在黑客马拉松中整合生成式人工智能的机会、挑战和教育影响
提供一种加速学习方法来教授 AI,以便让学生更好地理解和利用 AI 在科学、技术、工程和数学等领域中的伦理用途和风险,并深入了解学生对 AI 的认知和其在社会和未来职业道路中的重要性。
May, 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
该文介绍了在计算机教育领域中,最近出现的几种可行且可自由使用的 AI 驱动代码生成工具带来的机会和挑战,并呼吁社区快速采取行动以决定如何利用和克服这些挑战。
Dec, 2022
本研究探讨运用生成式 AI 助手在软件开发中的应用,以 GitHub Copilot 和 ChatGPT 为例,纳入领域专家面谈以了解业界现状和挑战,进一步提出未来的软件开发教育建议。
Mar, 2023
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
AI 工具在网络安全领域的出现带来了诸多机遇和不确定性。一项针对网络安全领域高级研究生的焦点小组讨论揭示了挑战和机遇的潜在深度和广度。主要问题包括获取开源或免费工具、文件文献、课程多样性以及明确的人工智能网络安全教育伦理原则的表达。解决 “黑匣子” 思维在人工智能网络安全工作中的问题至关重要,同时还需要更加深入和优先教授基础人工智能知识。系统思维和有效沟通也被认为是教育改进的相关领域。未来的人工智能教育家和从业者需要通过实施严格的技术培训课程、明确的文件文献和用于伦理监控人工智能的框架,结合批判性思维和系统思维和沟通技巧来解决这些问题。
Nov, 2023
本研究探讨了大学生对生成式人工智能 (GenAI) 技术(例如 ChatGPT)在高等教育中的看法,关注对技术的熟悉程度、参与意愿、潜在好处和挑战以及有效整合。从对香港来自不同学科的 399 名本科生和研究生的调查结果显示,学生普遍对利用 GenAI 进行教学和学习持积极态度。学生们认识到个性化学习支持、写作和头脑风暴的辅助以及研究和分析能力的潜力。然而,他们也表达了对准确性、隐私、伦理问题以及对个人发展、职业前景和社会价值的影响的关注。根据 John Biggs 的 3P 模型,学生的看法显著影响学习方法和成果。通过了解学生的看法,教育工作者和政策制定者可以量身定制 GenAI 技术,以解决需求和关注点,同时促进有效的学习成果。本研究的发现可以指导有关将 GenAI 技术集成到高等教育中的政策制定。通过了解学生的看法并解决他们的关注点,政策制定者可以制定明智的指南和策略,以负责任且有效地实施 GenAI 工具,从而增强高等教育的教学和学习体验。
Apr, 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
新手编程人员在解决编程问题方面常常面临元认知意识和策略的缺乏。前期研究已经表明,新手在编程时可能会遇到多个元认知困难。新手通常不了解这些困难如何阻碍他们的进展。与此同时,许多新手正在使用生成型人工智能(GenAI)进行编程,它可以提供大多数入门级编程问题的完整解决方案、代码建议、停滞时的下一步提示以及解释难懂的错误消息。然而,GenAI 对新手元认知的影响才刚刚开始被探索。通过 21 个由参与者观察、访谈和眼动跟踪组成的实验室会话,我们复制了一项以前的研究,研究了新手编程问题解决行为,并通过加入 GenAI 工具进行了扩展。虽然 21 名学生中有 20 名完成了分配的编程问题,但我们的研究结果显示 GenAI 工具在加快学生进度和使学生困难的使用方面存在一个令人遗憾的差距。加快进度的学生能够使用 GenAI 创建他们已经打算创建的代码,并能够忽略不合理或错误的内联代码建议。但是对于遇到困难的学生,我们的研究结果表明,以前已知的元认知困难仍然存在,并且 GenAI 不幸地可能会加重这些困难,甚至引入新的元认知困难。此外,遇到困难的学生通常对他们的问题解决能力存在认知失调,并且他们认为自己的表现比实际情况要好,并最终产生了一种自负的错觉。基于我们对两组学生的观察,我们提出了支持新手 GenAI 体验的方式,并对未来的工作提出了建议。
May, 2024