AI 和 FCI:ChatGPT 能否预测初级物理的理解?
使用巨大的语言模型建立了 ChatGPT,经 Kortemeyer 验证其在牛顿力学基础知识方面具有基本理解并达到专家水平,该结果对未来的物理教育和教学具有重要的启示。
Mar, 2023
本研究通过探索 OpenAI 的 ChatGPT 在解决不同类型的物理问题方面的能力,发现 ChatGPT 在解决给定完整数据的问题上的成功率为 62.5%,而在未给定全部必要数据的实际问题上的准确率下降至 8.3%。该研究提出了关于如何利用增强学习模型的教材来提升 STEM 教育的启示,并为人工智能的优势和局限性提供了见解,对于旨在利用该技术的教育工作者以及研究人员来研究问题解决和决策制定中的人工智能与人类协作框架有所贡献。
Oct, 2023
本研究探讨了 ChatGPT 在机械工程学科中的能力,并通过使用大学提供的初级和高级机械工程考试题目以及机械工程基础考试(FE)的模拟题目,分析了两个 ChatGPT 模型的回答。结果发现,付费订阅模型(GPT-4)在正确率上远远超过免费版本(GPT-3.5),但由于两个模型仅支持文本输入,因此都不太可能通过 FE 考试。研究结果确认了 ChatGPT 在文献中关于错误类型和陷阱的发现,其最适合具有专业知识的用户使用。
Sep, 2023
本文旨在评估人工智能工具 ChatGPT 在计算机工程学科中的表现;研究发现它可以回答关于概念的问题,但由于它是一种文字工具,所以无法处理需要用到图表和手工实验的问题。
Mar, 2023
本文介绍了使用基于 GPT-4 的 ChatGPT 模型进行工程基础考试的可行性和有效性,并通过非侵入式提示修改实现了模型的显著精度提升。该研究进一步探讨了复杂工程问题的解决方案,并强调了 AI 在教育领域中的挑战,如如何实现 AI 对不同种族和背景学生的包容性和无歧视性。
Apr, 2023
本文采用定量方法,展示 ChatGPT 在回答涉及本科计算机科学课程相关主题的不同类型的问题时高度不可靠,揭示学生盲目依赖 ChatGPT 完成作业和考试可能面临自我破坏。同时提出对学生和教师的建设性建议。
Apr, 2023
本研究论文讨论了将人工智能用于高等教育中的教学与学习,并以 ChatGPT 作为工具,以计算机科学基础编程课程为例进行了教学和评估的探讨,结果显示使用 ChatGPT 的学生在得分上有优势,但提交的代码存在不一致和不准确的情况。
Apr, 2023
本文研究了 ChatGPT 在入门编程课程中生成不同难度程度的代码解决方案的能力,并发现 ChatGPT 能够独立解决一部分编程问题,但在复杂任务上遇到困难,结果为编程教育中应用 AI 工具的效用问题提供了新的观点。
Dec, 2023
使用 ChatGPT 人工智能工具探索系统思维在不同学科中的潜力,研究评估了不同版本 ChatGPT 在各学科中的回应的准确性、有用性和可靠性,结果显示 ChatGPT 在各学科中能提供基本正确和非常有帮助的回应,展示了其增强系统思维能力的潜力。然而,偶尔的不准确回答突显了用户需要对 ChatGPT 的回应持批判态度。尽管有一些限制,研究表明只要使用得当并注意其特点,ChatGPT 可以成为教学和学习系统思维的宝贵工具。
Jul, 2023
该研究评估了 ChatGPT 作为人工智能教学和学习支持工具在一所亚洲国家的集成电路系统课程中的有效性,通过完成不同类型的问题和评估 ChatGPT 的回应来获得有价值的见解,以进一步调查。该研究的目标是评估 ChatGPT 在工程教育中提供见解、个性化支持和互动学习体验的能力。该研究包括对不同利益相关者(学生、讲师和工程师)的评估和反思。研究结果揭示了 ChatGPT 作为人工智能工具的益处和局限性,为技术学科中创新的学习方法铺平了道路。此外,该研究有助于我们对教育部门数字化转型的理解。
Nov, 2023