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


