Xiaojing

高等教育生成AI的评估和学习成果：关于当前的研究状况和趋势的范围审查

生成人工智能（Genai）影响了高等教育评估和学习成果，这些评估和学习成果紧密相关且交织在一起。文献表明，在高等教育中，教育者和研究人员对学生评估有许多不同的担忧，例如如何评估学生的学习和新的（重新聚焦）学习成果，这些学习成果在基台 - 富度学习环境中出现。为了提供基于证据的见解和回答这些问题，我们通过在相关研究领域整理文献进行了范围审查。在五个阶段的范围审查框架之后，我们进行了协作并编码34项研究。审查中确定的三种评估方法是传统评估，创新和重新集中评估以及与Genai的评估。确定的新的，重新聚焦的学习成果是职业驱动的能力和终身学习能力。审查还表明，大多数研究设计都是定性方向的（例如，具有探索性设计，描述性研究，人种学研究和现象学研究）。本研究提出了一个整体图，显示了当前的研究状况和趋势。它提出了五个未来的研究方向：创新的评估设计，评估方法之间的合作，新的学习成果，评估方法和学习成果之间的关系以及定量或混合研究。对实践或政策的影响：•高等教育中的传统评估方法在Genai时代没有有效运作。•创新和重新关注的评估以及与Genai的评估是评估学生学习的有前途的策略。•以职业为导向的能力和终身学习能力是从使用Genai的新的学习成果。•应进行更多的定量和混合研究，以提供有关Genai对学生评估和学习结果的影响的其他经验证据。关键字：生成AI，评估，高等教育，学习成果，范围评论