بازخورد خودکار روزانه، یادگیری خودتنظیم را به طور معناداری تقویت می کند

در سطح آموزش ابتدایی و متوسطه (K-۱۲)، مطالعات نشان داده اند که دسترسی ناپایدار به ابزارهای ارزیابی دیجیتال، بسیاری از معلمان را ناچار می کند به فرآیندهای کاغذمحور متکی باشند و بازخورد را تنها در چرخه های هفتگی یا دوهفتگی ارائه دهند (دوآن و همکاران، ۲۰۲۴). این تاخیر در ارائه بازخورد، فرصت های یادگیری مهمی را از دانش آموزان می گیرد. ادغام هوش مصنوعی در سیستم های مدیریت یادگیری می تواند این شکاف را پر کرده و امکان ارائه بازخورد فوری در سطح کلاس را فراهم کند. تیان و همکاران (۲۰۲۵) در پژوهشی که ملاحظات پیاده سازی تصحیح خودکار مبتنی بر هوش مصنوعی را در محیط K-۱۲ بررسی می کند، تاکید دارند که مدل های زبانی بزرگ گام بعدی در ادغام چارچوب های آموزشی و سیستم های تصحیح خودکار هستند.بل هاوزر، دیگنات و تئوبالد (۲۰۲۳) در یک آزمایش میدانی تصادفی طولی که در مجله مرزهای روان شناسی منتشر شده، نشان دادند که بازخورد خودکار روزانه، یادگیری خودتنظیم را به طور معناداری تقویت می کند. این یافته اهمیت ویژه ای دارد، چراکه یادگیری خودتنظیم یکی از مهارت های محوری قرن بیست ویکم محسوب می شود. همچنین، وین (۲۰۲۲) استدلال می کند که بازخورد مبتنی بر هوش مصنوعی دانش آموزان را تشویق می کند تا به صورت انتقادی درباره کارشان فکر کنند، دیدگاه های مختلف را تحلیل کنند و درک خود را اصلاح نمایند؛ فرآیندی که مهارت های فراشناختی و خودبازاندیشی را تقویت می کند.