人工智能與數字教育觀察
AI and Digital Education Spectator

AI預測答對率,能否解釋學生怎樣學?教育心理學提出效度要求

文章檢視AI何時可被視為解釋學習的認知模型,綜合神經網絡、強化學習、認知架構及大型語言模型的研究。作者提出理論根據、量度效度、機制透明、人類學習軌跡、錯誤模式及因果干預等準則,指出單靠準確預測分數不足以解釋學生如何學習。文章屬理論與方法綜述,沒有新學生樣本,所列準則亦不表示現有模型已通過相關驗證。

論文原文

When Can AI Models Explain Learning? Validity Criteria for AI as Cognitive Models in Education
研究及來源資料
研究來自哪裏?
Vrije Universiteit Amsterdam(荷蘭)、Erasmus University Rotterdam(荷蘭)、Laval University/CERVO Brain Research Centre(加拿大)、Hangzhou Institute of Medicine/Hangzhou Normal University/Chinese Academy of Sciences(出版頁聯列;中國內地)、University of Liège(比利時)、KTH Royal Institute of Technology(瑞典)、Durham University(英國)、Technical University of Munich(德國)
地域視角
世界各地研究 · 跨國研究團隊;無新受試樣本
DOI
10.1007/s10648-026-10202-y
期刊/研討會
Educational Psychology Review
類型
領域評論/理論與方法綜合
地區說明
概念及方法評論,沒有新招募的學校或學生樣本;所列荷蘭、加拿大、中國內地、比利時、瑞典、英國及德國只屬作者機構所在地。
原文日期
2026-07-18
最近核實
2026-09-11
研究來源分類
期刊
作者
Peng Wang、Olga Viberg、Effie Lai-Chong Law、Samuel Greiff
學習階段
跨學段
研究領域
學習與認知、人工智能素養
研究對象
文獻及資料
分類說明
理論與方法評論,未新招募學生;不能把文章讀者或作者列成受試者。