人工智能从实验室科学转变为实际人类环境，引发了许多历史、社会文化的偏见、不平等和道德困境。人工智能教育（AIED）提出了更多特定的挑战，涉及技术对用户的影响，这些技术如何用于加强或改变我们学习和教学的方式，以及作为社会和个体，我们对教育结果的价值观。该文章讨论了人工智能的关键伦理维度，并将其置于 AIED 设计和工程实践中，以建立我们所构建的 AIED 系统、我们提出的有关人类学习和发展的问题、我们使用的教学伦理以及我们通过 AIED 在更广泛的社会技术系统中提倡的价值观之间的联系。

Mar, 2024

对用户信任、影响因素和测量方法进行的 23 个实证研究的综述确认了定义信任的多种方法和用户特征对 AI 启用系统中的信任产生的影响等主题，从而为未来技术和设计策略、研究和举措提供了洞察。

Apr, 2023

本文探讨人工智能在教育领域的复杂性及对学习的个性化、伦理、学科价值与学习体验的潜在影响，旨在通过教育研究和综合实证最佳实践，明确了解如何将人工智能技术与学与教的基本原则相协调，以及为未来真正提升学习体验和结果而可能需要优先考虑的具体行动。

Feb, 2024

本文探讨了人类中心的大型语言模型评估，并提出了心理模型，用例使用价值和认知参与三个研究重点，旨在加速人类中心式大型语言模型评估的进展。

Mar, 2023

确保安全关键行业中的质量人机交互（HAII）至关重要，研究工作需要整合术语描述、AI 系统的主要角色、影响 HAII 的因素、样本性能和衡量 HAII 的方法。此领域的研究存在巨大的空白，研究者和开发者需要明确术语、让用户参与整个 AI 生命周期，并将 HAII 在安全关键行业中针对用户和环境进行定制。

Oct, 2023

本文对高等教育中决策制定算法进行了系统性的综述，发现这些算法趋向于深度学习和对学生的个人数据和受保护属性的使用，但当前算法的发展普遍缺乏以人为中心的理论，参与式或推测性设计，并探讨了这些趋势所带来的挑战，主张采用以人为中心的方法。

Feb, 2023

这篇论文提出了人工智能在学习和教育中的多维视角，强调了人工智能、分析技术和学习过程之间错综复杂的相互作用。论文挑战了将人工智能仅视为随机工具的狭隘概念，并主张重要的替代概念。作者在文中突出了人类智能与人工信息处理的差异，AI 算法中固有的认知多样性，并指出 AI 也可以作为理解人类学习的一种工具。借鉴早期的学习科学和教育中的 AI 研究，本文提出了三种独特的人工智能在教育中的概念：人类认知的外部化、通过内化 AI 模型来影响人类思维过程，以及通过紧密结合的人工智能系统扩展人类认知。文中通过当前研究和实践的例子阐述了这三种概念的潜在价值和局限性，强调了过分强调将人类认知外部化的危害，如当今围绕生成性 AI 工具的炒作。最后，本文呼吁采用更广泛的教育方法，包括教育人们关于人工智能的知识，并创新教育体系以适应 AI 为基础的世界。

Mar, 2024

使用设计教育者的评估和反馈实践的过程和发现为基础，我们构建了一个理论，以使人工智能在服务于人类体验方面发挥作用，并通过定性研究和数据分析，提出了设计过程、评估和反馈挑战以及计算支持的关键字，并通过针对实际设计环境的情境化分析方法来解释对用户有意义的分析方法。

Apr, 2024

法律研究是法律实践中至关重要的任务，该研究论文探讨了在法律文本分析中，结合人类专业知识提高大型语言模型（LLMs）性能的潜力，并介绍了一种新的数据集和基于人类输入的复合人工智能系统。

Mar, 2024

本文探讨了人工智能、机器学习和深度学习等技术如何全面地应用于教育中，摘要了近二十年来相关研究的研究方向，包括如何应对 COVID-19 疫情所带来的挑战，同时也指出了应用人工智能于教育中存在的局限性及未来发展的方向。

Jan, 2023