International Journal of Multidisciplinary and Innovative Research

This study explored how the quality of teacher feedback affects students' academic success in public secondary schools across Imo State, Nigeria. It was structured around five research questions and four null hypotheses, all tested at a significance level of 0.05. A correlational survey research design was employed, focusing on a population of 22,155 SS2 students and 5,576 teachers from 308 public secondary schools in the region. Using a multistage sampling technique, a sample of 1,200 SS2 students and 300 teachers was selected. For data collection, three instruments were utilized: the Teacher Feedback Quality Questionnaire, the Students’ Academic Achievement Record Sheet, and the Challenges to Feedback Provision Scale. These tools were validated by experts and demonstrated Cronbach’s alpha reliability coefficients of 0.84 and 0.79. The data analysis involved mean, standard deviation, Pearson Product Moment Correlation, and Independent Samples t-test, all conducted with SPSS Version 27. The results indicated that teachers provided feedback to a high degree in terms of specificity (M = 3.12) and clarity (M = 3.05), but were less timely (M = 2.41). Key challenges to delivering quality feedback included large class sizes (M = 3.45), heavy workloads (M = 3.38), and insufficient training (M = 3.21). A significant moderate positive relationship was found between the timeliness (r(1198) = 0.42, p <0.001), specificity (r(1198) = 0.56, p <0.001), and clarity (r(1198) = 0.51, p <0.001) of feedback and students’ academic performance. Additionally, students who received high-quality feedback (M = 64.82, SD = 11.34) outperformed those who received low-quality feedback (M = 57.19, SD = 12.01), t(1198) = 6.87, p <0.001, d = 0.65. The study concluded that the quality of teacher feedback-specifically its timeliness, specificity, and clarity-plays a significant role in influencing students’ academic achievement in English and Mathematics. It was recommended that the Imo State Ministry of Education organize regular in-service training sessions for teachers focused on assessment and feedback literacy, school administrators should reduce class size and workload, and teachers should ensure timely, specific, and clear feedback.

این پژوهش به بررسی تأثیر کیفیت بازخورد معلم بر موفقیت تحصیلی دانش‌آموزان در دبیرستان‌های دولتی سراسر ایالت ایمو، نیجریه پرداخت. ساختار پژوهش بر اساس پنج سؤال پژوهشی و چهار فرضیه صفر بود که همگی در سطح معناداری ۰٫۰۵ آزمون شدند. طرح پژوهش از نوع همبستگی بود و جامعه آماری شامل ۲۲٬۱۵۵ دانش‌آموز پایه SS2 و ۵٬۵۷۶ معلم از ۳۰۸ دبیرستان دولتی منطقه بود. با استفاده از روش نمونه‌گیری چندمرحله‌ای، نمونه‌ای متشکل از ۱٬۲۰۰ دانش‌آموز SS2 و ۳۰۰ معلم انتخاب شد. برای گردآوری داده‌ها، از سه ابزار استفاده گردید: پرسشنامه کیفیت بازخورد معلم، برگه ثبت پیشرفت تحصیلی دانش‌آموزان و مقیاس چالش‌های ارائه بازخورد. این ابزارها توسط متخصصان اعتبارسنجی شدند و ضرایب پایایی آلفای کرونباخ به ترتیب ۰٫۸۴ و ۰٫۷۹ را نشان دادند. تحلیل داده‌ها با استفاده از میانگین، انحراف معیار، همبستگی حاصل‌ضرب لحظه‌ای پیرسون و آزمون t مستقل، همگی با نرم‌افزار SPSS نسخه ۲۷ انجام شد. نتایج نشان داد معلمان از نظر ویژگی‌های خاص بودن (M = 3.12) و وضوح (M = 3.05) بازخورد را در سطح بالایی ارائه می‌دهند، اما از نظر به‌موقع بودن (M = 2.41) کمتر عمل می‌کنند. چالش‌های اصلی در ارائه بازخورد با کیفیت شامل تعداد زیاد دانش‌آموزان در کلاس (M = 3.45)، حجم بالای کار (M = 3.38) و آموزش ناکافی (M = 3.21) بود. رابطه مثبت و معنادار متوسطی بین به‌موقع بودن (r(1198) = 0.42, p <0.001)، خاص بودن (r(1198) = 0.56, p <0.001) و وضوح (r(1198) = 0.51, p <0.001) بازخورد با عملکرد تحصیلی دانش‌آموزان مشاهده شد. همچنین، دانش‌آموزانی که بازخورد با کیفیت بالا دریافت کردند (M = 64.82, SD = 11.34)، عملکرد بهتری نسبت به دانش‌آموزانی که بازخورد با کیفیت پایین دریافت کردند (M = 57.19, SD = 12.01)، t(1198) = 6.87, p <0.001, d = 0.65 داشتند. نتیجه‌گیری پژوهش نشان داد کیفیت بازخورد معلم، به ویژه از نظر به‌موقع بودن، خاص بودن و وضوح، نقش معناداری در پیشرفت تحصیلی دانش‌آموزان در درس‌های زبان انگلیسی و ریاضیات ایفا می‌کند. پیشنهاد شد که وزارت آموزش و پرورش ایالت ایمو دوره‌های آموزش ضمن خدمت منظم برای معلمان با تمرکز بر ارزیابی و سواد بازخورد برگزار کند، مدیران مدارس اندازه کلاس و حجم کار معلمان را کاهش دهند و معلمان بازخورد به‌موقع، خاص و واضح ارائه دهند.

The swift evolution of Artificial Intelligence (AI) is dramatically changing the landscape of education, especially when it comes to assessment. Traditional methods, which focus heavily on standardized tests and final evaluations, are falling short in capturing the complex cognitive, social, and digital skills that are essential in today’s world. This paper delves into the transformative power of AI in educational assessment and suggests a strategic framework for embracing digital change. By reviewing current literature, the study highlights AI-driven innovations like adaptive testing, automated grading, learning analytics, and competency-based assessment models. It also tackles important challenges such as ethical issues, algorithmic bias, data privacy, and maintaining academic integrity. The paper emphasizes that a comprehensive, policy-oriented, and pedagogically sound approach are crucial for effectively integrating AI into assessment systems. In the end, it offers practical strategies for institutions aiming to update their assessment practices in an AI-enhanced educational environment.

تحول سریع هوش مصنوعی (AI) به طور چشمگیری چشم‌انداز آموزش را، به ویژه در حوزه ارزیابی، دگرگون کرده است. روش‌های سنتی که عمدتاً بر آزمون‌های استاندارد و ارزیابی‌های نهایی تمرکز دارند، در سنجش مهارت‌های پیچیده شناختی، اجتماعی و دیجیتال که در دنیای امروز ضروری هستند، ناکارآمد شده‌اند. این مقاله به بررسی قدرت تحول‌آفرین هوش مصنوعی در ارزیابی آموزشی می‌پردازد و چارچوبی راهبردی برای پذیرش تغییر دیجیتال پیشنهاد می‌کند. با مرور ادبیات موجود، پژوهش به نوآوری‌های مبتنی بر هوش مصنوعی مانند آزمون‌های تطبیقی، نمره‌دهی خودکار، تحلیل یادگیری و مدل‌های ارزیابی مبتنی بر شایستگی می‌پردازد. همچنین به چالش‌های مهمی همچون مسائل اخلاقی، سوگیری الگوریتمی، حریم خصوصی داده‌ها و حفظ سلامت علمی اشاره می‌کند. مقاله تأکید می‌کند که رویکردی جامع، سیاست‌محور و مبتنی بر اصول آموزشی برای ادغام مؤثر هوش مصنوعی در نظام‌های ارزیابی ضروری است. در پایان، راهبردهای عملی برای نهادهایی که قصد به‌روزرسانی شیوه‌های ارزیابی خود در محیط آموزشی تقویت‌شده با هوش مصنوعی را دارند، ارائه می‌دهد.