AI-Driven Assessment Systems in Higher Education: Effectiveness for Enhancing Critical Thinking and Creativity
Notice bibliographique
Résumé
Artificial intelligence (AI)-based assessment systems are emerging as innovative tools to evaluate and enhance critical thinking and creativity in higher education.By leveraging deep learning algorithms, generative language models, and automated scoring techniques, these systems offer scalable, adaptive, and personalized feedback mechanisms aligned with 21st-century cognitive skill development.Despite increasing implementation, empirical evidence regarding their effectiveness remains fragmented.This systematic review synthesized the findings of original peer-reviewed studies assessing the impact of AI-driven evaluation tools on students' higher-order thinking skills.Following PRISMA 2020 guidelines, comprehensive searches were conducted in PubMed, Scopus, and Web of Science.Inclusion criteria focused on university-level interventions evaluating critical thinking and/or creativity using AI-based assessment tools.Of 234 records identified, only three studies met all eligibility criteria for final inclusion.Data were extracted using standardized forms, and risk of bias was assessed with CASP checklists.The included studies applied diverse AI systems: a BERT-based short answer grading tool, a deeplearning-powered creativity assessment platform, and a GPT-3.5-basedmock interview rubric.All reported strong correlations between AI-generated scores and expert human evaluations.Outcomes indicated that AI-based assessments reliably measured cognitive indicators such as inference, originality, communication clarity, and divergent thinking.However, ethical considerations, data transparency, and researcher-participant dynamics were insufficiently addressed across studies.AI-based assessment systems consistently demonstrated effectiveness in enhancing critical thinking and creativity among university students.This systematic review identified strong correlations between AI-generated evaluations and traditional human assessments, validating their reliability across cognitive domains such as inference, originality, and clarity.Despite ethical and methodological gaps in existing studies, the evidence supported AI's potential as a valuable complement to human judgment in higher education.These findings directly address the research question and confirm that AI-based assessment tools, when implemented responsibly, can contribute meaningfully to the development of higher-order cognitive skills.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».