GLAM领域的人工智能培训资源: 简介
本研究提出了教育资源发现（ERD）流程，该流程自动化了新领域的web资源发现，并展示了如何利用这一流程生成高质量调查的开头段落。该研究创建了一个包含39,728个手动标记的web资源和659个查询的语料库。
Jan, 2022
GLAMI-1M 是一个包含多语言、时尚产品图像及描述的最大分类数据集，共包含191个类别，通过人工标注的测试集和部分训练集对其进行高质量注释。该数据集可用于图像生成和文本分类，最佳 EmbraceNet 模型在使用视觉和文本特征的情况下达到了 69.7% 的准确率并展示了其具有挑战性的精细分类问题。
Nov, 2022
本文提出了一个框架，考虑到现有的学习资源文献、最新的学习科学见解和 AI 的最新进展，以提供未来发展学生资源的方向。该框架围绕着四个关键方面的重要问题和人工智能合作伙伴展开，以创建新的内容、评估已创造的内容的质量、利用学生的贡献以及使教师能够支持学生参与学习资源创作流程。文章还提出了两个综合案例，展示了在两个现有的流行的学习资源系统中应用所提出的框架的应用情况。
Jun, 2023
通过使用生成AI进行图像生成，我们收集并分析了超过300万个提示和它们生成的图像，通过自然语言处理、主题分析和可视化方法，我们旨在共同理解人们如何使用文本提示，这些系统对艺术家的影响以及它们所推广的视觉文化。我们的研究表明，提示主要关注表面美学，强化文化规范、流行的传统表达和意象。我们还发现许多用户关注流行的主题（如制作填色书、幻想艺术或圣诞卡片），这表明所分析的系统的主要用途是娱乐而非艺术性。
Jan, 2024
这篇论文是基于作者在NeurIPS 2023大会上组织的GAIED研讨会而撰写的，该研讨会旨在汇集研究人员、教育者和从业人员，探索生成型人工智能对教育的潜力。本文旨在概述研讨会活动，并突出未来在GAIED领域的几个研究方向。
Feb, 2024
教育资源理解对于在线学习平台至关重要，该研究旨在开发出一种统一、模块化、广泛应用的库（EduNLP），以实现有效且易于使用的自然语言处理工具，以促进人工智能教育相关研究和应用。
Jun, 2024
本研究讨论了在文化遗产领域中自动元数据注释的挑战，并介绍了一种新颖的数据集EUFCC340K。该数据集采集自Europeana门户网站，包含超过340,000张图像，并按照材料、对象类型、学科和主题等多个维度进行组织，遵循AAT的分层结构。研究开发了多种基线模型，基于ConvNeXT骨干网络在图像各个维度上进行多标签标注，并使用图像文本对对CLIP模型进行微调。两个不同的测试场景下的实验证明了该数据集在改进多标签分类工具方面的鲁棒性和泛化能力，有潜力缓解文化遗产部门的编目任务。
Jun, 2024
通过对七名经验不同的设计师进行半结构化访谈，本研究旨在了解他们在平面设计中使用AI生成图像工具的现状、挑战和未来的功能需求。研究发现，AI工具在设计中充当创造性伙伴，增强人类创造力，提供战略洞见，并促进团队合作与沟通，为AI生成图像工具的未来发展提供了指导性建议，旨在帮助工程师优化这些工具以更好地满足平面设计师的需求。
Jun, 2024
本研究解决了数字人文领域中缺乏特定的组合图像检索资源的问题。通过构建EUFCC-CIR数据集，实现了多模态查询与相关目标图像的组合，增强了文化遗产收藏的探索能力。研究结果显示，该数据集在现有组合图像检索数据集中的独特性，展示了其在提升无监督检索性能方面的潜力。
Oct, 2024