УДК 371.261
DOI: 10.36871/26189976.2026.01-2.003

Авторы

Данил Павлович Романов,
Казанский государственный энергетический университет, Казань, Россия
Вячеслав Максимович Слудников,
Казанский государственный энергетический университет, Казань, Россия
Ольга Юрьевна Янова,
Казанский государственный энергетический университет, Казань, Росси

Аннотация

В статье рассматриваются возможности и ограничения автоматизированных систем оценивания (АСО) и систем автоматической обратной связи, применяемых в современном образовании. Проведён анализ ключевых технологий: систем автоматической оценки письменных работ (AWE), интеллектуальных обучающих систем (ITS) и инструментов на основе больших языковых моделей. Выявлены доказанные преимущества — мгновенность обратной связи, масштабируемость и персонализация — и существенные недостатки: риск алгоритмической предвзятости, неспособность оценить творческие и критические аспекты работ, снижение педагогической субъектности. Представлена сравнительная таблица классов систем по ключевым характеристикам. Показано, что оптимальной стратегией является гибридная модель, сочетающая автоматизированные инструменты с профессиональным педагогическим суждением.

Ключевые слова

автоматизированная оценка
обратная связь в образовании
AWE
интеллектуальные обучающие системы
большие языковые модели,
формирующее оценивание
ИИ в образовании

Список литературы

[1] Crompton H., Burke D. Artificial Intelligence in Higher Education: the State of the Field // International Journal of Educational Technology in Higher Education. 2023. Vol. 20. No. 1. Article 22. DOI: 10.1186/s41239-023-00392-8.
[2] Fleckenstein J., Liebenow L. W., Meyer J. Automated feedback and writing: a multi-level metaanalysis of effects on students’ performance // Frontiers in Artificial Intelligence. 2023. Vol. 6. Article 1162454. DOI: 10.3389/frai.2023.1162454.
[3] Hattie J., Timperley H. The Power of Feedback // Review of Educational Research. 2007. Vol. 77. No. 1. P. 81–112. DOI: 10.3102/003465430298487.
[4] Hooda M., Rana C., Dahiya O., Rizwan A., Hossain M. S. Artificial Intelligence for Assessment and Feedback to Enhance Student Success in Higher Education // Mathematical Problems in Engineering. 2022. Vol. 2022. Article 5215722. DOI: 10.1155/2022/5215722.
[5] Kasneci E., Seßler K., Küchemann S., Bannert M., Dementieva D., Fischer F. et al. ChatGPT for Good? On Opportunities and Challenges of Large Language Models for Education // Learning and Individual Differences. 2023. Vol. 103. Article 102274. DOI: 10.1016/j. lindif.2023.102274.
[6] Kochmar E. , Ott D. B., Anastasopoulos A., Bexte N., Mulkar-Mehta R., Yannakoudakis H. Automated Personalized Feedback Improves Learning Gains in an Intelligent Tutoring System // Proceedings of the 23rd International Conference on Artificial Intelligence in Education (AIED). 2022. P. 125–136. DOI: 10.1007/978-3-031-11647-6_25.
[7] Wisniewski B., Zierer K., Hattie J. The Power of Feedback Revisited: A Meta-Analysis of Educational Feedback Research // Frontiers in Psychology. 2020. Vol. 10. Article 3087. DOI: 10.3389/fpsyg.2019.03087.