Продолжаю разбор спецвыпуска про фидбек и генеративный ИИ. Если предыдущие статьи наблюдали за тем, что реально делают студенты с ChatGPT-фидбеком, то это исследование больше затрагивает психометрику, попытку измерить уровень готовности студента работать с ИИ-обратной связью через валидированный опросник.
Зачем это нужно? Смысл в том, что все существующие шкалы "фидбек-грамотности" (они оказывается существуют) создавались для мира, где фидбек даёт человек. С приходом ChatGPT правила игры изменились, и старые инструменты просто не ловят новые важные компетенции.
🔍 Как делали шкалу:
Начали с пула в 70 пунктов, адаптированных из существующих опросников (например, фразу "фидбек от людей помогает мне понять свои сильные и слабые стороны" переписали как "ИИ-фидбек помогает мне понять..."). Прогнали через 3 раунда экспертной проверки, пилотаж на 32 студентах — осталось 64 пункта. Затем на выборке из 255 студентов сделали эксплораторный факторный анализ (оказывается - это метод для изучения структуры многомерных данных), получили 9 факторов и 39 финальных пунктов. И, наконец, на второй, уже независимой выборке из 666 человек всё это подтвердили конфирматорным факторным анализом (статистический метод, который позволяет проверить, насколько хорошо гипотетическая (теоретическая) факторная структура соответствует данным) — показатели получились такие, что им можно доверять (цифры я пропустил, потому что не все в них понял, но поверил).
Отдельно проверили: работает ли шкала одинаково для мужчин и женщин, для гуманитариев и "технарей", для бакалавров и магистров? Получили, структура инвариантна — шкала универсальна для разных групп.
Что получилось в итоге — 4 измерения, 9 факторов:
🤍 Когнитивное — знание о том, как понимать ИИ-фидбек + признание его ценности
🤍 Поведенческое — умение составлять промпты + оценивать качество ответа + доводить фидбек до конкретных действий
🤍 Аффективное — распознавание эмоций в фидбеке + готовность конструктивно реагировать на критику + готовность вкладывать время в изменения
🤍 Этическое — понимание предвзятости ИИ, вопросов приватности и справедливости
Что здесь по-настоящему новое по сравнению с прежними шкалами (верим тексту статьи):
💜 Во-первых, этика как отдельное измерение. Раньше про академическую честность и предвзятость алгоритмов говорили в скобках, теперь — это полноценный, отдельно измеряемый фактор.
💜 Во-вторых, промпт-инжиниринг как навык фидбек-грамотности. Умение переформулировать запрос, чтобы получить действительно полезный ответ от ИИ — раньше такого просто не было в опросниках, потому что не было самого объекта — чат-бота, с которым можно вести диалог.
💜 В-третьих, авторы спорят с предыдущими шкалами по одному концептуальному вопросу: они помещают "признание ценности фидбека" не в блок диспозиций/установок, как делали раньше, а в когнитивный блок — потому что, по их логике, оценить ценность конкретного отклика от ИИ — это интеллектуальная работа по суждению, а не просто пассивная установка "фидбек — это хорошо".
❓ Что с этим делать практически:
Авторы предлагают использовать шкалу и как инструмент самодиагностики для студентов ("в чём мои слабые места — в промптинге? в управлении эмоциями при критике? в этике?"), и как диагностику для преподавателей — чтобы понимать, на какое именно измерение делать упор в конкретной группе.
❗️ Важно подчеркнуть, что выборка только из материкового Китая, только высшее образование, без учёта специфики дисциплин. Так что универсальность инструмента ещё предстоит проверить в других странах и контекстах.
Если предыдущие исследования показывали нам феномен (что студенты часто вовлекаются поверхностно), то эта статья даёт инструмент измерения — что удобно, если вы, например, преподаватель и хотите оценить, на каком уровне фидбек-грамотности находится ваша группа, прежде чем разрабатывать систему.
📎 Cui, Meng, Qian & Tang (2026). Developing a college student feedback literacy scale for the GenAI context. AEHE, 51(5), 835–848.