이 연구는 증거 기반 지표 개발과 전문가 검증 가중치를 결합하여 고등 교육에서 AI 지원 학습을 평가하기 위한 지표 시스템을 제안합니다. 첫째, 최근 연구를 검토하여 후보 지표를 추출하고 이를 일관된 차원으로 구성합니다. 다음으로, 도메인 전문가와의 델파이 세션을 통해 2차 지표를 다듬고 측정 가능하며 중복되지 않고 구현 가능한 지수 시스템을 만듭니다. 지표 간의 상호 의존성을 포착하기 위해 하이브리드 의사결정 실험실-분석 네트워크 프로세스(DEMATEL-ANP, DANP) 접근법을 적용하여 글로벌 지표 가중치를 도출합니다. 이 프레임워크는 교육 직원의 전문가 평가와 구조화된 피드백을 기반으로 그 의사결정 유용성, 해석 가능성 및 얼굴 타당성을 조사하기 위해 강의 수준의 응용을 통해 실증적으로 보여집니다. 결과는 교수법 콘텐츠의 질, 적응성(특히 난이도 조정), 형성 피드백의 질, 학습자의 참여가 평가 네트워크의 주요 동력으로 작용하며, 윤리 관련 지표는 주로 활성화 제약으로 작용함을 나타냅니다. 제안된 프레임워크는 AI 지원 고등 교육에서 품질 보증을 위한 투명하고 확장 가능한 도구를 제공하며, 수업 설계, 인증 보고 및 지속적 개선을 지원합니다.
Ilieva et al. (Sun,) 이 문제를 연구했습니다.