Actualizare săptămânală privind cercetarea în IA în educație #37 noiembrie 2026

Traducere automată a acestei pagini în limba engleză, încă neverificată de un vorbitor nativ.

Un buletin săptămânal de la baza de cunoștințe despre IA în educație, despre ce înseamnă cercetarea publicată în săptămâna trecută pentru cadrele didactice, dezvoltatori, cercetători și administratori.

De la ultimul număr, 159 de studii noi, opt pagini de concept noi, două întrebări frecvente noi și trei resurse noi au intrat în baza de cunoștințe, care cuprinde acum 2.085 de rezumate de articole, 230 de pagini de concept, 44 de întrebări frecvente și 40 de resurse. Căutați sau folosiți IA pentru a discuta cu baza de cunoștințe.

Cuprins

• Principalele concluzii și întrebări
• Întrebări frecvente noi
• Concepte noi
• Resurse noi
• Pentru profesori
• Pentru dezvoltatori
• Pentru cercetători
• Pentru administratori
• De asemenea, adăugate săptămâna aceasta
• Note despre site
• Urmăriți actualizarea

Principalele concluzii și întrebări

• Poate feedbackul generat de IA să înlocuiască feedbackul unui profesor? Feedbackul generat de IA și feedbackul profesorului au îmbunătățit în mod egal revizuirile eseurilor într-un studiu randomizat cu 312 scriitori din primul an. Feedbackul profesorului a ridicat mai mult motivația, pentru că studenții s-au simțit conectați la persoana care îl oferea. IA poate prelua o rundă de revizuire; profesorul rămâne cel care poartă relația.
• Poate un chatbot de sprijin să înlocuiască un coleg? Un chatbot de sprijin s-a comportat la fel ca jurnalizarea în reducerea singurătății într-un studiu randomizat cu 296 de studenți din primul an; un coleg atribuit aleatoriu a redus-o. Botul a exprimat mai multă empatie, în timp ce studenții au oferit mai puțin la schimb, așadar măsurați singurătatea în sine.
• Un modul scurt de etică schimbă judecata despre IA? Un modul de etica informației de patru săptămâni a ridicat scorurile studenților la scenarii de judecată etică legate de IA, într-un studiu care a randomizat 16 clase. Circa 60% din câștig se menținea patru săptămâni mai târziu, iar cei care foloseau cel mai mult IA au câștigat cel mai mult. Predarea bazată pe cazuri pare promițătoare.
• Mai mult ajutor din partea IA îmbunătățește munca creativă? Patru experimente randomizate cu 728 de adulți au constatat că, atunci când IA făcea mai mult din muncă, evaluatorii au notat propunerile de inovare rezultate mai slab, în principal pentru că participanții făceau mai puțină muncă cognitivă. Mai mult ajutor a venit cu o muncă mai slabă.
• Poate un joc scris de IA să predea mai bine decât o prelegere? Un joc de rol de tip mister a depășit prelegerea aceluiași instructor la cunoștințe și raționament juridic, într-un studiu randomizat cu 84 de studenți la drept. Jocul a fost construit cu IA generativă; comparația a fost joc contra prelegere, așadar rezultatul susține învățarea bazată pe joc și lasă netestată folosirea chatbotului.
• Rapoartele despre performanța studenților schimbă predarea? Profesorii noi într-un sistem de tutoriat online la matematică au fost îndemnați aleatoriu să deschidă un raport de analitică a învățării despre performanța studenților la prima temă. Deschiderea lui nu a schimbat nici proporția celor care începeau tema următoare, nici câștigurile la test ale studenților, deși finalizarea temei următoare a crescut, mai ales în clasele mai mici.
• Potrivirea cu notatorii umani face un notator de IA sigur? Un audit al șase modele de IA care notau 300 de răspunsuri scurte a constatat că toate au notat o lucrare identică mai sus atunci când li s-a spus că studentul este de performanță înaltă, cu 0,28 până la 0,75 puncte pe o scală de zece puncte. Concordanța poate ascunde un biais legat de istoricul rezultatelor anterioare ale studentului; nu furnizați acel istoric.
• De ce este atât de greu de înțeles limbajul generat de IA? Textul IA folosește excesiv combinații rare de cuvinte, verbe denominale, subiecte neînsuflețite, relative de obiect reduse, substantive înlănțuite și dependențe lungi, pentru că post-antrenarea pentru matematică, cod și raționament recompensează răspunsurile comprimate în detrimentul explicațiilor clare. Implicația pentru educație este că explicațiile, feedbackul și materialele de lectură scrise de IA pot fi mai greu de procesat pentru studenți chiar și atunci când scorurile de lizibilitate arată bine, o problemă pentru educația pentru lectură pe care formulele o ratează. [Notă editorială: ca reminder, acest buletin și baza de cunoștințe AIEd sunt generate de IA. Dezvoltatorul site-ului a oferit îndrumare editorială amplă pentru a îmbunătăți lizibilitatea și utilitatea; după acea îndrumare, agentul de IA a aplicat competența Humanizer și a urmat o instrucțiune explicită de a scrie afirmativ și de a evita construcția „nu X, ci Y”.]

Întrebări frecvente noi

Două răspunsuri noi s-au alăturat întrebărilor frecvente săptămâna aceasta.

Cum poate IA să îi ajute pe studenți cu lectura și comprehensiunea lecturii?

Răspunsul despre lectură tratează etichetele de nivel de lectură ca pe niște estimări aproximative: evaluările câtorva cititori reali depășesc o formulă, iar o IA căreia i se cere să pretindă că este student nu vă poate spune cât de greu se va simți un text. Folosiți IA pentru a găsi, simplifica și glosa lecturile, apoi încercați rezultatul cu studenții și păstrați originalul alături.

Cum se manifestă biaisul și nedreptatea IA în educație și ce putem face?

Răspunsul despre biais cere rate de eroare pentru grupurile pe care le predați, întrucât o medie poate ascunde un decalaj, iar eșecul poate sta în notare, tutoriat, tablouri de bord sau detectare. Includeți raportarea pe grupuri și o cale de contestare în achiziții și reparați pipeline-ul în sine.

Concepte noi

Opt pagini de concept s-au alăturat bazei de cunoștințe săptămâna aceasta.

Educația pentru lectură

Educația pentru lectură are acum o pagină care separă patru lucruri ce împart adesea aceeași etichetă: ajutorul dat unui cititor, evaluarea lecturii, adaptarea unui text și măsurarea dificultății. Citează un studiu în care 193 de studenți au evaluat 3.954 de propoziții; 72,8% s-au simțit ușoare sau foarte ușoare chiar și atunci când scorurile Flesch spuneau altceva, așadar o etichetă de nivel școlar este un ghid slab pentru felul în care un anumit cititor va trăi un text.

Reflecția

Reflecția are o pagină nouă care o separă de monitorizarea din momentul respectiv numită metacogniție. Prima întrebare de proiectare este dacă studentul a scris reflecția. Într-un experiment cu 302 adulți, prompturile de reflecție au dublat timpul petrecut cu feedbackul și au redus exersarea cu 40%, lăsând o stăpânire mai scăzută, 65% față de 79%, așadar momentul contează la fel de mult ca promptul în sine.

Biaisul de automatizare

Biaisul de automatizare numește obiceiul uman care poate transforma o recomandare corectă a IA într-o decizie greșită: acceptarea unui răspuns pe care l-ați fi pus sub semnul întrebării dacă ați fi ajuns singur la el. Pagina adună locurile în care acest lucru se întâmplă în educație, de la scorurile eseurilor și alertele timpurii până la supravegherea la examen, și arată cum un pas de revizuire care există doar pe hârtie nu îl prinde.

Educația civică și politică

Educația civică și politică cartografiază un gol în dovezi și sintetizează domeniul. O analiză a 310 planuri de lecție generate de IA a constatat că 90% dintre activități cereau doar reamintire, comprehensiune sau aplicare de bază; 94% aveau aproape niciun conținut multicultural; și niciun studiu din corpus nu a măsurat învățarea civică.

Bibliotecile

Bibliotecile tratează biblioteca ca loc, ca serviciu și ca grup de profesioniști. O sinteză a 29 de studii constată că adoptarea se concentrează în serviciile de referință și catalogare, în timp ce pilotul Public AI Libraries face din accesul comun, cu personal, argumentul de echitate.

Avatarurile IA și instructorii sintetici

Avatarurile IA cartografiază rolurile pe care le poate ocupa un om sintetic, de la lector înregistrat și tutor până la pacient simulat și examinator. Dovezile sunt inegale, iar o față realistă vă spune puțin despre învățare; dezvăluirea și încrederea contează la fel de mult ca modelul.

Analitica senzorilor și a privirii

Analitica senzorilor și a privirii acoperă urmărirea ochilor, semnalele cerebrale și cardiace și postura captată de cameră ca modalități de a deduce atenția și implicarea și încărcarea cognitivă. Domeniul este mai bun la a observa cursanții decât la a schimba predarea, iar pagina tratează ca centrale confidențialitatea, biaisul și decalajul dintre un semnal corporal și o stare mentală.

Alfabetizarea informațională și mediatică

Alfabetizarea informațională și mediatică le tratează pe cele două ca o singură problemă instrucțională: alfabetizarea informațională întreabă dacă o sursă merită crezută, în timp ce alfabetizarea mediatică întreabă cine a creat un mesaj și de ce. IA generativă colapsează ambele întrebări pentru că textul fluent își ascunde originea; pagina găsește puține dovezi despre un curriculum combinat.

Resurse noi

Trei resurse s-au alăturat bibliotecii de resurse săptămâna aceasta.

LearnHarness

LearnHarness este o aplicație desktop gratuită și cu sursă deschisă în care agenții de IA stabilesc ce știe deja un cursant, cartografiază ideile necesare pentru a atinge un obiectiv, predau câte un pas de raționament odată și adaptează exersarea.

Learning Commons

Learning Commons publică elemente de construcție deschise pentru produse de curriculum: o hartă a standardelor și programelor școlare, instrumente pentru punctarea textului generat și fluxuri de lucru cu IA gata făcute pentru profesori.

Public AI Libraries

Public AI Libraries este un pilot care plasează o stație de lucru IA comună în bibliotecile publice din Statele Unite, cu conversație, generare de imagini și video, un mediu de programare, un ghid educațional și un cont privat pentru fiecare utilizator.

Pentru profesori

Feedbackul generat de IA egalează un profesor la revizuiri, în timp ce motivația rămâne în urmă

IA și feedbackul profesorului au îmbunătățit aceleași eseuri cu aproximativ aceeași mărime într-un studiu randomizat cu 312 scriitori. Feedbackul profesorului a făcut mai mult pentru motivație, pentru că studentul s-a simțit conectat la persoana care îl oferea.

Păstrați o voce umană în jurul feedbackului. Asociați comentariul generat cu un scurt răspuns al instructorului sau folosiți IA pentru prima rundă și profesorul pentru conversația despre lucrare.

Vezi și: Feedbackul generat de IA la scară largă

Un eseu din cinci a fost scris în întregime de chatbot

Un studiu pe 77 de studenți care scriu la facultate a înregistrat fiecare prompt, răspuns și lipire. Cincisprezece, adică unul din cinci, au predat eseuri scrise de chatbot, iar majoritatea simțeau totuși că eseul este al lor.

Cereți munca intermediară: prompturile, revizuirile și o scurtă notă despre ce s-a schimbat și de ce. Faceți predarea sarcinii vizibilă cât timp mai este timp să predați.

Vezi și: Redesignarea evaluării pentru era IA

Elevii de gimnaziu și liceu folosesc IA aproape universal, iar cei cu rezultate mai slabe o folosesc mai mult

Un studiu pe un an cu 4.062 de elevi germani de gimnaziu și liceu a constatat o folosire aproape universală a IA: 95% o folosiseră, iar cei cu rezultate mai slabe o foloseau mai mult pentru a termina sarcinile. Acest tipar prevestea un efort mai mic mai târziu.

Asta face din încadrarea folosirii IA și din învățarea autoreglată parte a curriculumului, reluate de-a lungul anului. Întrebați studenții la ce folosește instrumentul în această sarcină și oferiți-le celor cu rezultate mai slabe o rută sprijinită care începe cu înțelegerea muncii.

Vezi și: Reducerea dependenței excesive de IA

Un chatbot de sprijin a egalat jurnalizarea, în timp ce un coleg a redus singurătatea

Într-un studiu randomizat de două săptămâni cu 296 de studenți din primul an, un chatbot de sprijin s-a comportat la fel ca jurnalizarea în reducerea singurătății, în timp ce un coleg atribuit aleatoriu a redus-o. Botul a arătat mai multă empatie, în timp ce studenții au oferit mai puțin la schimb.

Un bot poate servi drept prim contact util, atât timp cât un coleg sau un consilier rămâne disponibil. Construiți acea rută umană în orice serviciu de sprijin pentru studenți pe care îl recomandați și măsurați singurătatea în sine.

Vezi și: IA, anxietatea și bunăstarea

Tratați o simulare cu IA ca pe o repetiție supravegheată

O sinteză a 14 studii a constatat că studenții la asistență medicală au apreciat simularea cu IA, repetabilă și cu presiune redusă, și au raportat mai multă încredere, mai ales în comunicare și raționament clinic. Realismul, limbajul corporal și întârzierea răspunsului au rămas puncte slabe.

Informați studenții despre limite, cereți-le să verifice conținutul generat și faceți o discuție de debriefing după. Păstrați interacțiunea umană acolo unde comunicarea nonverbală sau empatia susținută este scopul exercițiului.

Vezi și: Educația pentru asistență medicală

Codul de la proiectul de final a crescut de trei ori, în timp ce comentariile au rămas constante

Zece semestre de 260 de proiecte de final la educația în informatică arată o mediană a codului care crește de la circa 3.400 de linii la 10.000, în timp ce comentariile au rămas în jur de 8%. Numărul de commituri a crescut; commiturile individuale abia s-au schimbat.

Evaluați deciziile de proiectare, explicația codului și capacitatea studentului de a-l modifica. Produsul final poate crește acum mai repede decât învățarea pe care ar trebui să o arate.

Vezi și: Redesignarea evaluării pentru era IA

Pentru dezvoltatori

Fără figură, un tutor de IA ar trebui să refuze

Șase modele de IA capabile de imagini au abordat 376 de itemi de matematică de gimnaziu ale căror figuri purtau informații-cheie. Cu figura, cel mai bun a rezolvat puțin peste jumătate; fără ea, au refuzat aproape de fiecare dată.

Tratați refuzul ca pe un semnal de context lipsă. Un scor sau o actualizare de profil produsă fără figură măsoară o altă sarcină.

Vezi și: Educația matematică

Un tutor de scriere care pune întrebări și lasă scrisul studenților

MAIKE pune întrebări și diagnostichează argumente, lăsând textul eseului în seama studentului. Printre 65 de elevi de gimnaziu și liceu, îmbunătățirea a egalat un chatbot de control, 40% față de 41%, iar utilizatorii MAIKE au petrecut mai multe replici pe idei; niciunul nu a scăzut.

Măsurați dacă o idee discutată în conversație devine o revizuire. Un instrument de educație pentru scriere care îmbunătățește doar textul final poate ocoli raționamentul pe care tema există ca să îl construiască.

Vezi și: Predarea scrisului cu IA

Măriți și evidențiați diapozitivul în timp ce rulează nararea

GuideSlide narează o prezentare și folosește vizualizarea pentru a mări partea discutată. Într-un studiu cu 24 de persoane care urmăreau pe telefoane, încărcarea a scăzut, comprehensiunea a crescut de la 5,5 la 6,5 din 9, iar 21 din 22 l-au preferat.

Avantajul o zi mai târziu nu a fost semnificativ statistic, așadar studiul susține atenția în timpul vizionării; învățarea durabilă rămâne netestată. Construiți indiciile în narativa în sine.

Vezi și: Proiectarea IA în învățare

Un detector fin reglat poate anonimiza textul studenților fără biaisul numelor

Cinci instrumente au fost testate pe 13.613 fișiere cu text de la studenți. Un GPT-4o-mini fin reglat a găsit circa 96% dintre detaliile identificatoare la aproximativ o șesime din prețul pe token al Azure; instrumentele Microsoft au ratat mai des nume africane și asiatice.

Antrenarea pe zece transcrieri a funcționat pe un set nou, așadar abordarea se transferă. Bugetați a doua verificare atunci când precizia contează și raportați grupurile pe care instrumentul dumneavoastră le ratează.

Vezi și: Politica instituțională de IA

Analiza video a ajuns la concordanță la nivel uman, cu omul încă în buclă

GAIVA transcrie, etichetează și interpretează video din sala de clasă pentru analitica învățării. Pe cinci înregistrări, etichetele sale au fost de acord cu evaluatorii umani aproape la fel de strâns pe cât erau doi evaluatori între ei și au scos la iveală un tip de participare pe care teoria originală nu îl numea.

Tratați modelul ca pe un partener de codare, cu un prompt trasabil și o decizie umană la fiecare etapă. Modelul scoate la iveală și tipare pe care un evaluator uman nu le-ar fi căutat.

Vezi și: Cercetarea educațională asistată de IA

Pentru cercetători

Un efect mediu mare poate însemna totuși niciun beneficiu fiabil

O sinteză a patru studii controlate cu 420 de studenți la informatică și inginerie a găsit o îmbunătățire medie mare, în timp ce studiile nu erau de acord între ele, iar intervalul probabil includea absența oricărui beneficiu. Dovezile au fost evaluate ca foarte incerte.

Tratați o medie mare din patru studii diferite ca pe o ipoteză despre cursul dumneavoastră. Testați învățarea personalizată acolo unde va rula și spuneți clar cât de incerte sunt dovezile.

Vezi și: Ce înseamnă învățarea personalizată

Un notator de IA care cunoaște dosarul cursantului notează aceeași lucrare diferit

Șase modele de IA au notat aceleași 300 de răspunsuri scurte cu o notă adevărată și una schimbată despre rezultatele anterioare. Fiecare model a notat lucrarea identică mai sus sub eticheta înaltă, cu 0,28 până la 0,75 puncte pe o scală de zece puncte.

Contextul despre student acționează aici ca un biais. Raportați efectul contextului lângă cifra de concordanță și testați notarea fără dosarul studentului înainte de a numi un model fiabil.

Vezi și: Corectitudinea și fiabilitatea notării cu IA

Un tutor care pare corect poate ascunde un decalaj de 26% în competențe

Doi ani de jurnale de la 8.549 de studenți care foloseau MATHia, un tutor adaptiv de matematică, au arătat că studenții care încă învățau să citească stăpâneau competențele la 68,7% față de 77,6%, în timp ce măsura generală de corectitudine părea aproape neutră. O singură competență ascundea un decalaj de 26% în stăpânirea prezisă.

Tutorul nu avea o componentă de competențe de lectură, așadar educația pentru lectură era un factor lipsă într-un sistem de matematică. Modelați competența și raportați decalajele la nivelul la care ar interveni un profesor.

Vezi și: Biaisul și echitatea IA în educație

Pozitivele false ale detectării sunt o problemă de guvernanță

O sinteză a 90 de studii a constatat că detectoarele de IA semnalează scriere legitimă la rate care nu pot fi cumulate, pentru că instrumentele, pragurile, seturile de date și limbile diferă. Rezumatele, sintezele literaturii, răspunsurile la examen, textul tradus și proza editată continuau să fie semnalate.

Remediul este procedural: folosire transparentă, revizuire umană, alfabetizare în IA, o politică instituțională explicită și o cale de contestare. Aceasta aparține guvernanței, cu setările detectorului ca o parte.

Vezi și: Ar trebui să folosim detectoare de IA?

Potrivirea cu notatorii umani poate rata totuși lucrarea

Douăzeci și două de modele de IA au notat 100 de itemi pe sarcină, la răspunsuri scurte, cod și eseuri. Majoritatea au egalat oamenii la răspunsurile scurte, patru i-au egalat sau depășit la cod și niciunul nu a atins nivelul uman la eseuri.

O cifră de concordanță mare poate coexista cu un notator de IA care notează nota și ratează răspunsul. Adăugați răspunsuri modificate la evaluare și raportați unde modelul se abate de la lucrare.

Vezi și: Corectitudinea și fiabilitatea notării cu IA

Pentru administratori

Dovezile despre edtech pentru neurodivergenți sunt concentrate și conduse de cercetători

O sinteză a 93 de studii a constatat că autismul domina dovezile despre edtech pentru cursanții neurodivergenți, cu 39,8%, înaintea dizabilității intelectuale, ADHD-ului și dislexiei. Realitatea extinsă (VR și AR) a fost cel mai studiată; rezultatele sociale și cele legate de colegi au primit mai puțină atenție, iar copiii au avut puțin de spus.

Cereți rezultatul care contează pentru sala de clasă și cursanții care au fost incluși în evaluare. O afirmație validată doar de cercetători poate deriva de la oamenii cărora ar trebui să le servească.

Vezi și: IA pentru cursanții cu dizabilități și neurodivergenți

Studenții au dorit un asistent instituțional pentru feedback

Un program de co-proiectare de 13 luni cu 315 studenți și 20 de membri ai personalului a constatat că 73% au apreciat feedbackul disponibil non-stop, legat de studiile lor. Cartonașele și chestionarele au primit mai multe comentarii pozitive decât conversația liberă, iar 16 din 18 testeri beta au dorit asistentul.

Cei 10% până la 15% care s-au opus din motive de valori reprezintă riscul de adoptare. Tratați preocupările lor ca substanțiale. Explicați cum sunt gestionate datele studenților și ce nu poate face asistentul înainte de pilot și oferiți-le studenților o cale de a renunța.

Vezi și: Proiectarea IA în învățare

Supravegherea la examen prinde copiatul și mută costul pe cei mai puțin avantajați

O sinteză a 32 de studii a constatat că supravegherea cu IA prinde impersonarea și copiatul, în timp ce pozitivele false, eșecurile de iluminare și de lățime de bandă, anxietatea și prejudiciile pentru confidențialitate cad cel mai greu pe cei mai puțin avantajați. Supravegherea automatizată a reprezentat 59% din studii.

Autorii recomandă evaluarea alternativă și o combinație de monitorizare umană și automată. Reduceți examenul online cu mize mari înainte de a adăuga încă un detector.

Vezi și: Politica instituțională de IA

Un raport de tablou de bord a ridicat finalizarea, în timp ce scorurile la test au rămas constante

Profesorii noi într-un tutor online de matematică au fost îndemnați aleatoriu să deschidă un raport de analitică a învățării despre performanța studenților la prima temă. Nu a schimbat nici proporția celor care începeau tema următoare, nici câștigurile la test ale studenților, deși finalizarea a crescut în clasele mai mici.

Testați dacă profesorii deschid raportul, acționează pe baza lui și văd un câștig de învățare înainte de a cumpăra analitică; o ridicare a finalizării singură nu este suficientă.

Vezi și: Verificarea dacă IA educațională funcționează

Aproape nicio instituție nu poate numi cine deține gestionarea IA

Un sondaj pe 387 de studenți și membri ai personalului din 13 țări a constatat că doar 17% cunoșteau un rol desemnat de guvernanță a IA. Dintre ceilalți, 71% considerau că un astfel de rol este necesar, iar 76% se așteptau să le îmbunătățească experiența.

Respondenții au descris un rol cu un mandat; un comitet fără mandat lasă acel rol neocupat. Dați proprietarului autoritate asupra instruirii, securității datelor, revizuirii etice și strategiei și publicați cine îl deține.

Vezi și: Politica instituțională de IA

De asemenea, adăugate săptămâna aceasta

• 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

Pagina jurnalului listează fiecare studiu adăugat săptămâna aceasta, inclusiv pe cele care nu sunt rezumate aici.

Note despre site

Buletinul și fluxul său RSS sunt acum disponibile și în spaniolă: vizitați site-ul buletinului în spaniolă sau abonați-vă la fluxul RSS al buletinului în spaniolă. Pentru a solicita o altă localizare, deschideți un tichet sau contactați dezvoltatorul site-ului.

Site-ul este mult mai ușor. Arborele complet de concepte și întrebări frecvente rămâne în afara fiecărei pagini: bara laterală arată zece grupuri tematice și încarcă lista completă doar când un cititor deschide unul, iar coloana din dreapta listează opt pagini recente, față de treizeci. În întreaga construcție, HTML-ul a scăzut de la 1,80 GB la 1,26 GB, iar markupul barei laterale de la 604 MB la 87 MB.

Traducerile au fost reîmprospătate în toate cele 33 de limbi configurate, inclusiv în edițiile de la dreapta la stânga în arabă, ebraică și urdu. Rezumatele de articole rămân doar în engleză.

Edițiile offline s-au mutat într-o nouă locație GitHub releases, astfel încât vechile linkuri EPUB și PDF nu mai funcționează. Fiecare site de limbă își păstrează adresa obișnuită. Fișiere EPUB și PDF există pentru cele 19 limbi cu linkuri mai jos; celelalte 14 sunt doar pe site.

• Engleză: EPUB și PDF
• Español (spaniolă): EPUB și PDF
• Français (franceză): EPUB și PDF
• 中文 (chineză): EPUB și PDF
• Deutsch (germană): EPUB și PDF
• 日本語 (japoneză): EPUB și PDF
• 한국어 (coreeană): EPUB și PDF
• Português (portugheză): EPUB și PDF
• العربية (arabă): EPUB și PDF
• עברית (ebraică): EPUB și PDF
• हिन्दी (hindi): EPUB și PDF
• Русский (rusă): EPUB și PDF
• Українська (ucraineană): EPUB și PDF
• Italiano (italiană): EPUB și PDF
• বাংলা (bengaleză): EPUB și PDF
• اردو (urdu): EPUB și PDF
• Bahasa Indonesia (indoneziană): EPUB și PDF
• Tiếng Việt (vietnameză): doar pe site
• Nederlands (neerlandeză): doar pe site
• Svenska (suedeză): doar pe site
• Dansk (daneză): doar pe site
• Suomi (finlandeză): doar pe site
• Norsk bokmål (norvegiană bokmål): doar pe site
• Română: doar pe site
• Magyar (maghiară): doar pe site
• Čeština (cehă): doar pe site
• Български (bulgară): doar pe site
• Slovenčina (slovacă): doar pe site
• Hrvatski (croată): doar pe site
• Ελληνικά (greacă): doar pe site
• Polski (poloneză): doar pe site
• Kiswahili (swahili): EPUB și PDF
• Türkçe (turcă): EPUB și PDF

Sursa este publică la github.com/edtechdev/aied.

Urmăriți actualizarea

Primiți fiecare număr prin fluxul buletinului într-un cititor de fluxuri, lipind același flux în Blogtrottr pentru a vi se trimite pe e-mail numerele noi după un program pe care îl alegeți, sau urmărindu-l pe LinkedIn, unde fiecare număr este publicat ca buletin LinkedIn.

---

Actualizarea săptămânală privind cercetarea în IA în educație provine de la baza de cunoștințe despre IA în educație, pe care o generează un agent de IA. Acest număr a fost redactat de același agent de IA, cu îndrumare editorială din partea dezvoltatorului site-ului, iar fiecare afirmație de mai sus trimite către pagina din care provine.

Baza de cunoștințe este dedicată domeniului public sub o licență CC0 1.0. Niciun drept rezervat.

Ați găsit o problemă în conținut? Raportați-o pe GitHub sau contactați dezvoltatorul site-ului, Doug Holton.