指派 AI: 七种面向学生的方法
利用人工智能的互动场景增强课堂教学品质,包括对话自动完成、知识和风格传递,和评估人工智能生成的内容,探索多种应用和挑战,为未来研究提供清晰的道路。
May, 2023
在这项工作中,我们探索了一种全面应用最先进的大型语言模型(LLMs)开发的智能辅导系统,涵盖了自动课程规划和调整、个性化教学和灵活的测验评估,以使系统对长时间互动具有健壮性,并满足个性化教育的需求。
Sep, 2023
利用 GPT-3.5-Turbo 模型作为 AI 导师的自动化编程评估系统中,利用经验数据和探索性调查发现了不同用户类型以及与 AI 导师的交互模式,总结了实时反馈和可扩展性等优势,但也指出了一些挑战,例如通用回答和学生对使用 AI 导师时学习进展受限的担忧。这项研究为教育中人工智能的作用增加了有益的话题。
Apr, 2024
人工智能在教育领域有深远的影响,特别是大型语言模型(LLMs)在智能教育(LLMEdu)中的应用,对提高教学质量、改变教育模式和调整教师角色有巨大的潜力,然而仍面临着挑战和问题。本文系统综述了 LLMEdu 的当前技术、挑战和未来发展,并介绍了 LLMs 与教育的特点以及将 LLMs 整合到教育中的好处。同时还回顾了将 LLMs 整合到教育行业的过程和相关技术的引入,并讨论了 LLMEdu 所面临的挑战和问题,以及未来优化 LLMEdu 的前景。
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
通过呈现示例创新的学习场景,探索了多模态大语言模型 (MLLMs) 在科学教育的核心方面的转变作用,包括文本创作、个性化学习支持、培养科学实践能力以及提供评估和反馈。同时,强调了在实施 MLLMs 时采取平衡的方法的必要性,确保技术对教育者角色的补充,以确保人工智能在科学教育中的有效和道德使用。
Jan, 2024
本研究探讨了大语言模型(LLMs)生成学习资源的潜力,结果显示其生成的资源质量等同于同学们生成的资源,并可能成为特定背景下的补充教材。
Jun, 2023
人工智能正在通过数据驱动的个性化学习解决方案改变教育。本文介绍了 AI Tutor,一种创新的网页应用程序,利用先进的大型语言模型(LLM)提供任何科目的个性化辅导。AI Tutor 通过摄取课程材料,构建适用于课程的自适应知识库。当学生提出问题时,它检索相关信息并生成详细的对话式回答,并引用支持证据。该系统采用先进的大型语言模型和 RAG(Retrieval-Augmented Generation)技术,以实现准确、自然的问题回答。我们提供了一个完全功能的网页界面和视频演示,展示了 AI Tutor 在不同学科中的多样性和产生有教育价值的回答的能力。虽然这只是一个初始原型,但这项工作代表着朝着能够使更多人获得高质量定制教育支持的 AI 辅导系统的先驱性一步。
Nov, 2023