Концепції
Залученість здобувачів
Автоматичний переклад цієї англійської сторінки, не перевірений носієм мови.
Залученість здобувачів — ступінь і якість активної залученості здобувача в навчальний процес, найчастіше розкладається на поведінковий, когнітивний та афективний виміри. У дослідженнях ШІ в освіті залученість здобувачів є і ключовим результатом (чи утримує інструмент ШІ здобувачів залученими?), і механізмом (чи опосередковує залученість зв’язок між дизайном ШІ та навчанням?). Вона концептуально відмінна від самого навчання — залученість є участю в навчанні, а не доказом когнітивного здобутку — і від конкретних метрик, які використовуються для її вимірювання.
Питання для роздумів
- Сторінка наполягає, що залученість не є тим самим, що навчання — здобувач може бути поведінково активним (клацати, витрачати час), залишаючись когнітивно поверховий. Де ви бачили високу «залученість», що давала мало навчання, і як ви це помітили?
- Згадайте момент, коли ви були глибоко когнітивно залучені в щось — справді боролися з ідеєю. Чим він відрізнявся від часів, коли ви лише були зайняті або розважені, і чи міг би інструмент ШІ надійно створити цей стан?
- Залученість розбивається на поведінковий, когнітивний та афективний виміри, які можуть розходитися. Як ви думаєте, чому дослідники наполягають на тому, щоб трактувати їх окремо, а не як одне ціле, і що б ви вимірювали, щоб розрізнити їх?
- Дослідження припускають, що глибока когнітивна залученість зі ШІ передбачає навчання, тоді як поверхова залученість передбачає надмірну залежність. Якщо інструмент «залучуючий», але поверховий, хто винен — дизайн, завдання чи здобувач?
- Як інструмент ШІ міг би задовольнити автономію, компетентність і пов’язаність (потреби за залученістю), не перетворюючи ці риси на поверхове розважання, що витісняє справжнє навчання?
Вступ
Залученість — це багатовимірний конструкт, що бере початок у педагогічній психології. Поведінкова залученість стосується участі, зусиль, наполегливості та активності в межах завдання. Когнітивна залученість стосується глибини ментальної обробки — elaborації, критичного аналізу, самовРегулювання ШІ в освіті та вкладення ментальних зусиль. Афективна залученість стосується емоційних реакцій, таких як інтерес, задоволення, тривожність та ідентифікація з навчанням. Ці виміри можуть розходитися: здобувач може бути поведінково активним (клацати, витрачати час), залишаючись когнітивно поверховий (пасивно приймаючи результат), або афективно зацікавленим, залишаючись поведінково відволоченим. Ця багатовимірність є причиною, чому залученість не можна прирівнювати до будь-якої окремої спостережуваної поведінки.
Як залученість здобувачів проявляється в дослідженнях
-
Залученість як результат дизайну ШІ: дослідження мотивації GenAI показує, що залученість у навчанні з підтримкою Генеративний ШІ слідує за задоволенням базових психологічних потреб (автономія, компетентність, пов’язаність) — залученість є похідним результатом мотиваційної підтримки, а не лише доступності технологій. Залученість часто вимірюється через самозвіт, тоді як поведінкова залученість походить з логів взаємодій, і ці два способи не є взаємозамінними.
-
Здобуток залученості без здобутку в навчанні в кластер-рандомізованому класному дослідженні: Рюкер та Беккер-Геншов (2025) рандомізували 195 класів дев’ятого класу (експериментальна група — 102 студента) на предметний чатбот із математики або на звичайні диференційовані матеріали для одного уроку з методу Герона оцінювання квадратних коренів. Ситуативний інтерес істотно зріс в умові чатбота (M = 2,63 проти 2,43, p = 0,00005, d Коена = 0,63), а прийняття за всіма чотирма вимірами моделі сприйняття технологій було високим, проте порівняння продуктивності до й після не виявило значущої взаємодії групи на час (F(1194) = 2,84, p = 0,094), а зовнішнє когнітивне навантаження було дещо вищим. Це дослідження — одне з небагатьох кластер-рандомізованих тестів настроєного чатбота в середній математиці, і саме розділений результат є його змістом: інтерес та досягнення рухалися за різними розкладами, тому знахідка про залученість не є свідченням навчання.
-
Якість важливіша за кількість: критична залученість у доповненні коду зі ШІ, аналіз дискурсу когнітивної залученості та скаффолдинг критичної залученості показують, що глибока (когнітивна) залученість зі ШІ передбачає навчання, тоді як поверхова (поведінкова) залученість передбачає надмірну залежність та витіснення навчання, що домінують у літературі ризиків бази знань.
-
Крихка та залежна від контексту: вишукані артефакти, крихка залученість та закономірності залученості в кількох установах виявляють, що залученість змінюється за завданням, контекстом та здобувачем — інструмент ШІ, що глибоко залучає одного здобувача, може породжувати поверхову, спрямовану на результат поведінку в іншого.
-
Мотиваційні передумови: доступність ШІ та мотивація показує, що знання про доступність ШІ може знижувати сприйняту цінність зусильної залученості, особливо для здобувачів-початківців, — залученість формується очікуванням, цінністю та сприйнятою компетентністю не менше, ніж рисами інструменту. Ван і Ван (2026) розширюють це оповіддю з теорії постановки цілей про 758 студентів-вивчальників англійської у навчанні з підтримкою ШІ, показуючи, що підтримка викладача безпосередньо посилює залученість і діє через цілі, орієнтовані на майстерність, та цілі, орієнтовані на продуктивність студентів (а не через цілі уникнення). Отже, залученість у контекстах ШІ є не лише індивідуальним або дизайновим результатом — вона також соціально скаффолдиться викладачем та орієнтаціями на цілі, до яких заохочують здобувачів.
Цей Скаффолдинг має інституційний відповідник із подвійним шляхом. Двослідний дизайн Чена (2026) (160 студентів мистецьких спеціальностей у сценарному експерименті, 425 опитаних) виявив, що сприйнята неузгодженість між адвокацією університету щодо GAI та його фактичною практикою викладання й оцінювання передбачала залученість у творчий процес через дві протилежні оцінки — негативну через перешкоду (β = −0,060, p = 0,004) і позитивну через виклик (β = 0,217, p < 0,001) — причому мислення шляхами посилювало лише позитивний маршрут, тож та сама інституційна умова залучала одних здобувачів і розлучала інших.
-
Компетентність і емоція як драйвери залученості: Чжао і співавтори (2026) моделюють 871 студента університету, які взаємодіяли із чатботом Великі мовні моделі (LLM), виявляючи, що компетентність у GenAI передбачає залученість у чатботі як безпосередньо, так і опосередковано через позитивні емоції (афективний шлях), і що як компетентність, так і позитивна емоція передбачають залученість та позитивні навчальні емоції. Отже, залученість є спільно навичкою та афективним результатом — здобувачі, яким бракує компетентності в ШІ і які відчувають тривожність або розчарування, розлучаються, що має наслідки для навчання ШІ-грамотність як втручання в залученість, а не лише як мети формування навички.
-
Пов’язана з дисципліною когнітивна залученість у чаті здобувача зі ШІ. Чан і Лі (2026) показують, що підказки здобувачів до ШІ кодують ~62% когнітивного запиту вищого рівня в середньому, але профілі залученості за рівнями Блума різко відрізняються за дисциплінами (STEM з перевагою «Застосування» 20,8%, мовні дисципліни з перевагою «Розуміння» 31,7%, соціальні науки з перевагою «Створення» 33,8%). Використовуючи дизайн «всередині особи», вони виявили, що ті самі здобувачі створювали значно більше підказок вищого рівня на курсах соціальних наук, ніж на курсах STEM (p < .001), причому варіація на рівні курсів перевищувала варіацію на рівні здобувачів — свідчення, що когнітивна залученість зі ШІ формується дисциплінарним контекстом, а не лише індивідуальним стилем.
-
Зворотний зв’язок ШІ підтримує поведінкову активацію. Гешвінд і співавтори (2026) у семестровому експерименті «лабораторія в полі» виявили, що студенти, які отримували індивідуальний зворотний зв’язок GPT-4 на завданнях із відкритою відповіддю, підтримували найвищу участь протягом восьми щотижневих завдань (~50% до останнього проти ~30% у групах із зворотним зв’язком викладача або однокурсників) і писали ~29 символів більше на відповідь — індивідуальний зворотний зв’язок ШІ активував залученість і на екстенсивній межі (участь), і на інтенсивній межі (зусилля на відповідь), хоча студенти оцінили зворотний зв’язок однокурсників дещо вище.
-
Прогнозування академічного використання ШІ з навчальних конструктів. Дослідницька рамка машинного навчання проаналізувала дані опитування 166 студентів університету, щоб визначити навчальні конструкти, пов’язані з передбачуваним академічним використанням ChatGPT, використовуючи аналіз SHAP для підтримки інтерпретованості. Результати інформують про те, як залученість, підтримка навчання та інші конструкти формують включення здобувачами інструментів ШІ в академічну роботу.
-
Доступ до інструменту ШІ може знижувати вимірювану залученість, і показники завершення цього не покажуть. Лю і співавтори (2026) рандомізували доступ до тьютора в 13 групах у великому державному університеті США і виявили, що зареєстрована участь на платформі впала на 0,90 SD, перегляди сторінок на 0,37–0,38 SD, а активні дні на 0,51–0,61 SD — тоді як подання домашніх завдань і подання вчасно не постраждали. Ця дисоціація є уроком вимірювання: курс, який моніторив би лише завершення завдань, не побачив би нічого, бо скорочення сиділо в активності обговорень, вікторин і взаємодії з викладачем, яку логувала платформа. Студенти в експериментальних групах також повідомляли, що ставили викладачу менше запитань змісту (близько 57% проти 44%), тож спад збігся із заміщенням людського контакту, а не з розлученням від курсу.
-
Затримка відповіді є важелем залученості. У 1 137 сеансах кількісного тьюторінгу зі ШІ швидші відповіді відстежувалися з більшою кількістю повідомлень здобувачів і більшою правильністю практики (медіанний час відповіді від 1,9 с до 31,0 с між моделями; нижча затримка корелювала із залученістю за Спірменом ρ = −0,81, p = .0056) — ланцюжок, який автори прочитали як пояснення того, як моделі, що отримують непримітні результати за якістю викладання, усе ж досягають здобутків на людському рівні (Норткатт і співавтори (2026)).
-
Використання ШІ може мандрувати разом із більшою пропущеністю занять, тоді як упевненість її не передбачає. Опитування PLS-SEM 291 португальських студентів університету виявило, що загальне використання ШІ позитивно пов’язане з пропущеністю (β = 0,148, f² = 0,029) і зі самоефективністю в незалежному навчанні, проте сама самоефективність не передбачала пропущеності (β = −0,068, p = 0,276) — закономірність «уповнований, але відсутній» із цієї роботи. Асоціація з відвідуванням була помірною і вторинною до впливу однокурсників (β = 0,510, f² = 0,326) і управління часом (β = −0,163), а оскільки конструкт використання ШІ був одновимірним і змішував елементи, орієнтовані на підтримку, з елементами, орієнтованими на заміщення, дослідження не може відокремити доповнювальне використання від замісного або встановити напрямок (Франко і співавтори (2026)).
Вимірювання залученості: проблема вибору метрики
Залученість операціоналізується через низку спостережуваних сигналів. Поведінкові метрики вимірюють, що здобувачі роблять (час на завданні, підрахунки активності, частота взаємодій, наполегливість); когнітивні метрики вимірюють, як здобувачі мислять (глибина обробки, критична залученість, аналіз дискурсу); афективні метрики вимірюють, як здобувачі відчувають (емоція, мотивація, інтерес); а контекстуальні метрики фіксують мультитаскінг та увагу. Дослідження в області ШІ в освіті дедалі частіше поєднують їх і трактують залученість як опосередковуючий механізм між дизайном інструменту ШІ та результатами навчання, а не як результат сам по собі.
- Шість родин застосувань ШІ + багатометодне вимірювання: систематичний огляд Чжоу (2025) 24 досліджень WoS відображає шість застосувань ШІ для залученості — чатботи в проєктуванні курсів, розпізнавання емоцій/облич/голосу та відстеження погляду, машинне навчання для аналізу даних, підтримку взаємодії викладача зі студентом, персоналізований зворотний зв’язок/рекомендації та ботів на основі ШІ в розумних навчальних середовищах. Він виявляє, що інтеграція численних модальностей ШІ та джерел даних дає точніше, реальночасова уявлення про когнітивну, емоційну та поведінкову залученість, ніж підходи з одним джерелом, — підсилюючи проблему вибору метрики вище.
Вибір метрики є дефініційним: дослідження, яке вимірює залученість як час на завданні, може дійти висновку, що інструмент ШІ посилює залученість, коли здобувачі витрачають більше часу на взаємодію з ним, тоді як дослідження, яке вимірює залученість як критичну обробку, може дійти протилежного висновку щодо того самого інструменту. Ось чому дослідження бази знань розрізняє залученість (участь) і навчання (фактичний когнітивний здобуток) — див. продуктивність проти навчання — і чому метрики залученості повинні бути валідовані проти того, що вони претендують вимірювати.
-
Залученість як крихкий, ситуаційно залежний сигнал: вишукані артефакти, крихка залученість та закономірності залученості в кількох установах виявляють, що залученість змінюється за контекстом, завданням та здобувачем — той самий інструмент породжує сильну залученість в одних здобувачів і поверхову, спрямовану на результат поведінку в інших.
-
Поведінкова телеметрія з навчальних платформ: прогнозування зусиль і прогресу, асистент навчальної залученості, оцінювання залученості у відеонавчанні та навчальні панелі перетворюють поведінкові та фізіологічні сигнали (увагу, активність, наполегливість) на метрики залученості, які використовуються для адаптивного зворотного зв’язку та втручання викладача.
-
Фізіологічне сенсорування додає модальність — і проблему базової лінії. E3Sense розміщує ЕЕГ із сухими електродами, окуляри відстеження погляду та чолоскладові електроди електродермальної активності на голові і передбачає 450 оцінок залученості на рівні сегмента від 30 студентів університету за п’ятирівневою порядковою шкалою: AdaBoost над злитим Мультимодальний ШІ поданням досягнув 75,0% збалансованої точності «в межах одного рівня» проти 63,0% для завжди прогнозування найпоширенішої оцінки. Вузькість цієї прогалини і є суттю — кредит «в межах одного рівня» віддає більшість свого рахунку базовій лінії без сенсора на перекошених оцінках — і запитання здобувачів, що залученість означає для них, зрушило ту саму міру з 64,6% до 71,5%, свідчення, що мітка самозвіту, а не лише сенсор, вирішує, на що така аналітика може претендувати.
-
Обмеження справедливості потребують відкладених суб’єктів, щоб триматися. Гендерно-орієнтований регуляризатор багатомодального оцінювача уваги скоротив прогалину MAE на валідації з 0,02 до 0,005, але збільшив і прогалину, і помилку найгіршої групи на відкладених суб’єктах, тож уважна до підгруп, повторювана валідація на рівні суб’єкта належить до будь-якої заяви про сенсорування залученості (Фрагіадакіс і співавтори (2026)).
-
Залученість як сигнал моделювання здобувача: інтенсивність залученості як сигнал моделювання здобувача використовує силу залученості для інформування адаптивних систем ШІ, позиціонуючи метрики залученості як входи до Моделювання здобувача та адаптивне навчання та Адаптивне навчання, а не лише як результати оцінювання.
Залученість проти навчання
Центральна тема досліджень бази знань — залученість і навчання повинні бути розрізнені. Інструменти ШІ, що генерують високу залученість (час на завданні, обсяг взаємодій), можуть не давати навчання, якщо ця залученість є пасивною або заміщує когнітивну роботу розуміння — див. продуктивність проти навчання. Навпаки, продуктивна боротьба та бажана складність можуть давати навчання, навіть коли поверхова залученість відчувається нижчою. Тому залученість найкраще трактувати як механізм — цінний настільки, наскільки він відображає або уможливлює значущу когнітивну обробку, — а не як термінальний результат.
Це розрізнення не є академічним. Прамод та Патіл (2026) розміщують залученість у центрі своєї моделі PLS-SEM, між мотивацією та соціальною присутністю з одного боку і сприйнятою продуктивністю з іншого — найбільший коефіцієнт у їхній моделі, який усе ж є сприйняттям, а не мірою навчання.
Педагогіка опосередковує вплив ШІ на залученість
Систематичний синтез ШІ у вищій освіті (Лонг і співавтори, 2026) підкреслює, що метод викладання, у який вбудований інструмент ШІ, є вирішальним посередником того, чи залучає він здобувачів. Чатботи, адаптивні системи та предиктивна аналітика посилюють залученість найбільше, коли розгортаються в межах інтерактивних педагогік — перевернених класів, проєктного навчання та скаффолджованих циклів зворотного зв’язку, — а не як автономні інструменти. Огляд формалізує це як модель PMAISE (педагогічне опосередкування ШІ заради залученості студентів), відображаючи узгодженість між технологіями ШІ, педагогічними стратегіями та афективним, поведінковим і когнітивним вимірами залученості. Наслідок полягає в тому, що результати залученості ко-продукуються інструментом і оточуючим інструкційним дизайном: той самий ШІ може посилювати залученість в одній педагогіці і гальмувати її в іншій.
Зв’язки зі спорідненими поняттями
Залученість здобувачів пов’язана з Мотивація та Теорія самодетермінації як своїми психологічними драйверами і з Досвід здобувача як із пережитим контекстом. Її вимірювання спирається на Аналітика навчання та Освітнє вимірювання, які постачають кількісні інструменти для операціоналізації вимірів вище. Розрізнення між глибокою та поверховою залученістю безпосередньо пов’язане з Саморегульоване навчання (саморегульовані здобувачі залучаються стратегічно), Розвантаження когніції та надмірною залежністю (поверхова покладаність як режим відмови) і Метакогніція. У проєктуванні систем сигнали залученості живлять Моделювання здобувача та адаптивне навчання та Адаптивне навчання, а результати залученості фігурують в оцінюваннях Методи досліджень в AIED втручань ШІ в освіті.
-
Характеристики здобувачя пом’якшують уроки на основі TTS-діалогу (2026): у уроках діалогу «викладач–студент», «студент–студент» і «викладач–викладач», згенерованих LLM+TTS, стиль Досвідницьке навчання та диспозиція критичного мислення значущо взаємодіяли з форматом діалогу для мотивації на основі ARCS, вказуючи, що згенерований ШІ зміст діалогу є диференційно мотивуючим залежно від профілю здобувача (Interaction Effects Between Learner Characteristics and Dialogue Format in TTS Dialogue-Based Lessons).
-
Вимірно-специфічні здобутки на початковому рівні (2026): дев’ятитижнева програма письма L2 з підтримкою GenAI зі 301 студентом 5-го та 6-го класів підвищила поведінкову та емоційну залученість, але залишила когнітивну та метакогнітивну залученість незмінною, а її автори називають знижене самоконтролювання під час письма постійним ризиком (Лу і співавтори, 2026). Ця закономірність є конкретним випадком розрізнення залученості та навчання вище: більше активності та більше задоволення не перейшли в глибшу обробку.
-
Дисоціація може йти в інший бік (2026): у 12-тижневому курсі внутрішнього дизайну для професійної освіти імерсивна VR-студія із вбудованим асистентом викладача на основі LLM підвищила когнітивну (d = 0,90) та поведінкову (d = 0,75) залученість проти традиційного проєктного навчання, тоді як афективна залученість не відрізнялася значущо (d = 0,38) — обернене до випадку письма L2 вище (Джин і співавтори, 2026)). Когнітивні та поведінкові здобутки тут прийшли з нижчим повідомленим когнітивним навантаженням, що автори приписують асистенту, який поглинав зусилля пошуку та міждисциплінарної інтеграції. Прочитане проти випадку письма, два дослідження припускають, що те, який вимір залученості рухає втручання з підтримкою ШІ, є властивістю дизайну — дискурсивно насичена імерсивна співпраця проти підтримки соло-письма, — а не ШІ-допомоги взагалі, і що афективної переваги не можна припускати від високоточного або інтелектуального зворотного зв’язку.
-
Грамотність у ШІ діє на залученість через психологічні ресурси (2026): дослідження пом’якшеного опосередкування 1 198 студентів у Чженчжоу, Китай (Ван, 2026) моделювало залученість як результат ШІ-грамотність, а не побічний продукт використання інструменту. Грамотність у ШІ передбачала навчальну залученість безпосередньо, а також опосередковано через будівництво психологічного капіталу, причому опосередкований маршрут ніс приблизно половину загального ефекту — часткове опосередкування, тож технологічна компетентність перетворюється на залученість лише частково через психологічні ресурси, які вона генерує. Професійна відданість, змінна, заснована на ідентичності, пом’якшувала зв’язок психологічного капіталу із залученістю, не маючи власного прямого ефекту, а переведення психологічного капіталу в залученість було значно сильнішим для студентів, які бачили себе такими, що прямують у професію. Ця закономірність є найяснішим доступним випадком згаданого вище пункту, що характеристики здобувача обумовлюють, як ШІ впливає на залученість.
-
Передкласна практика зі ШІ може підвищити живу участь (2026): передзареєстрований польовий експеримент із 759 студентами MBA виявив, що підготовка з голосовим партнером для обговорення на основі ШІ підвищила добровільні внески приблизно на 31% у наступних сеансах, але лише після другого використання; перше використання передувало нижчій участі (Ван і співавтори (2026)).
-
Розлучення як хід на рівні ходу, а не сталий стан: Ро і співавтори (2026) закодували 5 522 висловлювань здобувачів до навчального агента ШІ в Math Nation у шість категорій розмовного розлучення (хибні відповіді, глузування, «привид», дзеркалення, утримання, випадковий/шумний) і виявили, що частка залученості домінувала на 75,7% висловлювань. Асоціації за поширеністю хибних відповідей та глузування з результатами тесту не витримали перевірки на чутливість з людською анотацією. Послідовний аналіз є релевантним для залученості результатом: найпродуктивніший кластер поєднав помірне розлучення з сильними переходами відновлення до залученості (утримання → залученість p = 0,83), тоді як найнижчий показував стійкі цикли самопереходу без відновлення (цикл самопереходу залученості p = 0,96). Утримання було єдиним типом розлучення, який схилявся зберігатися, а не розв’язуватися, — збереження проти відновлення, а не присутність проти відсутності, є розрізненням, що відокремлює траєкторії залученості.
Пов’язані поняття
- Здобувачі — Здобувачі: узагальнення для понять на боці здобувача
- Педагогічне партнерство — Педагогічні партнерства
- Спільнота дослідження — Спільнота дослідження (агентна залученість як вимір CoI)
- Електронне портфоліо
- Онлайн-викладання та онлайн-навчання — Онлайн-викладання та навчання
- Мотивація
- Теорія самодетермінації
- Досвід здобувача
- Аналітика навчання
- Освітнє вимірювання
- Саморегульоване навчання
- Розвантаження когніції
- Метакогніція
- Моделювання здобувача та адаптивне навчання
- Адаптивне навчання
- Методи досліджень в AIED
- Вища освіта
- Фреймування використання ШІ для студентів
- Зацікавлені сторони — Узагальнення: люди та аудиторії в освіті зі ШІ (здобувачі, викладачі, дизайнери, адміністратори, політики)
- Засоби самооповідання
- Продуктивна невдача
Пов’язані статті
-
Disengaged Conversational Behaviors and Learning in Student-AI Dialogues for Mathematical Problem Solving — Розлучені розмовні поведінки та навчання в діалогах здобувача зі ШІ (Ро і співавтори, 2026)
-
How assigned AI use before class shapes active student engagement in class — Передкласна практика з голосовим ШІ підвищила добровільні внески на заняттях на ~31%, але лише після другого використання (Ван і співавтори, 2026)
-
Confident but absent: AI use, self-efficacy for independent learning, and student absenteeism in higher education — Використання ШІ відстежувалося з більшою пропущеністю занять, тоді як самоефективність її не передбачала, причому вплив однокурсників є домінантним корелятом (Франко і співавтори, 2026)
-
When universities advocate GAI but practice falls short: student appraisals and creative process engagement in art education — Коли університети адвокують GAI, але практика відстає: оцінки здобувачів і залученість у творчий процес у мистецькій освіті
-
E3Sense: Head-Confined Multimodal Sensing of Learner Engagement — ЕЕГ на голові, відстеження погляду та EDA передбачають п’ятирівневі оцінки залученості, тоді як власні дефініції здобувачів зрушують відображення (Анупкрішнан і співавтори, 2026)
-
Fairness-Aware Multimodal Transformer Modeling for Real-Time Student Attention Estimation — Багатомодальне трансформерне моделювання, чуйне до справедливості, для оцінювання уваги студента в реальному часі
-
Artificial Intelligence and Student Engagement in Online Learning: A Literature Review
-
Artificial intelligence in higher education: a systematic review of its impact on student engagement and the mediating role of teaching methods — ШІ у вищій освіті: систематичний огляд залученості + опосередковуюча роль методів викладання
-
Examining the Impact of Generative AI on Student Motivation and Engagement: The Mediating Role of Autonomy-Support and Autonomous Motivation in Education — Вплив генеративного ШІ на мотивацію та залученість здобувачів
-
To Tab or Not to Tab: Measuring Critical Engagement in AI Code Completion Tools Using Behavioral Signals and Attention Checks — Натискати Tab чи не натискати: вимірювання критичної залученості в доповненні коду зі ШІ
-
Measuring Cognitive Engagement in Collaborative Discourse with an Extended ICAP Framework: Comparing Human Annotation, In-Context Learning, and Reflective LLM Agents — Вимірювання когнітивної залученості в колаборативному дискурсі
-
Not All Students Engage Alike: Multi-Institution Patterns in GenAI Tutor Use — Не всі здобувачі залучаються однаково: закономірності в кількох установах
-
"Polished Artifacts, Fragile Engagement? Tackling the Challenge of Reduced Epistemic Effort in Human-AI Knowledge Construction" — Вишукані артефакти, крихка залученість
-
Why Put in This Much Effort?": How AI Availability Shapes Students’ Motivation in Introductory Programming — «Навіщо вкладати стільки зусиль?»: як доступність ШІ формує мотивацію
-
Distinguishing performance gains from learning when using generative AI — Розрізнення здобутків у продуктивності та навчанні
-
Scaffolding critical engagement with GenAI: Transforming ethnic minority preparatory students' collaborative discourse — Скаффолдинг критичної залученості з GenAI
-
Engagement Intensity as a Learner-Modeling Signal for Adaptive AI Ethics Instruction — Інтенсивність залученості як сигнал моделювання здобувача
-
Learning Engagement Assistant (LEA): Cross-Course Scalability and Classroom Evaluation of an Agentic AI Tutoring System — Асистент навчальної залученості
-
EduGage: Methods and Dataset for Sensor-Based Momentary Assessment of Engagement in Self-Guided Video Learning — Оцінювання залученості у відеонавчанні
-
From Heuristics to Analytics: Forecasting Effort and Progress in Online Learning — Від евристик до аналітики: прогнозування зусиль і прогресу
-
Interactive learning dashboards: rethinking learning visualisations as engagement tools — Інтерактивні навчальні панелі та залученість
-
Interaction Effects Between Learner Characteristics and Dialogue Format in TTS Dialogue-Based Lessons — Характеристики здобувача × взаємодії формату TTS-діалогу
-
Explaining learning engagement in AI-assisted learning through teacher support and achievement goals: insights from goal-setting theory — Теорія постановки цілей: підтримка викладача, цілі досягнення та залученість у навчанні англійської з підтримкою ШІ (758 китайських студентів)
-
Engagement in LLM Chatbot-Supported Learning: The Pivotal Roles of GenAI Competency and Emotion — Компетентність у GenAI та емоція як драйвери залученості в чатботі (Чжао і співавтори, 2026)
-
Chat as Learning: Student-AI Conversations as Discipline-Associated Cognitive Engagement Patterns — Пов’язана з дисципліною когнітивна залученість за рівнями Блума в розмовах здобувача зі ШІ (Чан і Лі, 2026)
-
GPT-4 feedback increases student activation and learning outcomes in higher education
-
Exploring the impact of a GenAI-supported writing program on primary students' writing motivation, engagement — Вимірно-специфічні здобутки залученості на початковому рівні (Лу і співавтори, 2026)
-
Cultivating Design Creativity of Vocational Students: A Model of Project-Based Learning in AI-Enabled Immersive Virtual Environments — Когнітивна та поведінкова залученість зростають, афективна залученість пласка, в імерсивній VR-студії PBL (Джин і співавтори, 2026)
-
Enhancing enthusiasm for STEM education with AI: Domain-specific chatbot as personalized learning assistant — Кластер-рандомізоване дослідження середньої математики: ситуативний інтерес зріс із настроєним чатботом, тоді як продуктивність в тесті — ні (Рюкер і Беккер-Геншов, 2025)
-
The impact of artificial intelligence literacy on learning engagement among university students: the mediating role of psychological capital and the moderating role of professional identity — Грамотність у ШІ рухає залученість безпосередньо та через психологічний капітал, посилену професійною відданістю (Ван, 2026)
-
StudentBench: AI and human tutoring yield equivalent GRE learning gains — StudentBench: тьюторінг ШІ та людський дають еквівалентні навчальні здобутки за GRE
-
The Effects of Course-Integrated AI Tutoring on Student Performance and Engagement: A Randomized University Trial — Доступ до ШІ-тьютора знизив зареєстровану участь на платформі на 0,90 SD, тоді як подання домашніх завдань залишилося стійким (Лю і співавтори, 2026)