生成性人工智能对大学生学习成果的影响：基于布鲁姆分类学的元分析和模式挖掘方法

高等教育正面临着生成性人工智能（GenAI）发展的巨大挑战。许多研究人员探索了GenAI在大学生学习成果上的有效性。然而，尽管其重要性以及现有研究结果的不一致，系统评估GenAI在高等教育中影响的明显空白依然存在。为了解决这一空白，本研究通过布鲁姆分类学的视角研究GenAI对大学生学习成果的影响。结果表明，GenAI是增强学生低阶、高阶和非认知技能的有效工具。学科被确定为应用GenAI于高阶认知技能的一个调节因素，在设计教育活动和GenAI应用时建议考虑学科特征和学习内容。此外，关联规则挖掘分析表明，在一周内开展课堂干预时，GenAI对学生低阶认知技能具有积极影响。同时，在STEM学科中进行小组教学被确定为培养学生高阶认知和非认知技能的有前景的方法。我们还批判性地讨论了积极效益，并在解释发现和影响时保持谨慎。这些发现有助于塑造高等教育中的政策发展和教学方法。