AI 素养的能力模型方法:从初始框架到模型的基于研究的路径
本研究旨在开发并验证一份评估 AI 素养的问卷,其中包括 60 个代表不同 AI 素养方面的问题和 12 个代表 AI 心理能力的问题,在对 300 名德语成年人进行在线数据收集后,考虑因素分析后得出一套包括应用、理解、检测和伦理等四个方面的 AI 素养和创造 AI 的能力以及学习和问题解决的自我效能和自我管理的测量工具,该研究提供了一个基于深入能力模型的 AI 素养测量工具,并包含特别重要的高级心理能力。
Feb, 2023
本文提供了一套以数字素养和社会视角为重点的 AI 学习目标,旨在帮助补充现有的计算机科学课程,并提供有关 AI 的核心概念和相应的能力的见解。
May, 2023
人工智能(AI)已经成为社会不可或缺的一部分,但确保人类具备必要的批判性思维和 AI 素养技能以有效地与机器交互,并理解其能力和局限性,面临着一个关键挑战。本文通过使用理论模型和实证数据,提出了批判性学生与 AI 进行互动的概念化的第一步。我们的初步发现表明,在写作过程中人与 AI 之间存在缺乏深度互动的情况。我们认为这些结果可以为未来的学习者在与 AI 交互时培养深入的批判性思维提供更好的任务和工具设计方案。
Apr, 2024
探讨了教师实施 MIT RAICA 课程模块后的经验,研究发现人工智能模块不仅扩展了教师在该领域的知识,还使他们意识到其日常应用及其伦理和社会影响,并促使他们更好地与学生分享内容。还提出了对教师专业发展资源的改进建议。
Dec, 2023
ActiveAI 项目通过提供基于 AI4K12 知识框架的有趣的 AI 素养学习体验,解决了 7-9 年级学生在人工智能教育中所面临的关键挑战。该应用程序利用目标导向场景、即时反馈、项目式学习和智能代理等学习科学机制,结合滑块、步进器和收集器等多样的学习者输入,以增进理解。在这些课程中,学生通过分析社交媒体评论的情感来处理真实世界的场景。这有助于他们学会有效地与人工智能系统互动,并提高评估人工智能生成输出的能力。本项目的创建和数据工作基于学习工程过程(LEP),侧重于设计和影响力。该项目目前处于实施阶段,利用了智能导师设计原则进行应用开发。摘要介绍了项目的基础设计和开发情况,未来还将进行进一步的评估和研究。
Aug, 2023
本文提出了一个五层级的 AI 能力评估模型和相关的 AI 能力矩阵,以帮助实践者理解和采用 AI。这些实用工具旨在为商业高层管理人员、技术人员和其他组织利益相关者提供 AI 能力要求的信息,以实现在机构中最佳使用 AI 的核心能力维度,包括商业、数据、技术、组织、AI 技能、风险和伦理考虑等方面的考虑。
May, 2023
本文探讨了大型语言模型在教育中的转型作用和潜力,提出了利用人工智能进行辅助教学的七种方法,并介绍了实践策略来减少风险,并保证人工智能作为支持性工具而非替代品。
Jun, 2023
通过分析大学教师对人工智能语言模型的经验和态度,本研究填补了文献中对人工智能在教育中的应用以及其对教学和学习的潜在影响的研究空白。该研究调查了高等教育中语言模型和生成式人工智能工具的意识水平、整体态度以及影响这些态度的因素。研究结果显示,教育工作者对这些工具的认识程度逐渐增加,总体上持积极态度。教学风格与对生成式人工智能的态度之间没有相关性。最后,相较于其他领域的教育工作者,计算机科学教育工作者对生成式人工智能工具在技术上的理解更有信心,对其持更加积极的态度,但在检测人工智能生成作品的能力上并不更有信心。
Mar, 2024
通过对教育文本的深度洞察,本文探讨了计算机辅助文本分析在提高教学质量方面的转变潜力,结合 Richard Elmore 的教学核心框架,研究了人工智能和机器学习方法特别是自然语言处理在分析教育内容、教师论述和学生反馈方面的作用,从教师指导、学生支持和内容开发等关键领域发现了 AI/ML 集成的重要优势,并揭示了 AI/ML 的模式,不仅可以简化行政任务,还可以为个性化学习引入新的途径,为教育工作者提供可操作的反馈,为教学动态提供更深入的理解。本文强调将 AI/ML 技术与教学目标相一致,实现其在教育环境中的充分潜力,提倡平衡的方法,包括考虑道德考虑、数据质量和融合人类专业知识。
Mar, 2024