点击蓝字 关注我们↑↑↑
DIGITAL TWIN
如果您不希望错过文章，就加个星标吧！
期刊介绍
Introduction
《Digital Engineering》英文国际期刊（ISSN：2950-550X）是全球首个专注于数字工程的跨学科领域学术期刊，由国际著名学术期刊出版商爱思唯尔Elsevier 出版，主要发表高质量的原创研究论文、综述、简报和评论，旨在分享各领域关于数字化研究和应用的最新成果。期刊目前已被EI及Scopus收录。
本期阅读
文章信息
论文“Decision-making criteria for AI tools in digital education”于2025年12月发表于Digital Engineering期刊。文章由加拿大西部大学和英国GUS学院的的Mitra Madanchian和Hamed Taherdoost 共同完成，本文探讨了在高等教育中选择人工智能（AI）工具的决策标准，综合现有研究总结出技术、伦理和用户体验等关键因素，并提出了支持教育机构进行明智决策的框架。
DOI：https://doi.org/10.1016/j.dte.2025.100069
文章阅读
Decision-making criteria for AI tools in digital education
Mitra Madanchian a, Hamed Taherdoost a b
作者单位
摘要：
教育领域的人工智能技术虽具广阔前景，但选择适宜工具需依据科学的选择标准。基于近五年研究成果的本综述研究，系统探讨了教育工作者选择人工智能工具时需考量的关键因素。研究发现，通过准实验方法评估的学习动机与知识提升效果、采用机器学习模型与交叉验证的预测准确度、以及算法性能指标（如准确率、精确率、召回率）构成核心评价维度。公平性、透明度与性别偏见等伦理问题亟待通过建立政策框架予以规范，以降低算法偏见并维护伦理准则。研究同时揭示，AI运作机制的透明度是保障其可接受度的关键，而教育公平性及个性化学习中AI生成内容的质量也不容忽视。本文通过综合研究综述强调，只有建立系统化评估体系，方能在应对伦理与实践挑战的同时，充分发挥人工智能提升教育成效的潜力。
1. 引言
教育历来被视为一项具有社会责任感的活动，而师生关系对高质量学习至关重要。随着信息通信技术的普及，高等教育机构正通过引入人工智能技术，提供更具互动性和动态性的学习体验。AI在教育中的应用虽具潜力，但也引发了伦理、学术诚信及对学生情感智力影响等方面的关切。当前，教育工作者在选择AI工具时缺乏统一、标准化的决策标准，导致评估不一致、工具使用不当等问题。为此，本文旨在系统梳理并构建适用于高等教育环境的AI工具选择标准框架。
图1. 缺乏选择AI工具的标准化标准所带来的挑战
2. 背景
AI在教育中的应用经历了从早期的程序化教学系统到智能辅导系统与个性化学习平台的演进。这些系统通过算法适配学习内容，提升学生参与度与学习成效。同时，学习分析、教育数据挖掘等技术为教育研究提供了丰富的数据支持。然而，AI的广泛应用也带来了一系列挑战，如算法偏见、伦理风险、透明度不足以及对学生数据隐私的潜在威胁。现有技术采纳框架多关注技术规格，而忽视了用户体验与伦理维度，缺乏针对教育场景的专门化决策支持模型。
3. 研究方法
本文采用系统性文献综述方法，于2024年6月检索Scopus数据库中2019–2024年间发表的英文文献。检索策略结合“人工智能”、“决策”、“高等教育”等关键词，最终纳入26篇符合条件的研究，包括期刊论文、会议论文与书籍章节。通过PRISMA流程进行文献筛选与数据提取，采用主题分析法归纳决策标准，未预设分析框架。
4. 主要发现
所纳入研究聚焦于AI对学生学业表现、学术指导、学生保留率、伦理问题及工具采纳等方面的影响。关键决策标准可归纳为以下几类：
算法性能：如准确率、精确率、召回率等；
动机与知识提升：通过准实验方法评估AI工具对学习动机的影响；
预测准确性：采用机器学习模型与交叉验证方法；
伦理考量：包括公平性、透明度、性别偏见、数据隐私与学术诚信；
用户体验：易用性、满意度、感知效用与风险；
内容质量：AI生成资源的真实性、准确性与教育相关性；
系统实用性：成本效益、可扩展性、互操作性与组织支持。
5. 讨论
AI工具的选择需综合考量技术性能、伦理合规性、用户体验与教育实效。研究发现，易用性与功能性是教师采纳AI工具的关键驱动因素；个性化学习与实时反馈能力显著提升学生参与度；而数据隐私、算法公平性与内容准确性则是不可忽视的伦理与实践挑战。此外，生成式AI（如ChatGPT）的兴起为教育带来新机遇，但也伴随误导信息与学术依赖风险，亟需建立相应的评估与治理机制。
6. 建议与结论
教育机构应建立结构化评估框架，将技术性能、伦理合规、用户体验与教育目标相结合。具体建议包括：
制定内部AI治理政策，明确数据伦理与偏见缓解机制；
在采购中优先选择具备可解释性与第三方公平审计的工具；
加强教师与学生的AI素养培训；
推动跨学科合作，构建兼顾技术、伦理与教育需求的决策模型。
AI工具在提升教育质量方面潜力巨大，但其选择与实施必须系统化、伦理化与情境化。本文提出的多维度决策标准框架为教育机构提供了实践指南，未来需通过实证研究与政策引导，推动AI在教育中的负责任与可持续发展。
关注公众号，后台回复“DE”即可下载原文
更多数字工程相关内容
请点击下方卡片浏览DE期刊目录
Vol. 1
Vol. 2
Vol. 3
Vol. 4
Vol. 5
Vol. 6
《Digital Engineering》期刊采取“开放获取”（Open Access）出版模式，所有的文章免费访问。在2024年和2025年免除作者文章出版费用（Article Publishing Charge）。
《Digital Engineering》诚邀您的投稿！
对本刊感兴趣的老师，欢迎扫码添加好友，获取更多动态信息。↓↓↓
DIGITAL ENGINEERING
