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。
發現資料有誤?提供更正資料