教育中的生成人工智能(GAIED):进展、机遇和挑战
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
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
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
本文概括了即将出版的《AI 伦理在教育中的实践、挑战与辩论》一书的关键结论,讨论了 AI 教育领域伦理与伦理实践方面的主要问题和重大挑战,并从 AIED 内外不同角度呈现多元视角和深刻理解。
Mar, 2022
采用人工智能教育(AIED)在教育中的应用可能彻底改变教学实践,提供个性化学习体验、自动化行政和教学任务,并降低内容创作成本。然而,AIED 解决方案的开发和部署缺乏统一标准,导致碎片化的生态系统,从而在互操作性、可扩展性和伦理治理方面带来挑战。本文旨在解决在 AIED 中开发和实施行业标准的迫切需求,并全面分析当前情况、挑战和克服这些障碍的战略方法。我们首先考察了 AIED 在各种教育环境中的各种应用,并确定了缺乏标准化的关键领域,包括系统互操作性、本体映射、数据集成、评估和伦理治理。然后,我们提出了一个建立强大的 AIED 行业标准的多层框架。此外,我们还讨论了通过从现实应用中获得反馈循环来细化和调整标准的迭代开发和部署方法。本文还强调了新兴技术和教育理论在塑造未来 AIED 标准方面的作用。最后,我们概述了干系人实施这些标准的战略路线图,促进一个协调且符合伦理的 AIED 生态系统。通过建立全面的行业标准,如 IEEE 人工智能标准委员会(AISC)和国际标准化组织(ISO)所提供的标准,我们可以加速和推广 AIED 解决方案,以改善教育成果,确保技术进步与包容性、公平性和教育卓越原则保持一致。
Mar, 2024
通过分析大学教师对人工智能语言模型的经验和态度,本研究填补了文献中对人工智能在教育中的应用以及其对教学和学习的潜在影响的研究空白。该研究调查了高等教育中语言模型和生成式人工智能工具的意识水平、整体态度以及影响这些态度的因素。研究结果显示,教育工作者对这些工具的认识程度逐渐增加,总体上持积极态度。教学风格与对生成式人工智能的态度之间没有相关性。最后,相较于其他领域的教育工作者,计算机科学教育工作者对生成式人工智能工具在技术上的理解更有信心,对其持更加积极的态度,但在检测人工智能生成作品的能力上并不更有信心。
Mar, 2024
将生成式人工智能(GAI)融入高等教育对准备未来一代具备 GAI 知识的学生至关重要,本研究运用创新扩散理论考察了来自六个全球地区的 40 所大学中高等教育中 GAI 采纳策略,其中探讨了 GAI 创新的特征、沟通渠道以及大学政策和指导中所概述的角色和责任,结果显示大学对于 GAI 整合采取了积极的态度,强调学术诚信、教学和学习的提升以及公平性,然而需要制定全面的政策框架以评估 GAI 整合的影响并建立有效的沟通策略以促进更广泛的利益相关者参与,该研究强调教师、学生和管理人员之间明确的角色和责任对于成功整合 GAI 至关重要,支持协作模式来应对教育中 GAI 的复杂性,并为政策制定者在制定详细的整合战略时提供了见解。
May, 2024
该调查研究了生成性人工智能模型在教育领域的潜在应用和影响,并就教育环境中的实际应用、挑战和新兴趋势进行了综合和严格的评估,旨在为人工智能与教育之间的关系作出贡献。
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