Nov, 2023

如何构建一个能够适应任何课程、使用大型语言模型和增强型检索生成技术提供准确答案的 AI 辅导系统

PDF
TL;DR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。
发现论文，激发创造
  • 通过连接大型语言模型赋能私人辅导

    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

  • 教育者驱动的导师编写：生成式人工智能方法用于创建智能导师界面

    通过使用生成型人工智能能力协助教育工作者进行个性化、高效和引人入胜的教学辅助工具设计，以弥补他们在专业编程和设计方面的不足。

    May, 2024

  • 软件工程教育中的 AI 辅导

    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

  • 将人工智能整合到高等教育中：与 'SAMCares: 一个自适应学习中心的试点研究 ' 的协议

    通过引入一种创新的研究伙伴系统（我们将其称为 'SAMCares'），该系统利用大型语言模型（LLM）和 Retriever-Augmented Generation（RAG）来提供实时、上下文感知和自适应的教育支持，从而弥合了传统辅助技术和学习辅助工具的差距。

    May, 2024

  • 应用强大的大型 AI 模型于课堂教学：机遇、挑战和前景

    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

  • 利用大型语言模型和检索加强生成来提高教科书问答任务

    该论文提出了一种利用检索增强生成技术和迁移学习来处理教科书问答中领域外情况的方法，以处理复杂的语境和多模态数据，并改善推理能力。通过对 Llama-2 模型进行监督微调和引入 RAG，我们的架构在非图表多项选择题中相较于基线模型，在验证集上精度提升了 4.12%，在测试集上提升了 9.84%。

    Feb, 2024

  • 使用个人 AI 导师实施学习原则的案例研究

    整合 AI 导师来补充学习程序，基于学习科学，个性化学习策略，神经网络模型和学术表现等主题为学生提供个性化学习体验。

    Sep, 2023

  • 大型语言模型与用户界面相遇：反馈供应案例

    将生成式 AI（GenAI）和大型语言模型（LLMs）应用于教育可以提高教学效率，丰富学生学习。使用当前的 LLM 涉及到会话式用户界面（CUIs）用于生成材料或提供反馈，但这带来了教育者在 AI 和 CUI 领域的专业知识需求、高风险决策的道德问题以及隐私风险。为了解决这些问题，我们建议从 CUIs 过渡到通过 API 调用利用 LLMs 的用户友好应用程序。我们提出了一个将 GenAI 道德地融入教育工具的框架，并展示了其在我们的工具 Feedback Copilot 中的应用，该工具为学生作业提供个性化反馈。我们的评估结果显示了这种方法的有效性，对 GenAI 研究人员、教育者和技术人员具有重要意义。这项工作为教育中的 GenAI 未来制定了一条路线。

    Apr, 2024

  • 编程课程中提供反馈的智能导师

    本研究提出了基于人工智能的编程教学智能助教，它可以回答学生的编程问题并提供准确的答案和示例，受测试的大学生认为这个工具可以成为其他课程中有用的工具。

    Jan, 2023

  • 运用 GenAI 于高等教育：检索增强的生成对话机器人对人类学习的影响研究

    该研究介绍了 Leodar 教授，一个定制的、使用新加坡英语（Singlish）的 Retrieval Augmented Generation（RAG）聊天机器人，旨在增强本科工程学生的教育支持。通过混合方法，揭示出 Professor Leodar 对学生学习、参与和考试准备的影响，其中 97.1% 的参与者报告了积极体验。这些发现帮助定义了 AI 在教育中的可能角色，突显了定制 GenAI 聊天机器人的潜力。我们的聊天机器人开发、课堂部署和学习成果研究的组合为 GenAI 教育工具提供了一个基准，并为重新定义人工智能和人类学习的相互作用奠定了基础。

    Jun, 2024