EXSeQETIC:支持eQETIC模型实施的专家系统
研究表明深度语言模型辅助的对话代理在心理健康方面具有很大潜力,用于提供信息性和治疗性服务,在抑郁症方面的实验显示控制生成问题对于精神保健评估是合适的,创造一个名为PRIMATE的数据集,用以培训深度语言模型。
May, 2022
本文对基于大型语言模型的教育技术创新进行了系统文献综述和理论分析,并提出了以人为本的开发推荐,以解决基于大型语言模型的教育任务自动化可能带来的实际和伦理挑战。
Mar, 2023
本论文探讨了在教学设计中利用大型语言模型(LLMs),尤其是GPT-4的全面应用。我们关注以缩小理论教育研究和实际实施之间的差距为目的,通过扩大基于证据的教学设计专业知识的规模。本文讨论了AI驱动内容生成的益处和局限性,强调人为监督保证教育材料质量的必要性。我们通过两个详细的案例研究阐释了这一工作,其中应用GPT-4创建了复杂的高阶评估和不同课程的主动学习组成部分。根据我们的经验,我们提供有效使用LLM的最佳实践,如利用模板,微调,处理意外输出,实施LLM链,引用参考文献,评估输出,创建量表,评分和生成干扰项。我们还分享了我们对未来的推荐系统的愿景,该推荐系统可以根据用户的独特教育背景,定制GPT-4从教育研究中提取教学设计原则,并创建个性化的、具备证据支持的策略。本研究有助于理解和最大限度地利用AI驱动的语言模型潜力,以增强教育成果。
May, 2023
将知识库与大型语言模型的智能教师集成,可以提高回答准确性和教学能力,并且在讲授方式和理解学生方面表现得更好,但在帮助学生方面还略逊一筹。
Sep, 2023
EHRTutor是一个创新的多组件框架,利用大型语言模型(LLM)通过对话问答为患者教育提供了电子健康记录出院指示,评估结果表明EHRTutor在LLMs和领域专家中都表现出明显优势,并且EHRTutor还提供了一个从事后系统训练的未来内部系统的框架。
Oct, 2023
利用大型语言模型的最新进展,本论文讨论和评估了一种新型的会话式辅导系统,通过两种方式利用人工智能辅助内容编写,并自动从课文中诱导出易于编辑的辅导脚本,通过两种基于大型语言模型的代理(Ruffle&Riley)作为学生和教授自动化脚本编排来进行学习。通过与简单的问答聊天机器人和阅读活动进行比较的两次在线用户研究(N = 200)评估了Ruffle&Riley在生物学课程中的支持能力。通过分析系统使用模式、前后测试成绩和用户体验调查,发现Ruffle&Riley用户报告了较高水平的投入、理解,并认为提供的支持是有帮助的。虽然Ruffle&Riley用户完成活动需要更多时间,但在短期学习收益方面并未发现显著差异。本系统架构和用户研究为未来会话式辅导系统的设计者提供了各种见解。我们进一步开源了我们的系统以支持关于基于大型语言模型的学习技术有效教学设计方面的持续研究。
Apr, 2024
利用自然语言处理和机器学习的进展,该研究探讨了在Microsoft Teams平台上将ChatGPT API与GPT-4模型和Microsoft Copilot Studio结合,开发智能辅导系统的可能性。该系统旨在为学生提供即时支持,根据学习者的进展和反馈动态调整教育内容,并解释学生的问题、提供个性化的反馈,并促进学习过程。初步实施突显了该系统在提升学生的动力和参与度方面的潜力,同时为教育者提供了对学习过程的关键洞察力,从而推广了个性化的教育体验并增强了教学效果。
May, 2024
本研究针对欧盟人工智能法案下高风险AI系统需建立质量管理系统(QMS)的要求,填补了当前在工具开发方面的研究空白。提出了一套基于法律法规的QMS设计与架构,并实现了一个原型QMS,结合大语言模型(LLMs)以支持风险管理。该原型通过用户故事与技术评估进行验证,具有重要的应用潜力。
Aug, 2024