Apr, 2023

生成式 AI 学习：探究人工合成学习视频的潜力

PDF
TL;DR本研究通过混合方法，探讨了在线教育是否具有使用基于生成人工智能技术的合成视频来创造有用的教育内容的潜力，并发现人工智能生成的合成视频可以成为在线教育中传统方法所制作视频的替代方案。
generative artificial intelligenceai-generated synthetic videoonline educationmixed-method approacheducational value
发现论文，激发创造
  • YouTuber 在内容创作中使用生成式人工智能的初步探索

    通过对 68 个 YouTube 视频的定性分析，我们的研究重点关注生成型人工智能在用户生成内容环境中所应用的内容领域、使用的各种工具、执行的活动以及生成的最终产品的性质。

    Mar, 2024

  • 革命性的远程学习：基于人工智能辅导的学习进展的比较研究

    使用生成型人工智能教学助手 Syntea 可显著提高并加速大学生的学习速度，减少学习时间约 27％，证明生成型人工智能在个性化教育上具有巨大潜力。

    Feb, 2024

  • 超越深度伪造图像：检测人工智能生成的视频

    生成式人工智能的最新进展已经导致了生成视觉逼真合成视频的技术的发展。本文证明合成图像检测器无法检测合成视频，因为合成视频生成器引入的痕迹与图像生成器留下的痕迹明显不同。尽管如此，我们展示了合成视频痕迹是可以学习的，并且可以在 H.264 重新压缩后用于可靠的合成视频检测或生成器来源归因。此外，我们还证明了通过零样本迁移进行新生成器的视频检测具有挑战性，但可以通过少样本学习实现对新生成器的准确检测。

    Apr, 2024

  • 深伪和高等教育：综合媒体的研究议程和范围回顾

    本文通过对 182 篇同行评议的出版物进行初步范围审查，评估了有关深度伪造的文献。通过讨论各方面的趋势，将结果应用于高等教育领域，提出了深度伪造技术在高等教育中的主要风险和潜在的缓解策略，以及有益于教学和学习的用途，最终提出了一个研究议程以构建一个全面的、跨文化的深度伪造教育研究方法。

    Apr, 2024

  • 人工智能生成的图像作为数据源：合成时代的黎明

    通过利用生成人工智能（AI）产生的图像作为新的数据源，重新塑造了视觉智能中的传统模型范式，本文探讨了这一创新概念，从训练机器学习模型到模拟场景进行计算建模、测试和验证等一系列应用中探索了生成数据的潜力，并深入讨论了支持这种突破性使用生成 AI 的技术基础以及伴随的伦理、法律和实践考虑。

    Oct, 2023

  • 生成人工智能：新教育的力量

    提供一种加速学习方法来教授 AI，以便让学生更好地理解和利用 AI 在科学、技术、工程和数学等领域中的伦理用途和风险，并深入了解学生对 AI 的认知和其在社会和未来职业道路中的重要性。

    May, 2024

  • 学习的演变：评估生成性人工智能对高等教育的深远影响

    研究论文探讨了生成人工智能（GAI）模型，如 ChatGPT，对大学生和高等教育机构的影响，采用综合调查和情景分析的混合方法，结果表明当前技术在学术上的使用对学生取得学业目标有积极帮助，但是技术的不负责任和过度使用可能会带来重大挑战，因此高等教育机构需要制定严格的政策、重新评估学习目标、提升讲师能力、调整课程并重新考虑考试方式。

    Apr, 2024

  • 教育学和学习实践的生成式人工智能系统评述

    该研究通过对相关文献的系统回顾，概述了在高等教育中利用生成人工智能进行教学和学习的最新研究现状。研究发现，文献中存在研究缺口，需要进一步研究如何将生成人工智能融入教学和学习过程，加强跨学科、多维度的合作，以制定生成人工智能的使用指南、框架和政策。

    Jun, 2024

  • 探索基于生成式人工智能的辅助技术在自闭症人士中的前景

    本文旨在探讨将深度伪造（Deepfakes）技术作为一种辅助技术所具有的潜力，研究了 Nvdia 的新视频会议功能在自闭症患者中的应用可能性，提出了深度伪造技术为人机交互（HCI）带来的影响，并提出了需要进一步调查的开放性问题。

    May, 2023

  • 探究生成人工智能和互联网相互作用

    本文研究探讨了生成 AI 技术中，AI 加入真实数据之后可能会产生回馈循环并导致未来模型的降级和多样性降低的情况，从而产生社会影响。同时，对于如何缓解这种回馈循环以及降低未来技术模型降级的影响也提出了相关问题。

    Jun, 2023