ما أفضل الممارسات في الإبلاغ عن أبحاث الذكاء الاصطناعي في التعليم وتفسيرها؟

ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.

أنت تكتب دراسةً في الذكاء الاصطناعي في التعليم سبق ادعاؤها تصميمها، أو تراجع واحدة وتقرر ما إذا كان الرقم الرئيسي يعني شيئًا. وفي الحالتين تُحدّده ستّ إغفالات: أي نظام ذكاء اصطناعي استُخدم فعلًا، وما ضُبط ليفعله، وأي دور تربوي لعبه، وهل صمّم البشر مخرجاته أو راجعوها، وما الذي التقطته مقياس النتيجة فعلًا، وما فعله المؤلفون بشأن الانحياز والكلفة والقيود. والمؤلف الذي يُغفلها يُقدّم دراسةً لا يمكن تقييمها؛ والمراجع الذي لا يبحث عنها لا يستطيع التمييز بين تدخّل مصمَّم وعرض توضيحي مُعاد تدويره لنظام. "غير قابل للتقييم" — لا "مؤيَّد" ولا "مرفوض" — هو الحكم الصادق عند غيابها.

المخاطر ليست افتراضية. دقّق O'Neill (2026) 14 تحليلًا بعديًا مُراجَعًا من قِبل الأقران يدّعي أن الذكاء الاصطناعي يُحسّن التعليم، ووجد أن أحدًا منها لم يُوفّر أساسًا صحيحًا للادعاءات التي يطرحها. وجمع Bartoš et al. (2026) 1,840 حجم أثر من 67 تحليلًا بعديًا، ووجد أنه بمجرد نمذجة انحياز النشر ينخفض متوسط الأثر إلى نحو ثلث وسيط المنشورات (SMD = 0.196 مقابل 0.67). وتحقّق Denny et al. (2026) من 30 مرجعًا مُختلقًا في 14 بحثًا في تعليم الحوسبة، كلها منشورة في 2025 أو 2026 — عيبٌ يصل إلى القراء تحديدًا لأن المراجعين لا يستطيعون التحقق من كل مدخل في قائمة المراجع. وانضباط الإبلاغ يُحدّد ما إذا كانت قاعدة دليل المجال قابلة للاستخدام أصلًا. ولخيارات التصميم الكامنة تحته انظر Research Methods in AI in Education؛ وللفهارس الكامل لأنماط الإخفاق، Limitations in AIEd Research. ولجانب القارئ — ما يفعله الممارس بورقة بحثية بمجرد وجودها — انظر Interpreting and Applying AIEd Research.

الصورة المختصرة

ستّ حركات تُحدّد ما إذا نجا ادعاؤك من المراجعة:

1. صِف نظام الذكاء الاصطناعي بوصفه علاجًا لا مورّدًا. النموذج، والإصدار، والضبط، والمطالبات، والدور، وهل صمّم البشر المخرجات أو راجعوها.
2. اذكر الأساس التربوي والمقارنة الفعّالة. اسم المنتج ليس منهجًا؛ والأعمال كالمعتاد ليست ضبطًا منصفًا.
3. اجعل المقياس يطابق الادعاء. ما الذي تلتقطه الأداة، وتحقّقها لهذه الفئة، وهل كانت النتيجة مؤجّلة وبلا مساعدة.
4. تحقّق من كل حكم آلي. سمِّ المعيار الذهبي، وهدف المعايرة، ومن حكم في الاختلاف.
5. أبلِغ عن عدم يقين التحليل لا عن تقديره النقطي فحسب — الآثار المتبعة، وτ²، وفترات التنبؤ، وأحجام المجموعات الفرعية، وتقييم انحياز النشر.
6. أبلِغ عن الأثقال المقابلة: إجراء الأخلاقيات والحوكمة، وكلفة الحوسبة والبيئة، واستخدامك أنت للذكاء الاصطناعي، والنتائج الصفرية، والاستشهادات التي تحققت منها فقط.

قرّر ما ستقوله عن نظام الذكاء الاصطناعي — واكتبه بحيث يستطيع أحدهم إعادة بنائه

هذا هو الفحص الذي تفشل فيه معظم المُقدَّمات. إطار RAISE (Reporting AI Studies in Education، Allison 2026) هو قائمة تحقق من 30 بندًا عبر عشرة مجالات موضوعية، وادعاؤه التشخيصي محدّد لا بلاغي: فالمُقدَّمات تُغفل روتينيًا أي نموذج استُخدم (GPT-4، أو Claude، أو خوارزمية مخصصة)، وكيف ضُبط (المطالبات، ومعاملات الضبط الدقيق)، وأي دور لعبه (مُولّد تغذية راجعة، أو مؤلف مشارك، أو مُعلّم، أو مُقيّم)، وهل صمّم فاعلون بشريون مخرجاته أو راجعوها. وهذا يترك المراجعين أمام أربعة أسئلة لا جواب لها — "ما الذي كان الذكاء الاصطناعي يفعله بالضبط؟"، و"هل كان ضروريًا؟"، و"هل هذا قابل للتكرار؟" و"هل ادعاءات التعلّم ذات مصداقية؟".

ويمتد من التبرير التربوي عبر التحديد على مستوى واجهة برمجة التطبيقات، وتفاعل المتعلّم مع الذكاء الاصطناعي، وسهولة الوصول والملاءمة الثقافية، والمشاركين والسياق، والإشراك البشري، والتصميم، والأخلاقيات، والشفافية وقابلية التكرار، إلى القيود. ويغطي مصفوفته المرافقة الأخلاقيات والمخاطر المخاطر على فاعلية المتعلّم والإنصاف وحوكمة البيانات وشفافية الخوارزمية. ويقدّم Hwang, Xie, Wah and Gašević (2026) بديلًا مُبسَّطًا، TEP-AIED، يطوي الشفافية والأخلاقيات والتربوية في بنية واحدة مترابطة، ويُزوّد بجدول إرشادي مُخطّط على سبع أقسام للورقة البحثية، ويطلب من المؤلفين إضافة قسم فرعي في المنهجية بعنوان "Transparency, Ethics, and Pedagogy Considerations" — لأن الإطار، في تقديرهم، شامل جدًا لكنه دقيق أكثر من اللازم للاستخدام التجريبي الروتيني. ويقع الإفصاح تحت بيانات استخدام الذكاء الاصطناعي والإفصاح عنه وهو ما يجعل ادعاءات الخصوصية والأخلاقيات قابلة للتحقق.

قرّر ما إذا كان علاجك منهجًا أم منتجًا

التبرير التربوي هو المجال الأول في RAISE لأن الذكاء الاصطناعي ليس أداة محايدة: فالقيمة تتوقف على المواءمة بين مشكلة التعلّم، وأساس نظري، والربط من الأهداف إلى مقاييس النتائج. ووجد O'Neill (2026) أن جميع التحليلات البعدية المُدقَّقة إلا اثنين عرّفت العلاج بوصفه أداة — ChatGPT، أو الذكاء الاصطناعي التوليدي، أو "الذكاء الاصطناعي" — وأن اسم المنتج ليس منهجًا؛ وعلاج التعرّض لـ ChatGPT بوصفه تدخّلًا واحدًا مشتركًا يقارَن بالتحليل البعدي لآثار "الورق". ويطرح Weidlich et al. (2025) الحجة نفسها للدراسات الأولية: فبمراجعة مجموعة فرعية من المقارنات الكامنة وراء تحليل بعدي بارز، وجدوا أن 21% فقط منها كانت تملك علاجًا محددًا تعريفًا سليمًا، ومجموعة ضبط، ومقياس تعلّم صحيحًا، وأن حجم الأثر المُبلَّغ عنه (g = 0.7) تجاوز حجم أنظمة التعليم الذكية المُصمَّمة خصيصًا (0.66) — وهو علم أحمر يُشير إلى أن "العلاج" كان صلصة سرية غير متجانسة لا منهجًا مُسمّى.

الاختبار: هل يستطيع قارئ كفء إعادة بناء تدخلك من قسم المنهجية وحده والحصول على الشيء نفسه؟

قرّر ما تقيسه أداتك وما قد يقوله الادعاء بناءً عليه

في مراجعة O'Neill الدليلية لـ 46 دراسة أولية مختارة عشوائيًا، قدّمت 28 منها (61%) مخاوف صدق، وكان عدم تطابق المتغير التابع الأكثر شيوعًا (n = 15)، يليه عدم تطابق المتغير المستقل (n = 11)، ومشاكل التصميم التجريبي (n = 7)، ومشاكل استخراج البيانات (n = 6)، وغياب مجموعة ضبط (n = 6)، والتوزيع غير العشوائي للمجموعات (n = 6). وكانت النتائج متعددة الأبعاد تُجمع روتينيًا كأنها قابلة للتبادل — درجات الاختبار، وجودة الواجبات، والدافعية، والكفاءة الذاتية، والاتجاهات، والاندماج مُذوَّبة في رقم واحد لـ"التحصيل الأكاديمي".

عاداتا إبلاغ تمنعان ذلك. اذكر أي بناء تقيسه الأداة وأنه تحقّق منها لتلك الفئة: انظر مقاييس التقرير الذاتي لتعرف إلى أي حد تتباعد المقاييس المعتمدة على الإدراك عن السلوك، وصدق التقييم بشأن صدق البناء. ثم أبلِغ عن نتيجة لا تتوقف على اعتقاد المتعلّم بشأن الوسيلة، لأن أداء المهمة الفوري تحت المساعدة ليس مكسب تعلّم: فقد وجد مراجعة مصغّرة عام 2026 لـ 493 سجلًا و14 دراسة ذات أولوية أن أحدًا منها لم يقِس نجاح التحقق وقرار الاعتماد اللاحق معًا مقابل معيار مُحكَم باستقلال لجودة المخرجات، وأن قليلًا منها نظر لما بعد الأداء الفوري إلى الاستبقاء المؤجَّل أو الانتقال. ويظل دليل التعلّم الدائم مختلطًا، والإحالة المعرفية إلى الغير هي الآلية التي تفصل بينهما على الأرجح.

قرّر كيف تحقّقت من أحكامك الآلية

يتولّى تقييم تعليم الذكاء الاصطناعي تدريجيًا التصحيح للنماذج، ما يجعل إجراء التحقق جزءًا من النتيجة لا ملحقًا. ويُبلّغ حساب Khan Academy عن مقاييس مُعلّمها الآلي بأن الاندماج المعرفي يُصحّحه حكم آلي مُعايَر على خبراء تربويين بشريين عند F1 0.83، وأن حركات المقياس جاءت من أكثر من 40 تجربة حيّة في خمسة أشهر لا من تقييم دون اتصال (Udeshi et al. 2026). ويُظهر Tseng et al. (2026) أن الاختلاف بين الإنسان والآلة بشأن جودة سؤال ما قبل الاختبار منهجي لا عشوائي، وأن تجسيد معايير التقييم في إجراءات تشغيلية أهم من المطالبة المعتمدة على التبرير أولًا.

الاتفاق مع المُشفّرين البشريين ليس جودةً، والإبلاغ عنه كأنه جودة هدفٌ للمراجع. فـLiu et al. (2026) جعل حكمًا خبيرًا مستقلًا يقيّم 855 مجموعة إشفار ثنائية عمياءً تجاه المصدر، فوجد اتفاق الإنسان–الآلي (متوسط جاكار 0.30) أدنى بكثير من اتفاق الإنسان–الإنسان (0.52) بينما فضّل المحقّق الأعمى الإشفار البشري والآلي بمعدلات غير قابلة للتمييز (51.5% مقابل 48.5%، p = 0.537). أبلِغ عن هدف المعايرة، والمعيار الذهبي، ومن حكم فيه.

قرّر ما إذا كانت المقارنة منصفة وإلى أي مدى يسافر الادعاء

الإنصاف والنطاق يفشلان بالطريقة نفسها: أثر كبير يعني أقل مما يبدو. فـ 11 من التحليلات البعدية الـ 14 المُدقَّقة لم تضبط أي حد لفئة الجمهور، فـ"الطلاب" امتدت من الأطفال إلى المتدربين في الطب؛ ومقرر أو مؤسسة أو مجال دراسي أو بلد واحد لا يُرخّص لادعاء عام، ونتائج أداة واحدة نادرًا ما تنتقل إلى أخرى. وآثار الجِدّة، والزمن الإضافي على المهمة، وشرط مقارنة تلقّى تعليمًا كالمعتاد لا ضبطًا فعّالًا هي التفسيرات المعتادة لأثر كبير — فأبلِغ عمّا فعله الضبط فعلًا، وكم زمن أمضاه كل ذراع، وكم كانت الأداة جديدة. واذكر حد الفئة كذلك، لأن الآثار تختلف بين مجموعات المتعلمين والحد غير المعلن هو ما يترك رقمًا واحدًا مجمّعًا يمثلها جميعًا (انظر Differential Effects Across Learner Groups). وتعامل مع الأداة كهدف متحرك أيضًا: فالأنظمة الاحتكارية تتغير دون إشعار، لذا فالناتج مرتبطة بإصدار نموذج، والمعيار المرجعي الذي أُبهر به في إصدار قد لا يصمد في التالي.

قرّر ما يستطيع تحليلك دعمه — وأبلِغ عن عدم يقينه لا عن عنوانه الرئيسي فقط

بالنسبة للتركيبات، أبلِغ عن التعامل مع الآثار المتبعة، والتباين بين الدراسات، وفترات التنبؤ، وتقييم انحياز النشر، لا عن I² فحسب. ووجد O'Neill أن عدم التجانس المُبلَّغ عنه كان شديدًا أينما قُدِّم (I² من 77.2% إلى 94.4% عبر 13 تحليلًا بعديًا، و12 منها فوق 80%) ولم يُحل أبدًا (فلم يبلغ أي تحليل وسيط الحد الأدنى لحجم المجموعة الفرعية وهو عشر دراسات)، وأن 12 تحليلًا بعديًا عالجت أحجام الأثر المتبعة من الدراسة نفسها كأنها مستقلة — مُضخّمةً الدليل الظاهر — وأن أربعة فقط أبلغت عن التباين بين الدراسات (τ²) واثنان فقط عن فترة تنبؤ، وكلاهما تضمن الصفر. ولم يُقيَّم انحياز النشر تقييمًا صحيحًا في أي مكان.

لأن I² يعتمد على الدقة، يجب أن يسافر رقم عدم التجانس مع نموذجه: توثّق Limitations in AIEd Research تركيبًا واحدًا عدم تجانسه I² = 82.98% تحت نموذج الآثار الثابتة و15.75% تحت الآثار العشوائية، فالقارئ الذي يُعطى الرقم الأول وحده لا يستطيع معرفة مدى تناقض المجموعة النصية. أبلِغ عن τ² وفترة تنبؤ إلى جانبه؛ وانظر التحليل البعدي والمراجعة المنهجية لاصطلاحات جانب المراجعة، واخفض وزن الرقم الرئيسي تبعًا لذلك — كان متوسط Bartoš et al. المعدّل بالانحياز SMD = 0.196 مع فترة تنبؤ تمتد من −1.521 إلى +1.908، شاملةً ضررًا جوهريًا وفائدةً جوهرية لدراسة جديدة افتراضية.

قرّر ما تفصح عنه بشأن الأخلاقيات والكلفة والحوكمة — واستخدامك أنت للذكاء الاصطناعي

وجدت مراجعة لكل أوراق مؤتمر تعليم الذكاء الاصطناعي 2025 نمط "تبنٍّ آلي دون إفصاح": فمعظم المشروعات استخدمت النماذج اللغوية الكبيرة، لكن أقل من حفنة قليلة أبلغت عن استهلاك الموارد أو البصمة الكربونية. وتُزوّد تلك الورقة طريقةً مفتوحة المصدر مع أدوات قياس للأجهزة المحلية والسحابية إضافةً إلى صيغة لتقدير النفقات الحاسوبية للنماذج الحدودية التي أعداد معاملاتها غير معلنة، وتُجادل بأن عدم الإبلاغ عن هذه الكلفة في ذاته مسألة أخلاقية. أضف حوكمة البيانات، والموافقة، وسهولة الوصول والملاءمة الثقافية (بنود RAISE؛ التصميم الشامل للتعلّم، إمكانية الوصول) — وانظر كيف ينبغي لبحث الذكاء الاصطناعي في التعليم أن يُدمج الإنصاف وإمكانية الوصول والخصوصية والأخلاقيات والسلامة البيداغوجية؟ للمعالجة الأكمل لهذه الالتزامات.

يحتاج استخدامك أنت للذكاء الاصطناعي في عملية البحث إلى الإفصاح نفسه. يُظهر تحليل Zabaleta and Lin's PRISMA-LLM لـ 888 ورقة عن أتمتة المراجعات مدى تفاوت هذا الإبلاغ: فمنذ 2023، لم تُبلّغ 38.0% من أوراق البرمجيات/المنتجات عن أي تقييم على الإطلاق (مقابل 9.3% من أوراق النماذج اللغوية الكبيرة)، وكان متوسط غنى الإبلاغ 6.3 لأوراق النماذج اللغوية الكبيرة مقابل 3.3 لأوراق البرمجيات/المنتجات، واعتمد 84.1% من استخدامات النماذج اللغوية الكبيرة على أنظمة احتكارية أو مستضافة مقابل 4.9% فقط مفتوحة الأوزان. ويفصل إطارهم إفصاح التنفيذ عن التقييم الحساس للنتائج عبر خمس درجات إفصاح — وهو قالب قابل للعمل لوصف ما فعلته أداة في مراجعة. ويضيف Dai and Chan (2026) صورة جانب المؤلف: فاستخدم 27 من 28 باحثًا دراسات عليا الذكاء الاصطناعي التوليدي في توليد الأفكار، والمراجعة الأدبية، والشرح، ومعالجة البيانات، والبرمجة، والكتابة الأكاديمية، والتحرير، والترجمة، معايرين الاستخدام للمخاطر والأعراف المنهجية، مع ملاحظتهم أن السياسات المؤسسية تعالج التعليم والتقويم لا ممارسة البحث.

قرّر ما تفعله بالنتائج الصفرية والاستشهادات

تحقّق Denny et al. من 30 مرجعًا مُختلقًا في 14 ورقة، مع ارتفاع العدد المُتحقَّق في ملتقى تقني واحد من 3 في 2025 إلى 17 في 2026 (2.3% من أوراق وقائع تلك السنة) — والمساعدة الآلية في الصياغة تجعل الاستشهاد المُختلق المعقول رخيص الإنتاج. وأثقالهم المقابلة مهمة عندما تستشهد بتلك المراجعة: فمعظم المراجع المُشار إليها كانت حميدة — 229 منها عدم تطابق في البيانات الوصفية لـ ACM مع أن ملف PDF كان صحيحًا، و188 منها بدائل ببليوغرافية صحيحة — لذا فعدد المُختلق حدٌّ أدنى متعمد والغالبية الحميدة ليست خطأ تقريب. تحقّق من كل مدخل لا تستطيع التحقق منه شخصيًا.

الإبلاغ عن النتائج الصفرية والسلبية هو الجانب الآخر للعملة نفسها. فـBartoš et al. (2026) وجدوا دليلًا قويًا على كبت النتائج الصفرية (كل اختبار إيغر p < .0001) وعدم تجانس متطرف (τ = 0.869)، دون أي مجموعة فرعية من النتيجة أو المجال أو المرحلة أو دور الذكاء الاصطناعي تُظهر مكاسب متسقة. ووجدوا أيضًا عدم وجود فرق بين الدراسات المنشورة قبل يناير 2023 وبعده، ما يُقوّض الادعاء بأن الأدوات التوليدية الحديثة تُنتج مكاسبًا على وجه التحديد.

نقاط الضعف الموثّقة في المجال، بأرقامه

المعدلات الأساس التي ينبغي أن تُوزن ضدها أي ادعاء:

• الصدق: 28 من 46 دراسة أولية مدقّقة (61%) لديها مخاوف صدق؛ و21% فقط من المقارنات المُدقَّقة كانت تملك علاجًا محددًا تعريفًا سليمًا، ومجموعة ضبط، ومقياسًا صحيحًا.
• عدم التجانس غير المُحل: I² من 77.2% إلى 94.4% عبر 13 تحليلًا بعديًا، و12 منها فوق 80%، دون أي تحليل وسيط يبلغ حد عشر دراسات، والآثار المتبعة عُوملت كأنها مستقلة في 12، وأربعة تركيبات فقط أعطت τ² مقابل اثنتين فقط أعطتا فترة تنبؤ.
• انحياز النشر: غير مُقيَّم عبر التحليلات البعدية الـ 14 المُدقَّقة؛ وكل اختبار إيغر في المجموعة الأكبر كان دالًا إحصائيًا (p < .0001)، مع τ = 0.869.
• المراجع: 30 اختلاقًا في 14 ورقة، و17 في ملتقى واحد عام 2026 — 2.3% من وقائع تلك السنة.

الاعتراضات التي ستسمعها

"المراجعون يريدون الجِدّة لا تفاصيل المنهجية." المجلات تتحرك في الاتجاه المعاكس: فـRAISE وTEP-AIED يمنحان المحررين بناءً يُطلب، والقسم الفرعي للمنهجية في TEP-AIED نقطة دخول منخفضة الاحتكاك. وتفاصيل المنهجية هي ما يحوّل ورقةً غير قابلة للتقييم إلى ورقة قابلة للاستشهاد.

"ليس لدينا مساحة." درجات الإفصاح الخمس مستويات إبلاغ لا مستويات خطر، لذا فعمق تقييم خط المعالجة يمكن أن يكون جملة أو جملتين. الإصدار والمطالبات والدور تتناسب مع فقرة قصيرة؛ والكلفة والحوكمة تتناسب مع جملة قيود.

"الكل يُبلّغ بهذه الطريقة." تلك هي النتيجة لا دفاع — 61% من الدراسات الأولية المدقّقة لديها مخاوف صدق، و12 من 13 تحليلًا بعديًا فوق 80% عدم تجانس، و38.0% من أوراق البرمجيات/المنتجات دون تقييم. فالعُرف هو العيب.

"أداتنا احتكارية، لذا لا نستطيع الإبلاغ عن النموذج." أبلِغ عن الإصدار، وتاريخ الوصول، والضبط، والمطالبات التي قدّمتها، والدور، وحواجز الحماية. وإذا لم يُصرّح المورّد، فذلك القيد ينتمي إلى القيود بوصفه حدًا على الادعاء.

"الإبلاغ عن النتائج الصفرية سيؤذينا." النتائج الصفرية المكبوتة هي الآلية الموثّقة وراء متوسط SMD = 0.196 المعدّل بالانحياز؛ ونشرها هو ما يُبقي نتيجتك الإيجابية قابلة للقراءة.

قائمة التحقق قبل التقديم

• أبلِغ عن: النموذج، والإصدار، والضبط، والمطالبات، ودور الذكاء الاصطناعي في التصميم. تحقّق من: هل تستطيع إعادة بناء التدخّل من قسم المنهجية وحده؟
• أبلِغ عن: الأساس التربوي وشرط المقارنة الفعّال. تحقّق من: هل العلاج منهج مُسمّى لا اسم منتج؟
• أبلِغ عن: ما يلتقطه كل مقياس، وتحقّقه لهذه الفئة، والنتيجة المؤجّلة أو غير المُساعدة. تحقّق من: هل الادعاء الرئيسي يطابق المتغير التابع؟
• أبلِغ عن: من حكم في الأحكام الآلية، وأي معيار ذهبي، وبأي اتفاق. تحقّق من: هل تُستخدم الدقة أو الاتفاق كأنهما جودة؟
• أبلِغ عن: التعامل مع الآثار المتبعة، وτ²، وفترات التنبؤ، وأحجام مجموعات الوسطاء، وتقييم انحياز النشر. تحقّق من: هل يُقتبس عدم التجانس مع نموذجه ودقته؟
• أبلِغ عن: الإشراك البشري، وحوكمة البيانات، والموافقة، وسهولة الوصول والملاءمة الثقافية، إضافةً إلى كلفة الحوسبة والبيئة. تحقّق من: هل ادعاءات الأخلاقيات مدعومة بإجراء موصوف لا بمبادئ مؤكَّدة؟
• أبلِغ عن: استخدام الذكاء الاصطناعي داخل عملية البحث، عبر كل طبقات الإفصاح الخمس. تحقّق من: هل قُيّم خط المراجعة أو التحليل أصلًا؟
• أبلِغ عن: النتائج الصفرية والسلبية والمُحاجّة إلى جانب الإيجابية. تحقّق من: هل خُفض وزن حجم الأثر بانحياز النشر المحتمل؟

ما يرفع المعيار فعلًا

علاجات هذه الأدبيات مؤسسية لا فردية. يُوصي O'Neill بإلزامية شفافية البيانات للتحليلات البعدية — جداول كاملة لأحجام الأثر، وبنى التبعية، وτ² وفترات التنبؤ — إضافةً إلى ضبط أقوى من المراجعين والمحررين وممارسة سحب عاملة فعّالة، بحجة أن هذه الإخفاقات مُنتَجات ضبط فاشل لا أخطاء معزولة. ويقترح PRISMA-LLM خمس درجات إفصاح بوصفها مستويات إبلاغ لا مستويات خطر، بحيث يُعلن بصراحة عمق تقييم خط مراجعة. ويمنح RAISE وTEP-AIED المجلات بناءً يُطلب في المُقدَّمات. ولأرضية ذات صلة انظر notable gaps in the research literature، وLimitations in AIEd Research، وmeasures and methods for evaluating AI-related interventions. وعلاج منخفض الكلفة يقع على المؤلفين: فكل صفحة مقال في قاعدة المعارف هذه تُزاوج الآن الدراسة بقسم What this means for practice وقسم Limitations عادةً، لذا فإن كتابة الورقة بحيث يمكن ملء كليهما بصدق — الفعل الذي يمكن أن يتخذه الممارس، والقيد عليه — عادةُ إبلاغ بقدر ما هي عادة كتابة (انظر Interpreting and Applying AIEd Research).