نظریه های آموزشی بنیادین در ارزیابی

درک نقش هوش مصنوعی در ارزیابی آموزشی مستلزم آشنایی با نظریه های بنیادینی است که چارچوب نظری این حوزه را شکل می دهند. یکی از مهم ترین این نظریه ها، طبقه بندی بلوم (۱۹۵۶) است که سطوح یادگیری را از دانش و فهم تا ارزیابی و خلق دسته بندی می کند. پژوهشگران معاصر استدلال می کنند که هوش مصنوعی بر سطوح مختلف طبقه بندی بلوم به صورت های متفاوت تاثیر می گذارد و ارزیابی باید متناسب با این تفاوت ها تطبیق یابد (آرکایو، ۲۰۲۵). نظریه دیگری که زمینه ساز فهم ارزیابی مبتنی بر هوش مصنوعی است، تمایز بین ارزیابی تکوینی (Formative) و پایانی (Summative) است. بلک و ویلیام (۲۰۰۹) ارزیابی تکوینی را فرآیند گردآوری، تحلیل و استفاده از اطلاعات درباره یادگیری دانش آموزان تعریف می کنند که هدف آن اتخاذ تصمیم های آموزشی به موقع و هدایت یادگیرندگان به سوی اهداف یادگیری است. در مقابل، ارزیابی پایانی در پایان یک دوره آموزشی برای سنجش میزان تحقق اهداف انجام می شود (تاراس، ۲۰۰۵). پژوهش ها نشان داده اند که هوش مصنوعی در ارتقای هر دو نوع ارزیابی نقشی فعال دارد، اما بیشترین پژوهش ها بر ارزیابی تکوینی متمرکز بوده اند (کمیسیون اروپایی، ۲۰۲۱).