Veckovis forskningsuppdatering om AI i utbildning #37 november 2026

Automatisk maskinöversättning av denna engelska sida, ännu inte granskad av en modersmålstalare.

Ett veckobrev från kunskapsbasen om AI i utbildning om vad forskningen som publicerades den senaste veckan betyder för lärare, utvecklare, forskare och administratörer.

Sedan förra numret har 159 nya studier, åtta nya begreppssidor, två nya FAQ och tre nya resurser anslutit till kunskapsbasen, som nu rymmer 2 085 artikelsammanfattningar, 230 begreppssidor, 44 FAQ och 40 resurser. Sök eller använd AI för att chatta med kunskapsbasen.

Innehåll

• Veckans viktigaste resultat och frågor
• Nya FAQ
• Nya begrepp
• Nya resurser
• För lärare
• För utvecklare
• För forskare
• För administratörer
• Även tillagt denna vecka
• Noteringar om webbplatsen
• Följ uppdateringen

Veckans viktigaste resultat och frågor

• Kan AI-återkoppling ersätta en lärares återkoppling? AI-genererad återkoppling och läraråterkoppling förbättrade essärevideringar lika mycket i en randomiserad studie med 312 förstaårsstudenter. Läraråterkoppling höjde motivationen mer eftersom studenterna kände sig förbundna med personen som gav den. AI kan bära en revideringsomgång; läraren bär fortfarande relationen.
• Kan en stödjande chatbot ersätta en kamrat? En stödjande chatbot presterade samma som att skriva dagbok när det gällde att minska ensamhet i en randomiserad studie med 296 förstaårsstudenter; en slumpmässigt tilldelad kamrat minskade den. Boten uttryckte mer empati medan studenterna gav mindre tillbaka, så mät ensamheten i sig.
• Förändrar en kort etikmodul AI-omdömet? En fyra veckor lång informationsetikmodul höjde studenternas poäng på AI-relaterade etiska bedömningsscenarier i en studie som randomiserade 16 klasser. Omkring 60 % av vinsten höll i sig fyra veckor senare, och de tyngsta AI-användarna vann mest. Fallbaserad undervisning visar lovande resultat.
• Förbättrar mer AI-stöd kreativt arbete? Fyra randomiserade experiment med 728 vuxna fann att när AI gjorde mer av arbetet bedömde domare de resulterande innovationsförslagen lägre, mest eftersom deltagarna gjorde mindre av det kognitiva arbetet. Mer stöd kom med svagare arbete.
• Kan ett AI-författat spel undervisa bättre än en föreläsning? Ett mysterierollspel slog samma lärares föreläsning i juridiska kunskaper och resonemang i en randomiserad studie med 84 juriststudenter. Spelet byggdes med generativ AI; jämförelsen var spel mot föreläsning, så resultatet stöder spelbaserat lärande och lämnar chatbotanvändning otestad.
• Förändrar rapporter om studentprestation undervisningen? Lärare som var nya i ett online-matematikhandledningssystem ombads slumpmässigt att öppna en lärandeanalysrapport om sina studenters prestation på den första uppgiften. Att öppna den förändrade varken andelen som började nästa uppgift eller studenternas testpoängvinster, även om slutförandet av nästa uppgift steg, mest i mindre klasser.
• Gör matchning med mänskliga bedömare en AI-bedömare säker? En granskning av sex AI-modeller som betygsatte 300 korta svar fann att alla gav identiskt arbete högre betyg när de fick veta att studenten var högpresterande, med 0,28 till 0,75 poäng på en tiogradig skala. Samstämmighet kan dölja en bias knuten till studentens tidigare prestationshistorik; håll inne med historiken.
• Varför är AI-genererat språk så svårt att förstå? AI-text överanvänder sällsynta ordkombinationer, denominala verb, livlösa subjekt, reducerade objektrelativa satser, staplade substantiv och långa beroenden eftersom efterträning för matematik, kod och resonemang belönar komprimerade svar över tydliga förklaringar. Implikationen för utbildning är att AI-skrivna förklaringar, återkoppling och läsmaterial kan vara svårare för studenter att bearbeta även när läsbarhetspoängen ser bra ut, ett problem för läsundervisning som formler missar. [Redaktionell anmärkning: Som en påminnelse är detta nyhetsbrev och AIEd-kunskapsbasen AI-genererade. Webbplatsens utvecklare gav omfattande redaktionell vägledning för att förbättra läsbarhet och användbarhet; efter den vägledningen tillämpade AI-agenten Humanizer-skillen och följde en explicit instruktion att skriva jakande och undvika konstruktionen ”inte X, utan Y”.]

Nya FAQ

Två nya svar anslöt till FAQ den här veckan.

Hur kan AI hjälpa studenter med läsning och läsförståelse?

Lässvaret behandlar läsnivåetiketter som grova gissningar: några riktiga läsares bedömningar slår en formel, och en AI som får låtsas vara student kan inte säga hur svår en text kommer att kännas. Använd AI för att hitta, förenkla och glossa läsningar, prova sedan resultatet med studenter och behåll originalet bredvid.

Hur visar sig AI-bias och orättvisa i utbildning, och vad kan vi göra åt det?

Biassvaret ber om felfrekvenser för de grupper ni undervisar, eftersom ett genomsnitt kan dölja ett gap och felet kan sitta i poängsättning, handledning, instrumentpaneler eller detektion. Lägg grupprapportering och en överklagandeväg i upphandlingen, och åtgärda själva pipelinen.

Nya begrepp

Åtta begreppssidor anslöt till kunskapsbasen den här veckan.

Läsundervisning

Läsundervisning har nu en sida som skiljer på fyra saker som ofta delar en etikett: att hjälpa en läsare, att bedöma läsning, att anpassa en text och att mäta svårighetsgrad. Den citerar en studie där 193 studenter betygsatte 3 954 meningar; 72,8 % kändes lätta eller mycket lätta även när Flesch-poäng sade annat, så en etikett för årskursnivå är en svag vägledning till hur en viss läsare kommer att uppleva en text.

Reflektion

Reflektion har en ny sida som skiljer den från det stundvisa övervakandet som kallas metakognition. Den första designfrågan är om studenten skrev reflektionen. I ett experiment med 302 vuxna fördubblade reflektionsprompter tiden med återkoppling och skar övningen med 40 %, vilket lämnade lägre behärskning, 65 % mot 79 %, så timingen spelar lika stor roll som prompten i sig.

Automatiseringsbias

Automatiseringsbias namnger den mänskliga vana som kan förvandla en korrekt AI-rekommendation till ett felaktigt beslut: att acceptera ett svar ni skulle ha ifrågasatt om ni hade kommit fram till det själva. Den samlar de platser där det händer i utbildning, från essäpoäng och tidiga varningar till övervakning, och visar hur ett granskningssteg som bara finns på papper misslyckas med att fånga det.

Medborgerlig och politisk utbildning

Medborgerlig och politisk utbildning kartlägger ett gap i evidensen och sammanfattar fältet. En analys av 310 AI-genererade lektionsplaneringar fann att 90 % av aktiviteterna bara krävde återgivning, förståelse eller grundläggande tillämpning; 94 % hade nästan inget mångkulturellt innehåll; och ingen studie i korpusen mätte medborgerligt lärande alls.

Bibliotek

Bibliotek behandlar biblioteket som en plats, en tjänst och en grupp yrkesverksamma. En översikt av 29 studier finner att införandet är koncentrerat till referensarbete och katalogisering, medan pilotprojektet Public AI Libraries gör delad, bemannad åtkomst till jämlikhetsargumentet.

AI-avatarer och syntetiska lärare

AI-avatarer kartlägger de roller en syntetisk människa kan fylla, från inspelad föreläsare och handledare till simulerad patient och examinator. Evidensen är ojämn, och ett realistiskt ansikte säger lite om lärande; öppenhet och tillit spelar lika stor roll som modellen.

Sensor- och blickanalys

Sensor- och blickanalys täcker ögonspårning, hjärn- och hjärtsignaler och kamerabaserad hållning som sätt att sluta sig till uppmärksamhet och engagemang och kognitiv belastning. Fältet är bättre på att iaktta lärande än på att förändra undervisning, och sidan behandlar integritet, bias och gapet mellan en kroppssignal och ett mentalt tillstånd som centrala.

Informations- och mediekunskap

Informations- och mediekunskap behandlar de två som ett undervisningsproblem: informationskunskap frågar om en källa förtjänar tro, medan mediekunskap frågar vem som skapade ett budskap och varför. Generativ AI kollapsar båda frågorna eftersom flytande text döljer sitt ursprung; sidan finner lite evidens om en kombinerad läroplan.

Nya resurser

Tre resurser anslöt till resursbiblioteket den här veckan.

LearnHarness

LearnHarness är en gratis app för skrivbordet med öppen källkod där AI-agenter tar reda på vad en lärande redan kan, kartlägger idéerna som behövs för att nå ett mål, undervisar ett resonemangssteg i taget och anpassar övningen.

Learning Commons

Learning Commons publicerar öppna byggstenar för läroplansprodukter: en karta över standarder och läroplaner, verktyg för poängsättning av genererad text och färdiga AI-arbetsflöden för lärare.

Public AI Libraries

Public AI Libraries är ett pilotprojekt som placerar en delad AI-arbetsstation på amerikanska folkbibliotek, med chatt, bild- och videogenerering, en kodningsarbetsyta, en pedagogisk guide och ett privat konto för varje besökare.

För lärare

AI-återkoppling matchar en lärare vid revideringar medan motivationen släpar efter

AI och läraråterkoppling förbättrade samma essäer med ungefär lika mycket i en randomiserad studie med 312 skribenter. Läraråterkoppling gjorde mer för motivationen eftersom studenten kände sig förbunden med personen som gav den.

Behåll en mänsklig röst runt återkopplingen. Para den genererade kommentaren med ett kort lärarsvar, eller använd AI för första omgången och läraren för samtalet om arbetet.

Se även: AI-återkoppling i skala

En av fem essäer skrevs helt av chatboten

En studie av 77 skribenter på collegenivå loggade varje prompt, svar och inklistring. Femton, eller en av fem, lämnade in chatbotskrivna essäer, och de flesta kände ändå att essän var deras.

Be om mellanarbetet: prompterna, revideringarna och en kort notering om vad som ändrades och varför. Synliggör överlämningen medan det fortfarande finns tid att undervisa.

Se även: Att designa om bedömning för AI-eran

Nästan alla gymnasieelever använder AI, och svagare elever använder det mer

En ettårig studie av 4 062 tyska gymnasieelever fann nästan allmän AI-användning: 95 % använde det, och svagare elever använde det mer för att slutföra uppgifter. Det mönstret förutsade mindre ansträngning senare.

Det gör inramning av AI-användning och självreglerat lärande till en del av läroplanen, som återkommer under året. Fråga eleverna vad verktyget är till för i den här uppgiften, och ge svagare elever en stödd väg som börjar med att förstå arbetet.

Se även: Att minska överberoende av AI

En stödjande chatbot matchade dagboksskrivande medan en kamrat minskade ensamhet

I en två veckor lång randomiserad studie med 296 förstaårsstudenter presterade en stödjande chatbot samma som dagboksskrivande när det gällde att minska ensamhet, medan en slumpmässigt tilldelad kamrat minskade den. Boten visade mer empati medan studenterna gav mindre tillbaka.

En bot kan fungera som en användbar första kontakt medan en kamrat eller kurator finns tillgänglig. Bygg in den mänskliga vägen i varje studentstödstjänst ni rekommenderar, och mät ensamheten i sig.

Se även: AI, ångest och välbefinnande

Behandla en AI-simulering som övervakad repetition

En översikt av 14 studier fann att sjuksköterskestudenter värderade repeterbar, lågpressad AI-simulering och rapporterade mer självförtroende, särskilt i kommunikation och kliniskt resonemang. Realism, kroppsspråk och svarsfördröjning förblev svaga.

Informera studenterna om begränsningarna, kräv att de kontrollerar genererat innehåll och ha en genomgång efteråt. Behåll mänsklig interaktion där icke-verbal kommunikation eller varaktig empati är poängen med övningen.

Se även: Sjuksköterskeutbildning

Examensarbetets kod tredubblades medan kommentarerna låg still

Tio terminer av 260 examensprojekt i datavetenskapsutbildning visar att mediankoden steg från omkring 3 400 rader till 10 000, medan kommentarerna låg kvar nära 8 %. Antalet commits steg; enskilda commits ändrades knappt.

Bedöm designbesluten, förklaringen av koden och studentens förmåga att ändra den. Artefakten kan nu växa snabbare än det lärande den är tänkt att visa.

Se även: Att designa om bedömning för AI-eran

För utvecklare

Utan figuren bör en AI-handledare vägra

Sex bildkapabla AI-modeller tog sig an 376 matematikuppgifter från mellanstadiet vars figurer bar nyckelinformation. Med figuren löste den bästa drygt hälften; utan den vägrade de nästan varje gång.

Behandla en vägran som en signal om saknat sammanhang. En poäng eller profiluppdatering som produceras utan figuren mäter en annan uppgift.

Se även: Matematikundervisning

En skrivhandledare som ställer frågor och lämnar skrivandet till studenterna

MAIKE ställer frågor och diagnostiserar argument medan essätexten lämnas till studenten. Bland 65 gymnasieelever matchade förbättringen en kontrollchatbot, 40 % mot 41 %, och MAIKE-användare lade fler turer på idéer; ingen försämrades.

Mät om en idé som diskuteras i chatten blir en revidering. Ett skrivundervisningsverktyg som bara förbättrar den slutliga texten kan kringgå det resonemang uppgiften finns för att bygga.

Se även: Skrivundervisning med AI

Zooma och markera bilden medan berättarrösten går

GuideSlide berättar för en bildpresentation och använder visualisering för att zooma till den del som diskuteras. I en studie av 24 personer som tittade på telefoner föll arbetsbelastningen, förståelsen steg från 5,5 till 6,5 av 9, och 21 av 22 föredrog det.

Fördelen en dag senare var inte statistiskt signifikant, så studien stöder uppmärksamhet under tittandet; varaktigt lärande är fortfarande otestat. Bygg in ledtrådarna i själva berättelsen.

Se även: Att designa AI in i lärandet

En finjusterad detektor kan avidentifiera studenttext utan namnbias

Fem verktyg testades på 13 613 filer med studenttext. En finjusterad GPT-4o-mini hittade omkring 96 % av identifierande uppgifter till ungefär en sjättedel av Azures pris per token; Microsofts verktyg missade afrikanska och asiatiska namn oftare.

Träning på tio transkript fungerade på en ny uppsättning, så tillvägagångssättet följer med. Budgetera för den andra kontrollen när precision spelar roll, och rapportera de grupper ert verktyg missar.

Se även: Institutionell AI-policy

Videoanalys nådde mänsklig samstämmighet, med en människa kvar i loopen

GAIVA transkriberar, etiketterar och tolkar klassrumsvideo för lärandeanalys. På fem inspelningar stämde dess etiketter med mänskliga granskare ungefär lika nära som två granskare gjorde, och den synliggjorde ett slags deltagande som den ursprungliga teorin inte namngav.

Behandla modellen som en kodningspartner med en spårbar prompt och ett mänskligt beslut i varje steg. Modellen synliggör också mönster som en mänsklig granskare kanske inte hade letat efter.

Se även: AI-assisterad pedagogisk forskning

För forskare

En stor genomsnittlig effekt kan fortfarande betyda ingen tillförlitlig nytta

En översikt av fyra kontrollerade studier med 420 studenter i datateknik och ingenjörsvetenskap fann en stor genomsnittlig förbättring, medan studierna var starkt oeniga och det sannolika intervallet inkluderade ingen nytta. Evidensen bedömdes som mycket osäker.

Behandla ett stort genomsnitt från fyra olika studier som en hypotes om er kurs. Pilotera personligt lärande där det ska köras, och säg rakt ut hur osäker evidensen är.

Se även: Vad personligt lärande betyder

En AI-bedömare som känner till den lärandes historik bedömer samma arbete annorlunda

Sex AI-modeller betygsatte samma 300 korta svar med en sann och en utbytt notering om tidigare prestation. Varje modell gav identiskt arbete högre betyg under den höga etiketten, med 0,28 till 0,75 poäng på en tiogradig skala.

Studentkontext fungerar som en bias här. Rapportera kontexteffekten bredvid samstämmighetssiffran, och testa bedömning utan studentens historik innan ni kallar en modell tillförlitlig.

Se även: Rättvisa och tillförlitlighet i AI-bedömning

En rättvis handledare kan dölja ett kompetensgap på 26 %

Två års loggar från 8 549 studenter som använde MATHia, en adaptiv matematikhandledare, visade att studenter som fortfarande lärde sig läsa behärskade färdigheter till 68,7 % mot 77,6 %, medan det övergripande rättvisemåttet såg nästan neutralt ut. En färdighet dolde ett gap på 26 % i förutspådd behärskning.

Handledaren hade ingen läskomponent, så läsundervisning var en saknad faktor i ett matematiksystem. Modellera färdigheten, och rapportera gap på den nivå där en lärare skulle ingripa.

Se även: AI-bias och rättvisa i utbildning

Falska positiva träffar hos detektorer är ett styrningsproblem

En översikt av 90 studier fann att AI-detektorer flaggar legitimt skrivande i frekvenser som inte kan vägas samman, eftersom verktyg, trösklar, dataset och språk skiljer sig. Sammanfattningar, litteraturöversikter, tentasvar, översatt text och redigerad prosa fortsatte att flaggas.

Åtgärden är procedurell: transparent användning, mänsklig granskning, AI-kompetens, en explicit institutionell policy och en överklagandeväg. Det hör hemma i styrning, med detektorinställningar som en del.

Se även: Bör vi använda AI-detektorer?

Att matcha mänskliga bedömare kan fortfarande missa arbetet

Tjugotvå AI-modeller betygsatte 100 uppgifter per uppgiftstyp över korta svar, kod och essäer. De flesta matchade människor på korta svar, fyra matchade eller slog dem på kod, och ingen nådde människonivån på essäer.

En hög samstämmighetssiffra kan samexistera med en AI-bedömare som betygsätter noteringen och missar svaret. Lägg till ändrade svar i utvärderingen och rapportera var modellen avviker från arbetet.

Se även: Rättvisa och tillförlitlighet i AI-bedömning

För administratörer

Evidensen om edtech för neurodivergenta elever är koncentrerad och forskarledd

En översikt av 93 studier fann att autism dominerade evidensen om edtech för neurodivergenta lärande med 39,8 %, före intellektuell funktionsnedsättning, ADHD och dyslexi. Förstärkt verklighet (VR och AR) var mest studerat; sociala utfall och kamratutfall fick mindre uppmärksamhet, och barnen hade lite att säga.

Fråga efter det utfall klassrummet bryr sig om och efter de lärande som ingick i utvärderingen. Ett påstående som bara validerats av forskare kan glida ifrån dem det är tänkt att tjäna.

Se även: AI för studenter med funktionsnedsättning och neurodivergenta studenter

Studenter ville ha en institutionell assistent för återkoppling

Ett 13 månader långt samdesignprogram med 315 studenter och 20 anställda fann att 73 % värderade återkoppling dygnet runt knuten till sina studier. Flashcards och quiz drog fler positiva kommentarer än öppen chatt, och 16 av 18 betatestare ville ha assistenten.

De 10 % till 15 % som motsatte sig av värdeskäl utgör införanderisken. Behandla deras invändningar som sakliga. Förklara hur studentdata hanteras och vad assistenten inte kan göra före piloten, och ge studenterna en väg att avstå.

Se även: Att designa AI in i lärandet

Övervakning fångar fusk och flyttar kostnaden till de minst gynnade

En översikt av 32 studier fann att AI-övervakning fångar identitetsbedrägeri och fusk, medan falska positiva, belysnings- och bandbreddsfel, ångest och integritetsskador drabbar de minst gynnade hårdast. Automatiserad övervakning utgjorde 59 % av studierna.

Granskarna rekommenderar alternativ bedömning och en blandning av mänsklig och automatiserad övervakning. Minska den avgörande onlinetentan innan ni lägger till ännu en detektor.

Se även: Institutionell AI-policy

En instrumentpanelsrapport höjde slutförandet medan testpoängen låg still

Lärare som var nya i en online-matematikhandledare ombads slumpmässigt att öppna en lärandeanalysrapport om studentprestation på den första uppgiften. Det förändrade varken andelen som började nästa uppgift eller studenternas testpoängvinster, även om slutförandet steg i mindre klasser.

Testa om lärare öppnar rapporten, agerar på den och ser en lärandevinst innan ni köper analys; en ökning av slutförandet ensam räcker inte.

Se även: Att kontrollera om pedagogisk AI fungerar

Nästan ingen institution kan namnge vem som äger AI-hanteringen

En enkät med 387 studenter och anställda i 13 länder fann att bara 17 % kände till en utsedd AI-styrningsroll. Av övriga ansåg 71 % att en sådan var nödvändig och 76 % förväntade sig att den skulle förbättra deras upplevelse.

Respondenterna beskrev en roll med mandat; en kommitté utan mandat lämnar rollen obesatt. Ge ägaren befogenhet över utbildning, dataskydd, etisk granskning och strategi, och publicera vem som har den.

Se även: Institutionell AI-policy

Även tillagt denna vecka

• 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

Journalsidan listar varje studie som lagts till den här veckan, inklusive dem som inte sammanfattas här.

Noteringar om webbplatsen

Nyhetsbrevet och dess RSS-flöde finns nu även på spanska: besök den spanska nyhetsbrevssidan eller prenumerera på den spanska nyhetsbrevets RSS-flöde. För att begära en annan lokalisering, skicka ett ärende eller kontakta webbplatsens utvecklare.

Webbplatsen är mycket lättare. Hela begrepps- och FAQ-trädet hålls utanför varje sida: sidopanelen visar tio ämnesgrupper och hämtar hela listan först när en läsare öppnar en, och den högra spalten listar åtta senaste sidor, ner från trettio. Över hela bygget föll HTML från 1,80 GB till 1,26 GB, och sidopanelens markup från 604 MB till 87 MB.

Översättningarna uppdaterades över alla 33 konfigurerade språk, inklusive de höger-till-vänster-ställda arabiska, hebreiska och urdu-utgåvorna. Artikelsammanfattningarna finns fortfarande bara på engelska.

De offline-utgåvorna flyttade till en ny plats för GitHub-releaser, så gamla EPUB- och PDF-länkar fungerar inte längre. Varje språkwebbplats behåller sin vanliga adress. EPUB- och PDF-filer finns för de 19 språk som har länkar nedan; de övriga 14 finns bara på webbplatsen.

• 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): endast webbplats
• Nederlands (Dutch): endast webbplats
• Svenska (Swedish): endast webbplats
• Dansk (Danish): endast webbplats
• Suomi (Finnish): endast webbplats
• Norsk bokmål (Norwegian Bokmål): endast webbplats
• Română (Romanian): endast webbplats
• Magyar (Hungarian): endast webbplats
• Čeština (Czech): endast webbplats
• Български (Bulgarian): endast webbplats
• Slovenčina (Slovak): endast webbplats
• Hrvatski (Croatian): endast webbplats
• Ελληνικά (Greek): endast webbplats
• Polski (Polish): endast webbplats
• Kiswahili (Swahili): EPUB and PDF
• Türkçe (Turkish): EPUB and PDF

Källan är offentlig på github.com/edtechdev/aied.

Följ uppdateringen

Få varje nummer genom nyhetsbrevets flöde i en flödesläsare, genom att klistra in samma flöde i Blogtrottr för att få nya nummer mejlade på ett schema ni väljer, eller genom att följa det på LinkedIn, där varje nummer publiceras som ett LinkedIn-nyhetsbrev.

---

Veckovis forskningsuppdatering om AI i utbildning kommer från kunskapsbasen om AI i utbildning, som en AI-agent genererar. Det här numret skrevs av samma AI-agent, med redaktionell vägledning från webbplatsens utvecklare, och varje påstående ovan länkar till den sida det kom från.

Kunskapsbasen är tillägnad allmän egendom under en CC0 1.0-licens. Inga rättigheter förbehålls.

Har ni hittat ett problem med innehållet? Rapportera det på GitHub, eller kontakta webbplatsens utvecklare, Doug Holton.