MétaCan
Menu
Retour à la cohorte
Enregistrement W4412533451 · doi:10.5267/j.ijdns.2024.8.014

The impact of ChatGPT service on students’ performance: Moderated by training

2025· article· en· W4412533451 sur OpenAlexvenueno aff
Abdel‐Aziz Ahmad Sharabati, Shafig Al-Haddad, Rayna Ayyed, Khadija Albarki, Sulaiman Abo-Rome, Ahmad Ali

Notice bibliographique

RevueInternational Journal of Data and Network Science · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueArtificial Intelligence in Healthcare and Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTraining (meteorology)PsychologyService (business)Medical educationComputer scienceApplied psychologyBusinessMedicineMarketingPhysics

Résumé

récupéré en direct d'OpenAlex

This research paper aims to test the effects of ChatGPT on students’ performance while using training to moderate this effect. The current paper uses a quantitative, descriptive, cause-effect approach. A cross-sectional sampling approach was used to collect the data online from 117 students in three Jordanian universities (Princess Sumaya University, University of Jordan, and German Jordanian University) by using a survey questionnaire. Data has been tested for its validity and reliability before testing hypotheses. The results indicated that the students agreed on the importance of ChatGPT (ease of use, accuracy, and plagiarism), however, most of the respondents did not agree on the importance of training on ChatGPT and they say it is easy and does not need training. The results also show that there are significant correlations among ChatGPT dimensions (ease of use, accuracy, and plagiarism). However, there is a significant correlation between training and plagiarism only, and there is an insignificance between training and both ease of use and accuracy, which supports the respondents' viewpoint that the training is not important. Finally, findings indicate that there is a significant strong correlation between all other variables (ease of Use, accuracy, and plagiarism) and students' performance, and a weak relationship with training. Finally, results show that there is a significant impact of ChatGPT (Accuracy, ease of use, and plagiarism) on students’ performance, where plagiarism has rated the highest significant effect, then accuracy, while ease of use has an insignificant effect. Moreover, results demonstrated that training has an insignificant moderation effect between ChatGPT and students’ performance.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,049
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,049
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,174
Tête enseignante GPT0,511
Écart entre enseignants0,337 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Data and Network ScienceMême sujetArtificial Intelligence in Healthcare and EducationTravaux en français237 207