DOI: https://doi.org/10.29140/tltl.v7n3.102626
تاريخ النشر: 2025-08-08
المؤلف: Laleh Khojasteh وآخرون
الموضوع الرئيسي: دراسات التعليم المعزز بالتكنولوجيا
نظرة عامة
تدرس هذه الدراسة فعالية ثلاثة أساليب للتغذية الراجعة – التغذية الراجعة الإلكترونية من المعلم، التغذية الراجعة المعتمدة على الذكاء الاصطناعي، ونموذج هجين – على أداء الكتابة لدى متعلمي اللغة الإنجليزية كلغة أجنبية (EFL) من المستوى المتوسط في إيران. أجريت كدراسة تجريبية عشوائية مع 88 مشاركًا، حيث تم تقييم كفاءة الكتابة باستخدام مهام IELTS واختبار تحديد المستوى من أكسفورد. أشارت النتائج إلى تحسينات ملحوظة في مجموعة التغذية الراجعة الهجينة، لا سيما في إنجاز المهام، والتماسك، والدقة النحوية، بينما عززت التغذية الراجعة المعتمدة على الذكاء الاصطناعي الموارد المعجمية بشكل ملحوظ. أكدت التأملات النوعية هذه النتائج، حيث أفاد المشاركون في المجموعة الهجينة بزيادة الثقة وتقليل القلق، مما يبرز إمكانية دمج التغذية الراجعة البشرية والذكاء الاصطناعي في تعليم EFL.
على الرغم من نتائجه الواعدة، تعترف الدراسة بالقيود، بما في ذلك عينة ضيقة من مركز لغوي واحد ومعدل استجابة نوعية صغير، مما قد يؤدي إلى تحيز. أظهر النهج الهجين حجم تأثير كبير (η² = 0.251) في تحسين مهارات الكتابة، مما يشير إلى قيمته التعليمية. يجب أن تتوسع الأبحاث المستقبلية لتشمل سياقات متعددة المؤسسات لتعزيز القابلية للتعميم. أعرب المشاركون عن تفضيلهم للنموذج الهجين، على الرغم من ملاحظة تحديات لوجستية، مما يشير إلى الحاجة إلى ورش تدريب منظمة لكل من المعلمين والطلاب لتحسين تقديم التغذية الراجعة. بشكل عام، يظهر نهج التغذية الراجعة الهجين إمكانات كبيرة لتعزيز مهارات الكتابة في EFL، خاصة عندما يتم تحسينه من خلال آليات تغذية راجعة محسنة وتدريب مستهدف للمعلمين.
مقدمة
في مجال تعلم اللغة الإنجليزية، وخاصة بالنسبة لطلاب EFL وESL، يُعترف بأن الكتابة مهارة صعبة بشكل ملحوظ بسبب متطلباتها من الكفاءة النحوية، والحجة المتماسكة، والاستجابات المحددة للمهام. يواجه العديد من المتعلمين صعوبات مثل الأخطاء النحوية والأفكار غير المنظمة، مما يمكن أن يؤدي إلى القلق والتردد في الانخراط في مهام الكتابة، مما يؤثر في النهاية على نتائجهم التعليمية. تُعتبر التغذية الراجعة عنصرًا حاسمًا في تعليم الكتابة، حيث تساعد الطلاب على التعرف على الأخطاء وتصحيحها، وتنقيح أفكارهم، وتعزيز وضوح حججهم. تتأثر فعالية التغذية الراجعة بجودتها وطريقة تقديمها، حيث تقدم التغذية الراجعة التقليدية من المعلم رؤى شخصية ولكن غالبًا ما تفتقر إلى التوقيت المناسب.
أدخلت التطورات الحديثة في التكنولوجيا أنظمة التغذية الراجعة المعتمدة على الذكاء الاصطناعي التي تقدم تصحيحات فورية لمشكلات الكتابة السطحية، مما أثار نقاشًا بين المعلمين حول أفضل نهج للتغذية الراجعة. بينما يدعو البعض إلى الطبيعة الدقيقة والمتعاطفة للتغذية الراجعة التقليدية، يبرز آخرون كفاءة أنظمة الذكاء الاصطناعي. ومع ذلك، هناك نقص في الدراسات المقارنة التي تفحص هذه الأنماط من التغذية الراجعة في سياقات EFL. تهدف هذه الدراسة إلى معالجة هذه الفجوة من خلال التحقيق في ثلاثة نماذج للتغذية الراجعة: التغذية الراجعة التي يقودها المعلم، التغذية الراجعة المعتمدة على الذكاء الاصطناعي فقط، ونهج هجين يدمج بين الطريقتين. ستراجع الأقسام التالية مزايا وعيوب كل نمط من أنماط التغذية الراجعة لإبلاغ التصميم التجريبي.
الطرق
تحدد قسم “المواد والطرق” التصميم التجريبي والإجراءات المستخدمة في الدراسة. يوضح المواد المحددة المستخدمة، بما في ذلك أي مواد كيميائية، ومعدات، وعينات بيولوجية، مما يضمن إمكانية تكرار التجارب. تشمل المنهجية التقنيات المطبقة لجمع البيانات، مثل التحليلات الإحصائية، والبروتوكولات التجريبية، وأي نماذج حسابية تم استخدامها.
بالإضافة إلى ذلك، قد يصف القسم طرق أخذ العينات، والضوابط المطبقة، والمعايير الخاصة بإدراج البيانات أو استبعادها. هذه المقاربة الدقيقة ضرورية للتحقق من صحة النتائج وضمان أن النتائج موثوقة ويمكن تعميمها على سياقات أوسع. بشكل عام، فإن الوضوح والدقة في هذا القسم أمران حاسمان لسلامة البحث.
النتائج
تكشف نتائج الدراسة عن اختلافات كبيرة في الأداء العام للكتابة بين الطلاب الذين يتلقون أنواعًا مختلفة من التغذية الراجعة: التغذية الراجعة الإلكترونية من المعلم، التغذية الراجعة المعتمدة على الذكاء الاصطناعي، والتغذية الراجعة الهجينة. أشار تحليل ANCOVA إلى تأثير كبير لنوع التغذية الراجعة على أداء الكتابة في اللغة الإنجليزية كلغة أجنبية (EFL)، حيث أظهرت مجموعة التغذية الراجعة الهجينة أكبر تحسين (F(2, 84) = 14.07، p < .001). تشير قيمة eta التربيعية الجزئية 0.251 إلى أن 25.1% من التباين في درجات الكتابة بعد الاختبار يعود إلى نوع التغذية الراجعة. على وجه التحديد، كان نهج التغذية الراجعة الهجينة الأكثر فعالية في تعزيز الأداء العام للكتابة، لا سيما في مكونات إنجاز المهمة/الاستجابة (F(2, 84) = 4.95، p = .009) والتماسك والترابط (F(2, 84) = 4.19، p = .018)، حيث تمثل 10.5% و9.1% من التباين، على التوالي. فيما يتعلق بالموارد المعجمية، تفوقت التغذية الراجعة المعتمدة على الذكاء الاصطناعي بشكل كبير على التغذية الراجعة الإلكترونية من المعلم (F(2, 84) = 7.43، p = .001)، مما يشير إلى فعاليتها في تحسين استخدام المفردات. بالنسبة لنطاق ودقة القواعد النحوية، أظهرت مجموعة التغذية الراجعة الهجينة أيضًا تحسينًا ملحوظًا (F(2, 84) = 3.63، p = .031)، مما يشير إلى أن الجمع بين دقة الذكاء الاصطناعي وتغذية المعلم الراجعة مفيد. أكدت المقارنات الزوجية أن مجموعة التغذية الراجعة الهجينة تفوقت باستمرار على المجموعتين الأخريين عبر معظم مكونات الكتابة، لا سيما في إنجاز المهمة/الاستجابة والتماسك والترابط، بينما تفوقت التغذية الراجعة المعتمدة على الذكاء الاصطناعي في تعزيز الموارد المعجمية. تؤكد هذه النتائج على التفوق العام لنهج التغذية الراجعة الهجينة في تحسين أداء الكتابة، مع مزايا واضحة للتغذية الراجعة المعتمدة على الذكاء الاصطناعي في تعزيز المفردات.
المناقشة
تقيم قسم المناقشة في ورقة البحث مزايا وعيوب ثلاثة أنماط من التغذية الراجعة – التغذية الراجعة الإلكترونية من المعلم، التغذية الراجعة المعتمدة على الذكاء الاصطناعي، والتغذية الراجعة الهجينة – على أداء الكتابة بين طلاب ESL. تُثنى التغذية الراجعة الإلكترونية من المعلم على ردودها الشخصية والغنية بالسياق التي تعالج القضايا الكتابية العليا، لكنها تتعرض للنقد بسبب كونها تستغرق وقتًا طويلاً وقد تكون غير متسقة عبر معلمين مختلفين. في المقابل، توفر التغذية الراجعة المعتمدة على الذكاء الاصطناعي تصحيحات فورية وموضوعية لمشكلات السطح، لكنها تواجه صعوبة مع العناصر الكتابية المعقدة وتفتقر إلى الدعم التعاطفي الذي يمكن أن يعزز انخراط الطلاب. يهدف النهج الهجين إلى الاستفادة من نقاط القوة في كلا الطريقتين، حيث يقدم تصحيحات سريعة من الذكاء الاصطناعي بينما يسمح للمعلمين بالتركيز على القضايا الكتابية الأعمق. ومع ذلك، تشمل التحديات تعقيد دمج أنواع التغذية الراجعة وخطر اعتماد الطلاب بشكل مفرط على الذكاء الاصطناعي للتصحيحات الأساسية.
تهدف الدراسة إلى تقييم فعالية هذه الأساليب من التغذية الراجعة بشكل منهجي ضمن سياق EFL الإيراني، مطروحةً أسئلة بحثية تتعلق بالاختلافات في أداء الكتابة وانطباعات الطلاب عن التغذية الراجعة التي تلقوها. تم استخدام تصميم تجربة عشوائية محكومة، حيث تم تضمين 88 طالبًا من المستوى المتوسط في ESL تم تعيينهم إلى واحدة من ثلاث مجموعات تغذية راجعة. استخدمت الدراسة مقالات قبل وبعد الاختبار لقياس تحسين الكتابة ودمجت محفزات التأمل النوعي للحصول على رؤى حول تجارب الطلاب. من المتوقع أن تسهم النتائج في فهم الآثار التعليمية لمختلف أنماط التغذية الراجعة في تعليم الكتابة.
DOI: https://doi.org/10.29140/tltl.v7n3.102626
Publication Date: 2025-08-08
Author(s): Laleh Khojasteh et al.
Primary Topic: Technology-Enhanced Education Studies
Overview
This study investigates the effectiveness of three feedback approaches—Teacher e-feedback, AI-based feedback, and a hybrid model—on the writing performance of Iranian intermediate-level English as a Foreign Language (EFL) learners. Conducted as a randomized controlled trial with 88 participants, the research assessed writing proficiency using IELTS tasks and the Oxford Placement Test. Results indicated significant improvements in the hybrid feedback group, particularly in task achievement, coherence, and grammatical accuracy, while AI feedback notably enhanced lexical resources. Qualitative reflections corroborated these findings, with hybrid group participants reporting increased confidence and reduced anxiety, underscoring the potential of integrating human and AI feedback in EFL instruction.
Despite its promising results, the study acknowledges limitations, including a narrow sample from a single language center and a small qualitative response rate, which may introduce bias. The hybrid approach demonstrated a large effect size (η² = 0.251) in improving writing skills, suggesting its pedagogical value. Future research should expand to multi-institutional contexts to enhance generalizability. Participants expressed a preference for the hybrid model, though logistical challenges were noted, indicating a need for structured training workshops for both instructors and students to optimize feedback delivery. Overall, the hybrid feedback approach shows significant potential for enhancing EFL writing skills, particularly when refined through improved feedback mechanisms and targeted teacher training.
Introduction
In the realm of English language learning, particularly for EFL and ESL students, writing is recognized as a notably challenging skill due to its demands for grammatical proficiency, coherent argumentation, and task-specific responses. Many learners encounter difficulties such as grammatical errors and disorganized thoughts, which can lead to anxiety and reluctance to engage in writing tasks, ultimately impacting their educational outcomes. Feedback is identified as a crucial component of writing instruction, as it helps students recognize and rectify errors, refine their ideas, and enhance the clarity of their arguments. The effectiveness of feedback is influenced by its quality and delivery method, with traditional teacher feedback offering personalized insights but often lacking in timeliness.
Recent advancements in technology have introduced AI-based feedback systems that provide immediate corrections for surface-level writing issues, sparking a debate among educators regarding the optimal feedback approach. While some advocate for the nuanced and empathetic nature of traditional feedback, others highlight the efficiency of AI systems. However, there is a scarcity of comparative studies examining these feedback modalities in EFL contexts. This study aims to address this gap by investigating three feedback models: teacher-led feedback, AI-only feedback, and a hybrid approach that integrates both methods. The subsequent sections will review the advantages and disadvantages of each feedback modality to inform the experimental design.
Methods
The “Materials and Methods” section outlines the experimental design and procedures employed in the study. It details the specific materials used, including any reagents, equipment, and biological samples, ensuring reproducibility of the experiments. The methodology encompasses the techniques applied for data collection, such as statistical analyses, experimental protocols, and any computational models utilized.
Additionally, the section may describe the sampling methods, controls implemented, and the criteria for data inclusion or exclusion. This rigorous approach is essential for validating the findings and ensuring that the results are reliable and can be generalized to broader contexts. Overall, the clarity and precision in this section are crucial for the integrity of the research.
Results
The results of the study reveal significant differences in overall writing performance among students receiving different types of feedback: Teacher E-Feedback, AI Feedback, and Hybrid Feedback. An ANCOVA analysis indicated a substantial effect of feedback type on English as a Foreign Language (EFL) writing performance, with the Hybrid Feedback group demonstrating the most significant improvement (F(2, 84) = 14.07, p < .001). The partial eta squared value of 0.251 suggests that 25.1% of the variance in post-test writing scores is attributable to the feedback type. Specifically, the Hybrid Feedback approach was most effective in enhancing overall writing performance, particularly in the components of Task Achievement/Response (F(2, 84) = 4.95, p = .009) and Coherence and Cohesion (F(2, 84) = 4.19, p = .018), accounting for 10.5% and 9.1% of the variance, respectively. In terms of Lexical Resource, AI Feedback significantly outperformed Teacher E-Feedback (F(2, 84) = 7.43, p = .001), indicating its effectiveness in improving vocabulary usage. For Grammatical Range and Accuracy, the Hybrid Feedback group also showed notable improvement (F(2, 84) = 3.63, p = .031), suggesting that the combination of AI precision and teacher feedback is beneficial. Pairwise comparisons confirmed that the Hybrid Feedback group consistently outperformed both other groups across most writing components, particularly in Task Achievement/Response and Coherence and Cohesion, while AI Feedback excelled in enhancing Lexical Resource. These findings underscore the overall superiority of the Hybrid Feedback approach in improving writing performance, with distinct advantages of AI Feedback in vocabulary enhancement.
Discussion
The discussion section of the research paper evaluates the advantages and disadvantages of three feedback modalities—Teacher E-Feedback, AI Feedback, and Hybrid Feedback—on writing performance among ESL students. Teacher e-feedback is praised for its personalized, context-rich responses that address higher-order writing concerns, but it is criticized for being time-consuming and potentially inconsistent across different educators. In contrast, AI feedback provides immediate, objective corrections for surface-level issues, yet it struggles with complex writing elements and lacks the empathetic support that can enhance student engagement. The hybrid approach aims to leverage the strengths of both methods, offering rapid AI corrections while allowing teachers to focus on deeper writing issues. However, challenges include the complexity of integrating feedback types and the risk of students becoming overly reliant on AI for basic corrections.
The study aims to systematically evaluate the effectiveness of these feedback approaches within an Iranian EFL context, posing research questions regarding differences in writing performance and student perceptions of the feedback received. A randomized controlled trial design was employed, involving 88 intermediate ESL students who were assigned to one of the three feedback groups. The study utilized pre- and post-test essays to measure writing improvement and incorporated qualitative reflection prompts to gain insights into student experiences. The findings are anticipated to contribute to understanding the pedagogical implications of different feedback modalities in writing instruction.