اثربخشی بازخورد اصلاحی مبتنی بر هوش مصنوعی مولد در مقایسه با بازخورد معلم بر دقت و روانی نگارش (Writing) زبان آموزان

پژوهش حاضر با هدف بررسی و مقایسه تطبیقی اثربخشی بازخورد اصلاحی مبتنی بر هوش مصنوعی مولد (Generative AI) و بازخورد سنتی مدرس بر پارامترهای دقت (Accuracy) و روانی (Fluency) در مهارت نگارش زبان آموزان سطح متوسط زبان انگلیسی به عنوان زبان خارجی (EFL) انجام شد. ضرورت این مطالعه ناشی از گسترش سریع فناوری های مبتنی بر مدل های زبانی بزرگ و نیاز مبرم به سنجش علمی کارایی آن ها در محیط های آموزشی است. در این پژوهش شبه تجربی، ۶۰ شرکت کننده به روش نمونه گیری هدفمند انتخاب و به طور تصادفی در دو گروه آزمایش و کنترل قرار گرفتند. گروه آزمایش بازخوردهای اصلاحی خود را در طول یک ترم تحصیلی از ابزارهای هوش مصنوعی مولد دریافت کرد، در حالی که گروه کنترل تحت بازخوردهای مستقیم و مکتوب مدرس قرار داشت. ابزارهای گردآوری داده ها شامل پیش آزمون و پس آزمون استاندارد نگارش و تحلیل آماری داده ها با استفاده از آزمون تحلیل کوواریانس (ANCOVA) بود. یافته های پژوهش نشان داد که بازخورد هوش مصنوعی در بهبود دقت نوشتاری، به ویژه در حوزه های ساختار نحو و کاربرد صحیح واژگان، به طور معناداری کارآمدتر از بازخورد مدرس عمل کرده است. این برتری به ویژگی «آنی بودن» و «تکرارپذیری» بازخوردهای دیجیتال نسبت داده می شود. با این وجود، در شاخص روانی نگارش، تفاوت آماری تعیین کننده ای میان دو گروه مشاهده نگردید. نتایج حاکی از آن است که تلفیق هوش مصنوعی در فرآیند یاددهی-یادگیری می تواند به عنوان مکمل بازخورد انسانی، به تقویت مهارت های تولیدی زبان آموزان و توسعه یادگیری خودمختار منجر شود. بر اساس یافته ها، پیشنهاد می گردد مدرسان از این ابزار برای رفع خطاهای سطحی و از بازخورد انسانی برای تحلیل های محتوایی عمیق تر بهره گیرند.

کلیدواژه ها:

هوش مصنوعی مولد ، بازخورد اصلاحی ، دقت نوشتاری ، روانی نگارش ، آموزش زبان به کمک رایانه (CALL) ، یادگیری خودمختار.