feedback literacy

Academic writing development in open and distance learning (ODL) environments remains challenging because students must independently regulate complex writing processes while receiving limited opportunities for continuous interaction and feedback. Existing digital learning platforms often emphasize assignment submission rather than supporting writing development as an iterative process involving planning, feedback utilization, reflection, and revision. This study aimed to develop and evaluate SIM-Aril as an online portfolio-based self-regulated feedback platform for supporting academic writing development in an ODL context. This study employed a Research and Development (R&D) design involving needs analysis, platform development, validation, implementation, and evaluation. Data were collected from 122 students and 38 tutors through self-regulated writing questionnaires, tutor competency questionnaires, expert evaluation, and qualitative responses. Quantitative data were analyzed using descriptive statistics, reliability analysis, correlation analysis, regression analysis, and exploratory factor analysis, while qualitative data were analyzed thematically. The findings demonstrate that SIM-Aril supported academic writing development through the integration of digital portfolio assessment, tutor scaffolding, and student self-regulated writing processes. Students demonstrated strong engagement in revision, feedback utilization, metacognitive monitoring, and other writing regulation activities. Tutor evaluation indicated that academic writing supervision represented an important component supporting SIM-Aril implementation. The integrated findings show that SIM-Aril functions not merely as a digital submission platform but as a self-regulated feedback ecosystem that connects learner autonomy, instructional support, and formative feedback. This study contributes theoretically by extending digital assessment research through a model that integrates individual self-regulation, socially shared regulation, and feedback literacy within technology-supported academic writing environments. Practically, the findings suggest that effective digital assessment in ODL should be designed to support learning processes rather than only evaluate final outcomes.

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 study used bibliometric analysis to examine research on university students’ self-feedback literacy using records retrieved from the Web of Science Core Collection. The initial search identified 372 records published within a retrieval window from January 2010 to June 2025. Following screening, eligibility assessment, and bibliographic data cleaning, 14 records met the predefined eligibility criteria and were retained for the final bibliometric analysis. Given the small size of the final corpus and the partial coverage of 2025, the findings are interpreted as exploratory patterns within the retrieved dataset rather than as definitive representations of the broader research field. The study examined publication activity, sources, authorship, citations, keyword associations, thematic patterns, and country-level collaboration within the retrieved corpus, with the findings interpreted as exploratory evidence rather than generalizable estimates of the broader field.

این مطالعه با استفاده از تحلیل کتاب‌سنجی به بررسی پژوهش‌ها درباره سواد بازخورد خودمحور دانشجویان دانشگاهی پرداخت که سوابق آن از مجموعه هسته وب آو ساینس استخراج شد. جستجوی اولیه ۳۷۲ مدرک را که در بازه زمانی ژانویه ۲۰۱۰ تا ژوئن ۲۰۲۵ منتشر شده بودند، شناسایی کرد. پس از غربالگری، ارزیابی صلاحیت و پاک‌سازی داده‌های کتابشناختی، ۱۴ مدرک با معیارهای از پیش تعیین‌شده مطابقت داشتند و برای تحلیل نهایی کتاب‌سنجی حفظ شدند. با توجه به حجم اندک مجموعه نهایی و پوشش جزئی سال ۲۰۲۵، یافته‌ها به عنوان الگوهای اکتشافی در داده‌های بازیابی‌شده تفسیر می‌شوند و نه به عنوان بازنمایی قطعی از حوزه پژوهشی گسترده‌تر. این مطالعه فعالیت انتشاراتی، منابع، نویسندگان، ارجاعات، ارتباطات کلیدواژه‌ای، الگوهای موضوعی و همکاری در سطح کشور را در مجموعه بازیابی‌شده بررسی کرد و یافته‌ها به عنوان شواهد اکتشافی و نه برآوردهای قابل تعمیم از حوزه گسترده‌تر تفسیر می‌شوند.

Artificial intelligence (AI) is now part of everyday academic work in higher education, including feedback. However, AI feedback does not automatically lead to learning. It can help students rethink a concept, improve a draft, and notice gaps in their work, but it can also create a false sense of progress when students accept suggestions without understanding them. This Perspective article argues that responsible AI feedback depends on faculty readiness and students’ evaluative judgement. Readiness is not mainly technical. It involves pedagogical judgement: knowing how to design tasks in which students work with feedback, compare it with evidence, revise with purpose, explain their choices, and remain responsible for the final submission. The article focuses on generative AI feedback and uses metacognitive calibration as a central concept. Calibration refers to the relationship between students’ confidence or self-judgement and independently evaluated evidence of performance. Evaluative judgement concerns students’ capacity to judge the quality and relevance of feedback and work, whereas calibration concerns the accuracy of their judgements relative to independently evaluated performance evidence. The article shows how ideas from feedback literacy, evaluative judgement, and self-regulated learning need to be adapted when feedback comes from systems whose accuracy and educational value cannot be assumed. It proposes a conceptual responsible AI feedback design cycle linked to assessment integrity, university policy, and faculty development. Although the cycle requires empirical testing, it offers a practical way to support reflection, calibrated judgement, and accountability without replacing students’ thinking.

هوش مصنوعی (AI) اکنون بخشی از فعالیت‌های روزمره دانشگاهی در آموزش عالی، از جمله بازخورد، است. با این حال، بازخورد هوش مصنوعی به طور خودکار منجر به یادگیری نمی‌شود. این بازخورد می‌تواند به دانشجویان کمک کند تا یک مفهوم را بازاندیشی کنند، پیش‌نویسی را بهبود دهند و شکاف‌های موجود در کار خود را تشخیص دهند، اما همچنین ممکن است حس کاذبی از پیشرفت ایجاد کند زمانی که دانشجویان پیشنهادها را بدون درک آن‌ها می‌پذیرند. این مقاله دیدگاه بیان می‌کند که بازخورد مسئولانه هوش مصنوعی وابسته به آمادگی اعضای هیئت علمی و قضاوت ارزشیابانه دانشجویان است. آمادگی عمدتاً فنی نیست، بلکه شامل قضاوت آموزشی است: دانستن اینکه چگونه وظایفی طراحی شوند که در آن دانشجویان با بازخورد کار کنند، آن را با شواهد مقایسه کنند، با هدف بازنگری کنند، انتخاب‌های خود را توضیح دهند و همچنان مسئولیت ارسال نهایی را بر عهده داشته باشند. این مقاله بر بازخورد مولد هوش مصنوعی تمرکز دارد و از کالیبراسیون فراشناختی به عنوان یک مفهوم مرکزی استفاده می‌کند. کالیبراسیون به رابطه بین اعتماد به نفس یا خودقضاوت دانشجویان و شواهد ارزیابی‌شده مستقل از عملکرد اشاره دارد. قضاوت ارزشیابانه به ظرفیت دانشجویان برای قضاوت درباره کیفیت و ارتباط بازخورد و کار مربوط است، در حالی که کالیبراسیون به دقت قضاوت‌های آن‌ها نسبت به شواهد عملکرد ارزیابی‌شده مستقل مربوط می‌شود. مقاله نشان می‌دهد که چگونه ایده‌های سواد بازخورد، قضاوت ارزشیابانه و یادگیری خودتنظیمی باید زمانی که بازخورد از سیستم‌هایی می‌آید که دقت و ارزش آموزشی آن‌ها مفروض نیست، تطبیق یابد. این مقاله یک چرخه مفهومی طراحی بازخورد مسئولانه هوش مصنوعی را پیشنهاد می‌کند که به سلامت ارزیابی، سیاست دانشگاه و توسعه اعضای هیئت علمی مرتبط است. اگرچه این چرخه نیازمند آزمون تجربی است، اما راهکاری عملی برای حمایت از تأمل، قضاوت کالیبره‌شده و پاسخگویی بدون جایگزینی تفکر دانشجویان ارائه می‌دهد.

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.

Formative feedback is central to assessment for learning because it can help learners understand expectations, identify gaps in understanding, and improve subsequent learning. However, less is known about how formative feedback is understood and enacted in resource-constrained primary-school contexts. This study explored how Ethiopian primary-school teachers understand and enact formative feedback and how teacher, student, and contextual conditions shape feedback practices. Guided by Social Cognitive Theory (SCT), the study employed a qualitative instrumental case-study design at a government primary school in Asella, Oromia Regional State, Ethiopia. Data were collected through semi-structured interviews with five teachers and the school principal, classroom observations, and a focus group discussion involving five students and three Parent–Teacher Association representatives. Data were analyzed using reflexive thematic analysis, with SCT applied as an interpretive lens. Four themes emerged: teachers’ understanding and enactment of feedback; feedback, student engagement, and learning experiences; contextual conditions supporting feedback; and challenges and tensions affecting implementation. Teachers generally understood feedback as supporting learning, motivation, confidence, and participation. However, observations revealed a gap between formative intentions and enacted practices, with whole-class oral correction more common than sustained dialogue, individualized feedback, and opportunities for revision. Large classes, limited instructional time, assessment pressures, resource constraints, and differences in student engagement shaped implementation. The findings indicate that strengthening formative feedback requires teacher and student feedback literacy, relevant professional learning, and school conditions that enable dialogue, reflection, and revision.

بازخورد تکوینی در ارزیابی برای یادگیری نقش مرکزی دارد، زیرا می‌تواند به یادگیرندگان کمک کند تا انتظارات را درک کنند، شکاف‌های موجود در فهم خود را شناسایی نمایند و یادگیری بعدی را بهبود بخشند. با این حال، دانش کمتری درباره چگونگی درک و اجرای بازخورد تکوینی در زمینه‌های مدارس ابتدایی با منابع محدود وجود دارد. این مطالعه به بررسی نحوه درک و اجرای بازخورد تکوینی توسط معلمان مدارس ابتدایی اتیوپی و چگونگی تأثیر شرایط معلم، دانش‌آموز و زمینه‌ای بر شیوه‌های بازخورد پرداخت. این پژوهش با راهنمایی نظریه شناختی-اجتماعی (SCT) و با استفاده از طرح مطالعه موردی ابزاری کیفی در یک مدرسه ابتدایی دولتی در آسلا، ایالت منطقه‌ای اورومیا، اتیوپی انجام شد. داده‌ها از طریق مصاحبه‌های نیمه‌ساختاریافته با پنج معلم و مدیر مدرسه، مشاهده کلاس‌های درس و یک بحث گروهی متمرکز با حضور پنج دانش‌آموز و سه نماینده انجمن اولیا و مربیان جمع‌آوری شد. داده‌ها با استفاده از تحلیل تماتیک بازتابی و با به‌کارگیری SCT به عنوان لنز تفسیری تحلیل شدند. چهار مضمون استخراج شد: درک و اجرای بازخورد توسط معلمان؛ بازخورد، مشارکت دانش‌آموز و تجارب یادگیری؛ شرایط زمینه‌ای حمایت‌کننده از بازخورد؛ و چالش‌ها و تنش‌های مؤثر بر اجرا. معلمان عموماً بازخورد را به عنوان حمایت از یادگیری، انگیزش، اعتماد به نفس و مشارکت درک می‌کردند. با این حال، مشاهدات نشان داد که بین اهداف تکوینی و شیوه‌های اجراشده شکاف وجود دارد و اصلاح شفاهی جمعی بیشتر از گفت‌وگوی پایدار، بازخورد فردی و فرصت‌های بازنگری رایج بود. کلاس‌های پرجمعیت، زمان آموزشی محدود، فشارهای ارزیابی، محدودیت منابع و تفاوت در مشارکت دانش‌آموزان بر اجرا تأثیرگذار بودند. یافته‌ها نشان می‌دهد که تقویت بازخورد تکوینی مستلزم سواد بازخوردی معلمان و دانش‌آموزان، یادگیری حرفه‌ای مرتبط و شرایط مدرسه‌ای است که امکان گفت‌وگو، تأمل و بازنگری را فراهم کند.

Feedback has been reframed in the literature as a dialogic process that aims to develop student self-regulation and improve learning. Institutional and disciplinary cultures can impact how feedback processes are designed and enacted. We investigated the role of institutional and disciplinary cultures in shaping feedback practices adopted by teaching fellows on a medical biosciences programme at a UK institution. Data generated by five individual interviews were analysed by reflexive thematic analysis, and our main findings reveal an institutional culture that values the educational development of staff through pedagogical training. This training seemed to be associated with greater awareness of the institutional learning and teaching strategy, and the development of teacher feedback literacy. Participants’ accounts also suggested that the disciplinary feedback culture on this course reflects the institutional strategy. These findings illustrate how disciplinary and institutional cultures can influence feedback practices and highlight the impact of pedagogical training on teaching.

در ادبیات پژوهش، بازخورد به عنوان فرایندی گفت‌وگومحور بازتعریف شده است که هدف آن توسعه خودتنظیمی دانشجویان و بهبود یادگیری می‌باشد. فرهنگ‌های نهادی و رشته‌ای می‌توانند بر نحوه طراحی و اجرای فرایندهای بازخورد تأثیرگذار باشند. در این پژوهش، نقش فرهنگ‌های نهادی و رشته‌ای در شکل‌دهی به شیوه‌های بازخورد مورد استفاده توسط اعضای هیئت علمی در برنامه علوم زیستی پزشکی در یک مؤسسه بریتانیایی مورد بررسی قرار گرفت. داده‌های حاصل از پنج مصاحبه فردی با استفاده از تحلیل تماتیک بازتابی تحلیل شدند و یافته‌های اصلی ما نشان‌دهنده فرهنگی نهادی است که به توسعه آموزشی کارکنان از طریق آموزش‌های پداگوژیک ارزش می‌دهد. به نظر می‌رسد این آموزش‌ها با آگاهی بیشتر از راهبرد یادگیری و آموزش نهادی و توسعه سواد بازخوردی معلمان مرتبط است. همچنین، روایت‌های شرکت‌کنندگان حاکی از آن بود که فرهنگ بازخورد رشته‌ای در این دوره بازتاب‌دهنده راهبرد نهادی است. این یافته‌ها نشان می‌دهد که چگونه فرهنگ‌های رشته‌ای و نهادی می‌توانند بر شیوه‌های بازخورد تأثیر بگذارند و نقش آموزش‌های پداگوژیک بر تدریس را برجسته می‌کنند.