通过人工智能优化学术参与和心理健康:对LLM在高等教育中的整合进行实验研究

科学领域:

• 教育技术的教育技术
• 教育中的人工智能
• 高等教育教学的教学.

背景情况:

• 联合国教科文组织的可持续发展目标4 (SDG4) 强调包容性教育.
• 大型语言模型 (LLM) 为高等教育提供了变革的潜力.
• 对LLM对学生学业成绩,心理健康和参与度的影响的实证研究是有限的.

研究的目的:

• 调查引导与非引导的LLM使用对学生学术写作质量,心理健康和参与度的影响.
• 将LLM使用与没有AI暴露的对照组进行比较.
• 探索结构化的AI整合如何支持包容性和赋权的学习环境,与联合国教科文组织的"教育未来"愿景保持一致.

主要方法:

• 一项实验性研究涉及246名本科生.
• 随机分配到三个组:引导LLM使用,不受引导的LLM使用,或控制.
• 评估写作质量 (Grammarly for Education),学术参与度和心理健康,控制先前的学业成绩.

主要成果:

• 与对照组相比,指导的LLM使用导致写作质量和学术参与度明显提高.
• 在指导LLM使用时,观察到心理健康指标的适度改善.
• 未经指导的LLM使用显示,写作质量得到了适度提高,但对参与度或幸福感没有显著影响.

结论:

• 有意的教学设计对于教育中有效整合人工智能工具至关重要.
• 在LLM使用结构化指导优化学术成果,并支持学生的福祉和包容性.
• 经验证据支持数字创新在减少教育差距和促进公平学习方面的作用.