Hvilke væsentlige huller er der i forskningslitteraturen om AI i uddannelse?

Automatisk maskinoversættelse af denne engelske side, der endnu ikke er blevet gennemgået af en modersmålstalere.

En ansøgningsfrist er otte dage væk, og baggrundsafsnittet mangler én sætning om, hvad dette felt endnu ikke ved. Eller en kollega har fortalt et udvalg, at AI-vejledning hæver præstationerne, med henvisning til et toårigt eksperiment på 18 mellemskoler, og du er den, der skal sige, hvad den undersøgelse kan bære. Eller du vælger emne til en afhandling, og hver version af spørgsmålet ser ud til at være undersøgt allerede.

De huller, der betyder noget, handler om styrke, specificitet og anvendelighed. AI kan udføre pædagogiske opgaver; de åbne spørgsmål er, om et bestemt design giver en varig gevinst, for hvem, gennem hvilken mekanisme og under hvilke betingelser. Den skelnen afgør to ting på dit bord: hvad du skal undersøge næste gang, og hvad du skal holde op med at påstå i mellemtiden. Begrænsninger i AIEd-forskning er kataloget bag denne side. Evidens om intelligente vejledningssystemer, prædiktiv læringsanalytik, generativ AI og autonome agenter kan heller ikke udskiftes med hinanden, og forskning i at bruge AI til at understøtte læring er noget andet end forskning i at lære folk om AI, sådan som oversigten AI i uddannelse forklarer.

Den korte version

1. Sammenlign AI'en med et stærkt ikke-AI-alternativ, der holder pensum, øvelse og støtte konstant, og sig, hvad AI'en tilføjede.

2. Mål forsinket, ustøttet præstation, og sig klart, at assisteret præstation ikke er en læringsgevinst.

3. Rapportér, hvilken komponent i pakken der gjorde arbejdet, og hvilken mekanisme du hævder.

4. Validér hver automatisk score og hver simuleret lærende mod rigtige lærende, også lærende uden for din udviklingsstikprøve.

5. Angiv befolkningsgrænsen, for et samlet gennemsnit besvarer ikke et lighedsspørgsmål.

6. Beskriv arrangementet så godt, at en anden kunne genopbygge det.

Vælg en sammenligning, der isolerer AI'en

Der findes robuste klasseværelseeksperimenter, så »vi har brug for randomiserede forsøg« udpeger ikke længere hullet. Det skarpere spørgsmål er, om AI-komponenten tilfører værdi ud over ekstra øvelse, bedre materialer, rettidig feedback eller mere undervisningsstøtte.

One Click Away rapporterer beskedne præstationsgevinster på 18 mellemskoler side om side med begrænset substantiel interaktion med vejlederen, og forfatterne bemærker, at gevinsterne lignede dem, man ser ved struktureret øvelse uden AI. Det er evidens om en implementeret pakke, og den kan ikke isolere, hvad AI'en indeni tilføjede.

Problemet under det er begrebsmæssigt så vel som empirisk. »ChatGPT« navngiver et værktøj, ikke en metode. Weidlich et al. (2025) gennemgik 19 ChatGPT-sammenligninger i uddannelse: kun 4 (21 %) specificerede alle tre af en replikerbar behandling, en operationaliseret kontrol og et gyldigt læringsmål (74 % veldefineret behandling, 42 % veldefineret kontrol, 53 % et læringsudfald). Når ny AI ankommer sammen med nye aktiviteter, feedback eller grænsefladedesign, er medie og metode sammenblandet, og ingen effekt tilhører AI'en.

Hvad der ville afgøre det: sammenligninger mod realistiske ikke-AI-alternativer med pensum, øvelsesmuligheder og støtte holdt så konstant som muligt, plus uafhængige replikationer på tværs af institution, underviser, fag og model. Metoder besvarer forskellige spørgsmål her. Kvalitativt og designbaseret arbejde forklarer implementeringen, mens veldesignede eksperimenter bærer de kausale påstande, som Effektivitetsforskningsmetoder fremstiller det.

Mål læring, efter værktøjet er væk

Forbedret arbejde, mens AI'en bruges, er ikke evidens for læring, der overlever, at støtten ophører. Synteserne om læringsgevinster og kognitiv udlicitering trækker hele tiden samme linje mellem assisteret præstation, fastholdt viden, uafhængigt ræsonnement og transfer.

Making AI Tutoring Productive viser måleproblemet i et randomiseret eksperiment med mere end 6.000 mellemskoleelever. En mestringsregel om tre rigtige i træk hævede den platformsdefinerede succes uden i sig selv at give påviselige læringsgevinster en uge senere. Den stærkeste evidens fra den forsinkede test optrådte, når AI'en sad inde i mestringsarbejdsgangen og koncentrerede sig om øvet materiale.

Det resterende hul handler om kapabilitetsbaner, og en ekstra eftertest lukker det ikke. Ingen har fastslået fastholdelse over måneder, transfer på tværs af opgaver, præstation efter tilbagetrækning eller de lærendes nøjagtighed i at bedømme, hvad de ved, og feltet har ikke adskilt manglende tilegnelse af en færdighed fra forringelse af en allerede etableret. Udliciteringsforskning mangler stadig at vise, hvornår delegering understøtter disse baner, og hvornår den fortrænger den øvelse, der bygger dem.

Find ud af, hvilken del af pakken der gjorde arbejdet

»AI-understøttet læring« samler som regel flere ændringer: ny feedback, tilføjet refleksion, peer-diskussion, andre opgavesekvenser, ændrede bedømmelsesincitamenter. En pakke, der lykkes, fortæller dig ikke, hvilke komponenter der var nødvendige.

Menneskecentreret GenAI-feedbackdesign er et reelt fremskridt på det spørgsmål. Blandt 1.176 førsteårsstuderende på bacheloruddannelser klarede reflekterende og hybride design sig bedre end direkte AI-feedback på forsinket AI-fri transfer. Den hybride betingelse kombinerede selvevaluering, peer-feedback og AI-kritik. Det adskiller, hvordan feedback organiseres og bruges, fra om de studerende overhovedet har adgang til feedback.

Stadig åbent: bidraget fra og tidspunktet for indledende uafhængige forsøg, selvforklaring, peer-input, korrigerende feedback, hints og gradvis fjernet støtte, og hvordan hver af dem samspiller med forudgående viden og opgavens sværhedsgrad.

Teorihullet løber ved siden af. At navngive en læringsteori er ikke at teste en. En undersøgelse har brug for en teoretisk forudsigelse knyttet til en bestemt systemadfærd og en målbar læringsproces, og statistisk mediation informerer den forklaring uden at fastslå en kausal mekanisme. Teoriudvikling i AI i uddannelse og Scaffolding bærer argumentet videre.

Validér målet, før du fortolker det

Konstrukter som engagement, kritisk tænkning, AI-kompetence og personalisering måles inkonsistent på tværs af denne litteratur. Selvrapporter beskriver opfattelser; de kan ikke stå i stedet for demonstreret kompetence. Teknisk nøjagtighed, ekspertvurderet outputkvalitet og studerendes læring er tre forskellige evalueringsmål. Uddannelsesmåling og AIEd-evaluering behandler disse skel som grundlæggende.

Et hul sidder inde i måleproblemet: AI-systemer, der bruges til at evaluere andre AI-systemer. I Simulating Students or Sycophantic Problem Solving? opgav simulerede studerende ofte tildelte misforståelser efter korrigerende feedback, uanset om feedbacken adresserede misforståelsen, så deres svar kunne få ineffektiv undervisning til at se vellykket ud. Målrettet træning forbedrede undersøgelsens troskabsmål, og forbedring på det mål er ikke validering mod menneskelig læring.

Det, der mangler, er validering af hele evalueringskæden, fra modeladfærd over pædagogisk dømmekraft til den lærendes respons og til det uddannelsesmæssige udfald, på lærende og i miljøer, der ikke blev brugt under udviklingen. Menneskelig dømmekraft kræver samme granskning, for enighed mellem bedømmere er ikke evidens for, at det rigtige konstrukt blev målt.

Afgør, hvad en bedømmelse stadig kan attestere

AI skaber to forbundne bedømmelsesproblemer: det hjælper med at producere det arbejde, der bedømmes, og det kan påvirke, hvordan det arbejde scores.

Vidensbasens undersøgelse af AI-agenter, der løser bedømte LMS-opgaver dokumenterer agenter, der navigerer i et kørende bachelorfag og gennemfører bedømte aktiviteter. Det demonstrerer en kapabilitet, som udfordrer antagelser om studerendes egenproducerede evidens. Det fastslår ikke, hvor udbredt en sådan brug er, og det ugyldiggør ikke asynkron bedømmelse som kategori.

Forskningsspørgsmålet er, hvilke designs der stadig understøtter forsvarlige konklusioner om den lærende. Portfolioer, refleksioner, trinvise afleveringer og aktivitetslogge skal valideres som evidens i stedet for at blive antaget at fastslå forfatterskab eller forståelse. Undersøgelser bør teste kombinationer af evidens mod uafhængigt observeret kompetence og samtidig tage højde for tilgængelighed, arbejdsbyrde, privatliv og studerendes ængstelse. Bedømmelsesvaliditet har detaljerne.

For automatisk scoring rapporterer LLMs Do Not Grade Essays Like Humans systematisk uenighed mellem standardmodeller og menneskelige bedømmere. Funnene er konfigurationsspecifikke, og de viser, hvorfor intern konsistens ikke kan bære en gyldighedspåstand.

A Human Capability Test for Learning Outcomes in the AI Era foreslår at bedømme separat, hvad de lærende skal kunne uafhængigt, hvad de må opnå med AI, og hvad de skal verificere og forsvare. Det er en ramme, der afventer empirisk validering.

Detektion er den klareste blindgyde på området. Karr et al. (2026) kørte to kommercielle detektorer ved τ = 0,50 på 642 publicerede engelske abstracts. Retningslinjekonform let AI-redigering blev flagget i 38-80 % af tilfældene. Uændrede originaler fra 2023-25 blev flagget i 9-15 %, med ikke-STEM-arbejde langt over STEM ved p < 0,001. Efter humanisering fangede værktøjerne under 4 % af de AI-mærkede omskrivninger, en falsk-negativ-rate over 96 %. En score, der straffer ærlig hjælp og overser omgåelse, kan ikke begrunde en konklusion om en lærende.

Hold op med at læse kompetencescores som bevis på adfærd

Forskning i AI-kompetenceinterventioner er omfattende nok til at blive syntetiseret. AI Literacy Interventions in Education dækker 59 undersøgelser og 7.211 deltagere, rapporterer en positiv gennemsnitseffekt og rapporterer også betydelig variation med et bredt prædiktionsinterval, der spænder over nul. Videnorienterede udfald kom stærkere ud end færdigheder, holdninger eller etik.

Det skarpere hul er, om kompetenceundervisning ændrer, hvad folk gør, når de bruger AI, og endnu en kompetenceramme ville ikke lukke det. Kan de lærende genkende ubegrundede påstande, verificere kilder, afvise misvisende forslag, bemærke upassende enighed og vælge, hvornår de ikke skal delegere? Holder noget af det under tidspres, og overføres det til ukendte systemer og fag?

At afgøre det kræver præstationsbaseret bedømmelse kombineret med observation af faktiske beslutninger og forsinket opfølgning, med begrebsmæssig viden, operationel færdighed og kritisk dømmekraft holdt adskilt i stedet for slået sammen. AI-kompetence og Tillidskalibrering leverer skelnerne.

Rapportér, hvem resultatet udelader

Resultater fra et fag, en institution, et sprog eller en bestemt lærendepopulation giver sjældent tilladelse til beslutninger andre steder, et problem som syntesen Begrænsninger i AIEd-forskning behandler som tilbagevendende. Hvordan effekter varierer med udviklingstrin, fag, forudgående viden, handicap, sprog og ressourcetilstande, er fortsat stort set umålt.

Lighedsforskning skal også adskille adgang, færdigheder og udfald. Syntesen om det digitale skel er klar over, at enheder og værktøjsadgang ikke fastslår lige kapacitet til at få gavn af dem. Does School-Based AI Education Narrow Readiness Gaps? fulgte 752 elever i det lavere gymnasium i Hongkong: huller i psykologisk parathed indsnævredes, mens forskelle i en objektiv AI-kompetencetest bestod. Alle grupper forbedredes, og uligheden blev ikke lukket. Profiler for forudgående læringsniveau var ikke tilfældigt tildelt, så deres kausale rolle er fortsat ukendt.

Dækningen er tynd på bestemte steder. Differentielle effekter på tværs af lærendegrupper tæller litteraturen efter population: andetsprogs- og flersprogede lærende samt studerende med handicap er de dybeste strømme, køn og neurodiversitet kommer derefter, første-generationsstuderende og internationale studerende har hver én undersøgelse i dette korpus, begavede og højtpræsterende studerende er reelt ustuderede, og flygtninge, indvandrere og fordrevne lærende optræder i ingen. En evidensbase med den form kan ikke besvare et lighedsspørgsmål ved aggregering.

Kapaciteten varierer også inden for et enkelt nationalt system. Adeniranye et al. (2026) scorede AI-integration på 45 nigerianske universiteter og fandt moderat samlet adoption (M = 4,79, interval 1,83-7,83 på en 10-punkts skala), hvor institutionstype ikke kunne forudsige integration, når alder og geografi var kontrolleret (alder β = 0,43; placering i sydvest β = 0,31). Interne kapabiliteter korrelerede indbyrdes med r = 0,79-0,80 og internationale samarbejder med industripartnerskaber med r = 0,74, så forbundne institutioner akkumulerer forstærkende fordele. Hvilke kapacitetsopbyggende design der ændrer udfald på nyere, mindre forbundne institutioner, er utestet.

Forskningsprioriteten er at identificere design, der reducerer forskelle i demonstreret kapabilitet, deltagelse og agens, med undergruppeudfald og byrder rapporteret sammen med gennemsnitsgevinster. Tilgængelighed bærer sit eget uløste spørgsmål: om et design fjerner en barriere for deltagelse eller erstatter en kapabilitet, som den lærende er ment at udvikle. Se Lighed i AI-uddannelse og tilgængelighed.

Sig, hvem der har kontrollen, og hvornår den skifter

Når systemer planlægger, igangsætter handlinger, holder hukommelse og koordinerer værktøjer, bliver det pædagogiske spørgsmål, hvem der bør styre hvilke dele af læringsprocessen, og hvornår den styring bør flytte sig.

Agentic AI in Education: A Scoping Review kortlægger 474 undersøgelser og finder begrænset longitudinel validering, koncentration i videregående uddannelse og STEM samt svag integration af uddannelsesteori: kun 29 % af de gennemgåede undersøgelser trak eksplicit på uddannelsesteori, et fund om netop det korpus og ikke om alt AIED-arbejde.

Åbne spørgsmål følger. Giver lærende-initieret hjælp andre udfald end agentinitieret hjælp? Kan støtten trækkes tilbage, efterhånden som kompetencen udvikles, uden tab? Beholder de lærende evnen til at udfordre systemet? Synteserne om agentbaseret AI og menneske-AI-samarbejde tilføjer underviserindgriben og ansvarlighed i multiagentopsætninger, hvor ingen har fastslået, hvem der svarer for en agents beslutning. Større autonomi er et pædagogisk designvalg med en evidensbase, der stadig skal bygges.

Test sikkerhedssvigt mod rigtige lærende

Uddannelsesmæssig sikkerhed rækker ud over faktuel nøjagtighed og forbudte forespørgsler. En vejleder kan give et korrekt svar og samtidig fjerne den lærendes mulighed for at ræsonnere, forstærke en misforståelse eller opbygge afhængighed. Pædagogisk sikkerhed dækker konstruktet.

SafeTutors identificerer svigt, herunder overdreven afsløring af svar og opgivelse af stilladsning, med væsentligt flere svigt under test med flere ture. Det er benchmark-fund under specificerede betingelser, ikke skøn over, hvor ofte skade opstår i klasseværelser.

Hvad der sker, når disse svigt møder rigtige lærende over vedvarende brug, er ukendt. Hvilke der giver midlertidig forvirring, hvilke der giver vedvarende misforståelser, hvilke der reducerer motivation, og hvilke der svækker uafhængig kapabilitet, er ikke målt. Ingen har heller fastslået, hvilke beskyttelsesforanstaltninger der skærer disse risici uden at producere overdreven afvisning eller frustration. Længerevarende arbejde har også brug for tillid, vilje til at søge menneskelig hjælp, den lærendes agens og relationer til jævnaldrende og undervisere som udfald. For børn kræver det udviklingsmæssigt passende undersøgelser, der forbinder systemadfærd med uddannelsesmæssige og relationelle udfald.

Adskil ibrugtagning fra implementering

Teknisk kapabilitet fastslår ikke, at et værktøj bliver brugt godt, og faglig udvikling når ikke automatisk de studerende. Det manglende led løber som regel fra læreruddannelse over ændret klasseværelsespraksis til studerendes udfald.

Pedagogy First, Technology Second er en flerniveauundersøgelse af 46 undervisere og 2.832 studerende. Pædagogisk AI-viden var forbundet med de studerendes opfattelser og intentioner, og ingen af de målte komponenter i underviserens viden var direkte forbundet med de studerendes videnstilegnelse om AI. Sådanne associationer fastslår ikke, at en træningsintervention ville forårsage bedre læring.

Det åbne spørgsmål er, hvilke kombinationer af coaching, pensumtilpasning, gennemgangsrutiner, planlægning og institutionel støtte der giver vedvarende forbedring, og undersøgelser skal observere den faktisk udførte undervisning frem for underviserens selvtillid eller hensigt om at tage noget i brug. Underviseres AI-kompetence og Uddannelsesudvikling dækker terrænet.

Komparativ omkostningseffektivitet er et andet hul. Evalueringer bør tælle verifikation, korrektion, træning, supervisering, vedligeholdelse og implementeringstid med sammen med abonnements- og modelbrugsomkostninger og sammenligne AI-understøttet levering med realistiske alternativer. Spørgsmålet, der er værd at besvare, er, hvilken uddannelsesmæssig gevinst det komplette arrangement leverer for de ressourcer, det kræver.

Læs styringsdokumenter som hensigter

Etiske principper og styringsrammer er nødvendige, og deres eksistens fastslår ikke, at de ændrer praksis eller beskytter de lærende.

Agarwal et al. gennemgik 25 artikler og fandt slutbrugerne stort set passive i etiklitteraturen, med studerendes stemmer reelt fraværende, side om side med spændinger mellem værdier og magtasymmetrier mellem interessenter. Det beskriver den gennemgåede litteratur. Det er ikke en påstand om, at studerende aldrig deltager i AIED-design.

Det, der mangler, er evidens for, hvilke styringsarrangementer der gør en målbar forskel. Ændrer studerendes og underviseres deltagelse indkøb, værktøjsdesign, bedømmelsesregler eller oprejsning efter en fejl? Fanger procedurer for menneskelig gennemgang konsekvensrige fejl? Er alternativer til AI-brug reelt tilgængelige for de mennesker, der får besked på at bruge den? Privatlivsforskning har et parallelt hul: den uddannelsesmæssige værdi af ekstra dataindsamling antages som regel, og dataminimerende design er sjældent blevet sammenlignet med mere indgribende design på både læring og den lærendes autonomi. Se AI-styring og privatliv.

Gør undersøgelsen mulig at genopbygge

AIED har et usædvanligt svært reproducerbarhedsproblem. Undersøgelser udelader prompts, modelversioner, indstillinger, kode og undervisningsdetaljer, og proprietære systemer kan ændre sig under eller efter en intervention. Begrænsninger i AIEd-forskning dokumenterer mønstret.

At genopbygge en undersøgelse betyder at beskrive undervisningsarrangementet så vel som modellen: læringsopgaver, indholdskilder, tilladte handlinger, grænseflade, underviserstøtte, bedømmelsesbetingelser og alt, der ændrede sig under udrulningen. At reproducere én konfiguration og teste, om dens pædagogiske princip overføres til en anden, er to separate præstationer, og rapporteringsvejledningen i Effektivitetsforskningsmetoder behandler begge.

Syntese kræver samme omhu. Metaanalyse og systematisk gennemgang lister svage primærstudier, publikationsbias, heterogene interventioner og uforenelige udfald som grænser for samlede konklusioner, og en enkelt gennemsnitlig »AI-effekt« skjuler de skel, undervisere har brug for. Gennemgange bør adskille assisteret præstation fra uafhængig læring, skelne mellem interventionstyper og sammenligningsbetingelser og gøre kodningsbeslutninger reviderbare.

Synteselitteraturen er selv et hul. O'Neills (2026) kriminaltekniske gennemgang af 14 højt citerede metaanalyser fandt, at ingen af dem gav et gyldigt grundlag for sine påstande. Intet sammenhængende konstrukt: et værktøj behandlet som én intervention, multidimensionelle udfald slået sammen. Publikationsbias blev vurderet ugyldigt i alle 14. Rapporteret I² lå fra 77,2 % til 94,4 % i hver analyse, der rapporterede den, med 12 af de 13 over 80 %. 61 % af tilfældigt udvalgte primærstudier havde validitetsbetænkeligheder. De 14 analyser samlede mere end 2.000 citater på cirka 16 måneder, og en tilbagekaldt metaanalyse blev stadig citeret som autoritativ i 60 % af de citerende artikler efter tilbagekaldelsen uden at nævne det. Af 14 artikler, der citerede en anden gransket metaanalyse, hvis abstract annoncerede en stor effekt af »AI-uddannelse«, som i virkeligheden målte undervisning af studerende om AI, citerede kun 2 den passende, 8 læste den som evidens for, at integration af AI forbedrer læring, og 4 tog fejl på andre måder. Granskningen beder tidsskrifter kræve fuld datatransparens for metaanalyser (søgeprotokoller, kodede undersøgelseskarakteristika, udtrukne statistikker, analytisk kode), beder redaktører ikke behandle en publikationsliste som bevis på gennemgangskompetence og beder om, at tilbagekaldelser er synlige, hvor en artikel end opdages, eksporteres eller citeres. Reproducerbarhed dækker syntesekæden, ikke kun det enkelte studie.

Undervisere, der vil have klasseværelsesversionen, kan følge metoder til evaluering af AI-interventioner.

Hvad forskere og undervisere tager fejl af her

Feltet mangler undersøgelser. Det mangler specificerede undersøgelser. Der findes multisite-eksperimenter, randomiserede forsøg med tusindvis af studerende og 14 højt citerede metaanalyser. Kun 21 % af de granskede sammenligninger definerede behandling, kontrol og udfald godt nok til at tilskrive en effekt.

At navngive en teori er at teste den. En henvisning til en læringsteori er en indramningsbeslutning. En test kræver en forudsigelse, en systemadfærd der implementerer den, og et procesmål der kunne falde den anden vej ud.

En valideret automatisk score er et valideret udfald. Enighed med menneskelige kodere fastslår konsistens med netop de kodere. Simulerede studerende forbedredes på et troskabsmål uden at blive valideret mod menneskelig læring, og kæden fra modeladfærd til udfald er fortsat ubygget.

Adgang er lighed. I Hongkong-undersøgelsen indsnævredes huller i psykologisk parathed, mens forskelle i objektive test bestod, og alle grupper forbedredes uden at uligheden blev lukket. Enheder og licenser ændrer, hvem der kan nå værktøjet.

Mere autonomi er fremskridt. Større agentuafhængighed er et designvalg. Med 29 % af 474 agentundersøgelser, der trækker på uddannelsesteori, og begrænset longitudinel validering, har ingen vist, at det forbedrer læringen at flytte kontrollen til systemet.

De indvendinger, du vil høre

»Hullet er bare, at vi har brug for flere randomiserede forsøg.« Der findes masser nu, og problemet sidder opstrøms for designetiketter: et forsøg med en pakke, der samler ny feedback, nye opgaver og en ny grænseflade, kan ikke tilskrive AI'en noget. Sammenligningsbetingelsen er der, hvor arbejdet ligger.

»Jeg kan ikke gennemføre en flerårig opfølgning.« Så mål én forsinket, ustøttet lejlighed, og sig, hvilket interval den dækker. En uge er et reelt fund, og mestringsregelundersøgelsen fik sit resultat efter en uge ved at indlejre AI'en i arbejdsgangen og koncentrere sig om øvet materiale.

»Randomisering er umulig i mit fag.« Designbaseret og kvalitativt arbejde besvarer implementeringsspørgsmål, som forsøg ikke kan, og feltet har brug for begge. Hvor tilfældig tildeling er mulig, bærer den stadig den kausale påstand.

»Den samlede effektstørrelse fortæller mig allerede, hvad der virker.« De 14 granskede metaanalyser definerede behandlingen som et værktøj, slog uforenelige udfald sammen og rapporterede I² over 80 % i 12 af 13 analyser, der oplyste den. Det samlede tal beskriver en række undersøgelser med et konstruktproblem.

»Simulerede studerende er billigere, så validering kan vente.« I sykofanti-undersøgelsen droppede simulerede studerende misforståelser, uanset om feedbacken adresserede dem, og det er netop den fejltilstand, der får en ineffektiv vejleder til at se effektiv ud.

Hvad du kan gøre i denne uge

1. Skriv sammenligningsbetingelsen for den undersøgelse, du planlægger, i én sætning. Er den business as usual, skal du revidere den, før du reviderer noget andet.

2. Føj ét forsinket, ustøttet mål til designet, og navngiv intervallet i metodedelen.

3. Skriv befolkningsgrænsen ind i designbeskrivelsen og derefter i abstraktet, så påstanden ikke kan rejse længere end stikprøven.

4. Tag den stærkeste påstand i dit nuværende udkast og slet den version, dit mål ikke kan bære. Behold sætningen om loftet.

5. For enhver automatisk score eller simuleret lærende i undersøgelsen: navngiv den menneskelige standard og dommeren, før dataindsamlingen begynder.

Hvor du kan gå videre hen

Rapportering og fortolkning af AIEd-forskning er modstykket til denne side på rapporteringssiden, og Forskningsmetoder i AI i uddannelse dækker designvalgene bag hvert hul. Evaluering af AI-interventioner håndterer mål og sammenligningsdesign, om pædagogisk AI virker er den kortere version af effektivitetsspørgsmålet, og hjælper AI studerende med at lære samler det, man ved om varig læring. Teoriudvikling og lighed, etik og pædagogisk sikkerhed fører teori- og lighedsstrømmene videre.