assessment feedback

Assessment feedback is crucial for student learning and satisfaction in higher education. However, many students find it vague or unhelpful, leading to dissatisfaction. Workload pressures on educators limit opportunities to provide detailed, personalised feedback. The present study explores a data-driven approach that integrates linguistic analysis into assessment feedback, aiming to enhance its clarity and increase student satisfaction. Using computational methods, we analysed a 235,118-word corpus from 115 postgraduate essays, examining lexical diversity, readability, and word frequency. Individualised Linguistic Feedback Reports (LFRs) were created and shared alongside traditional feedback. Survey responses (N = 59) showed students found LFRs clearer and more satisfying. Although perceived usefulness and actionability were not significantly different, qualitative feedback highlighted the value of objective, specific writing insights. These findings suggest that linguistically informed feedback can improve clarity and satisfaction without increasing staff workload, offering a promising step towards more engaging and effective feedback models.

بازخورد ارزیابی نقش حیاتی در یادگیری و رضایت دانشجویان در آموزش عالی ایفا می‌کند. با این حال، بسیاری از دانشجویان آن را مبهم یا غیرمفید می‌یابند که منجر به نارضایتی می‌شود. فشار حجم کار بر اساتید فرصت ارائه بازخورد دقیق و شخصی‌سازی‌شده را محدود می‌کند. مطالعه حاضر رویکردی مبتنی بر داده را بررسی می‌کند که تحلیل زبانی را در بازخورد ارزیابی ادغام می‌کند، با هدف افزایش شفافیت و ارتقای رضایت دانشجویان. با استفاده از روش‌های محاسباتی، پیکره‌ای شامل ۲۳۵٬۱۱۸ واژه از ۱۱۵ مقاله تحصیلات تکمیلی تحلیل شد و تنوع واژگانی، خوانایی و فراوانی واژه‌ها مورد بررسی قرار گرفت. گزارش‌های بازخورد زبانی فردی (LFRs) تهیه و همراه با بازخورد سنتی به اشتراک گذاشته شد. پاسخ‌های پرسشنامه (N = 59) نشان داد که دانشجویان LFRs را شفاف‌تر و رضایت‌بخش‌تر یافتند. اگرچه تفاوت معناداری در سودمندی ادراک‌شده و قابلیت اقدام وجود نداشت، بازخورد کیفی بر ارزش بینش‌های عینی و خاص در نوشتار تأکید داشت. این یافته‌ها نشان می‌دهد که بازخورد مبتنی بر تحلیل زبانی می‌تواند بدون افزایش حجم کار کارکنان، شفافیت و رضایت را بهبود بخشد و گامی امیدبخش به سوی مدل‌های بازخورد مؤثرتر و جذاب‌تر ارائه می‌دهد.

Independent assignments and classroom presentations require clear assessment criteria and actionable feedback. This study aimed to develop the SELSA evaluation model in the Elementary School Teacher Education program at Universitas Tribuana Kalabahi. Research and development comprised needs analysis, design, and development without effectiveness testing. Data were obtained from 72 fourth-semester students selected through proportionate stratified random sampling, a lecturer interview, and classroom observations. Descriptive quantitative and qualitative analyses informed the model. Perceived attainment reached 74.6% for assignments, 89.8% for presentations, 82.7% for motivation, and 88.7% for model needs. Qualitative findings identified unclear criteria, uneven participation, inconsistent feedback, and missing structured rubrics. The resulting model integrates orientation, authentic assignments, exploration, presentation, discussion, rubric-based assessment, feedback, and reflection with revision. Guidelines and assessment formats support its proposed use. SELSA connects learning evidence with improvement in teacher education; its practicality and effectiveness require subsequent testing

تکالیف مستقل و ارائه‌های کلاسی نیازمند معیارهای ارزیابی شفاف و بازخورد قابل اقدام هستند. هدف این پژوهش توسعه مدل ارزیابی SELSA در برنامه آموزش معلمان دبستان در دانشگاه Tribuana کالاباهی بود. پژوهش و توسعه شامل تحلیل نیازها، طراحی و توسعه بدون آزمون اثربخشی بود. داده‌ها از ۷۲ دانشجوی ترم چهارم که با نمونه‌گیری تصادفی طبقه‌بندی شده نسبتی انتخاب شدند، یک مصاحبه با استاد و مشاهدات کلاسی به دست آمد. تحلیل‌های توصیفی کمی و کیفی مدل را اطلاع‌رسانی کردند. میزان تحقق ادراک‌شده برای تکالیف ۷۴.۶٪، برای ارائه‌ها ۸۹.۸٪، برای انگیزه ۸۲.۷٪ و برای نیاز به مدل ۸۸.۷٪ بود. یافته‌های کیفی معیارهای نامشخص، مشارکت نامتوازن، بازخورد ناسازگار و نبود روبریک‌های ساختاریافته را شناسایی کردند. مدل حاصل، جهت‌گیری، تکالیف اصیل، اکتشاف، ارائه، بحث، ارزیابی مبتنی بر روبریک، بازخورد و بازتاب با بازنگری را ادغام می‌کند. راهنماها و قالب‌های ارزیابی از کاربرد پیشنهادی آن پشتیبانی می‌کنند. SELSA شواهد یادگیری را با بهبود در آموزش معلمان پیوند می‌دهد؛ عملی بودن و اثربخشی آن نیازمند آزمون‌های بعدی است.