通过分析诸如学生压力水平、好奇心、困惑、焦虑、话题偏好和学习方法等关键数据点，本研究开发了一款创新的学习分析工具，利用 OpenAI 的 GPT-4 模型，该工具旨在量化学生参与度、绘制学习进展，并评估教学策略的有效性。将 Bloom 的分类法作为框架，该工具可以衡量学生提出的问题涉及的认知层次，从而阐明他们的学习进展。从这些测量结果中获得的信息可以帮助教育工作者提供宝贵的洞察力，以增强教学方法，找出潜在的改进领域，并为个别学生设计个性化的干预措施。通过详细评估该学习分析工具的设计细节、实施策略和排除干扰因素，本研究强调了该工具对提高教育成果和促进学生成功的潜在贡献。此外，还探讨了将该工具整合到现有教育平台及所需的强大、安全、可扩展的技术基础设施方面的实际问题。这项研究为利用人工智能塑造教育的未来，促进数据驱动的教学决策，并最终营造更有利于个性化学习的环境开辟了新途径。

Dec, 2023

本研究观察了受过专业训练的设计师在学习如何使用两种基于人工智能的工具完成实际设计任务时所面临的挑战，发现设计师在理解和调整 AI 输出以及沟通设计目标方面存在许多挑战。通过我们的研究结果，我们提出了一些设计机会，以更好地支持设计师 - 人工智能的协作。

Mar, 2023

该研究旨在证明人工智能不仅可以作为学习工具，还可以作为智能代理与人类进行协作学习，从而改变科学课堂中的认识实践。研究通过开发一种名为 CLAIS 的有形教学系统，设计了人类和 AI 作为同伴参与协作学习过程的小组，实现了与 NUGU AI 音箱平台的成功对接，并通过混合方法的调查评估了系统的效果和用户体验。研究结果表明，人工智能与人类的协作有助于在真实课堂环境中进行知识共同建构，展示了人工智能对课堂认识实践未来模式的塑造潜力。

Dec, 2023

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

本文探讨了大型语言模型在教育中的转型作用和潜力，提出了利用人工智能进行辅助教学的七种方法，并介绍了实践策略来减少风险，并保证人工智能作为支持性工具而非替代品。

Jun, 2023

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

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

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

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

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