ИИ-ассистируемое образовательное исследование

Автоматический перевод данной английской страницы, не проверенный носителем языка.

Синтез: ИИ-ассистируемое образовательное исследование — это использование ИИ как инструмента собственной научной работы области — поиска и извлечения литературы, отбора записей для обзоров, кодирования качественных данных, анализа данных, составления и редактирования рукописей, а также той рефлексии, которая спрашивает, что эти инструменты делают с производимым знанием. Оно отличается от исследования об ИИ в образовании: дизайны, используемые для изучения того, помогает ли ИИ обучающимся, относятся к Методы исследования в AIED, оценка систем ИИ — к Оценивание ИИ-образования, а чтение отдельного исследования AIED — к Интерпретация и применение исследований в сфере ИИ в образовании. Эта страница охватывает собственный рабочий процесс исследователя и исследование практика-исследователя — «стипендию преподавания и обучения» и исследование учебной аудитории, — а также эпистемические ставки, когда автоматизация входит в любое из этих занятий. Её свидетельства немногочисленны и недавни: предложение рамки, рефлексивный отчёт одной команды обзора, малое фокус-групповое исследование, два библиометрических исследования, отчёт семинара и case-исследования одного исследователя. Она описывает направление движения, а не устоявшуюся практику, и направление исследования практиками — самое тонкое из всех.

Вопросы для размышления

• Кто считается исследователем здесь: финансируемый учёный, аспирант, преподаватель, изучающий свою собственную учебную аудиторию? Кого из них свидетельства на самом деле описывают?
• Экран на основе ИИ исключил исследование из вашего обзора. Кто отвечает за это решение — поставщик, инструмент, протокол или вы?
• Когда модель резюмирует источники, которых вы не читали, какую часть научной работы вы перестали делать?
• Симулированный обучающийся может протестировать репетитора по многим профилям. Что вы проверите, прежде чем поверить его вердикту о реальных студентах?
• Исследование практиками обычно локально и мало. Должны ли его свидетельства соответствовать планке финансируемого испытания, или их следует взвешивать иначе, поскольку дело в самой обстановке?
• Если ИИ помог составить статью, что следует сказать читателям и где должно находиться это раскрытие?

Введение

ИИ-ассистируемое образовательное исследование — это область, обращающая инструменты ИИ на собственную работу. Объект изучения — не обучающийся, использующий ИИ-репетитора, а исследователь, использующий модель для поиска, отбора, извлечения, кодирования, анализа или письма. Меняется рабочий процесс исследователя и, более тихо, критерии, по которым его результат считается свидетельством.

Эта страница намеренно не об исследовании об ИИ в образовании. Вопросы о том, улучшает ли ИИ-репетитор обучение, рассматривает Методы исследования в AIED, оценка систем ИИ — Оценивание ИИ-образования, а осторожное чтение отдельного исследования — Интерпретация и применение исследований в сфере ИИ в образовании и Ограничения исследований в области ИИ в образовании. Эти две литературы часто смешиваются, и заявления об инструментарии из второй зачастую заимствуются для поддержки первой.

Область охвата простирается от поиска литературы через отбор, кодирование, анализ и письмо и включает эпистемологическую рефлексию, которая спрашивает, что автоматизация делает со знанием, производимым областью. Она включает также исследование практиками: «стипендию преподавания и обучения» и исследование учебной аудитории, где преподаватель изучает собственную практику. Это направление — самая слабая часть данной страницы, и разделы ниже говорят об этом, а не сглаживают.

Как ИИ входит в исследовательский рабочий процесс

Отчёты об использовании более последовательны, чем свидетельства о его эффекте. Dai and Chan (2026) опросили 28 аспирантов в семи фокус-группах в одном учреждении и обнаружили, что 27 из 28 использовали генеративный ИИ где-то в своём исследовании: в генерации идей, обзоре литературы, объяснении, обработке данных, программировании, академическом письме, редактировании и переводе.

Их участники были скорее калиброваны, чем доверчивы. Они согласовывали инструменты с задачами по воспринимаемым ставкам и интеллектуальным требованиям, использовали ИИ интенсивнее в процедурной работе с низкой ставкой и оставались осторожны там, где научный вклад был центральным. Они также сохраняли надзор со стороны человека на всём протяжении, трактуя модель как помощника, который может быть «вводящим в заблуждение» или «полностью ошибочным».

Вывод о политике — практический. Существующее институциональное руководство касалось преподавания, обучения и оценивания, и участники воспринимали его как абстрактное и не согласованное с исследовательской практикой. Авторы предлагают ориентированные на исследователей рекомендации, построенные на четырёхмерной рамке ИИ-грамотности, как развивающую опору, а не как свод правил.

Исследование охватывает одно учреждение, самоотобранную группу из 28 человек и самоописываемые отчёты; студенты могли недосообщать об использовании по причинам честности. Оно описывает, как способная группа использует эти инструменты, а не что это использование производит.

Поиск и извлечение литературы

Отчёт семинара составляет повестку, а не измеряет её. Семинар CHIIR 2026 по генеративному ИИ и академическому поиску собрал исследователей во взаимодействии человека с информацией и информационном поиске, и его отчёт описывает системы, построенные для извлечения документов, теперь резюмирующие, рекомендующие, синтезирующие и ведущие разговор, — что подрывает допущение о том, что система находит источники, а интерпретация остаётся у пользователя.

Один блиц-доклад протестировал, как модели реконструируют учёных. На основе эталонных данных OpenAlex и Google Scholar по 1596 исходным авторам в 10 дисциплинах и 8 глобальных регионах высокоцитируемые исследователи реконструировались примерно вдвое чаще, чем менее цитируемые коллеги, при тестировании DeepSeek R1, Llama 4 Scout и Mixtral 8×7B.

Библиотекарь сообщила о «пробеле доверия»: студенты часто чрезмерно доверяли генеративному поиску, тогда как преподаватели ему не доверяли, и односессионные семинары были признаны недостаточными для устойчивой грамотности. Проектная нить, к которой участники возвращались чаще всего, была «трение» — сохранение вовлечённости пользователей в критическую, иногда неудобную работу, из которой и приходит обучение.

Отчёт охватывает одно самоотобранное событие и в основном фиксирует мнения, принципы проектирования и исследовательские вопросы. Его цифры принадлежат отдельным докладам, а не семинару, и ничто в нём не показывает, что академический поиск на основе ИИ улучшает или вредит обучению.

Автоматизация отбора и систематических обзоров

Систематические обзоры — это то, где автоматизация продвинулась дальше всего и где видны её границы. Wang et al. (2026) рефлектируют об обзоре одной междисциплинарной команды и сообщают, что автоматизация снизила процедурную нагрузку в основном на этапе отбора по аннотациям — инструменты такие как ASReview, SWIFT-Review, Covidence, AIScreenR и MetaMate, — тогда как извлечение данных, согласование и синтез остались у рецензентов-людей. Наставничество и обсуждение с коллегами функционировали как методологическая инфраструктура, а не как учтивость.

Их вывод — разделение труда, а не передача дел: поручайте автоматизации процедурную нагрузку, верифицируйте каждый результат и сохраняйте интерпретационные решения за человеком. Это рефлексия одной команды без условия сравнения, поэтому её стратегии скорее описаны, чем протестированы.

Zabaleta and Lin (2026) количественно оценивают проблему отчётности по 888 статьям об автоматизации обзоров с 14 726 элементами аннотации. С 2023 года 38,0% статей о программном обеспечении и продуктах не сообщали об оценивании вовсе, против 9,3% статей о LLM. Разрыв сохраняется при стратификации: в отборе и выборе статьи о ПО в среднем имели 3,2 содержательных элемента оценивания, причём 39,3% не сообщали ни об одном, тогда как статьи о LLM имели в среднем 7,3 элемента при доле отсутствия оценивания 3,8%.

Благоприятная оценка не означала пригодности для делегирования. Среди 118 статей о LLM только с позитивными оценками 52% всё равно сообщали как минимум об одной проблеме, что рабочий процесс не дотягивает до планки, необходимой для его роли. Доступ к моделям был преимущественно проприетарным: 84,1% использования LLM опирались на проприетарные или размещённые системы, 11,0% — смешанное, и только 4,9% — открытые веса.

Исходя из этих закономерностей авторы выводят PRISMA-LLM — трёхуровневую рамку, пять уровней реализации которой являются уровнями раскрытия, а не уровнями риска. Это предложение, вынесенное на проверку, а не официальное расширение, одобренное Исполнительным комитетом PRISMA. Молчание на уровне статьи, предупреждают они, не является доказательством отсутствия верификации — она может находиться в отчёте о продукте, протоколе или репозитории.

Кодирование и анализ качественных данных

Качественный анализ — это этап, где интерпретация и есть продукт, что делает делегирование труднее защищать. Страница качественного исследования собирает корпусные свидетельства об ИИ-ассистируемом кодировании, включая исследования, показывающие, что согласие человека и модели не то же самое, что качество кодирования, и что ошибки могут каскадировать через временной анализ. Эта литература трактует модель как инструмент масштабирования, чьи результаты требуют верификации по человеческому суждению.

Martin et al. (2026) прямо описывают сдвиг роли. По мере применения моделей автоматического кодирования исследователь переходит от кодирования данных студентов к верификации результатов модели; когда модели без учителя кластеризуют рассуждения, алгоритм выполняет первоначальный исследовательский анализ. Исследователям, утверждают они, всё больше нужны навыки работы с данными наряду с качественной, количественной и теоретической экспертизой.

Их рамка также даёт проверку, которая здесь важна: объяснимый ИИ может раскрыть, отслеживает ли автоматическое кодирование семантическое понимание или только ключевые слова. Конвейер кодирования, согласующийся с человеческими метками, может при этом читать не то.

Анализ данных и эпистемические ставки

Martin, Rost, Koenen and Graulich (2026) ставят под вопрос само производство знания областью, и их статья — хребет этой страницы. Опираясь на описание эпистемической итерации у Хасока Чанга (2004) — последовательные стадии знания, опирающиеся друг на друга в движении к эпистемическим целям, — они проводят параллель с примерно 150-летним развитием термометра и утверждают, что область может находиться сейчас внутри сопоставимой итерации.

Их центральная озабоченность эпистемическая, а не техническая. Проблема номического измерения у Чанга состоит в том, что измерение величины требует закона, связывающего её с чем-то наблюдаемым, однако этот закон нельзя проверить эмпирически, уже не зная величины. Функции измерения, выведенные из ИИ, которые возникают из обучающих данных и оптимизации, а не от исследователя, могут усиливать это, а не разрешать, поскольку они могут выглядеть точными и предсказательными, оставаясь непрозрачными.

Рамка имеет семь фаз: постановка проблемы; инструментарий и измерение; экспериментирование и вывод на основе свидетельств; сравнения и воспроизведение; построение норм и консенсуса; реализация и её последствия; и непрерывное уточнение. Авторы представляют их как аналитические измерения, которые могут повторяться, перекрываться или отсутствовать, а не как верифицированную последовательность.

Сравнимость — фаза с самым острым эпистемическим краем неравенства. Принцип Реньо требует, чтобы прибор давал одинаковые показания при одинаковых условиях и чтобы приборы одного типа согласовывались, — но сравнимость должна распространяться на популяции студентов, а машинное обучение имеет тенденцию кодировать канонические идеи лучше, чем разнообразные способы, которыми студенты выражают более слабые.

Они также называют проблему подотчётности. Исследователи используют предобученные модели, чьи обучающие данные, дообучение и цели они могут не знать, что добавляет слой эпистемической зависимости; поскольку эти системы возникают из социотехнических сетей, ответственность становится трудно распределить — «проблема многих рук».

Необходимая честность состоит в том, что статья не сообщает данных и не устанавливает эффектов обучения. Она не показывает, что методологии на основе ИИ улучшают исследования или дают более валидные заключения; это сравнение поставлено как будущая работа, и авторы допускают, что их гипотеза «вполне может оказаться неверной».

Написание исследований, цитирование и честность

Письмо — это то, где помощь ИИ наиболее видима и где её сбои наиболее значимы, поскольку ссылка — это заявление об ответственности. Denny et al. (2026) провели аудит всей ACM Digital Library — 723 930 публикаций и 15 872 533 ссылки — и проследили 113 588 ссылок из 5225 статей по компьютерному образованию, опубликованных с 2021 года.

Они вручную верифицировали 828 подозрительных записей и обнаружили 30 ссылок с проверяемо сфабрикованной библиографической информацией в 14 статьях, все из 2025 и 2026 годов. На Симпозиуме SIGCSE Technical Symposium счёт вырос с 3 в материалах 2025 года до 17 в 2026 году, встречаясь в 2,3% статей материалов 2026 года. Семнадцать из 30 были гибридами, соединяющими реальное название с сфабрикованными или неверными авторами.

Их счёт — намеренная нижняя граница, и они представляют проблему как общую, а не решённую программным обеспечением. Авторы должны верифицировать каждое цитируемое произведение, особенно когда при письме использовался генеративный ИИ; рецензенты не могут проверить каждую ссылку, поэтому площадки вводят адресные проверки; издатели должны улучшать метаданные. Автоматическое обнаружение наследует изъяны метаданных, которые оно трактует как эталон.

Масштабные эффекты ИИ-письма видны во втором библиометрическом исследовании. Wang et al. (2026) проанализировали 147 074 публикации из журналов портфеля PLoS и Nature с 2020 года и связали ИИ-ассистируемое письмо с меньшими по размеру и смещёнными к младшим командами. При крайнем сдвиге от полного отсутствия помощи ИИ к полной размер команды был на 22,1% меньше в PLoS и на 45,5% меньше в Nature (β Пуассона = −0,250 и −0,607, оба p < 0,01).

Влияние заметно не пострадало. Около 7,34% статей с помощью ИИ в PLoS и 7,40% в Nature достигли верхних 5% по FWCI, выше обеих групп сравнения, написанных человеком, а согласованные сравнения показали на 3,0% и 2,7% более высокую вероятность попадания в верхние 5% по FWCI (оба p < 0,01). Данные наблюдательны, поэтому авторы отказываются от сильных причинных заявлений.

Устойчивые агенты в исследовательской среде

За пределами одиночных промптов устойчивые агенты встраиваются в само исследовательское рабочее пространство. Alzahrani (2026) сообщает о 115-дневном case-исследовании одного исследователя агента с устойчивой памятью, локальными файлами, внешними инструментами, запланированными процедурами и делегированными ролями, работавшего в рабочем пространстве одного врача-исследователя.

Описательные результаты велики. Восстановимая телеметрия главного агента содержала 75 671 дедуплицированную запись за 96 активных дней, доля активных дней 0,835; рабочее пространство содержало 502 файла, связанных с памятью, 17 настроенных каталогов агентов и 57 файлов навыков. Строгое 25-дневное подмножество за май содержало 627 завершённых моделью событий и 73 950 305 записанных токенов, из которых 82,9% были чтениями из кэша, с наблюдаемыми системными расходами около US$1,961.

Главный вклад исследования — рамка измерения PARE-M, построенная потому, что результаты, которые устойчивый агент призван поддерживать, такие как управление и стоимость на артефакт, невидимы для эпизодических бенчмарков. Его центральный негативный результат состоит в том, что совокупный объём взаимодействия не продемонстрировал снижения человеческого вклада: по мере накопления памяти и процедур масштаб делегированной работы расширялся, поэтому сильнейшая закономерность — расширение возможностей, а не доказанная замена труда.

Ограничения — те, которые invites один самонаблюдаемый case. Один исследователь был пользователем, проектировщиком, источником данных, аналитиком и бенефициаром, без контрольной группы, базисного периода и независимого кодировщика для событий управления.

Симулированные обучающиеся как инструменты исследования и оценивания

Симулирование студентов — страница базы знаний о технике и феномене: как построить синтетического обучающегося, чьё состояние знания и ошибки достаточно верны, чтобы заменять человека. Эта страница трактует тот же аппарат как инструмент исследования и оценивания — для чего синтетический обучающийся нужен на самом деле, когда вмешательство, инструмент, бенчмарк или репетитор должны быть протестированы в масштабе или в условиях, которые реальные обучающиеся обеспечить не могут.

Наиболее ясное применение — оценивание репетитора во времени. Lee et al. (2026) помещают агента-репетитора в 30-дневные отношения с симулированным обучающимся, чьё усвоение, выведенное из модели трассировки знания, обученной на данных реальных студентов, управляет его ответами. При оценивании 10 адаптеров агентов каждый выходил на плато в течение 5–10 дней, далеко ниже эталонного уровня идеального обучения, — результат, которого односессионное оценивание достичь не может. Проверка калибровки по наблюдаемой точности зондов прилегает к диагонали (ECE 0,049, Brier 0,033 за 1,19 млн попыток).

Верность — предварительное условие, и она измерима. Wang et al. (2026) сообщают о поведенческом расхождении с трассами реальных студентов DKL = 0,31 против 0,53 для лучшего базового уровня, а в тесте Тьюринга с 71 оценщиком их трассы были статистически неотличимы от данных реальных студентов (52,8% точности, d′ = 0,15). Отказ, которого следует избегать, — предвзятость по компетентности: получающие промпт модели решают задачу слишком хорошо, чтобы заменять новичков.

Состояние убеждений — та часть, которую легко подделать. Do, Sonkar and Sachan (2026) показали, что у семи моделей от 4B до 120B параметров симуляторы отказывались от назначенного заблуждения и перерешали на основе внутреннего знания с почти одинаковой частотой при адресной, рассогласованной и общей обратной связи. Они количественно оценивают это с помощью метрики Selective Flip Score и повышают верность до +0,56 через обучение, в чём и суть: промптирование персоны не строит обучающегося.

Симулированные обучающиеся служат также контролируемым испытательным полигоном для самих инструментов оценивания. Fan et al. (2026) соединили каждую из трёх баз репетиторов с одним фиксированным слабым симулированным обучающимся по предзарегистрированному протоколу и обнаружили, что общие рубрики полезности несут мало педагогического сигнала: семь подходов охватывают 2,3 балла оцениваемой педагогики внутри полосы в 0,25 балла оцениваемой полезности. Ходы, раскрывающие ответ, сопровождались меньшим объёмом самостоятельной работы студента на каждой базе.

Предостережение принадлежит этой странице. Вердикт симулятора ровно настолько хорош, насколько хорош симулятор, и его охват тяготеет к самым легким обучающимся.

Исследование практиками: SoTL и исследование учебной аудитории

Это направление, которое корпус документирует меньше всего. «Стипендия преподавания и обучения» и исследование учебной аудитории — это исследования практиками: преподаватель изучает собственный курс, часто в малом масштабе, часто как самоизучение, — и собранные здесь страницы не дают исследованного описания использования ИИ в этом режиме.

Ближайшие свидетельства смежны, а не по существу. Аспиранты в Dai and Chan (2026) учились быть исследователями, а не изучать собственное преподавание. Команда в Wang et al. (2026) проводила формальный междисциплинарный обзор, а не локальный проект. Библиометрические исследования описывают дисциплины и издателей, а не учебные аудитории.

Честное утверждение поэтому — пробел, а не результат. ИИ-ассистируемое исследование практиками правдоподобно широко распространено и почти не документировано в этом корпусе; страница, которая представляла бы свидетельства об автоматизации обзоров и библиометрии так, как будто они решают, как преподавателю следует использовать ИИ для изучения собственного преподавания, была бы преувеличением.

То, что можно перенести, — это скорее диспозиция, чем результат: называйте роль ИИ в методах, сохраняйте интерпретационные решения за человеком и сообщайте, что было и что не было верифицировано.

Чего свидетельства ещё не устанавливают

• Нет прямого сравнения. Martin et al. ставят сравнение между ИИ-ассистируемыми и традиционными методами как будущую работу. Ни одна опорная статья не показывает, что методология на основе ИИ даёт более валидные заключения.
• Тонкие дизайны на всём протяжении. Опорные материалы — предложение рамки, рефлексивный отчёт одной команды, отчёт семинара, фокус-групповое исследование и наблюдательская библиометрия. Ни одно не является контролируемым испытанием ИИ-ассистируемого метода.
• Пробел в отчётности, а не аудит практики. PRISMA-LLM читает молчание на уровне статьи; рабочий процесс без оценивания в своей статье может быть верифицирован в другом месте.
• Исследование практиками недопредставлено. Лишь горстка страниц здесь упоминает SoTL или исследование учебной аудитории, поэтому корпус не может обосновывать заявления о преподавателях, изучающих собственную практику.
• Движущаяся цель. Инструменты совершенствуются быстрее, чем выходят публикации, поэтому результат о рабочем процессе 2025 года описывает поколение систем, которое может уже не существовать в этой форме.

Связанные концепции

• Методы исследования в AIED — зонтичная страница для дизайнов, используемых для изучения ИИ в образовании
• Оценивание ИИ-образования
• Интерпретация и применение исследований в сфере ИИ в образовании
• Ограничения исследований в области ИИ в образовании
• Мета-анализ и систематический обзор
• Качественное исследование
• Количественное исследование
• Исследование в смешанных методах
• Бенчмарк
• Образовательное измерение
• Валидность оценивания
• Прирост в обучении
• Моделирование учащихся
• Моделирование
• Моделирование учащегося и адаптивное обучение
• Трассирование знаний
• Генеративный ИИ
• Большие языковые модели (LLM)
• Человек в контуре
• ИИ-грамотность
• Академическая добросовестность
• Заявления об использовании ИИ и раскрытии информации
• Риск галлюцинаций
• Доверие
• Высшее образование
• Развитие педагогической практики

Связанные статьи

• Amid an Epistemic Iteration: How AI Methodologies May Transform the Nature of Science Education Research — семифазная рефлексивная рамка для того, как методологии на основе ИИ могут преобразовать исследование естественнонаучного образования (Martin et al., 2026)
• Scaffolding Systematic Reviews in Learning Design and Technology Through Mentoring and AI Integration — отчёт одной междисциплинарной команды обзора о наставничестве и избирательной интеграции ИИ (Wang et al., 2026)
• Shaping Responsible GenAI Use in Research Through AI Literacy-Oriented Guidelines: Insights From Postgraduate Students — как 28 аспирантов использовали GenAI в исследовательском рабочем процессе и какие рекомендации они предлагают (Dai & Chan, 2026)
• Testing Our Foundations: Citation Trends, Errors, and Emerging Hallucinations in the Computing Education Literature — аудит в масштабе области сфабрикованных ссылок в литературе по компьютерному образованию (Denny et al., 2026)
• PRISMA-LLM: An Empirical Reporting Framework for AI-Assisted Systematic Reviews — рамка отчётности для ИИ-ассистируемых систематических обзоров и пробел подотчётности, который она документирует (Zabaleta & Lin, 2026)
• Report on CHIIR 2026 Workshop on Generative AI and Academic Search (GAI&AS) — отчёт семинара CHIIR 2026 о генеративном ИИ и академическом поиске (Liu, Arguello, Hoeber et al., 2026)
• Persistent AI Agents in Academic Research: A Single-Investigator Implementation Case Study — case-исследование одного исследователя об устойчивом агенте в исследовательском рабочем пространстве (Alzahrani, 2026)
• Smaller, Younger, and More Impactful: How AI-Assisted Writing Transforms Research Teams — библиометрические свидетельства того, что ИИ-ассистируемое письмо сопровождается меньшими по размеру и более молодыми исследовательскими командами (Wang et al., 2026)
• EduClaw-Bench: A Long-Horizon Benchmark for Pedagogical LLM Agents with Simulated Learners — 30-дневный бенчмарк, оценивающий агентов-репетиторов против симулированного обучающегося (Lee et al., 2026)
• BEAGLE: Behavior-Enforced Agent for Grounded Learner Emulation — нейро-символьный симулятор, воспроизводящий подлинную борьбу новичка (Wang et al., 2026)
• Simulating Students or Sycophantic Problem Solving? On Misconception Faithfulness of LLM Simulators — почему симуляторы отказываются от заблуждения при любой обратной связи и как это исправляет обучение (Do, Sonkar & Sachan, 2026)
• Rethinking LLM-Judged Helpfulness as a Pedagogy Signal: A Pre-Registered Audit Across Tutor Models — предзарегистрированный аудит, использующий фиксированного симулированного обучающегося для проверки, измеряет ли полезность педагогику (Fan et al., 2026)

Цитирование

Martin, P. P., Rost, M., Koenen, J., & Graulich, N. (2026). Amid an Epistemic Iteration: How AI Methodologies May Transform the Nature of Science Education Research. Science & Education.

Wang, X., Dadashipour, F., Basori, Maeda, Y., & Richardson, J. C. (2026). Scaffolding systematic reviews in learning design and technology through mentoring and AI integration. Educational Technology Research and Development.

Dai, W., & Chan, C. K. Y. (2026). Shaping responsible GenAI use in research through AI literacy-oriented guidelines: Insights from postgraduate students. International Journal of Educational Technology in Higher Education, 23, 33.

Denny, P., Barbre, G., Blake, M., Hua, Y. C., Leinonen, J., Luxton-Reilly, A., Prather, J., & Reeves, B. N. (2026). Testing Our Foundations: Citation Trends, Errors, and Emerging Hallucinations in the Computing Education Literature. arXiv preprint.

Zabaleta, M., & Lin, B. (2026). PRISMA-LLM: An Empirical Reporting Framework for AI-Assisted Systematic Reviews. arXiv preprint.

Liu, Y., Arguello, J., Hoeber, O., et al. (2026). Report on CHIIR 2026 Workshop on Generative AI and Academic Search (GAI&AS). ACM SIGIR Forum.

Alzahrani, A. H. (2026). Persistent AI Agents in Academic Research: A Single-Investigator Implementation Case Study. arXiv preprint.

Wang, H., Zhang, M., Bu, Y., Zhao, S. X., & Liu, M. (2026). Smaller, Younger, and More Impactful: How AI-Assisted Writing Transforms Research Teams. arXiv preprint.

Lee, U., Lee, S., Jeong, Y., Lee, E., Shin, M., & Kwon, H. (2026). EduClaw-Bench: A Long-Horizon Benchmark for Pedagogical LLM Agents with Simulated Learners. arXiv preprint.

Wang, H. D., Cohn, C., Xu, Z., Guo, S., Biswas, G., & Ma, M. (2026). BEAGLE: Behavior-Enforced Agent for Grounded Learner Emulation. arXiv preprint.

Do, H., Sonkar, S., & Sachan, M. (2026). Simulating Students or Sycophantic Problem Solving? On Misconception Faithfulness of LLM Simulators. arXiv preprint.

Fan, S., Deng, B., Xu, M., Liu, J., & Zhang, H. (2026). Rethinking LLM-Judged Helpfulness as a Pedagogy Signal: A Pre-Registered Audit Across Tutor Models. arXiv preprint.