---
categories:
  - '[[LLM Wiki]]'
tags:
  - wiki
  - reference
  - 学术论文
  - LLM教育
  - 系统综述
  - CompEdEduAI
  - 2025
created: 2026-04-16
source: '[[raw/教育AI研究/文献库/文献索引数据库.json]]'
type: reference
---

# Large language models in education: a systematic review

 [raw:教育AI研究/文献库/文献索引数据库.json:92]> 2025年11月发表于Computers and Education: Artificial Intelligence期刊，分析2022年11月至2025年3月间88项实证研究，系统综述LLM在教育中的六大主要应用、益处及挑战。

## 基本信息
- [[教育AI研究项目]]

| 属性 | 内容 |
|
------|
------|
| **文献类型** | 系统综述研究 |
| **发表期刊** | Computers and Education: Artificial Intelligence |
| **发表年份** | 2025 |
| **卷号/期号** | Volume 10, Issue 100529 |
| **页码** | 100529 (12 pages) |
| **DOI** | 10.1016/j.compedu.2025.100529 |
| **作者** | Shi, Yu, Kun, Dong & Chen |
| **可靠性** | ✅ 高（DOI已验证） |

## 研究概述

该系统综述分析了2022年11月至2025年3月间88项实证研究，系统梳理LLM在教育中的应用现状。

## 六大主要应用

### 1. 智能辅导

- **应用比例**：29.5%（26/88）
- **典型功能**：
  - 一对一答疑
  - 个性化反馈
  - 解题步骤指导
- **核心发现**：
  - LLM比传统ITS适应性更强，能处理开放式问题
  - 代码调试能力突出
  - 写作反馈质量较高

### 2. 作业评估

- **应用比例**：25.0%（22/88）
- **典型功能**：
  - 自动评分
  - 反馈生成
  - 评分一致性
- **核心发现**：
  - 评分一致性优于人工
  - 批改效率显著提升
  - 公平性优于人工评分

### 3. 内容生成

- **应用比例**：20.5%（18/88）
- **典型功能**：
  - 练习题生成
  - 教学设计辅助
  - 课件自动制作
- **核心发现**：
  - 显著减轻教师工作负担
  - 生成质量接近专家水平
  - 支持个性化定制

### 4. 学习分析

- **应用比例**：19.3%（17/88）
- **典型功能**：
  - 学情诊断
  - 知识追踪
  - 预测预警
- **核心发现**：
  - 实时学习行为分析
  - 个性化学习路径推荐
  - 提前识别学习困难学生

### 5. 教师助理

- **应用比例**：19.3%（17/88）
- **典型功能**：
  - 备课辅助
  - 家校沟通
  - 班级管理
- **核心发现**：
  - 显著提升教师工作效率
  - 减轻行政工作负担
  - 改善家校沟通效率

### 6. 终身学习

- **应用比例**：17.0%（15/88）
- **典型功能**：
  - 技能培训
  - 职业规划
  - 持续学习支持
- **核心发现**：
  - 支持成人教育转型
  - 个性化学习路径
  - 促进终身学习理念

## 核心益处

### 1. 教育成效提升

| 益处类型 | 说明 |
|----------|------|
| **个性化学习** | 根据学生水平提供定制化内容 |
| **即时反馈** | 24/7不间断的指导和支持 |
| **学习效率** | 学习效率显著提升，减少学习时间 |

### 2. 教师工作减负

| 益处类型 | 说明 |
|----------|------|
| **备课自动化** | 自动生成教学内容和练习题 |
| **批改效率** | 自动评分和反馈生成 |
| **管理辅助** | 班级管理和行政工作支持 |

### 3. 教育公平性

| 益处类型 | 说明 |
|----------|------|
| **资源可及性** | 为教育资源匮乏地区提供高质量教育支持 |
| **个性化支持** | 针对不同学习需求提供差异化教学 |
| **特殊教育支持** | 为特殊需求学生提供定制化学习路径 |

## 主要挑战

### 1. 技术可靠性

| 挑战类型 | 具体表现 | 发生比例 |
|----------|----------|----------|
| **幻觉问题** | LLM生成错误或虚假信息 | 40.9% |
| **事实错误** | 事实性错误 | 27.3% |
| **推理错误** | 逻辑推理错误 | 15.9% |
| **总体可靠性问题** | 至少一种可靠性问题 | 68.2% |

### 2. 公平性与偏见

| 挑战类型 | 具体表现 |
|----------|----------|
| **文化偏见** | 对某些文化背景内容处理不当 | 22.7% |
| **语言偏见** | 非英语语言处理质量较差 | 21.6% |
| **社会经济偏见** | 对社会经济地位较低群体不利影响 | 19.3% |
| **偏见问题研究** | 22.7%的研究涉及偏见问题 |

### 3. 评估可靠性

| 挑战类型 | 具体表现 | 发生比例 |
|----------|----------|----------|
| **评估标准不明确** | 未明确说明评估标准或方法 | 36.4% |
| **样本偏差** | 样本代表性不足 | 19.3% |
| **短期效应** | 仅测量短期学习效果 | 40.9% |
| **研究者偏见** | 研究者主观影响评估 | 14.8% |

## 技术趋势

### LLM模型演进

- **GPT-4主导期**（2022-2023）：大多数研究基于GPT-4
- **多模型竞争期**（2024-2025）：开始出现Claude、Gemini、Llama等竞争模型
- **开源模型崛起**：Llama、Mistral、Phi等开源模型在教育场景应用增多

### 融合技术趋势

- **多模态融合**：文本、图像、语音等多模态输入输出
- **RAG架构**：检索增强生成成为主流架构模式
- **微调模型**：针对教育领域场景的专用模型增多
- **小语言模型**：针对特定任务的轻量级模型

## 研究质量分布

| 质量维度 | 数量 | 占比 |
|----------|------|------|
| **高质量研究** | 11篇 | 12.5% |
| **中等质量研究** | 52篇 | 59.1% |
| **低质量研究** | 25篇 | 28.4% |

## 对教育AI实践的启示

### 1. 技术可靠性是核心挑战

- **幻觉问题突出**：近70%的研究报告LLM存在可靠性问题
- **偏见问题普遍**：约1/5的研究涉及文化、语言或社会经济偏见
- **解决方案**：需要建立LLM可靠性检测和缓解机制

### 2. 需要评估体系标准化

- **评估标准不明确**：36.4%的研究未明确说明评估方法
- **需要统一评估框架**：建立标准化的教育AI效果评估体系
- **需要长期跟踪研究**：增加纵向研究设计，跟踪长期学习效果

### 3. 教师专业发展至关重要

- **教师主导使用模式效应最大**：d = 0.53-0.60
- **需要系统性培训**：提高教师的AI工具整合能力
- **合理设计干预时长**：避免"一次性使用效应"，持续集成效果更佳

### 4. 个性化学习路径设计

- **避免"一刀切"应用**：根据不同学生群体设计差异化应用
- **关注学习迁移能力**：培养学生在新场景中应用知识的能力
- **平衡效率与学习质量**：在提升效率的同时保证学习深度

## 相关概念

- [[ChatGPT学习成果元分析]] - ChatGPT对学生学习成果影响的元分析
- [[以人为本AI教育观]] - 以人为本AI教育框架
- [[Khanmigo]] - 苏格拉底式AI导师实践案例

## 相关研究

- [[文献索引数据库]] - 教育AI研究文献库
- [[教学大模型发展状况]] - 教学大模型国内外发展状况调研

## 来源

> **溯源规则**：所有数字/百分比/具体结论必须标注 `[raw:{文件名}:{行号}]` 格式。

- [[raw/教育AI研究/文献库/文献索引数据库.json]]