Звіт про систематичний відбір (PRISMA 2020 Flow)
Прозорий звіт про всі етапи воронки відбору статей: виявлення академічними реєстрами, скринінг префільтром LLM, повнотекстова оцінка придатності та включення до синтезу з експертною валідацією.
✓ Математичний баланс воронки PRISMA збережено (100% замикання стадій)
Повна відсутність витоку даних: n_вхід = n_вихід + ∑n_вилучено + n_очікує на кожному етапі виявлення, скринінгу, придатності та синтезу.
ID: 16337 →
Screen: 15417 →
Eligible: 2301 →
Included: 78
Експертна валідація та верифікація (Петля смаку / Expert Taste Loop)
Окремо від воронки формальних правил відбору PRISMA: редакційні вердикти автора дайджесту для калібрування якості та активного навчання префільтру.
👍 10
Схвалено у випусках
(14 всього у корпусі)
👎 29
Відхилено з фіксацією причини
(1 до / 18 після аналізу)
Розподіл причин відхилення експертом:
not_novel: 4
not_for_educators: 3
off_topic: 13
too_narrow: 2
duplicate: 5
other: 1
weak_method: 1
📋 Структуроване резюме огляду (PRISMA 2020: пункт 2 — Structured Summary)
Фон (Background): Живий систематичний огляд застосування великих мовних моделей (LLM) та автономних агентів у вищій освіті. Досліджуються інженерні контрзаходи академічної недоброчесності та переосмислення дизайну оцінювання.
Цілі (Objectives): Систематичне виявлення, скринінг та синтез емпіричних доказів щодо надійності, методологічної строгості та викликів усталеному консенсусу в інтеграції GenAI в університетські курси.
Критерії придатності (Eligibility): Статті з наявним повнотекстовим Open Access (PDF/HTML); тематична релевантність R ≥ 4.0; зважений підсумковий бал Score ≥ 5.0.
Джерела інформації (Information Sources): Мультиреєстровий моніторинг: arXiv, Crossref, OpenAlex, Semantic Scholar, ERIC, а також ланцюжки цитувань (forward/backward citation depth 1–2).
Оцінка ризику упередженості (Risk of Bias): Комплексна метрика методологічної строгості (M, 0–10). Валідація відбору на базі подвійної оцінки: Gwet's AC1, стратифікована повнота та ROC AUC.
Синтез та включення (Synthesis): Включено n = 78 верифікованих робіт до постійного огляду із синтезом висновків, обмежень та емпіричних доказів.
🎯 Специфікація пошуку за схемою PICO / PECO (PRISMA 2020: пункти 4–5)
| Компонент | Визначення в протоколі | Критерії включення / виключення |
|---|---|---|
| P (Population) | Вища освіта: університети, коледжі, студенти бакалаврату/магістратури, викладачі та екзаменатори. | Включено: вища та професійна освіта. Виключено: виключно K-12 початкова школа без переносу методології на HE. |
| I / E (Intervention / Exposure) | Застосування сучасних LLM (GPT-4, Claude, Gemini, Llama) та агентських систем для генерації, вирішення тестів, підказок або оцінювання. | Включено: емпіричне тестування та інтеграція LLM. Виключено: загальне символьне AI або застарілий ML без зв'язку з GenAI. |
| C (Comparator) | Традиційні формати оцінювання без ШІ, людська продуктивність або порівняння різних інженерних захистів (guardrails, multi-agent validation). | Включено: наявність бейзлайну, порівняльних когорт або контрзаходів. Виключено: абстрактні оглядові есе без порівняльної бази. |
| O (Outcomes) | Ефективність завдань, проникність екзаменів ШІ, надійність інженерних контрзаходів, зміна критеріїв оцінювання, когнітивні ефекти. | Включено: емпіричні метрики точності, стійкості, складності або психометрії. Виключено: декларативні твердження без верифікації. |
| S (Study Design) | Емпіричні дослідження: контрольовані експерименти (RCT), квазі-експерименти, кейс-стаді, психометричний аналіз, бенчмарки. | Включено: наукові статті з емпіричними даними. Виключено: публіцистичні блоги, прес-релізи, посібники користувача. |
* Зноска: Математична модель префільтрації, показники та формула оцінювання (рубрика v2.3)
Показники та параметри рубрики
| Символ | Критерій оцінювання | Вага / Значення |
|---|---|---|
| M | Методологічна строгість (Methodological Rigor) | wM = 0.32 |
| E | Інженерні контрзаходи (Engineering Countermeasures) | wE = 0.25 |
| C | Виклик консенсусу (Consensus Challenge) | wC = 0.43 |
| N | Новизна (Novelty) | wN = 0.00 |
| R | Тематична релевантність (Topic Relevance, 0–10) | Rmin = 4.0, Rfull = 7.0 |
| Gate | Тематичний бар'єр (Binary Scope Gate) | PASS / FAIL |
| Поріг | Поріг допуску до повнотекстового аналізу | Score ≥ 5.0 |
Релевантність R є мультиплікатором, а не доданком: робота з R < R_min негайно обнуляється, а відмінна робота поза темою не може обійти профільне дослідження.
Математичні формули оцінки (MathML Core)
1. Підсумковий бал префільтрації (Score):
2. Зважена якість за критеріями рубрики (Q):
3. Логічний критерій відсіювання на скринінгу:
Методологія та звітність (PRISMA 2020: пункти 1–15, 23–27)
Тип огляду, мета, критерії (1, 3–5)
Living systematic review: щоденно поповнюваний огляд за автоматизованим відбором. Це інструмент відбору літератури, а не опублікований огляд з мета-аналізом.
Тема (запит до моделі): Validity of educational assessment under generative AI and how to keep it (AI-resistant / AI-resilient assessment). Core: how generative AI changes what grades and test scores mean (validity arguments in the sense of Kane and Messick), assessment redesign, and quantitative methods that detect or model the distortion in assessment and learning data: item response theory, differential item functioning between humans and LLMs, item parameter drift, rater drift, item compromise and preknowledge, score shifts under unsupervised or online conditions (proctored vs unproctored exams, cheating, grade inflation), change-point and concept-drift detection, LLMs as test takers or raters, computerized adaptive testing and automated test assembly. Computational, statistical and engineering work is preferred, but a solid conceptual or empirical education study of assessment under generative AI belongs here too. Detectors of AI-generated text and watermarking are only adjacent to the topic. The audience is university educators and researchers: work about primary and secondary school (K-12) is off topic unless its findings or methods clearly transfer to higher education.
- Включення: наукова стаття з тематичним балом R ≥ 4.0, підсумковий бал ≥ 5.0; доступний легальний повний текст (open access), який прочитано.
- Виключення: не-статті (датасети, код, errata), дублікати й препринти опублікованих робіт, відкликані роботи, K-12 без переносу на вищу освіту, роботи без повного тексту (paywall, помилки завантаження), відхилені експертом (👎, причина фіксується).
- Ручні додавання (origin = manual) обходять бальний скринінг, але проходять оцінку придатності.
Джерела та дата останнього звернення (6)
| Канал | Записів | Останній запис |
|---|---|---|
search — arXiv, OpenAlex, Semantic Scholar, ERIC | 14577 | 2026-11-05 04:05 |
ref — список літератури прочитаних робіт | 1733 | 2026-11-04 10:23 |
manual — додано вручну | 27 | 2026-10-07 12:05 |
Метадані кандидатів із цитувань беруться з OpenAlex; Crossref/Unpaywall — для DOI, версій і відкритих PDF.
Пошукова стратегія (7)
Поточна версія пошуку: v1.0. Робота збігається, якщо в назві чи абстракті є термін з УСІХ груп хоча б одного запиту (АБО всередині групи; без урахування регістру, межі слів).
Запити (групи):
education × ai; psychometrics × ai; integrity × education; drift × education; drift × psychometrics
education: education, educational, student, learner, teacher, lecturer, classroom, university, higher education, school, curriculum, assessment, exam, examination, examinee, test taker, test score, grading, homework, coursework, online course, essay, academic integrity, academic misconduct, plagiarism, cheating, e-learning, MOOC
ai: generative AI, GenAI, large language model, LLM, ChatGPT, GPT-4, chatbot, AI-generated, AI-assisted, AI-resistant, AI-resilient, AI tool, artificial intelligence
integrity: proctoring, proctored, unproctored, non-proctored, remote proctoring, online exam, online test, online testing, exam integrity, testing integrity, academic integrity, academic dishonesty, cheating, contract cheating, grade inflation
psychometrics: item response theory, IRT, Rasch, psychometric, educational measurement, educational testing, differential item functioning, computerized adaptive testing, adaptive testing, automated test assembly, knowledge tracing, automated scoring, automated essay scoring, validity argument, construct validity, assessment validity, predictive validity
drift: parameter drift, dynamic item response, item parameter drift, rater drift, severity drift, concept drift, change point, change-point detection, item compromise, preknowledge, item exposure, test security, aberrant response, person-fit, differential item functioning
Фрази Semantic Scholar: assessment validity generative AI; AI-resilient assessment higher education; AI-resistant assessment design; generative AI exam performance natural experiment; differential item functioning large language models humans; LLM as test taker item response theory; proctored versus unproctored online exam scores; generative AI grade inflation; item parameter drift detection; item compromise preknowledge detection; concept drift knowledge tracing; change point detection educational testing
arXiv: cs.CY, cs.CL, cs.HC, cs.AI, cs.LG, stat.AP, stat.ME. Ліміти результатів на запит: OpenAlex 50, Semantic Scholar 25, ERIC 25. Цитування: глибина 1 від прочитаних і 👍, глибина 2 лише від 👍; сусіди 👍-робіт оминають лексичний фільтр.
| Версія пошуку | Записів (search) | Перший | Останній |
|---|---|---|---|
v1.0 | 14577 | 2026-10-06 | 2026-11-05 |
Процес відбору та автоматизація (8, 9, 11)
- Скринінг анотацій: один автоматичний «рецензент» — LLM (gemini-3.1-flash-lite, gemini-3.5-flash-lite), пачки по 20, моделі чергуються; кожна оцінка зберігається (prefilter_evaluations) з моделлю й версією рубрики.
- Повнотекстовий аналіз і збір даних: gemini-3.8-flash, gemini-3.7-flash, gemini-3.6-flash, prompt
v2.1. Тільки після конвертації PDF у Markdown; без тексту модель не викликається. - Перевірка: кожну цитату код звіряє з текстом (точний збіг після нормалізації); непідтверджені твердження відкидаються.
- Людина: незалежної другої оцінки немає. Власник виносить вердикти 👍/👎 на вибірці кандидатів (50% біля порога, 30% найвищі, 20% випадкові); вони впливають на чергу й few-shot, але не змінюють бал.
- Дані, що збираються (10): суть, метод/дані/вибірка, твердження, обмеження, тип дизайну (assessment_design, psychometric_modeling, natural_experiment, detector_evaluation, survey, rct, quasi_experiment, qualitative, theoretical, review, other), теги, критерії рубрики.
- Ризик упередженості (11): не оцінювався формально (RoB, GRADE не застосовуються); критерій M «методологічна строгість» (0–10) — ранжувальна оцінка, а не інструмент RoB. Ефектів і мета-аналізу (12, 13d–f, 15) не обчислюється: синтез — якісний, у вигляді розборів статей і тегів.
| Модель скринінгу | Оцінено |
|---|---|
gemini-3.1-flash-lite | 7648 |
gemini-3.5-flash-lite | 7240 |
— | 595 |
| Модель аналізу | prompt | Розборів |
|---|---|---|
gemini-3.1-flash-lite | v2.1 | 275 |
gemini-3.6-flash | v2.1 | 150 |
gemini-3.8-flash | v2.1 | 101 |
gemini-3.7-flash | v2.1 | 94 |
Рубрика оцінювання v2.3 (якорі 0–10)
Модель ставить оцінку 0–10 за кожним критерієм; якорі нижче вбудовані в промпт. Формула й ваги — у зносці вище. Зміна якорів чи ваг без нової версії блокується хешем.
| Критерій | Вага | 2 | 5 | 8 |
|---|---|---|---|---|
| Тематична релевантність (R) | × min(1, R/7.0) | No link to education or assessment: image, audio or model watermarking, model IP protection, general NLP benchmarks, AI in industry. | Adjacent: generative AI in education without an assessment focus; academic integrity with no evidence on assessment outcomes; detectors of AI-generated text or of student AI use; general psychometrics (adaptive testing, test assembly, IRT) with no drift, validity or AI angle. | Core: validity of assessment under generative AI (what grades and scores mean when AI is available); how grades shift under unsupervised conditions or cheating (proctored vs unproctored exams, grade inflation); AI-resistant or AI-resilient assessment design; quantitative methods that detect or model distorted assessment or learning data (DIF between humans and LLMs, item parameter or rater drift, item compromise/preknowledge, change-point or concept-drift detection, LLMs as test takers or raters). |
| Методологічна строгість (M) | 0.32 | Vague evaluation, convenience sample of a few dozen, self-report only, no control group or baseline. | Clear dataset or sample (hundreds), standard metrics or validated instruments, comparison with baselines or a control group. | Randomized/controlled or preregistered, large or multi-site/multilingual data, adversarial or robustness checks, effect sizes with uncertainty. |
| Інженерні контрзаходи (E) | 0.25 | No method or countermeasure: describes impact, attitudes or policy only. | A concrete method or countermeasure with an evaluation: statistical test or model, detector, scoring procedure, or an assessment design tried on real cohorts. | A rigorous, reusable method: formal model with guarantees or error control, open code, validated on both real and simulated data. |
| Виклик консенсусу (C) | 0.43 | Reconfirms standard wisdom. | Nuances the consensus (e.g. detectors fail under mild paraphrasing; AI use does not harm an outcome it is assumed to harm). | Directly refutes high-profile claims with rigorous evidence. |
| Новизна (N) | 0.00 | Replicates well-known findings (another survey of student attitudes to ChatGPT, another test of one detector on a handful of prompts). | New dataset, benchmark, population or setting, or a previously untried technique. | Fundamentally new attack or defence, a theoretical/impossibility result, or a finding that changes how the field frames the problem. |
Оцінки між якорями інтерполюються моделлю. Бал глибокого аналізу рахує код за тією ж формулою з criteria_breakdown.
| Версія рубрики | Оцінено робіт |
|---|---|
v2.0 | 261 |
v2.1 | 183 |
v2.2 | 20 |
v2.3 (поточна) | 15019 |
Валідація скринінгу: вимірювання надійності та згоди
Еталон — вердикти 👍/👎 експерта. Обчислюються повні метрики систематичних оглядів PRISMA: повнота, специфічність, NPV, F₁, F₂, ROC AUC, DOR, парадокс-імунна Gwet's AC₁ та згода балів.
| Показник | Значення | Що це означає |
|---|---|---|
| Повнота на seed-наборі | 50% (1/2), 95% CI 9–91% | Частка 👍-робіт, доданих вручну (в обхід скринінгу), чий бал ≥ порога 5.0. Незміщена оцінка чутливості на цьому наборі. |
| Оцінена повнота корпусу | 100% (100–100%) | Постстратифікація за смугами балу з оціночних вердиктів; консервативний інтервал. Пропущено релевантних ≈ 0 (0–0). Не оцінено (мало вердиктів у смузі): 13143 відсіяних робіт. |
| Чутливість (Sensitivity / Recall) | 100% (12/12), 95% CI 76–100% | Частка релевантних (👍), успішно пропущених скринінгом: TP / (TP + FN). |
| Специфічність (Specificity) | 20% (4/20), 95% CI 8–42% | Частка нерелевантних (👎), успішно відсіяних скринінгом: TN / (TN + FP). |
| Точність (Precision / PPV) | 43% (12/28), 95% CI 27–61% | Частка схвалених експертом серед тих, що пройшли скринінг: TP / (TP + FP). |
| Негативна прогностична цінність (NPV) | 100% (4/4), 95% CI 51–100% | Частка справді нерелевантних серед робіт, відсіяних скринінгом: TN / (TN + FN). Мінімізує ризик втрати цінних робіт. |
| F-міри (F₁ та F₂) | F₁: 0.60 · F₂: 0.79 | F₂ надає ваги повноті (чутливості) вдвічі більше за точність — ключова метрика безпеки відсіювання для PRISMA. |
| Збалансована точність | 60.0% | Середнє арифметичне чутливості та специфічності ((Sens + Spec) / 2), нечутливе до дисбалансу класів. |
| Діагностичне відношення шансів (DOR) | 6.82 | DOR = (TP · TN) / (FP · FN) із поправкою Haldane-Anscombe. Міра загальної дискримінаційної спроможності скринінгу. |
| ROC AUC | 0.65 (95% CI 0.43–0.84) | Імовірність, що 👍-робота отримала вищий бал, ніж 👎 (0,5 = випадково). Довірчий інтервал обчислено DeLong / Bootstrap. |
| Надійність згоди (Gwet's AC₁ та Cohen's κ) | — | Gwet's AC₁ є парадокс-імунною мірою згоди між моделями на спільних статтях, що не занижується при сильному дисбалансі класів (коли 80–90% відсіюється). |
| Неперервна згода балів моделей |
MAD: — r Пірсона: — |
MAD (середня абсолютна різниця балів) та кореляція Пірсона r між оцінками моделей скринінгу на спільній вибірці. |
| Смуга балу | Робіт | З вердиктом | 👍 | Частка 👍 |
|---|---|---|---|---|
| 0.0–2.0 | 8497 | 2 (замало) | 0 | 0% |
| 2.0–4.0 | 3550 | 0 (замало) | 0 | — |
| 4.0–5.0 | 1096 | 2 (замало) | 0 | 0% |
| 5.0–6.0 ✓ | 1251 | 3 | 2 | 67% |
| 6.0–8.0 ✓ | 996 | 23 | 8 | 35% |
| 8.0–10.0 ✓ | 30 | 2 (замало) | 2 | 100% |
| Модель скринінгу | Seed-повнота | AUC | Sens / Spec | Prec / NPV | F₁ / AC₁ | 👍 / 👎 (TP/FP/FN/TN) |
|---|---|---|---|---|---|---|
gemini-3.1-flash-lite |
50% (1/2), 95% CI 9–91% | 0.63 | 100% (12/12), 95% CI 76–100% / 16% (3/19), 95% CI 6–38% | 43% (12/28), 95% CI 27–61% / 100% (3/3), 95% CI 44–100% | 0.60 / 0.05 | 12 / 19 (12/16/0/3) |
gemini-3.5-flash-lite |
— | — | — / 100% (1/1), 95% CI 21–100% | — / 100% (1/1), 95% CI 21–100% | — / 1.00 | 0 / 1 (0/0/0/1) |
— |
— | — | — / — | — / — | — / — | 0 / 0 (0/0/0/0) |
Щоб звузити інтервали, оцінюйте роботи з нижніх смуг: вибірка кандидатів у /admin/taste бере 20% випадкових робіт. Оцінки оновлюються автоматично з кожним вердиктом.
Оцінка методологічної строгості та розподіл дизайнів (11, 18)
Критерій строгості M (0–10) оцінюється під час повнотекстового аналізу. Розподіл дизайнів базується на верифікованій класифікації емпіричних робіт.
Середня строгість (M)
6.60 / 10
Проаналізовано робіт: 610
Розподіл рівнів строгості
🟢 Висока строгість (M ≥ 7.0): 316
🟡 Помірна строгість (4.0 ≤ M < 7.0): 277
🔴 Низька строгість (M < 4.0): 17
| Дизайн дослідження (Study Design) | Кількість робіт |
|---|---|
psychometric_modeling | 236 |
other | 42 |
theoretical | 27 |
rct | 13 |
assessment_design | 157 |
natural_experiment | 4 |
quasi_experiment | 54 |
detector_evaluation | 41 |
survey | 7 |
review | 17 |
experimental | 1 |
qualitative | 11 |
Чек-лист відповідності PRISMA 2020 (усі 27 пунктів)
Повний аудит відповідності огляду чек-листу PRISMA 2020 (Page et al., 2021) для автоматизованих систематичних оглядів.
| № | Розділ / Пункт | Вимога чек-листа | Статус | Реалізація в системі |
|---|---|---|---|---|
| 1 | Title | Ідентифікація як живий систематичний огляд | ✓ Впроваджено | Заголовок сторінки, метадані звіту |
| 2 | Abstract | Структуроване резюме (фон, цілі, методи, результати) | ✓ Впроваджено | Блок #prisma-abstract (пункт 2 вище) |
| 3 | Rationale | Обґрунтування огляду в контексті існуючих знань | ✓ Впроваджено | Опис теми, цілей та потреби в контрзаходах |
| 4 | Objectives | Чітке формулювання питань за схемою PICO / PECO | ✓ Впроваджено | Блок #pico-framework (таблиця PICO вище) |
| 5 | Eligibility criteria | Критерії включення та виключення, мова, дати | ✓ Впроваджено | Пороги R ≥ 4.0, Score ≥ 5.0, Open Access |
| 6 | Information sources | Бази даних, реєстри, дати останнього запиту | ✓ Впроваджено | arXiv, Crossref, OpenAlex, Semantic Scholar, ERIC, цитування |
| 7 | Search strategy | Повна стратегія пошуку, булеві оператори, версії | ✓ Впроваджено | search_version, повні групи термінів, API limits |
| 8 | Selection process | Процес скринінгу, автоматизація, дублювання оцінок | ✓ Впроваджено | LLM скринінг з ротацією моделей + редакційна петля смаку |
| 9 | Data collection | Методи отримання даних з повнотекстових звітів | ✓ Впроваджено | PDF → Markdown парсинг, deep analysis prompt v2.1 |
| 10a-b | Data items | Перелік змінних, результатів та характеристик | ✓ Впроваджено | Суть, вибірка, дизайн, емпіричні твердження, контрзаходи |
| 11 | Study risk of bias | Оцінка методологічної якості досліджень | ✓ Впроваджено | Критерій строгості M (0–10), розподіл рівнів якості |
| 12 | Effect measures | Міри величини ефекту (RR, OR, MD) | — Обґрунтовано N/A | Якісний синтез та живий дайджест без мета-аналізу ефектів |
| 13a-f | Synthesis methods | Критерії об'єднання та методи синтезу | ✓ Впроваджено | Тематична кластеризація за тегами, порівняльні картки |
| 14 | Reporting bias | Оцінка зміщення звітності (публікаційне зміщення) | ✓ Впроваджено | Аналіз Paywall-виключень та відкритого доступу |
| 15 | Certainty assessment | Оцінка впевненості у доказах | ✓ Впроваджено | Автоматична верифікація цитат із тексту робіт |
| 16 | Study selection | Результати відбору (PRISMA воронка, числа) | ✓ Впроваджено | 100% замикання стадій: n_вхід = n_вихід + ∑n_вилучено |
| 17 | Study characteristics | Характеристики включених робіт у таблиці | ✓ Впроваджено | Інтерактивна таблиця з DOI, журналами, роками та тегами |
| 18 | Risk of bias in studies | Результати оцінки ризику упередженості | ✓ Впроваджено | Таблиця розподілу строгості M та дизайнів досліджень |
| 19 | Results of individual studies | Результати для кожної окремої статті | ✓ Впроваджено | Публічні сторінки /doi/{doi} з повними розборами |
| 20a-d | Results of syntheses | Результати тематичного синтезу | ✓ Впроваджено | Щоденні випуски дайджесту, RSS-канал, тегові вибірки |
| 21 | Reporting biases | Фактичні дані щодо виявлених зміщень | ✓ Впроваджено | Paywall n=320, відкликані n=0 |
| 22 | Certainty of evidence | Підсумкова надійність масиву доказів | ✓ Впроваджено | Gwet's AC₁, Cohen's κ, стратифікована повнота та ROC AUC |
| 23a-d | Discussion | Обговорення, обмеження методів та висновки | ✓ Впроваджено | Блок обмежень (пункти 23b, 23c) у методології |
| 24a-c | Registration & protocol | Реєстрація, доступ до протоколу, зміни | ✓ Впроваджено | Відкритий репозиторій, журнал версій search_ver та рубрик |
| 25 | Support | Джерела фінансування огляду | ✓ Впроваджено | Безкоштовні відкриті рівні API (Gemini/OpenAlex) |
| 26 | Competing interests | Заява про конфлікт інтересів | ✓ Впроваджено | Конфлікти відсутні, зафіксовано в методології |
| 27 | Data & code availability | Доступність даних аналізів, коду та матеріалів | ✓ Впроваджено | Експорт у CSV / JSON (кнопки нижче), відкритий код |
Обмеження (23b, 23c)
- Лише open access: платні статті не потрапляють до синтезу, тож вибірка зміщена в бік відкритих і препринтів.
- Скринінг ранжує за якістю й новизною, а не лише за придатністю, тож вибірка зміщена до робіт, що оскаржують консенсус. Валідність виміряно щодо одного експерта (див. вище); один LLM-рецензент, упередження моделей і різниця між версіями лишаються.
- Лексичний фільтр і ліміти результатів можуть пропускати роботи з іншою термінологією; англомовне зміщення джерел.
- Записи, оцінені давнішою версією рубрики, не перераховуються автоматично (див. таблицю версій).
- Безкоштовна квота Gemini: денні ліміти уповільнюють аналіз, частина відібраних робіт чекає в черзі.
Реєстрація, протокол, зміни, підтримка, дані (24–27)
- Реєстрація: огляд не реєструвався. Протокол — це конфігурація (тема, запити, рубрика, пороги) у репозиторії проєкту; вона відтворюється з цього блоку.
- Зміни протоколу: версії пошуку (search_version) і рубрики (rubric_version), таблиці вище.
- Фінансування: окремого не заявлено, використовуються безкоштовні рівні API. Конфлікти інтересів: не заявлено.
- Дані: аналізи й метадані — на сторінках статей, RSS і sitemap; повні тексти приватні (авторське право) і не публікуються.
Фільтрація за тегами
Виберіть один або декілька тегів для деталізації звіту та перегляду списку статей.
#psychometrics (99)
#Psychometrics (56)
#Item Response Theory (46)
#academic integrity (46)
#item response theory (37)
#Assessment Validity (34)
#assessment validity (34)
#higher education (34)
#Automated Essay Scoring (27)
#Generative AI (27)
#automated essay scoring (25)
#construct validity (25)
#IRT (24)
#Construct Validity (23)
#Academic Integrity (19)
#LLM as rater (19)
#generative AI (19)
#Automated Scoring (17)
#Large Language Models (17)
#Higher Education (16)
#assessment redesign (16)
#assessment_design (16)
#LLM Evaluation (15)
#large language models (14)
#AI-resilient assessment (13)
#LLM as Rater (13)
#assessment design (13)
#automated assessment (13)
#automated scoring (13)
#validity (13)
#academic_integrity (12)
#Assessment Redesign (11)
#ChatGPT (11)
#Prompt Engineering (11)
#assessment-validity (11)
#assessment_validity (11)
#benchmarking (11)
#differential item functioning (11)
#prompt engineering (11)
#GPT-4 (10)
#LLM-as-a-judge (10)
#LLMs as raters (10)
#item_response_theory (10)
#Automated Item Generation (9)
#Computerized Adaptive Testing (9)
#DIF (9)
#Inter-Rater Reliability (9)
#LLM evaluation (9)
#LLMs as Test Takers (9)
#concept drift (9)
#rater drift (9)
#AI-resistant assessment (8)
#Assessment Design (8)
#Differential Item Functioning (8)
#Knowledge Tracing (8)
#Validity (8)
#automated_essay_scoring (8)
#computerized adaptive testing (8)
#construct_validity (8)
#higher_education (8)
| # | Статус / Етап | Стаття | LLM Оцінка | Оцінка експерта |
|---|---|---|---|---|
| 1201 | Не стаття |
PREreview of "Climate warming and urbanization may expand dengue transmission risk in California"
Zenodo (CERN European Organization for Nuclear Research) (2025) · doi:10.5281/zenodo.17995093 · v1.0 |
- | — |
| 1202 | У буфері |
Reimagining Software Engineering Interviews in the AI Era: Beyond LeetCode Toward Real-World Competency Assessment
arXiv/Crossref (2025) · doi:10.55277/researchhub.5y0d69gl.1 · v1.0 |
5.4 (gemini-3.6-flash) | — |
| 1203 | scored |
Advancing Cognitive Behavioural Therapy Progress Tracking: A Study on the Design and Implementation of the Online Platform GRETA
Psychological Reports (2025) · doi:10.1177/00332941251409157 · v1.0 |
0.0 (gemini-3.1-flash-lite) | — |
| 1204 | Відсіяно |
Content, implementation, and evaluation of artificial intelligence literacy education for nursing students : A scoping review
Research Square (2026) · doi:10.21203/rs.3.rs-11042340/v1 · v1.0 |
2.1 (gemini-3.5-flash-lite) | — |
| 1205 | scored |
Digital Humanities
Routledge eBooks (2026) · doi:10.4324/9781351203395 · v1.0 |
0.0 (gemini-3.1-flash-lite) | — |
| 1206 | scored |
Patterns of learner engagement with generative AI in English writing: cognitive effort and critical thinking
Innovation in Language Learning and Teaching (2026) · doi:10.1080/17501229.2026.2730676 · v1.0 |
5.3 (gemini-3.5-flash-lite) | — |
| 1207 | Відсіяно |
Artificial Intelligence and the Risk of Deskilling in Conformity Assessment
Zenodo (CERN European Organization for Nuclear Research) (2026) · doi:10.5281/zenodo.23051440 · v1.0 |
3.6 (gemini-3.5-flash-lite) | — |
| 1208 | scored |
Financial Risk Management Using Artificial Intelligence: Applications, Innovations, and Challenges
Wah Academia Journal of Society Culture and Policy (2026) · doi:10.63954/72n42786 · v1.0 |
0.0 (gemini-3.5-flash-lite) | — |
| 1209 | Відсіяно |
Design Thinking as a Catalyst for Systemic AI Integration in Higher Education: Moving Beyond Fragmented Experimentation
CRC Press eBooks (2026) · doi:10.1201/9781003785538-9 · v1.0 |
1.4 (gemini-3.5-flash-lite) | — |
| 1210 | Відсіяно |
Exploring LLMs and AI Agents for User Stories Production: Lessons Learned from a Classroom Experience | Materials
Figshare (2026) · doi:10.6084/m9.figshare.34030644 · v1.0 |
2.0 (gemini-3.5-flash-lite) | — |
| 1211 | Відсіяно |
Modeling positive and negative attitudes toward artificial intelligence among physiotherapy students: The role of literacy, anxiety, beliefs, and emotions
Work (2026) · doi:10.1177/10519815261492327 · v1.0 |
2.1 (gemini-3.5-flash-lite) | — |
| 1212 | scored |
NAVIGATING THE ALGORITHM FEED: A CRITICAL MEDIA LITERACY FRAMEWORK FOR THE AI ERA
Eko-Konnect Research and Education Initiative (2026) · doi:10.20370/h9jr-5522 · v1.0 |
0.0 (gemini-3.5-flash-lite) | — |
| 1213 | Відсіяно |
Improving AI prompt literacy: experimental evidence on the effect of an online tutorial among university students
Journal of Learning Development in Higher Education (2026) · doi:10.47408/jldhe.vi41.2005 · v1.0 |
3.6 (gemini-3.5-flash-lite) | — |
| 1214 | scored |
Branding Strategies For Islamic Educational Institutions: The Use Of Digital Marketing And Influencer Marketing To Attract Gen Z Prospective Students To Islamic-Based Schools
Labina Journal of Islamic Education Management (2026) · doi:10.66891/5brb6v48 · v1.0 |
0.0 (gemini-3.5-flash-lite) | — |
| 1215 | scored |
From Joint to Differentiated Liability: Reforming Ukrainian Medical Law in Light of the EU AI Act and the Estonian Experience
Access to Justice in Eastern Europe (2026) · doi:10.33327/ajee-18-9.4-a0002009 · v1.0 |
0.0 (gemini-3.5-flash-lite) | — |
| 1216 | scored |
Exploring Pathways for Artificial Intelligence Applications in Rural Areas: A New Mechanism for Youth Participation in Rural Revitalization
Innovative Applications of AI (2026) · doi:10.70695/iaai202603a6 · v1.0 |
0.0 (gemini-3.5-flash-lite) | — |
| 1217 | Відсіяно |
Effectiveness of AI-Supported Learning in English Vocabulary Acquisition among Undergraduate Learners: A Quasi-Experimental Study
Zenodo (CERN European Organization for Nuclear Research) (2026) · doi:10.5281/zenodo.23051884 · v1.0 |
3.6 (gemini-3.5-flash-lite) | — |
| 1218 | scored |
AI-based Recruitment and Candidate satisfaction: The Mediating Roles of Trust and Perceived Fairness in the Indian IT Sector
ECONOMICS FINANCE AND MANAGEMENT REVIEW (2026) · doi:10.36690/2674-5208-2026-3-126-137 · v1.0 |
0.0 (gemini-3.5-flash-lite) | — |
| 1219 | scored |
Generative Artificial Intelligence and the future of society: a multidisciplinary analysis of economic transformation, human behavior, education, and digital governance
Aposta (2026) · doi:10.23900/ra.v24i120.2177 · v1.0 |
0.0 (gemini-3.5-flash-lite) | — |
| 1220 | scored |
Beyond Compilation: an Empirical Framework-aware Assessment of Security and Reliability in Spring Boot Applications Generated with Large Language Models
Zenodo (CERN European Organization for Nuclear Research) (2026) · doi:10.5281/zenodo.23066918 · v1.0 |
0.0 (gemini-3.5-flash-lite) | — |
| 1221 | Не стаття |
Artificial Intelligence in Education
Encyclopedia of Education and Information Technologies (2019) · doi:10.1007/978-3-319-60013-0_107-1 · v1.0 |
- | — |
| 1222 | scored |
Generative AI-Driven Knowledge Base Question Answering with Differentiable Knowledge Graphs for Sustainable Engineering Education
IEEE Global Engineering Education Conference (EDUCON) (2026) · doi:10.1109/educon67543.2026.11574212 · v1.0 |
0.0 (gemini-3.1-flash-lite) | — |
| 1223 | scored |
You've got this! The fundamental values of academic integrity
Canadian Perspectives on Academic Integrity (2021) · doi:10.55016/ojs/cpai.v4i1.72845 · v1.0 |
0.0 (gemini-3.1-flash-lite) | — |
| 1224 | Відсіяно |
Generative AI as a Catalyst for Transforming Transnational Engineering Education: Opportunities, Challenges, and Future Directions
IEEE Global Engineering Education Conference (EDUCON) (2025) · doi:10.1109/educon62633.2025.11016469 · v1.0 |
1.4 (gemini-3.1-flash-lite) | — |
| 1225 | scored |
Riding the Generative AI Tsunami: Addressing the Teaching and Learning Crisis in Higher Education
Springer eBooks (2024) · doi:10.1007/978-3-031-54509-2_8 · v1.0 |
0.0 (Flash Lite) | — |
| 1226 | scored |
Full-Spectrum Epidemiological Characteristics of Mycoplasma pneumoniae Infection Across All Age Groups and Healthcare Settings: A Citywide Population-Based Study in Jinhua, China, 2023–2025
Research Square (2026) · doi:10.21203/rs.3.rs-9666517/v1 · v1.0 |
0.0 (gemini-3.5-flash-lite) | — |
| 1227 | Відсіяно |
Validation of the Arabic Basic Psychological Need Satisfaction and Frustration Scale Among Pre-Service and In-Service Teachers in Kuwait
Research Square (2026) · doi:10.21203/rs.3.rs-9994486/v1 · v1.0 |
2.8 (gemini-3.5-flash-lite) | — |
| 1228 | scored |
Exploring Statistical Change Point Detection Techniques for Performance Anomaly Detection at Mozilla
arXiv (Cornell University) (2026) · doi:10.48550/arxiv.2606.18377 · v1.0 |
0.0 (gemini-3.5-flash-lite) | — |
| 1229 | scored |
USING TECHNOLOGY IN LANGUAGE TESTING: OPPORTUNITIES AND CHALLENGES
Zenodo (CERN European Organization for Nuclear Research) (2026) · doi:10.5281/zenodo.20546086 · v1.0 |
0.0 (gemini-3.5-flash-lite) | — |
| 1230 | Не стаття |
Review Matrix of Science Editor Competencies
Zenodo (CERN European Organization for Nuclear Research) (2026) · doi:10.5281/zenodo.20538335 · v1.0 |
- | — |
| 1231 | scored |
El Marco Pedagógico y Operativo del Trabajo GAAPEMC
Zenodo (CERN European Organization for Nuclear Research) (2026) · doi:10.5281/zenodo.20534640 · v1.0 |
0.0 (gemini-3.1-flash-lite) | — |
| 1232 | Відсіяно |
AI Awareness and Utilization among Undergraduate Students: A Study from North Andhra Region
Zenodo (CERN European Organization for Nuclear Research) (2026) · doi:10.5281/zenodo.20539889 · v1.0 |
2.9 (gemini-3.5-flash-lite) | — |
| 1233 | scored |
The Eight-Fold Bundle of Property Rights, the Evolutionary Emergence of Communal Storage, and the Macro-Dynamics of the Great Hominin Migration
Zenodo (CERN European Organization for Nuclear Research) (2026) · doi:10.5281/zenodo.20547464 · v1.0 |
0.0 (gemini-3.5-flash-lite) | — |
| 1234 | Відсіяно |
Beyond Pedagogy
IGI Global eBooks (2026) · doi:10.4018/979-8-3373-5806-2.ch011 · v1.0 |
1.7 (gemini-3.5-flash-lite) | — |
| 1235 | Відсіяно |
Ethical Dimensions and Issues of Artificial Intelligence Applications in Education: A PRISMA-Informed Systematic Literature Review
International Journal of Educational Sciences and Arts (2026) · doi:10.59992/ijesa.2026.v5n6p1 · v1.0 |
3.8 (gemini-3.5-flash-lite) | — |
| 1236 | Відсіяно |
Artificial Intelligence in Medical Education- Opportunities, Challenges and Ethical Considerations: A Narrative review
Zenodo (CERN European Organization for Nuclear Research) (2026) · doi:10.5281/zenodo.20547592 · v1.0 |
2.7 (gemini-3.5-flash-lite) | — |
| 1237 | Відсіяно |
Should we draw, or should we work with numbers? Investigating proportional reasoning among 5th to 7th graders
Teaching Mathematics and Computer Science (2026) · doi:10.5485/tmcs.2026.15657 · v1.0 |
3.1 (gemini-3.5-flash-lite) | — |
| 1238 | scored |
Temporal trends and moderating effects of sex, curriculum revisions and COVID-19 in the distribution of physical education grades at the lower secondary level in Norway between 2002–2023
Cogent Education (2026) · doi:10.1080/2331186x.2026.2681991 · v1.0 |
5.9 (gemini-3.5-flash-lite) | — |
| 1239 | scored |
From integrity to identity: course-level generative AI governance and scholarly subject formation in graduate education
Frontiers in Education (2026) · doi:10.3389/feduc.2026.1827251 · v1.0 |
5.1 (gemini-3.5-flash-lite) | — |
| 1240 | scored |
Etika Islam dalam Penerapan Sains: Kajian Islam dan Sains
Ar-Rasyid Jurnal Publikasi Penelitian Ilmiah (2026) · doi:10.64788/ar-rasyid.v2i6.386 · v1.0 |
0.0 (gemini-3.5-flash-lite) | — |
| 1241 | Відсіяно |
ChatGPT as Facilitator or Hindrance in Academic Writing: A Systematic Review and Practical Recommendations
JOURNAL OF EDUCATIONAL SCIENCES (2026) · doi:10.31258/jes.10.6.p.679-697 · v1.0 |
2.9 (gemini-3.5-flash-lite) | — |
| 1242 | Відсіяно |
Dialektika Ijtihad, Inovasi, dan Kejujuran Akademik dalam Pembelajaran Ilmu Al-Qur’an dan Tafsir: Studi Kualitatif di STIQ Kepri
Amorti Jurnal Studi Islam Interdisipliner (2026) · doi:10.59944/amorti.v5i2.887 · v1.0 |
2.4 (gemini-3.5-flash-lite) | — |
| 1243 | Відсіяно |
Cultivating Value Orientation and Academic Integrity against the Surveillance of the Digital Panopticon
Research Vidyapith International Multidisciplinary Journal. (2026) · doi:10.70650/rvimj.2026v3i6005 · v1.0 |
2.0 (gemini-3.5-flash-lite) | — |
| 1244 | Відсіяно |
From Literary Texts to Digital Tools: Innovative Approaches in Teaching English Language and Literature
Advanced International Journal of Multidisciplinary Research (2026) · doi:10.62127/aijmr.2026.v04i03.1449 · v1.0 |
2.0 (gemini-3.5-flash-lite) | — |
| 1245 | Відсіяно |
The Impact of Artificial Intelligence on Uzbek Linguistics and Education: Opportunities, Challenges, And Future Prospects
International Journal Of Literature And Languages (2026) · doi:10.37547/ijll/volume06issue06-27 · v1.0 |
2.9 (gemini-3.5-flash-lite) | — |
| 1246 | scored |
Evaluating the ChatGPT-Assisted Learning Method (CALM) for Struggling Readers: The Emergence of the Theory of Distributed Reading Gains
Figshare (2026) · doi:10.6084/m9.figshare.32760843 · v1.0 |
0.0 (gemini-3.5-flash-lite) | — |
| 1247 | Відсіяно |
THE INTERPLAY OF KNOWLEDGE, MOTIVATION, & BEHAVIOR: UNDERSTANDING PLAGIARISM AMONG HIGHER EDUCATION STUDENTS IN WEST BENGAL
INTERNATIONAL JOURNAL OF RESEARCH AND ANALYTICAL REVIEWS (2026) · doi:10.5281/zenodo.20679354 · v1.0 |
2.4 (gemini-3.5-flash-lite) | — |
| 1248 | Відсіяно |
Artificial Intelligence and Academic Integrity in UK Higher Education: A Rapid Literature Review of Emerging Challenges, Institutional Policy Responses, and Future Research Directions
Physical Education Health and Social Sciences (2026) · doi:10.63163/jpehss.v4i2.1400 · v1.0 |
2.9 (gemini-3.5-flash-lite) | — |
| 1249 | Відсіяно |
Academic Integrity and Emotional Responses to Inappropriate LLM Use in Software Engineering Education
arXiv (Cornell University) (2026) · doi:10.48550/arxiv.2606.07830 · v1.0 |
3.3 (gemini-3.5-flash-lite) | — |
| 1250 | У буфері |
EvalYaks: Instruction tuning datasets and LoRA fine-tuned models for automated scoring of CEFR B2 speaking assessment transcripts
Computers and Education Artificial Intelligence (2025) · doi:10.1016/j.caeai.2025.100539 · v1.0 |
6.2 (gemini-3.6-flash) | — |