{"id":14520,"date":"2026-04-28T14:15:25","date_gmt":"2026-04-28T14:15:25","guid":{"rendered":"https:\/\/www.proefschriftmaken.nl\/portfolio\/rashmi-khazanchi\/"},"modified":"2026-04-28T14:15:43","modified_gmt":"2026-04-28T14:15:43","slug":"rashmi-khazanchi","status":"publish","type":"us_portfolio","link":"https:\/\/www.proefschriftmaken.nl\/en\/portfolio\/rashmi-khazanchi\/","title":{"rendered":"Rashmi Khazanchi"},"content":{"rendered":"","protected":true},"excerpt":{"rendered":"","protected":true},"author":7,"featured_media":14521,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_acf_changed":false,"footnotes":""},"us_portfolio_category":[45],"class_list":["post-14520","us_portfolio","type-us_portfolio","status-publish","post-password-required","hentry","us_portfolio_category-new-template"],"acf":{"naam_van_het_proefschift":"Artificial Intelligence in Education","samenvatting":"Het gebruik van kunstmatige intelligentie (AIED) in het onderwijs groeit snel en heeft een aanzienlijke invloed op de onderwijs- en leerprocessen. AI-gebaseerde systemen kunnen direct feedback geven en instructies in realtime aanpassen, waardoor er mogelijkheden ontstaan voor interactie en betrokkenheid bij het leerproces die vaak moeilijk te realiseren zijn in traditionele klaslokalen, waar leerkrachten niet altijd individuele ondersteuning kunnen bieden aan leerlingen met leerproblemen. Verschillende onderzoeken hebben veelbelovende resultaten laten zien wanneer AI-gebaseerde systemen worden gebruikt als aanvullend hulpmiddel in klassen van het basis- en voortgezet onderwijs.\n\nAI-gebaseerde systemen zoals ITS en ALS hebben de potentie om leerlingen adaptief en gepersonaliseerd onderwijs te bieden, met name in STEM-vakken zoals wiskunde, waar veel leerlingen moeite mee hebben. Dit is vooral duidelijk bij kansarme leerlingen uit plattelandsgebieden, die vaak achterlopen op de verwachtingen voor hun leerjaar vanwege beperkte middelen, een gebrek aan hooggekwalificeerde leraren en de gevolgen van armoede.\n\nHet leerverlies als gevolg van de COVID -19-pandemie heeft de wiskundeprestaties van leerlingen aanzienlijk be\u00efnvloed, waardoor de bestaande prestatieverschillen verder zijn toegenomen. Om dit probleem aan te pakken en de prestatiekloof te verkleinen, hebben verschillende scholen in de Verenigde Staten AI-gebaseerde tools ge\u00efmplementeerd ter ondersteuning van het wiskundeonderwijs. Een middelbare school op het platteland in het zuiden van de Verenigde Staten heeft in het schooljaar 2021-2022 een pilot uitgevoerd met ALEKS, een ITS, om leerlingen uit groep 8 te ondersteunen die het moeilijk hebben. In het schooljaar 2022-2023 heeft de school Edmentum Exact Path, een ALS, ge\u00efmplementeerd om de ondersteuning voort te zetten.\n\nDit proefschrift bestaat uit vier hoofdstukken: Hoofdstuk 1 bespreekt een onderzoek dat met ALEKS is uitgevoerd; Hoofdstuk 2 breidt het eerste onderzoek uit voor publicatie in een tijdschrift; Hoofdstuk 3 onderzoekt het gebruik van Edmentum Exact Path; en Hoofdstuk 4 presenteert een systematisch literatuuronderzoek naar op AI gebaseerde systemen en hun impact op wiskundige prestaties.\n\nHoofdstuk 1 richt zich op het effect van intelligente bijlessystemen op de wiskundeprestaties van onderpresterende leerlingen. Deze quasi-experimentele studie gebruikte ALEKS om de impact ervan op 158 leerlingen uit groep 8 te evalueren, van wie 62-68% in een economische achterstandspositie verkeerde en slechts 12% bekwaam was in wiskunde. Deze studie had als doel om: 1) de effectiviteit van ALEKS te vergelijken met traditioneel onderwijs ter verbetering van de wiskundeprestaties van leerlingen; 2) de voortgang van leerlingen ten opzichte van de wiskundenormen per leerjaar te beoordelen met behulp van ALEKS gedurende \u00e9\u00e9n schooljaar; 3) de prestatieverschillen tussen lesperiodes te analyseren met behulp van ALEKS-implementatie.\n\nWe vergeleken de resultaten van de voor- en natoets, gebaseerd op door de docent gegeven instructies en de door ALEKS gegeven instructies, gedurende twee opeenvolgende jaren. In het eerste jaar werd alleen het Reveal- wiskundecurriculum van McGraw gebruikt. In het tweede jaar werd ALEKS ge\u00efmplementeerd als aanvullend hulpmiddel in een wiskundeles, gedurende 50 minuten om de dag, naast het Reveal-wiskundecurriculum. We analyseerden ook gegevens van vijf jaar aan het einde van het leerjaar (EOG) van de staatsexamens (zonder ALEKS) en vergeleken deze met EOG-gegevens uit het jaar waarin ALEKS werd ge\u00efmplementeerd.\n\nDe bevindingen toonden aan dat leerlingen die instructie kregen van een leerkracht, betere wiskundeprestaties lieten zien dan leerlingen die instructie kregen van een ALEKS-leerkracht. Deze uitkomst kan worden toegeschreven aan het feit dat ALEKS zich nog in de pilotfase bevond, waarbij leerkrachten nog moesten leren hoe ze het effectief konden gebruiken. Veel leerlingen werkten aan de vereiste vaardigheden omdat ze onder het niveau van hun leerjaar zaten. De COVID-19-pandemie heeft dit effect waarschijnlijk versterkt, aangezien leerlingen naar groep 8 gingen zonder staats- of schoolexamens af te leggen, omdat ze een groot deel van hun instructie in groep 7 hadden gemist vanwege schoolsluitingen.\n\nUit deze studie bleek ook dat ALEKS bijdroeg aan de verbetering van alle elf wiskundestandaarden binnen vijf wiskundedomeinen. De meeste leerlingen konden echter niet alle standaarden afronden, omdat ALEKS gebaseerd is op beheersing, wat betekent dat leerlingen een nauwkeurigheid van 80% moeten behalen op de vereiste vaardigheden voordat ze verder kunnen. Beperkte toegang tot ALEKS (alleen om de dag) beperkte ook de slagingspercentages. Een andere bevinding gaf aan dat hoogpresterende leerlingen met een sterke werkethiek beter presteerden in vergelijking met groepen met verschillende niveaus, waaronder leerlingen met een beperking.\n\nHoofdstuk 2 werd uitgebreid voor publicatie in tijdschriften door statistische analyse, waaronder gepaarde t-toetsen en ANOVA, te integreren om de effectiviteit van ALEKS op de wiskundeprestaties van leerlingen te evalueren. Een literatuuronderzoek en een nulhypothese werden ook toegevoegd. De resultaten gaven aan dat door de leraar geleide instructie effectiever was, met hogere testscores en een lagere variantie in vergelijking met ALEKS. De studie had twee hoofddoelen: 1) onderzoeken of het gebruik van ALEKS een statistisch significante verbetering in de wiskundeprestaties van leerlingen liet zien in vergelijking met traditionele door de leraar geleide instructie, en 2) bepalen of het gebruik van ALEKS een statistisch significante verbetering liet zien over de wiskundestandaarden van alle leerjaren heen over \u00e9\u00e9n schooljaar. De analyse wees uit dat zowel door ALEKS als door de leraar geleide instructie statistisch significant was, waarbij door de leraar geleide instructie effectiever was.\n\nEen vergelijkbaar patroon werd waargenomen bij vergelijking van vijf jaar aan gegevens over het einde van het leerjaar (EOG) met en zonder ALEKS. Hoewel het gebruik van ALEKS alle wiskundestandaarden aanzienlijk verbeterde, varieerde de winst, waarschijnlijk vanwege het op beheersing gebaseerde leren, waarbij 80% beheersing vereist is voordat naar het volgende onderwerp kan worden doorgegaan. Omdat leerlingen ALEKS slechts om de dag gebruikten, konden ze niet alle elf standaarden afronden.\n\nOver het geheel genomen bieden de bevindingen van deze studie waardevolle inzichten in het gebruik van ITS-systemen in het basis- en voortgezet onderwijs. Wiskunde ITS-systemen zoals ALEKS bieden adaptieve en gepersonaliseerde leermogelijkheden en kunnen de prestaties van onderpresterende leerlingen aanzienlijk verbeteren.\n\nIn hoofdstuk 3 onderzochten we de effectiviteit van Edmentum Exact Path, een op AI gebaseerd instructiesysteem, in het verbeteren van de wiskundeprestaties en -betrokkenheid (affectief en cognitief) onder leerlingen in groep 8 in het zuiden van de Verenigde Staten. Deze quasi-experimentele studie omvatte 78 leerlingen uit sociaaleconomisch achtergestelde milieus. We vergeleken een experimentele groep die zowel traditionele, door de leerkracht geleide instructie als door Edmentum Exact Path geleide instructie kreeg, met een controlegroep die alleen traditionele, door de leerkracht geleide instructie kreeg.\n\nDe drie doelstellingen van dit onderzoek waren: 1) Het vergelijken van de effectiviteit van Edmentum Exact Path en traditioneel, door docenten geleid onderwijs op de wiskundeprestaties van leerlingen. 2) Het onderzoeken van de verschillen in affectieve betrokkenheid van leerlingen tussen Edmentum Exact Path-onderwijs en traditioneel, door docenten geleid onderwijs. 3) Het onderzoeken van de verschillen in cognitieve betrokkenheid van leerlingen tussen Edmentum Exact Path-onderwijs en traditioneel, door docenten geleid onderwijs.\n\nDe experimentele groep gebruikte het Reveal-wiskundecurriculum van McGraw-Hill en integreerden Edmentum Exact Path als aanvullend instrument. De experimentele groep volgde ook ondersteunende wiskundelessen, waar ze werkten aan ge\u00efndividualiseerde leerpaden in Edmentum Exact Path, ontwikkeld op basis van diagnostische beoordelingen die aan het begin van het schooljaar werden afgenomen. De wiskundige prestaties werden gemeten met behulp van pretests en posttests, terwijl de betrokkenheid van de leerlingen werd gemeten met een 35-items, 5-punts Likert-schaal Student Engagement Instrument (SEI), afgenomen na de posttest om affectieve en cognitieve betrokkenheid te beoordelen. Een belangrijke beperking van deze studie is de afwezigheid van een SEI-enqu\u00eate v\u00f3\u00f3r de interventie, wat de mogelijkheid beperkt om veranderingen in betrokkenheid in de loop van de tijd te meten.\n\nDe gegevens werden geanalyseerd met behulp van t-toetsen en ANOVA. Het resultaat toonde aan dat zowel de experimentele als de controlegroep statistisch significante verbeteringen in wiskundeprestaties lieten zien. De controlegroep liet echter een grotere winst zien in affectieve betrokkenheid, terwijl er geen statistisch significante verschillen werden waargenomen in cognitieve betrokkenheid tussen de twee groepen.\n\nDeze resultaten suggereren dat de integratie van AI-gebaseerde systemen zoals Edmentum Exact Path de wiskundeprestaties en cognitieve betrokkenheid kan verbeteren door in te spelen op individuele leerbehoeften. Dergelijke tools zijn echter mogelijk minder effectief in het vergroten van de affectieve betrokkenheid, mogelijk vanwege een gebrek aan emotionele responsiviteit. Verder onderzoek is nodig om de rol van AI bij het bevorderen van de betrokkenheid van leerlingen beter te begrijpen, met name onder de achtergestelde bevolking in plattelandsgebieden.\n\nIn hoofdstuk 4 hebben we een systematisch literatuuronderzoek uitgevoerd om de impact van AI-gebaseerde systemen op de wiskundeprestaties in klassen van het basis- en voortgezet onderwijs te onderzoeken. Het onderzoek was gericht op de volgende doelstellingen: 1) Identificeren welke soorten AI-gebaseerde systemen worden gebruikt in het wiskundeonderwijs en op welk onderwijsniveau ze worden ge\u00efmplementeerd. 2) De impact van AI-gebaseerde systemen op de wiskundeprestaties van leerlingen in het basis- en voortgezet onderwijs identificeren. 3) Onderzoeken of op AI gebaseerde systemen de kloof in wiskundeprestaties onder leerlingen uit lage sociaaleconomische milieus helpen verkleinen, en welke systeemkenmerken hieraan bijdragen.\n\nWe volgden de PRISMA-richtlijnen en doorzochten zes belangrijke databases: ACM Digital Library, ERIC (EBSCO), JSTOR, Wiley, ScienceDirect (Elsevier) en SpringerLink om peer-reviewed artikelen te vinden die tussen 2008 en 2023 zijn gepubliceerd. Een eerste pool van 1945 studies werd ge\u00efdentificeerd op basis van vooraf gedefinieerde inclusie- en exclusiecriteria. Na screening werden 42 artikelen geselecteerd voor diepgaande analyse. De gegevens werden georganiseerd en geanalyseerd met behulp van spreadsheets.\n\nDe bevindingen geven aan dat AI-gebaseerde systemen op grote schaal worden gebruikt in klassen van het basis- en voortgezet onderwijs in verschillende landen om gepersonaliseerde en adaptieve leerervaringen te bieden ter ondersteuning van het wiskundeonderwijs van leerlingen. De meeste onderzoeken zijn uitgevoerd in de Verenigde Staten. Zowel Intelligent Tutoring Systems (ITS) als Adaptive Learning Systems (ALS) worden gebruikt op de basisschool, middelbare school en middelbare school. Verschillende onderzoeken meldden ook het gebruik van adaptieve leergames, zoals Lynnette, DragonBox, Woot Math Adaptive Learning (WMAL) en Math Whizz. De meest gebruikte AI-gebaseerde systemen in de VS zijn ALEKS, CTA1, ASSISTments, HALF, Math IVLE, MathSpring en Decimal Point. Uit onderzoeken uit andere landen blijkt dat er gebruik wordt gemaakt van AI-gebaseerde systemen zoals MIT, dialooggebaseerde docenten, ACALS, adaptieve CER-gebaseerde wiskundespellen, PEDALE, PAT2Math, ZPDES, RiaRiT, AmritaITS, UZWEBMAT, APPEAL en HINTS.\n\nOver het algemeen suggereren de bevindingen een matig positief effect van AI-gebaseerde systemen op de wiskundeprestaties van leerlingen. De meeste studies rapporteerden matige tot significante verbeteringen in de prestaties, betrokkenheid en retentie van leerlingen. Verschillende AI-gebaseerde systemen, zoals ALEKS, MathSpring en eFit, werden geassocieerd met verbeterde resultaten bij leerlingen met een lage sociaaleconomische achtergrond, wat hun potentieel om onderwijsgelijkheid te ondersteunen onderstreept.\n\nDe discussie presenteert de bevindingen van elk onderzoek in dit proefschrift, samen met de bijdragen en beperkingen van dit onderzoek. Gebaseerd op de integratie van AI-gebaseerde instructiesystemen en gepersonaliseerde leerkaders, tonen de studies aan hoe AI-gebaseerde systemen de leerresultaten van leerlingen in wiskunde kunnen verbeteren. Deze AI-gebaseerde systemen tonen potentieel in het verbeteren van de cognitieve betrokkenheid en academische prestaties van leerlingen. De bevindingen onthullen echter ook beperkingen in het bevorderen van affectieve betrokkenheid, en benadrukken de uitdagingen waarmee AI-gebaseerde systemen worden geconfronteerd bij het repliceren van de emotionele connectie van menselijk lesgeven. De studie toont beperkingen in affectieve betrokkenheid en laat de uitdagingen zien van AI-gebaseerde systemen om de emotionele en relationele aspecten van menselijk lesgeven te repliceren. Dit proefschrift draagt bij aan het bredere discours binnen de AIED-gemeenschappen en levert empirisch bewijs voor de pedagogische impact van AI-gebaseerde instructies op de wiskundeprestaties en betrokkenheid van leerlingen in kansarme bevolkingsgroepen in landelijke onderwijscontexten.\n\nToekomstig onderzoek zou de impact van verschillende AI-gebaseerde systemen moeten onderzoeken door hun effectiviteit te vergelijken met ITS en ALS, zoals ALEKS en Edmentum Exact Path. Hierbij zouden factoren zoals instructieontwerp, leerlingkenmerken en specifieke leerresultaten in aanmerking moeten worden genomen. Door de sterke punten van deze AI-gebaseerde systemen te benutten, kunnen docenten en beleidsmakers weloverwogen beslissingen nemen over de integratie ervan, wat uiteindelijk de prestaties van leerlingen in wiskunde en aanverwante disciplines verbetert.","summary":"Use of artificial intelligence in education (AIED) is growing rapidly and significantly influencing the teaching and learning processes. AI-based systems can provide immediate feedback and adapt instructions in real time, creating opportunities for interaction and engagement in the learning process that are often difficult to achieve in traditional classroom settings, where teachers cannot always offer individualized support to struggling learners. Several research studies have shown promising results when AI-based systems are used as a supplemental tool in K-12 classrooms.\n\nAI-based systems such as ITS and ALS have the potential to deliver adaptive and personalized learning to students, particularly in STEM subjects like mathematics, which many students find challenging. This is more evident among disadvantaged students from rural areas who frequently fall behind grade-level expectations due to limited resources, a lack of highly qualified teachers, and the effects of poverty.\n\nThe learning loss caused by COVID -19 pandemic has significantly impacted students\u2019 mathematics performance, further widening existing achievement gaps. To address this issue and narrow the achievement gap, several schools across the United States have implemented AI-based tools to support mathematics learning. A rural high school in the southern United States piloted ALEKS, an ITS, during the 2021-2022 academic year to support struggling eighth-grade students. In the 2022\u20132023 academic year, the school adopted Edmentum Exact Path, an ALS, to continue providing support.\n\nThis thesis consists of four chapters: Chapter 1 discusses a study conducted with ALEKS; Chapter 2 extends the first study for journal publication; Chapter 3 examines the use of Edmentum Exact Path; and Chapter 4 presents a systematic literature review on AI-based systems and their impact on mathematics achievement.\n\nChapter 1 focuses on the effect of intelligent tutoring systems on the mathematics achievement of underachieving students. This quasi-experimental study used ALEKS to evaluate its impact on 158 eighth-grade students, 62\u201368% of whom were economically disadvantaged, with only 12% proficient in mathematics. This study aimed to 1) Compare the effectiveness of ALEKS versus traditional instruction in improving students\u2019 mathematics achievement. 2) Assess students\u2019 progress on grade-level math standards over one academic year using ALEKS. 3) Analyze differences in achievement across class periods with ALEKS implementation.\n\nWe compared the results of pretest and posttest from teacher-led instructions and ALEKS -led instructions across two consecutive years. In the first year, only McGraw math curriculum Reveal was used. In the second year, ALEKS was implemented as a supplemental tool in a math support class for 50 minutes every other day, alongside the Reveal Math curriculum. We also analyzed five years of End-of-Grade (EOG) state assessment data (without ALEKS) and compared it to EOG data from the year ALEKS was implemented.\n\nFindings showed that students receiving teacher-led instructions showed greater mathematics achievement than those using ALEKS-led instructions. This outcome may be attributed to ALEKS being in its pilot stage, with teachers still learning how to use it effectively. Many students were working on prerequisite skills as they were below grade level. The COVID-19 pandemic likely amplified this effect, as students were promoted to eighth grade without taking state or school exams after missing much of their seventh-grade instructions due to school closures.\n\nThis study also found that ALEKS contributed to improvement across all eleven mathematics standards within five math domains. However, most students were unable to complete all standards because ALEKS is mastery-based, requiring students to achieve 80% accuracy on prerequisite skills before progressing further. Limited access to ALEKS (only on alternate days) also restricted completion rates. Another finding indicated that high-achieving students with strong work ethics performed better compared to mixed-ability groups, which included students with disabilities.\n\nChapter 2 was extended for journal publication by incorporating statistical analysis, including paired t-tests and ANOVA, to evaluate the efficacy of ALEKS on students' mathematics achievement. A literature review and null hypothesis were also added. The results indicated that teacher-led instruction was more effective, showing higher test scores and lower variance compared to ALEKS. The study had two main objectives: 1) to examine whether the use of ALEKS show a statistically significant improvement in students' mathematics achievement compared to traditional teacher-led instruction, and 2) to determine whether the use of ALEKS show statistically significant improvement across grade-level mathematics standards over one academic year. The analysis found that both ALEKS-led and teacher-led instructions were statistically significant, with teacher-led instruction being more effective.\n\nA similar pattern was observed when comparing five years of End of Grade (EOG) data with and without ALEKS. While the use of ALEKS significantly improved all mathematics standards, the gains varied, likely due to its mastery-based learning, which requires 80% mastery before progressing to the next topic. Since students only used ALEKS on alternate days, they were unable to complete all eleven standards.\n\nOverall, the findings from this study provide valuable insights into the use of ITSs in K-12 classrooms. Mathematics ITSs like ALEKS offer adaptive and personalized learning opportunities and can significantly enhance achievement among underperforming students.\n\nIn Chapter 3, we examined the effectiveness of Edmentum Exact Path, an AI-based instructional system, in enhancing mathematics achievement and engagement (affective and cognitive) among 8th-grade students in the Southern United States. This quasi-experimental study included 78 students from socioeconomically disadvantaged backgrounds. We compared an experimental group that received both traditional teacher-led instruction and Edmentum Exact Path-led instructions to a control group that received only traditional teacher-led instruction.\n\nThe three objectives for this study were 1) To compare the efficacy of Edmentum Exact Path and traditional teacher-led instruction on students\u2019 mathematics achievement. 2) To investigate differences in students\u2019 affective engagement between Edmentum Exact Path instruction and traditional teacher-led instruction. 3) To examine differences in students\u2019 cognitive engagement between Edmentum Exact Path instruction and traditional teacher-led instruction.\n\nThis intervention lasted five weeks, with a daily session of 50 minutes each. Both groups used the McGraw-Hill math curriculum Reveal, 8th-grade math curriculum and incorporated Edmentum Exact Path as a supplemental tool for the experimental group. The experimental group also attended math support classes, where they worked on individualized learning pathways in Edmentum Exact Path, created based on diagnostic assessments administered at the beginning of the school year. Mathematics achievement was measured using pretests and posttests, while student engagement was measured using a 35-item, 5-point Likert-scale Student Engagement Instrument (SEI), administered following the posttest to assess affective and cognitive engagement. A significant limitation of this study is the absence of a pre-intervention SEI survey, which restricts the ability to measure changes in engagement over time.\n\nData were analyzed using t-tests and ANOVA. The result showed that both the experimental and control groups showed statistically significant improvements in mathematics achievement. However, the control group showed greater gains in affective engagement, whereas no statistically significant differences were observed in cognitive engagement between the two groups.\n\nThese results suggest that integrating AI-based systems like Edmentum Exact Path may enhance mathematics achievement and cognitive engagement by addressing individual learning needs. However, such tools may be less effective in increasing affective engagement, possibly due to a lack of emotional responsiveness. Further research is needed to better understand the role of AI in promoting student engagement, particularly among the underserved population in rural areas.\n\nIn Chapter 4, we conducted a systematic literature review to investigate the impact of AI-based systems on mathematics achievement in K-12 classrooms. The review was guided by the following objectives: 1) To identify what types of AI-based systems are used in mathematics education, and the educational level at which they are implemented. 2) To identify the impact of AI-based systems on students' mathematics performance in K-12 classrooms. 3) To explore whether AI-based systems help reduce the mathematics achievement gap among students from low socioeconomic backgrounds, and which system features contribute to this effect.\n\nWe followed the PRISMA guidelines and searched six major databases: ACM Digital Library, ERIC (EBSCO), JSTOR, Wiley, ScienceDirect (Elsevier), and SpringerLink to locate peer-reviewed articles published between 2008 and 2023. An initial pool of 1,945 studies was identified based on predefined inclusion and exclusion criteria. After screening, 42 articles were selected for in-depth analysis. Data was organized and analyzed using spreadsheets.\n\nThe findings indicate that AI-based systems are widely used in K-12 classrooms across various countries to provide personalized and adaptive learning experiences to support students\u2019 mathematics learning. Most studies were conducted in the United States. Both ITS and ALS are used at the elementary, middle, and high school levels, with more frequent implementation at the middle school level and less at the high school level. Several studies also reported the use of adaptive learning games, such as Lynnette, DragonBox, Woot Math Adaptive Learning (WMAL), and Math Whizz. The most commonly used AI-based systems in the U.S. include ALEKS, CTA1, ASSISTments, HALF, Math IVLE, MathSpring, and Decimal Point. Studies from other countries reported the use of AI-based systems such as MIT, dialogue-based tutors, ACALS, Adaptive CER-based mathematics games, PEDALE, PAT2Math, ZPDES, RiaRiT, AmritaITS, UZWEBMAT, APPEAL, and HINTS.\n\nOverall, the findings suggest a moderately positive effect of AI-based systems on students\u2019 mathematics achievement. Most studies reported moderate to significant improvements in student performance, engagement, and retention. Several AI-based systems, such as ALEKS, MathSpring, and eFit were associated with improved outcomes among students from low socioeconomic backgrounds, highlighting their potential to support educational equity.\n\nThe discussion presents the findings of each study of this doctoral thesis, along with the contributions and the limitations of this research. Grounded in the integration of AI-based instructional systems and personalized learning frameworks, the studies demonstrate how AI-based systems can enhance student learning outcomes in mathematics. These AI-based systems show potential in enhancing students\u2019 cognitive engagement and academic performance. However, the findings also reveal limitations in promoting affective engagement, highlighting the challenges AI-based systems face in replicating the emotional connection of human teaching. The study shows limitations in affective engagement, showing the challenges of AI-based systems to replicate the emotional and relationale aspects of human instruction. This dissertation adds to the broader discourse within the AIED communities, providing empirical evidence on the pedagogical impact of AI-based instructions on students mathematics achievement and engagement in underserved population within rural educational contexts.\n\nFuture research should investigate the impact of various AI-based systems by comparing their effectiveness with ITS and ALS, such as ALEKS, and Edmentum Exact Path. It should consider factors like instructional design, student characteristics, and specific learning outcomes. By leveraging the strengths of these AI-based systems, educators and policymakers make informed decisions regarding their integration, ultimately enhancing student achievement in mathematics and related disciplines.","auteur":"Rashmi Khazanchi","auteur_slug":"rashmi-khazanchi","publicatiedatum":"8 mei 2026","taal":"EN","url_flipbook":"https:\/\/ebook.proefschriftmaken.nl\/ebook\/rashmikhazanchi?iframe=true","url_download_pdf":"https:\/\/ebook.proefschriftmaken.nl\/download\/60972573-ca6c-41c9-9043-72297ecca181\/optimized","url_epub":"","ordernummer":"18703","isbn":"978-94-6534-3051","doi_nummer":"","naam_universiteit":"Open Universiteit","afbeeldingen":14522,"naam_student:":"","binnenwerk":"","universiteit":"Open Universiteit","cover":"","afwerking":"","cover_afwerking":"","design":""},"_links":{"self":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio\/14520","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio"}],"about":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/types\/us_portfolio"}],"author":[{"embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/users\/7"}],"replies":[{"embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/comments?post=14520"}],"version-history":[{"count":1,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio\/14520\/revisions"}],"predecessor-version":[{"id":14523,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio\/14520\/revisions\/14523"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/media\/14521"}],"wp:attachment":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/media?parent=14520"}],"wp:term":[{"taxonomy":"us_portfolio_category","embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio_category?post=14520"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}