Пять статей из Journal of Computers in Education

В этом тексте представлены пять статьй из журнала Journal of Computers in Education. Давайте посмотрим их вместе.

Файл PDF доступен по ссылкам на источники.

01 «ИИ советует, я решаю»: исследование с использованием сочетания методов, посвящённое грамотности в области ИИ, тревожности и субъектности у учителей EFL, использующих инновации в преподавании на основе ИИ

Авторы:

Милад Надери

Мохаммад Н. Карими

Тема исследования:

Настоящее исследование направлено на проверку модели последовательной медиации, изучающей психологические и когнитивные ресурсы учителей EFL, работающих в современную технологическую эпоху. Мы предполагаем, что грамотность в области ИИ не приводит к инновациям в преподавании, основанным на ИИ, самостоятельно. Вместо этого мы предполагаем, что этот процесс происходит в результате снижения тревоги по поводу ИИ и последующего укрепления автономии учителей.

Аннотация:

Генеративная ИИ переназначила преподавателей английского языка как иностранных языков (EFL) из роли потребителей технологий в роль архитекторов инноваций в преподавании, основанных на ИИ (AITI). Однако мало что известно о психологических механизмах, определяющих успех этого перехода. Это исследование с последовательным смешением методов, основанное на теории самоопределения (SDT) и экологиченой модели агентства учителей, проверяло, действуют ли тревога по поводу ИИ и агентство учителя последовательно как посредники в отношении связи между грамотностью в ИИ и AITI среди преподавателей английского языка как иностранного. На количественной стадии 361 учителя EFL сдали проверенные самоотчеты, проанализированные с помощью моделилирования структурных уравнений. Результаты показали, что грамотность в области ИИ положительно предсказывала AITI как прямо, так и косвенно, причем тревога из-за ИИ и субъектность учителей выступали важными последовательными посредниками. На качественной стадии проведены полуструктурированные интервью с 21 учителем, проанализированные с использованием рефлексивного тематического анализа, которые подтвердили и расширили эти связи. Исследования показали, что тревога возникала в результате профессионального сравнения, а власть учителей выполняла роль целенаправленного установления границ в рамках учебной компетенции ИИ, и, что наиболее важно, что этот психологический процесс происходил в значительной степени без институциональной политики или поддержки, оставляя учителей в одиночку для инноваций. Сводные результаты указывают на то, что развитие грамотности в области ИИ необходимо, но недостаточно; устойчивые инновации требуют институциональной поддержки вместе с личной психологической готовностью.

Ключевые слова:

• Инновации в преподавании, основанные на ИИ

• Интеллект искусственного интеллекта

• Агентство учителей

• Ангизия ИИ

• EFL

• Методы смешанного типа

• Последовательное посредничество

Ссылка:

https://link.springer.com/article/10.1007/s40692-026-00407-z

02 Исследование профилей навыков критического мышления у подростков с помощью нечеткого кластеризации: последствия для развития навыков видеообучения и аналитики обучения

Авторы:

Франсиско Мартин-Гомес

Даниэла Ротелли

Мар Перес-Санагустин

Жюлиен Броисен

Тема исследования:

Настоящее исследование направлено на оценку эффективности цифровой платформы, предназначенной для развития критического мышления через анализ видео. Исследование стремится углубить понимание когнитивных процессов и индивидуальных факторов, влияющих на то, как студенты оценивают онлайн-видео. Это исследование расширяет результаты работы Hémon и соавторов (2025), которые показали, что определенные установки, а именно самоэффективность и эпистемические убеждения, предсказывают способность студентов различать видео в зависимости от их источника.

Аннотация:

В этой статье исследуется, как интегрированные характеристики критического мышления, сочетающие самоэффективность, эпистемальные убеждения и стиль рассуждения, влияют на оценку образовательных видео и решения, связанные с использованием школы, у 1 079 учащихся средних школ. Кластеризация по методу Fuzzy C-Means выявила три различных профили характеристик на каждом уровне образования. В старшей школе выявились два подтипа с высоким уровнем характеристик: интуитивный профиль (высокая самоэффективность, низкое аналитическое рассуждение) и аналитический профиль (умеренная самоэффективность, высокое аналитическое рассуждение). Только аналитический профиль, связанный с высоким критическим мастерством и способностью противостоять предвзятости. Интуитивный профиль, несмотря на высокую уверенность, соответствовал низкому уровню disposition студентов. В средней школе результаты демонстрировали зависимость от интенсивности disposition без коррекции стиля рассуждения. Исследования показывают, что эффективное критическое мышление в старшей школе требует сочетания мотивации и аналитического рассуждения, что указывает на необходимость достижения определенного уровня в позднем подростковом возрасте. Исследование способствует разнообразной педагогике и системам компьютерной поддержки принятия решений (например, платформам аналитики обучения) в цифровом образовании.

Ключевые слова:

• Образование критического мышления

• Видеограмотность

• Самоэффективность

• Эпистемические убеждения

• Когнитивное размышление

• Аналитическое мышление

• Кластеризация Fuzzy C-Means

• Подход, ориентированный на человека

• Аналитика обучения

• Развитие подростка

• Цифровая грамотность

• Образовательное принятие решений

Ссылка:

https://link.springer.com/article/10.1007/s40692-026-00404-2

03 Влияние парного программирования, учитывающего многомерные характеристики студентов, на вычислительное мышление старшеклассников

Авторы:

Цян Цзян, Линь Чжан

Вэйянь Сюн, Ци Ли

Пан Лю, Вэй Чжао

Тема исследования:

Учитывая, что будущие программировательные мероприятия будут все больше включать взаимодействие между людьми и ИИ-системами, понимание способов оптимизации сотрудничества между людьми является важной основой для развития способностей студентов эффективно участвовать в программированиях, осуществляемых с помощью ИИ. Опираясь на эту основу, данное исследование дальше изучает интеграцию этих трех характеристик в метод парного сотрудничества с целью оценки того, приводит ли такая интеграция к добавочному эффекту на эффективность программирования. 

Аннотация:

Хотя проведено много исследований по парному программированию, оптимальный подход к парному обучению учащихся остается недостаточно изученным. Большинство исследований по программированию в системе K-12 сосредоточены на формах парного обучения, но мало или вовсе не уделяют внимание характеристикам учащихся. Данное исследование преодолевает эту проблему, определяя эффективность метода парного обучения, основанного на многомерном слиянии характеристик, в улучшении вычислительного мышления учащихся. Предложенный метод интегрирует алгоритмы парного обучения, основанные на правилах и данных, и включает три ключевые характеристики: личность, навыки обучения и коллаборативные установки. Было использовано регрессионное модель леса случайных деревьев для определения вклада каждой характеристики в прогнозирование и динамическое регулирование весов пар. Затем был применен квазиэкспериментальный дизайн для отбора 104 студентов старших классов в группу случайных пар или группу пар с интеграцией множества характеристик студентов. Затем оценивались результаты студентов в отношении ключевых аспектов вычислительного мышления. Результаты показывают, что навыки обучения занимают наибольшее место в списке важных характеристик, за ними следуют коллективное отношение и личность. Кроме того, группа пар, выбранная по критериям, была значительно более успешной, чем группа случайных пар, во всех направлениях вычислительного мышления, за исключением критического мышления. Результаты интервью также подтвердили эффективность предложенного метода. Это исследование показывает, что характеристики студентов положительно влияют на результаты парного программирования и предоставляет эмпирическую подтвержденность и практические рекомендации для улучшения стратегий парного программирования в системе K-12.

Ключевые слова:

• Парное программирование

• Характеристики студентов

• Вычислительное мышление

• Ученики старших классов

• Лес рандомных деревьев

Ссылка:

https://link.springer.com/article/10.1007/s40692-026-00408-y

04 Восприятие GenAI-поддерживаемого обучения сельскими студентами: роль цифрового капитала

Авторы:

Шуо Гоу, Мин Лю

Юн-Фан Ту, Эрун Лю

Вэй Чжан, Илинг Рен

Чонгронг Сю, Мин Ян

Тема исследования:

Настоящее исследование направлено на изучение представлений сельских студентов на разных уровнях цифрового капитала с использованием анализа рисунков и ENA. Ожидается, что полученные результаты предоставят новые знания для исследователей и педагогов, чтобы разработать соответствующие учебные мероприятия, ориентированные на представления студентов о обучении с поддержкой GenAI. Вопросы исследования перечислены следующим образом:

(1) Каковы общие структуры опытных и идеальных представлений сельских учащихся о обучении, поддерживаемом GenAI?

(2) В чем разница в опыте и идеях обучения, поддерживаемого GenAI, у сельских студентов с разным уровнем цифрового капитала?

Аннотация:

Генеративная искусственная интеллект (GenAI) все больше интегрируется в образование в системе K-12. Однако мало что известно о том, как учащиеся начальных школ в сельской местности воспринимают обучение, поддерживаемое GenAI. Цифровой капитал является важным социокультурным ресурсом, который влияет на формирование и различение учебных концепций учащихся. Таким образом, в данном исследовании изучались концепции 112 учащихся из сельской местности относительно обучения, поддерживаемого GenAI, с использованием анализа рисунков и анализа эпистемных сетей, а также изучалось, как цифровой капитал влияет на эти концепции. Каждый студент создал парные рисунки, представляющие как опытные, так и идеальные контексты, которые были кодированы в 32 элемента в шести категориях. Результаты показали, что:

(1) Опытные представления студентов подчеркивали необходимость сотрудничества с GenAI для изучения математики дома. Однако их идеальные представления видели GenAI как взаимодействующего сопутствующего инструмента диалогического обучения в естественной среде. 

(2) Студенты с высоким цифровым капиталом (HDC) предполагали более разнообразные междисциплинарные приложения, в то время как те с низким цифровым капиталом (LDC) продолжали рассматривать GenAI как функциональный инструмент для поиска информации, связанной с математикой. В целом, данное исследование показывает, как сельские студенты концептуализируют обучение, поддерживаемое GenAI, выявляя ключевую роль цифрового капитала в формировании этих концепций. Результаты исследования предоставляют новые знания для разработки стратегий, ориентированных на студентов и равенство, которые используют GenAI для улучшения сельского образования.

Ключевые слова:

• Генеративная искусственная интеллект

• Сельское образование

• Учебные представления студентов

• Цифровая капитал

• Анализ эпистемической сети (ENA)

Ссылка:

https://link.springer.com/article/10.1007/s40692-026-00405-1

05 Роль ИИ в саморегулируемом обучении: систематический обзор литературы

Авторы:

Ваишали Шрикант Джадхав

Синдху Сингх

Тема исследования:

В данном исследовании проводится систематический обзор экспериментальных и квазиэкспериментальных исследований, посвященных SRL, поддерживаемым ИИ, с целью получения строгого обобщения эмпирических данных для выяснения роли поддержки или препятствий ИИ для различных процессов SRL. Следовательно, данное исследование основано на следующих научных вопросах:

(1) Какова теоретическая основа, используемая при внедрении инструментов искусственного интеллекта для СПО?

(2) Каков контекст обучения и профиль учащихся, которые использовали инструменты ИИ для поддержки SRL?

(3) Какие области саморегулируемого обучения были обеспечены поддержкой инструментов ИИ?

(4) Какие технологии ИИ были использованы для создания конструкции SRL?

Аннотация:

Саморегулируемое обучение (СРЛ) положительно влияет на мотивацию, результаты и учебные достижения учащихся. Недавние достижения в технологиях искусственного интеллекта привели к разработке обучающих технологий, основанных на искусственном интеллекте, для поддержки СРЛ. Сложность инструментов искусственного интеллекта может вызывать когнитивную перегрузку, а повсеместное использование искусственного интеллекта в обучении может влиять на способности к критическому мышлению. Использование инструментов искусственного интеллекта с применением концепций и рамок СРЛ может уменьшить эти проблемы. Темп инноваций в области ИИ и большое количество аспектов и конструкций SRL требуют изучения причинно-следственных связей между процессами SRL и использованием ИИ-инструментов в реальных ситуациях с помощью экспериментальных исследований. Предыдущие исследования в основном сосредоточились на концептуальных рамках и технологических применениях, при этом мало внимания уделялось экспериментальным исследованиям, которые могли бы подтвердить практическую эффективность этих ИИ-инструментов в поддержке SRL в различных учебных условиях, включая неформальные и коллаборативные процессы обучения. Большинство исследований обзора сосредоточились на конкретной технологии ИИ и узкой величине SRL. Используя эти выявленные пробелы, данное исследование SLR проанализировало 41 экспериментальное исследование, чтобы понять теоретическую основу, контексты обучения, типы технологий ИИ, которые используются, и процессы SRL, поддерживаемые различными технологиями ИИ, чтобы определить полезность инструментов ИИ для поддержки SRL и изучить эмпирически доказанные причинно-следственные связи между различными конструкциями SRL и ИИ. Исследование показало, что экспериментальные исследования имели ограниченное применение теорий SRL в контексте SRL, поддерживаемых ИИ, незначительное внимание к неформальным учебным условиям, а также ограниченные инструменты ИИ для обеспечения этапов предварительного планирования и выполнения задач в рамках SRL. Исследование предлагает концепцию ИИ-персон, чтобы понять, как учащиеся взаимодействуют с ИИ-системами, а также рекомендации для будущих экспериментальных исследователей, чтобы справиться с проблемами ограниченной теоретической интеграции, учебных контекстов и процессов SRL. Для повышения показателей завершения обучения и снижения показателей отчуждения в платформах онлайн-обучения в будущих экспериментальных исследованиях необходимо уделить внимание внедрению ИИ для SRL в контекстах неформального обучения.

Ключевые слова:

• Саморегулируемое обучение

• Искусственный интеллект (ИИ)

• Профессиональное обучение

• Онлайн-обучение

• Искусственный интеллект в образовании (AIEd)

Ссылка:

https://link.springer.com/article/10.1007/s40692-026-00406-0

Источник: Журнал JCE, том 13, выпуск 3

Файл PDF доступен по ссылкам на источники.

Источники и материалы для скачивания