Разрывы в применении и теории в период роста искусственного интеллекта в образовании

Учитывая растущую значимость искусственного интеллекта в образовании (AIEd) и отсутствие всестороннего обзора, данное исследование проводит систематический обзор влиятельных работ по AIEd. Мы проанализировали 45 статей по годовому распределению, ведущим журналам, учреждениям, странам/регионам, наиболее часто используемым терминам, а также используемым теориям и технологиям. Мы также оценили определения AIEd в широком и узком смыслах и прояснили взаимосвязь между AIEd, Educational Data Mining, Computer-Based Education и Learning Analytics. Результаты показывают, что: (1) интерес к исследованиям AIEd и их влияние продолжают расти; (2) немногие работы интегрировали технологии глубокого обучения в образовательные контексты; (3) традиционные технологии ИИ, такие как обработка естественного языка, широко применяются в образовании, тогда как более продвинутые методы используются редко; (4) отсутствуют исследования, которые одновременно применяют технологии ИИ и глубоко взаимодействуют с образовательными теориями. На основе полученных данных мы рекомендуем исследователям: (1) изучать потенциал применения ИИ в очных классных условиях; (2) стремиться выявлять детализированные отношения выведения (entailment) между ответами учащихся и желаемым понятийным пониманием в рамках интеллектуальных тьюторских систем; (3) уделять больше внимания внедрению продвинутых алгоритмов глубокого обучения, таких как генеративно-состязательные сети и глубокие нейронные сети; (4) исследовать потенциал NLP для продвижения точного или персонализированного обучения; (5) сочетать биомедицинские методы детекции и визуализации, такие как электроэнцефалография, для исследования проблем учащихся в процессе обучения; и (6) тесно интегрировать применение технологий ИИ с образовательными теориями.