Entschlüsselung der Nutzerwahrnehmung im Zeitalter der generativen KI: Eine sentimentgesteuerte Bewertung der Rolle von KI-Bildungs-Apps in der digitalen Transformation des E-Teaching
Unveiling User Perceptions in the Generative AI Era: A Sentiment-Driven Evaluation of AI Educational Apps' Role in Digital Transformation of e-Teaching
December 12, 2025
papers.authors: Adeleh Mazaherian, Erfan Nourbakhsh
cs.AI
papers.abstract
Die rasche Integration generativer künstlicher Intelligenz in den Bildungssektor hat die digitale Transformation des E-Teaching vorangetrieben, doch die Nutzerwahrnehmung von KI-Bildungsanwendungen bleibt unzureichend erforscht. Diese Studie führt eine sentimentsgestützte Auswertung von Nutzerbewertungen der führenden KI-Bildungs-Apps im Google Play Store durch, um Wirksamkeit, Herausforderungen und pädagogische Implikationen zu bewerten. Unser Vorgehen umfasste das Abrufen von App-Daten und Bewertungen, RoBERTa für die binäre Sentimentklassifikation, GPT-4o zur Extraktion zentraler Punkte und GPT-5 zur Synthese der wichtigsten positiven/negativen Themen. Die Apps wurden in sieben Kategorien eingeteilt (z.B. Hausaufgabenhelfer, Mathe-Löser, Sprach-Tools), wobei Überschneidungen die multifunktionalen Designs widerspiegeln. Die Ergebnisse deuten auf überwiegend positive Stimmungen hin, wobei Hausaufgaben-Apps wie Edu AI (95,9 % positiv) und Answer.AI (92,7 %) in Bezug auf Genauigkeit, Geschwindigkeit und Personalisierung führen, während Sprach-/LMS-Apps (z.B. Teacher AI mit 21,8 % positiv) aufgrund von Instabilität und begrenzten Funktionen zurückfallen. Positive Aspekte betonen die Effizienz beim Brainstorming, Problemlösen und der Engagement-Förderung; negative konzentrieren sich auf Paywalls, Ungenauigkeiten, Werbung und Störungen. Trends zeigen, dass Hausaufgabenhelfer spezialisierte Tools übertreffen, was das demokratisierende Potenzial der KI trotz der Risiken von Abhängigkeit und Ungleichheit unterstreicht. Die Diskussion skizziert zukünftige Ökosysteme mit hybriden KI-Mensch-Modellen, VR/AR für immersives Lernen sowie einen Fahrplan für Entwickler (adaptive Personalisierung) und politische Entscheidungsträger (Regulierung der Monetarisierung für Inklusivität). Dies unterstreicht die Rolle generativer KI für den Fortschritt des E-Teaching durch ethische Verbesserungen, die gerechte, innovative Lernumgebungen fördern. Der vollständige Datensatz ist hier verfügbar (https://github.com/erfan-nourbakhsh/GenAI-EdSent).
English
The rapid integration of generative artificial intelligence into education has driven digital transformation in e-teaching, yet user perceptions of AI educational apps remain underexplored. This study performs a sentiment-driven evaluation of user reviews from top AI ed-apps on the Google Play Store to assess efficacy, challenges, and pedagogical implications. Our pipeline involved scraping app data and reviews, RoBERTa for binary sentiment classification, GPT-4o for key point extraction, and GPT-5 for synthesizing top positive/negative themes. Apps were categorized into seven types (e.g., homework helpers, math solvers, language tools), with overlaps reflecting multifunctional designs. Results indicate predominantly positive sentiments, with homework apps like Edu AI (95.9% positive) and Answer.AI (92.7%) leading in accuracy, speed, and personalization, while language/LMS apps (e.g., Teacher AI at 21.8% positive) lag due to instability and limited features. Positives emphasize efficiency in brainstorming, problem-solving, and engagement; negatives center on paywalls, inaccuracies, ads, and glitches. Trends show that homework helpers outperform specialized tools, highlighting AI's democratizing potential amid risks of dependency and inequity. The discussion proposes future ecosystems with hybrid AI-human models, VR/AR for immersive learning, and a roadmap for developers (adaptive personalization) and policymakers (monetization regulation for inclusivity). This underscores generative AI's role in advancing e-teaching by enabling ethical refinements that foster equitable, innovative environments. The full dataset is available here(https://github.com/erfan-nourbakhsh/GenAI-EdSent).