Scoping the Landscape : Opportunities, Challenges, and Strategies for Generative AI in Higher Education
Notice bibliographique
Résumé
The present scoping review synthesizes literature from 2020 to 2025 to explore the integration of generative Artificial Intelligence (GenAI) in higher education, identifying its transformative opportunities, inherent challenges, and strategies for ethical implementation. Drawing on over 30 diverse sources, including peer-reviewed articles, institutional reports, and case studies, the review highlights GenAI’s potential to revolutionize education through personalized learning, task automation, innovative course development, and 24/7 academic support. Technologies like adaptive quizzes and virtual tutors, implemented by institutions such as Arizona State University and the University of Toronto, enhance learning experiences and expand access for students while aligning education with job market demands. However, challenges such as AI "hallucinations" causing misinformation, privacy risks, ethical concerns around cognitive autonomy, and disparities in accessibility for disabled and rural learners hinder equitable adoption. Governance strategies, including adaptive policies, human oversight, and AI literacy programs, are crucial for ensuring responsible implementation, with models from Stanford and MIT offering effective frameworks. Despite compelling evidence, gaps remain in addressing equitable access, long-term workforce implications, and consistent governance. This review provides a roadmap for stakeholders to harness the potential of GenAI while mitigating risks, with inclusive policies and AI literacy ensuring ethical and fair integration. Through the interconnection of these themes, this research lays a groundwork for further studies to bridge gaps and promote sustainable, innovative learning spaces in universities.
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 | 0,056 | 0,111 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,017 | 0,017 |
| Études des sciences et des technologies | 0,005 | 0,012 |
| Communication savante | 0,021 | 0,021 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,007 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».