Nov, 2023

学生对人工智能知识获取的兴趣

PDF
TL;DR本研究探讨和分析了与人工智能课程相关的部分学生期望和观点。我们对 200 名计算机科学专业的本科生中的 58 名学生进行了匿名调查，使用主题分析对答案进行了分析和解释，以了解他们对人工智能学科的兴趣和吸引力以及其缺点。我们得出结论，学生们对人工智能感兴趣是因为其时尚性、适用性、他们对这个主题的热情和兴趣、未来增长的潜力以及高薪水。然而，学生们的期望主要是在人工智能领域获得中等知识，男性似乎比女性更有兴趣获得高级技能。学生们最不喜欢的部分是人工智能中使用的数学方面。其中一小部分学生还意识到人工智能可能被用于负面目的的潜力。我们的研究还对数据库课程进行了简短比较，学生们对于获得中等知识并不那么热情或有兴趣，他们的兴趣与数据库使用和基本信息相关。
artificial intelligencestudents' expectationsthematic analysishigh salariesmathematical aspect
发现论文，激发创造
  • 人工智能在日常生活中的应用 2.0：跨专业教育大学学生

    在大数据人工智能与其不断增长的能力引领下，人工智能应用已成为我们日常生活的一部分。然而，对于其能力、限制以及相关优缺点的误解广泛存在。因此，在大学环境中，有必要向计算机科学专业学生和其他学科的学生普及人工智能知识。在这篇经验报告中，我们介绍了我们为来自不同专业的学生开设的一门入门课程的概述。此外，我们讨论了课程的作业和测验，让学生第一手了解了人工智能的过程，并洞察到了他们的学习模式。另外，我们还提供了课程评价和学生表现的总结。最后，我们介绍了从教授这门课程中获得的见解，并阐述了我们的未来计划。

    Apr, 2024

  • AI 领域的研究领域定位

    通过对 OpenAlex 中 257K 篇 AI 文章进行文献计量分析和聚类分析，得出了人工智能，深度学习和机器学习等领域的研究趋势。

    May, 2022

  • 人工智能公众认知的长期趋势

    该研究分析了《纽约时报》30 年来关于人工智能的文章，通过情感分析和话题关联度等多个方面的指标发现，除了医疗和教育等领域对于人工智能的希望较高外，对于人工智能失去控制、伦理关切和对工作的负面影响等担忧越来越多。

    Sep, 2016

  • K-12 计算机教育中的人工智能学习建议

    本文提供了一套以数字素养和社会视角为重点的 AI 学习目标，旨在帮助补充现有的计算机科学课程，并提供有关 AI 的核心概念和相应的能力的见解。

    May, 2023

  • 哈佛本科生对生成人工智能的调查

    对哈佛大学本科生（n=326）的学习习惯、课程选择和职业前景等方面研究表明，几乎 90% 的学生使用生成型人工智能。其中大约 25% 的学生开始将人工智能用于代替参加办公时间和完成必读课程。一半的学生担心人工智能会对他们的就业前景产生负面影响，超过一半的学生希望哈佛开设更多关于人工智能未来影响的课程。研究还揭示了学生对人工智能的广泛社会影响的看法，发现一半的学生担心人工智能会增加经济不平等，40% 的学生认为人工智能带来的灭绝风险应该像流感和核战一样，被视为全球优先事项。参加过人工智能课程的学生中有约一半的人预计，在未来 30 年内人工智能将在几乎所有任务上超越人类能力。根据这些结果，我们向哈佛社区提出了一些建议。

    Jun, 2024

  • 教育中的生成式人工智能：教育工作者意识、情感和影响因素研究

    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

  • 人工智能课程中的伦理考虑

    本文提供实用案例和资源链接，旨在帮助人工智能教育者将伦理学、道德以及哲学问题纳入其教学课程中，以提高学生对人工智能实践的准备程度，以及了解人工智能对社会产生的伦理、道德和哲学影响。还为人工智能教育者提出了将人工智能伦理纳入通识人工智能课程以及如何开设单独的人工智能伦理课程的具体建议。

    Jan, 2017

  • 理解学生和教职员工对于评估与反馈中人工智能应用的看法

    应对人工智能和生成人工智能在高等教育中的崛起需要进行评估改革，本研究通过探讨学生和学术人员对人工智能和生成人工智能工具的熟悉程度和舒适度，着眼于当前和未来在学习和评估中的应用，填补了关键空白。在线调查收集到来自越南的两所大学和新加坡的一所大学的 35 名学术人员和 282 名学生的数据，调查了生成人工智能的熟悉程度、其在评估标记和反馈、知识检测和参与中的应用以及生成人工智能文本检测的经验。描述性统计和思考性主题分析揭示了两个群体对生成人工智能的熟悉程度普遍较低。生成人工智能反馈受到负面评价，然而当与教师反馈结合时，评价更为积极。学术人员对生成人工智能文本检测工具以及基于检测结果的成绩调整更加接受，相对于学生而言。定性分析确定了三个主题：对文本检测工具的理解不清晰，对生成人工智能检测器的经验存在差异，以及对生成人工智能对教育评估未来影响感受复杂。这些发现对高等教育中生成人工智能评估和反馈的政策和实践的发展具有重要意义。

    Jun, 2024

  • K-12 人工智能教育视角

    本论文讨论了 AI 对医学、生物学、交通、娱乐等领域产生深远影响的同时，为应对未来 AI 驱动的社会挑战，将 AI 教育纳入 K-12 教育的必要性并提出了基于模块化的教学方法以促进学生的动机和创造性思维。

    May, 2022

  • 多利益相关者视角下的负责任人工智能与教育可接受性

    该研究调查了不同人群（包括学生、教师和家长）对教育中不同人工智能应用的可接受性，关注数据隐私、透明度、解释能力和人工智能的道德运用等问题。通过虚拟场景研究方法，参与者对四种人工智能应用场景的感知进行评估，结果发现接受和信任人工智能在不同利益相关者群体之间存在明显差异，其中全球效用、公正和信心是影响人工智能的接受程度和使用意愿的关键中介因素。该研究强调了人工智能在教育领域的接受是一个多方面、复杂的问题，需要综合考虑具体的人工智能应用及其特点与不同利益相关者的感知。

    Feb, 2024