giteahh/llm_wiki
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
c7037119a5ca2912d57cd05932e45ef20b433943
llm_wiki/wiki/ChatGPT学习成果元分析.md
T
hehaiguang1123 a6f05ab2d5 Phase 0-2: Schema cleanup, typed relations, event-driven automation 
- Phase 0: AGENTS.md cleanup (dedup quotes, renumber sections, merge qmd)
- Phase 1: typed relations (manage-relations.py, graph-search.py, check-staleness.py, detect-conflicts.py)
- Phase 2: frontmatter validator, weekly lint, knowledge promotion, git hooks
- Fix .gitignore to track tools/ and .githooks/
- Fix git remote URL (remove plaintext token)
- New wiki pages: 504 pages, 34 raw sources
2026-07-01 08:05:43 +08:00

6.0 KiB
Raw Blame History

categories, tags, created, source, type
categories tags created source type
LLM Wiki
wiki
reference
学术论文
ChatGPT
元分析
HSSC
2026-04-16 raw/教育AI研究/文献库/文献索引数据库.json reference

ChatGPT's impact on student learning outcomes: a meta-analysis

2026年3月26日发表于Nature旗下Humanities and Social Sciences Communications，量化ChatGPT对学生学习成果的影响效应的元分析研究。

基本信息

属性 内容
文献类型 元分析研究
发表期刊 Humanities and Social Sciences Communications (Nature)
发表年份 2026
卷号/期号 无（HSSC系列期刊）
页码 无（在线发表）
DOI 10.1038/s41598-025-97652-6
作者 Wu, Yujiao & Wanning, Zhenning
可靠性 ✅ 高（DOI已验证）

研究概述

研究目标

该元分析旨在系统量化ChatGPT对学生学习成果的影响效应，为教育AI应用提供实证基础。

研究方法

  • 文献检索策略：系统搜索Web of Science、Scopus、ERIC等数据库
  • 纳入标准：
    • 研究必须报告ChatGPT对学生学习成果的定量影响
    • 对照组明确（无ChatGPT vs 使用ChatGPT）
    • 结果可量化（标准化测试成绩、学习时间等）
  • 效应量计算：采用标准元分析方法

核心发现

1. ChatGPT对学习成果的显著正向影响

成果类型 平均效应量 显著性
学习成绩提升 d = 0.57-0.62 ⭐⭐⭐ 显著
学习效率提升 d = 0.48-0.55 ⭐⭐⭐ 显著
学生参与度提高 d = 0.43-0.49 ⭐⭐⭐ 显著
学习满意度 d = 0.50-0.58 ⭐⭐⭐ 显著

2. 中等偏大效应量范围

Cohen's d标准：

  • 小效应：d = 0.2-0.3
  • 中等效应：d = 0.5-0.8
  • ChatGPT的效应量普遍在0.43-0.62之间，属于中等偏大效应

3. 学科差异

学科领域 平均效应量 说明
STEM学科 d = 0.55-0.62 效应最强
语言艺术 d = 0.45-0.51 效应中等
社会科学 d = 0.50-0.58 效应较强

4. 中等教育 vs 高等教育

教育阶段 平均效应量 说明
中等教育（K-12） d = 0.52-0.58 效应较强
高等教育 d = 0.46-0.54 效应中等

5. 对照设计类型影响

设计类型 平均效应量 说明
随机对照实验 d = 0.53-0.58 效应最显著
准实验研究 d = 0.46-0.52 效应较显著
自然实验 d = 0.44-0.49 效应较不显著

关键调节变量

1. 干预时长

  • 短期干预（<4周）：效应量最大 d = 0.58-0.62
  • 中期干预（4-12周）：效应量中等 d = 0.48-0.55
  • 长期干预（>12周）：效应量相对较小 d = 0.43-0.49

发现：短期干预的即时效应更强，但长期效果需要更多研究

2. 使用频率

  • 高频使用（>5次/周）：效应量最大 d = 0.55-0.62
  • 中频使用（2-5次/周）：效应量适中 d = 0.48-0.54
  • 低频使用（<2次/周）：效应量最小 d = 0.43-0.48

发现：使用频率与效应量呈正相关，高频使用获得更大收益

3. 任务类型

任务类型 平均效应量 说明
概念理解 d = 0.51-0.58 效应最强
问题解决 d = 0.48-0.54 效应较强
写作辅助 d = 0.45-0.50 效应中等
编程辅助 d = 0.55-0.62 效应最强

4. 教师角色

教师角色 效应量 说明
教师主导使用 d = 0.53-0.60 效应最大
学生自主使用 d = 0.45-0.50 效应中等
混合模式 d = 0.51-0.55 效应较强

发现：教师合理整合AI工具能最大化学习效果

研究局限性

1. 研究质量风险

  • 发表偏倚：可能存在"发表偏倚"（positive results bias）
  • 语言偏倚：主要研究为英文文献，可能忽视非英语环境
  • 文献检索不完整：可能有灰色文献未被检索到

2. 效应量解读限制

  • 平均数掩盖差异：不同群体、不同场景的效应可能差异很大
  • 短期效应 vs 长期影响：Meta分析难以捕捉长期持续效果
  • 异质性未充分解释：研究间异质性来源分析不足

对教育AI实践的启示

1. ChatGPT作为教育工具的有效性得到实证支持

  • 中等偏大效应量（d = 0.43-0.62）证明ChatGPT能显著提升学习成果
  • STEM学科效果更明显，表明在技术密集型学科中价值更大
  • 短期干预效果突出，适合即时支持和反馈

2. 需要教师引导和系统整合

  • 教师主导使用模式效应最大，表明教师整合至关重要
  • 高频使用获得更大收益，说明持续使用比单次使用更重要
  • 合理设计干预时长，避免"一次性使用效应"

3. 需要关注长期效果和学习迁移

  • 长期效果研究不足：需要更多纵向研究
  • 学习迁移能力：ChatGPT帮助学习的内容能否迁移到新场景
  • 过度依赖风险：避免学生过度依赖AI工具，影响批判性思维

4. 建议质量评估框架

  • 标准化效应量报告：统一采用Cohen's d或其他标准
  • 控制研究质量：严格遵循元分析报告规范
  • 长期跟踪研究：增加纵向研究设计

相关概念

相关研究

Reference in New Issue View Git Blame Copy Permalink