Este estudo examina o design e a implementação de um modelo de Avaliação para Aprendizagem (AfL) aprimorado por IA para apoiar o pensamento analítico e a aprendizagem autorregulada no ensino superior. Adotando uma abordagem de pesquisa baseada em design (DBR), o estudo enfatiza o desenvolvimento iterativo, implementação e aperfeiçoamento dentro de contextos autênticos de sala de aula. O modelo foi implementado como parte da instrução regular em um curso universitário durante o segundo semestre do ano acadêmico de 2025, envolvendo 120 estudantes de graduação em quatro grupos intactos. O design instrucional integrou práticas centrais de AfL — como feedback, autoavaliação e interação entre pares — com sistemas de feedback suportados por IA e análise de aprendizagem. Os dados foram coletados utilizando uma abordagem de métodos mistos, incluindo medidas de resultados de aprendizagem, pesquisas de percepção dos estudantes, observações em sala de aula e dados reflexivos. Os resultados indicam que o modelo foi viável para implementação em ambientes reais de sala de aula e esteve associado a altos níveis de engajamento estudantil, uso ativo do feedback e desenvolvimento de processos de pensamento analítico e aprendizagem autorregulada. Este estudo contribui para o campo ao fornecer um modelo fundamentado teoricamente e orientado para a prática para integração da inteligência artificial na avaliação formativa. Os achados destacam como a IA pode aprimorar processos contínuos de feedback e apoiar a aprendizagem adaptativa em ambientes de ensino superior.
Mahapoonyanont et al. (Qua, ) estudaram esta questão.