Tjedni pregled istraživanja o umjetnoj inteligenciji u obrazovanju #37. studenoga 2026.

Automatski strojni prijevod ove engleske stranice, koji još nije pregledao izvorni govornik.

Tjedni pregled iz baze znanja o umjetnoj inteligenciji u obrazovanju o tome što istraživanja objavljena u proteklom tjednu znače za nastavnike, razvijatelje, istraživače i administratore.

Od prošlog izdanja 159 novih studija, osam novih stranica koncepata, dva nova često postavljana pitanja i tri nova resursa pridružili su se bazi znanja, koja sada sadrži 2.085 sažetaka članaka, 230 stranica koncepata, 44 često postavljana pitanja i 40 resursa. Pretražite je ili upotrijebite umjetnu inteligenciju da razgovarate s bazom znanja.

Sadržaj

• Glavni naglasci i pitanja
• Nova često postavljana pitanja
• Novi koncepti
• Novi resursi
• Za nastavnike
• Za razvijatelje
• Za istraživače
• Za administratore
• Također dodano ovog tjedna
• Bilješke o stranici
• Praćenje novosti

Glavni naglasci i pitanja

• Može li povratna informacija umjetne inteligencije zamijeniti nastavnikovu? Povratne informacije koje generira umjetna inteligencija i nastavničke povratne informacije jednako su poboljšale revizije eseja u randomiziranom ispitivanju sa 312 studenata prve godine. Nastavničke povratne informacije podigle su motivaciju više jer su se studenti osjećali povezanima s osobom koja ih daje. Umjetna inteligencija može nositi krug revizije; nastavnik i dalje nosi odnos.
• Može li podržavajući chatbot zamijeniti kolegu? Podržavajući chatbot djelovao je isto kao pisanje dnevnika u smanjenju usamljenosti u randomiziranom ispitivanju sa 296 studenata prve godine; nasumično dodijeljeni kolega smanjio ju je. Bot je izražavao više empatije dok su studenti vraćali manje, pa mjerite samu usamljenost.
• Mijenja li kratak modul o etici prosudbu o umjetnoj inteligenciji? Četverotjedni modul o informacijskoj etici podigao je rezultate studenata na scenarijima etičke prosudbe povezane s umjetnom inteligencijom u ispitivanju koje je randomiziralo 16 razrednih odjela. Oko 60 % dobitka održalo se četiri tjedna kasnije, a najviše su dobili najintenzivniji korisnici umjetne inteligencije. Poučavanje na slučajevima obećava.
• Poboljšava li više pomoći umjetne inteligencije kreativni rad? Četiri randomizirana pokusa sa 728 odraslih pokazala su da su, kad je umjetna inteligencija obavila više posla, ocjenjivači niže ocijenili nastale prijedloge inovacija, uglavnom zato što su sudionici obavili manje kognitivnog rada. Više pomoći išlo je uz slabiji rad.
• Može li igra koju je izradila umjetna inteligencija poučavati bolje od predavanja? Igra misterije s igranjem uloga pobijedila je predavanje istog nastavnika o pravnom znanju i rasuđivanju u randomiziranom ispitivanju s 84 studenta prava. Igra je izgrađena uz generativnu umjetnu inteligenciju; usporedba je bila igra prema predavanju, pa rezultat podupire učenje utemeljeno na igri i ostavlja upotrebu chatbota neispitanom.
• Mijenjaju li izvješća o uspjehu studenata poučavanje? Nastavnici koji su tek počeli rabiti mrežni matematički sustav poučavanja nasumično su poticani da otvore izvješće analitike učenja o uspjehu svojih studenata na prvom zadatku. Otvaranje nije promijenilo ni udio onih koji započinju sljedeći zadatak ni porast rezultata na testu, iako je dovršenost sljedećeg zadatka porasla, uglavnom u manjim razredima.
• Čini li izjednačavanje s ljudskim ocjenjivačima ocjenjivača umjetne inteligencije sigurnim? Revizija šest modela umjetne inteligencije koji su ocjenjivali 300 kratkih odgovora pokazala je da su svi ocijenili identičan rad višom ocjenom kad im je rečeno da je student visoko uspješan, za 0,28 do 0,75 bodova na ljestvici od deset. Slaganje može sakriti pristranost vezanu uz studentov zapis o prethodnom postignuću; uskratite taj zapis.
• Zašto je jezik koji generira umjetna inteligencija tako teško razumjeti? Tekst umjetne inteligencije previše rabi rijetke kombinacije riječi, denominativne glagole, nežive subjekte, reducirane objektne relativne klauze, nizove imenica i duge ovisnosti jer naknadno treniranje za matematiku, kod i rasuđivanje nagrađuje zgusnute odgovore više od jasnih objašnjenja. Posljedica za obrazovanje jest da objašnjenja, povratne informacije i materijali za čitanje koje je napisala umjetna inteligencija mogu studentima biti teži za obradu čak i kad rezultati čitljivosti izgledaju dobro, što je problem za obrazovanje za čitanje koji formule promašuju. [Urednička napomena: kao podsjetnik, ovaj bilten i baza znanja AIEd generira umjetna inteligencija. Razvijatelj stranice dao je opsežne uredničke smjernice za poboljšanje čitljivosti i korisnosti; nakon tih smjernica agent umjetne inteligencije primijenio je Humanizer skill i slijedio izričitu uputu da piše potvrdno i izbjegava konstrukciju „ne X, nego Y“.]

Nova često postavljana pitanja

Dva nova odgovora pridružila su se često postavljanim pitanjima ovog tjedna.

Kako umjetna inteligencija može pomoći studentima s čitanjem i razumijevanjem pročitanog?

Odgovor o čitanju tretira oznake razine čitanja kao grube procjene: ocjene nekoliko stvarnih čitatelja pobjeđuju formulu, a umjetna inteligencija kojoj se kaže da glumi studenta ne može vam reći koliko će se tekst doimati teškim. Rabite umjetnu inteligenciju za pronalaženje, pojednostavljivanje i objašnjavanje tekstova, zatim isprobajte rezultat sa studentima i zadržite original uz njega.

Kako se pristranost i nepravednost umjetne inteligencije pojavljuju u obrazovanju i što možemo učiniti?

Odgovor o pristranosti traži stope pogreške za skupine koje poučavate, jer prosjek može sakriti jaz, a pogreška može biti u bodovanju, poučavanju, nadzornim pločama ili detekciji. U nabavu ugradite izvješćivanje po skupinama i put za žalbu te ispravite sam postupak.

Novi koncepti

Osam stranica koncepata pridružilo se bazi znanja ovog tjedna.

Obrazovanje za čitanje

Obrazovanje za čitanje sada ima stranicu koja razdvaja četiri stvari koje često dijele jednu oznaku: pomoć čitatelju, procjenu čitanja, prilagodbu teksta i mjerenje težine. Citira studiju u kojoj je 193 studenta ocijenilo 3.954 rečenice; 72,8 % doimalo se lakim ili vrlo lakim čak i kad su Fleschovi rezultati govorili drukčije, pa je oznaka razine razreda slab vodič za to kako će pojedini čitatelj doživjeti tekst.

Refleksija

Refleksija ima novu stranicu koja je razdvaja od trenutačnog praćenja koje se naziva metakognicija. Prvo pitanje oblikovanja jest je li student napisao refleksiju. U pokusu sa 302 odrasle osobe upiti za refleksiju udvostručili su vrijeme s povratnim informacijama i smanjili vježbu za 40 %, ostavljajući niže ovladavanje, 65 % prema 79 %, pa je vrijeme jednako važno kao i sam upit.

Pristranost automatizacije

Pristranost automatizacije imenuje ljudsku naviku koja ispravnu preporuku umjetne inteligencije može pretvoriti u pogrešnu odluku: prihvaćanje odgovora koji biste preispitali da ste do njega došli sami. Okuplja mjesta na kojima se to u obrazovanju događa, od ocjena eseja i ranih upozorenja do nadziranja ispita, i pokazuje kako korak pregleda koji postoji samo na papiru to ne uspijeva uhvatiti.

Građansko i političko obrazovanje

Građansko i političko obrazovanje mapira jaz u dokazima i sintetizira područje. Analiza 310 nastavnih planova koje je generirala umjetna inteligencija pokazala je da je 90 % aktivnosti tražilo samo prisjećanje, razumijevanje ili osnovnu primjenu; 94 % imalo je gotovo nikakav multikulturalni sadržaj; a nijedna studija u korpusu uopće nije mjerila građansko učenje.

Knjižnice

Knjižnice tretiraju knjižnicu kao mjesto, uslugu i skupinu stručnjaka. Pregled 29 studija pokazuje da je prihvaćanje koncentrirano u referentnoj službi i katalogizaciji, dok pilot Public AI Libraries zajednički pristup uz osoblje čini argumentom jednakosti.

AI avatari i sintetički nastavnici

AI avatari mapiraju uloge koje sintetička ljudska figura može zauzeti, od snimljenog predavača i tutora do simuliranog pacijenta i ispitivača. Dokazi su nejednaki, a realistično lice malo govori o učenju; otkrivanje i povjerenje važni su koliko i model.

Analitika senzora i pogleda

Analitika senzora i pogleda pokriva praćenje očiju, signale mozga i srca te držanje kamere kao načine zaključivanja o pažnji i angažiranosti te kognitivnom opterećenju. Područje je bolje u promatranju učenika nego u mijenjanju poučavanja, a stranica privatnost, pristranost i jaz između tjelesnog signala i mentalnog stanja tretira kao središnje.

Informacijska i medijska pismenost

Informacijska i medijska pismenost tretira ih kao jedan nastavni problem: informacijska pismenost pita zaslužuje li izvor vjerovanje, dok medijska pismenost pita tko je poruku stvorio i zašto. Generativna umjetna inteligencija ruši oba pitanja jer tečan tekst skriva svoje podrijetlo; stranica nalazi malo dokaza o zajedničkom kurikulumu.

Novi resursi

Tri su se resursa pridružila knjižnici resursa ovog tjedna.

LearnHarness

LearnHarness besplatna je aplikacija otvorenog koda za računalo u kojoj agenti umjetne inteligencije utvrđuju što učenik već zna, mapiraju ideje potrebne za postizanje cilja, poučavaju jedan korak rasuđivanja po jedan i prilagođavaju vježbu.

Learning Commons

Learning Commons objavljuje otvorene sastavne blokove za proizvode za kurikulum: kartu standarda i kurikula, alate za bodovanje generiranog teksta i gotove tijekove rada umjetne inteligencije za nastavnike.

Public AI Libraries

Public AI Libraries pilot je koji u američke javne knjižnice postavlja zajedničku radnu stanicu umjetne inteligencije, s razgovorom, generiranjem slika i videa, radnim prostorom za kod, obrazovnim vodičem i privatnim računom za svakog korisnika.

Za nastavnike

Povratne informacije umjetne inteligencije izjednačene su s nastavničkima u revizijama, dok motivacija zaostaje

Umjetna inteligencija i nastavničke povratne informacije poboljšale su iste eseje otprilike jednako u randomiziranom ispitivanju sa 312 pisaca. Nastavničke povratne informacije učinile su više za motivaciju jer se student osjećao povezanim s osobom koja ih daje.

Zadržite ljudski glas oko povratnih informacija. Spojite generirani komentar s kratkim odgovorom nastavnika ili rabite umjetnu inteligenciju za prvi krug, a nastavnika za razgovor o radu.

Povezano: Povratne informacije umjetne inteligencije u velikom opsegu

Jedan od pet eseja u cijelosti je napisao chatbot

Studija o 77 studenata koji pišu eseje zabilježila je svaki upit, odgovor i zalijepljeni tekst. Petnaest, odnosno jedan od pet, predalo je eseje koje je napisao chatbot, a većina je i dalje smatrala da je esej njihov.

Tražite međukorake: upite, revizije i kratku bilješku o tome što se promijenilo i zašto. Učinite prijenos vidljivim dok još ima vremena poučavati.

Povezano: Redizajn procjene za doba umjetne inteligencije

Srednjoškolci rabe umjetnu inteligenciju gotovo univerzalno, a slabiji učenici rabe je više

Jednogodišnja studija o 4.062 njemačka srednjoškolca pokazala je gotovo univerzalnu upotrebu umjetne inteligencije: 95 % rabilo ju je, a slabiji učenici rabili su je više za dovršavanje zadataka. Taj obrazac predviđao je manje truda kasnije.

To uokvirivanje upotrebe umjetne inteligencije i samoregulirano učenje čini dijelovima kurikuluma koji se tijekom godine iznova obrađuje. Pitajte studente čemu alat služi na ovom zadatku i dajte slabijim učenicima podržan put koji počinje razumijevanjem rada.

Povezano: Smanjivanje pretjeranog oslanjanja na umjetnu inteligenciju

Podržavajući chatbot izjednačio se s pisanjem dnevnika, dok je kolega smanjio usamljenost

U dvotjednom randomiziranom ispitivanju sa 296 studenata prve godine podržavajući chatbot djelovao je isto kao pisanje dnevnika u smanjenju usamljenosti, dok ju je nasumično dodijeljeni kolega smanjio. Bot je pokazao više empatije dok su studenti vraćali manje.

Bot može poslužiti kao koristan prvi kontakt dok su kolega ili savjetnik dostupni. Ugradite taj ljudski put u svaku uslugu podrške studentima koju preporučujete i mjerite samu usamljenost.

Povezano: Umjetna inteligencija, anksioznost i dobrobit

Tretirajte simulaciju umjetne inteligencije kao nadziranu probu

Pregled 14 studija pokazao je da su studenti zdravstvene njege cijenili ponovljivu simulaciju umjetne inteligencije bez pritiska i izvijestili o većem samopouzdanju, posebno u komunikaciji i kliničkom rasuđivanju. Realizam, govor tijela i kašnjenje odgovora ostali su slabi.

Uputite studente u ograničenja, tražite da provjere generirani sadržaj i provedite razgovor nakon vježbe. Zadržite ljudsku interakciju gdje su neverbalna komunikacija ili trajna empatija smisao vježbe.

Povezano: Obrazovanje u zdravstvenoj njezi

Kod završnih radova utrostručio se, dok su komentari ostali isti

Deset semestara 260 završnih projekata u obrazovanju za računarstvo pokazuje da je medijan koda porastao s oko 3.400 redaka na 10.000, dok su komentari ostali blizu 8 %. Broj commitova porastao je; pojedinačni commitovi jedva da su se promijenili.

Procjenjujte odluke o oblikovanju, objašnjenje koda i studentovu sposobnost da ga izmijeni. Artefakt sada može rasti brže od učenja koje bi trebao pokazati.

Povezano: Redizajn procjene za doba umjetne inteligencije

Za razvijatelje

Bez slike, tutor umjetne inteligencije treba odbiti

Šest modela umjetne inteligencije koji mogu obrađivati slike obradilo je 376 matematičkih čestica za srednju školu čije su slike nosile ključne informacije. Sa slikom, najbolji je riješio tek nešto više od polovice; bez nje, odbili su gotovo svaki put.

Tretirajte odbijanje kao signal nedostajućeg konteksta. Rezultat ili ažuriranje profila nastalo bez slike mjeri drugi zadatak.

Povezano: Matematičko obrazovanje

Tutor za pisanje koji postavlja pitanja i ostavlja pisanje studentima

MAIKE postavlja pitanja i dijagnosticira argumente, a tekst eseja ostavlja studentu. Među 65 srednjoškolaca napredak je bio jednak kao uz kontrolni chatbot, 40 % prema 41 %, a korisnici MAIKE-a proveli su više izmjena na idejama; nitko nije odustao.

Mjerite postaje li ideja o kojoj se raspravljalo u razgovoru revizija. Alat za obrazovanje za pisanje koji poboljšava samo konačni tekst može zaobići rasuđivanje koje zadatak treba izgraditi.

Povezano: Poučavanje pisanja uz umjetnu inteligenciju

Zumirajte i istaknite slajd dok naracija teče

GuideSlide pripovijeda prezentaciju i rabi vizualizaciju da zumira dio o kojem se govori. U studiji s 24 osobe koje su gledale na telefonima radno opterećenje je palo, razumijevanje je poraslo s 5,5 na 6,5 od 9, a 21 od 22 preferiralo ga je.

Prednost dan kasnije nije bila statistički značajna, pa studija podupire pažnju tijekom gledanja; trajno učenje ostaje neispitano. Ugradite navođenje u samu naraciju.

Povezano: Oblikovanje umjetne inteligencije u učenje

Dotjerani detektor može deidentificirati studentski tekst bez pristranosti prema imenima

Pet alata ispitano je na 13.613 datoteka studentskog teksta. Dotjerani GPT-4o-mini pronašao je oko 96 % identificirajućih pojedinosti po otprilike šestini Azureove cijene po tokenu; Microsoftovi alati češće su promašivali afrička i azijska imena.

Treniranje na deset transkripata djelovalo je na novom skupu, pa pristup putuje. Planirajte drugu provjeru kad je preciznost važna i izvijestite o skupinama koje vaš alat promašuje.

Povezano: Institucionalna politika o umjetnoj inteligenciji

Analiza videa dosegla je slaganje na razini ljudi, uz čovjeka u petlji

GAIVA transkribira, označava i tumači video iz učionice za analitiku učenja. Na pet snimaka njezine su se oznake slagale s ljudskim ocjenjivačima otprilike onoliko koliko su se slagala dva ocjenjivača, a otkrila je i vrstu sudjelovanja koju izvorna teorija nije imenovala.

Tretirajte model kao partnera u kodiranju s upitom koji se može pratiti i ljudskom odlukom u svakoj fazi. Model također otkriva obrasce koje ljudski ocjenjivač možda ne bi tražio.

Povezano: Istraživanje u obrazovanju uz pomoć umjetne inteligencije

Za istraživače

Veliki prosječni učinak i dalje može značiti nikakvu pouzdanu korist

Pregled četiriju kontroliranih studija sa 420 studenata računarstva i inženjerstva pronašao je veliko prosječno poboljšanje, no studije su se oštro razilazile, a vjerojatni raspon uključivao je i nikakvu korist. Dokazi su ocijenjeni vrlo nesigurnima.

Tretirajte veliki prosjek iz četiriju različitih studija kao hipotezu o svom kolegiju. Provedite pilot osobnog učenja tamo gdje će se provoditi i jasno recite koliko su dokazi nesigurni.

Povezano: Što znači osobno učenje

Ocjenjivač umjetne inteligencije koji zna učenikov zapis ocjenjuje isti rad drukčije

Šest modela umjetne inteligencije ocijenilo je istih 300 kratkih odgovora sa stvarnom i zamijenjenom bilješkom o prethodnom postignuću. Svaki model ocijenio je identičan rad višom ocjenom pod visokom oznakom, za 0,28 do 0,75 bodova na ljestvici od deset.

Kontekst studenta ovdje djeluje kao pristranost. Izvijestite o učinku konteksta uz brojku slaganja i ispitajte ocjenjivanje bez studentova zapisa prije nego model nazovete pouzdanim.

Povezano: Pravednost i pouzdanost ocjenjivanja umjetnom inteligencijom

Pravedan tutor može skrivati jaz u vještini od 26 %

Dvije godine zapisa od 8.549 studenata koji su rabili MATHia, adaptivni tutor za matematiku, pokazale su da su studenti koji još uče čitati ovladali vještinama sa 68,7 % prema 77,6 %, dok je ukupna mjera pravednosti izgledala gotovo neutralno. Jedna je vještina skrivala jaz od 26 % u predviđenom ovladavanju.

Tutor nije imao sastavnicu vještine čitanja, pa je obrazovanje za čitanje bio čimbenik koji nedostaje u matematičkom sustavu. Modelirajte vještinu i izvijestite o jazovima na razini na kojoj bi nastavnik djelovao.

Povezano: Pristranost i pravednost umjetne inteligencije u obrazovanju

Lažno pozitivni rezultati detekcije problem su upravljanja

Pregled 90 studija pokazao je da detektori umjetne inteligencije označavaju legitiman tekst po stopama koje se ne mogu objediniti, jer se alati, pragovi, skupovi podataka i jezici razlikuju. Sažeci, pregledi literature, ispitni odgovori, prevedeni tekst i uređena proza stalno su bili označavani.

Rješenje je postupovno: transparentna upotreba, ljudski pregled, pismenost o umjetnoj inteligenciji, izričita institucionalna politika i put za žalbu. To pripada u upravljanje, a postavke detektora jedan su njegov dio.

Povezano: Trebamo li upotrebljavati detektore umjetne inteligencije?

Izjednačavanje s ljudskim ocjenjivačima i dalje može promašiti rad

Dvadeset i dva modela umjetne inteligencije ocjenjivala su 100 čestica po zadatku kroz kratke odgovore, kod i eseje. Većina se izjednačila s ljudima na kratkim odgovorima, četiri su se izjednačila ili pobijedila na kodu, a nijedan nije dosegnuo ljudsku razinu na esejima.

Visoka brojka slaganja može postojati uz ocjenjivača umjetne inteligencije koji ocjenjuje bilješku, a promašuje odgovor. Dodajte izmijenjene odgovore procjeni i izvijestite gdje model odstupa od rada.

Povezano: Pravednost i pouzdanost ocjenjivanja umjetnom inteligencijom

Za administratore

Dokazi o obrazovnoj tehnologiji za neurodivergentne učenike koncentrirani su i vode ih istraživači

Pregled 93 studije pokazao je da autizam dominira dokazima o obrazovnoj tehnologiji za neurodivergentne učenike sa 39,8 %, ispred intelektualne teškoće, ADHD-a i disleksije. Proširena stvarnost (VR i AR) bila je najproučavanija; društveni ishodi i ishodi s kolegama dobili su manje pažnje, a djeca su imala malo utjecaja.

Tražite ishod do kojeg je učionici stalo i učenike koji su bili uključeni u evaluaciju. Tvrdnja koju su potvrdili samo istraživači može se odvojiti od ljudi kojima treba služiti.

Povezano: Umjetna inteligencija za učenike s invaliditetom i neurodivergentne učenike

Studenti su željeli institucionalnog pomoćnika za povratne informacije

13-mjesečni program zajedničkog oblikovanja sa 315 studenata i 20 djelatnika pokazao je da je 73 % cijenilo povratne informacije dostupne danonoćno i vezane uz njihov studij. Kartice za učenje i kvizovi dobili su više pozitivnih komentara od otvorenog razgovora, a 16 od 18 beta testera željelo je pomoćnika.

Onih 10 % do 15 % koji su se opirali iz vrijednosnih razloga čine rizik prihvaćanja. Tretirajte njihove brige kao sadržajne. Objasnite kako se postupa s podacima studenata i što pomoćnik ne može prije pilota te studentima dajte put za odustajanje.

Povezano: Oblikovanje umjetne inteligencije u učenje

Nadziranje ispita hvata varanje i prebacuje trošak na najmanje privilegirane

Pregled 32 studije pokazao je da nadziranje uz umjetnu inteligenciju hvata lažno predstavljanje i varanje, dok lažno pozitivni rezultati, kvarovi rasvjete i propusnosti, anksioznost i štete za privatnost najteže padaju na najmanje privilegirane. Automatizirano nadziranje činilo je 59 % studija.

Recenzenti preporučuju alternativnu procjenu i mješavinu ljudskog i automatiziranog nadzora. Smanjite visokorizični mrežni ispit prije nego dodate još jedan detektor.

Povezano: Institucionalna politika o umjetnoj inteligenciji

Izvješće s nadzorne ploče podiglo je dovršenost dok su rezultati testa ostali isti

Nastavnici koji su tek počeli rabiti mrežnog matematičkog tutora nasumično su poticani da otvore izvješće analitike učenja o uspjehu studenata na prvom zadatku. To nije promijenilo ni udio onih koji započinju sljedeći zadatak ni porast rezultata na testu, iako je dovršenost porasla u manjim razredima.

Ispitajte otvaraju li nastavnici izvješće, djeluju li prema njemu i vide li porast učenja prije nego kupite analitiku; sam skok u dovršenosti nije dovoljan.

Povezano: Provjera djeluje li obrazovna umjetna inteligencija

Gotovo nijedna ustanova ne može imenovati vlasnika upravljanja umjetnom inteligencijom

Anketa na 387 studenata i djelatnika u 13 zemalja pokazala je da samo 17 % zna za imenovanu ulogu u upravljanju umjetnom inteligencijom. Od ostalih, 71 % smatralo je takvu ulogu potrebnom, a 76 % očekivalo je da bi poboljšala njihovo iskustvo.

Ispitanici su opisali ulogu s mandatom; odbor bez mandata tu ulogu ostavlja neispunjenom. Dajte vlasniku ovlasti nad obukom, sigurnošću podataka, etičkim pregledom i strategijom te objavite tko ju obnaša.

Povezano: Institucionalna politika o umjetnoj inteligenciji

Također dodano ovog tjedna

• Assessment of teacher performance and learner behavior using artificial intelligence in higher education: an integrative review of literature
• Process visualization feedback in news translation: a controlled intervention study of human-AI interaction using multimodal process data
• A teamwork framework for preventing breaches of academic integrity and improving students' collaborative skills in the AI era
• Artificial intelligence in higher education and graduate employability: cognitive engagement, self-efficacy, and career adaptability in the AI era
• Uneven automation: comparing authorship anxiety and generative AI use among art and design undergraduate students
• University students’ overreliance on generative AI feedback in the learning process: the effects of perceived cognitive load, cognitive offloading, and metacognitive monitoring
• What Do They Think? Undergraduate Perceptions of Student-AI Use
• Ability of AI detection tools and humans to accurately identify different forms of AI-generated written content
• AI and I-Distributed authorships in the Swedish upper secondary writing classroom
• Beyond Response Scoring: An AI-aware Cognitive Supervision Framework for Automated Mathematical Short Answer Grading
• Data and AI Literacy in Geography Education: A Needs Assessment of Pre-Service Geography Teachers
• Declared, Not Detected: A Blockchain-Anchored, Agentic Framework for Academic Integrity in the Generative AI Era
• Developing Feedback Taxonomy for Math: A Synergy of Perspectives through Data Mining Methods
• Digital borders, algorithmic governance and civic digital literacy: examining the educational implications of AI-driven immigration management in post-apartheid South Africa
• Examining AI interaction profiles in generative AI supported fraction division problem posing
• I'm Sorry, Dave. I'm Afraid This Feedback is not Constructive: Human Perspectives Versus ChatGPT Evaluations of Feedback in an Era of Artificial Intelligence
• Making argumentative work visible in GenAI-mediated assessment: An exploratory LLM simulation and questionnaire study in university ideological and political education
• Owning what one did not make: psychological ownership, agency, and the authorship legitimation deficit in human-AI co-creation
• Preliminary evaluation of an AI-powered chatbot for academic integrity support in higher education
• Automating Self-Affirmation Essay Coding: Fine-Tuned BERT Performance Comparable to Human Coders and Comparison with GPT-4
• Mapping moral reasoning research among college students: a bibliometric analysis of traditional foundations and emerging digital ethics
• The longitudinal relationships among AI-assisted music classroom engagement, flow experience, and musical emotional intelligence: a parallel-process latent growth modeling study
• A Comparative Study of Knowledge Component Granularity in Intelligent Language Tutoring Systems
• Effects of generative AI assisted grammar instruction on Ethiopian EFL learners' self-efficacy, metalinguistic awareness, and writing performance
• Mapping the Integration of AI Literacy Into Information Literacy Instruction in Academic Libraries: A Systematic Review of Emerging Research
• AI in mathematics classrooms: A synergistic strategy for diversity and inclusivity
• Artificial intelligence in embodied learning: A systematic literature review
• Dear Gemini: Agency, Peer Review, and Critical AI Literacies in Student Writing Ecologies
• From design to classroom adoption: Teachers' perspectives on AI-powered writing analytics in resource-constrained contexts
• How does generative AI support inquiry-based learning? A systematic review
• Scaffolding Autonomy: AI-Augmented Self-Paced Learning Environments for Sustainable Learning Outcomes
• Sustained use of generative artificial intelligence (GenAI) in programming education: A systematic review of empirical evidence on adoption, learning outcomes, and continuance intention
• Active Learning with Generative AI in Introductory Physics: A Multi-Institutional Study of the P-A.I.R. Framework
• AI literacy and vocational students’ complex problem-solving skills: a moderated mediation model of systematic thinking, cognitive load, and perceived school ICT support
• AI literacy facets in creative higher education: associations with learning performance and academic well-being
• Artificial intelligence (AI) and information seeking: A comparative exploration of AI chatbots, search engines, and library resources as information sources among university students
• Artificial intelligence in professionally oriented physics education: patterns of use and perceived learning support among future engineers
• Breaking career boundaries in the AI era: how AI literacy relates to university students' perceived employability through future work self salience and boundaryless career mindset
• Designing Safe and Relevant Generative Chats for Math Learning in Intelligent Tutoring Systems
• From generation to judgment: the multidimensional structure of design thinking mindset and differences across learning stages in AIGC-supported fashion film design learning
• Generative AI dependency and perceived learning outcomes among university students: an indirect association involving effort regulation
• Generative artificial intelligence reshapes university students’ sustainable use of academic information resources: mixed evidence from behavioral logs and perceptual survey data
• Learning engagement and creative self-beliefs in generative AI-supported design education: self-reported prompt literacy and dimensions of AI dependence
• Scaffolding GenAI Use in Ethical Essay Writing: A Three-Year Experience Report in Introductory Computing
• Teachers’ basic psychological need satisfactions and their intentions to use generative artificial intelligence: the mediating role of engagement in professional development
• Using Machine Learning to Measure Self-Efficacy Belief Through Learners' Interaction Traces in Technology-Enhanced Learning
• What Am I Really Doing with My Own Brain?": College students on learning, ownership, and AI
• A Framework for Considering Exploration, Interpretation, and Confirmation During Data Analysis: Computationally Assisted Analysis of Teacher-Group Interactions
• A metacognitive approach to learning and performance in human-AI interaction
• Beyond access: How GenAI literacy relates to task performance, motivation, cognitive load and interaction patterns in AI-assisted learning environment
• Characterizing diverse student behaviors, interactions, and perceptions with GAI-augmented learning analytics tool
• ChatGPT and student engagement in L2 writing: a systematic review towards a ChatGPT-enabled smart learning environment framework
• ClickSight: An LLM Framework for Interpreting Student Clickstreams Through Learning Strategies
• CLST: Cold-Start Mitigation in Knowledge Tracing by Aligning a Generative Language Model as a Students' Knowledge Tracer
• Combining AI and corpus technology in language teaching: Professional development and knowledge co-construction using the CoI framework
• Comparing Zero-Shot Large Language Model Prompting with Human Coding of Theory Concepts in Student Essays
• Design and preliminary validation of an AI enhanced game based learning environment for computational thinking in upper secondary education
• Development and validation of the AI cognitive offloading scale for Chinese college students
• Evaluating Generative AI as a Supportive Analytic Partner in Qualitative Coding of Metacognitive Student Reflections
• Exploring AI peer in collaborative mathematics learning
• GenAI-based metacognitive prompting in collaborative inquiry: A comparison across diverse preconception groups
• Generative AI and student motivation: an SDT-guided systematic review of learning activities, motivational regulation, and measurement
• Intrinsic and Contextual Factors Impacting Student Ratings of Automatically Generated Questions: A Large-Scale Data Analysis
• Leveraging Large Language Models to Identify Conversation Threads for Collaborative Learning Analysis
• Motivational organization in AI-supported writing: A self-determination perspective
• Personalizing Second Language Learning: Integrating AI with Learner Preference, Proficiency, and Engagement
• Psychological pathways to responsible generative AI decision-making among teachers: governance clarity, perceived accountability, decision uncertainty, and AI literacy
• Rigor, commitment, and generative AI: a conceptual framework for student engagement in EAP writing
• Should there be a teacher in-the-loop? A study of generative AI-personalized tasks middle school
• To Align Long, Plan Short: Simulating Diverse Profile-Aligned Students by Realizing Short-Term Plans in Long-Horizon Learning Environments
• Using Bayesian Knowledge Tracing to Evaluate Perceptual Scaffolding and Desirable Difficulties in a Math Intervention
• Using LLMs to Identify Indicators of Persistence from Students' Dialogues with a Pedagogical Agent
• What a teacher cannot delegate: a pedagogy-first framework for integrating conversational AI agents across the simulation cycle
• Who Is Doing the Thinking? Characterising Human Agency in First-Year Students’ AI Interactions
• Artificial intelligence and immersive technologies for LGBTQ+ youth: a narrative review
• Who benefits from LLMs? Prompt engineering competence and equity in higher education
• Trusting AI too much? Psychological correlates of overtrust and the role of AI literacy
• AI for eGovernance: Leveraging Language Technologies For Digital Inclusion
• Perceived and demonstrated generative AI literacy in engineering problem solving: the role of verification behavior
• Rethinking the Structure of AI Literacy in Generative AI Educational Systems: Descriptive Patterns of Expert Convergence and Heterogeneity
• Human-AI Collaboration for Qualitative Analysis in Participatory Design: Refining the Writing Analytics Tool
• Why is AI-generated language so hard to understand?
• Generative AI configurations across creative phases: a 2 x 2 experiment on creative performance and immediate knowledge in art and design education
• Supporting creative agency: metacognitive control and trust in generative AI art education
• A model for enhancing the quality of geography education based on the integration of Artificial Intelligence and Geographic Information Systems
• From Policing Provenance to Designing for Evidence: Testing Four Propositions on Generative AI Against Research and Institutional Policy
• Higher education governance under AI and geopolitical disruption: a socio-technical framework for administrative artificial intelligence
• ChatGPT and employability in higher education: exploring creativity, critical thinking, and problem-solving
• From technology adoption to curricular coherence: technology-enhanced simulation as a bridge in health professions education
• A Survey of Graph-Based Knowledge Tracing from Structural and Propagation Perspectives: Models, Applications, and Future Directions
• Integrating Topic Modeling and LLM Prompt Engineering into a Human-driven Approach to Analyze Interview Transcripts
• Leveraging Interview-Informed LLMs to Model Survey Responses: Comparative Insights from AI‑Generated and Human Data
• Analyzing Educational Video Transcripts with LLMs: Accuracy, Named Entities, and Interpretability
• Data Plus Theory Equals Codebook: Leveraging LLMs for Human-AI Codebook Development
• Towards responsible and trustworthy educational data mining: Comparing symbolic, sub-symbolic, and neural-symbolic AI methods
• The Ghost Learner Paradox: A Systematic Review of Metacognitive Laziness in the Age of Generative AI
• Beyond ChatGPT: A Comparative Mapping of AI Research in STEM and Engineering Education and the Contemporary AI Tool Ecosystem
• Generative AI and Cognitive Processes in Education: A Narrative Review and Conceptual Framework
• Fifty years of topic development, thematic combination, and AI's evolving reach in Computers & Education
• From "usefulness" to "dependence": the dynamic evolution mechanism of generative AI use behaviors
• Generative AI in Education and the Erosion of Critical Democratic Citizenship

Stranica časopisa navodi svaku studiju dodanu ovog tjedna, uključujući one koje ovdje nisu sažete.

Bilješke o stranici

Bilten i njegov RSS kanal sada su dostupni i na španjolskom: posjetite španjolsku stranicu novosti ili se pretplatite na RSS kanal španjolskih novosti. Za drugu lokalizaciju pošaljite zahtjev ili kontaktirajte razvijatelja stranice.

Stranica je mnogo lakša. Cijelo stablo koncepata i često postavljanih pitanja ostaje izvan svake stranice: bočna traka prikazuje deset tematskih skupina i dohvaća cijeli popis tek kad čitatelj otvori jednu, a desna traka navodi osam nedavnih stranica, umjesto trideset. Kroz cijelu gradnju HTML je pao s 1,80 GB na 1,26 GB, a oznake bočne trake sa 604 MB na 87 MB.

Prijevodi su osvježeni u svih 33 konfiguriranih jezika, uključujući arapsko, hebrejsko i urdsko izdanje koja se čitaju s desna na lijevo. Sažeci članaka ostaju samo na engleskom.

Izvanmrežna izdanja premještena su na novo mjesto GitHub izdanja, pa stare poveznice na EPUB i PDF više ne rade. Svaka jezična stranica zadržava svoju uobičajenu adresu. EPUB i PDF datoteke postoje za 19 jezika s poveznicama u nastavku; ostalih 14 dostupno je samo na stranici.

• English: EPUB i PDF
• Español (španjolski): EPUB i PDF
• Français (francuski): EPUB i PDF
• 中文 (kineski): EPUB i PDF
• Deutsch (njemački): EPUB i PDF
• 日本語 (japanski): EPUB i PDF
• 한국어 (korejski): EPUB i PDF
• Português (portugalski): EPUB i PDF
• العربية (arapski): EPUB i PDF
• עברית (hebrejski): EPUB i PDF
• हिन्दी (hindski): EPUB i PDF
• Русский (ruski): EPUB i PDF
• Українська (ukrajinski): EPUB i PDF
• Italiano (talijanski): EPUB i PDF
• বাংলা (bengalski): EPUB i PDF
• اردو (urdski): EPUB i PDF
• Bahasa Indonesia (indonezijski): EPUB i PDF
• Tiếng Việt (vijetnamski): samo stranica
• Nederlands (nizozemski): samo stranica
• Svenska (švedski): samo stranica
• Dansk (danski): samo stranica
• Suomi (finski): samo stranica
• Norsk bokmål (norveški bokmål): samo stranica
• Română (rumunjski): samo stranica
• Magyar (mađarski): samo stranica
• Čeština (češki): samo stranica
• Български (bugarski): samo stranica
• Slovenčina (slovački): samo stranica
• Hrvatski (hrvatski): samo stranica
• Ελληνικά (grčki): samo stranica
• Polski (poljski): samo stranica
• Kiswahili (svahili): EPUB i PDF
• Türkçe (turski): EPUB i PDF

Izvor je javan na github.com/edtechdev/aied.

Praćenje novosti

Svako izdanje možete dobiti putem kanala novosti u RSS čitaču, tako da isti kanal zalijepite u Blogtrottr i primite nova izdanja e-poštom prema rasporedu koji odaberete, ili praćenjem na LinkedInu, gdje se svako izdanje objavljuje kao LinkedIn newsletter.

---

Tjedni pregled istraživanja o umjetnoj inteligenciji u obrazovanju dolazi iz baze znanja o umjetnoj inteligenciji u obrazovanju, koju generira agent umjetne inteligencije. Ovo je izdanje sastavio taj isti agent, uz uredničke smjernice razvijatelja stranice, i svaka gornja tvrdnja povezuje na stranicu s koje je nastala.

Baza znanja posvećena je javnom dobru pod licencijom CC0 1.0. Nijedno pravo nije zadržano.

Naišli ste na problem sa sadržajem? Prijavite ga na GitHubu ili kontaktirajte razvijatelja stranice, Doug Holton.