What Are Notable Gaps in the Research Literature on AI in Education?

Автоматичний переклад цієї англійської сторінки, не перевірений носієм мови.

Найвагоміші прогалини в дослідженнях зі ШІ в освіті (AIEd) стосуються того, чи створюють конкретні освітні конструкції стійкі результати, для кого, через які механізми та за яких умов — а не просто того, чи може ШІ виконувати освітні завдання. База знань фіксує багатообіцяльні втручання поряд із стійкими слабкостями в вимірюванні, причиновому висновкуванні, узагальнюваності, впровадженні та відтворюваності. Часто це прогалини в силі, специфічності або застосовності доказів, а не повна відсутність досліджень. Див. Обмеження в дослідженнях AIEd.

Ці прогалини також відрізняються в різних частинах поля. Докази щодо усталених систем інтелектуального наставництва, предиктивної аналітики, генеративного ШІ та автономних агентів не слід уважати взаємозамінними. Так само використання ШІ для підтримки навчання та навчання людей самому ШІ пов’язані, але мають різні дослідницькі питання, як пояснює огляд ШІ в освіті.

1. Виокремлення того, що ШІ додає понад якісне навчання

Ретельні аудиторні експерименти існують, тому цю прогалину вже не можна адекватно описати як «нам потрібні рандомізовані випробування». Точніше питання — чи додає ШІ-компонент вартості понад додаткову практику, кращі матеріали, своєчасний зворотний зв’язок або збільшену підтримку навчання.

Наприклад, у дослідженні One Click Away: AI Tutoring with Khanmigo in a Two-Year School Experiment повідомляється про помірні здобутки в досягненнях у 18 середніх школах, поряд із обмеженим предметним залученням до роботи з тьютором. Автори зазначають, що ці здобутки нагадували ті, які асоціюються зі структурованою практикою без ШІ. Це створює докази про впроваджений навчальний пакет, але не виокремлює чітко приріст, який забезпечує його ШІ-компонент.

Проблема, що лежить в основі, є такою ж концептуальною, як і емпіричною. «ChatGPT» називає інструмент, а не метод, і Weidlich та співавтори (2025) проаналізували 19 порівнянь використання ChatGPT в освіті, щоб показати, чого це коштує: лише 4 (21%) конкретизують усі три з відтворюваного втручання, операціоналізованого контролю та дійсного показника навчання (74% — добре визначене втручання, 42% — добре визначений контроль, 53% — результат навчання). Їхній ширший висновок полягає в тому, що коли новий ШІ впроваджується поряд із новими видами діяльності, зворотним зв’язком або дизайном інтерфейсу, носій і метод змішуються, і жоден ефект не може бути віднесений до ШІ.

Тому дослідженням потрібно більше порівнянь із сильними, реалістичними альтернативами без ШІ, утримуючи навчальний план, можливості для практики та підтримку максимально сталими. Незалежні реплікації мають перевіряти, чи зберігаються результати при зміні закладу, викладача, предмета та моделі. Як підкреслює сторінка Методи дослідження ефективності, різні методи відповідають на різні питання: якісні та дизайн-орієнтовані дослідження допомагають пояснити впровадження, тоді як належно спроектовані експерименти зміцнюють причинові твердження.

2. Відстеження стійкого навчання та незалежної здатності в часі

Покращена робота під час використання ШІ не обов’язково є доказом навчання, яке зберігається після припинення допомоги. У синтезах Навчальні здобутки та Когнітивне розвантаження послідовно відрізняють допоможену продуктивність від утриманих знань, незалежного міркування та перенесення на незнайомі завдання.

Дослідження Making AI Tutoring Productive ілюструє проблему вимірювання. У рандомізованому експерименті за участі понад 6 000 учнів середніх шкіл правило опанування «три правильні відповіді підряд» підвищило успішність, визначену платформою, не створивши саме по собі вимірюваних навчальних здобутків через тиждень. Найпереконливіші докази з відстроченого тестування з’явилися тоді, коли ШІ було вбудовано в процес опанування і зосереджено на відпрацьованому матеріалі.

Залишкова прогалина стосується траєкторій розвитку здатностей, а не просто ще одного фінального тесту. Дослідження мають вивчати утримання знань протягом місяців, перенесення між завданнями, продуктивність після зняття допомоги та точність здобувачів в оцінюванні власних знань. Вони також мають відрізняти невміння опанувати навичок від погіршення вже сформованої навички. Дослідження розвантаження мають перевіряти, коли делегування підтримує ці траєкторії, а коли витісняє практику, необхідну для їхнього розвитку.

3. Пояснення того, які навчальні компоненти працюють — і чому

«Навчання з підтримкою ШІ» часто поєднує кілька змін: новий зворотний зв’язок, додаткову рефлексію, обговорення з ровесниками, іншу послідовність завдань та змінені стимули оцінювання. Успішний пакет не встановлює, які компоненти необхідні чи який механізм забезпечив результат.

Багатоцільовий експеримент Human-centered GenAI feedback design in higher education дає корисний крок уперед. Серед 1 176 студентів першого курсу конструкції рефлексивного та гібридного зворотного зв’язку перевершили прямий зворотний зв’язок від ШІ за відстроченим перенесенням без участі ШІ. Умова гібриду поєднувала самооцінювання, зворотний зв’язок від ровесників та критику з боку ШІ. Це підтримує вивчення того, як організовано і використовується зворотний зв’язок, замість трактування доступу як втручання.

Подальші дослідження мають виокремлювати внесок і час початку незалежних спроб, самооб’яснення, участі ровесників, коригувального зворотного зв’язку, підказок та поступово зніманої допомоги. Вони мають перевіряти, як ці компоненти взаємодіють із попередніми знаннями та складністю завдання.

Теоретична прогалина, що її супроводжує, не менш важлива: назвати теорію навчання — не те саме, що її перевірити. Дослідження мають пов’язувати теоретичний прогноз із конкретною поведінкою системи та вимірюваним процесом навчання. Статистичне медіювання може інформувати таке пояснення, але саме по собі не встановлює причинового механізму. Див. Розвиток теорії в ШІ в освіті та Скаффолдинг.

4. Валідація показників, автоматизованих суджень та змодельованих здобувачів

Такі конструкти, як «залучення», «критичне мислення», «ШІ-грамотність» та «персоналізація», вимірюються непослідовно. Самоописи можуть описувати уявлення та досвід, але не можуть замінити продемонстровану компетентність. Технічна точність, оцінена експертами якість результатів і навчання студентів також є різними цілями оцінювання. Ці розрізнення є центральними для Освітніх вимірювань та Оцінювання ШІ в освіті.

Особливо важлива прогалина стосується систем ШІ, що використовуються для оцінювання інших систем ШІ. У дослідженні Simulating Students or Sycophantic Problem Solving? змодельовані студенти часто відмовлялися від призначених Хибні уявлення про AI після коригувального зворотного зв’язку, незалежно від того, чи стосувався він цих хибних уявлень. Тому їхні відповіді могли зробити так, щоб неефективне навчання виглядало успішним. Цілеспрямоване навчання покращило показник відповідності в цьому дослідженні, але покращення за цим показником не є тотожним валідації щодо людського навчання.

Дослідження мають установити, які автоматизовані оцінки та змодельовані поведінки прогнозують результати в реальних здобувачів, включно зі здобувачами та умовами, які не використовувалися під час розробки. Людські судження також потребують перевірки: згода між оцінювачами не є автоматично доказом того, що оцінюється правильний конструкт.

Прогалина — це валідація всього ланцюга оцінювання: від поведінки моделі до педагогічного судження, до відповіді здобувача, до освітнього результату.

5. Установлення валідності оцінювання, коли ШІ може створювати та оцінювати докази

ШІ створює дві пов’язані проблеми оцінювання: він може допомагати створювати роботу, що оцінюється, і він може впливати на те, як ця робота оцінюється.

Дослідження бази знань про те, як агенти ШІ виконують оцінювані завдання в LMS документує агентів, які орієнтуються в діючому курсі для студентів бакалаврату й виконують оцінювані види діяльності. Ці демонстрації встановлюють здатність, яка кидає виклик уявленням про докази, створені студентами; вони не встановлюють поширеності такого використання та не скасовують кожного асинхронного оцінювання.

Дослідницьке питання — які конструкції оцінювання досі підтримують захищені висновки про здобувача. Портфоліо, рефлексії, поетапні подання та журнали діяльності самі мають бути валідовані, а не прийматися на віру як такі, що встановлюють авторство чи розуміння. Дослідження мають вивчати поєднання доказів щодо незалежно спостережуваної компетентності, враховуючи доступність, навантаження, приватність та тривожність студентів. Див. Валідність оцінювання.

Для автоматизованого оцінювання дослідження LLMs Do Not Grade Essays Like Humans повідомляє про систематичні розбіжності між моделями з налаштуваннями за умовчанням та людськими оцінювачами. Його результати є специфічними для конкретної конфігурації, але демонструють, чому внутрішньої узгодженості недостатньо.

Корисне концептуальне розрізнення дає дослідження A Human Capability Test for Learning Outcomes in the AI Era: оцінюйте, що здобувачі мають робити самостійно, що їм дозволено виконувати зі ШІ та що вони мають перевіряти та захищати. Це пропонована рамка, яка потребує емпіричної валідації, а не готове рішення для оцінювання.

Дослідження Karr та співавтори (2026) кількісно обґрунтовує, чому виявлення є тупиком. На 642 опублікованих англійських анотаціях два комерційні детектори ШІ при τ = 0,50 позначали легке редагування зі ШІ, що відповідало вимогам, у 38–80% випадків, позначали незмінені оригінали 2023–25 років у 9–15% випадків (не-STEM значно вище за STEM, p < 0,001), а після гуманізації виловлювали менше 4% переписаних текстів із позначкою ШІ (частка хибних від’ємних результатів > 96%). Оцінка, яка штрафує чесну допомогу, пропускаючи ухилення, не може бути основою захищеного висновку про здобувача; прогалина, яку вона виявляє, — це конструкції та докази процесу, які не залежать від такої оцінки.

6. Доведення того, що ШІ-грамотність переходить у відповідальну поведінку

Досліджень втручань у сфері ШІ-грамотності досить для синтезу. Метааналіз AI Literacy Interventions in Education: A Meta-Analysis of Effects and Moderators включає 59 досліджень і 7 211 учасників. У ньому повідомляється про позитивний середній ефект, але зі суттєвою варіацією між дослідженнями та широким інтервалом прогнозування, який охоплює нуль. Результати, орієнтовані на знання, показали сильніші ефекти, ніж результати в навичках, ставленнях або етиці.

Тому гостріша прогалина — не просто розробка нових рамок компетентностей. Це встановлення того, чи змінює навчання грамотності те, як люди діють, використовуючи ШІ.

Чи можуть здобувачі розпізнавати непідтверджені твердження, перевіряти джерела, відкидати оманливі пропозиції, виявляти неналежну згоду та обирати, коли не делегувати? Чи зберігається ця поведінка за тиску часу та чи переноситься на незнайомі системи й дисципліни?

Дослідження мають поєднувати оцінювання на основі продуктивності зі спостереженнями за реальними рішеннями та відстроченим наступним контролем. Вони мають відрізняти концептуальні знання, операційну вправність та критичне судження, не трактуючи їх як взаємозамінні. Синтези ШІ-грамотність та Калібрування довіри дають корисні вихідні точки для цих розрізнень.

7. Розуміння узагальнюваності та справедливих результатів — а не лише рівного доступу

Висновки з одного курсу, закладу, мови чи групи здобувачів часто дають обмежені підстави для рішень деінде. Синтез Обмеження в дослідженнях AIEd ідентифікує це як повторювану проблему. Потрібно більше доказів про те, як навчальні ефекти варіюються за вікових етапів розвитку, дисциплін, попередніх знань, інвалідності, мови та умов забезпечення ресурсами.

Дослідження справедливості має також відрізняти доступ, навички та результати. Синтез Цифровий розрив чітко показує, що надання пристроїв або доступу до інструментів не встановлює рівної здатності отримувати користь.

Наприклад, дослідження Does School-Based AI Education Narrow Readiness Gaps? спостерігало за 752 учнями молодшої середньої школи Гонконгу. Прогалини в психологічній готовності звузилися, тоді як відмінності за об’єктивним тестом ШІ-грамотності збереглися. Усі групи покращили результати, але загальне покращення не усунуло нерівність. Оскільки профілі попереднього навчання не були розподілені рандомізовано, дослідження не встановлює їхніх причинових ефектів.

Власне висвітлення в базі знань також показує, де докази на груповому рівні є неповними, а також нерівномірними. Сторінка Диференційовані ефекти в різних групах здобувачів обліковує літературу за тим, кого вона вивчає: здобувачі другої мови та багатомовні здобувачі й студенти з інвалідністю — найглибші напрями, потім гендерні аспекти та нейровідмінність, тоді як для студентів першого покоління та іноземних студентів у цьому корпусі є по одному дослідженню, а обдаровані й високоуспішні студенти як група фактично не вивчалися, а біженці, іммігранти та переміщені особи не згадуються взагалі. Доказова база такої форми не може відповісти на питання справедливості шляхом агрегування; її потрібно відбирати цілеспрямовано.

Пріоритет досліджень — встановлення, які конструкції зменшують відмінності в продемонстрованій здатності, участі та суб’єктності. Дослідження мають вивчати результати та навантаження для підгруп, а не лише середні здобутки. Дослідження доступності мають відрізняти усунення бар’єрів для участі від заміщення здатності, яку здобувач має розвивати. Див. Справедливість у ШІ в освіті та Доступність.

Потенціал також варіюється всередині однієї національної системи у способах, яких не фіксують категорії управління. Дослідження Adeniranye та співавтори (2026) оцінило інтеграцію ШІ в 45 університетах Нігерії й виявило лише помірне загальне впровадження (M = 4,79, діапазон 1,83–7,83 за десятибальною шкалою), при цьому тип закладу не прогнозував інтеграцію після контролю віку та географії (вік β = 0,43; розташування в південно-західному регіоні β = 0,31). Внутрішні можливості взаємокорелювали на рівні r = 0,79–0,80, а міжнародні співпраці — з партнерствами в галузі на рівні r = 0,74, тому добре пов’язані заклади накопичують наростаючі переваги. Прогалина — перевірити, які конструкції розвитку потенціалу змінюють результати в нових, менш пов’язаних закладах.

8. Визначення того, як контроль має розподілятися між здобувачами, викладачами та агентами

Оскільки системи ШІ планують, ініціюють дії, зберігають пам’ять і координують інструменти, освітнє питання стає конкретнішим, ніж «чи є співпраця люди та ШІ корисною»: хто має контролювати які частини процесу навчання і коли цей контроль має змінюватися?

Огляд Agentic AI in Education: A Scoping Review охоплює 474 дослідження й виявляє обмежену повздовжню валідацію, концентрацію в вищій освіті та STEM, а також слабку інтеграцію освітньої теорії. Лише 29% розглянутих досліджень явно спиралися на освітню теорію — висновок про той корпус, а не про всі дослідження AIEd.

Дослідження мають порівнювати конфігурації, в яких здобувачі або агенти ініціюють допомогу, ставлять цілі, обирають стратегії, відстежують прогрес і приймають остаточні рішення. Вони мають перевіряти, чи може підтримка поступово зніматися в міру розвитку компетентності та чи зберігають здобувачі здатність оскаржувати систему.

Синтези Агентний ШІ та Співпраця люди та ШІ також порушують питання щодо втручання та відповідальності викладача в багатоагентних середовищах. Більшу автономність слід оцінювати як педагогічний вибір у дизайні, а не вважати, що вона сама по собі означає освітній прогрес.

9. Пов’язування педагогічної та реляційної безпеки з реальними освітніми наслідками

Освітня безпека виходить за межі фактичної точності, образливого контенту чи заборонених запитів. Тьютор може дати правильну відповідь, водночас підриваючи можливість здобувача міркувати, підкріплюючи певне хибне уявлення або заохочуючи неналежну залежність. Див. Педагогічна безпека.

Дослідження SafeTutors: Pedagogical Safety in AI Tutoring виявляє такі відмови, як надмірне розкриття відповіді та відмова від скаффолдингу, причому відмов суттєво більше за тестування в кількох ходах. Це висновки Бенчмарк, отримані за конкретних умов тестування, а не оцінки поширеності чи тяжкості шкоди в аудиторіях.

Нерозв’язане питання — як такі відмови впливають на реальних здобувачів за тривалого використання. Які з них дають тимчасове замішання, стійкі хибні уявлення, знижену мотивацію або послаблену незалежну здатність? Які засоби захисту зменшують ці ризики без надмірної відмови чи розчарування?

Довгострокові дослідження мають також вивчати довіру, готовність звертатися по людську допомогу, суб’єктність здобувача та стосунки з ровесниками й викладачами. Ці питання особливо важливі для дітей і потребують досліджень, відповідних до віку, які пов’язують поведінку системи з освітніми та реляційними результатами.

10. Пояснення того, як впровадження, розвиток викладачів та витрати формують результати

Технічна здатність не встановлює, що інструмент використовуватиметься продуктивно чи що професійний розвиток покращить навчання студентів. Пропущене ланку часто йде від підготовки викладачів через змінену практику в аудиторії до результатів студентів.

У дослідженні Pedagogy First, Technology Second, багаторівневому дослідженні 46 викладачів і 2 832 студентів, виявлено, що педагогічні знання про ШІ асоціювалися з уявленнями та намірами студентів, але жоден із вимірюваних компонентів знань викладача не асоціювався напряму з приростом знань студентів про ШІ. Ці асоціації не встановлюють, що конкретне навчальне втручання спричинило б краще навчання.

Дослідження мають з’ясовувати, які поєднання наставництва, узгодження з навчальним планом, рутин перевірки, планування та інституційної підтримки дають стійкі покращення. Вони мають спостерігати здійснюване навчання, а не лише впевненість викладача чи намір ухвалити інновацію. Див. Компетентність викладача в галузі ШІ та Освітній розвиток.

Порівняльна економічна ефективність — ще один пріоритет. Оцінювання мають включати перевірку, коригування, навчання, нагляд, обслуговування та час впровадження — не лише витрати на підписку або використання моделі — і порівнювати забезпечення з підтримкою ШІ з реалістичними альтернативами. Відповідне питання — яку освітню користь дає вся конструкція для тих ресурсів, які вона потребує.

11. Оцінювання управління, приватності та значущої участі

Етичні принципи та рамки управління необхідні, але саме їхнє існування не встановлює, що вони змінюють практику чи захищають здобувачів.

Огляд Identifying the Ethical Values and Norms for Artificial Intelligence in Education розглядає 25 статей і виявляє, що кінцеві користувачі здебільшого є пасивними в розглянутій етичній літературі, а голоси студентів практично відсутні. Він також виявляє напруження між цінностями та асиметрії влади між зацікавленими сторонами. Це опис розглянутої літератури; з цього не слід робити узагальнення, що студенти ніколи не беруть участі в проєктуванні AIEd.

Прогалина в дослідженнях стосується того, які механізми управління дають вимірювану різницю. Чи змінює участь студентів і викладачів закупівлі, дизайн інструментів, правила оцінювання чи засоби правового захисту після помилок? Чи виловлюють процедури людського перевіряння важливі помилки? Чи справді доступні альтернативи використанню ШІ?

Дослідження приватності має також вивчати освітню цінність додаткового збирання даних, а не припускати, що більш детальне спостереження за здобувачем є виправданим. Дослідження можуть порівнювати конструкції, що мінімізують дані, з більш нав’язливими альтернативами, оцінюючи і навчання, і автономію здобувача. Див. Управління ШІ та Приватність.

12. Створення відтворюваних досліджень та достовірних кумулятивних доказів

AIEd стикається з надзвичайно складною проблемою відтворюваності. Дослідження можуть не містити підказок, версій моделей, налаштувань, коду чи навчальних деталей; пропрієтарні системи також можуть змінюватися під час або після втручання. Ці питання задокументовано в Обмеження в дослідженнях AIEd.

Відтворюваність вимагає описувати як модель, так і навчальну конструкцію: навчальні завдання, джерела контенту, дозволені дії, інтерфейс, підтримку викладача, умови оцінювання та зміни під час впровадження. Дослідники мають відрізняти відтворення однієї конфігурації від перевірки того, чи переноситься її педагогічний принцип на іншу. Обговорення звітності на сторінці Методи дослідження ефективності висвітлює цю потребу в прозорих описах.

Синтез доказів вимагає так само порівняльної ретельності. Сторінка Метааналіз та систематичний огляд висвітлює слабкі первинні дослідження, упередженість публікацій, різнорідні втручання та несумісні результати як обмеження для узагальнених висновків.

Один середній «ефект ШІ» може приховувати розрізнення, найбільш необхідні освітянам. Огляди мають відокремлювати допоможену продуктивність від незалежного навчання, відрізняти типи втручань і умови порівняння, а також робити рішення з кодування та аналізу перевірними. Нульові результати, невдалі впровадження та граничні умови є важливими внесками в цю кумулятивну доказову базу.

Література синтезу сама є прогалиною. Форензичний аудит O'Neill (2026) 14 впливових метааналізів виявив, що жоден із них не дав дійсної основи для своїх тверджень: відсутність узгодженого конструкту (інструмент, розглянутий як єдине втручання, та зведені багатовимірні результати), недійсна оцінка упередженості публікацій у всіх 14, вказаний I² між 77,2% і 94,4% у кожному аналізі, що його повідомляв (12 із 13 — понад 80%), та 61% рандомізовано перевірених первинних досліджень із проблемами валідності. Ці 14 аналізів накопичили понад 2 000 цитувань приблизно за 16 місяців, а відкликаний метааналіз досі цитувався як авторитетний у 60% статей, що цитували його після відкликання, без згадки про відкликання. Некритичне сприйняття не обмежується відкликаними роботами: у вибірці з 14 статей, що цитують інший аудитований метааналіз, чия анотація рекламувала великий ефект «освіти зі ШІ», який насправді вимірював навчання студентів самому ШІ, лише 2 цитували його належним чином, 8 читали його як доказ, що інтеграція ШІ покращує навчання, а 4 були хибними в інших відношеннях. Рекомендації аудиту спрямовані саме на цей ланцюг, просячи журнали вимагати повної прозорості даних для метааналізів (протоколи пошуку, закодовані характеристики досліджень, вилучені статистичні дані та код аналізу), просячи редакторів не трактувати публікаційний рекорд як доказ компетентності в рецензуванні та просячи, щоб відкликання були видими всюди, де стаття знаходиться, експортується або цитується. Тому відтворюваність охоплює цілісність ланцюга синтезу, а не лише окремих досліджень.

Викладачі, які хочуть бачити ці питання на рівні аудиторії — які показники та конструкції порівняння використовувати — можуть користуватися методологічними рекомендаціями на сторінці Які міри та методи дослідження може використовувати викладач для оцінювання втручань, пов’язаних зі ШІ?.

Загальний висновок

Центральна потреба досліджень — не просто більше досліджень, які показують, що студентам подобається ШІ, що викладачі економлять час або що робота з підтримкою ШІ отримує вищі оцінки. Це сильніші докази, що відповідають на питання:

Яка освітня конструкція, для яких здобувачів, у якому контексті, через який механізм створює які стійкі людські здатності — і з яким розподілом користі, витрат і шкоди?

Відповідь на це питання вимагає взаємодоповнюючих методів: добре специфікованих експериментів, повздовжнього наступного контролю, валідованих оцінювань, якісного та дизайн-орієнтованого дослідження, цілеспрямованої вибірки з огляду на справедливість та прозорого синтезу. Мета — доказова база, яка пояснює не лише те, чи спрацювало втручання, але й чому воно спрацювало, де воно може дати збій і що освітяни можуть відповідально перенести в інші умови.