学习分析中的生成人工智能:通过学习分析循环进行情境化机会和挑战的界定
生成式人工智能技术(GenAI)可能被用于积极和消极目的,这篇论文讨论了 GenAI 所带来的双重用途困境,并提出了针对此问题的短期和长期目标,旨在引发学术界对此重要主题的深入讨论。
Aug, 2023
通过生成人工智能在地球科学领域的潜在应用,我们探讨了机器学习和深度学习的最新发展,以及它们在解决与地球科学和地球系统动力学相关的预测问题、模拟和多准则决策挑战方面所发挥的作用。并且介绍了在地球科学中使用的几种生成对抗网络(GANs)、物理信息神经网络(PINNs)和基于生成预训练转换器(GPT)的结构。这些工具在数据生成 / 增强、超分辨率、全色锐化、去雾、恢复和地表变化等多个应用中帮助地球科学界取得了进展。但还存在一些挑战,如确保物理解释性、恶意用途案例和可信度。总的来说,GAI 模型对地球科学界有着巨大潜力,特别是在支持气候变化、城市科学、大气科学、海洋科学和行星科学方面,通过其对数据驱动建模和不确定性量化的非凡能力。
Jan, 2024
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
基于先进的自然语言处理技术,这项研究介绍了一种基于生成式人工智能(GenAI)的工具,用作教育者的数字助手,能够生成定制化的课程计划,评估结果显示这种基于人工智能的教学方法显著降低了备课时间,提升了学习体验,并在为特殊教育需求(SEN)提供个性化关注和具体学习辅助等更广泛教育背景的应用中具有潜在可行性。
Feb, 2024
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
本文探讨了一种生成模型技术 —— 来自大型语言模型的聊天机器人,并报告了一项将其应用于复杂学生作品的评估中的案例,然后讨论了生成 AI 的内在限制和潜在应用。
May, 2023
研究论文探讨了生成人工智能(GAI)模型,如 ChatGPT,对大学生和高等教育机构的影响,采用综合调查和情景分析的混合方法,结果表明当前技术在学术上的使用对学生取得学业目标有积极帮助,但是技术的不负责任和过度使用可能会带来重大挑战,因此高等教育机构需要制定严格的政策、重新评估学习目标、提升讲师能力、调整课程并重新考虑考试方式。
Apr, 2024
直接或间接地影响教学与学习的生成式人工智能(GAI)正影响着各种学科和学科的教育。作为教育者,我们需要了解 AI 在人机交互教育中的潜力和局限,并确保我们的人机交互设计专业的毕业生了解 AI 在此领域中的潜力和局限。本文报告了将生成式人工智能纳入为期 10 周的本科模块所得出的主要教学见解。我们设计了这个模块,以鼓励学生在设计任务要求和计划实践会话与讨论中进行 GAI 模型的实验。我们的见解基于学生在完成模块后的调查回复。对于人机交互设计教育者而言,我们的主要发现是 AI 作为发展项目想法和创建设计资源的一个人物角色,以及 AI 作为反映学生对关键概念和想法的理解并突出知识差距的一面镜子。我们还讨论了应该考虑的潜在陷阱以及评估学生对 GAI 作为教学工具的识字能力和假设的需求。最后,我们提出了教育者以 GAI 作为教育工具所带来的机会,并在实践中富有实验性、创意性和勇气的案例。最后,我们就我们的发现与人机交互中的 TPACK 框架进行了讨论。
May, 2024
生成式 AI 为语言学习提供了重要机会。AI 工具如 ChatGPT 可以通过书面或语音聊天提供非正式的第二语言练习,学习者可以通过提示指定对话参数,如熟练水平、语言风格和讨论主题。AI 可以被指导给出修正性反馈、创建练习题或制定扩展学习计划。AI 可以帮助教师构建各种媒体的学习和评估材料。然而,学习者和教师都需要理解 AI 系统的局限性,这些局限性源于它们对人类语言的纯统计模型,从而限制了它们处理语言使用中微妙的社会和文化方面的能力。此外,AI 系统的创建涉及道德问题,并且在使用中存在实际限制,尤其是对于弱势群体。AI 工具的能力和多功能性很可能使它们成为许多人生活中宝贵而常用的伴侣(类似于智能手机),创造出一种超越简单工具使用的紧密联系。生态理论如社会物质主义对于研究用户和 AI 之间产生的共同行动机制非常有帮助,以及来自原住文化的人 - 物关系视角。
Mar, 2024