人工智能采用对学生在开放式和远程学习中的学业成绩的影响:一个系统的文献审查

科学领域:

• 教育技术的教育技术
• 教育中的人工智能
• 开放式和远程学习

背景情况:

• 人工智能在教育中的作用得到了研究,但它对ODL学术表现的影响未被充分探索.
• 现有的研究往往侧重于一般的学习增强,而不是特定的ODL环境.
• 需要有结构的方法来理解AI在各种教育环境中的确切影响.

研究的目的:

• 系统地审查和评估人工智能采用在ODL环境中的学术表现的影响.
• 确定影响人工智能采用的关键因素及其对学生在ODL中的表现的好处.
• 提出一个基于过程的框架来预测人工智能的教育影响,解决识别的文献差距.

主要方法:

• 从Scopus,谷歌学者和科学网络中对64篇选定的论文 (2017-2023) 进行系统的文献综述.
• 多种方法的元分析,包括机器学习 (29.69%),经典统计 (29.69%),混合方法 (3.13%) 和非实证方法 (40.63%).
• 批判性评估人工智能在提高学习成果和学生在ODL中的表现方面的作用.

主要成果:

• 机器学习和经典的统计方法在预测ODL学业成绩方面很普遍.
• 非实证方法 (理论分析,文献评论) 占审查作品的最大部分.
• 在准确预测人工智能的教育影响的框架中存在很大的差距,特别是在人口统计学方面.

结论:

• 人工智能为学生在ODL中的表现提供了切实的好处,但它的确切影响需要进一步调查.
• 提出了一个基于过程的新框架,以提高对人工智能的教育影响的预测.
• 拟议的框架与联合国教科文组织的2030年目标相一致,旨在促进在开放式开放式教育中获得优质教育的平等机会.