Geometry problem-solving requires learners to coordinate conceptual knowledge, spatial representation, strategy use and the regulation of cognition, motivation and effort. This systematic review examined how self-regulated learning (SRL) operates in geometry problem-solving and which learner, task, social, instructional and developmental conditions shape it. A Scopus search reported according to PRISMA 2020 identified 1,298 records; database limits left 529, and eligibility screening retained 32 empirical studies published from 2021 to 2026. Twelve studies involved undergraduates or pre-service teachers, seven involved school pupils, one involved kindergarten children and 12 did not state the educational level in the extracted records. Study quality was appraised with the Mixed Methods Appraisal Tool, and thematic synthesis identified four themes: planning and strategic regulation; monitoring, control and strategy adaptation; learner characteristics and outcomes; and instructional scaffolding and technology. Successful performance was associated with problem representation, strategy selection, monitoring, error detection, adaptation and evaluation. Diagnostic and elaborated feedback, content-focused peer feedback and supportive scaffolding were more informative than the presence of technology. Evidence on learner characteristics was mainly correlational, and evidence on young learners was thin. The review proposes a Process-Oriented Framework of Self-Regulated Geometry Problem-Solving that links input conditions, forethought, performance regulation, reflection, and outcomes and it is best supported for adolescent and adult learners. Future research should combine self-report with behavioural, longitudinal and process-tracing evidence and develop age-appropriate SRL measures for young children.
Peer feedback is a process where employees provide constructive input, based on their observations and interactions, with their colleagues. This feedback can encompass various aspects of an individual's performance, such as behavior, communication skills, and contributions to team dynamics. Peer feedback typically aims to offer valuable insights, promote personal growth, and enhance teamwork within an organization. It often involves both positive and constructive criticism, fostering a culture of continuous improvement. This approach helps employees gain a better understanding of their strengths and areas needing development, ultimately contributing to their professional development and the overall success of the organization. Peer feedback is an essential component of a 360-degree feedback system, offering a holistic view of an individual's performance.
This conceptual article explores practical ways in which college and university instructors can leverage artificial intelligence (AI) to support assessment as learning and develop students’ feedback literacy. Traditional assessment practices often focus on assessment for learning (informing instruction) or of learning (measuring outcomes), while assessment as learning—when students actively monitor and reflect on their own learning—receives less attention. AI can help instructors leverage assessment as a learning tool by generating work samples for student analysis and providing timely, actionable feedback that students can use to revise their work. When combined with instructor modeling, peer dialogue, and scaffolds such as guiding questions or graphic organizers, AI-supported feedback promotes metacognition, self-directed learning, and critical evaluation skills. The article provides practical guidance, including prompts and strategies for using AI to enhance student engagement with feedback, helping instructors create more efficient, effective, and student-centered practices that utilize assessments as learning tools.
این مقاله مفهومی به بررسی راهکارهای عملی می‌پردازد که اساتید دانشگاه‌ها و مؤسسات آموزش عالی می‌توانند از هوش مصنوعی (AI) برای حمایت از ارزشیابی به عنوان یادگیری و توسعه سواد بازخورد دانشجویان بهره‌مند شوند. شیوه‌های سنتی ارزشیابی عمدتاً بر ارزشیابی برای یادگیری (اطلاع‌رسانی به تدریس) یا ارزشیابی از یادگیری (سنجش پیامدها) تمرکز دارند، در حالی که ارزشیابی به عنوان یادگیری—زمانی که دانشجویان به طور فعال یادگیری خود را پایش و بازتاب می‌کنند—کمتر مورد توجه قرار گرفته است. هوش مصنوعی می‌تواند به اساتید کمک کند تا ارزشیابی را به عنوان ابزاری برای یادگیری به کار گیرند؛ از طریق تولید نمونه‌های کاری برای تحلیل دانشجویان و ارائه بازخورد به‌موقع و قابل اقدام که دانشجویان بتوانند برای بازنگری کار خود از آن استفاده کنند. هنگامی که این بازخورد مبتنی بر هوش مصنوعی با الگو‌سازی استاد، گفت‌وگوی همتایان و حمایت‌هایی مانند سؤالات راهنما یا سازمان‌دهنده‌های تصویری ترکیب شود، موجب ارتقای فراشناخت، یادگیری خودراهبر و مهارت‌های ارزیابی انتقادی می‌شود. این مقاله راهنمایی‌های عملی، از جمله نمونه‌های پرسش و راهبردهایی برای استفاده از هوش مصنوعی جهت افزایش مشارکت دانشجویان با بازخورد ارائه می‌دهد و به اساتید کمک می‌کند تا شیوه‌هایی کارآمدتر، مؤثرتر و دانشجو‌محورتر را که از ارزشیابی به عنوان ابزار یادگیری بهره می‌برند، ایجاد کنند.
This article examines the theoretical and methodological foundations for improving the development of students’ communicative competence in Russian as a foreign language through interactive and digital technologies. The study draws on communicative language teaching, the action-oriented approach, constructivism, collaborative learning, and the updated CEFR model. The CEFR Companion Volume conceptualizes language use through reception, production, interaction, and mediation and gives explicit attention to online interaction and collaborative meaning-making. On this basis, the article proposes a cyclical methodology consisting of diagnostic assessment, linguistic scaffolding, an authentic communicative task, role-play or problem-based interaction, collaborative mediation, reflection, and criteria-based formative assessment. The analysis suggests that the effectiveness of interactive technology depends less on the tool itself than on its pedagogically coherent connection to communicative goals, learners’ proficiency, language material, and feedback. In higher education, a systematic combination of role-play, debate, jigsaw tasks, case studies, project work, peer feedback, LMS forums, collaborative documents, and video/audio assignments can shift students from passive knowledge reception toward active participation as social agents.
این مقاله به بررسی مبانی نظری و روش‌شناختی بهبود توسعه شایستگی ارتباطی دانشجویان در زبان روسی به عنوان زبان خارجی از طریق فناوری‌های تعاملی و دیجیتال می‌پردازد. این پژوهش بر آموزش زبان مبتنی بر ارتباط، رویکرد کنش‌محور، سازنده‌گرایی، یادگیری مشارکتی و مدل به‌روزشده CEFR تکیه دارد. جلد همراه CEFR استفاده از زبان را از طریق دریافت، تولید، تعامل و میانجی‌گری مفهوم‌سازی می‌کند و توجه صریحی به تعامل آنلاین و ساخت مشترک معنا دارد. بر این اساس، مقاله یک روش‌شناسی چرخه‌ای شامل ارزیابی تشخیصی، حمایت زبانی، یک تکلیف ارتباطی اصیل، ایفای نقش یا تعامل مبتنی بر مسئله، میانجی‌گری مشارکتی، بازتاب و ارزیابی تکوینی مبتنی بر معیارها پیشنهاد می‌کند. تحلیل‌ها نشان می‌دهد که اثربخشی فناوری تعاملی کمتر به خود ابزار وابسته است و بیشتر به پیوند منسجم آموزشی آن با اهداف ارتباطی، سطح مهارت زبان‌آموزان، مواد زبانی و بازخورد بستگی دارد. در آموزش عالی، ترکیب نظام‌مند ایفای نقش، مناظره، تکالیف جورچین، مطالعات موردی، کار پروژه‌ای، بازخورد همتایان، انجمن‌های LMS، اسناد مشارکتی و تکالیف ویدئویی/صوتی می‌تواند دانشجویان را از دریافت منفعلانه دانش به سوی مشارکت فعال به عنوان عاملان اجتماعی سوق دهد.
PURPOSE: Maintaining student engagement with lecture content beyond the classroom remains a persistent challenge in higher education. While lecture recordings are widely used, they often require substantial time to revisit and may not align with students' study habits. This reflective article examines the introduction of concise AI-assisted podcast summaries as a supplementary learning resource within a second-year module in the MPharm programme. The purpose of this reflection is to explore how this intervention influenced student engagement with lecture material and how the experience reshaped my assumptions about how students revisit and consolidate learning. DESCRIPTION: Podcast summaries of approximately ten minutes were created to capture key concepts from lectures and were made available through the university's learning platform with captions and transcripts to support accessibility. The summaries were reviewed and edited to ensure pedagogical alignment with the lecture content. Student engagement was explored through learning platform analytics and open-ended survey responses, alongside informal peer feedback. The intervention emerged from ongoing reflections on students' difficulties revisiting full lecture recordings and their expressed preference for shorter revision resources. ANALYSIS: Student feedback and usage patterns indicated that the podcasts were primarily used after lectures as tools for reinforcement rather than preparation. Many students integrated listening into daily activities such as commuting or exercising, indicating the flexible nature of podcast-based learning. Reflecting on this experience challenged my assumption that students primarily require preparatory materials and instead highlighted the importance of supporting post-lecture consolidation. The intervention also raised considerations about balancing concise summaries with the need to maintain depth in complex public health topics. CONCLUSIONS: The experience suggests that podcast summaries can provide a flexible means for students to revisit complex material while complementing existing teaching approaches. More broadly, the project illustrates how reflective engagement with teaching practice can reveal mismatches between educator expectations and students' learning behaviours.
هدف: حفظ مشارکت دانشجویان با محتوای درسی فراتر از کلاس، همچنان یکی از چالش‌های پایدار در آموزش عالی است. اگرچه ضبط سخنرانی‌ها به طور گسترده مورد استفاده قرار می‌گیرد، اما اغلب نیازمند صرف زمان قابل توجهی برای مرور مجدد است و ممکن است با عادات مطالعه دانشجویان هم‌راستا نباشد. این مقاله تأملی به بررسی معرفی خلاصه‌های پادکست مختصر با کمک هوش مصنوعی به عنوان منبع یادگیری مکمل در یک واحد درسی سال دوم برنامه MPharm می‌پردازد. هدف این تأمل، بررسی تأثیر این مداخله بر مشارکت دانشجویان با محتوای سخنرانی و همچنین بازنگری در فرضیات نویسنده درباره نحوه مرور و تثبیت یادگیری توسط دانشجویان است. شرح: خلاصه‌های پادکست حدوداً ده دقیقه‌ای برای پوشش مفاهیم کلیدی سخنرانی‌ها تهیه شد و از طریق بستر یادگیری دانشگاه همراه با زیرنویس و متن پیاده‌سازی‌شده جهت حمایت از دسترس‌پذیری ارائه گردید. این خلاصه‌ها بازبینی و ویرایش شدند تا با محتوای آموزشی سخنرانی‌ها هم‌راستا باشند. مشارکت دانشجویان از طریق تحلیل‌های بستر یادگیری و پاسخ‌های نظرسنجی باز، در کنار بازخورد غیررسمی همکاران، مورد بررسی قرار گرفت. این مداخله از تأملات مداوم درباره دشواری دانشجویان در مرور کامل ضبط سخنرانی‌ها و ترجیح ابراز شده آنان به منابع مرور کوتاه‌تر نشأت گرفت. تحلیل: بازخورد دانشجویان و الگوهای استفاده نشان داد که پادکست‌ها عمدتاً پس از سخنرانی‌ها به عنوان ابزار تقویت یادگیری مورد استفاده قرار گرفتند تا آمادگی قبلی. بسیاری از دانشجویان گوش دادن به پادکست‌ها را با فعالیت‌های روزمره مانند رفت‌وآمد یا ورزش ادغام کردند که نشان‌دهنده ماهیت انعطاف‌پذیر یادگیری مبتنی بر پادکست است. تأمل بر این تجربه، فرض نویسنده مبنی بر نیاز اصلی دانشجویان به منابع آمادگی را به چالش کشید و در عوض، اهمیت حمایت از تثبیت یادگیری پس از سخنرانی را برجسته ساخت. این مداخله همچنین ملاحظاتی درباره تعادل میان خلاصه‌سازی مختصر و حفظ عمق در موضوعات پیچیده سلامت عمومی را مطرح کرد. نتیجه‌گیری: این تجربه نشان می‌دهد که خلاصه‌های پادکست می‌توانند روشی انعطاف‌پذیر برای مرور مطالب پیچیده در اختیار دانشجویان قرار دهند و در عین حال رویکردهای آموزشی موجود را تکمیل کنند. به طور کلی، این پروژه نشان می‌دهد که مشارکت تأملی با عمل آموزشی می‌تواند ناسازگاری‌های میان انتظارات مدرس و رفتارهای یادگیری دانشجویان را آشکار سازد.
Reflective teaching plays an important role in shaping instructional preference among pre-service English as a foreign language teachers, yet evidence in teacher education remains limited. This study examined whether different levels of reflective teaching were associated with differences in instructional preference and how these reflective practices were translated into classroom decision-making. Using an explanatory sequential mixed-methods design, quantitative data were collected from 103 pre-service teachers, followed by semi-structured interviews with two participants representing contrasting reflective profiles. Statistical comparison and thematic analysis were used to integrate numerical trends with contextual explanations. The findings revealed that higher reflective teaching levels were associated with stronger constructivist instructional preference, greater responsiveness to learner needs, and more equitable classroom participation practices. Qualitative evidence further showed that consistent peer feedback, learner-emotion monitoring, and dialogic teaching supported more student-centered instructional choices. Overall, the study highlights reflective teaching as a key developmental competency in teacher education and underscores the importance of embedding structured reflective cycles into micro-teaching and practicum supervision.
آموزش بازتابی نقش مهمی در شکل‌دهی ترجیحات آموزشی در میان معلمان پیش‌خدمت زبان انگلیسی به عنوان زبان خارجی ایفا می‌کند، اما شواهد موجود در آموزش معلم محدود است. این پژوهش بررسی کرد که آیا سطوح مختلف آموزش بازتابی با تفاوت‌هایی در ترجیحات آموزشی مرتبط است و این شیوه‌های بازتابی چگونه به تصمیم‌گیری‌های کلاسی ترجمه می‌شوند. با استفاده از طرح آمیخته ترتیبی توضیحی، داده‌های کمی از ۱۰۳ معلم پیش‌خدمت گردآوری شد و سپس مصاحبه‌های نیمه‌ساختاریافته با دو شرکت‌کننده که نمایانگر پروفایل‌های بازتابی متضاد بودند، انجام گرفت. برای ادغام روندهای عددی با تبیین‌های زمینه‌ای، از مقایسه آماری و تحلیل تماتیک استفاده شد. یافته‌ها نشان داد که سطوح بالاتر آموزش بازتابی با ترجیح قوی‌تر به آموزش سازنده‌گرایانه، پاسخگویی بیشتر به نیازهای یادگیرندگان و شیوه‌های مشارکت عادلانه‌تر در کلاس مرتبط است. شواهد کیفی همچنین نشان داد که بازخورد مستمر همتایان، پایش هیجانات یادگیرندگان و آموزش گفت‌وگومحور از انتخاب‌های آموزشی دانش‌آموزمحورتر حمایت می‌کند. در مجموع، این مطالعه آموزش بازتابی را به عنوان یک شایستگی کلیدی رشد حرفه‌ای در آموزش معلم برجسته می‌کند و بر اهمیت گنجاندن چرخه‌های بازتابی ساختاریافته در میکروتدریس و نظارت بر کارورزی تأکید دارد.
Introduction Promoting scientific argumentation in the context of socio-scientific issues remains a major challenge in science education. Artificial intelligence offers new opportunities to provide adaptive feedback on students’ written arguments; however, little is known about learners’ perceptions of hybrid learning environments that combine AI-supported feedback with peer feedback under authentic classroom conditions. This study presents the development and pilot evaluation of SMOKEChem, a web-based learning environment designed to foster scientific argumentation through AI-supported and collaborative feedback processes. Methods An exploratory mixed-methods design was employed to investigate learners’ perceptions of SMOKEChem during regular chemistry lessons. A total of 130 secondary school students (mean age = 15 years) participated in the study. Quantitative data were collected using questionnaires assessing technology acceptance, cognitive load, and chatbot usability, while qualitative responses explored students’ perceptions of peer feedback. Results The findings indicate that SMOKEChem was perceived as useful, user-friendly, and cognitively balanced, with low levels of extraneous cognitive load and high levels of germane cognitive load. Furthermore, students perceived AI-supported and peer feedback as fulfilling complementary functions: acceptance and usability data indicate that AI provided immediate, structured guidance for revising arguments, while qualitative data on peer feedback point to dialogic reflection, perspective-taking, and collaborative knowledge construction. Discussion The findings provide initial empirical evidence that hybrid feedback designs combining AI-supported and peer feedback can effectively support scientific argumentation in socio-scientific contexts. The complementary strengths of both feedback sources highlight the potential of integrating AI into collaborative learning environments rather than replacing peer interaction. These results provide practical implications for the design of AI-supported argumentation environments and inform future research on hybrid feedback approaches in science education.
مقدمه: ارتقای استدلال علمی در زمینه مسائل اجتماعی-علمی همچنان یکی از چالش‌های عمده در آموزش علوم به‌شمار می‌رود. هوش مصنوعی فرصت‌های جدیدی را برای ارائه بازخورد تطبیقی بر استدلال‌های نوشتاری دانش‌آموزان فراهم می‌کند؛ با این حال، اطلاعات اندکی درباره ادراک یادگیرندگان از محیط‌های یادگیری ترکیبی که بازخورد مبتنی بر هوش مصنوعی را با بازخورد همتایان در شرایط واقعی کلاس درس تلفیق می‌کنند، وجود دارد. این مطالعه به معرفی توسعه و ارزیابی اولیه SMOKEChem، یک محیط یادگیری مبتنی بر وب که با هدف تقویت استدلال علمی از طریق فرآیندهای بازخورد مبتنی بر هوش مصنوعی و همکاری طراحی شده است، می‌پردازد. روش‌ها: یک طرح اکتشافی آمیخته برای بررسی ادراک یادگیرندگان از SMOKEChem در جریان کلاس‌های معمول شیمی به‌کار گرفته شد. در مجموع ۱۳۰ دانش‌آموز دبیرستانی (میانگین سنی = ۱۵ سال) در این پژوهش شرکت کردند. داده‌های کمی از طریق پرسشنامه‌هایی درباره پذیرش فناوری، بار شناختی و قابلیت استفاده چت‌بات گردآوری شد و پاسخ‌های کیفی به بررسی ادراک دانش‌آموزان از بازخورد همتایان پرداخت. یافته‌ها: نتایج نشان داد که SMOKEChem به‌عنوان ابزاری مفید، کاربرپسند و دارای تعادل شناختی ادراک شد و سطوح بار شناختی بیرونی پایین و بار شناختی سازنده بالایی را نشان داد. افزون بر این، دانش‌آموزان بازخورد مبتنی بر هوش مصنوعی و بازخورد همتایان را دارای کارکردهای مکمل تلقی کردند: داده‌های پذیرش و قابلیت استفاده نشان داد که هوش مصنوعی راهنمایی فوری و ساختاریافته‌ای برای بازنگری استدلال‌ها ارائه می‌دهد، در حالی که داده‌های کیفی درباره بازخورد همتایان به بازتاب گفت‌وگویی، دیدگاه‌پذیری و ساخت دانش مشارکتی اشاره داشت. بحث: یافته‌ها شواهد تجربی اولیه‌ای ارائه می‌دهند که طراحی بازخورد ترکیبی با ادغام بازخورد مبتنی بر هوش مصنوعی و بازخورد همتایان می‌تواند به‌طور مؤثری از استدلال علمی در زمینه‌های اجتماعی-علمی حمایت کند. نقاط قوت مکمل هر دو منبع بازخورد، پتانسیل ادغام هوش مصنوعی در محیط‌های یادگیری مشارکتی به‌جای جایگزینی تعامل همتایان را برجسته می‌کند. این نتایج پیامدهای عملی برای طراحی محیط‌های استدلال مبتنی بر هوش مصنوعی داشته و پژوهش‌های آتی درباره رویکردهای بازخورد ترکیبی در آموزش علوم را هدایت می‌کند.
Lectures as a primary method for knowledge transmission often fail to foster deep conceptual understanding among students. To investigate whether enabling peer discussion enhances learning outcomes, 88 undergraduate students from a Saudi medical school were randomly assigned to four experimental conditions: a lecture-only group, a peer-learning-only group, a peer-learning-followed-by-lecture group, and a lecture-followed-by-peer-learning group. A comprehensive concept retrieval test was administered before and after the intervention to isolate and evaluate the specific instructional effects of each approach separately. Pre-test scores showed no significant differences among the four groups, confirming successful randomization and equivalent baseline knowledge. Post-intervention test results revealed substantial variations in performance across the groups. Mean test scores (with standard deviations) were: lecture-only = 23.09 (2.84), peer-learning-only = 31.05 (3.94), lecture-then-peer-learning = 47.30 (5.75), and peer-learning-then-lecture = 49.55 (7.06). Statistical analysis demonstrated that combining lectures with peer learning significantly outperformed single-method instructional approaches ( p < 0.001 for both comparative evaluations), regardless of the order in which the two methods were implemented. Furthermore, peer learning in isolation produced significantly higher test scores compared to the traditional lecture-only strategy ( p = 0.05). These findings demonstrate that integrating peer learning with traditional lectures yields superior academic achievement compared to relying on lectures alone. Furthermore, the strong performance observed in the peer-learning-only condition highlights its promise as a highly effective standalone pedagogical strategy for medical education.
سخنرانی‌ها به عنوان روش اصلی انتقال دانش، اغلب در پرورش درک عمیق مفهومی در میان دانشجویان ناکام می‌مانند. به منظور بررسی اینکه آیا امکان‌پذیر ساختن بحث همتایان می‌تواند پیامدهای یادگیری را بهبود بخشد، ۸۸ دانشجوی کارشناسی از یک دانشکده پزشکی در عربستان سعودی به طور تصادفی به چهار وضعیت آزمایشی تقسیم شدند: گروه فقط سخنرانی، گروه فقط یادگیری همتایان، گروه یادگیری همتایان به دنبال سخنرانی، و گروه سخنرانی به دنبال یادگیری همتایان. یک آزمون جامع بازیابی مفاهیم پیش از مداخله و پس از آن اجرا شد تا اثرات آموزشی خاص هر رویکرد به طور جداگانه ایزوله و ارزیابی شود. نمرات پیش‌آزمون تفاوت معناداری میان چهار گروه نشان نداد و این امر تصادفی‌سازی موفق و برابری دانش پایه را تأیید کرد. نتایج آزمون پس از مداخله تفاوت‌های قابل توجهی در عملکرد گروه‌ها نشان داد. میانگین نمرات آزمون (با انحراف معیار) به شرح زیر بود: فقط سخنرانی = ۲۳٫۰۹ (۲٫۸۴)، فقط یادگیری همتایان = ۳۱٫۰۵ (۳٫۹۴)، سخنرانی سپس یادگیری همتایان = ۴۷٫۳۰ (۵٫۷۵)، و یادگیری همتایان سپس سخنرانی = ۴۹٫۵۵ (۷٫۰۶). تحلیل آماری نشان داد که ترکیب سخنرانی با یادگیری همتایان به طور معناداری از رویکردهای آموزشی تک‌روشی بهتر عمل می‌کند (p < ۰٫۰۰۱ برای هر دو مقایسه)، صرف‌نظر از ترتیب اجرای این دو روش. افزون بر این، یادگیری همتایان به تنهایی نمرات آزمون به طور معناداری بالاتری نسبت به راهبرد سنتی فقط سخنرانی ایجاد کرد (p = ۰٫۰۵). این یافته‌ها نشان می‌دهد که ادغام یادگیری همتایان با سخنرانی‌های سنتی، موفقیت تحصیلی برتری نسبت به اتکای صرف بر سخنرانی‌ها به همراه دارد. همچنین، عملکرد قوی مشاهده‌شده در وضعیت فقط یادگیری همتایان، نویدبخش بودن آن را به عنوان یک راهبرد آموزشی مستقل و بسیار مؤثر برای آموزش پزشکی برجسته می‌کند.
Artificial intelligence (AI) is often presented as solving longstanding challenges of feedback in higher education. Research and commentary tend to focus on how AI can replace educator labour by providing feedback information at scale but this substitution risks simplifying a complex and interconnected set of practices. We draw from Barnett’s work on the ecological university to offer a dynamic, relational view of an ecosystem – where the whole is greater than the sum of its parts. This perspective of the feedback ecosystem sensitised a qualitative study, where data was constituted through participant discussion within two-hour online workshops. Twelve students and 18 educators participated across three workshops; analysis of participant feedback experiences illustrated how feedback relations shift in the presence of AI. To conclude, we suggest that in response to AI, educators can seek to strengthen their feedback relationships with students over time – what we call humans-as-the-loop – in the feedback ecosystem.
هوش مصنوعی (AI) اغلب به عنوان راه‌حلی برای چالش‌های دیرینه بازخورد در آموزش عالی مطرح می‌شود. پژوهش‌ها و دیدگاه‌ها عمدتاً بر این تمرکز دارند که چگونه هوش مصنوعی می‌تواند جایگزین نیروی کار آموزشی شده و اطلاعات بازخورد را در مقیاس وسیع ارائه دهد، اما این جایگزینی خطر ساده‌سازی مجموعه‌ای پیچیده و به‌هم‌پیوسته از رویه‌ها را به همراه دارد. ما با بهره‌گیری از آثار Barnett درباره دانشگاه بوم‌شناختی، دیدگاهی پویا و رابطه‌مند از یک اکوسیستم ارائه می‌دهیم؛ جایی که کل، فراتر از مجموع اجزای آن است. این رویکرد نسبت به اکوسیستم بازخورد، مطالعه‌ای کیفی را جهت‌دهی کرد که داده‌های آن از طریق بحث شرکت‌کنندگان در کارگاه‌های آنلاین دو ساعته گردآوری شد. دوازده دانشجو و هجده مدرس در سه کارگاه شرکت کردند؛ تحلیل تجارب بازخورد شرکت‌کنندگان نشان داد که چگونه روابط بازخورد در حضور هوش مصنوعی دچار تغییر می‌شود. در پایان، پیشنهاد می‌کنیم که در واکنش به هوش مصنوعی، مدرسان می‌توانند در طول زمان روابط بازخوردی خود را با دانشجویان تقویت کنند؛ چیزی که ما آن را «انسان‌ها به‌عنوان حلقه» در اکوسیستم بازخورد می‌نامیم.
