.png){kind=icon}
返回
Bridging Theory and Simulation: Using ChatGPT for Computational Thinking Scale Replication Study
.png){kind=icon}
PRE
AI
DOI：10.1080/10447318.2025.2578402.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究评估了ChatGPT生成模拟数据以用于理论复现与验证的能力，重点聚焦于计算思维量表（CTS）。CTS模型被复现了10次，产生了10个试验模型和4,427个模拟响应。每个试验均采用结构方程模型（SEM）进行分析，以评估其效度、信度和一致性。结果表明，ChatGPT模拟数据的表现与原始模型相当。关键指标——包括组合信度（模拟：0.767-0.816；原始：0.84-0.88）、平均方差提取量（模拟：0.455-0.563；原始：0.57-0.67）、Cronbach's Alpha（模拟：0.595-0.702；原始：0.74-0.83）以及R-squared（模拟：0.215-0.33；原始：0.38-0.43）——虽然数值较低但保持一致。结构路径系数（模拟：0.015-0.504；原始：0.20-0.43）也呈现出相似模式，进一步支持了可比性。这些发现凸显了ChatGPT作为研究模拟生成工具的潜力，能够实现成本效益高、可扩展的方法学测试，并为未来研究提供一条途径。
Keyword:
Theory validation
ChatGPT
replication study
simulation
computational thinking
期刊
I
IF:
4.9
论文数:
4.4K
被引数:
1.2W
机构
引用论文
On LLMs-Driven Synthetic Data Generation, Curation, and Evaluation: A Survey基于LLMs驱动的合成数据生成、筛选与评估：一项综述
PREAI
分享收藏Co-production, artificial intelligence and replication: the path of routine dynamicsLepratte, L.; Yoguel, G. 共生产、人工智能与复制：常规动态的路径。Rev. Evol. Political Econ. 2024, 5, 535–558. [Google Scholar] [CrossRef]
PREAI
分享收藏Automatic Generation of Programming Exercises and Code Explanations Using Large Language Models使用大型语言模型自动生成编程练习和代码说明
OAAI
OAAI分享收藏Assessing elementary students' computational thinking in everyday reasoning and robotics programming.png)
COMPUTERS & EDUCATION
OAAI
COMPUTERS & EDUCATIONIF10.5
OAAI分享收藏
查看更多内容