AIEd база знанийAIEd KB
На этой странице

Читать эту страницу на английском

Концепции

Различия в эффектах между группами учащихся

Создано 2026-10-13

Автоматический перевод данной английской страницы, не проверенный носителем языка.

Различия в эффектах между группами учащихся — то, что исследования ИИ в образовании показывают о том, как использование ИИ и его эффекты различаются между разными видами учащихся: студенты с ограниченными возможностями и нейроотличные студенты, изучающие второй язык и многоязычные учащиеся, девочки и мальчики, студенты из меньшинств, студенты из семей с низким доходом, студенты из сельских районов, студенты первого поколения, иностранные студенты и взрослые учащиеся. Закономерность, которую стоит унести с собой, неравномерна сразу в двух направлениях: у одних направлений есть реальные доказательства (инвалидность, язык), тогда как другие практически пусты (первое поколение, иностранные студенты, беженцы), и даже сильные направления редко устанавливают, что различается группа, — они устанавливают, что инструмент помог или навредил выборке из этой группы, а это другое утверждение. Эта страница отображает, что существует, что это показывает и каковы методологические причины, по которым среднее по группе не является предсказанием об учащемся.

Вопросы для размышления

  • Ваш инструмент в основном работает для студентов вашей группы, а подгруппа из пяти человек испытывала трудности. Было ли вообще заметно различие в подгруппе такого размера в исследовании такого рода — и хотели бы вы изменить инструмент для всей группы на основании этих данных?
  • Исследования студентов с ограниченными возможностями сообщают об эффектах, различающихся по категории инвалидности. Если две категории имеют очень разные размеры эффекта в одном мета-анализе, что это говорит о трактовке «инвалидности» как одной группы в проектном решении?
  • Несколько исследований показывают, что инструменты ИИ не различаются по полу в своих эффектах, а другие работы демонстрируют, что обратная связь ИИ и письмо с помощью ИИ действительно воспроизводят гендерные стереотипы, когда персоны или промпты их несут. Как оба утверждения могут быть верны одновременно?
  • Большинство работ по справедливости проверяют смоделированные персоны студентов, а не реальных учащихся, потому что реальные демографические признаки в большинстве внедрений недоступны модели на момент вывода. Что может установить аудит контрфактических персон, а что он не может?
  • Просматривая направления на этой странице, какие группы учащихся действительно представлены в исследованиях, лежащих в основе проверки вашего инструмента, — и что бы вы сделали с отсутствующей группой?
  • Вмешательство, повышающее результаты для всех, но закрывающее разрыв (помогая наиболее отстающим студентам больше остальных), имеет иную историю справедливости, чем то, которое повышает среднее. Когда вы оцениваете пилот, вы измеряете разрыв или среднее?

Введение

Внутри вопроса «работает ли ИИ для такого студента?» скрыты два вопроса. Первый — об эффектах: порождает ли инструмент разные результаты для разных групп. Второй — об использовании: принимают ли разные группы инструмент по-разному, получают ли к нему разный доступ или иначе взаимодействуют с ним, что может формировать результаты и без какого-либо дифференциального эффекта. Эта страница охватывает оба вопроса, группу за группой, и прямо указывает, где заканчивается литература.

Она намеренно не является дубликатом соседних страниц. Справедливость в ИИ в образовании несёт нормативную и структурную рамку — справедливость доступа, представленности и результатов, а также аргумент о том, что ИИ в образовании должен делать. Инклюзивное обучение несёт рамку замысла, включая Универсальный замысел для обучения. Цифровой разрыв охватывает слои доступа и навыков. Нейроразнообразие, Специальное образование, Доступность и Многоязычное обучение углубляются в отдельные группы. Этой странице остаётся карта межгрупповых доказательств и вопрос оценивания: как оцениваются эти эффекты, какие группы вообще изучаются и что разрешает вам делать находка на уровне группы.

Как сообщаются групповые различия и почему большая их часть не может

Исследование одной группы не является исследованием дифференциального эффекта. Большинство литературы в этой области измеряет одну группу в отсутствие сравнительной группы. Zhang и др. (2024) объединили 29 (квази-)экспериментальных исследований ИИ для студентов с ограниченными возможностями и нашли средний положительный эффект (g Хеджса = 0,588, 95% ДИ [0,349, 0,826]) — без нейротипичного компаратора. Это говорит о том, что вмешательство помогло, а не о том, что оно помогло этой группе иначе.

Анализы подгрупп обычно слишком малы, чтобы ответить на вопрос. МикроРКИ по естествознанию GCSE необычайно откровенен: его взаимодействие «обработка × статус» составило 0,57 балла (95% ДИ от −2,25 до 3,39), со стратифицированными оценками g = 0,28 (95% ДИ от −0,04 до 0,59) для одной группы и g = 0,35 (95% ДИ от 0,18 до 0,52) для другой. Интервал подгруппы, пересекающий ноль, — это вопрос для локального пилота, а не основание для правила на всю группу.

Демографические признаки обычно смоделированы. Реальные демографические данные учащихся редко прикрепляются к входам модели, поэтому аудиты используют персоны. Rooein, Benedetto и Hovy (2026) запустили шесть моделей с инструктным дообучением на трёх образовательных задачах в условиях модели по умолчанию, явной персоны и неявной истории — 192 480 вызовов вывода — и обнаружили, что и явные персоны, и неявные истории разговора изменяют поведение модели. Их различение стоит сохранить: осведомлённость об особенностях учащегося может быть желательной (подстройка обратной связи под первый язык учащегося), тогда как та же чувствительность является вредом, когда она сдвигает оценку идентичной работы.

Средства исправления несправедливости могут не обобщаться. Fragkiadakis и др. (2026) сократили разрывы ошибок, нацеленных на пол и возраст, в оценивании внимания студентов на валидизационных данных, но эти выгоды не последовательно переносились на отложенные предметы или повторные разбиения на уровне предмета.

Метки групп скрывают изменчивость внутри них. В том же мета-анализе инвалидности студенты со специфическими нарушениями обучения, интеллектуальными нарушениями и нарушениями развития, а также глухие студенты показали больший эффект (g = 0,952), чем студенты с расстройством аутистического спектра (g = 0,368) — различие, которое авторы сообщают как статистически незначимое на 239 размерах эффекта из 41 независимой выборки. «Инвалидность» — это не одна группа, и «учащийся второго языка» тоже.

Инвалидность и нейроотличие

Это самое глубокое направление в базе знаний и то, где отчётность наиболее сильна.

  • Эффекты реальны, но неравномерно распределены по результатам. В Zhang и др. (2024) учебная успеваемость показала наибольший эффект (k = 80, g = 0,929), опережая навыки повседневной жизни и прочие навыки (g = 0,766) и социально-эмоциональные навыки (k = 144, g = 0,382). Было наличие предвзятости публикаций (тест Эггера β = 2,837, p < .001); метод «обрезка и дозаполнение» сократил объединённую оценку до g = 0,2694, которая осталась статистически значимой. Читайте общую оценку и скорректированную на предвзятость вместе.
  • Область реорганизовалась вокруг генеративного ИИ. Обзор цифровых ассистивных технологий для нейроотличных студентов отобрал 766 записей и включил 40 эмпирических исследований, из которых 15 использовали генеративный ИИ и 11 — иммерсивные форматы. Направление небольшое и недавнее, а не зрелое.
  • Некоторые виды поддержки ИИ выравнивают, а не дифференцируют. Pimenova, Begel и коллеги разбили учебные видео на фрагменты с единственной инструкцией с фиксированными паузами в исследовании с повторными измерениями (17 с СДВГ, 10 без СДВГ); все улучшились, а ошибки и колебания участников с СДВГ упали до паритета со сверстниками без СДВГ. Это самая сильная из доступных форма доказательств Универсального замысла для обучения через автоматизированное преобразование содержания: общее изменение, закрывающее разрыв, а не направленное на группу исправление.
  • То, что, по словам нейроотличных студентов, им нужно, зачастую банально. Опрос 24 нейроотличных студентов-вычислителей и 20 нейротипичных сверстников с четырьмя интервью обнаружил значительный дискомфорт от заданий без чёткой структуры или с неоднозначными ожиданиями — адаптация, которую ничего не стоит предоставить.
  • Проектные решения могут также исключать эпистемически. Tali-Otmani (2026) утверждает, что англоязычные, западноцентричные обучающие данные маргинализуют негегемонные способы познания и помещают положение учащихся с ограниченными возможностями в центр этой критики.

Язык: второй язык, многоязычие и учащиеся, изучающие английский

По количеству статей это крупнейшее направление, и оно чисто делится на эффекты инструментов и вред от инструментов.

  • Эффекты инструментов обнадёживающи и шумны. Wang, Zhang и Zou (2026) провели мета-анализ 11 исследований (17 размеров эффекта, N = 595) роботизированного изучения языка и нашли положительный общий эффект (g = 0,83, 95% ДИ [0,46, 1,21]) с высокой гетерогенностью (I² = 84,4%); из шести проверенных модераторов значимым был только тип взаимодействия «робот — учащийся». База доказательств такого размера поддерживает предварительный Бенчмарк, а не решение о закупке.
  • Сама инфраструктура неравномерна ещё до любого использования инструмента. Roy и Roy (2026) документируют разрыв в корпусах на примере бенгали: менее 0,5% глобального веб-контента против примерно 49,5% у английского, хотя носители бенгали составляют почти 4% населения мира.
  • Язык инструктажа меняет результаты у 294 студентов высшего образования. Тот же обзор сообщает, что контент на иностранном языке давал худшие результаты, чем инструктаж на родном языке, и что двуязычный инструктаж программированию превосходил только английский.
  • Детекторы наказывают авторов, пишущих на втором языке. Hadra, Cambridge и Mesbah (2026) проверили Turnitin и Originality на 192 текстах: один детектор корректно классифицировал 48 из 48 профессионально написанных текстов, но неверно классифицировал четыре из 48 текстов студентов EFL (91,6%). Асимметрия — в этом и состоит суть: ошибка ложится на группу, чьё письмо и так уже подвергается пристальной проверке.

Пол

Здесь исследования пола делятся на вопрос, обращаются ли инструменты с учащимися по-разному, и на вопрос, подвергаются ли учащиеся воздействию инструментов, нагруженных стереотипами.

  • Намеренно гендерно-нейтральный замысел не показал различий по полу. Квази-экспериментальное исследование 195 учеников девятого класса проверило ADA — чат-бот с женским кодированием, основанный на Аде Лавлейс: ситуативный интерес вырос у обоих полов без различий по полу в эмоциональной реакции, когнитивной нагрузке или учебной успеваемости. Персону-ролевую модель можно построить, не вызывая угрозы стереотипа.
  • Но содержание промпта переносит предвзятость в работы студентов. Контролируемое исследование со 123 участниками предложило студентам написать эссе о планировании карьеры для парных профилей, различавшихся только полом, в условиях без ИИ, с нейтральным ИИ и с гендерно-предвзятым ИИ; условие с предвзятостью переносило гендерно-дифференцированный язык в письмо студентов и асимметрично подавляло женскую Автономность учащегося. Исследователи сначала подтвердили эффект на 1600 сгенерированных эссе.
  • Пространство и обрамление значат не меньше, чем инструмент. Кейс-исследование коворкинга генеративного ИИ только для девочек обнаружило, что девочки ценили однополую среду как более безопасную и relaxed, и предостерегает от «огероинизации» — поверхностной адаптации, оставляющей властные отношения нетронутыми.
  • Чувствительность модели — это свойство модели, а не константа. В EduFair-Bench пять репетиторов от 7B до 70B были проаудированы по девяти демографическим уровням: Qwen2.5-7B превышал порог предвзятости |r| ≥ 0,10 в 7 из 12 ячеек «домен × измерение», тогда как LLaMA-3.1-8B превышал его однажды. Обучение, специфичное для педагогики, сократило одни предвзятости и увеличило другие.
  • Исправление по одной оси может оставить группу в худшем положении: студенты с гендерным разнообразием, сведённые в категорию «Unknown Gender», имели самые низкие доли истинно положительных результатов при каждом методе обеспечения справедливости, и ни один одноосевой метод не улучшил обращения с ними — изменчивость меток групп, отмеченная выше, внутри предиктивной модели раннего предупреждения, а не репетитора (McConvey и др. (2026)).

Раса, этническая принадлежность и студенты из меньшинств

Это направление мало по количеству статей и сильно по механизму, потому что доказательства касаются того, что ИИ делает с демографическим признаком, когда он его получил.

  • Персонализация — это вектор предвзятости. Marked Pedagogies показывает, что инструменты обратной связи по письму на Большие языковые модели (LLM) смещаются к согласованной со стереотипами похвале и утаиванию критики, когда обратная связь персонализируется по расе, языку, инвалидности, успеваемости или мотивации студента, — при идентичных эссе.
  • Демографический сигнал может быть неявным. Упомянутый выше контрфактический аудит обнаружил, что истории разговора, а не только явные персоны, изменяли оценивание и поведение при обратной связи — тот же результат 192 480 вызовов вывода, и причина, по которой правила раскрытия информации о декларируемых демографических данных недостаточно.
  • Разрывы миграции и языка могут доминировать. В EduFair-Bench модель 70B сочетала наибольшие разрывы по языку и иммиграции с наименьшими педагогическими разрывами, так что репетитор, выглядящий педагогически сильным, может быть тем, кто наиболее чувствителен к тому, кем представляется студент.
  • Эпистемическое исключение, а не просто ошибка: см. маргинализацию знаний меньшинств выше.

Социально-экономический статус, география и возраст

  • Медиатором является цифровая грамотность, а не использование ИИ. Wang и коллеги (2026) построили модель по данным опроса и национального реестра 4497 учеников 6-го класса в Нидерландах и обнаружили, что связь между чертами личности и учебной успеваемостью проходила через цифровую грамотность, а не через интенсивность использования ИИ, при этом различия в цифровой грамотности определялись личностью в большей степени, чем социально-экономическим статусом, — а преимущества СЭС действовали независимо от вовлечения в ИИ. Классическая рамка «только СЭС» неполна.
  • География может быть связывающим ограничением. Отчёт ARC о K-12-робототехнике и обучении ИИ сообщает, что участие сельских школ в FIRST LEGO League упало в удалённом сезоне 2020 года и так не восстановилось, тогда как городское участие постепенно восстановилось, и определяет устойчивую местную техническую наставническую поддержку — а не наборы или учебный план — как ограничение, распределяемое географически.
  • Взрослые учащиеся — это отдельный проектный случай, охваченный Обучением взрослых и работой базы знаний по андрагогике, а не исследованиями K-12.
  • Доступ по-прежнему обусловливает всё остальное: см. Цифровой разрыв и находку о том, что доступа к обучению с ИИ-репетитором недостаточно без педагогической интеграции.

Дисциплинарный опыт

Дисциплинарный опыт — это дифференциальная ось, которую пока не несла карта «группа за группой» на этой странице: один и тот же инструмент может распределять свою пользу неравномерно по областям, а не по демографии студентов.

  • Инструмент может вовлечь одну дисциплину и отключить другую. В двухнедельном квази-эксперименте со 130 студентами в междисциплинарных командах ChatGPT повысил физическое вовлечение у студентов STEM и снизил его у не-STEM студентов (Q = 9,87, p < .05), а заметки, написанные без ChatGPT, получили более высокие оценки по разнообразию и интеграции дисциплинарных идей (Zhu и др. (2026)).

Где отсутствуют доказательства

Честная находка этого обзора — насколько тонки некоторые группы. Каждый из этих пунктов является реальным разрывом в базе доказательств, а не разрывом на этой странице.

  • Студенты первого поколения: одно исследование сообщает различие в использовании, а не эффект. В исследовании запросов в CS2 студенты продолжающих поколений обращались с ИИ как с активным партнёром по Решение задач, тогда как студенты первого поколения занимали подтверждающую, ориентированную на валидацию роль и задавали меньше вопросов в целом.
  • Студенты первого поколения: первая оценка эффекта, и она идёт в неверную сторону. Liu и др. (2026) в рандомизированном испытании интегрированного в курс ИИ-репетитора дают то, чего не хватает записи выше, — измеренное различие, а не паттерн использования. В полной выборке эффект доступа к репетитору на итоговые оценки был на 2,87 балла (0,28 SD) более отрицательным для студентов первого поколения, что подразумевает −5,10 баллов (−0,50 SD) для них против −2,23 баллов (−0,22 SD) для их сверстников; различие было больше в выборке точного соответствия (−3,89 баллов, −0,35 SD), и студенты первого поколения также потеряли больше баллов за домашние задания и просмотров страниц платформы. Исследование не сообщает механизма, а его точность варьирует по результатам, но направление противоположно истории сужения разрыва: студенты с наименьшим предшествующим доступом к академической поддержке понесли наибольшую измеренную цену.
  • Иностранные студенты: одно смешанно-методное исследование (опрос n = 60, интервью n = 14) о поддержке межкультурной адаптации.
  • Иностранные студенты: измеренный паттерн вовлечения, а не оценка эффекта. У 270 иностранных студентов из этнических меньшинств в семи бизнес-школах Великобритании сообщённое использование Генеративный ИИ положительно ассоциировалось со всеми четырьмя направлениями вовлечения — наиболее сильно с агентивным вовлечением (β = 0,429) — при этом содействующие условия (β = 0,369) были сильнейшим предиктором намерения использовать (Adekoya и др. (2026)).
  • Одарённые и высокоуспевающие студенты: фактически не изучены как группа в этом корпусе.
  • Беженцы, иммигранты и перемещённые учащиеся: исследований нет.
  • Пол всё ещё анализируется как бинарный в большинстве работ выше, а категории инвалидности варьируют по исследованиям, так что межисследовательское сравнение «той же» группы имеет пределы.

Использование этих доказательств без переобучения на метке группы

  • Рассматривать средние по группе как гипотезы о популяции, никогда как предсказания о человеке. Каждое приведённое выше дифференциальное утверждение является утверждением о распределении.
  • Спрашивать, входили ли ваши учащиеся в валидизационную выборку вообще, прежде чем доверять заявленной инклюзивности инструмента; направления нейроотличия и языка оба показывают, что представленность в разработке является исключением.
  • Предпочитать выравнивающие замыслы там, где позволяют доказательства. Результат с сегментацией видео при СДВГ — все улучшаются, разрыв закрывается — является целью, лучше подходящей обычной группе, чем направленное на группу дополнение.
  • Быть осторожным с персонализацией, потребляющей демографические признаки. Находка marked pedagogies прямо касается этого механизма, и она применима к проверкам благополучия, аффективным репетиторам и рекомендательным системам, профилирующим учащихся.
  • Проверять локально, на группе, которая вам небезразлична, с результатом, измеренным без инструмента. См. Интерпретация и применение исследований AIEd о навыках оценивания и Методы исследования в ИИ в образовании о замыслах, делающих локальную проверку защитимой.

Связанные понятия

Связанные статьи

Связанные FAQ

Метаданные

Дизайн исследованияQuasi Experiment, Survey
Целевая аудиторияInstructors, Instructional Designers, Administrators, Researchers, Learners
Технологии и методыПерсонализированное обучение
Оценивание и измерениеВалидность оценивания
Методы исследований и оценкаМета-анализ и систематический обзор, Исследование в смешанных методах
Справедливость, этика и ответственное использованиеСправедливость, Инклюзивное обучение, Цифровой разрыв, Доступность, Нейроразнообразие, Многоязычное обучение, Снижение перекосов (bias mitigation), Культурно релевантная педагогика
Вид страницыEvaluation, Synthesis
SourceHistoryEditChat

Встроить эту страницу

Скопируйте код ниже, чтобы встроить эту страницу в систему управления обучением или на другой сайт. Во встроенной версии отображается только содержимое страницы — заголовок сайта, навигация и нижний колонтитул скрыты.