DOI: https://doi.org/10.3389/feduc.2026.1737037
تاريخ النشر: 2026-01-30
المؤلف: Gerrit Helm وآخرون
الموضوع الرئيسي: تعليم الكتابة والخط
نظرة عامة
تؤكد هذه الفقرة على الحاجة إلى نهج متوازن في الأبحاث المتعلقة بالذكاء الاصطناعي المرتبطة بتعليم الكتابة، داعيةً إلى اعتبار متساوٍ لكل من جودة ملاحظات الذكاء الاصطناعي ودمجها في ممارسات التدريس. وتقترح أن الدراسات التجريبية المستقبلية يجب أن لا تقارن فقط بين جودة وكمية الملاحظات من المصادر البشرية مقابل مصادر الذكاء الاصطناعي، بل أيضًا أن تستكشف خصائص بيئات التعلم التي تعزز التعديلات الإنتاجية بناءً على الملاحظات.
تشمل المجالات الرئيسية للتحقيق تحديد المتطلبات اللازمة لاستيعاب الملاحظات بشكل فعال، والأهداف المرتبطة بالملاحظات من المعلمين والمتعلمين، وكيف يمكن أن تعزز البيئات التعليمية المخصصة هذا الاستيعاب. تعتبر هذه الاستفسارات حاسمة لتزويد المعلمين برؤى قابلة للتنفيذ لتصميم سيناريوهات تعليمية فعالة، خاصة مع تزايد استخدام ملاحظات الذكاء الاصطناعي في السياقات التعليمية. يجادل المؤلفون بأن هذه الأسئلة البحثية تظل ذات أهمية حتى في غياب ملاحظات الذكاء الاصطناعي، لكنها تكتسب أهمية إضافية مع دمجها في ممارسات التدريس اليومية.
مقدمة
تستعرض مقدمة هذه المقالة دور تطبيقات الذكاء الاصطناعي التي تولد النصوص، مثل ChatGPT والأدوات المتخصصة مثل Writing Coach وWriteable، في تقديم الملاحظات على كتابات الطلاب. بينما قارنت الدراسات السابقة جودة الملاحظات التي ينتجها الذكاء الاصطناعي بتلك التي يقدمها المعلمون البشر (Mah et al., 2025; Seßler et al., 2025; Steiss et al., 2024)، يؤكد المؤلفون أن العامل الحاسم هو مدى فعالية استخدام الطلاب لهذه الملاحظات ومعالجتها من أجل تعديل النص (Lipnevich and Smith, 2022). تسلط المقالة الضوء على اتجاه مقلق في التعليم الابتدائي والثانوي: عندما تحدث التعديلات، غالبًا ما لا تتضمن بشكل كافٍ الملاحظات السابقة (Jansen et al., 2025; Rong et al., 2025)، مما يشير إلى أن تأثير الذكاء الاصطناعي على هذه العملية ضئيل.
لمعالجة هذه القضية، تم هيكلة المقالة إلى ثلاثة أجزاء. أولاً، ستستكشف إمكانيات الذكاء الاصطناعي التوليدي في تقديم الملاحظات مع تحديد التحديات التي يواجهها الطلاب في التفاعل مع هذه الملاحظات بشكل ذي معنى. بعد ذلك، سيتحقق المؤلفون من الأسباب وراء عدم دمج ملاحظات الذكاء الاصطناعي بشكل فعال في الممارسات التعليمية، مع الأخذ في الاعتبار طبيعة الذكاء الاصطناعي والأساليب التعليمية المستخدمة. أخيرًا، تقترح المقالة نموذجًا تعليميًا مصممًا لتسهيل الدمج الفعال لملاحظات الذكاء الاصطناعي في عملية التعلم، بهدف تعزيز مشاركة الطلاب ونتائج التعديلات.
نقاش
في هذا النقاش، يؤكد المؤلفون على الحاجة إلى إعادة التفكير في دمج ملاحظات الذكاء الاصطناعي في الممارسات التعليمية. يجادلون بأن تقديم ملاحظات سريعة وشخصية من خلال الذكاء الاصطناعي التوليدي غير كافٍ إذا لم يتفاعل المتعلمون معها. يقترح المؤلفون أن عدم استيعاب ملاحظات الذكاء الاصطناعي قد ينجم عن تقديمها كمدخلات معزولة بدلاً من كونها جزءًا من تفاعل ديناميكي بين المتعلمين والمعلمين. يبرزون أهمية تضمين الملاحظات ضمن سياق يعزز التواصل، مؤكدين على أن المعلمين يجب أن يسهلوا المناقشات حول ملاحظات الذكاء الاصطناعي بدلاً من الاعتماد فقط على تفاعليتها.
لزيادة فعالية ملاحظات الذكاء الاصطناعي، يقترح المؤلفون إطار عمل متعدد المراحل لتنفيذها في الفصل الدراسي. يشجع هذا الإطار المتعلمين على التفاعل مع الملاحظات على مستويات مختلفة، بدءًا من المسودات الأولية إلى التعاون بين الأقران والمناقشات على مستوى الصف. من خلال وضع ملاحظات الذكاء الاصطناعي كعامل محفز للحوار، يمكن للمعلمين تغيير دورهم من كونهم المصدر الرئيسي للملاحظات إلى facilitators الذين يوجهون الطلاب في تفسير وتطبيق الملاحظات. كما يشير المؤلفون إلى أنه بينما قد لا يكون هذا النهج متعدد المراحل مناسبًا لجميع مهام الكتابة، إلا أنه يمكن أن يعزز بشكل كبير تجربة التعلم عند تطبيقه بشكل مناسب. ويختتمون بالدعوة إلى مزيد من البحث الذي لا يقيم فقط جودة ملاحظات الذكاء الاصطناعي، بل يفحص أيضًا الظروف التي تؤدي فيها الملاحظات إلى تعديلات إنتاجية، مما يساهم في تصميم تعليمي فعال.
القيود
تسلط فقرة القيود الضوء على عدة تحديات حاسمة مرتبطة بملاحظات الذكاء الاصطناعي في تعليم الكتابة. بينما تعتبر الملاحظات ضرورية لتطوير المتعلمين، خاصة في الكتابة، تكافح أنظمة الذكاء الاصطناعي لتقديم مدخلات في الوقت المناسب وذات صلة خلال عملية الكتابة نفسها. عادةً ما تقدم الملاحظات فقط بعد تقديم النص، مما يقوض الطبيعة التكوينية للملاحظات التي تعتبر حاسمة للتعلم الفعال. بالإضافة إلى ذلك، غالبًا ما تفتقر ملاحظات الذكاء الاصطناعي إلى العمق والترابط، حيث تركز على العناصر الهيكلية بدلاً من معالجة القضايا الأساسية في نص المتعلم. يمكن أن يؤدي ذلك إلى فهم سطحي للكتابة، حيث قد يعتمد الطلاب على اقتراحات الذكاء الاصطناعي دون تطوير مهارات التعديل أو التفكير النقدي.
علاوة على ذلك، فإن استيعاب المتعلمين لملاحظات الذكاء الاصطناعي يمثل مصدر قلق كبير. تشير الأبحاث إلى أن العديد من الطلاب لا يتفاعلون بشكل كافٍ مع ملاحظات الذكاء الاصطناعي خلال التعديلات، حيث يقوم نسبة كبيرة منهم بعدم إجراء أي تغييرات أو فقط تعديلات طفيفة. بينما قد تكون ملاحظات الذكاء الاصطناعي فعالة في التصحيحات السطحية، فإن تأثيرها على التعديلات المتعلقة بالمعنى الأعمق محدود. يعكس هذا النمط القضايا التي لوحظت في أنظمة تقييم الكتابة الآلية السابقة، مما يشير إلى أن تحديات استخدام الملاحظات ليست فريدة من نوعها للذكاء الاصطناعي. في النهاية، تعتمد فعالية ملاحظات الذكاء الاصطناعي على قدرة الطلاب على التفاعل معها بشكل نقدي، وهي مهارة قد تكون بعيدة عن متناول الكتاب الأصغر سنًا أو الأقل خبرة.
DOI: https://doi.org/10.3389/feduc.2026.1737037
Publication Date: 2026-01-30
Author(s): Gerrit Helm et al.
Primary Topic: Writing and Handwriting Education
Overview
The section emphasizes the need for a balanced approach in AI-oriented research related to writing instruction, advocating for equal consideration of both the quality of AI feedback and its integration into teaching practices. It suggests that future empirical studies should not only compare the quality and quantity of feedback from human versus AI sources but also explore the characteristics of learning environments that foster productive revisions based on feedback.
Key areas of investigation include identifying the prerequisites for effective feedback uptake, the goals associated with feedback from both teachers and learners, and how tailored educational settings can enhance this uptake. These inquiries are deemed crucial for providing educators with actionable insights for designing effective learning scenarios, particularly as AI feedback becomes more prevalent in educational contexts. The authors argue that these research questions remain significant even in the absence of AI feedback, but gain additional relevance with its integration into everyday teaching practices.
Introduction
The introduction of this article examines the role of text-generating AI applications, such as ChatGPT and specialized tools like Writing Coach and Writeable, in providing feedback on student writing. While previous studies have compared the quality of AI-generated feedback to that of human teachers (Mah et al., 2025; Seßler et al., 2025; Steiss et al., 2024), the authors emphasize that the critical factor is how effectively students utilize and process this feedback for text revision (Lipnevich and Smith, 2022). The article highlights a concerning trend in elementary and secondary education: when revisions occur, they often do not adequately incorporate prior feedback (Jansen et al., 2025; Rong et al., 2025), suggesting that AI’s influence on this process is minimal.
To address this issue, the article is structured into three parts. First, it will explore the potential of generative AI in providing feedback while identifying the challenges students face in engaging with this feedback meaningfully. Next, the authors will investigate the reasons behind the ineffective integration of AI feedback into educational practices, considering both the nature of AI and the teaching methodologies employed. Finally, the article proposes a teaching model designed to facilitate the effective integration of AI-generated feedback into the learning process, aiming to enhance student engagement and revision outcomes.
Discussion
In this discussion, the authors emphasize the need to rethink the integration of AI-generated feedback into instructional practices. They argue that simply providing rapid, personalized feedback through generative AI is insufficient if learners do not engage with it. The authors suggest that the lack of uptake of AI feedback may stem from its presentation as isolated input rather than as part of a dynamic interaction between learners and teachers. They highlight the importance of embedding feedback within a context that fosters communication, asserting that teachers should facilitate discussions around AI feedback rather than solely relying on its interactivity.
To enhance the effectiveness of AI feedback, the authors propose a multi-stage framework for its implementation in the classroom. This framework encourages learners to interact with feedback at various levels, starting from initial drafts to peer collaboration and class-wide discussions. By positioning AI feedback as a catalyst for dialogue, teachers can shift their role from being the primary source of feedback to facilitators who guide students in interpreting and applying feedback. The authors also note that while this multi-stage approach may not be suitable for all writing assignments, it can significantly enhance the learning experience when appropriately applied. They conclude by calling for further research that not only evaluates the quality of AI feedback but also examines the conditions under which feedback leads to productive revisions, thereby informing effective instructional design.
Limitations
The section on limitations highlights several critical challenges associated with AI-generated feedback in writing education. While feedback is essential for learner development, particularly in writing, AI systems struggle to provide timely and relevant input during the writing process itself. They typically offer feedback only after text submission, which undermines the formative nature of feedback that is crucial for effective learning. Additionally, AI feedback often lacks depth and coherence, focusing on structural elements rather than addressing underlying issues in a learner’s text. This can lead to a superficial understanding of writing, where students may rely on AI suggestions without developing their revision skills or critical thinking.
Moreover, the uptake of AI-generated feedback by learners is a significant concern. Research indicates that many students do not adequately engage with AI feedback during revisions, with a substantial proportion making no changes or only minor adjustments. While AI feedback may be effective for surface-level corrections, its impact on deeper meaning-related revisions is limited. This pattern mirrors issues observed in previous automated writing evaluation systems, suggesting that the challenges of feedback utilization are not unique to AI. Ultimately, the effectiveness of AI feedback hinges on students’ ability to critically engage with it, a skill that may be beyond the reach of younger or less experienced writers.