DOI: https://doi.org/10.54855/ijaile.26311
تاريخ النشر: 2026-04-29
المؤلف: Nhut Nam Ho وآخرون
الموضوع الرئيسي: تعليم وتعلم اللغة الإنجليزية كلغة أجنبية/ثانوية
نظرة عامة
تستكشف الدراسة الفروق بين تقييمات الكتابة التي أجراها ChatGPT ومعلمو اللغة الإنجليزية كلغة أجنبية الفيتناميين، مع معالجة فجوة ملحوظة في سياق التعليم في فيتنام. شملت الدراسة عشرين معلمًا ذو خبرة من مراكز اللغة الإنجليزية والجامعات في مدينة هو تشي منه، واستخدمت منهجًا كميًا باستخدام مقياس تحليلي لتقييم مقالات من عشرين طالبًا. أظهر اختبار t لعينة مزدوجة فرقًا ذا دلالة إحصائية (p = .034) بين الدرجات التي منحها ChatGPT (المتوسط = 16.08، الانحراف المعياري = 3.29) والمقيمين البشريين (المتوسط = 14.75، الانحراف المعياري = 2.96)، حيث كان ChatGPT يمنح باستمرار درجات أعلى عبر جميع معايير التقييم، لا سيما في المحتوى والتنظيم.
تشير النتائج إلى أنه بينما يظهر ChatGPT ميلًا للتقييم المتساهل، خاصة في تقييم المحتوى والجوانب التنظيمية، فإن تقييماته للقواعد والمفردات تتماشى بشكل أقرب مع تلك الخاصة بالمقيمين البشريين. وهذا يشير إلى أن التقييمات المعتمدة على الذكاء الاصطناعي قد تعكس بفعالية الأحكام البشرية في الأبعاد المعجمية والنحوية. تفترض الدراسة أن ChatGPT يمكن أن يكون أداة قيمة لتقييم الكتابة في اللغة الإنجليزية كلغة أجنبية، مما قد يخفف من عبء العمل على المعلمين في التقييمات واسعة النطاق. ومع ذلك، تؤكد على ضرورة الإشراف البشري، لا سيما في تقييم المحتوى والتنظيم. تشمل القيود حجم العينة الصغيرة والتركيز على نوع واحد من المقالات، مما يشير إلى الحاجة لمزيد من البحث مع عينات أكبر وأكثر تنوعًا ونسخ متعددة من ChatGPT لتعزيز القابلية للتعميم والموثوقية في تقييمات الكتابة.
مقدمة
تسلط مقدمة الدراسة الضوء على التأثير السريع لـ ChatGPT، نموذج مدعوم بالذكاء الاصطناعي، على التعليم اللغوي منذ ظهوره (هونغ، 2023). تؤكد على الدور المزدوج لـ ChatGPT في توفير تجارب تعلم شخصية للطلاب ومساعدة المعلمين في تحديث طرق التدريس والتقييم، مما يعزز الكفاءة ويوفر الوقت (رودولف وآخرون، 2023؛ هوانغ وآخرون، 2025). بالإضافة إلى ذلك، تناقش هذه القسم ظهور أنظمة التقييم الآلي، التي تقدم تعليقات فورية واتساقًا في الدرجات، مما يخفف من تحديات التقييم اليدوي، بما في ذلك التحيز والذاتية (لودفيغ وآخرون، 2021). الشعور العام بين معلمي اللغة الإنجليزية كلغة أجنبية إيجابي بشأن دمج ChatGPT كأداة داعمة في تعليم الكتابة (نجوين، 2023).
الطرق
توضح قسم “الطرق” في ورقة البحث التصميم التجريبي والتقنيات التحليلية المستخدمة للتحقيق في أسئلة البحث. استخدمت الدراسة منهجًا كميًا، مع دمج التحليلات الإحصائية لتقييم البيانات التي تم جمعها من تجارب مختلفة. شملت المنهجيات المحددة تجارب مختبرية محكومة، حيث تم التلاعب بالمتغيرات بشكل منهجي لملاحظة آثارها على النتائج ذات الاهتمام.
شملت جمع البيانات كل من القياسات النوعية والكمية، مما يضمن فهمًا شاملاً للظواهر قيد التحقيق. تم إجراء التحليل باستخدام برامج إحصائية متقدمة، مما سمح بإجراء اختبارات صارمة للفرضيات والتحقق من النتائج. تم اشتقاق النتائج الرئيسية من تطبيق الاختبارات الإحصائية، التي قدمت رؤى حول العلاقات بين المتغيرات المدروسة. بشكل عام، كانت الطرق المستخدمة مصممة لضمان الموثوقية والصلاحية، مما يساهم في قوة نتائج البحث.
النتائج
تكشف نتائج الدراسة عن اختلافات كبيرة في تقييمات الكتابة بين ChatGPT ومعلمي اللغة الإنجليزية كلغة أجنبية الفيتناميين. أشار اختبار t لعينة مزدوجة إلى أن ChatGPT منح درجات إجمالية أعلى (م = 16.08، الانحراف المعياري = 3.29) مقارنة بالمقيمين البشريين (م = 14.75، الانحراف المعياري = 2.98)، مع فرق متوسط ذو دلالة إحصائية قدره -1.325 (t(19) = -2.29، p = .034). كانت هذه الاتجاهات متسقة عبر معايير محددة، حيث قدم ChatGPT أيضًا درجات أعلى للمحتوى (م = 4.28 مقابل م = 3.78، p = .006) والتنظيم (م = 4.15 مقابل م = 3.70، p = .014). تم ملاحظة أكبر تباين في معيار المحتوى، حيث يشير تقييم ChatGPT الأكثر سخاء إلى التركيز على الجودة العامة بدلاً من القضايا الدقيقة في المحتوى التي عاقب عليها المقيمون البشريون بشكل أكثر صرامة.
في المقابل، كانت الفروق في درجات القواعد والمفردات أصغر، حيث كانت -0.25 و -0.13، على التوالي، مما يشير إلى توافق أقرب بين ChatGPT والمقيمين البشريين في هذه المجالات. وهذا يشير إلى أنه بينما قد يكون ChatGPT أكثر تساهلاً في تقييم المحتوى والتنظيم، فإن تقييماته للقواعد والمفردات تتماشى بشكل أكبر مع تلك الخاصة بالمقيمين البشريين. بشكل عام، تسلط النتائج الضوء على المعايير التقييمية المتنوعة التي يستخدمها ChatGPT والمقيمون البشريون، لا سيما في كيفية تفسيرهم وتحديد أولويات جوانب مختلفة من كتابة الطلاب.
المناقشة
في قسم المناقشة من الدراسة، يفحص المؤلفون فعالية ChatGPT كأداة لتقييم الكتابة مقارنة بمعلمي اللغة الإنجليزية كلغة أجنبية الفيتناميين. كشفت التحليلات عن اختلافات كبيرة في الدرجات الإجمالية وفي معايير المحتوى والتنظيم، على الرغم من عدم العثور على اختلافات ذات دلالة إحصائية في درجات القواعد والمفردات. يتماشى هذا مع الأبحاث السابقة التي تشير إلى أنه بينما يمكن لـ ChatGPT تقديم تقييمات، فإنه غالبًا ما يفتقر إلى الفهم الدقيق الذي يمتلكه المقيمون البشريون، لا سيما في تقييم عمق وأهمية الأفكار. تشير النتائج إلى أن ChatGPT يميل إلى منح درجات أعلى، خاصة في معيار المحتوى، مما يدل على نهج تقييم أكثر تساهلاً مقارنة بالمعايير الأكثر صرامة التي يطبقها المقيمون البشريون.
تسلط الدراسة الضوء على الحاجة إلى الحذر في دمج أدوات الذكاء الاصطناعي مثل ChatGPT في تقييمات الكتابة، حيث تعكس الاختلافات في معايير التقييم أولويات متميزة بين الذكاء الاصطناعي والمقيمين البشريين. على وجه الخصوص، قد يميل تركيز ChatGPT نحو اكتمال الردود بشكل عام بدلاً من العمق والوضوح الذي يفضله المقيمون البشريون. يبرز هذا التباين أهمية فهم قيود الذكاء الاصطناعي في السياقات التعليمية ويقترح أنه بينما يمكن أن يساعد ChatGPT في التقييم، يجب ألا يحل محل الحكم البشري في تقييم كتابة الطلاب. يُوصى بمزيد من البحث لاستكشاف هذه الاختلافات بتفصيل أكبر، لا سيما ضمن سياق اللغة الإنجليزية كلغة أجنبية الفيتنامية، لتعزيز دمج الذكاء الاصطناعي في التقييمات التعليمية.
DOI: https://doi.org/10.54855/ijaile.26311
Publication Date: 2026-04-29
Author(s): Nhut Nam Ho et al.
Primary Topic: EFL/ESL Teaching and Learning
Overview
The study investigates the differences between writing assessments conducted by ChatGPT and Vietnamese EFL teachers, addressing a notable gap in the context of education in Vietnam. Involving twenty experienced teachers from English centers and universities in Ho Chi Minh City, the research employed a quantitative approach using an analytic rubric to evaluate essays from twenty students. A paired-sample t-test revealed a statistically significant difference (p = .034) between the scores assigned by ChatGPT (mean = 16.08, SD = 3.29) and human raters (mean = 14.75, SD = 2.96), with ChatGPT consistently awarding higher scores across all assessment criteria, particularly in content and organization.
The findings suggest that while ChatGPT demonstrates a lenient scoring tendency, especially in evaluating content and organizational aspects, its assessments of grammar and vocabulary align more closely with those of human raters. This indicates that AI-based evaluations may effectively reflect human judgments in lexical and grammatical dimensions. The study posits that ChatGPT could serve as a valuable tool for EFL writing assessment, potentially alleviating teacher workload in large-scale evaluations. However, it emphasizes the necessity of human oversight, particularly in assessing content and organization. Limitations include a small sample size and the focus on a single essay genre, suggesting the need for further research with larger, more diverse samples and multiple versions of ChatGPT to enhance generalizability and reliability in writing assessments.
Introduction
The introduction of the study highlights the rapid impact of ChatGPT, an AI-assisted model, on language education since its emergence (Hong, 2023). It emphasizes ChatGPT’s dual role in providing personalized learning experiences for students and aiding educators in modernizing their teaching and assessment methods, which enhances efficiency and saves time (Rudolph et al., 2023; Hoang et al., 2025). Additionally, the section discusses the rise of automated scoring systems, which offer instant feedback and consistency in grading, thereby alleviating the challenges of manual grading, including bias and subjectivity (Ludwig et al., 2021). The overall sentiment among English as a Foreign Language (EFL) teachers is positive regarding the integration of ChatGPT as a supportive tool in writing instruction (Nguyen, 2023).
Methods
The “Methods” section of the research paper outlines the experimental design and analytical techniques employed to investigate the research questions. The study utilized a quantitative approach, incorporating statistical analyses to evaluate the data collected from various experiments. Specific methodologies included controlled laboratory experiments, where variables were systematically manipulated to observe their effects on the outcomes of interest.
Data collection involved both qualitative and quantitative measures, ensuring a comprehensive understanding of the phenomena under investigation. The analysis was performed using advanced statistical software, allowing for rigorous testing of hypotheses and validation of results. Key findings were derived from the application of statistical tests, which provided insights into the relationships between the variables studied. Overall, the methods employed were designed to ensure reliability and validity, contributing to the robustness of the research findings.
Results
The results of the study reveal significant differences in writing assessments between ChatGPT and Vietnamese EFL teachers. A paired-samples t-test indicated that ChatGPT assigned higher total scores (M = 16.08, SD = 3.29) compared to human raters (M = 14.75, SD = 2.98), with a statistically significant mean difference of -1.325 (t(19) = -2.29, p = .034). This trend was consistent across specific criteria, with ChatGPT also providing higher scores for content (M = 4.28 vs. M = 3.78, p = .006) and organization (M = 4.15 vs. M = 3.70, p = .014). The largest discrepancy was observed in the content criterion, where ChatGPT’s more generous scoring suggests a focus on overall quality rather than subtle content issues that human raters penalized more strictly.
In contrast, the differences in grammar and vocabulary scores were smaller, at -0.25 and -0.13, respectively, indicating a closer alignment between ChatGPT and human raters in these areas. This suggests that while ChatGPT may be more lenient in evaluating content and organization, its assessments of grammar and vocabulary are more consistent with those of human raters. Overall, the findings highlight the varying evaluative criteria employed by ChatGPT and human raters, particularly in how they interpret and prioritize different aspects of student writing.
Discussion
In the discussion section of the study, the authors examine the effectiveness of ChatGPT as a writing assessment tool compared to Vietnamese EFL teachers. The analysis revealed significant discrepancies in total scores and in the criteria of content and organization, although no statistically significant differences were found in grammar and vocabulary scores. This aligns with previous research indicating that while ChatGPT can provide assessments, it often lacks the nuanced understanding that human raters possess, particularly in evaluating the depth and relevance of ideas. The findings suggest that ChatGPT tends to assign higher scores, especially in the content criterion, indicating a more lenient grading approach compared to the stricter standards applied by human evaluators.
The study highlights the need for caution in integrating AI tools like ChatGPT into writing assessments, as the differences in evaluation criteria reflect distinct priorities between AI and human raters. Specifically, ChatGPT’s focus may lean towards the overall completeness of responses rather than the depth and clarity that human raters prioritize. This misalignment underscores the importance of understanding the limitations of AI in educational contexts and suggests that while ChatGPT can assist in grading, it should not replace human judgment in evaluating student writing. Further research is recommended to explore these discrepancies in greater detail, particularly within the Vietnamese EFL context, to enhance the integration of AI in educational assessments.