ChatGPT 与学习目标是否需要重写 —— 网络安全中的 CASE 研究
通过评估 GPT-4 在人工智能实践课程中生成高质量学习目标的能力,本研究结果显示,自动生成的学习目标大多合理,表达准确,符合 Bloom 分类法的不同层次,可以用于支持课程和课程设计的工作。
Jun, 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
本研究调查了生成式人工智能技术(特别是 ChatGPT 等生成式预训练变形器模型)对网络安全的影响,并提出了针对大学的课程改革的建议,以满足行业不断发展的需求。我们的研究强调了理解生成式人工智能的 “心智模型” 与人类认知之间的对齐的重要性,以及根据布卢姆分类对生成式人工智能能力进行人类技能提升。通过分析当前教育实践、课程与行业需求的对齐,我们得出了一个结论,即提供网络安全等实践性学位的大学应密切与行业需求对齐,并接受不可避免的生成式人工智能革命,同时应用严格的伦理监督以确保负责任地使用生成式人工智能。我们提出了一系列关于更新大学课程、促进大学的灵活性、促进学术界、行业和决策者之间的合作以及评估和评价教育成果的建议。
Mar, 2024
本研究使用问答形式探究网络安全问题,利用 OpenAI 的最新 ChatGPT 模型支持对复杂编码问题的高级理解,试验结果展示这个模型成功地生成了关键记录器、逻辑炸弹、混淆蠕虫和勒索软件等多个编码任务,其能力包括自我复制、自我修改、逃避检测,以及对复杂网络安全目标的战略理解,而令人惊讶的是,在没有图像输入的情况下,ChatGPT 还能够输出模糊或嵌入可执行程序步骤或链接的图像。
Dec, 2022
本研究探讨了聊天机器人(如 ChatGPT、GPT4all、Dolly、Stanford Alpaca、Alpaca-LoRA 和 Falcon)在开源情报中识别与网络安全相关文本的能力,并评估了现有聊天机器人模型在自然语言处理任务中的能力,包括二元分类和命名实体识别。结果表明,聊天机器人在网络安全二元分类任务中表现良好,但在命名实体识别任务方面仍存在限制和不足。因此,明确了这些聊天机器人只在特定任务(如网络安全二元分类)中具有能力的同时,也强调了其他任务(如命名实体识别)需要进一步改进。
Jan, 2024
本研究采用了学生至上的方法,通过学生调查和访谈以全面了解计算机科学本科生如何使用 ChatGPT,这是由 OpenAI 发布的一种流行的大型语言模型。研究发现,大多数学生对 ChatGPT 在课程相关任务中的辅助性态度积极,但也发现了在学生中长期接纳 ChatGPT 所面临的各种挑战,这些发现具有更广泛的意义,并可适用于其他大型语言模型及其在计算机教育中的作用。
Nov, 2023
大型语言模型(LLM),如 GPT 和 Bard,能够根据文本描述生成代码,具有显著的效果。该研究调查了 52 名大一计算机科学专业学生对具备代码生成功能的技术的看法,结果显示学生们普遍支持 GPT 在学术使用中的重要性,并强调了对 GPT 的具体培训的需求。
Apr, 2024
数字化教育及其对教学方法的影响是这项研究的重点,该研究探讨了 ChatGPT 在应用科学布尔根兰应用科学大学云计算工程硕士课程中使用的角色扮演游戏中的应用。该研究的目的是分析人工智能模拟对学生学习体验的影响。研究采用维果茨基的社会文化理论,使用 ChatGPT 将学生带入模拟商业场景中的战略决策过程,以加深他们的理解。方法论包括角色扮演和对 20 个学生反思的定性内容分析。研究结果表明,ChatGPT 提高了学生的参与度、批判性思维和沟通技巧,同时有助于理论知识的有效应用。此外,模拟可以促进理论知识的有效应用。研究结果强调了自适应教学方法在促进数字素养和为数字职场装备学习者方面的重要性。将人工智能融入课程和高等教育领域持续创新的需求也被强调为确保优秀、面向未来的教学的手段。研究结果突出了人工智能特别是 ChatGPT 作为一种创新前沿教育工具的潜力,既能提升学习体验,又能通过教育实现可持续发展目标(SDGs)。
Jul, 2024
该研究比较了 ChatGPT 和 32 门大学课程学生的表现,发现 ChatGPT 在许多课程中的表现相当,甚至优于许多学生。此外,其使用也难以被 AI 文本分类器可靠地检测出来,并且出现了学生使用该工具和教育者将其视为抄袭的共识,这些发现为 AI 融入教育框架的政策讨论提供了指导。
May, 2023
通过评估 ChatGPT 在三门课程(CS1、CS2、数据库)上的性能,研究了生成式人工智能对学习和评估的破坏性影响,其几乎完美地完成了所有初级考核,现有的检测方法对识别人工智能解决方案的成功率有所不同,教师和助教使用启发式方法区分学生代码和 AI 代码的检测准确性不足,这些观察结果强调了需要改进评估和检测方法。
Nov, 2023