Automated feedback, made possible by advanced technological tools such as artificial intelligence, represents an emerging frontier to overcome some of the traditional challenges related to the customisation and scalability of the assessment process, especially in large classes. In Italy, despite growing interest at European level, the adoption of digitally supported assessment remains limited and presents numerous challenges. These critical issues underline the urgency of promoting the professional development of teachers through training courses aimed at integrating automated feedback into teaching practice, in order to enhance the transformative potential of these tools. It is in this context that PRIN “AI&F” has emerged, which aims to define a methodology for using an open-source machine learning framework to support teachers in providing high quality feedback to large groups of students, generating interactive and transformative pathways in an ecosystem logic. The paper presents current research progress and outlines future development perspectives.

Il feedback automatizzato, reso possibile da strumenti tecnologici avanzati come l’intelligenza artificiale, rappresenta una frontiera emergente per superare al-cune delle sfide tradizionali legate alla personalizzazione e alla scalabilità del processo valutativo, soprattutto in classi numerose. In Italia, nonostante l’inte-resse crescente a livello europeo, l’adozione di valutazioni supportate da tecno-logie digitali rimane limitata e presenta numerose sfide. Tali criticità sottoli-neano l’urgenza di promuovere lo sviluppo professionale dei docenti, attraverso percorsi di formazione mirati a integrare il feedback automatizzato nelle prati-che didattiche, al fine di valorizzare il potenziale trasformativo di questi stru-menti. In tale contesto è sorto il PRIN “AI&F”, volto a definire una metodologia per l'utilizzo di un framework di machine learning open-source per supportare i docenti nel fornire feedback di alta qualità a gruppi numerosi di studenti gene-rando percorsi interattivi e trasformativi in una logica ecosistemica. Il contributo presenta gli attuali avanzamenti della ricerca e delinea le future prospettive di sviluppo.

AI e Feedback. Interazione tra agenti umani e artificiali per valutare prove scritte in ambito universitario

Doria, Beatrice;Laici, Chiara;Gratani, Francesca;Screpanti, Laura;Rossi, Pier Giuseppe;Giannandrea, Lorella;Grion, Valentina;Montone, Antonella
2024-01-01

Abstract

Automated feedback, made possible by advanced technological tools such as artificial intelligence, represents an emerging frontier to overcome some of the traditional challenges related to the customisation and scalability of the assessment process, especially in large classes. In Italy, despite growing interest at European level, the adoption of digitally supported assessment remains limited and presents numerous challenges. These critical issues underline the urgency of promoting the professional development of teachers through training courses aimed at integrating automated feedback into teaching practice, in order to enhance the transformative potential of these tools. It is in this context that PRIN “AI&F” has emerged, which aims to define a methodology for using an open-source machine learning framework to support teachers in providing high quality feedback to large groups of students, generating interactive and transformative pathways in an ecosystem logic. The paper presents current research progress and outlines future development perspectives.
2024
FrancoAngeli
Il feedback automatizzato, reso possibile da strumenti tecnologici avanzati come l’intelligenza artificiale, rappresenta una frontiera emergente per superare al-cune delle sfide tradizionali legate alla personalizzazione e alla scalabilità del processo valutativo, soprattutto in classi numerose. In Italia, nonostante l’inte-resse crescente a livello europeo, l’adozione di valutazioni supportate da tecno-logie digitali rimane limitata e presenta numerose sfide. Tali criticità sottoli-neano l’urgenza di promuovere lo sviluppo professionale dei docenti, attraverso percorsi di formazione mirati a integrare il feedback automatizzato nelle prati-che didattiche, al fine di valorizzare il potenziale trasformativo di questi stru-menti. In tale contesto è sorto il PRIN “AI&F”, volto a definire una metodologia per l'utilizzo di un framework di machine learning open-source per supportare i docenti nel fornire feedback di alta qualità a gruppi numerosi di studenti gene-rando percorsi interattivi e trasformativi in una logica ecosistemica. Il contributo presenta gli attuali avanzamenti della ricerca e delinea le future prospettive di sviluppo.
Internazionale
https://journals.francoangeli.it/index.php/ess/article/view/18951
File in questo prodotto:
File Dimensione Formato  
Foschi_et_al_AI-and-Feedback_Assessing-written-tasks_2024.pdf

accesso aperto

Tipologia: Versione editoriale (versione pubblicata con il layout dell'editore)
Licenza: Creative commons
Dimensione 948.99 kB
Formato Adobe PDF
948.99 kB Adobe PDF Visualizza/Apri

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11393/350710
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact