The AI Assessment Scale Revisited: A Framework for Educational Assessment
British University Vietnam（英国越南大学）；James Cook University Singapore（新加坡詹姆斯库克大学）；Deakin University（迪肯大学）
本文提出了一种更新的人工智能评估量表框架，旨在促进教育者与学生关于GenAI使用的开放对话，并帮助教育者重新设计评估，以适应不断扩展的人工智能能力。
2024-12-12 cs.CY
Innovation in Education: Developing and Assessing Gamification in the University of the Philippines Open University Massive Open Online Courses
该研究在菲律宾开放大学的一门MOOC中引入Moodle徽章、排行榜和进度条等游戏化元素，通过分析数据和调查反馈，发现游戏化可提升学习动机、参与度和满意度，课程完成率达28.86%。
2024-09-05 cs.CY
Enhancing Engagement and Learning in Computing Education: Automated Moodle-Based Problem-Solving Assessments
本文针对大规模计算课程设计并优化了基于Moodle的自动化问题解决评估（PSA），以替代传统考试，通过参数化真实任务评估应用能力，结合互动工作坊提升学习真实性、降低学术诚信风险并优化评分一致性，为计算教育提供实用方案。
2025-08-24 cs.CY
FernUni LLM Experimental Infrastructure (FLEXI) -- Enabling Experimentation and Innovation in Higher Education Through Access to Open Large Language Models
FernUniversität in Hagen（哈根远程大学）；Institut für Bildungswissenschaft und Medienforschung（教育科学与媒体研究所）
本文介绍FLEXI项目，在哈根远程大学建立开放LLM基础设施，支持教学研究实验，为是否本地部署LLM提供实用指导。
2024-06-27 cs.AI cs.CY
An LLM -Powered Assessment Retrieval-Augmented Generation (RAG) For Higher Education
Nottingham Trent University（诺丁汉特伦特大学）；London South Bank University（伦敦南岸大学）
本研究提出基于RAG架构的大语言模型驱动评估系统，通过整合评分标准和范文生成高质量反馈，实现大规模、一致的评估反馈，提升学生自主学习能力。
2026-01-05 cs.CY
Teacher's Evaluation - a Component of Quality Assessment System
提高高等教育的重要性和责任感的重要活动之一是质量管理、评估和评价。从2006年开始，罗马尼亚建立了一个国家机制，所有教育机构都必须采用一种具体的算法，以确保内部评估、外部评估，最重要的是，提高教育过程的质量。本文介绍了在蒂米什瓦拉“Tibiscus”大学，特别是在计算机和应用计算机科学学院的质量评估的实施。
2009-03-03 cs.CY
Using LLMs to support assessment of student work in higher education: a viva voce simulator
本文提出利用大语言模型构建口试模拟器，通过交互式提问与回答辅助判断学生书面作业是否由本人完成，为高等教育评估应对LLM滥用问题提供新方法。
2025-10-29 cs.CY
Practical and Ethical Challenges of Large Language Models in Education: A Systematic Scoping Review
Monash University（莫纳什大学）
本研究通过对118篇2017年以来的论文做系统性范围综述，梳理了教育领域大语言模型的53个用例及九大类别，识别出实践与伦理挑战，并提出三项未来研究建议，为相关研究提供参考。
2023-07-22 cs.AI cs.CL cs.CY
Where Does AI Innovation Go? Measuring Research Attention Imbalance in AI Music
School of Computer Science and Engineering, Northeastern University（东北大学计算机科学与工程学院）；Composition Department, Central Conservatory of Music（中央音乐学院作曲系）
该研究通过分析6839篇AI音乐文献，构建含四项指标的研究注意力轮廓，发现AI音乐技术支持向内容导向任务集中，教育等领域滞后，揭示了领域发展不均衡问题。
2026-08-10 cs.CY
Perspective Chapter: MOOCs in India: Evolution, Innovation, Impact, and Roadmap
本章深入探讨了印度MOOCs的演进、创新、现状与影响，以及未来十年的发展路线图，指出AI赋能的MOOCs是印度在全球引领该领域的新兴机遇。
2025-01-02 cs.AI cs.CY cs.DL
The Effect of Security Education and Expertise on Security Assessments: the Case of Software Vulnerabilities
尽管软件安全的重要性日益增加，行业对劳动力中更多网络安全专业知识的需求也越来越大，但安全教育和经验对评估复杂软件安全问题能力的影响最近才被调查。作为全方位软件安全技能的代表，我们考虑了通过工业中广泛使用的结构化分析方法来评估软件漏洞严重性的问题（即通用漏洞评分系统（\CVSS）v3），并设计了一项研究，以比较具有信息技术背景但在网络安全方面具有不同专业经验和教育的个人评估软件漏洞的严重性。我们的研究结果提供了一些结构性的见解评估员的教育或经验和他们的评估质量之间的复杂关系。特别是，我们发现个人特征比专业经验或正规教育更重要;显然，一个人拥有的技能（包括所研究系统的实际知识）的\emph{combination}，而不是专业或多年的经验，对评估质量的影响更大。同样，我们发现，专业知识所带来的整体优势在很大程度上取决于个人安全技能的构成以及可用的信息。
2018-08-20 cs.CR cs.CY
TRACE: AI-Assisted Assessment of Collaborative Projects in Computer Science Education
TRACE通过AI辅助分析提升计算机科学教育中协作项目评估的透明度和可扩展性。
2026-03-11 cs.AI cs.CY cs.HC
Beyond Score Accuracy: Examining the Diagnostic Quality of LLM-Generated Structured Assessment in Higher Education
Teachers College, Columbia University（哥伦比亚大学教师学院）；New York University（纽约大学）
本研究通过JorGPT数据集分析LLM在高等教育中的评分与反馈，发现其存在子维度冗余、误解检测率低及语气缺乏调节等问题，并指出程序性主题评分更可靠，为人工监督提供了依据。
2026-10-08 cs.CY
Teacher training in inclusive digital skills in secondary education. Students with Autism Spectrum Disorders
本书探讨通过新兴技术提升自闭症谱系障碍学生教育包容性的教师培训方法，旨在促进技术的伦理使用以实现教育公平。
2025-12-22 cs.CY
Beyond the Hype: Critical Analysis of Student Motivations and Ethical Boundaries in Educational AI Use in Higher Education
University of Isfahan（伊斯法罕大学）
本文探讨高等教育中学生使用 AI 的动机与伦理问题，指出学生普遍依赖 AI 工具但缺乏指导，女性更关注 AI 滥用风险，提出通过 AI 文化课程和评估改革促进负责任的 AI 采用。
2025-12-10 cs.CY
Applying CMM Towards an m-Learning Context
在移动学习时代，人们发现教育机构有责任融入可以被广泛接受和理解的最新技术创新。在调查移动通信新兴技术快速发展这一重要主题的同时，重要的是要认识到这些创新的影响程度，社会可以利用这些创新进行交流，学习，获取信息，以及互动。此外，在高等教育中使用移动技术不仅需要该技术的普及性，而且还需要其破坏性，这在纳入教学领域时带来了一些挑战。因此，最近，高等教育机构正在寻找实施移动学习战略的各种方式，以提供解决方案，这反过来又可以标准化教育过程，此外，取代传统的教学课程，专注于移动学习的无尽好处。一些好处是：学习过程本身可以自定进度，而信息可以更容易获得，从而增加了独立的、以发现为导向的学习，使之变得更有吸引力。本研究将CMM成功地应用于行动学习整合策略的设计，并以行动学习整合策略的成熟度模型为研究对象，使行动学习的整合过程更有效率。
2015-11-27 cs.CY
Hybrid E-Assessment in Higher Education: Semi-Automated Grading of Paper-Based Written Examinations
Institute for Machine Learning and Analytics, Hochschule Offenburg（霍恩海姆应用技术大学机器学习与分析研究所）；Hochschule Offenburg（霍恩海姆应用技术大学）
针对完全数字化和部分数字化电子评估在总结性考试中的局限性，提出混合电子评估方法，保留纸质问题导向任务，通过结构化答案格式和手写字符识别实现半自动评分，结合视觉大语言模型和两遍验证提升评估有效性、公平性和可扩展性。
2026-06-07 cs.AI cs.CV cs.CY
The Challenges of Assessing and Evaluating the Students at Distance
COVID-19疫情对高等教育机构造成强烈影响，课堂教学活动关闭。在这场前所未有的全球性危机中，教育工作者和家庭不得不应对不可预测性，并学习新的教学方法。这篇短文旨在探讨葡萄牙高等教育机构面临的挑战，并分析评估模式面临的挑战。为此，形成性和终结性评估模式在远程教育中的相关性进行了探讨，并通过远程评估的做法，教师和学生的看法进行了讨论。在教师方面，人们高度关注采用无欺诈模式，并过度关注总结性评估部分，而在远程学习模式中，与学生的逐步监测和评估过程相比，总结性评估部分的优势较小，而在学生方面，出现了有关教学课程设备的问题，并关注他们的隐私，特别是当侵入式IT解决方案请求访问其摄像头、音频和桌面时。
2021-01-30 cs.CY
Formulating Module Assessment for Improved Academic Performance Predictability in Higher Education
Loughborough University（拉夫堡大学）；Mutah University（穆塔大学）
各种研究表明，学生往往会得到更高的分数时，通过基于课程的评估方法，其中包括通过课程或课程和考试的混合充分评估的模块评估，而不是通过考试单独评估。有大量的教育数据采掘的研究，预处理数据通过传统的数据采掘过程，包括数据准备过程，但他们使用成绩单数据，因为他们站在没有考虑考试和课程结果的权重，这可能会影响预测的准确性。本文通过调查23万多份学生记录，提出了一种不同的数据准备过程，以准备学生的成绩为基础的评估方法的招生模块。这些数据经过不同阶段的处理，以提取一个分类因素，通过该因素，在数据准备过程中对学生的模块分数进行了细化。研究结果表明，学生的期末成绩不应孤立于所选模块的性质评价方法。它们必须在EDM数据预处理阶段进行彻底调查和考虑。更一般地说，它的结论是，教育数据不应该准备在相同的方式作为其他数据类型由于数据源，应用程序和类型的错误，他们的差异。因此，一个属性，课程评估比率，建议使用，以考虑到不同的模块评估方法，同时准备学生成绩单数据。本文研究了CAR对随机森林分类方法预测过程的影响。结果表明，考虑CAR作为一个属性增加了预测学生第二年的平均成绩的基础上，他们的第一年的结果的准确性。
2020-08-30 cs.AI cs.CY
$μ$Ed API: Towards a Shared API for Education Microservices
Technical University of Munich（慕尼黑工业大学）；Imperial College London（帝国理工学院）；ETH Zürich（苏黎世联邦理工学院）；Nanyang Technological University（南洋理工大学）
本文提出一个平台无关的教育微服务标准API，旨在通过整合反馈、评估和教育聊天机器人等功能，构建可扩展的教育微服务生态系统，提升教学自动化水平。
2026-04-24 cs.CY
On the false election between regulation and innovation. Ideas for regulation through the responsible use of artificial intelligence in research and education.[Spanish version]
Instituto de Investigación en Inteligencia Artificial (IIIA-CSIC)（西班牙国家研究委员会人工智能研究所）；La Trobe University Law School（拉筹伯大学法学院）；Institut de Dret i Tecnologia de la Universitat Autònoma de Barcelona (IDT-UAB)（巴塞罗那自治大学法律与技术研究所）
本文回应AI监管与创新的虚假对立，通过回答三个关键问题，提出以基本权利保护为前提的负责任创新路径，并反思其对教育研究的意义。
2025-10-08 cs.AI cs.CY
Artificial Intelligence-Powered Assessment Framework for Skill-Oriented Engineering Lab Education
针对计算机科学实验教育中抄袭、评估不足、参与度低等问题，提出AsseslyAI框架，通过专属题目、AI监考口试、游戏化模拟及1万+数据集微调生成代码评估，整合多功能于一体，优于传统工具，可规模化培养技能型毕业生。
2025-09-27 cs.AI cs.CY
A Review of Generative AI in Computer Science Education: Challenges and Opportunities in Accuracy, Authenticity, and Assessment
School of Computer Science and Engineering, California State University, San Bernardino, USA（加州州立大学圣伯纳迪诺分校计算机科学与工程学院）；School of Information Systems and Technology, San Jose State University, USA（旧金山州立大学信息系统与技术学院）；University of California, San Diego, USA（加州大学圣地亚哥分校）
本文综述了ChatGPT等生成式AI在计算机科学教育中的应用，指出其在提升效率的同时带来幻觉和偏见等挑战，建议采用混合评估模型与人类监督以平衡伦理与教学，未来需提升AI准确性与维护学术诚信。
2025-06-17 cs.AI cs.CY
GitSEED: A Git-backed Automated Assessment Tool for Software Engineering and Programming Education
针对编程课程人数多、现有自动化评估工具难定制、语言支持有限的问题，本文提出GitLab支撑的语言无关评估工具GitSEED，助力学生学习git与编程，支持教师定制反馈，实验证实其与学生参与度正相关。
2024-09-11 cs.CY cs.SE
Education for Computational Science and Engineering
计算科学与工程（CSE）一直被误解为随着巨型计算机的建造而发展。相反，历史记录表明，CSE的创新来自计算机程序对数学的改进。科学家和工程师能否成为取得这些突破的发明家取决于环境和他们所受教育的跨学科程度。美国目前拥有最大的CSE教授，但数据表明这种突出是短暂的。
2011-08-09 cs.CY cs.GL math.HO
Auto-assessment of assessment: A conceptual framework towards fulfilling the policy gaps in academic assessment practices
针对学术评估中AI使用的政策空白，调查117名学者后提出一种新型AI框架，可自主评估学生作业并自动评分，同时指出需提升学者对现代AI工具的认知。
2024-10-28 cs.AI cs.CY
When AI Meets Early Childhood Education: Large Language Models as Assessment Teammates in Chinese Preschools
National University of Defense Technology（国防科技大学）；The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；University of Oxford（牛津大学）
本文探讨AI如何通过提取结构化质量指标，提升中国幼儿园教师与儿童互动评估的可扩展性，提出TEPE-TCI-370h数据集和Interaction2Eval框架，实现88%的评估一致性，并验证AI在提升评估效率和促进教育公平中的潜力。
2026-03-25 cs.AI cs.CL cs.CY
Integrating Generative AI in Cybersecurity Education: Case Study Insights on Pedagogical Strategies, Critical Thinking, and Responsible AI Use
Central Queensland University（中央昆士兰大学）
本研究提出将生成式人工智能融入网络安全教育的两阶段结构化框架，经教学实践验证可提升学生分析与实践能力，同时指出需应对AI依赖等问题，强调平衡自动化与专家判断以培养行业适配人才。
2025-02-21 cs.AI cs.CY
Assessment of Personalized Learning in Immersive and Intelligent Virtual Classroom on Student Engagement
本研究聚焦沉浸式智能虚拟课堂场景，采用眼动范式评估个性化学习对学生参与度的影响，通过文献综述、案例研究与数据分析验证了该方法在提升学习效果方面的潜力。
2025-01-14 cs.CY cs.HC
Experiences with Content Development and Assessment Design in the Era of GenAI
SITE, Melbourne Institute of Technology（墨尔本理工学院SITE）
本文探讨了如何利用GenAI的提示词和定制化训练设计学科内容与评估，强调专家评估及微调对保障输出质量的重要性，为教育工作者提供实践指导。
2025-02-28 cs.AI cs.CY
Designing the virtual CAT: A digital tool for algorithmic thinking assessment in compulsory education
Università della Svizzera italiana (USI), Dalle Molle Institute for Artificial Intelligence (IDSIA)（瑞士联邦理工学院（USI）、Dalle Molle人工智能研究所（IDSIA））；University of Applied Sciences and Arts of Southern Switzerland (SUPSI), Department of Education and Learning (DFA)（瑞士南部应用科学与艺术大学（SUPSI）、教育与学习系）
本文设计并开发虚拟 Cross Array Task（CAT）数字评估工具，通过迭代与参与式设计验证其可用于瑞士义务教育中 4 至 12 岁学生的算法思维评估。
2024-11-26 cs.AI cs.CY cs.HC
STEM Faculty Perspectives on Generative AI in Higher Education
本文探讨STEM教师对生成式人工智能在高等教育中的应用看法，分析其教学整合、学生学习影响及机构支持需求。
2026-03-04 cs.AI cs.CY
Leveraging Generative AI for Enhancing Automated Assessment in Programming Education Contests
University of Bucharest Faculty of Mathematics and Computer Science（布加勒斯大学数学与计算机科学学院）；Softbinator Technologies（Softbinator技术公司）；Delft University of Technology（代尔夫特理工大学）
本文提出利用生成式 AI 自动生成编程竞赛高质量测试用例的 NLP 方法，并在 OJI、Kilonova.ro 和 IIOT 数据集上验证其可发现隐藏错误、减轻教师负担。
2025-06-06 cs.AI cs.CY cs.LG
Generative AI Misuse Potential in Cyber Security Education: A Case Study of a UK Degree Program
Newcastle University（纽卡斯尔大学）
本文研究了生成式AI在网络安全教育中的潜在滥用问题，提出了一种评估框架以量化项目暴露风险，并提出LLM抗性评估策略以维护学术标准。
2026-01-20 cs.CR cs.CY
Evaluation of Large Language Models' educational feedback in Higher Education: potential, limitations and implications for educational practice
本研究评估了大语言模型在高等教育中的教育反馈潜力，发现其能生成结构良好的反馈，但需明确指导以提升教育实践效果。
2026-01-24 cs.AI cs.CY
Pedagogical Promise and Peril of AI: A Text Mining Analysis of ChatGPT Research Discussions in Programming Education
Pampanga State University（帕曼加州大学）
本文通过文本挖掘分析编程教育中ChatGPT的研究文献，揭示了教学实施、以学生为中心的学习、AI基础设施与人机协作、以及评估与模型评估四大主题，指出需加强评估与治理机制。
2026-05-01 cs.AI cs.CY
Mathematical Modelling of Ethical AI Use in Higher Education: A Coordination Game Framework for Future-Facing Learning
School of Computing, Engineering and Digital Technologies, Teesside University, United Kingdom（计算工程与数字技术学院，泰赛大学，英国）
本文通过协调博弈论框架，研究学生群体中负责任或机会主义AI使用规范的形成机制，并揭示评估激励如何触发行为转变。
2026-04-23 cs.AI cs.CC cs.CY
LLM-Driven Rubric-Based Assessment of Algebraic Competence in Multi-Stage Block Coding Tasks with Design and Field Evaluation
Hongik University（弘益大学）
本研究提出并现场验证了一个由LLM驱动的评分量规评估框架，用于多阶段积木式编程任务中的代数能力，与专家判断高度一致，并生成面向过程的反馈，证明了其有效性和可扩展性。
2025-10-04 cs.AI cs.CY
AI-driven formative assessment and adaptive learning in data-science education: Evaluating an LLM-powered virtual teaching assistant
本文提出VITA平台，集成LLM聊天机器人BotCaptain，通过对话式辅导、xAPI数据管道和自适应路径引擎，实现数据科学教育中的形成性评价与个性化学习，并提供了架构基准和部署蓝图。
2025-09-17 cs.AI cs.CY cs.HC
LLM Use, Cheating, and Academic Integrity in Software Engineering Education
University of Calgary（卡尔加里大学）；University of Hawaii at Manoa（夏威夷大学马诺阿分校）；University College London（伦敦大学学院）；Universidade Federal Rural de Pernambuco (UFRPE)（伯南布哥联邦农村大学）；Radboud University（拉德堡德大学）
本研究探讨了软件工程学生在编程作业中使用大语言模型时的不当行为，分析了评估和教学条件对学术诚信的影响。
2026-03-19 cs.CY cs.SE
The Rise of Artificial Intelligence in Educational Measurement: Opportunities and Ethical Challenges
University of Alberta（阿尔伯塔大学）；Federation of American Scientists（美国科学家联合会）；Educational Testing Service（教育考试服务中心）；University of Maryland（马里兰大学）；University of Iowa（爱荷华大学）；Cambium Assessment（坎比姆评估公司）；Washington State University（华盛顿州立大学）；Acuity Insights（敏锐洞察公司）；PSI Services（PSI服务公司）；University of Delaware（特拉华大学）；Concordia University of Edmonton（埃德蒙顿康考迪亚大学）
本文探讨了AI在教育测量中应用带来的机遇与伦理挑战，分析了算法偏见、决策不透明等问题，并提出确保AI负责任及有效使用的解决方案。
2024-06-27 cs.AI cs.CY
Assessing the Reliability and Validity of Large Language Models for Automated Assessment of Student Essays in Higher Education
Università Cattolica del Sacro Cuore（圣心天主教大学）；Maastricht University（马斯特里赫特大学）；Istat（意大利国家统计研究所）
本研究评估五种LLM在高等教育论文自动评分中的可靠性，发现其与人类评分一致性低、模型内部稳定性弱，表明当前模型难以复现需学科洞察的判断，人类监督仍不可或缺。
2025-08-04 cs.AI cs.CY
Responsible AI in Open Ecosystems: Reconciling Innovation with Risk Assessment and Disclosure
University of California, Davis（加州大学戴维斯分校）；Simon Fraser University（西蒙菲莎大学）
本文通过分析7903个Hugging Face项目，研究开源生态中负责任AI的实践挑战，发现风险评估文档与模型评估强相关，但排行榜高分项目问责不足，并提出兼顾开源创新与伦理采纳的政策建议。
2024-09-27 cs.AI cs.CY cs.ET
The Evaluation of Open Source Software Innovativeness
本文基于近500个案例和125位专家协作，提出以功能附加价值为支撑的开源软件创新类型学及结合主要评估方法的建模框架，揭示了通用创新指标的不足，支持分行业专门化的创新性评估新方法。
2025-05-06 cs.CY cs.SE
Culturally-Aware AI for Cross-Boundary Community Learning: Undergraduate Innovation at the Intersection of Computation and Design
Duke Kunshan University（杜克昆山大学）；Zhouzhuang Mystery of Life Museum（周庄生命之谜博物馆）；Digital Innovation Research Center and Social Science Division（数字创新研究中心和社会科学系）
本文提出一个协作框架，通过社区参与计算实现文化感知AI教育，促进社会工作和计算科学跨学科融合，应用于文化遗产保护与可持续发展。
2026-08-18 cs.AI cs.CY cs.GR
Could ChatGPT get an Engineering Degree? Evaluating Higher Education Vulnerability to AI Assistants
EPFL（洛桑联邦理工学院）
该研究以脆弱性视角分析生成式AI对高等教育评估的挑战，通过EPFL 50门课程数据集评估GPT-3.5和GPT-4的答题能力，发现GPT-4表现优异，呼吁修订高等教育评估设计以应对AI带来的风险。
2024-11-27 cs.AI cs.CL cs.CY
Assessment in Team Problem-Solving Exercises in Computing Education
Faculty of Informatics（信息学院）；Masaryk University（马萨里克大学）；Center for ICT Infrastructure（信息与通信基础设施中心）；Yamaguchi University（山阳大学）；Kyushu University（九州大学）
研究计算教育中团队问题解决练习的评估方法，通过比较聚类和大语言模型，利用原始数据集与教师评分对比，发现聚类有效可靠、计算要求低，GPT-5.2误差低，相关方法已集成到开源平台，还共享了数据和工具。
2026-07-22 cs.AI cs.CY cs.LG
Thrilled by Your Progress! Large Language Models (GPT-4) No Longer Struggle to Pass Assessments in Higher Education Programming Courses
Carnegie Mellon University（卡内基梅隆大学）
本研究对比多代GPT模型在三门高等教育Python课程共599道不同类型考核题中的表现，发现GPT-4已能无需人类参与稳妥通过考核，指出其仍有局限但提升迅速，为教育者调整考核设计、更新课程提供依据。
2023-06-15 cs.AI cs.CL cs.CY
