Освітні дослідження з підтримкою ШІ

Автоматичний переклад цієї англійської сторінки, не перевірений носієм мови.

Синтез: освітні дослідження з підтримкою ШІ — це використання ШІ як інструмента власної наукової роботи самої галузі: пошуку та відбору літератури, скринінгу записів для оглядів, кодування якісних даних, аналізу даних, підготовки та редагування рукописів і тієї рефлексії, що запитує, що ці інструменти роблять зі створюваним знанням. Це відмінно від досліджень про ШІ в освіті: конструкції, які використовуються для вивчення того, чи допомагає ШІ здобувачам, належать до Методи досліджень в AIED, оцінювання систем ШІ належить до Оцінювання ШІ в освіті, а прочитання єдиного дослідження AIEd належить до Тлумачення та застосування досліджень AIEd. Ця сторінка охоплює власний робочий процес дослідника та дослідницьку роботу практика-дослідника — стипендію викладання та навчання (SoTL) і дослідження в аудиторії — та епістемічні ставки, коли автоматизація входить у будь-який із них. Її докази мізерні та свіжі: пропозиція рамки, рефлексивний звіт однієї команди оглядів, невелике дослідження з фокус-групами, два бібліометричних дослідження, звіт із семінару та кейс-дослідження єдиного дослідника. Вона описує напрям руху, а не усталену практику, і напрям досліджень практиків є найтоншим із усіх.

Питання для роздумів

• Хто тут вважається дослідником: вчений із фінансуванням, аспірант, викладач, що вивчає власну аудиторію? Кого з них справді описують докази?
• Скринінг на базі ШІ виключив дослідження з вашого огляду. Хто несе відповідальність за це рішення — постачальник, інструмент, протокол чи ви?
• Коли модель узагальнює джерела, яких ви не читали, яку частину наукової роботи ви перестали робити?
• Симульований здобувач може перевірити тьютора за багатьма профілями. Що ви перевірили б, перш ніж повірити його вердикту про справжніх студентів?
• Дослідження практика зазвичай є локальним і невеликим. Чи має його докази відповідати планці фінансованого випробування, чи їх слід зважувати інакше, бо суттєве саме середовище?
• Якщо ШІ допоміг підготувати статтю, що має бути сказано читачеві, і де має жити це розкриття?

Вступ

Освітні дослідження з підтримкою ШІ — це галузь, що повертає інструменти ШІ на власну роботу. Об’єктом вивчення є не здобувач, який користується ШІ-тьютором, а дослідник, який користується моделлю для пошуку, скринінгу, витягнення, кодування, аналізу або письма. Змінюється робочий процес дослідника і, тихіше, критерії, за якими його результат вважається доказом.

Ця сторінка свідомо не є про дослідження про ШІ в освіті. Питання про те, чи покращує ШІ-тьютор навчання, розглядає Методи досліджень в AIED, оцінювання систем ШІ — Оцінювання ШІ в освіті, а обережне прочитання єдиного дослідження — Тлумачення та застосування досліджень AIEd і Обмеження досліджень AIEd. Ці дві літератури часто плутають, і твердження про інструментарій другої часто запозичуються на підтримку першої.

Область поширюється від пошуку літератури через скринінг, кодування, аналіз і письмо, і включає епістемологічну рефлексію, що запитує, що автоматизація робить зі знанням, яке продукує галузь. Вона також включає дослідження практика: стипендію викладання та навчання і дослідження в аудиторії, де вчитель вивчає власну практику. Цей напрям є найслабшою частиною цієї сторінки, і розділи нижче кажуть про це прямо, а не згладжують.

Як ШІ входить у дослідницький робочий процес

Оповіді про використання послідовніші за докази щодо ефекту. Dai та Chan (2026) інтерв’ювали 28 аспірантів у семи фокус-групах однієї інституції і виявили, що 27 із 28 використовували генеративний ШІ десь у своєму дослідженні: генерація ідей, огляд літератури, пояснення, обробка даних, програмування, академічне письмо, редагування і переклад.

Їхні учасники були калібровані, а не легковірні. Вони поєднували інструменти із завданнями за сприйманими ставками та інтелектуальними вимогами, інтенсивніше використовували ШІ в процедурній роботі з низькими ставками й залишалися обережними там, де науковий внесок був центральним. Вони також зберігали людський нагляд упродовж усього, трактуючи модель як помічника, який може бути «оманливим» або «цілком хибним».

Висновок щодо політики є практичним. Наявна інституційна інструкція стосувалася викладання, навчання та оцінювання, і учасники переживали її як абстрактну та неузгоджену з дослідницькою практикою. Автори пропонують орієнтовані на дослідника рекомендації, побудовані на чотиривимірній рамці ШІ-грамотності, як опору для розвитку, а не як книгу правил.

Дослідження охоплює єдину інституцію, самообрану групу з 28 осіб та оповіді за самоописом; студенти могли занижувати повідомлення про використання з міркувань доброчесності. Воно описує, як здатна група користується цими інструментами, а не те, що створює це використання.

Пошук і відбір літератури

Звіт із семінару картографує порядок денний, а не вимірює його. Семінар CHIIR 2026 «Генеративний ШІ та академічний пошук» зібрав дослідників у галузі взаємодії людини з інформацією та відбору, і його звіт описує системи, побудовані для відбору документів, які тепер узагальнюють, рекомендують, синтезують і ведуть розмову — непокоять припущення, що система лише знаходить джерела, тоді як тлумачення залишається за користувачем.

Один блискавичний доповідь перевірив, як моделі реконструюють учених. Проти істинних значень OpenAlex і Google Scholar для 1 596 базових авторів з 10 дисциплін і 8 світових регіонів високоцитованих дослідників реконструювали приблизно вдвічі частіше за менш цитованих ровесників, тестуючи DeepSeek R1, Llama 4 Scout та Mixtral 8×7B.

Бібліотекарка повідомила про «прогалину довіри»: студенти часто надмірно довіряли генеративному пошуку, тоді як викладацький склад йому не довіряв, і односеансові семінари визнавалися недостатніми для стійкої грамотності. Ниткою проєктування, до якої учасники поверталися найчастіше, було «тертя» — утримання користувачів у критичній, іноді некомфортній роботі, з якої постає навчання.

Звіт охоплює єдину, самообрану подію і здебільшого фіксує думки, принципи проєктування та дослідницькі питання. Його цифри належать окремим доповідям, а не семінару, і ніщо в ньому не показує, що академічний пошук на базі ШІ покращує або шкодить навчанню.

Скринінг та автоматизація систематичних оглядів

Систематичні огляди — це місце, де автоматизація просунулася найдалі, і де показуються її межі. Wang та співавтори (2026) рефлектують про огляд однієї міждисциплінарної команди і повідомляють, що автоматизація знизила процедурне навантаження здебільшого на рівні скринінгу анотацій — інструментами такими, як ASReview, SWIFT-Review, Covidence, AIScreenR і MetaMate, — тоді як витягнення даних, узгодження і синтез залишилися за людськими рецензентами. Наставництво та обговорення з ровесниками функціонували як методологічна інфраструктура, а не як ввічливість.

Їхній висновок — це поділ праці, а не передача справ: призначайте автоматизацію на процедурне навантаження, перевіряйте кожен результат і зберігайте інтерпретаційні рішення людськими. Це рефлексія однієї команди без умови порівняння, тому її стратегії описані, а не перевірені.

Zabaleta та Lin (2026) квантифікують проблему звітування на 888 статтях про автоматизацію оглядів, що несуть 14 726 пунктів анотування. З 2023 року 38,0% статей про програмне забезпечення та продукти не повідомляли про жодного оцінювання, проти 9,3% статей про МММ. Прогалина зберігається за стратифікацією: у скринінгу та відборі статті про програмне забезпечення мали в середньому 3,2 суттєвих пунктів оцінювання, причому 39,3% не повідомляли про жодного, тоді як статті про МММ мали в середньому 7,3 пунктів із частотою відсутності оцінювання 3,8%.

Сприятливе оцінювання не означало придатності до делегування. Серед 118 статей про МММ із лише позитивними оцінюваннями 52% усе ж повідомляли щонайменше про одне занепокоєння, що робочий процес не дотягував до планки, необхідної для його ролі. Доступ до моделей був переважно власницьким: 84,1% використання МММ спиралося на власницькі або розміщені системи, 11,0% були змішаними, і лише 4,9% — з відкритими вагами.

З цих патернів автори виводять PRISMA-LLM, тришарову рамку, чиї п’ять рівнів впровадження є рівнями розкриття, а не рівнями ризику. Це пропозиція, запропонована для перевірки, а не офіційне розширення, схвалене Виконавчим комітетом PRISMA. Мовчазність на рівні статті, застерігають вони, не є доказом відсутності валідації — вона може перебувати у звіті про продукт, протоколі або репозиторії.

Якісне кодування та аналіз

Якісний аналіз — це етап, на якому інтерпретація є продуктом, що робить делегування складнішим для захисту. Сторінка Якісне дослідження збирає корпусні докази про кодування з підтримкою ШІ, зокрема дослідження, що показують, що узгодженість людини та моделі — не те саме, що якість кодування, і що помилки можуть каскадом проходити через часовий аналіз. Та література розглядає модель як засіб масштабування, чиї результати потребують перевірки на відповідність людському судженню.

Martin та співавтори (2026) описують зсув ролі прямо. Коли застосовуються автоматизовані моделі кодування, дослідник переходить від кодування даних студентів до валідації результатів моделі; коли моделі без нагляду кластеризують міркування, алгоритм виконує початковий дослідницький аналіз. Дослідники, стверджують вони, дедалі частіше потребують навичок науки про дані поряд із якісною, кількісною та теоретичною експертизою.

Їхня рамка також дає перевірку, яка тут має значення: пояснюваний ШІ може викрити, чи відстежує автоматизоване кодування семантичне розуміння, чи лише ключові слова. Конвеєр кодування, який узгоджується з людськими мітками, може все одно читати не те.

Аналіз даних та епістемічні ставки

Martin, Rost, Koenen та Graulich (2026) натискають на саме продукування знання в галузі, і їхня стаття є хребтом цієї сторінки. Спираючись на розрахунок Хасока Чанга (2004) щодо епістемічної ітерації — послідовних етапів знання, що будуються одне на одному в напрямі до епістемічних цілей, — вони проводять паралель із приблизно 150-річним розвитком термометра і стверджують, що галузь може бути зараз усередині порівнянної ітерації.

Їхнє центральне занепокоєння є епістемічним, а не технічним. Проблема номічного вимірювання Чанга стверджує, що вимірювання величини потребує закону, що пов’язує її з чимось спостережуваним, проте цей закон не може бути перевірений емпірично, не знаючи вже величини. Функції вимірювання, виведені з ШІ, які виникають із навчальних даних та оптимізації, а не від дослідника, можуть посилювати це, а не розв’язувати, бо вони можуть виглядати точними та предиктивними, залишаючись непрозорими.

Рамка має сім фаз: формулювання проблеми; інструментування та вимірювання; експериментування та висновки, засновані на доказах; порівняння та відтворення; будування норм і консенсусу; впровадження та його наслідки; і безперервне вдосконалення. Автори представляють їх як аналітичні виміри, які можуть повторюватися, перетинатися або бути відсутніми, а не як перевірену послідовність.

Порівняльність — це фаза з найгострішою гранню справедливості. Принцип Реньо вимагає, щоб інструмент давав однакове показання за однакових умов і щоб інструменти одного типу узгоджувалися, — але порівняльність має поширюватися й на популяції студентів, і машинне навчання схильне кодувати канонічні ідеї краще, ніж різноманітні способи, якими студенти висловлюють слабші.

Вони також називають проблему підзвітності. Дослідники користуються попередньо навченими моделями, чиї навчальні дані, донавчання та цілі вони можуть не знати, що додає шар епістемічної залежності; оскільки ці системи виникають із соціотехнічних мереж, відповідальність стає важко розподілити — «проблема багатьох рук».

Необхідна чесність полягає в тому, що стаття не повідомляє жодних даних і не встановлює жодних ефектів навчання. Вона не показує, що методології ШІ покращують дослідження чи дають більш валідні висновки; це порівняння поставлено як майбутня робота, і автори допускають, що їхня гіпотеза «може добре виявитися хибною».

Наукове письмо, цитування та доброчесність

Письмо — це місце, де допомога ШІ найвидиміша і де її невдачі найнаслідковіші, бо посилання є заявою про підзвітність. Denny та співавтори (2026) проаудитували всю Цифрову бібліотеку ACM — 723 930 публікацій і 15 872 533 посилань — і простежили 113 588 посилань із 5 225 статей з обчислювальної освіти, опублікованих з 2021 року далі.

Вони вручну перевірили 828 підозрілих записів і виявили 30 посилань, що містять перевірно сфабриковану бібліографічну інформацію, у 14 статтях, усі з 2025 і 2026 років. На SIGCSE Technical Symposium кількість зросла з 3 у збірниках 2025 року до 17 у 2026 році, з’являючись у 2,3% статей збірника 2026 року. Сімнадцять із 30 були гібридами, що поєднували справжню назву із сфабрикованими або хибними авторами.

Їхній підрахунок є свідомою нижньою межею, і вони представляють проблему як спільну, а не розв’язану програмним забезпеченням. Автори мають перевіряти кожну цитовану працю, особливо коли генеративний ШІ використовувався в письмі; рецензенти не можуть перевірити кожне посилання, тому видання впроваджують цільові перевірки; видавці мають покращувати метадані. Автоматизоване виявлення успадковує вади тих метаданих, які воно трактує як істину.

Ефекти масштабу письма зі ШІ з’являються в другому бібліометричному дослідженні. Wang та співавтори (2026) проаналізували 147 074 публікації з журналів портфелів PLoS і Nature з 2020 року і пов’язали письмо з підтримкою ШІ з меншими, схильними до молодших командами. За крайньому переході від відсутності допомоги ШІ до повної розмір команди був на 22,1% меншим у PLoS і на 45,5% меншим у Nature (Poisson β = −0,250 і −0,607, обидва p < 0,01).

Вплив очевидно не постраждав. Близько 7,34% статей PLoS із підтримкою ШІ і 7,40% статей Nature дійшли до топ-5% FWCI, вище за обидві людські групи порівняння, і узгоджені порівняння показали на 3,0% і 2,7% вищу ймовірність потрапляння до топ-5% FWCI (обидва p < 0,01). Дані є обсерваційними, тому автори відмовляються від сильних причинних тверджень.

Стійкі агенти в дослідницькому середовищі

За межі єдиних підказок, стійкі агенти вбудовуються в саме дослідницьке робоче середовище. Alzahrani (2026) повідомляє про кейс-дослідження єдиного дослідника за 115 днів агента з тривалою пам’яттю, локальними файлами, зовнішніми інструментами, запланованими рутинами та делегованими ролями, що працював у робочому середовищі одного лікаря-науковця.

Описові результати є великими. Відновлювана телеметрія головного агента містила 75 671 дедуплікований запис за 96 активних днів, частка активного дня 0,835; робоче середовище містило 502 файли, пов’язані з пам’яттю, 17 налаштованих каталогів агентів і 57 файлів навичок. Сувора 25-денна травнева вибірка містила 627 завершених моделлю подій і 73 950 305 записаних токенів, із яких 82,9% були зчитаннями кешу, за приблизно US\$1 961 спостережуваних системних витрат.

Основним внеском дослідження є рамка вимірювання — PARE-M, — побудована тому, що результати, які стійкий агент має підтримувати, такі як управління і вартість на артефакт, невидимі для епізодичних бенчмарків. Його центральний негативний результат полягає в тому, що сукупний обсяг взаємодії не продемонстрував зниження людського вкладу: коли пам’ять і процедури накопичувалися, обсяг делегованої роботи розширювався, тому найсильніший патерн — це розширення потужності, а не доведена заміна праці.

Обмеження — це ті, яких запрошує єдиний самостійно спостережений кейс. Один дослідник був користувачем, проєктувальником, джерелом даних, аналітиком і бенефіціаром, без контрольної групи, без базового періоду і без незалежного кодувальника для подій управління.

Симульовані здобувачі як інструменти дослідження та оцінювання

Симулювання студентів — це сторінка бази знань про метод і феномен: як побудувати синтетичного здобувача, чий стан знання та помилки достатньо вірні, аби замінити людину. Ця сторінка розглядає той самий апарат як інструмент дослідження та оцінювання — для чого є синтетичний здобувач, коли втручання, інструмент, бенчмарк або тьютор має бути перевірений в масштабі чи в умовах, яких справжні здобувачі не можуть забезпечити.

Найчіткіше використання — це оцінювання тьютора в часі. Lee та співавтори (2026) розміщують агента-тьютора у 30-денних взаєминах із симульованим здобувачем, чиє володіння матеріалом, отримане з моделі відстеження знань, навченої на даних справжніх студентів, керує його відповідями. Оцінюючи 10 адаптерів агентів, кожен вийшов на плато за 5–10 днів далеко нижче еталону ідеального навчання — результат, до якого оцінювання єдиним сеансом дотягнутися не може. Перевірка калібрування на відповідність спостережуваної точності проб притискається до діагоналі (ECE 0,049, Brier 0,033 за 1,19 мільйона спроб).

Вірність є передумовою, і вона вимірювана. Wang та співавтори (2026) повідомляють про поведінкову відмінність від слідів справжніх студентів DKL = 0,31 проти 0,53 для найкращої базової лінії, і в тесті Тюрінга з 71 оцінювачем їхні сліди були статистично нерозрізненні від даних справжніх студентів (52,8% точності, d′ = 0,15). Невдача, якої слід оминати, — це упередженість компетентності: моделі за підказками розв’язують завдання надто добре, аби замінити новачків.

Стан переконань — це частина, яку легко сфабрикувати. Do, Sonkar та Sachan (2026) показали, що в межах семи моделей від 4B до 120B параметрів симулятори відмовлялися від призначеного хибного уявлення і перерозв’язували з внутрішнього знання майже однаковими темпами за цільового, неузгодженого та узагальненого зворотного зв’язку. Вони квантифікують це за оцінкою селективного перекидання (Selective Flip Score) і підвищують вірність до +0,56 через навчання, і в цьому суть: формулювання підказки персони не будує здобувача.

Симульовані здобувачі служать також контрольним випробувальним полем для самих інструментів оцінювання. Fan та співавтори (2026) поєднали кожну з трьох основ тьюторів із одним фіксованим слабким симульованим здобувачем за заздалегідь зареєстрованим протоколом і виявили, що рубрики корисності загального призначення несуть мало педагогічного сигналу, з сімома політиками, що охоплюють 2,3 пункти оціненої педагогіки в межах смуги в 0,25 пункта оціненої корисності. За ходами, що розкривають відповідь, слідувало менше самостійної роботи студента на кожній основі.

Обережність належить цій сторінці. Вердикт симулятора є лише таким добрим, як сам симулятор, і його охоплення схильне до найлегших здобувачів.

Дослідження практика: SoTL та дослідження в аудиторії

Це напрям, який корпус документує найменше. Стипендія викладання та навчання і дослідження в аудиторії є дослідженнями практика — вчитель вивчає власний курс, часто у невеликому масштабі, часто як самонавчання, — і сторінки, зібрані тут, не дають дослідженого оповідання про використання ШІ в цьому режимі.

Найближчі докази є суміжними, а не точно до справи. Аспіранти в Dai та Chan (2026) навчалися бути дослідниками, а не вивчали власне викладання. Команда в Wang та співавтори (2026) проводила формальний міждисциплінарний огляд, а не локальний проєкт. Бібліометричні дослідження описують дисципліни та видавців, а не аудиторії.

Чесне твердження тому є прогалиною, а не висновком. Дослідницьке звертання практика з підтримкою ШІ, імовірно, є поширеним і майже недокументованим у цьому корпусі; сторінка, яка представляла б докази автоматизації оглядів та бібліометричні докази так, ніби вони вирішують, як викладачеві використовувати ШІ для вивчення власного викладання, була б перебільшенням.

Те, що можна перенести, — це розположення, а не результат: назвіть роль ШІ в методах, зберігайте інтерпретаційні рішення людськими і повідомляйте, що було і що не було перевірено.

Чого докази ще не встановлюють

• Немає прямого порівняння. Martin та співавтори поставлють порівняння між методами з підтримкою ШІ та традиційними як майбутню роботу. Жодна опорна стаття не показує, що методологія ШІ дає більш валідні висновки.
• Тонкі конструкції всюди. Опори — це пропозиція рамки, рефлексивний звіт однієї команди, звіт із семінару, дослідження з фокус-групою та обсерваційна бібліометрика. Жодне з них не є контрольованим випробуванням методу з підтримкою ШІ.
• Прогалина звітування, а не аудит практики. PRISMA-LLM читає мовчазність на рівні статті; робочий процес без оцінювання в своїй статті може все одно бути валідований деінде.
• Дослідження практика недопредставлені. Лише кілька сторінок тут згадують SoTL або дослідження в аудиторії, тому корпус не може обґрунтувати твердження про вчителів, які вивчають власну практику.
• Рухома ціль. Інструменти вдосконалюються швидше за публікацію, тому висновок про робочий процес 2025 року описує покоління систем, яких може вже не існувати в цій формі.

Пов’язані поняття

• Методи досліджень в AIED — узагальнююче поняття для конструкцій, які використовуються для вивчення ШІ в освіті
• Оцінювання ШІ в освіті
• Тлумачення та застосування досліджень AIEd
• Обмеження досліджень AIEd
• Метааналіз і систематичний огляд
• Якісне дослідження
• Кількісне дослідження
• Дослідження змішаними методами
• Бенчмарк
• Освітнє вимірювання
• Валідність оцінювання
• Навчальні здобутки
• Симуляція студентів
• Симуляція
• Моделювання здобувача та адаптивне навчання
• Відстеження знань
• Генеративний ШІ
• Великі мовні моделі (LLM)
• Людина в циклі
• ШІ-грамотність
• Академічна доброчесність
• Заяви про використання ШІ та розкриття інформації
• Небезпека галюцинацій
• Довіра
• Вища освіта
• Освітній розвиток

Пов’язані статті

• Amid an Epistemic Iteration: How AI Methodologies May Transform the Nature of Science Education Research — семифазна рефлексивна рамка для того, як методології ШІ можуть перетворити природу досліджень у науковій освіті (Martin та співавтори, 2026)
• Scaffolding Systematic Reviews in Learning Design and Technology Through Mentoring and AI Integration — оповідь однієї міждисциплінарної команди оглядів про наставництво та вибіркову інтеграцію ШІ (Wang та співавтори, 2026)
• Shaping Responsible GenAI Use in Research Through AI Literacy-Oriented Guidelines: Insights From Postgraduate Students — як 28 аспірантів використовували генеративний ШІ в робочому процесі дослідження та які рекомендації вони пропонують (Dai та Chan, 2026)
• Testing Our Foundations: Citation Trends, Errors, and Emerging Hallucinations in the Computing Education Literature — аудит у масштабі поля сфабрикованих посилань у літературі з обчислювальної освіти (Denny та співавтори, 2026)
• PRISMA-LLM: An Empirical Reporting Framework for AI-Assisted Systematic Reviews — рамка звітування для систематичних оглядів із підтримкою ШІ та прогалина підзвітності, яку вона документує (Zabaleta та Lin, 2026)
• Report on CHIIR 2026 Workshop on Generative AI and Academic Search (GAI&AS) — звіт семінару CHIIR 2026 про генеративний ШІ та академічний пошук (Liu, Arguello, Hoeber та співавтори, 2026)
• Persistent AI Agents in Academic Research: A Single-Investigator Implementation Case Study — кейс-дослідження єдиного дослідника про стійкого агента в дослідницькому робочому середовищі (Alzahrani, 2026)
• Smaller, Younger, and More Impactful: How AI-Assisted Writing Transforms Research Teams — бібліометричні докази, що письмо з підтримкою ШІ супроводжує менші та молодші дослідницькі команди (Wang та співавтори, 2026)
• EduClaw-Bench: A Long-Horizon Benchmark for Pedagogical LLM Agents with Simulated Learners — 30-денний бенчмарк, який оцінює агентів-тьюторів проти симульованого здобувача (Lee та співавтори, 2026)
• BEAGLE: Behavior-Enforced Agent for Grounded Learner Emulation — нейро-символічний симулятор, який відтворює справжню боротьбу новачка (Wang та співавтори, 2026)
• Simulating Students or Sycophantic Problem Solving? On Misconception Faithfulness of LLM Simulators — чому симулятори відмовляються від хибного уявлення за будь-якого зворотного зв’язку і як навчання це виправляє (Do, Sonkar та Sachan, 2026)
• Rethinking LLM-Judged Helpfulness as a Pedagogy Signal: A Pre-Registered Audit Across Tutor Models — заздалегідь зареєстрований аудит, який використовує фіксованого симульованого здобувача, щоб перевірити, чи вимірює корисність педагогіку (Fan та співавтори, 2026)

Цитування

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

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

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

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

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

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

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

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

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

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

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

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