对学习障碍学生的基于人工智能的干预措施的有效性:系统审查

科学领域:

• 教育技术
• 教育中的人工智能
• 特殊教育

背景情况:

• 人工智能 (AI) 越来越多地被用于教育,但它对学习障碍 (LD) 的学生的有效性需要彻底评估.
• 目前对学习障碍人工智能干预的研究缺乏严格的方法质量,并存在严重的偏见风险.
• 本次审查重点评估基于人工智能的教学工具对学习障碍学生的有效性和方法严格性.

研究的目的:

• 对学习障碍 (LD) 的学生进行基于人工智能的教育干预措施的有效性进行系统审查.
• 批判性地评估研究中人工智能干预的方法质量和偏差风险.
• 确定最常被研究的人工智能干预和学习障碍类型.

主要方法:

• 按照PRISMA指导方针对七个数据库进行系统的文献搜索 (2022-2025年).
• 基于PICOS实验研究框架的纳入标准.
• 使用ROBINS-I和JBI批判性评估工具进行偏差风险评估.

主要成果:

• 11项研究 (3033名参与者) 符合纳入标准,主要关注阅读障碍和特定学习障碍.
• 个性化/适应性学习系统和基于游戏的学习是常见的人工智能干预措施,所有这些都报告了积极的结果.
• 发现了重要的方法限制,大多数研究具有中等到高的偏差风险;然而,在算术流性和阅读理解方面发现了很大的效果大小.

结论:

• 基于人工智能的干预措施显示出支持有学习障碍的学生的潜力,报告的结果始终是积极的.
• 目前的证据基础有限且可能有偏见,因此需要谨慎地解释研究结果.
• 未来的研究应优先考虑高质量的随机对照试验和纵向研究,以建立明确的证据并探索长期影响.