Aug, 2023

通过生成式人工智能阐述 STEM 概念：类比推理的多模态探索

PDF
TL;DR本研究探讨了将生成式人工智能（AI）和多模态类比推理相结合，作为增强科学、技术、工程和数学（STEM）教育的创新方法。我们开发了一个新颖的系统，利用生成式 AI 的能力，将数学、物理和编程中复杂的原理转化为易于理解的隐喻。为了进一步增强学习体验，这些隐喻随后被转化为视觉形式。我们的研究旨在通过使用视觉隐喻来提高学习者对 STEM 概念的理解和学习参与度。通过随机的 A/B/C 测试，评估学习效果和学习者的动机变化，我们检验了我们的系统的效能。我们的研究证明了将大型语言模型应用于 STEM 学科教育实践的潜力。结果将为教育系统的设计提供利用人工智能的潜力来赋能教育相关方面的启示。
generative artificial intelligencemulti-modal analogical reasoningstem educationvisual metaphorslarge language models
发现论文，激发创造
  • 促进 STEM 团队中的公平：利用生成型人工智能实现包容与多样性

    团队合作、多学科研究、心理障碍、计算模型、生成式人工智能可以促进 STEM 团队的多样性和包容性。AI 技术可以提供包容性分析和个性化系统来支持多样性和包容性，为 STEM 团队的未来提供发展路线，建立平等的 STEM 生态系统。

    Jan, 2024

  • 推进生成人工智能：科学教育中多模态大语言模型的变革性作用

    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

  • 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

  • 提升科学概念理解能力：教师模型的类比能否增强学生模型？

    通过探究教师语言模型在理解科学概念方面创建的类比如何帮助学生语言模型，从而使其与实际场景更加紧密地对齐，本研究结果表明，自由形式的类比确实可以帮助语言模型理解概念，并且学生语言模型生成的类比可以提高它们在科学问题回答方面的性能，展示了它们利用类比进行自我学习新知识的能力。

    Jun, 2024

  • 将生成式人工智能引入教育中的自适应学习

    通过讨论生成式人工智能和适应性学习概念的交叉研究，本文旨在阐明这两种方法的益处、挑战和潜力，并认为这种结合将为教育领域的下一阶段学习方式的发展做出显著贡献。

    Feb, 2024

  • 测量神经模型的视觉 - 语言 STEM 技能

    我们介绍了一个新的挑战来测试神经模型的 STEM 技能，我们的数据集涵盖了 STEM 的多模式视觉语言信息，包括了 448 项技能和 1,073,146 个问题，与现有数据集相比，我们的数据集涵盖了从幼儿园到 12 年级课程的基础技能和问题，并添加了 CLIP 和 GPT-3.5-Turbo 等最新的基础模型到我们的基准测试，结果表明，最近的模型进展只有在我们数据集中的一小部分低年级技能（三年级的 2.5%）上有所帮助，事实上，这些模型的性能仍然远低于小学生的平均水平（仅平均 54.7%），更不用说接近专家级性能了，为了提高我们数据集上的模型性能，我们将模型训练在数据集的训练集上，尽管我们观察到性能有所提升，但与普通小学生相比，模型性能仍然相对较低，因此我们需要来自社区的创新算法来解决 STEM 问题。

    Feb, 2024

  • 利用类比搜索引擎扩展科学创造力

    通过一种全新的的端对端系统进行科学论文的模拟搜索，这个模拟搜索的成功可以被中间层次的问题抽象匹配的良好匹配度所中介，凸显了各种可能性。AI 搜索引擎可以在不需要人类参与的情况下，实现与人在循环系统中相同的准确率，从而加速科学创新。

    May, 2022

  • 科学家对于生成式人工智能在其领域中潜力的看法

    研究发现生成式 AI 技术有潜力改变科学家的实践方法、加速科学发现并提供科学教育，但是这也引起了对于技术责任的担忧。

    Apr, 2023

  • 面向 AI 支持的知识发展环境的思想生成和测试

    通过使用机器学习和大型语言模型，本论文介绍了一种知识工作者系统 Generate And Search Test，该系统能够高效地创建以前需要专家合作才能完成的解决方案。同时探讨了生成型人工智能和搜索引擎如何提供创意和验证事实、逻辑和语境，以消除人为偏见。

    Jul, 2023

  • 儿童对生成式视觉和基于文本的人工智能模型的认知模型

    研究表明，五至十二岁的儿童对于生成式人工智能模型具有积极的态度，他们对于人工智能的认识和使用具有巨大的潜力，并且与真实物体和其他技术概念相比，儿童对生成式人工智能模型的理解仍存在较大的研究空白。

    May, 2024