Limitações na Pesquisa em AIEd

Esta é uma tradução automática da página em inglês; ainda não foi revisada por uma pessoa falante nativa.

As limitações na pesquisa em AIEd — as fraquezas e restrições recorrentes que afetam quanta confiança podemos depositar nos achados de IA na educação, e como os leitores deveriam interpretá-los. Elas atravessam estudos individuais: limitações metodológicas (generalizabilidade, tamanho de amostra, validade, autorrelato), o problema da velocidade (a IA e os achados envelhecem rapidamente enquanto a publicação fica atrás), limitações de pesquisa-prática (reprodutibilidade, práticas FAIR, ferramentas proprietárias) e uso fraco de teoria. Os limites metodológicos são mensuráveis, e não impressionistas: em uma revisão crítica de 80 estudos de HCI sobre pensamento crítico com IA, 42 (52%) não rodaram nenhum grupo de controle e a maior parte do resto se apoiou em autorrelato, de modo que os achados positivos do campo repousam sobre designs que não conseguem separar o efeito da IA da reflexão ordinária (A Critical Review of Critical Thinking in HCI Research About AI). A codificação de resultados é desigual da mesma forma: uma revisão sistemática de 103 estudos de ensino superior ordenou seu corpus em uma tipologia de resultados de quatro níveis e colocou 56% dele em um único padrão condicional, onde confiança e motivação subiram sem um ganho correspondente em competência durável (Generative AI in higher education: A systematic review of empirical uses, outcomes, and risks). Reconhecer esses limites é essencial para ler a literatura criticamente e para projetar estudos mais fortes.

Questões a considerar

• Quanto você confiaria em uma manchete como "tutoria com IA aumenta a aprendizagem em 30%" se descobrisse que ela veio de 30 estudantes em um curso de uma instituição? A página sinaliza generalizabilidade e amostras pequenas como limites recorrentes — o que você gostaria de saber antes de agir com base em qualquer achado isolado?
• Uma limitação marcante é o "problema da velocidade": a IA evolui mais rápido do que os achados são publicados, de modo que um estudo de uma geração de modelo pode já descrever um sistema obsoleto. Como isso deveria mudar a confiança que você deposita na pesquisa em educação com IA?
• Muitos estudos dependem de atitudes e uso autorrelatados, que são enviesados — as pessoas superestimam sua competência e subnotificam o uso indevido. Você já respondeu a uma pesquisa sobre suas próprias habilidades ou comportamento de uma forma que não correspondia à realidade? Por que medidas baseadas em percepção divergem tão frequentemente do desempenho objetivo?
• A página nota que frameworks familiares como a taxonomia de Bloom são frequentemente mal lidos como escadas rígidas, e que até teorias amplamente usadas como a teoria da carga cognitiva foram desafiadas. Quando você já viu uma teoria invocada como verdade assentada em um contexto onde sua própria evidência era de fato contestada?
• A maior parte da pesquisa em IA depende de modelos proprietários e opacos cujos dados e atualizações você não pode inspecionar. Se você não pode verificar exatamente qual modelo produziu um resultado, quanto pode confiar em afirmações construídas sobre ele — e o que tornaria os achados mais reprodutíveis?
• Se você é um instrutor ou designer sem tempo para ler pesquisa primária, como decide quais afirmações sobre IA são confiáveis o suficiente para mudar sua prática — dado que a literatura é fragmentada, provisória e escrita para pesquisadores?

Introdução

A IA na educação é um campo veloz e heterogêneo, e sua base de evidências carrega um conjunto distintivo de limitações que pesquisadores, praticantes e formuladores de política deveriam pesar ao usar qualquer achado. Algumas são compartilhadas com a literatura mais ampla de ciências da aprendizagem e psicologia; outras são amplificadas ou tornadas únicas pela própria natureza da IA. Esta página as organiza em quatro áreas transversais.

Limitações metodológicas

A página de métodos de pesquisa da base de conhecimento detalha as forças e limitações de cada design. Vários limites recorrem entre designs e merecem atenção particular:

• Generalizabilidade. Achados de um único curso, instituição, disciplina ou contexto nacional podem não se transferir. Amostras pequenas, de conveniência ou de instituição única limitam a validade externa; resultados de uma ferramenta de IA raramente se estendem a uma ferramenta ou contexto diferente.
• Comparações transculturais de crença carregam um risco de medição. Uma survey de cinco países com 1.405 professores de K-12 usou tradução automática por máquina sem retrotradução ou teste de invariância de medição e mediu preocupação com plágio e criatividade com itens únicos, de modo que seus contrastes entre países não podem ser lidos como construtos equivalentes (Xiu et al. (2026)).
• O rigor ao nível de síntese é um eixo separado do rigor do estudo primário. Uma meta-análise pode satisfazer seus próprios critérios de inclusão e ainda assim agrupar estudos que diferem em design, fidelidade de implementação e medida de resultado sem ponderar nada disso: Doğan e colegas (2026) declaram abertamente que não usaram nenhuma ferramenta formal de avaliação de qualidade e trataram os critérios de inclusão como o limiar de rigor, de modo que um estudo quase-experimental e um randomizado contribuíram igualmente para a estimativa agrupada de STEM. A mesma revisão mostra um risco de reporte relacionado: sua heterogeneidade é citada como I² = 82,98% sob um modelo de efeitos fixos e I² = 15,75% sob o modelo de efeitos aleatórios, o que significa que leitores que retiram um único número de heterogeneidade sem seu modelo não podem dizer quão inconsistente o corpus de fato é. Avalie uma síntese por como ela tratou tamanhos de efeito dependentes, qualidade e heterogeneidade, e não apenas por se seguiu um protocolo de busca.
• O design de recuperação define os números principais de uma síntese. Em uma revisão de escopo de 195 estudos de formação de professores, competência digital e TPACK foram descritores de busca explícitos, enquanto design instrucional e avaliação não tiveram equivalente, de modo que os 46,5% e 1,9% relatados descrevem o corpus recuperado, e não o campo (Patiño Hernández et al. (2026)).
• Tamanhos de amostra pequenos. Muitos estudos de AIEd são subpotentes — participantes poucos demais para detectar de forma confiável efeitos significativos ou para apoiar as afirmações fortes que às vezes deles se tiram.
• Escores de endpoint podem esconder a coisa estudada. Em uma revisão PRISMA de 103 estudos de ensino superior, 56% relataram ganhos que eram condicionais a suporte ou verificação, e diferenças nulas de notas frequentemente acompanharam mudanças reais de processo — mais depuração, mais ciclos de verificação —, de modo que as notas por si só não podem dizer se a GenAI fortaleceu ou esvaziou a prática (Hawi e Samaha (2026)).
• O design de validação pode fabricar o número principal. Nanayakkara e Halloluwa (2026) fizeram benchmark de quinze modelos em familiaridade baseada em EEG e mostram que a validação cruzada estratificada padrão permite vazamento temporal e relata até 0,9853 de F1, enquanto a validação Group K-Fold independente de teste derruba o pico para 0,6038 de F1 — ainda acima do acaso, mas longe do resultado citado.
• Benchmarks podem fornecer as falhas que relatam. A renotação por especialistas de 250 itens de física rejeitados atribuiu 238 (95,20%) a erros de benchmark ou de corretor e apenas 12 (4,80%) a erros genuínos do modelo, de modo que a taxa de erro medida de um modelo não pode cair abaixo da taxa de defeito do instrumento. (Ansari et al. (2026)).
• Validade e medição. A validade de construto é frequentemente fina: proxies para "aprendizagem", "engajamento" ou "letramento" variam amplamente, e os instrumentos nem sempre são validados para a população ou construto estudado. A acurácia de benchmark não é igual à eficácia educacional.
• Autorrelato e dados de survey. Grande parte do corpus depende de atitudes, motivação e uso autorrelatados. O autorrelato está sujeito a viés — os respondentes superestimam competência, subnotificam o uso indevido e avaliam mal seu próprio comportamento —, de modo que medidas baseadas em percepção frequentemente divergem do desempenho objetivo (veja How to Assess AI Literacy: Misalignment Between Self-Reported and Objective-Based Measures e medição educacional).
• Contexto e reporte de validação podem ser quantificados ao longo de uma literatura. Uma revisão PRISMA-ScR de 421 estudos de NLP sobre comentários de avaliação de ensino encontrou o país não resolvido em 221 estudos, escopos de instituição única em 232 de 284 casos resolvidos (81,7%), validação externa em 33 (7,8%) e concordância entre anotadores em 54 (12,8%) (Eicher e da Silva (2026)).
• A riqueza de reporte é mensurável, e o tipo de método a prediz. Em 888 artigos de automação de revisão, 38,0% dos artigos de software/produto desde 2023 não relataram nenhuma avaliação, contra 9,3% dos artigos de LLM, e 52% dos 118 artigos de LLM apenas positivos ainda sinalizaram uma barra de confiabilidade não atendida — o padrão por trás dos cinco níveis de divulgação da PRISMA-LLM (Zabaleta e Lin (2026)).
• Padronizar dentro de cada conjunto de dados pode esconder uma declaração equivocada de dispersão. Quando coortes educacionais sintéticas foram padronizadas por sua própria dispersão, o fato de que sua estrutura semanal variava 2,6 a 4,9 vezes menos que a das coortes reais tornou-se invisível às estatísticas relatadas — pré-processamento rotineiro, nas palavras dos autores, e não uma preocupação hipotética (Inoue e Yasutake, 2026).
• Rótulos gerados por modelo não são verdade de base. Onde os rótulos que treinam ou avaliam um sistema são eles próprios produzidos por modelos de linguagem, a concordância entre anotadores não pode estabelecer validade: Bernado et al. (2026) nunca validaram suas anotações de asserção contra rótulos ouro humanos, e os 49 classificadores de encoder que eles liberam herdam essa procedência e podem não ser válidos onde as aplicações diferem em dimensões significativas. Seu schema também teve desempenho estritamente inferior ao classificador ajustado treinado em dados anotados por especialistas (macro-F1 0,673 contra 0,76), deixando os corpora rotulados por especialistas como algo que vale a pena quando alta confiança é exigida.

O problema da velocidade: a IA evolui mais rápido do que os achados

A IA está mudando continuamente, e as conclusões tiradas de qualquer modelo ou sistema específico podem ficar desatualizadas rapidamente. Um estudo de uma geração de LLM pode não descrever a próxima; escores de benchmark, qualidade de tutoria e até a utilidade prática de um achado mudam à medida que os modelos melhoram. Agravando isso, o processo de publicação é lento — do design do estudo à publicação revisada por pares pode levar um ano ou mais —, de modo que um resultado publicado pode já descrever um sistema obsoleto. Revisores e leitores deveriam, portanto, tratar os achados de AIEd como afirmações provisórias e sensíveis à data, em vez de verdades estáveis, e preferir trabalho recente, orientado à replicação e explícito quanto à versão.

Thoeni e Fryer (2026) tornam concreta a consequência para uma literatura: como os sistemas baseados em RAG só se tornaram publicamente disponíveis em novembro de 2023, eles argumentam que achados pré-2023 de tutoria inteligente — que repousam sobre sistemas de NLP baseados em regras, correspondência de palavras-chave ou heurísticos que têm pouca semelhança funcional com os modelos de linguagem grandes atuais — deveriam ser tratados como contexto histórico em vez de evidência diretamente comparável, e relatam que sua revisão não encontrou nenhum RCT publicado examinando um chatbot de IA baseado em RAG na educação de graduação ao longo de um semestre acadêmico completo. A implicação é que questões fundamentais sobre como a GenAI afeta a aprendizagem podem precisar ser refeitas contra cada nova geração de modelo, em vez de assentadas pelo agrupamento de resultados mais antigos.

Limitações de pesquisa-prática

Várias limitações dizem respeito à condução e à infraestrutura da própria pesquisa:

• Falta de reprodutibilidade. Estudos frequentemente não relatam detalhe suficiente (prompts, versões de modelo, hiperparâmetros, dados, código de análise) para que outros reproduzam ou verifiquem os resultados — um problema particular dado quão sensível é a saída dos LLMs a prompts e configurações.
• Práticas de pesquisa FAIR. A prática aberta e reprodutível — dados e código Encontráveis, Acessíveis, Interoperáveis e Reusáveis, pré-registro e benchmarks compartilhados — é adotada de forma desigual na AIEd. A adesão fraca aos princípios FAIR torna mais difícil reutilizar, comparar e construir sobre os estudos.
• Ferramentas e modelos proprietários. Grande parte da pesquisa depende de sistemas de IA fechados e proprietários cujo comportamento interno, dados de treinamento e atualizações de modelo são opacos e podem mudar sem aviso. Isso limita a reprodutibilidade, torna a replicação exata impossível e pode vincular os achados ao roteiro de um fornecedor. Também levanta questões sobre independência de avaliação (veja Avaliação de IA na educação).

Uso fraco ou limitado de teoria

Uma crítica recorrente é que muitos artigos empíricos têm enquadramento teórico limitado ou desatualizado. Pesquisadores podem:

• Adotar teorias de forma acrítica. Frameworks são tomados de empréstimo porque são familiares, sem engajar plenamente suas suposições, escopo ou base de evidência.
• Interpretar frameworks como sequências fixas. Vários frameworks amplamente usados são tratados como escadas ordenadas que os aprendizes devem subir de um estágio "baixo" a um "alto" — mas a evidência não apoia sempre começar embaixo. Por exemplo:
  • A taxonomia de Bloom é frequentemente lida como uma hierarquia rígida (recordação → aplicação → avaliação), mas objetivos de ordem superior não exigem primeiro perfurar os de ordem inferior; tarefas podem ser projetadas para engajar a avaliação ou a criação desde o início (veja Cross-Dataset Bloom Question Classification: Supervised Models and Prompted LLMs).
  • O ADDIE e outros modelos de design instrucional são às vezes tratados como fases lineares rígidas em vez das heurísticas de planejamento iterativas e flexíveis que devem ser (veja design de aprendizagem).
• Ignorar teorias contestadas. Algumas teorias usadas amplamente na AIEd foram elas mesmas desafiadas. A teoria da carga cognitiva, por exemplo, foi criticada e suas afirmações empíricas refutadas ou disputadas em estudos anteriores, mas ela continua a ser invocada como fundamento assentado em novos trabalhos de AIEd.

A implicação não é que teorias e frameworks sejam inúteis, mas que eles deveriam ser usados com atenção à sua base de evidência real, seu escopo pretendido e suas críticas conhecidas — e não como suportes auto-evidentes ou sequências procedurais rígidas.

A crise meta-analítica de evidência

Um corpo crescente de metapesquisa — revisões que examinam as revisões — argumenta que as afirmações principais do campo sobre ganhos de aprendizagem impulsionados por IA repousam sobre uma base de evidências muito mais fraca do que parece. Três críticas complementares fazem o caso com força incomum:

• O viés de síntese positiva é severo e quantificável. Bartoš et al. (2026), em uma meta-meta-análise de nível de estudo de 1.840 tamanhos de efeito de 67 meta-análises, encontraram forte evidência de viés de publicação (todos os testes de Egger p < ,0001) e heterogeneidade extrema entre estudos (τ = 0,869). Os efeitos ajustados pelo viés de publicação foram cerca de um terço da magnitude comumente relatada (SMD = 0,196 contra uma mediana de 0,67 na literatura publicada), com um intervalo de predição abrangendo −1,521 a +1,908 — de grande dano a grande benefício. Nenhum subgrupo de resultado, campo, nível ou papel de IA mostrou ganhos consistentes, e não houve diferença entre estudos pré e pós-2023. Seu veredicto: afirmações amplas de ganhos de aprendizagem generalizados são prematuras.
• Os métodos meta-analíticos estão sendo sistematicamente mal aplicados. A auditoria forense de O'Neill (2026) sobre 14 meta-análises de AIEd de alto impacto descobriu que nenhuma forneceu uma base válida para suas afirmações: nenhuma tinha um construto coerente (tratando a ferramenta "ChatGPT" como se fosse uma única intervenção, e agrupando escores de teste, motivação, autoeficácia e atitudes em um único número de "desempenho acadêmico"); a heterogeneidade relatada era severa, com I² variando de 77,2% a 94,4% entre as 13 meta-análises que a relataram e 12 dessas 13 acima de 80%, e ela nunca foi resolvida (nenhuma atendeu ao tamanho mínimo de subgrupo de dez estudos, cinco se apoiaram em subgrupos de estudo único, e outras três em subgrupos de dois); doze trataram tamanhos de efeito dependentes do mesmo estudo como independentes, inflando a evidência aparente; e nenhuma avaliou validamente o viés de publicação (métricas desacreditadas de fail-safe N e testes de Egger mal aplicados eram comuns). Como o I² depende da precisão, ele não pode por si só estabelecer quão distantes estão os efeitos verdadeiros, e o reporte que mostraria isso estava em grande parte ausente: apenas quatro meta-análises relataram variância entre estudos (τ²) e apenas duas relataram um intervalo de predição, ambos incluindo zero. Uma maioria (61%) dos estudos primários vistoriados aleatoriamente era problemática, e um estudo com referências fabricadas foi incluído por seis das 14 meta-análises.
• O "tratamento" é uma caixa-preta. Weidlich et al. (2025) revivem o debate mídia/métodos para argumentar que "ChatGPT" é uma ferramenta, não um método — perguntar se ele "melhora a aprendizagem" é um non sequitur. Auditando um subconjunto dos estudos por trás da meta-análise de Deng et al. (2025), eles encontraram que apenas 21% das comparações tinham um tratamento bem definido, grupo de controle e medida de aprendizagem válida; os tamanhos de efeito relatados (g = 0,7) chegaram a exceder os de Sistemas de Tutoria Inteligente construídos para o fim (0,66), um sinal de alerta de que o "tratamento" era um "molho secreto" heterogêneo.

A convergência dessas três críticas independentes é ela mesma evidência: através de métodos, corpora e enquadramentos diferentes, elas chegam à mesma conclusão — que os tamanhos de efeito positivos de AIEd, especialmente de meta-análises iniciais, provavelmente refletem viés de publicação, incoerência de construto e atalhos metodológicos tanto quanto (ou mais do que) ganhos de aprendizagem genuínos. Isso não significa que ferramentas de IA não tenham valor educacional; antes, significa que a evidência de nível de campo para seu valor está atualmente inflada e deve ser lida de acordo. Isso também desloca a responsabilidade para a qualidade da síntese: uma meta-análise é tão confiável quanto a coerência de seus construtos, a independência de seus tamanhos de efeito, a adequação de sua análise de moderadores e heterogeneidade, e a validade de sua avaliação do viés de publicação — cada uma das quais as críticas mostram ser rotineiramente violada.

Lendo a literatura de AIEd criticamente

Tomadas em conjunto, essas limitações argumentam por uma leitura crítica e multissinal da pesquisa em AIEd: verifique se um achado generaliza e é adequadamente potente; verifique como os construtos foram medidos (e se as afirmações repousam sobre autorrelato); prefira trabalho recente, explícito quanto à versão e reprodutível; e interrogue o enquadramento teórico em vez de tratar frameworks familiares como dados. Esse é o complemento da escolha rigorosa de método e da avaliação rigorosa: bons métodos e boa avaliação são necessários, mas ler com atenção às limitações é o que transforma evidência em decisões defensáveis.

Da pesquisa à prática

Uma limitação adicional, prática, é o desafio de aplicar a pesquisa ao ensino e ao design instrucional. Praticantes — instrutores, designers instrucionais e desenvolvedores de docência — frequentemente não têm tempo ou expertise especializada para ler, avaliar e traduzir pesquisa primária em decisões concretas de sala de aula. A literatura é grande, fragmentada e escrita para pesquisadores; os achados são relatados com detalhe estatístico e metodológico que não é imediatamente acionável; e, como as afirmações são provisórias (veja o problema da velocidade acima), um praticante não pode simplesmente tomar um único estudo ao pé da letra. Isso cria uma lacuna entre o que a evidência apoia e o que de fato chega à prática de ensino.

O propósito desta base de conhecimento é ajudar a fechar essa lacuna — tornar mais fácil acompanhar, interpretar e aplicar a pesquisa em IA na educação à prática — ao curar achados de acesso aberto em resumos estruturados e acessíveis, conectar trabalhos relacionados por meio de páginas de conceito, e sinalizar as limitações que os leitores deveriam pesar. Ela visa apoiar a prática informada por evidência no ensino e no design instrucional e, ao fazê-lo, também trazer à tona lacunas e questões que podem informar nova pesquisa e desenvolvimento. Compreender os limites da pesquisa não é, portanto, um fim em si mesmo: é o que permite aos praticantes aplicar os achados de forma apropriada e permite aos pesquisadores projetar estudos mais fortes que melhor sirvam à prática.

Conceitos conectados

• Interpretar e aplicar a pesquisa em AIEd
• Métodos de pesquisa em AIED
• Avaliação de IA na educação
• Medição educacional
• Validade da avaliação
• Ponto de referência (Benchmark)
• ECA (ensaio controlado aleatorizado)
• Meta-Análise e Revisão Sistemática
• IA na educação
• Framework ICAP
• Desenho de aprendizagem
• Grandes modelos de linguagem (LLMs)
• IA generativa
• Descarregamento cognitivo
• Desenvolvimento de Teoria na IA na Educação — Theory Development in AI in Education

Artigos conectados

• AI chatbots in higher education: Comparing expectations to evidence — AI chatbots in higher education: comparing expectations to evidence (Thoeni & Fryer 2026)
• Modernizing Ground Truth: Four Shifts Toward Improving Reliability and Validity in AI in Education — Reliability and validity of ground truth in evaluation
• How to Assess AI Literacy: Misalignment Between Self-Reported and Objective-Based Measures — Self-reported vs. performance-based AI literacy
• Why Machines Misread Pedagogical Quality: Human-Machine Alignment in LLM-Based Pretest Question Evaluation — Why machines misread pedagogical quality
• Critical AI Tutors: Empower or Enslave? — Critical limits of AI tutors and theory use
• Cross-Dataset Bloom Question Classification: Supervised Models and Prompted LLMs — Bloom's taxonomy and question classification
• Automating Learner Assessment: Benchmarking Machine Learning and Deep Learning Models for EEG-Based Familiarity Prediction — Automating Learner Assessment: EEG-Based Familiarity Prediction
• ChatGPT in Education: An Effect in Search of a Cause — ChatGPT in Education: An Effect in Search of a Cause (media-comparison critique)
• Effect of Artificial Intelligence on Learning: A Meta-Meta-Analysis — Meta-meta-analysis: publication-bias-adjusted AI effects ~1/3 of reported size
• Presumed Effective: The Manufacturing of an Evidence Base for AI-in-Education Through Flawed Meta-Analysis — Presumed Effective: forensic audit of 14 AIED meta-analyses
• PRISMA-LLM: An Empirical Reporting Framework for AI-Assisted Systematic Reviews — PRISMA-LLM: An Empirical Reporting Framework for AI-Assisted Systematic Reviews
• How Good Are Frontier Models at Physics? Expert Re-Grading Reveals Broken Evaluations and Near-Saturation of Leading Benchmarks — How Good Are Frontier Models at Physics? Expert Re-Grading Reveals Broken Evaluations and Near-Saturation of Leading Benchmarks
• The Impact of Artificial Intelligence-Supported Instruction on Student Learning in STEM: A Systematic Review and Meta-Analysis — Inclusion criteria used as the rigor threshold, and a heterogeneity figure that changes with the model (Doğan et al. 2026)
• Enhancing enthusiasm for STEM education with AI: Domain-specific chatbot as personalized learning assistant — A cluster-randomized classroom trial whose performance outcome did not reach significance (Rücker & Becker-Genschow 2025)
• StudentBench: AI and human tutoring yield equivalent GRE learning gains — StudentBench: AI and human tutoring yield equivalent GRE learning gains
• Evaluating Feedback Focus and Pedagogical Adaptivity in LLM-Generated Feedback on Student Writing — Evaluating Feedback Focus and Pedagogical Adaptivity in LLM-Generated Feedback on Student Writing
• EduBehaviors: Assertion-based Schemas for Auditable Coding of Educational Dialogues — EduBehaviors: Assertion-based Schemas for Auditable Coding of Educational Dialogues
• From Sentiment Classification to Actionable and Responsible Feedback: A Scoping Review and Evidence Map of NLP in Student Evaluation of Teaching, 2015–2026 — From Sentiment Classification to Actionable and Responsible Feedback: A Scoping Review and Evidence Map of NLP in Student Evaluation of Teaching, 2015–2026
• What Fidelity Metrics Miss: A Structural Check on Synthetic Educational Data — What Fidelity Metrics Miss: A Structural Check on Synthetic Educational Data
• From digital competence to AI-responsive pedagogy: a scoping review of technology-supported teacher education — Scoping review of 195 teacher-education studies where search-string design shapes the reported frequencies
• K-12 in-service teachers' beliefs about generative AI in classrooms: insights from the United States, India, Qatar, Colombia, and the Philippines — Cross-national K-12 teacher survey: machine-translated items, single-item concern measures, no invariance testing
• Generative AI in higher education: A systematic review of empirical uses, outcomes, and risks — Systematic review of 103 GenAI higher-education studies: 56% conditional gains, grades masking process change (Hawi & Samaha 2026)