Si presenta uno studio esplorativo con 17 studenti universitari impegnati in un’e-tivity che integra GenAI conversazionale, Assessment as Learning e il modello rAIse come scaffold procedurale. Il corpus comprende log conversazionali (N=68), questionari rAIse pre/post e peer feedback strutturato. I log sono stati analizzati tramite un framework di codifica basato su indicatori ordinali di funzione cognitiva attribuita all’AI e livello di iterazione, integrati da marker di regolazione (meta-prompting, critica e rifiuto dell’output). I risultati evidenziano, in una quota del campione, l’emergere di strategie metacognitive di controllo dell’interazione; la triangolazione tra profili comportamentali, autovalutazione e peer feedback rivela una relazione tra profilo interattivo e allineamento tra competenza percepita e agita, con il feedback dei pari come fattore correttivo nei profili più superficiali. Si discutono implicazioni progettuali per attività che trasformano la conversazione con l’AI in pratica valutativa e autoregolativa.

Integrare l’IA nell’assessment: il modello rAIse / Sansone, N., Bortolotti, I.. - (2026), pp. 91-101. (AI&F - ARTIFICIAL INTELLIGENCE & FEEDBACK FOR EFFECTIVE LEARNING Bari; Italia ).

Integrare l’IA nell’assessment: il modello rAIse

Nadia Sansone
;
Ilaria Bortolotti
2026

Abstract

Si presenta uno studio esplorativo con 17 studenti universitari impegnati in un’e-tivity che integra GenAI conversazionale, Assessment as Learning e il modello rAIse come scaffold procedurale. Il corpus comprende log conversazionali (N=68), questionari rAIse pre/post e peer feedback strutturato. I log sono stati analizzati tramite un framework di codifica basato su indicatori ordinali di funzione cognitiva attribuita all’AI e livello di iterazione, integrati da marker di regolazione (meta-prompting, critica e rifiuto dell’output). I risultati evidenziano, in una quota del campione, l’emergere di strategie metacognitive di controllo dell’interazione; la triangolazione tra profili comportamentali, autovalutazione e peer feedback rivela una relazione tra profilo interattivo e allineamento tra competenza percepita e agita, con il feedback dei pari come fattore correttivo nei profili più superficiali. Si discutono implicazioni progettuali per attività che trasformano la conversazione con l’AI in pratica valutativa e autoregolativa.
2026
AI&F - ARTIFICIAL INTELLIGENCE & FEEDBACK FOR EFFECTIVE LEARNING
IA conversazionale; Valutazione formativa; rAIse; Assessment as learning; Etica dell’IA
04 Pubblicazione in atti di convegno::04b Atto di convegno in volume
Integrare l’IA nell’assessment: il modello rAIse / Sansone, N., Bortolotti, I.. - (2026), pp. 91-101. (AI&F - ARTIFICIAL INTELLIGENCE & FEEDBACK FOR EFFECTIVE LEARNING Bari; Italia ).
File allegati a questo prodotto
Non ci sono file associati a questo prodotto.

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/11573/1771727
 Attenzione

Attenzione! I dati visualizzati non sono stati sottoposti a validazione da parte dell'ateneo

Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact