管理教育中AI驱动技术下的评估格局变迁:影响与驱动因素

《International Journal of Educational Technology in Higher Education》:Changing assessment landscape in management education with AI-driven technologies: impacts and drivers

【字体: 大 中 小 】 时间:2026年02月13日 来源:International Journal of Educational Technology in Higher Education 38.7

编辑推荐:

  AI驱动技术(AI-driven technologies)正在重塑高等教育格局,尤其是在大学管理教育领域的评估设计(assessment design)与设置(setting)、执行(execution)、评分(grading)、评价(evaluation)

  
AI驱动技术(AI-driven technologies)正在重塑高等教育格局,尤其是在大学管理教育领域的评估设计(assessment design)与设置(setting)、执行(execution)、评分(grading)、评价(evaluation)及反馈(feedback)方面。然而,关于评估模式(assessment models)演变程度及其背后驱动因素的综合分析仍未被探索。本研究旨在探讨AI驱动技术(包括生成式AI工具(generative AI tools)、自动化评分与反馈系统(automated grading and feedback systems)、抄袭检测工具(plagiarism detection tools)及自适应学习平台(adaptive learning platforms))对管理教育评估模式演化的影响与驱动因素,并以斯里兰卡(Sri Lanka)作为选定的研究情境。通过15次访谈(访谈次数基于数据饱和(data saturation)的达成确定)及多种文档收集的数据,研究人员采用替代、增强、修改与重新定义模型(Substitution, Augmentation, Modification, and Redefinition, SAMR)以及新制度社会学(new institutional sociology)中的三种同构压力(three isomorphic forces)进行分析。在评估AI整合入评估任务的影响时,本研究发现,学术人员在评估的设计与设置中体现了AI整合的修改水平(modification level)和增强水平(augmentation level)。此外,研究指出,学术人员在评分与评价以及评估中的反馈提供方面仅表现出替代水平(substitution level)。规范压力(normative pressure)成为推动AI整合入评估任务的主要驱动力,尤其是在评估设计、设置及反馈提供领域。此外,研究揭示了通过整合AI工具可实现的潜在前景,尤其是在教育中AI采纳过程中具有相似经济、技术、社会及文化轨迹的发展中国家。
**论文解读:AI驱动技术对管理教育评估格局的影响与驱动因素**

**研究背景与问题**

在当代高等教育中,人工智能(AI)技术正深刻重塑教育实践,尤其在管理教育领域,评估设计、设置、执行、评分、评价及反馈等环节面临变革。然而,现有文献对评估模式演变程度及其驱动因素的综合分析仍存在空白。尽管已有研究关注AI在提升评估效率、个性化反馈等方面的潜力,但针对管理教育中AI整合的系统性影响,尤其是在发展中国家情境下的研究尚不充分。斯里兰卡作为典型的发展中国家,正处于AI整合的早期阶段,面临基础设施、学术准备度及政策缺失等挑战,但其政府已明确承诺推动AI数字化转型。因此,本研究以斯里兰卡为研究情境,旨在探索AI驱动技术(包括生成式AI工具、自动化评分与反馈系统、抄袭检测工具及自适应学习平台)对管理教育评估模式的影响,并揭示驱动这些整合的机构压力。

**研究内容与结论**

研究人员通过案例研究方法,聚焦于斯里兰卡Sri Jayewardenepura大学的管理研究与商业学院(FMSC),收集了15次半结构化访谈(达到数据饱和)及多种文档(包括院系网站、课程规范、会议记录等)数据。采用主题分析法,基于替代、增强、修改与重新定义模型(SAMR)分析AI对评估任务的影响,并运用新制度社会学的三种同构压力(规范性、模仿性、强制性)解析驱动因素。研究发现,在评估设计与设置中,学术人员达到了SAMR模型的修改水平与增强水平;在评分与评价及反馈提供中仅达到替代水平;规范性压力是主要驱动力,同时模仿性压力与强制性压力也发挥作用。研究结论为发展中国家管理教育中的AI整合提供了实践指导,强调需通过政策、基础设施及培训支持推动评估模式创新。该论文发表在《International Journal of Educational Technology in Higher Education》。

**关键技术与方法**

本研究采用案例研究设计,以斯里兰卡Sri Jayewardenepura大学的管理研究与商业学院(FMSC)为样本队列来源。数据收集通过15次半结构化访谈(达到数据饱和)及文档分析(包括院系网站、课程规范、会议记录等)。数据分析采用主题分析法,基于SAMR模型(Substitution, Augmentation, Modification, and Redefinition)评估AI对评估任务的影响,并运用新制度社会学中的三种同构压力(规范性、模仿性、强制性)解析驱动因素。访谈对象包括9名学术人员(教授、高级讲师、讲师),覆盖多个管理学科。

**研究结果**

**Impact of AI in assessment tasks**
通过访谈分析,研究人员发现AI在评估任务中的整合呈现差异化水平。

- **Assessment design and setting**:学术人员在评估设计与设置中,通过重新设计或替换传统评估形式(如用口头报告替代书面报告,引入辩论、解释性视频等创新评估),并利用AI(如ChatGPT)进行问题设置、语言润色及答案测试,实现了SAMR模型的修改水平与增强水平。但未使用AI进行问题审核。

- **Executing assessments**:由于缺乏大学层面的政策支持及对AI执行评估的许可,学术人员未将AI应用于评估执行阶段,未达到SAMR模型任何水平。

- **Grading and evaluation**:AI在评分与评价中的应用有限,仅少数学术人员用于辅助权重分配,主要因对AI评分系统不熟悉及纸笔考试限制,达到替代水平。

- **Providing feedback**:AI在反馈提供中应用水平低,仅个别学术人员通过学习管理系统(LMS)使用AI生成通用反馈,达到替代水平。

**Drivers propelling the adoption of AI in assessments**
通过制度理论分析,研究人员识别出三种同构压力:

- **Normative pressure**:规范性压力是主要驱动力,学术人员受效率、准确性、语言提升等专业期望驱动,在评估设计、设置及反馈中整合AI。

- **Memetic pressure**:模仿性压力表现为学术人员通过自我学习复制国际前沿做法,并因政策不确定性而犹豫是否使用AI。

- **Coercive pressure**:强制性压力源于学术诚信要求,迫使学术人员调整评估形式以应对学生抄袭与作弊。

**总结与讨论**

研究讨论部分指出,AI在斯里兰卡管理教育评估中的整合仍处于初级阶段,受限于数字基础设施不足、政策缺失、资金有限及学术人员AI素养低等挑战。这与发达国家形成对比,表明发展中国家的AI整合需优先克服基础障碍。研究结论强调,AI在评估设计与设置中达到了修改与增强水平,在评分与反馈中仅达替代水平,且规范性压力是核心驱动因素。研究还揭示了AI整合的潜力,尤其是在经济、技术、社会与文化轨迹相似的发展中国家。结论部分翻译如下:本研究表明,在评估AI整合入评估任务的影响时,学术人员在评估设计与设置中成功达到了SAMR模型的修改水平和增强水平,在评分与评价及反馈提供中达到了替代水平。规范性压力是主要驱动力,伴随模仿性压力与强制性压力,影响AI在评估任务中的整合,特别是在评估设计与设置、评分与评价及反馈提供领域。研究为发展中国家管理教育中的学术人员提供了重要指导,强调需通过持续专业发展、政策制定及基础设施投资促进负责任的AI整合。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号