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: 14636 →
Screen: 13766 →
Eligible: 2108 →
Included: 66
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 = 66 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 | 12920 | 2026-11-01 10:22 |
ref — список літератури прочитаних робіт | 1689 | 2026-11-01 10:22 |
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 | 12920 | 2026-10-06 | 2026-11-01 |
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 | 6838 |
gemini-3.5-flash-lite | 6450 |
— | 544 |
| Модель аналізу | prompt | Розборів |
|---|---|---|
gemini-3.1-flash-lite | v2.1 | 275 |
gemini-3.6-flash | v2.1 | 123 |
gemini-3.8-flash | v2.1 | 98 |
gemini-3.7-flash | v2.1 | 91 |
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) | 13368 |
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): 11685 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 | 7533 | 2 (замало) | 0 | 0% |
| 2.0–4.0 | 3164 | 0 (замало) | 0 | — |
| 4.0–5.0 | 988 | 2 (замало) | 0 | 0% |
| 5.0–6.0 ✓ | 1140 | 3 | 2 | 67% |
| 6.0–8.0 ✓ | 915 | 23 | 8 | 35% |
| 8.0–10.0 ✓ | 29 | 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)
6.65 / 10
Проаналізовано робіт: 577
Розподіл рівнів строгості
🟢 Висока строгість (M ≥ 7.0): 307
🟡 Помірна строгість (4.0 ≤ M < 7.0): 256
🔴 Низька строгість (M < 4.0): 14
| Дизайн дослідження (Study Design) | Кількість робіт |
|---|---|
psychometric_modeling | 224 |
other | 41 |
theoretical | 25 |
rct | 13 |
assessment_design | 151 |
natural_experiment | 4 |
quasi_experiment | 53 |
detector_evaluation | 38 |
review | 12 |
survey | 5 |
experimental | 1 |
qualitative | 10 |
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=313, 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 (98)
#Psychometrics (53)
#Item Response Theory (42)
#academic integrity (42)
#item response theory (35)
#higher education (31)
#assessment validity (30)
#Assessment Validity (29)
#Automated Essay Scoring (25)
#construct validity (25)
#IRT (24)
#Generative AI (23)
#automated essay scoring (22)
#Construct Validity (20)
#generative AI (18)
#LLM as rater (17)
#Academic Integrity (16)
#assessment_design (16)
#Automated Scoring (15)
#Higher Education (15)
#Large Language Models (15)
#assessment redesign (15)
#AI-resilient assessment (13)
#LLM Evaluation (13)
#assessment design (13)
#automated assessment (13)
#validity (13)
#LLM as Rater (12)
#academic_integrity (12)
#automated scoring (12)
#large language models (12)
#assessment-validity (11)
#assessment_validity (11)
#benchmarking (11)
#ChatGPT (10)
#GPT-4 (10)
#LLM-as-a-judge (10)
#LLMs as raters (10)
#Prompt Engineering (10)
#differential item functioning (10)
#item_response_theory (10)
#prompt engineering (10)
#Assessment Redesign (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)
#Automated Item Generation (8)
#Computerized Adaptive Testing (8)
#Knowledge Tracing (8)
#computerized adaptive testing (8)
#construct_validity (8)
#higher_education (8)
#AI-Resilient Assessment (7)
#Computer Science Education (7)
#Differential Item Functioning (7)
| # | Статус / Етап | Стаття | LLM Оцінка | Оцінка експерта |
|---|---|---|---|---|
| 251 | Відсіяно |
From Repositories to Practice: LLM-Based Personalization in Programming Education
DROPS (Schloss Dagstuhl – Leibniz Center for Informatics) (2026) · doi:10.4230/oasics.icpec.2026.9 · v1.0 |
3.5 (gemini-3.5-flash-lite) | — |
| 252 | scored |
Large Language Models as Psychometric Raters:Validating an AI-Based Conversational AssessmentTool for Self-Esteem
SSRN Electronic Journal (2026) · doi:10.2139/ssrn.7152638 · v1.0 |
0.0 (Flash Lite) | — |
| 253 | scored |
Development and Validation of the ChatGPT-Based Socratic Opponent Self-Assessment for Pre-Service Teachers
SSRN Electronic Journal (2026) · doi:10.2139/ssrn.7155486 · v1.0 |
0.0 (Flash Lite) | — |
| 254 | scored |
We Are Required to Re-Think the World of AI
Informing Science and IT Education Conference (2026) · doi:10.28945/5794 · v1.0 |
0.0 (gemini-3.1-flash-lite) | — |
| 255 | Відсіяно |
ChatGPT in education: Analysing trust, perception, and review of cognitive impact across social media and educational institutions
AIP conference proceedings (2026) · doi:10.1063/5.0348154 · v1.0 |
2.3 (gemini-3.1-flash-lite) | — |
| 256 | У буфері |
PBAT: A Profile-based Adaptive Testing Framework Powered by LLMs
International Journal of Information and Education Technology (2026) · doi:10.18178/ijiet.2026.16.7.2641 · v1.0 |
2.7 (gemini-3.7-flash) | — |
| 257 | scored |
Ethical Dimensions of Artificial Intelligence Chatbots Use in Rare Disease Diagnosis: A Scoping Review
Canadian Journal of Bioethics (2026) · doi:10.7202/1126619ar · v1.0 |
0.0 (gemini-3.1-flash-lite) | — |
| 258 | scored |
AIVA: A Web-Based AI Powered Virtual Interview and Evaluation System
Best Journal of Innovation in Science Research and Development (2026) · doi:10.67249/739042 · v1.0 |
0.0 (gemini-3.1-flash-lite) | — |
| 259 | Відсіяно |
RAQAMLI TA’LIM SHAROITIDA GENERATIV SUN’IY INTELLEKTGA ASOSLANGAN ADAPTIV PEDAGOGIK MODELNI LOYIHALASH VA METODIK TA’MINOTI
arXiv/Crossref (2026) · doi:10.65164/wrs8cq25 · v1.0 |
4.0 (gemini-3.1-flash-lite) | — |
| 260 | Відсіяно |
AI and the future of teachers: predicting stakeholders’ expectations of teacher job loss from AI-related institutional conditions
Frontiers in Artificial Intelligence (2026) · doi:10.3389/frai.2026.1933015 · v1.0 |
3.3 (gemini-3.1-flash-lite) | — |
| 261 | scored |
Prosocial Motives to Serve in Rural Areas: An Exploratory Study Among Health Profession Education Students
Education in Medicine Journal (2026) · doi:10.21315/eimj2026.18.3.11 · v1.0 |
0.0 (gemini-3.1-flash-lite) | — |
| 262 | scored |
Research Progress on Genotoxicity and Molecular Mechanisms of Environmental Endocrine Disruptors
Toxics (2026) · doi:10.3390/toxics14100882 · v1.0 |
0.0 (gemini-3.1-flash-lite) | — |
| 263 | Відсіяно |
From Digital Divide to AI Divide: A Sociological Study of Educational Inequality in Indian Higher Education
Zenodo (CERN European Organization for Nuclear Research) (2026) · doi:10.5281/zenodo.23055690 · v1.0 |
2.1 (gemini-3.1-flash-lite) | — |
| 264 | scored |
The instructional justification of formal concept entry in science education: a concept genesis framework
Frontiers in Education (2026) · doi:10.3389/feduc.2026.1958667 · v1.0 |
0.0 (gemini-3.1-flash-lite) | — |
| 265 | scored |
Wildlife Conservation: A Bibliometric Analysis
West Science Nature and Technology (2026) · doi:10.58812/wsnt.v4i03.3143 · v1.0 |
0.0 (gemini-3.1-flash-lite) | — |
| 266 | Не стаття |
Generative, Adaptive, and Human-Centered AI: Mapping Indonesian-Affiliated Research on Educational Innovation
Zenodo (CERN European Organization for Nuclear Research) (2026) · doi:10.5281/zenodo.23049432 · v1.0 |
- | — |
| 267 | Відсіяно |
A Hybrid AI-Assisted Framework for Anxiety Support: System Description and Exploratory Findings Among University Students
Behavioral Sciences (2026) · doi:10.3390/bs16101781 · v1.0 |
1.9 (gemini-3.1-flash-lite) | — |
| 268 | scored |
Quantrix–Claude MCP bridge: Model Context Protocol server and embedded HTTP server for AI-assisted analysis of Quantrix Modeler financial models (2025)
Institutional Research Information System (Università degli Studi di Trento) (2026) · doi:10.5281/zenodo.23064177 · v1.0 |
0.0 (gemini-3.1-flash-lite) | — |
| 269 | Відсіяно |
Exploring ChatGPT’s Potential in Argumentative Genre-Based Reading-to-Write Instruction
Foreign Languages Education (2026) · doi:10.15334/fle.2026.33.3.1 · v1.0 |
2.1 (gemini-3.1-flash-lite) | — |
| 270 | scored |
AI-enhanced CT assessment of pancreatic attenuation and visceral fat area: correlation with HbA1c-defined glycemic status
Romanian Medical Journal (2026) · doi:10.37897/rmj.2026.3.6 · v1.0 |
0.0 (gemini-3.1-flash-lite) | — |
| 271 | scored |
Artificial Intelligence in Pregnancy Risk Stratification for Women with Congenital Heart Disease: Beyond CARPREG, ZAHARA, and Modified WHO Risk Scores
Zenodo (CERN European Organization for Nuclear Research) (2026) · doi:10.5281/zenodo.23067603 · v1.0 |
0.0 (gemini-3.1-flash-lite) | — |
| 272 | scored |
CoARA-ERIP proposal to develop three UNESCO Open Science Toolkit contributions on research assessment: Guidance, Factsheet, and Checklist
Zenodo (CERN European Organization for Nuclear Research) (2026) · doi:10.5281/zenodo.23064328 · v1.0 |
0.0 (gemini-3.1-flash-lite) | — |
| 273 | scored |
Research Trends and Thematic Evolution of Gamification in Mathematics Learning: A Scopus-Based Bibliometric Analysis, 2020–2025
Noumerico Journal of Technology in Mathematics Education (2026) · doi:10.33367/jtme.v4i2.9922 · v1.0 |
0.0 (gemini-3.1-flash-lite) | — |
| 274 | Відсіяно |
Responsible use of generative AI in Chinese vocational education: eye-tracking evidence on source verification and immediate near-transfer across three information-seeking conditions
Frontiers in Psychology (2026) · doi:10.3389/fpsyg.2026.1946196 · v1.0 |
4.6 (gemini-3.5-flash-lite) | — |
| 275 | scored |
Disruption or Transformation? A Bibliometric Study of Generative AI in Education
KIRŞEHİR EĞİTİM FAKÜLTESİ DERGİSİ (2026) · doi:10.29299/kefad.1912127 · v1.0 |
0.0 (gemini-3.5-flash-lite) | — |
| 276 | scored |
Digital pharmaka and the crisis of subjectivation: a longitudinal phenomenological study on the educational use of technology in higher education through the philosophy of Bernard Stiegler
Frontiers in Psychology (2026) · doi:10.3389/fpsyg.2026.1989076 · v1.0 |
0.0 (gemini-3.5-flash-lite) | — |
| 277 | scored |
Digital transformation of language education in higher education: the potential of immersive technologies
THE TIDINGS of the Baltic State Fishing Fleet Academy Psychological and pedagogical sciences (Theory and methods of professional education) (2026) · doi:10.46845/2071-5331-2026-3-77-201-206 · v1.0 |
0.0 (gemini-3.5-flash-lite) | — |
| 278 | scored |
AI-Powered Chatbots for Optimizing Food Waste Management and Redistribution
IISE Annual Conference & Expo (2026) · doi:10.21872/annual2025_9080 · v1.0 |
0.0 (gemini-3.5-flash-lite) | — |
| 279 | scored |
The Role of Artificial Intelligence in Customer Service Delivery: Evidence from Metbank
Futures The Zimbabwe Ezekiel Guti University Journal of Leadership Governance and Development (2026) · doi:10.71458/1tw7xa13 · v1.0 |
0.0 (gemini-3.5-flash-lite) | — |
| 280 | scored |
Beyond the clicker: rethinking student response systems as pedagogical infrastructure for healthcare professions education
Frontiers in Medicine (2026) · doi:10.3389/fmed.2026.1967058 · v1.0 |
0.0 (gemini-3.5-flash-lite) | — |
| 281 | scored |
ChatGPT in Radiation Oncology: Redefining Patient Education through Artificial Intelligence
Indonesian Journal of Cancer (2026) · doi:10.33371/ijoc.v20i3.1471 · v1.0 |
0.0 (gemini-3.5-flash-lite) | — |
| 282 | Відсіяно |
EMPOWER-UP: psychometric evaluation of a generic questionnaire for assessing empowerment in relational decision-making and problem-solving among adults with long-term health conditions
Research Square (2025) · doi:10.21203/rs.3.rs-3772053/v2 · v1.0 |
4.3 (gemini-3.1-flash-lite) | — |
| 283 | scored |
A multimodal strategy for assessing oxygenator degradation during extracorporeal membrane oxygenation (ECMO): an in vitro evaluation
at - Automatisierungstechnik (2026) · doi:10.1515/auto-2026-0045 · v1.0 |
0.0 (gemini-3.1-flash-lite) | — |
| 284 | scored |
Empirical scaling relationships and a catastrophic damage-transition threshold surface for composite laminates under repeated low-velocity impact
Composites and Advanced Materials (2026) · doi:10.1177/26349833261496289 · v1.0 |
0.0 (gemini-3.1-flash-lite) | — |
| 285 | Відсіяно |
Calibrated and Explainable Early-Warning Systems for Risk Escalation in Streaming Data and Systems
Journal of Intelligent Decision Making and Information Science (2026) · doi:10.17762/jidmis.v3.2700 · v1.0 |
4.8 (gemini-3.1-flash-lite) | — |
| 286 | scored |
МОРАЛЬНО-ЕТИЧНЕ ВИХОВАННЯ ТА РОЗВИТОК БЛАГОДІЙНИЦТВА І ВОЛОНТЕРСТВА В ПЕДАГОГІЧНИХ КОЛЕДЖАХ УКРАЇНИ (1991 – 2025 РОКИ)
Педагогічна наука і освіта XXI століття. (2026) · doi:10.35619/pse.vi6.176 · v1.0 |
0.0 (gemini-3.1-flash-lite) | — |
| 287 | Відсіяно |
INTEGRATION OF DIGITAL TOOLS AND AI INTO FOREIGN LANGUAGE TEACHING AT HIGHER EDUCATION INSTITUTIONS
Актуальні питання у сучасній науці (2026) · doi:10.52058/2786-6300-2026-5(47)-2784-2792 · v1.0 |
1.4 (gemini-3.1-flash-lite) | — |
| 288 | scored |
Additional file 1 of Educating for academic integrity: effectiveness of a digital resource on plagiarism awareness among postgraduate bioscience students
Figshare (2026) · doi:10.6084/m9.figshare.32672247 · v1.0 |
0.0 (gemini-3.1-flash-lite) | — |
| 289 | Відсіяно |
Undergraduate international students’ perceptions of AI-generated feedback: A mixed-methods study at a Canadian university
Journal of Applied Learning & Teaching (2026) · doi:10.37074/jalt.2026.9.2.4 · v1.0 |
2.1 (gemini-3.1-flash-lite) | — |
| 290 | Відсіяно |
Integration of Artificial Intelligence Into the Educational Process: Pedagogical Opportunities and Risks
Bulletin of Science and Practice (2026) · doi:10.33619/2414-2948/127/73 · v1.0 |
1.4 (gemini-3.1-flash-lite) | — |
| 291 | Не стаття |
Harmonised 42-institution public-document coding dataset for visible public generative AI governance in higher education
Zenodo (CERN European Organization for Nuclear Research) (2026) · doi:10.5281/zenodo.20702850 · v1.0 |
- | — |
| 292 | Не стаття |
Educating for academic integrity: effectiveness of a digital resource on plagiarism awareness among postgraduate bioscience students
Figshare (2026) · doi:10.6084/m9.figshare.c.8535900 · v1.0 |
- | — |
| 293 | scored |
ОСОБЛИВОСТІ УПРАВЛІНСЬКОЇ ПРАКТИКИ БАГАТОПРОФІЛЬНОГО ЗАКЛАДУ ОСВІТИ В УМОВАХ ЗМІН
Педагогічна наука і освіта XXI століття. (2026) · doi:10.35619/pse.vi6.185 · v1.0 |
0.0 (gemini-3.1-flash-lite) | — |
| 294 | scored |
DEVELOPING ACADEMIC WRITING SKILLS AMONG UNIVERSITY STUDENTS
Zenodo (CERN European Organization for Nuclear Research) (2026) · doi:10.5281/zenodo.20697254 · v1.0 |
0.0 (gemini-3.1-flash-lite) | — |
| 295 | Відсіяно |
The digital facilitator
Journal of Interdisciplinary Studies in Education (2026) · doi:10.32674/nq9swx67 · v1.0 |
2.1 (gemini-3.1-flash-lite) | — |
| 296 | Відсіяно |
THE INTEGRATION OF ARTIFICIAL INTELLIGENCE INTO THE EDUCATION SYSTEM: AN ANALYSIS OF THE EFFECT OF AI TOOLS ON LEARNING QUALITY AND THE WORK OF TEACHERS
Zenodo (CERN European Organization for Nuclear Research) (2026) · doi:10.5281/zenodo.20705294 · v1.0 |
2.1 (gemini-3.1-flash-lite) | — |
| 297 | scored |
Symbiotic Escherichia coli strains can better colonize host stinkbugs and outcompete natural symbiotic bacteria, but confer less fitness benefit
mBio (2026) · doi:10.1128/mbio.00951-26 · v1.0 |
0.0 (gemini-3.1-flash-lite) | — |
| 298 | У буфері |
Structured AI workflows in Saudi EMI research writing
Journal of International Students (2026) · doi:10.32674/e7jdhc67 · v1.0 |
4.0 (gemini-3.8-flash) | — |
| 299 | Відсіяно |
ГЕНЕРАТИВНИЙ ШТУЧНИЙ ІНТЕЛЕКТ ЯК ЗАСІБ РОЗВИТКУ КРИТИЧНОГО МИСЛЕННЯ СТУДЕНТІВ
Педагогічна наука і освіта XXI століття. (2026) · doi:10.35619/pse.vi6.161 · v1.0 |
4.3 (gemini-3.5-flash-lite) | — |
| 300 | Відсіяно |
Policy alignment and trustworthy AI governance in higher education
Journal of Interdisciplinary Studies in Education (2026) · doi:10.32674/eqphhh11 · v1.0 |
2.0 (gemini-3.5-flash-lite) | — |