feedback quality

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.

The rapid adoption of generative artificial intelligence (AI) tools such as ChatGPT in second language (L2) writing instruction has produced a fast-growing body of research on AI-generated written corrective feedback. Two recent scoping reviews have mapped this literature broadly, focusing on feedback quality, learner uptake and pedagogical integration. However, neither review specifically examined how this literature treats grammatical and lexical development as distinct, measurable constructs, nor how it addresses the moderating role of learner proficiency over time. This scoping review synthesizes 30 empirical and methodological sources, identified through a targeted, PRISMA-ScR-informed search of Google Scholar, Scopus-indexed journal content and ERIC, together with citation networks, to map the state of longitudinal research on generative-AI-mediated feedback and grammatical-lexical development in L2/EFL writing. The review finds that most intervention studies remain limited to a single semester or shorter, that grammatical accuracy and lexical development are rarely measured as separate, co-tracked outcomes and that only a small number of very recent studies (2025-2026) have applied longitudinal growth-modelling techniques, none of which disentangle grammar from vocabulary or systematically test proficiency level as a moderator of developmental trajectories. No such study appears to have been conducted in the Vietnamese EFL context, based on the sources identified in this review. The review proposes a research agenda for longitudinal, multi-proficiency-level, construct-differentiated research on generative-AI-mediated feedback and outlines implications for instructional design and future primary research.

پذیرش سریع ابزارهای هوش مصنوعی مولد مانند ChatGPT در آموزش نگارش زبان دوم (L2) منجر به رشد سریع پژوهش‌ها در زمینه بازخورد اصلاحی نوشتاری تولیدشده توسط هوش مصنوعی شده است. دو مرور محدوده‌ای اخیر این ادبیات را به طور کلی ترسیم کرده‌اند و بر کیفیت بازخورد، جذب یادگیرنده و ادغام آموزشی تمرکز داشته‌اند. با این حال، هیچ‌یک از این مرورها به طور خاص بررسی نکرده‌اند که این ادبیات چگونه توسعه دستوری و واژگانی را به عنوان سازه‌هایی متمایز و قابل سنجش مورد توجه قرار می‌دهد و یا نقش تعدیل‌کننده سطح مهارت یادگیرنده در طول زمان را چگونه بررسی می‌کند. این مرور محدوده‌ای با ترکیب ۳۰ منبع تجربی و روش‌شناختی، که از طریق جستجوی هدفمند مبتنی بر PRISMA-ScR در Google Scholar، محتوای مجلات نمایه‌شده در Scopus و ERIC، همراه با شبکه‌های ارجاعی شناسایی شده‌اند، وضعیت پژوهش‌های طولی درباره بازخورد مبتنی بر هوش مصنوعی مولد و توسعه دستوری-واژگانی در نگارش زبان دوم/انگلیسی به عنوان زبان خارجی (EFL) را ترسیم می‌کند. یافته‌های مرور نشان می‌دهد که اغلب مطالعات مداخله‌ای به یک ترم یا کمتر محدود می‌شوند، دقت دستوری و توسعه واژگانی به ندرت به عنوان پیامدهایی جداگانه و همزمان سنجیده می‌شوند و تنها تعداد اندکی از مطالعات بسیار جدید (۲۰۲۵-۲۰۲۶) از تکنیک‌های مدل‌سازی رشد طولی استفاده کرده‌اند که هیچ‌یک از آن‌ها دستور زبان را از واژگان تفکیک نکرده یا سطح مهارت را به طور نظام‌مند به عنوان تعدیل‌کننده مسیرهای رشد بررسی نکرده‌اند. بر اساس منابع شناسایی‌شده در این مرور، هیچ مطالعه‌ای از این نوع در زمینه آموزش زبان انگلیسی به عنوان زبان خارجی در ویتنام انجام نشده است. این مرور، دستورکار پژوهشی برای مطالعات طولی، چندسطحی از نظر مهارت و متمایز از نظر سازه‌ای درباره بازخورد مبتنی بر هوش مصنوعی مولد ارائه می‌دهد و پیامدهایی برای طراحی آموزشی و پژوهش‌های اولیه آینده ترسیم می‌کند.

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.