AIEd-kunnskapsbaseAIEd KB
På denne siden

Les denne siden på engelsk

Begreper

Begrensninger i forskning på AI i utdanning

Opprettet 2026-08-15 · Oppdatert 2026-11-08

Automatisk maskinoversettelse av denne engelske siden, ennå ikke korrekturlest av en morsmålstalare.

Begrensninger i forskning på AI i utdanning — de tilbakevendende svakhetene og begrensningene som påvirker hvor mye tillit vi kan feste til funn om AI i utdanning, og hvordan lesere bør tolke dem. De går på tvers av enkeltstudier: metodologiske begrensninger (generaliserbarhet, utvalgsstørrelse, validitet, selvrapport), hastighetsproblemet (AI og funn blir raskt utdaterte mens publiseringen henger etter), forskningspraktiske begrensninger (reproduserbarhet, FAIR-praksis, proprietære verktøy) og svak teoribruk. Metodologiske grenser er målbare snarere enn impresjonistiske: i en kritisk gjennomgang av 80 HCI-studier av kritisk tenkning med AI kjørte 42 (52%) ingen kontrollgruppe, og de fleste av de resterende støttet seg på selvrapport, så feltets positive funn hviler på design som ikke kan skille AI sin effekt fra vanlig refleksjon (A Critical Review of Critical Thinking in HCI Research About AI). Utfallskoding er ujevn på samme måte: en systematisk gjennomgang av 103 studier fra høyere utdanning sorterte korpuset sitt i en typologi på fire utfallsnivåer og plasserte 56% av det i ett enkelt betinget mønster, der selvtillit og motivasjon steg uten en tilsvarende gevinst i varig kompetanse (Generative AI in higher education: A systematic review of empirical uses, outcomes, and risks).. Å gjenkjenne disse grensene er avgjørende for å lese litteraturen kritisk og for å designe sterkere studier.

Spørsmål å vurdere

  • Hvor mye ville du stolt på en overskrift som «AI-veiledning øker læringen med 30%» hvis du fikk vite at den kom fra 30 elever i ett kurs ved én institusjon? Siden flagger generaliserbarhet og små utvalg som tilbakevendende grenser — hva ville du vite før du handlet på et enkelt funn?
  • En slående begrensning er «hastighetsproblemet»: AI utvikler seg raskere enn funn blir publisert, så en studie av én modellgenerasjon kan allerede beskrive et foreldet system. Hvordan bør dette endre tilliten du legger i forskning på AI i utdanning?
  • Mange studier støtter seg på selvrapporterte holdninger og bruk, som er skjeve — folk overvurderer kompetansen sin og underrapporterer misbruk. Har du noen gang svart på en undersøkelse om dine egne ferdigheter eller atferd på en måte som ikke stemte med virkeligheten? Hvorfor avviker oppfatningsbaserte mål så ofte fra objektiv prestasjon?
  • Siden bemerker at kjente rammeverk som Blooms taksonomi ofte leses feil som strenge stiger, og at selv mye brukte teorier som kognitiv belastning-teori er blitt utfordret. Når har du sett en teori påberopt som fastslått sannhet i en kontekst der dens eget belegg faktisk var omstridt?
  • Mesteparten av AI-forskningen avhenger av proprietære, ugjennomsiktige modeller hvis data og oppdateringer du ikke kan inspisere. Hvis du ikke kan verifisere nøyaktig hvilken modell som produserte et resultat, hvor mye kan du da stole på påstander bygget på det — og hva ville gjort funn mer reproduserbare?
  • Hvis du er underviser eller designer uten tid til å lese primærforskning, hvordan avgjør du hvilke AI-påstander som er pålitelige nok til å endre praksisen din — gitt at litteraturen er fragmentert, foreløpig og skrevet for forskere?

Introduksjon

AI i utdanning er et hurtigbevegelig, heterogent felt, og bevisbasen bærer et særegent sett begrensninger som forskere, praktikere og beslutningstakere bør veie når de bruker et funn. Noen av dem deles med den bredere læringsvitenskapen og psykologilitteraturen; andre forsterkes eller gjøres unike av AI sin egen natur. Denne siden organiserer dem i fire gjennomgående områder.

Metodologiske begrensninger

Kunnskapsbasens side om forskningsmetoder detaljerer styrkene og begrensningene ved hvert design. Flere grenser går igjen på tvers av design og fortjener særlig oppmerksomhet:

  • Generaliserbarhet. Funn fra ett kurs, én institusjon, ett fag eller én nasjonal kontekst overføres kanskje ikke. Små utvalg, bekvemmelighetsutvalg eller utvalg fra én institusjon begrenser ekstern validitet; resultater fra ett AI-verktøy strekker seg sjelden til et annet verktøy eller en annen kontekst.

  • Tverrnasjonale sammenligninger av oppfatninger bærer en målerisiko. En femlandsundersøkelse av 1 405 K-12-lærere brukte automatisert maskinoversettelse uten tilbakeoversettelse eller testing av måleinvarianse og målte plagiat- og kreativitetsbekymring med enkeltledd, så landskontrastene kan ikke leses som likeverdige konstrukter (Xiu et al. (2026)).

  • Strenghet på syntesenivå er en egen akse fra strenghet i primærstudier. En metaanalyse kan oppfylle sine egne inklusjonskriterier og likevel slå sammen studier som er forskjellige i design, implementeringstrofasthet og utfallsmål uten å vekte noe av det: Doğan og kolleger (2026) sier rett ut at de ikke brukte noe formelt verktøy for kvalitetsvurdering og behandlet inklusjonskriteriene som strenghetsterskelen, slik at en kvasi-eksperimentell studie og en randomisert studie bidro likt til det samlede STEM-estimatet. Samme gjennomgang viser en beslektet rapporteringsfare: heterogeniteten oppgis som I² = 82.98% under en fast-effekt-modell og I² = 15.75% under tilfeldig-effekt-modellen, noe som betyr at lesere som løfter ut et enkelt heterogenitetstall uten modellen, ikke kan se hvor inkonsistent korpuset faktisk er. Vurder en syntese ut fra hvordan den håndterte avhengige effektstørrelser, kvalitet og heterogenitet, ikke bare ut fra om den fulgte en søkeprotokoll.

  • Søkedesignet setter overskriftstallene i en syntese. I en scoping-gjennomgang av 195 lærerutdanningsstudier var digital kompetanse og TPACK eksplisitte søkebeskrivelser, mens instruksjonsdesign og vurdering ikke hadde noe tilsvarende, så de rapporterte 46.5% og 1.9% karakteriserer korpuset søket returnerte snarere enn feltet (Patiño Hernández et al. (2026)).

  • Små utvalgsstørrelser. Mange studier om AI i utdanning er underkraftige — for få deltakere til pålitelig å påvise meningsfulle effekter, eller til å underbygge de sterke påstandene som noen ganger trekkes fra dem.

  • Dataforsterkning kan produsere overskriftstallet. I en automatisert essay-skårer der treningspartisjonen inneholdt 83 studenters arbeid, løftet genererte nivå-1-svar — maler, avkorting, fjerning av nøkkelord — Focus-enighet med +0.346 kvadratisk vektet kappa fra en baseline på 0.028, så det sterkeste ordinale signalet hvile på tekst ingen student hadde skrevet (Firdausi et al. (2026)).

  • Endepunktsskårer kan skjule det som studeres. I en PRISMA-gjennomgang av 103 høyere utdanningsstudier rapporterte 56% gevinster som var betinget av stillas eller verifisering, og nullforskjeller i karakterer fulgte ofte reelle endringer i prosessen — mer feilsøking, flere sjekkerunder — så karakterer alene kan ikke si om GenAI styrket eller uthulte praksisen (Hawi og Samaha (2026)).

  • Valideringsdesign kan produsere overskriftstallet. Nanayakkara og Halloluwa (2026) benchmarket femten modeller på EEG-basert gjenkjennelse og viser at standard stratifisert kryssvalidering tillater temporalt lekkasje og rapporterer opptil 0.9853 F1, mens forsøksuavhengig Group K-Fold-validering senker toppen til 0.6038 F1 — fortsatt over tilfeldig, men langt fra det siterte resultatet.

  • Benchmarker kan levere feilene de rapporterer. Ekspertrevurdering av 250 avviste fysikkoppgaver tilskrev 238 (95.20%) til feil i benchmarken eller vurdereren og bare 12 (4.80%) til reelle modellfeil, så en modells målte feilrate kan ikke falle under instrumentets defektrate.(Ansari et al. (2026))

  • Validitet og måling. Konstruktvaliditet er ofte tynn: proxyer for «læring», «engasjement» eller «kompetanse» varierer sterkt, og instrumenter er ikke alltid validert for populasjonen eller konstruktet som studeres. Benchmark-nøyaktighet er ikke det samme som pedagogisk effektivitet.

  • Selvrapport og undersøkelsesdata. En stor andel av korpuset støtter seg på selvrapporterte holdninger, motivasjon og bruk. Selvrapport er utsatt for skjevhet — respondentene overvurderer kompetanse, underrapporterer misbruk og feilvurderer egen atferd — så oppfatningsbaserte mål avviker ofte fra objektiv prestasjon (se How to Assess AI Literacy: Misalignment Between Self-Reported and Objective-Based Measures og utdanningsmåling).

  • Kontekst- og valideringsrapportering kan kvantifiseres på tvers av en litteratur. En PRISMA-ScR-gjennomgang av 421 studier av NLP på undervisningsevalueringskommentarer fant at land var uavklart i 221 studier, at omfanget var én institusjon i 232 av 284 avklarte tilfeller (81.7%), at ekstern validering forelå i 33 (7.8%) og at enighet mellom annotatører forelå i 54 (12.8%) (Eicher og da Silva (2026)).

  • Rapporteringsrikdom er målbar, og metodetype forutsier den. I 888 artikler om gjennomgangsautomatisering rapporterte 38.0% av programvare-/produktartiklene siden 2023 ingen evaluering, mot 9.3% av LLM-artiklene, og 52% av 118 LLM-artikler med bare positive funn flagget fortsatt en uoppfylt reliabilitetsterskel — mønsteret bak PRISMA-LLMs fem åpenhetsnivåer (Zabaleta og Lin (2026)).

  • Standardisering innenfor hvert datasett kan skjule en feilframstilling av spredning. Da syntetiske utdanningskohorter ble standardisert etter sin egen spredning, ble det faktum at deres ukentlige struktur varierte 2.6 til 4.9 ganger mindre enn de reelle kohortenes, usynlig for de rapporterte statistikkene — rutinemessig forbehandling, etter forfatternes ord ikke en hypotetisk bekymring (Inoue og Yasutake, 2026).

  • Modellgenererte etiketter er ikke fasit. Der etikettene som trener eller evaluerer et system, selv er produsert av språkmodeller, kan enighet mellom annotatører ikke etablere validitet: Bernado et al. (2026) validerte aldri påstandannotasjonene sine mot menneskelige gull-etiketter, og de 49 encoder-klassifikatorene de slipper, arver denne opprinnelsen og er kanskje ikke gyldige der anvendelsene skiller seg på viktige dimensjoner. Skjemaet deres presterte også strengt dårligere enn den finjusterte klassifikatoren trent på ekspertannotert data (makro-F1 0.673 mot 0.76), slik at ekspertmerkede korpora fortsatt er verdt det når høy tillit kreves.

  • Bevisbasen selv er ujevnt fordelt. En scoping-gjennomgang av 407 teknologistøttede formatvurderingsstudier hentet bare fra Web of Science og Scopus. Den ekskluderte også 61 oppføringer på språkkriterier, så den geografiske ubalansen feltet rapporterer, kan delvis gjenspeile hvilke kanaler som er indeksert (Bulut, 2026).

Hastighetsproblemet: AI utvikler seg raskere enn funnene

AI endrer seg kontinuerlig, og konklusjonene som trekkes fra en gitt modell eller et gitt system, kan bli utdaterte raskt. En studie av én LLM-generasjon beskriver kanskje ikke den neste; benchmark-skårer, veiledningskvalitet og til og med den praktiske nytten av et funn forskyves når modellene forbedres. Forsterkende for dette er publiseringsprosessen langsom — fra studiedesign til fagfellevurdert publisering kan det ta et år eller mer — så et publisert resultat kan allerede beskrive et foreldet system. Vurderere og lesere bør derfor behandle funn om AI i utdanning som foreløpige, datofølsomme påstander snarere enn stabile sannheter, og foretrekke nyere, replikasjonsorientert og versjonseksplisitt arbeid.

Thoeni og Fryer (2026) gjør konsekvensen konkret for én litteratur: fordi RAG-baserte systemer først ble offentlig tilgjengelige i november 2023, argumenterer de for at funn om intelligent veiledning før 2023 — som hviler på regelbaserte, nøkkelordmatchende eller heuristiske NLP-systemer som har liten funksjonell likhet med dagens store språkmodeller — bør behandles som historisk kontekst snarere enn direkte sammenlignbart belegg, og rapporterer at gjennomgangen deres ikke fant noen publisert RCT som undersøkte en RAG-basert AI-chatbot i bachelorutdanning over et helt akademisk semester. Implikasjonen er at grunnleggende spørsmål om hvordan genAI påvirker læring, kanskje må stilles på nytt mot hver ny modellgenerasjon snarere enn avgjøres ved å slå sammen eldre resultater.

Begrensninger i forskning og praksis

Flere begrensninger gjelder gjennomføringen og infrastrukturen i forskningen selv:

  • Manglende reproduserbarhet. Studier rapporterer ofte ikke nok detaljer (prompter, modellversjoner, hyperparametere, data, analysekode) til at andre kan reprodusere eller verifisere resultatene — et særlig problem gitt hvor følsom LLM-utdata er for prompter og innstillinger.
  • FAIR forskningspraksis. Åpen og reproduserbar praksis — Findable, Accessible, Interoperable og Reusable — altså finnbare, tilgjengelige, samtalbare og gjenbrukbare data og kode, forhåndsregistrering og delte benchmarks — er ujevnt adoptert i forskning på AI i utdanning. Svak etterlevelse av FAIR-prinsippene gjør det vanskeligere å gjenbruke, sammenligne og bygge videre på studier.
  • Proprietære verktøy og modeller. Mye forskning avhenger av lukkede, proprietære AI-systemer hvis interne atferd, treningsdata og modelloppdateringer er ugjennomsiktige og kan endres uten varsel. Dette begrenser reproduserbarheten, gjør eksakt replikasjon umulig og kan binde funn til en leverandørs veikart. Det reiser også spørsmål om evalueringens uavhengighet (se AIEd-evaluering).

Svak eller begrenset teoribruk

En tilbakevendende kritikk er at mange empiriske artikler har begrenset eller utdatert teoretisk innramming. Forskere kan:

  • Adoptere teorier ukritisk. Rammeverk lånes fordi de er kjente, uten å engasjere seg fullt i forutsetningene, omfanget eller bevisbasen deres.
  • Misforstå rammeverk som faste sekvenser. Flere mye brukte rammeverk behandles som ordnede stiger som elever må klatre fra et «lavt» til et «høyt» trinn — men belegget støtter ikke alltid å begynne nederst. For eksempel:
    • Blooms taksonomi leses ofte som en streng hierarki (gjenkalling → anvendelse → evaluering), men høyereordensmål krever ikke først å drille lavereordensmål; oppgaver kan designes for å engasjere evaluering eller skaping fra starten (se Cross-Dataset Bloom Question Classification: Supervised Models and Prompted LLMs).
    • ADDIE og andre instruksjonsdesignmodeller behandles noen ganger som rigide lineære faser snarere enn de iterative, fleksible planleggingsheuristikkene de er ment å være (se Læringsdesign).
  • Overser omstridte teorier. Noen teorier som brukes mye i forskning på AI i utdanning, er selv blitt utfordret. Kognitiv belastning-teori er for eksempel blitt kritisert og dens empiriske påstander tilbakevist eller bestridt i tidligere studier, men den påberopes fortsatt som et fastslått grunnlag i ny forskning på AI i utdanning.

Implikasjonen er ikke at teorier og rammeverk er ubrukelige, men at de bør brukes med oppmerksomhet på deres faktiske bevisbase, deres tiltenkte omfang og deres kjente kritikk — snarere enn som selvinnlysende stillas eller rigide prosedyresekvenser.

Metaanalysens evidenskrise

En voksende mengde metaforskning — gjennomganger som gransker gjennomgangene — argumenterer for at feltets overskriftspåstander om AI-drevne læringsgevinster hviler på en bevisbase som er langt svakere enn den ser ut. Tre komplementære kritikker legger saken fram med uvanlig styrke:

  • Positiv-syntesskjevhet er alvorlig og kvantifiserbar. Bartoš et al. (2026), i en metaanalyse på studienivå av 1 840 effektstørrelser fra 67 metaanalyser, fant sterkt belegg for publiseringsskjevhet (alle Egger-tester p < .0001) og ekstrem heterogenitet mellom studier (τ = 0.869). Publiseringsskjevhetsjusterte effekter var omtrent en tredjedel av størrelsen som vanligvis rapporteres (SMD = 0.196 mot en median på 0.67 i den publiserte litteraturen), med et prediksjonsintervall fra −1.521 til +1.908 — fra stor skade til stor gevinst. Ingen undergruppe for utfall, felt, nivå eller AI-rolle viste konsistente gevinster, og det var ingen forskjell mellom studier før og etter 2023. Deres dom: brede påstander om generaliserte læringsgevinster er for tidlige.
  • Metaanalytiske metoder brukes systematisk feil. O'Neills (2026) rettsmedisinske revisjon av 14 høyprofilerte metaanalyser om AI i utdanning fant at ingen ga et gyldig grunnlag for påstandene sine: ingen hadde et sammenhengende konstrukt (de behandlet verktøyet «ChatGPT» som om det var én intervensjon, og slo sammen testskårer, motivasjon, Self-Efficacy og holdninger til ett «akademisk prestasjon»-tall); rapportert heterogenitet var alvorlig, med I² fra 77.2% til 94.4% på tvers av de 13 metaanalysene som rapporterte den og 12 av disse 13 over 80%, og den ble aldri oppløst (ingen nådde minste undergruppestørrelse på ti studier, fem støttet seg på undergrupper med én studie, og tre andre på undergrupper med to); tolv behandlet avhengige effektstørrelser fra samme studie som uavhengige, noe som blåste opp det tilsynelatende belegget; og ingen vurderte publiseringsskjevhet gyldig (diskrediterte fail-safe N-mål og feilanvendte Egger-tester var vanlige). Fordi I² er presisjonsavhengig, kan det ikke alene fastslå hvor langt fra hverandre de sanne effektene er, og rapporteringen som ville vist det, var i stor grad fraværende: bare fire metaanalyser rapporterte varians mellom studier (τ²) og bare to rapporterte et prediksjonsintervall, begge med null inkludert. Et flertall (61%) av tilfeldig vurderte primærstudier var problematiske, og én studie med fabrikkerte referanser var inkludert av seks av de 14 metaanalysene.
  • «Behandlingen» er en svart boks. Weidlich et al. (2025) gjenoppliver medie-/metodedebatten for å argumentere for at «ChatGPT» er et verktøy, ikke en metode — å spørre om det «forbedrer læring» er en non sequitur. Da de reviderte en delmengde av studiene bak Deng et al.s (2025) metaanalyse, fant de at bare 21% av sammenligningene hadde en veldefinert behandling, en kontrollgruppe og et gyldig læringsmål; rapporterte effektstørrelser (g = 0.7) oversteg til og med dem for formålsspesifikke intelligente veiledningssystemer (0.66), et rødt flagg for at «behandlingen» var en heterogen «hemmelig saus».

Sammenløpet av disse tre uavhengige kritikkene er i seg selv belegg: på tvers av ulike metoder, korpora og innramminger når de samme konklusjon — at positive effektstørrelser for AI i utdanning, særlig fra tidlige metaanalyser, trolig gjenspeiler publiseringsskjevhet, konstruktinkoherens og metodologiske snarveier like mye som (eller mer enn) reelle læringsgevinster. Dette betyr ikke at AI-verktøy ikke har pedagogisk verdi; det betyr snarere at feltnivå-belegget for verdien deres for tiden er oppblåst og må leses deretter. Det forskyver også ansvar til syntesekvalitet: en metaanalyse er bare så pålitelig som sammenhengen i konstruktene, uavhengigheten i effektstørrelsene, tilstrekkeligheten i moderator- og heterogenitetsanalysen og gyldigheten i publiseringsskjevhetsvurderingen — og kritikkene viser at hver av disse rutinemessig brytes.

Å lese AIEd-litteraturen kritisk

Samlet argumenterer disse begrensningene for en kritisk lesning av forskning på AI i utdanning med flere signaler: sjekk om et funn generaliserer og er tilstrekkelig kraftig; verifiser hvordan konstrukter ble målt (og om påstander hviler på selvrapport); foretrekk nyere, versjonseksplisitt og reproduserbart arbeid; og gransk den teoretiske innrammingen snarere enn å ta kjente rammeverk for gitt. Dette er komplementet til streng metodevalg og evaluering: gode metoder og god evaluering er nødvendige, men det er lesning med oppmerksomhet på begrensninger som gjør belegg til forsvarbare beslutninger.

Fra forskning til praksis

En ytterligere, praktisk begrensning er utfordringen med å anvende forskning på undervisning og instruksjonsdesign. Praktikere — undervisere, instruksjonsdesignere og fagutviklere — mangler ofte tid eller spesialisert ekspertise til å lese, vurdere og oversette primærforskning til konkrete klasseromsbeslutninger. Litteraturen er stor, fragmentert og skrevet for forskere; funn rapporteres med statistisk og metodologisk detalj som ikke umiddelbart er handlingsrettet; og fordi påstandene er foreløpige (se hastighetsproblemet ovenfor), kan en praktiker ikke bare ta en enkelt studie for pålydende. Dette skaper et gap mellom det belegget støtter og det som faktisk når undervisningspraksis.

Formålet med denne kunnskapsbasen er å hjelpe med å lukke det gapet — å gjøre det lettere å holde tritt med, tolke og anvende forskning på AI i utdanning i praksis — ved å kuratere åpent tilgjengelige funn til strukturerte, tilgjengelige sammendrag, koble beslektet arbeid gjennom begrepssider og flagge begrensningene lesere bør veie. Den tar sikte på å støtte evidensinformert praksis i undervisning og instruksjonsdesign, og dermed også synliggjøre gap og spørsmål som kan informere ny forskning og utvikling. Å forstå grensene i forskningen er derfor ikke et mål i seg selv: det er det som lar praktikere anvende funn på riktig måte og lar forskere designe sterkere studier som tjener praksis bedre.

To revisjonsfeller det er verdt å kjenne

To bestemte rapporteringspraksiser blåser opp eller forvrenger en syntese, og begge er synlige i den publiserte litteraturen snarere enn hypotetiske.

Heterogenitetstallet avhenger av modellen, og modellen siteres sjelden. En gjennomgangs heterogenitet oppgis som I² = 82.98% under en fast-effekt-modell og I² = 15.75% under tilfeldig-effekt-modellen. De beskriver de samme dataene. En leser som løfter ut et enkelt heterogenitetstall uten modellen, har fått en teknisk påstand uten fortolkning hengt ved, og forskjellen mellom «mesteparten av variansen er uforklart» og «lite varians er uforklart» er forskjellen mellom å forkaste og å stole på feltet.

Overskriftsprosenten kan være et artefakt av søketermene. En scoping-gjennomgang av 195 lærerutdanningsstudier gjorde digital kompetanse og TPACK til eksplisitte søkebeskrivelser, mens instruksjonsdesign og vurdering ikke hadde noen tilsvarende term, så de rapporterte 46.5% og 1.9% er rater spørringen selv konstruerte. En prevalenspåstand er bare så meningsfull som søket bak den.

Og basisraten er tallet ingen oppgir. Metodologiske grenser her er målbare snarere enn impresjonistiske: i en kritisk gjennomgang av 80 HCI-studier av kritisk tenkning med AI kjørte 42 (52%) ingen kontrollgruppe, og de fleste av de resterende støttet seg på selvrapport. Når mer enn halvparten av et felts positive funn kommer fra design som ikke kan skille AI sin effekt fra vanlig aktivitet, er den passende forventningen på forhånd til ethvert enkelt funn skepsis, ikke foreløpig aksept.

Vanlige misoppfatninger

  • «Begrensningsseksjoner er standardtekst.» Metodologiske grenser er målbare snarere enn impresjonistiske: i en kritisk gjennomgang av 80 HCI-studier av kritisk tenkning med AI kjørte 42 (52%) ingen kontrollgruppe. En presis telling er det som gjør begrensningen handlingsrettet.
  • «Heterogenitet er et enkelt tall du kan sitere.» Samme gjennomgang viser en rapporteringsfare: heterogenitet oppgis som I² = 82.98% under en fast-effekt-modell og I² = 15.75% under tilfeldig-effekt-modellen. De samme dataene gir en historie på ni poeng eller en historie på to poeng avhengig av modellen som velges, så en sitert I² uten modellen er utolkbar.
  • «En stor rapportert effekt er tallet å stole på.» En overskrift som en effekt fra 30 elever i ett kurs på ett sted er den vanlige formen for en skjør påstand, og antallet studier uten kontroller viser hvor ofte denne skjørheten ikke rapporteres.

Tilknyttede begrep

Tilknyttede artikler

Tilknyttede FAQ

Metadata

StudiedesignLiterature Review
Læring og undervisningLearning Theories
Vurdering og målingAssessment Validity, Educational Measurement
Forskningsmetoder og evalueringAI Ed Evaluation, Benchmark, Research Methods in AIED
Grunnlaget for AI i utdanningAI i undervisning
SidetypeEvaluation
KildeHistorikkRedigerChat

Bygg inn denne siden

Kopier koden nedenfor for å bygge inn denne siden i et læringsstøttesystem eller et annet nettsted. Den innbygde versjonen viser bare sideinnholdet — den skjuler nettstedets topptekst, navigasjon og bunntekst.