Обучение, ориентированное на ученика с помощью ИИ, и академическая самовосприятие и коммуникативная компетентность подростков: исследование с использованием смешанных методов

Краткое содержание

Это исследование с использованием смешанных методов оценивает учебный распорядок с помощью ИИ, ориентированный на ученика, включающий исследования с помощью ИИ, обсуждения с коллегами, разъяснения учителя и самооценку. Исследование сосредоточено на самостоятельно оценённой академической самоконцепции и компетентности в коммуникации, а также предоставляет достаточные процедурные детали для облегчения воспроизведения в классе.

Аннотация

Это классное квазиэкспериментальное исследование с использованием смешанных методов изучало, связано ли обучение, ориентированное на ученика с помощью ИИ, с изменениями в академическом самовосприятии и компетентности подростков в самооценке. Шесть целых классов были распределены либо для обучения с помощью ИИ, либо для обычного обучения, ориентированного на ученика. Это вмешательство интегрировало подсказки с поддержкой ИИ в структурированный цикл обучения, включающий индивидуальный вопрос, обсуждение с коллегами, разъяснения учителя и самооценку. Из 186 зачисленных студентов 174 были оставлены для количественного анализа. Академическая самооценка и компетентность в коммуникативной компетентности, о которой сообщили самостоятельно, были оценены на начальном этапе, сразу после вмешательства и на заранее определённом краткосрочном последующем наблюдении. Качество взаимодействия, самооценка и вовлечённость учащихся измерялись после вмешательства, и 36 студентов приняли участие в полуструктурированных интервью. По сравнению с обычной группой обучения, группа с помощью ИИ показала более значительные исходные улучшения как после вмешательства, так и при последующем наблюдении. Исследовательский анализ процессов показал более высокое качество взаимодействия, самооценки и вовлечённость учащихся в группе с помощью ИИ, а качественные результаты показали, что подсказки с ИИ помогали студентам проверять объяснения, пересматривать ответы и делать самооценку более явной в сочетании с обсуждением сверстников и наставничеством учителя. Поскольку участникам назначались на уровне класса, а результаты в основном сообщались самостоятельно, результаты следует интерпретировать как ассоциации в классе, а не как окончательные доказательства причинного улучшения академической успеваемости.

Введение

Искусственный интеллект (ИИ) становится всё более распространённым в образовательных учреждениях. Однако её учебная ценность остаётся непостоянной, поскольку сам доступ к технологическому инструменту не является по своей сути процессом обучения. Хотя обзоры отмечают достижения в образовательном ИИ, они часто упускают из виду роль учителя и взаимодействие в классе. Это критически важно для подростков, которые активно формируют суждения о компетентности и проверяют идеи вместе со сверстниками. Поэтому обучение с поддержкой ИИ должно реализовываться как осознанная педагогическая система, которая формирует то, как студенты задают вопросы, оценивают и обсуждают, а не служат лишь технологическим знакомством.

Обучение, ориентированное на ученика, предоставляет надёжную основу для решения этой задачи. Отводя студентов от пассивного восприятия, этот подход ставит в приоритет активное участие, вовлечённость в выполнение задач, объяснение между сверстниками и самостоятельное принятие решений. Метааналитические исследования подтверждают, что активные учебные среды, характеризующиеся решением проблем и вовлечённостью студентов, могут значительно повысить академические результаты по сравнению с традиционными^{лекциями. 1}. Тем не менее, обучение, ориентированное на ученика, по своей сути не является эффективным. Она требует достаточно структурированных заданий, чтобы направлять участие, но достаточно гибких, чтобы побудить студентов объяснять, сравнивать и пересматривать идеи. Эта динамика становится ещё сложнее в классах с помощью ИИ. Хотя ИИ может быстро генерировать примеры, объяснения и предложения, отсутствие наставничества учителей и оценки сверстников может заставить учеников принимать эти результаты без критики, рассматривая их как когнитивные короткие пути, а не как сырьё для более глубокого мышления.

Академическое самовосприятие служит весьма актуальным результатом в этом контексте, отражая специфические в области убеждений студентов об их академических возможностях. Предыдущие исследования показали, что академическое самопонимание — это не статическая черта личности, а динамический конструкт, тесно связанный с достижениями и продолжающимся^{образовательным опытом 2}. В данном исследовании оценивается академическая самооценка с целью оценки уверенности студентов в их способности улучшать свою работу. Коммуникативная компетентность служит вторичным результатом, поскольку вмешательство требует от студентов формулировать обоснования и уточнять объяснения с помощью структурированной обратной связи сверстников.

Обратная связь и самооценка являются ключевым образовательным мостом, соединяющим поддержку ИИ с этими целенаправленными результатами обучения. Эффективное формативное оценивание требует от учащихся активного мониторинга прогресса, его оценки по стандартам и реагирования на различия в^{результатах 3,4}. В классе, ориентированном на ученика, с помощью ИИ, подсказки могут генерировать альтернативные объяснения или подсказки для повторения. Однако истинная образовательная ценность этих заданий зависит от того, внимательно ли студенты изучают результаты, обсуждают ли его с одноклассниками и переводят ли их в отточенный ответ. Следовательно, самооценка в данном исследовании реализуется не как расплывчатое отношение, а как конкретное, наблюдаемое поведение в классе, направленное на выявление пробелов в обучении и внесение изменений.

Вовлечённость учащихся играет не менее важную роль в этом цикле обучения. Признанный многомерным конструктом, вовлечённость охватывает поведенческое участие, эмоциональное вовлечение и когнитивные^{вложения 5}. Эта многомерность особенно актуальна для подростков, поскольку поверхностное соответствие не гарантирует глубокой когнитивной обработки. Один студент может механически заполнить рабочий лист без анализа основной логики, в то время как другой может задавать меньше вопросов, но глубоко вовлекаться через постоянный самоконтроль и повторение. Внедрение ИИ теоретически может повысить вовлечённость, предоставляя богатый материал для сравнения и исследований; Напротив, это может снизить вовлечённость, если студенты по умолчанию начнут легко полагаться на автоматизированные результаты. Соответственно, это исследование рассматривает вовлечённость учащихся наряду с качеством взаимодействия и самооценкой, сознательно избегая рассматривать использование ИИ как изолированное событие в классе.

Дебаты вокруг образовательных больших языковых моделей выявляют напряжение между индивидуальной помощью и рисками, такими как чрезмерная зависимость или сокращение усилий при применении без строгих границ. Следовательно, педагогическая хореография учебной рутины так же важна, как и сама технология ИИ. В данном исследовании были включены подсказки с поддержкой ИИ в последовательную пятиступенчатую последовательность класса: инструктаж учителя, индивидуальный запрос, обсуждение с коллегами, разъяснение в целом классе и самооценка. Этот конкретный дизайн намеренно позиционирует выводы ИИ как предварительные материалы, подлежащие строгой проверке и пересмотру, а не как безошибочный итоговый ответ.

Был принят исследовательский дизайн с использованием смешанных методов, поскольку только количественные данные опросов не могут адекватно отразить нюансы жизненного опыта обучения студентов. Подходы с использованием смешанных методов особенно ценны, когда траектории результатов необходимо интерпретировать на фоне опыта участников, условий внедрения и развивающейся динамики в^{классе 6}. В текущем исследовании количественный компонент отслеживал изменения в развитии академического самовосприятия и компетентности в коммуникации. Параллельно качественный компонент изучал, как студенты характеризуют качество взаимодействия, практики самооценки, вовлечённость в задачи и воспринимаемые барьеры во время вмешательства. Эти два потока доказательств были впоследствии интегрированы для оценки соответствия наблюдаемых количественных моделей с опытом учащихся в классе.

Это исследование также устраняет значительный практический пробел в литературе по обучению с помощью ИИ. Хотя множество исследований оценивают результаты, основанные на ИИ, относительно немногие предлагают прозрачный, воспроизводимый протокол в классе, описывающий использование запросов, коллеги-каркас, сравнение контрольных групп, мониторинг достоверности и интеграцию данных с помощью смешанных методов. Десятилетия исследований взаимодействия со сверстниками показывают, что студенты получают значительную пользу, когда объясняют концепции, получают обратную связь от коллег и постоянно совершенствуют своё понимание через диалог⁷. Настоящее исследование опирается на эту фундаментальную логику, исследуя, можно ли успешно интегрировать подсказки, созданные ИИ, в эту диалоговую структуру, не умаляя незаменимых ролей наставничества учителей и сотрудничества со сверстниками.

Соответственно, в этом исследовании рассматривалось обучение с помощью ИИ, ориентированное на ученика, как структурированный протокол в классе, а не как простой опыт работы с инструментом ИИ. Предлагаемый учебный путь заключался в том, что подсказки с поддержкой ИИ сначала предоставляли материал для исследования и сравнения; Обсуждение с коллегами и разъяснения учителя потребуют от студентов проверки, обоснования и доработки этого материала; а последний этап самооценки поможет студентам выявить прогресс и нерешённые пробелы. В рамках этого пути качество взаимодействия, самооценка и вовлечённость учащихся рассматривались как исследовательские переменные процесса, которые могут помочь объяснить, как студенты воспринимали учебный распорядок, а не как подтверждённые медиаторы.

Основные исследовательские вопросы были следующими: Приводит ли протокол, ориентированный на студента, с помощью ИИ, более значительные изменения в академическом самовосприятии и компетентности коммуникативной компетентности, чем обычное обучение, ориентированное на ученика? Являются ли качество взаимодействия после вмешательства, самооценка и вовлечённость учащихся выше в условиях с помощью ИИ? Вторичные исследовательские вопросы были следующими: Показывают ли эти переменные процесса ассоциации с оценками изменения результатов? Сходятся ли качественные темы интервью с количественными результатами, расширяют или усложняют ли их содержание? Поскольку по условиям распределялись целые классы, а не отдельные ученики, все результаты интерпретировались с явной осторожностью в отношении причинно-следственных выводов и кластеризации на уровне класса.

Протокол

Все методы с участием людей-участников проводились в соответствии с институциональными рекомендациями и декларацией Хельсинки. Протокол исследования был пересмотрен и утверждён институциональным экспертным советом городского строительного колледжа Гуанчжоу (одобрение IRB No GZCJ2026A016; дата утверждения: 2 января 2026 года). Утверждённое название исследования было «обучение, ориентированное на ученика с помощью ИИ, и академическое самовосприятие и коммуникативная компетентность подростков: исследование с использованием смешанных методов». Письменное разрешение было получено от участвующей школы перед проведением исследования. Было получено письменное информированное согласие от родителей или законных опекунов, а письменное согласие — от всех участвующих студентов. Студентам сообщили, что участие добровольное и что они могут в любой момент отказаться от участия без академических штрафов. Ни имена, ни контактные данные, идентификаторы школы, ни оценки или другая напрямую идентифицируемая информация не были внесены в платформу ИИ-чат-ботов или включены в публичный набор данных. Все процедуры исследования проводились в утверждённый период с 2 января 2026 года по 2 января 2027 года. Все инструменты и платформы, использованные в этом исследовании, перечислены в Таблице материалов

Дизайн исследования и классные задания

В этом исследовании использовался квазиэкспериментальный смешанный дизайн класса с двумя учебными условиями: группа обучения с помощью искусственного интеллекта, ориентированная на ученика, и обычная группа, ориентированная на ученика. Лонгитюдные измерения проводились в три временных момента: исходный уровень перед вмешательством (T1), сразу после финальной учебной сессии (T2) и на предварительно определённой краткосрочной последующей оценке (T3). Интервал T2–T3 фиксировался в журнале исследования и сохранялся согласованным между рукописями, набором данных, скриптами анализа и метками рисунков. Рисунок 1 обобщает набор, распределение классов, время оценки, исключения и качественную выборку. Поскольку административные и экологические ограничения препятствовали индивидуальной рандомизации, на уровне классов было назначено шесть целых классов, из которых три — в условиях с помощью искусственного интеллекта и три — в условиях сравнения. Каждый класс внес 29 учеников в итоговую аналитическую выборку. Уровень класса, предметная область, последовательность уроков, продолжительность занятий, классные задания, расписание оценки и время контакта с учителями были сопоставимы в зависимости от разных условий. Идентификаторы классов сохранялись для статистических проверок, чувствительных к кластеру.

Набор участников и скрининг на соответствие

Участники набирались напрямую из участвующих целых классов. Студенты и их родители или законные опекуны получили подробный информационный лист с описанием цели обучения, процедур в классе, активности с поддержкой ИИ, расписания анкет, необязательный компонент интервью, защиту конфиденциальности, права на вывод и планы хранения данных. Студенты включались в исследование, если они были зачислены в один из участвующих классов, посещали обычные занятия, давали письменное согласие, получали письменное согласие родителей или опекуна и заполняли базовую анкету перед первой сессией. В то же время студенты исключались из окончательной аналитической выборки, если они переводились из школы, пропускали более 25% сессий вмешательства, предоставляли недействительные анкетные записи или отзывали разрешение на использование данных. Одна из основных причин исключения была задокументирована для каждого исключенного участника. До ввода данных каждому допустимому участнику присваивался уникальный идентификационный код исследования. Были зафиксированы соответствующие демографические и образовательные ковариации, включая возраст, пол, идентификатор класса, базовый диапазон академических результатов, предыдущий опыт обучения с помощью ИИ и базовую знакомость с цифровым обучением. Для статистического отслеживания переменная группы инструкций кодировалась как 0 для условия сравнения и 1 для условия с помощью ИИ.

Учебные материалы и проведение вмешательств

Перед внедрением был разработан учебный блок из шести сессий (Дополнительная таблица 1), каждый классный урок длился 40–45 минут. Одинаковые учебные цели, темы уроков, рабочие листы, задания для обсуждения сверстников, формы самооценки и подсказки для рефлексии применялись в обоих учебных условиях. Структура анкеты, направления по оценке, обратные оценки и итоговые переменные на уровне шкалы соответствовали заблокированной карте оценок из Таблицы 1. Материалы воспроизводимости включали планы уроков (дополнительная таблица 1), листы с подсказками ИИ (дополнительная таблица 2), листы для учителей (дополнительная таблица 3), рабочие листы для учеников (дополнительная таблица 4), формы самооценки (дополнительная таблица 5), контрольные списки наблюдений (дополнительная таблица 6), технические журналы инцидентов (дополнительная таблица 7), руководства по интервью (дополнительная таблица 8) и качественный кодовый сборник (Дополнительная таблица 9). Участвующий учитель проходил обучение с использованием письменного руководства по проведению, охватывающему последовательность сессий, границы использования ИИ, процедуры сравнения групп, требования к конфиденциальности и контрольные списки по точности. Была проведена репетиция со студентами, не участвующими в учебе, для проверки времени выполнения занятий, доступа к устройству, ясности рабочего листа и сложности задания. Инструмент искусственного интеллекта представлял собой институционально одобренный чат-бот на базе ChatGPT, использующий архитектуру GPT-4. Для использования в классе была отключена история чата, память профиля, веб-сёрфинг, плагины, генерация изображений и автоматизированное оценивание. В рукописи используется общий термин «AI чат-бот-платформа» после первого упоминания, чтобы избежать рекламной лексики. Принципы проектирования подсказок были зафиксированы до вмешательства, а использование ИИ ограничилось только уточнением, генерацией примеров, сравнением объяснений, целевой поддержкой правки и подсказками для самооценки. Репрезентативные подсказки, образцы результатов ИИ и примеры модерации учителей были сохранены в составе материалов воспроизводимости.

Каждая сессия с помощью ИИ проводилась в пять структурированных этапов. Сначала был проведён 5-минутный брифинг для учителей, чтобы обозначить цели обучения, объяснить задачи, определить настроенную платформу чат-ботов на базе ИИ и напомнить учащимся, что результаты ИИ являются временными подсказками, а не авторитетными ответами. Студентам строго предписывали не вводить на платформу никакой идентифицируемой личной информации. Затем последовало 10-минутное индивидуальное задание с поддержкой ИИ, в ходе которого студенты использовали подготовленный лист с подсказками для запроса разъяснений, примеров, альтернативных объяснений или предложений по исправлению. Каждый ученик записал используемую категорию заданий, одну полезную идею с поддержкой ИИ, один пункт, требующий проверки, и окончательное решение о принятии. В-третьих, было проведено 12–15-минутное дискуссионное занятие, в ходе которого студенты сравнивали свои идеи, поддерживаемые ИИ, в небольших группах, выявляли неточности и совместно пересматривали свою работу. На этом этапе учитель распространялся по классу, применяя стандартизированное правило модерации, побуждая учеников устно обосновывать свои правки в соответствии с требованиями урока и исправляя ошибочные или чрезмерно уверенные результаты ИИ до завершения. В-четвёртых, была проведена 5–8-минутная сессия разъяснения на весь класс, чтобы разобраться с широко распространёнными заблуждеениями и исправить фактические ошибки. В завершение сессии завершилось 5-минутное самооценочное задание, в ходе которого ученики оценивали свои знания, записывали одно конкретное улучшение и отмечали один нерешённый вопрос. Эта точная оперативная последовательность сохранялась во всех классах вмешательства. Печатные листы с подсказками служили техническими резервными копиями, а технические отклонения, затрагивающие более трети класса, явно фиксировались. Анонимизированные примеры репрезентативных запросов-выводов-модерации были сохранены и задокументированы в дополнительных таблицах 2, 3.

Условие сравнения было реализовано с использованием одинаковой продолжительности сессии, учебных целей, последовательности тем, рабочих листов, интервалов для обсуждения с коллегами, форм самооценки и окон обратной связи от учителей. Однако подсказки, поддерживаемые ИИ, были заменены стандартизированными, подготовленными учителями направляющими, которые обучали студентов объяснять основные концепции, сравнивать примеры, выявлять слабые места и пересматривать свою работу. Идентичная пятиступенчатая структура, включающая инструктаж, индивидуальный опрос, обсуждение коллег, разъяснение по всему классу и итоговую самооценку, строго сохранялась. Никаких дополнительных занятий, внеклассных заданий, длительных периодов обратной связи или других оценочных заданий не предоставлялось ни для одного из этих условий. Посещаемость класса, поведенческие нарушения, замены учителями и неполные компоненты были задокументированы с использованием одного и того же формата логирования для обеих групп.

Сбор данных, мониторинг достоверности и количественный анализ

Оценочные анкеты проводились на начальном, постинтервенционном и последующем интервалах, используя согласованную формулировку заданий, шкалы ответов и правила оценки по всем трём волнам измерения. Инструменты включали проверенные шкалы, оценивающие академическое самовосприятие, коммуникативную компетентность, качество взаимодействия, самооценку и вовлечённость учащихся. Ответы собирались по стандартной 5-балльной шкале типа Ликерта от 1 (сильное несогласие) до 5 (сильное согласие), при этом более высокие баллы указывали на более высокий уровень целевого конструкта. Индивидуальные оценки шкалы рассчитывались как арифметическое среднее допустимых элементов после необходимого обратного кодирования. Недостающие значения задания заменялись средним баллом ученика в той же шкале и волне, при условии, что не более 20% заданий отсутствовали. Шкалы с более чем 20% отсутствующих элементов считались отсутствующими, а данные из полностью отсутствующей волны оценки не учитывались. До проведения статистического анализа исходный набор данных тщательно проверялся на нарушения диапазона, дублирующиеся записи, шаблоны отклика по прямой линии и аномальные сроки завершения. Записи отмечались как недействительные и исключались, если они содержали невозможные числовые значения, инвариантные ответы по всем вопросам или время завершения менее 1/3 медианной продолжительности, если явные журналы класса не подтверждали их подлинность. Основные анализы после вмешательства и последующего наблюдения включали студентов, предоставивших действительные исходные баллы и соответствующие данные результатов после вмешательства или последнего наблюдения, что позволило избежать одностороннего списочного удаления для частично заполненных расписаний. Перед введением данных был создан заблокированный словарь данных для определения имён переменных, меток, диапазонов отклика, пропущенных кодов значений, правил обратного оценивания, волновых идентификаторов и окончательных конструкций на уровне масштаба. Данные анкеты вводились в широком формате, с одной строкой на каждого ученика и суффиксами волн (_T1, _T2, _T3) для различения измеряемых волн. Числовые диапазоны и уникальные записи участников были вычислительно проверены, а закономерности отсутствующих исследовались в группах, классах и волнах по основному журналу посещаемости.

Стандартизированный контрольный список для наблюдения в классе использовался во время каждого учебного занятия для контроля точности реализации. Каждый педагогический компонент оценивался как 0 (не завершён), 1 (частично завершён) или 2 (полностью завершён). Оцениваемые компоненты строго соответствовали пятифазной последовательности обучения, включая инструктаж учителя, индивидуальный запрос, обсуждение с коллегами, разъяснение в классе и заполнение записей по самооценке. Общий процент верности сессии рассчитывался путём деления наблюдаемого балла на максимально возможный результат. Любая сессия, опускавшаяся ниже порога точности в 70%, фиксировалась как отклонение протокола. Для обеспечения надёжности между оценщиками второй обученный наблюдатель независимо оценивал не менее 20% от общего числа сессий. Процентное согласие рассчитывалось по всем статьям, а любые расхождения в рейтингах устранялись путем консенсусного обсуждения, когда первоначальное соглашение опускалось ниже 80%. Технические сбои аппаратного или программного обеспечения фиксировались в отдельных журналах, чтобы отличить их от проблем с точностью инструкций.

Статистический анализ проводился с использованием воспроизводимого скриптового рабочего процесса, в котором случайное семя фиксировалось до проведения выборки или проверок чувствительности. Все статистические тесты были двусторонними, значимость была установлена на уровне p < 0,05. Непрерывные переменные суммировались как средние значения и стандартные отклонения, тогда как категориальные переменные выражались как частоты и проценты. Исходная эквивалентность между когортами оценивалась описательно с использованием t-тестов независимых выборок для непрерывных данных и тестов хи-квадрата для категориальных распределений. Внутренняя согласованность измерялась с помощью альфа Кронбаха, применяя пороги α ≥ 0,70 для общих шкал и α ≥ 0,80 для первичных показателей результатов, а также скорректированные корреляции между пунктами и общим результатом. Базовый аналитический подход служил ANCOVA, скорректированный на базовый уровень. Для каждого первичного результата были подобраны отдельные модели: результат после вмешательства или последующей переменной был указан как зависимая переменная, учебная группа — основным предиктором, а соответствующий базовый балл — обязательным ковариатом. Были включены дополнительные ковариаты (пол, базовый диапазон академической успеваемости и предыдущее воздействие ИИ) для контроля исходных дисбалансов или их теоретической значимости, а также были зафиксированы скорректированные средние различия, 95% доверительные интервалы, стандартные ошибки и значения модели^R2 . Сравнения изменений (T2–T1 и T3–T1) проводились в качестве вторичного анализа с использованием независимых выборок T-тестов Уэлча, при этом размеры эффектов количественно оценивались с помощью d-теста Коэна. Исследовательский анализ процессов оценивал корреляции Пирсона между переменными процесса и изменениями исходов, дополняемые линейными регрессиями с мультипредикторными регресиями с мониторингом коэффициента инфляции дисперсии (VIF) для проверки мультиколлинеарности. Наконец, были внедрены проверки, чувствительные к кластерам, чтобы учесть вложённую структуру студентов в шести целых классах. Оценивались безусловные коэффициенты корреляции внутриклассов (ICC), изменения результатов агрегированы и сравнивались на уровне класса, а первичные расчёты ANCOVA повторялись с использованием стандартных ошибок, устойчивых к кластеру, в качестве исследовательской проверки чувствительности.

Качественная выборка, кодирование и интеграция смешанных методов

Сразу после послеинтервенционного опроса была отобрана целевая подвыборка из 36 студентов для полуструктурированных интервью. В эту качественную когорту входили участники из обеих учебных условий, которые демонстрировали высокие, средние или низкие оценки изменений в академической самоконцепции или коммуникативной компетентности. Полуструктурированное руководство по интервью исследовало опыт взаимодействия в классе, уверенность в объяснении идей, поведение самооценки, вовлечённость в выполнение задач и готовность к общению, используя целенаправленные подсказки для изучения моментов повторения, реакции на неясную обратную связь и вариации вовлечённости. Интервью записывались на аудиозапись только после получения согласия родителей и согласия ученика; в остальном делались структурированные письменные заметки. Все личные имена, номера классов и идентификационные данные были удалены при транскрипции, а транскрипты были связаны с соответствующими количественными идентификаторами. Первоначальная качественная структура кодирования была дедуктивно выведена из конструкций качества взаимодействия, самооценки и вовлечённости учащихся, при этом индуктивные тематические коды добавлялись только тогда, когда данные не соответствовали базовой структуре. Два независимых кодировщика проанализировали не менее 20% транскриптов для проверки надёжности. Были оценены коэффициенты каппы Коэна: значения от 0,61 до 0,80 рассматривались как существенное согласие, а значения выше 0,80 — как сильное согласие. Определения кодовой книги уточнялись, двойное кодирование повторялось всякий раз, когда начальная каппа опускалась ниже 0,61, а окончательные определения вместе с качественной матрицей частот кода архивировались (дополнительные таблицы 9 и 10).

Количественный анализ данных и фреймворки качественного кодирования были завершены независимо перед началом интеграции с использованием смешанных методов. Был структурно сконструирован целостный совместный дисплей, связывающий три количественных переменных процесса с соответствующими качественными темами. Интегрированные результаты систематически классифицировались как сходимость (где шаблоны анкет и темы интервью совпадали), расширение (где качественные нарративы объясняли механизмы, лежащие в основе количественных тенденций) или дивергенцию (когда интервью выявляли уникальные барьеры или неравномерное участие, усложняющие количественные закономерности). Качественные результаты были использованы для контекстуализации процессов в классе, связывая показатели вовлечённости учащихся с темами активного задания вопросов и обсуждения сверстников, а также связывая оценки самооценки с учётом осознания разрывов и стратегических корректировок.

Результаты

Поток участников и характеристики базовой линии

Для исследования была набрана первоначальная группа из 186 студентов из шести целых классов. После скрининга на соответствие, проверки посещаемости и проверки качества ответов 174 студента были привлечены для итогового количественного анализа. Эти участники были распределены равномерно: 87 человек были назначены в группу обучения, ориентированную на учеников с помощью ИИ, и 87 — в обычную группу ...

Обсуждение

В этом исследовании изучалось, связано ли интеграция инструментов с помощью ИИ в обучение, ориентированное на ученика, с изменениями в академическом самовосприятии и компетентности подростков в самооценке. В течение трёхволнового периода наблюдения студенты из группы с помощью ИИ показали больший прогресс в обоих результатах, чем те, кто получал обычные занятия, ориентированные на ученика. Эта траектория была согласована на основе исходных моделей баллов, метрик изменения баллов и моделе...

Материалы

Список материалов, использованных в этой статье

Имя	Компания	Каталожный номер	Комментарии
ChatGPT	OpenAI	https://chatgpt.com	Институционально одобренная платформа, используемая в качестве инструкционного компонента для исследовательских запросов и подсказок студентов.
Grammarly	Grammarly, Inc.	https://www.grammarly.com	Используется при подготовке рукописи для полировки языка и поддержки форматирования
SPSS	IBM Corp.	SCR_002865	Используется для количественного анализа данных, включая анализ ковариансов с корректировкой по базовой линии, t-тесты, корреляции Пирсона и ICC.
NVivo	Lumivero	https://lumivero.com/products/nvivo	Используется для кодирования полуструктурированных транскриптов интервью и вычисления каппы Коэна для независимых кодировщиков.
Qualtrics	Qualtrics, LLC	https://www.qualtrics.com	Используется для проведения опросов на базовом уровне, после вмешательства и в рамках последующее оценки.