该研究通过调查方法检查了高中校长和高等教育主任们对促进人工智能等生成 AI 工具在教育环境中的伦理部署的政策现状，结果显示出存在重要政策空白、缺乏对学生隐私和算法透明度等关键问题的政策，并强调在教育背景下需要灵活迭代的政策框架。

Mar, 2024

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

将生成式人工智能（GAI）融入高等教育对准备未来一代具备 GAI 知识的学生至关重要，本研究运用创新扩散理论考察了来自六个全球地区的 40 所大学中高等教育中 GAI 采纳策略，其中探讨了 GAI 创新的特征、沟通渠道以及大学政策和指导中所概述的角色和责任，结果显示大学对于 GAI 整合采取了积极的态度，强调学术诚信、教学和学习的提升以及公平性，然而需要制定全面的政策框架以评估 GAI 整合的影响并建立有效的沟通策略以促进更广泛的利益相关者参与，该研究强调教师、学生和管理人员之间明确的角色和责任对于成功整合 GAI 至关重要，支持协作模式来应对教育中 GAI 的复杂性，并为政策制定者在制定详细的整合战略时提供了见解。

May, 2024

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

我们示范了大型语言模型在教学和学习中的应用，并讨论了已经在教育领域发生的人工智能事件，我们主张迫切需要在大学引入人工智能政策并进行持续的监管策略。关于人工智能政策，我们认为每个机构都应该拥有关于人工智能在教学和学习中的政策，这至少有两个重要方面：（一）提高对多种教育工具的认识，这些工具既能积极地也能负面地影响教育；（二）减少教育中的人工智能事件风险。

Sep, 2023

本研究探讨了大学生对生成式人工智能 (GenAI) 技术（例如 ChatGPT）在高等教育中的看法，关注对技术的熟悉程度、参与意愿、潜在好处和挑战以及有效整合。从对香港来自不同学科的 399 名本科生和研究生的调查结果显示，学生普遍对利用 GenAI 进行教学和学习持积极态度。学生们认识到个性化学习支持、写作和头脑风暴的辅助以及研究和分析能力的潜力。然而，他们也表达了对准确性、隐私、伦理问题以及对个人发展、职业前景和社会价值的影响的关注。根据 John Biggs 的 3P 模型，学生的看法显著影响学习方法和成果。通过了解学生的看法，教育工作者和政策制定者可以量身定制 GenAI 技术，以解决需求和关注点，同时促进有效的学习成果。本研究的发现可以指导有关将 GenAI 技术集成到高等教育中的政策制定。通过了解学生的看法并解决他们的关注点，政策制定者可以制定明智的指南和策略，以负责任且有效地实施 GenAI 工具，从而增强高等教育的教学和学习体验。

Apr, 2023

本文探讨了人工智能、机器学习和深度学习等技术如何全面地应用于教育中，摘要了近二十年来相关研究的研究方向，包括如何应对 COVID-19 疫情所带来的挑战，同时也指出了应用人工智能于教育中存在的局限性及未来发展的方向。

Jan, 2023

通过借鉴澳大利亚两所大学的经验，本文提出了一个框架，以帮助研究机构促进和促使生成性人工智能的负责任使用。此框架目的在于将复杂的监管环境转化为基于原则的立场声明，并为培训、沟通、基础设施和流程变革提供指导。此论文强调了研究机构在这一领域采取行动的紧迫性，并建议了一个实用且可适应的框架。

Apr, 2024

通过研究 116 所美国高研活跃度大学产生的文件，全面了解高校为机构相关利益相关者提供的关于生成人工智能的建议与指导。基于我们的研究发现，大多数高校鼓励使用生成人工智能，并提供了详细指导，尤其是在课堂中的使用。然而，要注意的是，该研究建议教师指导的指南可能会加重其工作负担，因为往往需要对教学方法进行广泛的修订。

Jan, 2024

本论文提出了一个透明度指数框架，着眼于透明的人工智能教育系统在数据收集、实现职责和安全性等方面的实现，并展示了透明度如何实现其他如可解释性和责任方面的道德人工智能纬度。

May, 2022