ارزیابی اثر واقعی بازخورد هوش مصنوعی بر یادگیری با ردیابی فرایند و سنجش انصاف علی در آموزش عالی

ظهور سامانه های هوش مصنوعی متنی به ویژه مدل های زبانی بزرگ الگوهای بازخورد آموزشی را دگرگون کرده است. با این حال بیشتر پژوهش ها اثر را بر مبنای خروجی نهایی (نمره) یا رضایت می سنجند و نقش فرایند «تعامل دانشجو - سامانه» و «انصاف علی» میان زیر گروه های دانشجویی را کمتر به طور نظام مند تحلیل می کنند. این مقاله چارچوبی تجربی برای تفکیک اثر واقعی بازخورد از آثار ظاهری مانند کپی برداری یا اتو تکمیل ارائه می دهد. روش پیشنهادی مبتنی بر ردیابی فرایند، ثبت چرخه های پرسش پاسخ، گام های ویرایش و زمان سنجی اقدامات و مدلسازی علی، استفاده از گراف علی ساختاری و ارزیابی پادواقعی است. در یک طرح درون گروهی، تناوبی دانشجویان درس های مقدماتی میانی برنامه نویسی یا نگارش علمی در چهار تکلیف متوالی دو نوبت با بازخورد هوش مصنوعی و دو نوبت با بازخورد انسانی کار می کنند (ترتیب تصادفی). شاخص های یادگیری پیش و پس آزمون، نگهداشت با فاصله، کیفیت محصول با روبریک (دوسوکور) در کنار شاخص های فرایندی (شمار چرخه ها، عمق بازبینی، فاصله ویرایشی) و سنجه های انصاف علی (اثر علی میانگین و پادواقعی) برای زیرگروه ها تحلیل می شود. انتظار می رود چارچوب پیشنهادی بتواند سهم واقعی بازخورد هوش مصنوعی بر یادگیری را جداسازی کرده و تصویر دقیق تری از آثار و چالش های انصاف در آموزش عالی ارائه دهد.

کلیدواژه ها:

بازخورد هوش مصنوعی ، ردیابی فرایند ، سنجش علی ، انصاف آموزشی ، آموزش عالی ، یادگیری