wanafunzi. Kama maoni ya rasimu yanayopaswa kuhukumiwa, si jibu la kunakiliwa. Sema wazi kwamba maoni ya mfano yanaweza kutengenezwa, kuwa na upendeleo au kujirudia na kwamba mwanafunzi anamiliki mapitio. Jozi ya waandishi wa IELTS katika Zhan na wenzake inaonyesha viwango: mwanafunzi wa ujuzi wa chini wa lugha na ilani ya kutokuwa na uhakika alipata maoni ya jumla, akaamini au kunakili kupita kiasi na kushiriki kwa juujuu; mwanafunzi wa ujuzi wa juu wa lugha aliandika ilani inayorejelea vigezo, alifuatilia, alikagua vyanzo na kufuatilia mapitio. Tofauti ilikuwa maelekezo na tabia, si upatikanaji wa zana.

Jinsi ya kuhakiki matokeo. Toa sampuli ya maoni yaliyozalishwa dhidi ya usomaji wako mwenyewe wa rasimu zile zile, ukitafuta hali za kushindwa zilizotajwa juu — toni, upotoshaji wa habari, sifa za kupitisha, kurudia. Katika jaribio la Deakin, viwango vya wastani vya chanya vilikuwepo na makosa yaliyoainishwa na wanafunzi, hivyo kuridhika ni ishara dhaifu ya ubora; dodoso ya uso wenye tabasamu si ushahidi wa usahihi.

Hali za kushindwa, na namba

Muundo, si upatikanaji, unaendesha athari. Ushahidi mkubwa wa muundo ni jaribio la muda mrefu la kisayansi, la kubahatisha kwa kikundi, la tovuti nyingi: wanafunzi 1,176 wa mwaka wa kwanza katika sehemu 48 katika vyuo 4 na vikoa 3 vya sayansi, wakibahatishwa kwa kiwango cha sehemu katika hali za marika tu, GenAI ya moja kwa moja, GenAI ya kufikiri na ya mseto. Ya mseto ilizalisha faida za juu zaidi za ubora wa hoja na manufaa ya wazi zaidi ya kujifunza kwa dhana. Ya kufikiri na ya mseto zote zilizalisha upokeaji mkubwa wa maoni na kujidhibiti kuliko GenAI ya moja kwa moja, na zote zilishinda katika uhamisho ulioahirishwa, bila AI. GenAI ya moja kwa moja iliboresha ubora wa hoja wa papo hapo zaidi ya maoni ya marika — manufaa inayo nayo — lakini kwa uhamisho dhaifu zaidi. Thamani ya kielimu kwa hivyo inategemea chini ya upatikanaji wa AI kuliko kama mazingira ya maoni yanahifadhi wakala wa mwanafunzi, hukumu ya tathmini na umiliki wakati wa mapitio: ukosoaji wa moja kwa moja unakaribisha upokeaji wa kupitisha, wakati miundo ya kufikiri na ya mseto inamlaazimisha mwanafunzi kuitafsiri, kuilinganisha na vigezo, kuhukumu umuhimu wake, na kisha kubadilisha. Vipimo vingine vya athari vinapunguza hili. Manufao ya Gu na wenzake juu ya mapitio ya marika ilikuwa ndogo, na waliisoma kama halisi lakini si ya kubadilisha yenyewe — ngazi za msaada za mwalimu, miongozo ya ilani na karatasi za kazi zilifanya kazi ya msaada. Muundo wa makala ya uhariri ni kwamba GenAI na maoni ya binadamu ni ya kukamiliana tu kama ukamilishaji unabainishwa, kupitia kupanga hatua, kulinganisha, kuhariri na utawala badala ya kuacha vyanzo viwili kando kwa kando.

Uaminifu kupita kiasi katika miisho yote ya mfereji. Wanafunzi wanaweza kutegemea kupita kiasi bila uhakiki wakati wanapotekeleza maoni, na waalimu wanaweza kurejea sana kwa mapendekezo. Maoni ya mwalimu pia mara nyingi hueleweka na wanafunzi kama hasi zaidi au yenye hatari zaidi kuliko maoni ya GenAI, ambayo inapinduka dhana ya kawaida ya ubora. Chukua ujuzi wa maoni kama sharti la awali badala ya dhana: mtakuiri mwenye nguvu zaidi katika Hawkins na wenzake ulikuwa ujuzi wa maoni wa mwanafunzi, si mara walizotumia AI.

Mzigo wa kazi unaohamia badala ya kupungua. Swali la mzigo wa kazi ni lile linalotangazwa sana. Waelimishaji 21 waliulizwa zana ya maoni ya AI waliwapa nini, waliita kuokoa muda (n = 2) mara chache tu, na waliita fikra (n = 14), lugha iliyoboreshwa na muundo (n = 11) na utambuzi wa vipengele vilivyokosekana (n = 10) mara nyingi zaidi. Manufao yanayoonekana ni rasimu na ilani ya uchanganuzi, si maoni yaliyokamilika. Kinachoonekana badala yake ni kazi ya mapitio, usawazishaji na uhakiki. Kumi na mbili kati ya waelimu 21 walifanya marekebisho zaidi ya kiwango cha sentensi; kuhariri (f = 32) na kuondoa (f = 27) zilitawala, na kuongeza zikiwa adimu (f = 8). Mtindo unaotawala ulikuwa kusawazisha toni — kuhariri sifa za kupitisha chini (f = 11), kuondoa mapendekezo (f = 9), kuondoa moyo (f = 8) — ili kulinda uhalisi na sauti ya kitaaluma, na mapitio yalikusanyika katika kipengele cha mahusiano, hasa Uhusiano wa Mwanafunzi–Mwalimu (f = 24). Waelimu walihitaji uhariri wa binadamu (n = 9), toni isiyo thabiti (n = 7), upotoshaji wa habari (n = 5) na masuala ya uaminifu (n = 5); waalimu wenye uzoefu wa zaidi ya miaka mitano waliripoti zaidi ya hizi, wakati waelimu wenye uzoefu mdogo walithamini ngazi za msaada — sababu ya kuangalia kama wanaoanza wanaorejea sana kwa mapendekezo ya AI hujenga hukumu ndogo huru. Kanuni ya makala ya uhariri: GenAI inasambaza tena badala ya kuondoa kazi ya mwalimu, na zana zilizobuniwa vibaya zinaweza kuiongeza.

Vipingizio vitatu, vimechukuliwa kwa uzito

"Maoni ya AI si ya kibinafsi." Mara nyingi ni kweli, na hicho hasa ndiyo sababu ya kuweka neno la mwisho kuwa la binadamu. AICoFE ipo kwa sababu maneno ya jumla ya mfano si kile mwanafunzi anapaswa kupokea — mkufunzi anachagua, anahariri na anatia saini ujumbe wa mwisho. Waelimu 21 katika Aldino na wenzake waliandika upya toni kwa sababu ile ile, wakifuta sifa za kupitisha na kukata mapendekezo ambayo hayakulingana na uhusiano wao na mwanafunzi. Kubinafsisha si kazi ya mfano katika muundo huu; ni yako, na mfano anafanya kazi ya maandalizi.

"Wanafunzi wangu hawatasoma maoni hata hivyo." Wanasoma chini ya tunavyotumaini, na ushahidi unasema tiba ni muundo, si kiasi. Upokeaji katika jaribio la Deakin lilikuwa takribani 13% ya wanafunzi wa chuo kikuu na 12% ya wanafunzi wa utawala. Maoni ya AI yenye ukadiriaji wa juu ya Farrokhnia na wenzake hayakuzalisha mapitio zaidi ya maoni ya mwalimu. Kile kilichosogeza ni kupanga hatua kunakolazimisha ushiriki — tathmini binafsi kwanza, kisha maoni ya marika, kisha ukosoaji wa AI — pamoja na mizunguko mitatu ya mapitio kwa semester iliyozalisha tofauti zinazopimika za ujuzi wa maoni. Uwasilishaji tena wa siku ile ile ni alama inayoweza kutumika ya kama wanafunzi walishiriki hata kidogo.

"Hiki si wanacholipa wanafunzi." Basi usiruhusu AI iwe sauti pekee wanayoisikia kutoka kwako. Toleo linaloweza kutetea la zana ni lile ambapo wanafunzi hupata nafasi zaidi za maoni wakati wewe unatumia saa zako kwa sehemu zinazohitaji hukumu: neno la mwisho, usawazishaji, maoni yanayobeba mamlaka yako. Kile wanafunzi wanapoteza chini ya utekelezaji usio na uangalifu si uwepo wako bali muunganisho kati ya vigezo, maoni na matokeo. Bainisha ukamilishaji — kupanga hatua, kulinganisha, kuhariri, utawala — na pingio linatoweka; acha vyanzo viwili kando kwa kando na halitoweki.

Wiki hii

1. Panga seti yako ya mwisho ya maoni katika marekebisho ya kiwango cha lugha na maamuzi ya kiwango cha hukumu. Kategoria ya kwanza tu ni mgombea wa kiotomatiki.

2. Andika ilani inayorejelea rubriki, ya hatua kwa hatua ambayo ungempa mfano, na uipime dhidi ya rasimu tatu ambazo tayari umeweka alama.

3. Toa sampuli ya matokeo dhidi ya maoni yako mwenyewe na uweke kumbukumbu ya mahali mfano ulikuwa wa jumla, wa makosa au wa kupendeza.

4. Panga kazi moja kama tathmini binafsi → maoni ya marika → ukosoaji wa AI, na uwaambie wanafunzi kwamba AI ni maoni ya rasimu wanayotarajiwa kupinga.

5. Omba ulinganishaji moja dhidi ya chanzo cha pili au dhidi ya vigezo — chini ya theluthi moja ya wanafunzi hufanya hivi bila kusukumwa.

6. Weka bajeti ya muda wa mapitio ambao kweli utatumia kwa toni na kufuta, na ulinganishe na ulichoweka huru.

7. Angalia mgawanyo wa mtaalam–mwanzo. Kama wenzako wenye uzoefu wanaripoti matatizo zaidi na matokeo ya zana kuliko wewe, hiyo ni habari kuhusu usawazishaji wako mwenyewe.

8. Amua matokeo gani yanahesabiwa na yapime huo: viwango vya matumizi, alama za mapitio na utendaji wa muda mrefu bila msaada — si viwango vya kuridhika. Asilimi ya Deakin ya takribani 13% na 12% ni msingi muhimu, na ufuatiliaji wa uundaji wa AICoFE huiga upande wa mkufunzi: weka kumbukumbu ya kiasi gani cha maoni ya mwisho kilikutoka kwa mfano na kiasi gani ulibadilisha.

Mahali ukurasa huu unapokaa. Maoni ni dhana ya mwanya kwa mfumo wote — utoaji, mzunguko, upokeaji na muktadha wa tathmini — na ubora wa maoni ya AI unashughulikia kile kinachofanya maoni yaliyozalishwa kuwa sahihi, ya manufaa, ya wakati na ya kitaaluma. Ukurasa huu ni katikati ya vitendo: ni muunganisho upi wa sehemu hizo unaozalisha maoni bora kwa kiwango kikubwa. Maswali kuhusu kile alama inapaswa kuashiria AI inapohusika — kubadilisha kile kinachopimwa, ushahidi wa mchakato uliohakikiwa, kanuni za uadilifu — yanahusika na kubuni upya tathmini katika nyakati za AI na uhalali wa tathmini zaidi ya hapa.

Kwa kesi maalum ya mafunzo ya uandishi, ona mbinu bora za mafunzo ya uandishi katika muktadha wa AI.