Еженедельный обзор исследований ИИ в образовании #37 ноября 2026 г.

Автоматический перевод данной английской страницы, не проверенный носителем языка.

Еженедельный бюллетень Базы знаний об ИИ в образовании о том, что исследования, опубликованные за прошедшую неделю, означают для преподавателей, разработчиков, исследователей и администраторов.

С момента прошлого выпуска в базу знаний добавились 159 новых исследований, восемь новых страниц концепций, два новых FAQ и три новых ресурса, и теперь она содержит 2 085 аннотаций статей, 230 страниц концепций, 44 FAQ и 40 ресурсов. Ищите или используйте ИИ, чтобы побеседовать с базой знаний.

Содержание

• Главные результаты и вопросы
• Новые FAQ
• Новые концепции
• Новые ресурсы
• Преподавателям
• Разработчикам
• Исследователям
• Администраторам
• Также добавлено на этой неделе
• Заметки о сайте
• Следите за обновлениями

Главные результаты и вопросы

• Может ли обратная связь от ИИ заменить обратную связь преподавателя? Обратная связь, сгенерированная ИИ, и обратная связь преподавателя одинаково улучшили правки эссе в рандомизированном исследовании с 312 студентами первого курса. Обратная связь преподавателя сильнее повысила мотивацию, потому что студенты чувствовали связь с человеком, который её давал. ИИ может провести проход правок; преподаватель по-прежнему несёт отношения.
• Может ли поддерживающий чат-бот заменить однокурсника? Поддерживающий чат-бот показал тот же результат, что и ведение дневника, в снижении одиночества в рандомизированном исследовании с 296 первокурсниками; случайно назначенный однокурсник его снизил. Бот выражал больше эмпатии, тогда как студенты давали меньше в ответ, поэтому измеряйте само одиночество.
• Меняет ли короткий модуль по этике суждения об ИИ? Четырёхнедельный модуль по информационной этике повысил баллы студентов в сценариях этических суждений, связанных с ИИ, в исследовании, где случайным образом распределялись 16 классов. Около 60 % прироста сохранилось через четыре недели, и больше всего выиграли самые активные пользователи ИИ. Обучение на кейсах выглядит перспективным.
• Улучшает ли бо́льшая помощь ИИ творческую работу? Четыре рандомизированных эксперимента с 728 взрослыми показали, что когда ИИ делал больше работы, судьи оценивали полученные инновационные предложения ниже, в основном потому что участники выполняли меньше когнитивной работы. Больше помощи — слабее работа.
• Может ли игра, созданная ИИ, учить лучше лекции? Детективная ролевая игра превзошла лекцию того же преподавателя по правовым знаниям и рассуждению в рандомизированном исследовании с 84 студентами-юристами. Игра была создана с помощью генеративного ИИ; сравнение было «игра против лекции», поэтому результат поддерживает обучение на основе игр и оставляет использование чат-бота непроверенным.
• Меняют ли отчёты об успеваемости студентов преподавание? Преподавателей, впервые работающих с онлайн-системой репетиторства по математике, случайным образом побуждали открыть отчёт учебной аналитики об успеваемости их студентов по первому заданию. Его открытие не изменило ни долю тех, кто начал следующее задание, ни прирост баллов студентов, хотя завершение следующего задания выросло, в основном в небольших классах.
• Делает ли соответствие человеческим оценщикам оценщика на ИИ безопасным? Аудит шести моделей ИИ, оценивавших 300 коротких ответов, показал, что все они ставили за одну и ту же работу выше, когда им сообщали, что студент успешен, — на 0,28–0,75 балла по десятибалльной шкале. Согласованность может скрывать смещение, связанное с записью о предыдущих достижениях студента; не передавайте эту запись.
• Почему сгенерированный ИИ язык так трудно понимать? Текст ИИ злоупотребляет редкими сочетаниями слов, отглагольными существительными, неодушевлёнными подлежащими, редуцированными относительными придаточными при объекте, нагромождениями существительных и длинными зависимостями, потому что постобучение для математики, кода и рассуждений вознаграждает сжатые ответы больше, чем ясные объяснения. Следствие для образования в том, что написанные ИИ объяснения, обратная связь и материалы для чтения могут быть труднее для восприятия студентов, даже когда показатели читабельности выглядят нормально, — проблема для обучения чтению, которую формулы упускают. [Редакционное примечание: напоминаем, что этот бюллетень и База знаний AIEd созданы ИИ. Разработчик сайта дал подробные редакционные указания по улучшению читабельности и полезности; после этих указаний агент ИИ применил навык Humanizer и выполнил явное указание писать утвердительно и избегать конструкции «не X, а Y».]

Новые FAQ

На этой неделе к FAQ добавились два новых ответа.

Как ИИ может помочь студентам с чтением и пониманием прочитанного?

Ответ о чтении рассматривает метки уровня чтения как грубые догадки: оценки нескольких реальных читателей лучше формулы, а ИИ, которому велено изображать студента, не может сказать, насколько трудным будет текст. Используйте ИИ, чтобы находить, упрощать и глоссировать материалы для чтения, а затем попробуйте результат со студентами и держите оригинал рядом.

Как предвзятость и несправедливость ИИ проявляются в образовании и что мы можем с этим сделать?

Ответ о предвзятости требует показателей ошибок для тех групп, которые вы обучаете, поскольку среднее может скрывать разрыв, а сбой может находиться в оценивании, репетиторстве, панелях или обнаружении. Включите отчётность по группам и маршрут апелляции в закупку и исправьте сам конвейер.

Новые концепции

На этой неделе к базе знаний добавились восемь страниц концепций.

Обучение чтению

Обучение чтению теперь имеет страницу, которая разделяет четыре вещи, часто носящие одно название: помощь читателю, оценивание чтения, адаптацию текста и измерение сложности. Она ссылается на исследование, в котором 193 студента оценили 3 954 предложения; 72,8 % показались лёгкими или очень лёгкими, даже когда баллы Flesch говорили обратное, поэтому метка уровня класса — слабый ориентир для того, как конкретный читатель воспримет текст.

Рефлексия

У рефлексии появилась новая страница, которая отделяет её от текущего мониторинга, называемого метапознанием. Первый вопрос проектирования — писал ли рефлексию сам студент. В эксперименте с 302 взрослыми подсказки для рефлексии удвоили время с обратной связью и сократили практику на 40 %, оставив более низкий уровень освоения — 65 % против 79 %, поэтому время так же важно, как и сама подсказка.

Смещение автоматизации

Смещение автоматизации называет человеческую привычку, которая может превратить правильную рекомендацию ИИ в ошибочное решение: принять ответ, который вы бы подвергли сомнению, если бы пришли к нему сами. Оно собирает места, где это происходит в образовании, от оценок за эссе и ранних предупреждений до прокторинга, и показывает, как этап проверки, существующий только на бумаге, не ловит это.

Гражданское и политическое образование

Гражданское и политическое образование картографирует пробел в доказательствах и синтезирует эту область. Анализ 310 планов уроков, сгенерированных ИИ, показал, что 90 % заданий требовали лишь воспроизведения, понимания или базового применения; в 94 % почти не было мультикультурного содержания; и ни одно исследование в корпусе вообще не измеряло гражданское обучение.

Библиотеки

Библиотеки рассматривают библиотеку как место, услугу и группу профессионалов. Обзор 29 исследований находит, что внедрение сосредоточено в справочной работе и каталогизации, тогда как пилот Public AI Libraries делает совместный доступ с персоналом аргументом равенства.

ИИ-аватары и синтетические преподаватели

ИИ-аватары описывают роли, которые может занимать синтетический человек, от записанного лектора и репетитора до имитированного пациента и экзаменатора. Доказательства неравномерны, и реалистичное лицо мало говорит об обучении; раскрытие и доверие важны не меньше модели.

Аналитика сенсоров и взгляда

Аналитика сенсоров и взгляда охватывает отслеживание глаз, сигналы мозга и сердца, а также позу по камере как способы выводить внимание и вовлечённость и когнитивную нагрузку. Область лучше наблюдает за учащимися, чем меняет преподавание, и страница считает центральными приватность, предвзятость и разрыв между телесным сигналом и психическим состоянием.

Информационная и медийная грамотность

Информационная и медийная грамотность рассматривает обе как одну учебную задачу: информационная грамотность спрашивает, заслуживает ли источник доверия, а медийная — кто создал сообщение и почему. Генеративный ИИ объединяет оба вопроса, потому что беглый текст скрывает своё происхождение; страница находит мало доказательств о совмещённой программе.

Новые ресурсы

На этой неделе к библиотеке ресурсов добавились три ресурса.

LearnHarness

LearnHarness — бесплатное настольное приложение с открытым исходным кодом, в котором агенты ИИ выясняют, что учащийся уже знает, строят карту идей, необходимых для достижения цели, учат одному шагу рассуждения за раз и адаптируют практику.

Learning Commons

Learning Commons публикует открытые строительные блоки для продуктов на основе учебных программ: карту стандартов и программ, инструменты для оценивания сгенерированного текста и готовые рабочие процессы с ИИ для преподавателей.

Public AI Libraries

Public AI Libraries — пилот, который размещает общую рабочую станцию ИИ в американских публичных библиотеках, с чатом, генерацией изображений и видео, средой для программирования, образовательным руководством и приватной учётной записью для каждого посетителя.

Преподавателям

Обратная связь от ИИ не уступает преподавателю в правках, но мотивация отстаёт

ИИ и обратная связь преподавателя улучшили одни и те же эссе примерно одинаково в рандомизированном исследовании с 312 авторами. Обратная связь преподавателя дала больше для мотивации, потому что студент чувствовал связь с человеком, который её давал.

Сохраняйте человеческий голос вокруг обратной связи. Сопровождайте сгенерированный комментарий коротким ответом преподавателя или используйте ИИ для первого прохода, а преподавателя — для разговора о работе.

См. также: Обратная связь от ИИ в масштабе

Каждое пятое эссе было полностью написано чат-ботом

Исследование 77 студентов-авторов зафиксировало каждый запрос, ответ и вставку. Пятнадцать, то есть каждый пятый, сдали эссе, написанные чат-ботом, и большинство всё ещё считало эссе своим.

Требуйте промежуточную работу: запросы, правки и короткую записку о том, что изменилось и почему. Сделайте передачу видимой, пока ещё есть время учить.

См. также: Перестройка оценивания для эпохи ИИ

Учащиеся средней школы пользуются ИИ почти повсеместно, и слабоуспевающие — чаще

Годичное исследование 4 062 немецких школьников обнаружило почти повсеместное использование ИИ: 95 % пользовались им, и слабоуспевающие использовали его чаще, чтобы завершить задания. Эта закономерность предсказывала меньшие усилия в дальнейшем.

Это делает обозначение рамок использования ИИ и саморегулируемое обучение частью учебной программы, к которой возвращаются в течение года. Спрашивайте студентов, для чего инструмент нужен в этом задании, и дайте слабоуспевающим поддерживаемый маршрут, начинающийся с понимания работы.

См. также: Снижение чрезмерной зависимости от ИИ

Поддерживающий чат-бот сравнялся с дневником, тогда как однокурсник снизил одиночество

В двухнедельном рандомизированном исследовании с 296 первокурсниками поддерживающий чат-бот показал тот же результат, что и ведение дневника, в снижении одиночества, тогда как случайно назначенный однокурсник его снизил. Бот проявлял больше эмпатии, а студенты давали меньше в ответ.

Бот может служить полезным первым контактом, пока однокурсник или консультант остаются доступными. Встройте этот человеческий маршрут в любую службу поддержки студентов, которую вы рекомендуете, и измеряйте само одиночество.

См. также: ИИ, тревога и благополучие

Относитесь к имитации с ИИ как к репетиции под надзором

Обзор 14 исследований обнаружил, что студенты-медсёстры ценили повторяемую имитацию с ИИ в условиях низкого давления и сообщали о большей уверенности, особенно в общении и клиническом рассуждении. Реализм, язык тела и задержка ответа оставались слабыми.

Проинструктируйте студентов об ограничениях, требуйте проверять сгенерированное содержание и проводите разбор после. Сохраняйте человеческое взаимодействие там, где невербальная коммуникация или устойчивая эмпатия — суть упражнения.

См. также: Обучение медсестёр

Код выпускных проектов вырос втрое, а комментарии остались на месте

Десять семестров и 260 выпускных проектов в образовании по информатике показывают, что медианный объём кода вырос примерно с 3 400 строк до 10 000, тогда как комментарии остались около 8 %. Число коммитов выросло; отдельные коммиты почти не изменились.

Оценивайте проектные решения, объяснение кода и способность студента его изменить. Артефакт теперь может расти быстрее, чем обучение, которое он призван показать.

См. также: Перестройка оценивания для эпохи ИИ

Разработчикам

Без рисунка репетитор на ИИ должен отказаться

Шесть моделей ИИ, работающих с изображениями, взялись за 376 школьных математических заданий, в которых рисунки несли ключевую информацию. С рисунком лучшая решила чуть больше половины; без него они отказывались почти каждый раз.

Относитесь к отказу как к сигналу об отсутствующем контексте. Оценка или обновление профиля, полученные без рисунка, измеряют другое задание.

См. также: Математическое образование

Репетитор по письму, который задаёт вопросы и оставляет письмо студентам

MAIKE задаёт вопросы и диагностирует аргументы, оставляя текст эссе студенту. Среди 65 школьников улучшение соответствовало контрольному чат-боту — 40 % против 41 %, а пользователи MAIKE тратили больше реплик на идеи; ни один не ухудшил результат.

Измеряйте, становится ли идея, обсуждённая в чате, правкой. Инструмент обучения письму, который улучшает только итоговый текст, может обходить рассуждение, для которого задание и существует.

См. также: Обучение письму с ИИ

Приближайте и подсвечивайте слайд, пока идёт озвучивание

GuideSlide озвучивает презентацию и использует визуализацию, чтобы приблизить обсуждаемую часть. В исследовании с 24 людьми, смотревшими на телефонах, нагрузка снизилась, понимание выросло с 5,5 до 6,5 из 9, и 21 из 22 предпочли его.

Преимущество через день не было статистически значимым, поэтому исследование поддерживает внимание во время просмотра; долговременное обучение остаётся непроверенным. Встраивайте подсказки в само повествование.

См. также: Проектирование ИИ в обучении

Дообученный детектор может обезличивать студенческий текст без смещения по именам

Пять инструментов тестировались на 13 613 файлах со студенческими текстами. Дообученная GPT-4o-mini находила около 96 % идентифицирующих деталей примерно за одну шестую цены Azure за токен; инструменты Microsoft чаще пропускали африканские и азиатские имена.

Обучение на десяти транскриптах работало на новом наборе, так что подход переносим. Закладывайте вторую проверку, когда важна точность, и сообщайте о группах, которые ваш инструмент пропускает.

См. также: Институциональная политика в области ИИ

Видеоанализ достиг согласия на уровне человека, но человек остаётся в контуре

GAIVA транскрибирует, размечает и интерпретирует видео из класса для учебной аналитики. На пяти записях его метки совпадали с человеческими рецензентами примерно так же, как совпадали два рецензента, и он выявил вид участия, который исходная теория не называла.

Относитесь к модели как к партнёру по кодированию с прослеживаемым запросом и человеческим решением на каждом этапе. Модель также выявляет закономерности, которые рецензент-человек мог бы не искать.

См. также: Исследования в образовании с помощью ИИ

Исследователям

Большой средний эффект может всё равно означать отсутствие надёжной пользы

Обзор четырёх контролируемых исследований с 420 студентами вычислительных и инженерных специальностей обнаружил большой средний прирост, при этом исследования резко расходились, а вероятный диапазон включал отсутствие пользы. Доказательства были оценены как очень неопределённые.

Относитесь к большому среднему из четырёх несходных исследований как к гипотезе о вашем курсе. Проведите пилот персонализированного обучения там, где оно будет работать, и прямо говорите, насколько неопределённы доказательства.

См. также: Что означает персонализированное обучение

Оценщик на ИИ, знающий запись учащегося, оценивает ту же работу иначе

Шесть моделей ИИ оценили одни и те же 300 коротких ответов с верной и подменённой записью о предыдущих достижениях. Каждая модель ставила за одну и ту же работу выше при высокой метке — на 0,28–0,75 балла по десятибалльной шкале.

Контекст учащегося здесь действует как смещение. Сообщайте эффект контекста рядом с показателем согласованности и проверяйте оценивание без записи студента, прежде чем называть модель надёжной.

См. также: Справедливость и надёжность оценивания с ИИ

Внешне справедливый репетитор может скрывать разрыв в навыках в 26 %

Два года журналов от 8 549 студентов, использующих MATHia, адаптивного репетитора по математике, показали, что студенты, ещё учившиеся читать, осваивали навыки в 68,7 % случаев против 77,6 %, тогда как общий показатель справедливости выглядел почти нейтральным. Один навык скрывал разрыв в 26 % в предсказанном освоении.

В репетиторе не было компонента навыка чтения, поэтому обучение чтению оказалось отсутствующим фактором в математической системе. Моделируйте навык и сообщайте о разрывах на том уровне, на котором вмешался бы преподаватель.

См. также: Предвзятость и справедливость ИИ в образовании

Ложноположительные срабатывания детекторов — это проблема управления

Обзор 90 исследований обнаружил, что детекторы ИИ помечают добросовестный текст с частотой, которую нельзя объединить, потому что инструменты, пороги, наборы данных и языки различаются. Аннотации, обзоры литературы, экзаменационные ответы, переведённый текст и отредактированная проза продолжали помечаться.

Средство — процедурное: прозрачное использование, человеческая проверка, грамотность в ИИ, явная институциональная политика и маршрут апелляции. Это относится к управлению, где настройки детектора — лишь одна часть.

См. также: Стоит ли использовать детекторы ИИ?

Соответствие человеческим оценщикам всё равно может упускать работу

Двадцать две модели ИИ оценили по 100 единиц на задачу в коротких ответах, коде и эссе. Большинство сравнялось с людьми в коротких ответах, четыре сравнялись или превзошли их в коде, и ни одна не достигла человеческого уровня в эссе.

Высокий показатель согласованности может сосуществовать с оценщиком на ИИ, который оценивает записку и упускает ответ. Добавьте изменённые ответы в оценку и сообщайте, где модель расходится с работой.

См. также: Справедливость и надёжность оценивания с ИИ

Администраторам

Доказательства по образовательным технологиям для нейроотличных сосредоточены и ведутся исследователями

Обзор 93 исследований обнаружил, что аутизм доминирует в доказательствах об образовательных технологиях для нейроотличных учащихся — 39,8 %, впереди интеллектуальных нарушений, СДВГ и дислексии. Чаще всего изучалась расширенная реальность (VR и AR); социальным результатам и результатам со сверстниками уделялось меньше внимания, а дети имели мало голоса.

Спрашивайте о результате, который важен для класса, и об учащихся, включённых в оценку. Утверждение, подтверждённое только исследователями, может оторваться от людей, которым оно предназначено служить.

См. также: ИИ для учащихся с инвалидностью и нейроотличных

Студенты хотели институционального помощника для обратной связи

13-месячная программа совместного проектирования с 315 студентами и 20 сотрудниками показала, что 73 % ценили круглосуточную обратную связь, связанную с их обучением. Карточки и тесты получили больше положительных отзывов, чем открытый чат, и 16 из 18 бета-тестировщиков хотели помощника.

Те 10–15 %, кто сопротивлялся по ценностным причинам, и создают риск принятия. Относитесь к их опасениям как к содержательным. Объясните, как обрабатываются данные студентов и чего помощник не может, до пилота и дайте студентам возможность отказаться.

См. также: Проектирование ИИ в обучении

Прокторинг ловит списывание и перекладывает издержки на наименее защищённых

Обзор 32 исследований обнаружил, что прокторинг с ИИ ловит подмену личности и списывание, тогда как ложноположительные срабатывания, сбои освещения и пропускной способности, тревога и вред приватности сильнее всего бьют по наименее защищённым. Автоматизированный прокторинг составил 59 % исследований.

Авторы обзора рекомендуют альтернативное оценивание и сочетание человеческого и автоматизированного наблюдения. Сократите экзамен онлайн с высокими ставками, прежде чем добавлять ещё один детектор.

См. также: Институциональная политика в области ИИ

Отчёт на панели повысил завершение, тогда как баллы за тесты не изменились

Преподавателей, впервые работающих с онлайн-репетитором по математике, случайным образом побуждали открыть отчёт учебной аналитики об успеваемости студентов по первому заданию. Он не изменил ни долю тех, кто начал следующее задание, ни прирост баллов студентов, хотя завершение выросло в небольших классах.

Проверяйте, открывают ли преподаватели отчёт, действуют ли по нему и видят ли прирост обучения, прежде чем покупать аналитику; одного роста завершения недостаточно.

См. также: Проверка, работает ли образовательный ИИ

Почти ни одно учреждение не может назвать, кто отвечает за управление ИИ

Опрос 387 студентов и сотрудников в 13 странах показал, что лишь 17 % знали о назначенной роли в управлении ИИ. Из остальных 71 % считали такую роль необходимой, а 76 % ожидали, что она улучшит их опыт.

Респонденты описывали роль с мандатом; комитет без мандата оставляет эту роль незаполненной. Дайте владельцу полномочия в обучении, безопасности данных, этической проверке и стратегии и публикуйте, кто её занимает.

См. также: Институциональная политика в области ИИ

Также добавлено на этой неделе

• 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

Страница журнала перечисляет все исследования, добавленные за эту неделю, включая те, что здесь не обобщены.

Заметки о сайте

Бюллетень и его RSS-лента теперь доступны также на испанском: посетите испанский сайт бюллетеня или подпишитесь на испанскую RSS-ленту бюллетеня. Чтобы запросить другую локализацию, создайте обращение или свяжитесь с разработчиком сайта.

Сайт стал намного легче. Полное дерево концепций и FAQ не попадает на каждую страницу: боковая панель показывает десять тематических групп и загружает полный список только когда читатель открывает одну из них, а правая колонка перечисляет восемь недавних страниц вместо тридцати. По всей сборке HTML уменьшился с 1,80 ГБ до 1,26 ГБ, а разметка боковой панели — с 604 МБ до 87 МБ.

Переводы обновлены во всех 33 настроенных локалях, включая арабское, ивритское и урду-издания с письмом справа налево. Аннотации статей остаются только на английском.

Офлайн-издания переехали в новое место релизов GitHub, поэтому старые ссылки на EPUB и PDF больше не работают. Каждый локализованный сайт сохраняет обычный адрес. Файлы EPUB и PDF существуют для 19 языков со ссылками ниже; остальные 14 — только сайт.

• English: EPUB and PDF
• Español (Spanish): EPUB and PDF
• Français (French): EPUB and PDF
• 中文 (Chinese): EPUB and PDF
• Deutsch (German): EPUB and PDF
• 日本語 (Japanese): EPUB and PDF
• 한국어 (Korean): EPUB and PDF
• Português (Portuguese): EPUB and PDF
• العربية (Arabic): EPUB and PDF
• עברית (Hebrew): EPUB and PDF
• हिन्दी (Hindi): EPUB and PDF
• Русский (Russian): EPUB and PDF
• Українська (Ukrainian): EPUB and PDF
• Italiano (Italian): EPUB and PDF
• বাংলা (Bengali): EPUB and PDF
• اردو (Urdu): EPUB and PDF
• Bahasa Indonesia (Indonesian): EPUB and PDF
• Tiếng Việt (Vietnamese): только сайт
• Nederlands (Dutch): только сайт
• Svenska (Swedish): только сайт
• Dansk (Danish): только сайт
• Suomi (Finnish): только сайт
• Norsk bokmål (Norwegian Bokmål): только сайт
• Română (Romanian): только сайт
• Magyar (Hungarian): только сайт
• Čeština (Czech): только сайт
• Български (Bulgarian): только сайт
• Slovenčina (Slovak): только сайт
• Hrvatski (Croatian): только сайт
• Ελληνικά (Greek): только сайт
• Polski (Polish): только сайт
• Kiswahili (Swahili): EPUB and PDF
• Türkçe (Turkish): EPUB and PDF

Исходный код открыт на github.com/edtechdev/aied.

Следите за обновлениями

Получайте каждый выпуск через ленту бюллетеня в программе для чтения лент, вставив ту же ленту в Blogtrottr, чтобы новые выпуски приходили по электронной почте по выбранному вами расписанию, или следите за ней в LinkedIn, где каждый выпуск публикуется как бюллетень LinkedIn.

---

AIEd Research Weekly Update выходит из Базы знаний об ИИ в образовании, которую генерирует агент ИИ. Этот выпуск был подготовлен тем же агентом ИИ под редакционным руководством разработчика сайта, и каждое утверждение выше ссылается на страницу, с которой оно взято.

База знаний передана в общественное достояние под лицензией CC0 1.0. Права не защищены.

Нашли проблему с содержанием? Сообщите о ней на GitHub или свяжитесь с разработчиком сайта, Doug Holton.