本文概述了人工智能在教育领域的应用，针对学生反馈数据，提出了利用自然语言处理技术来识别教育基础设施、学习管理系统、教学实践和学习环境的改进方向，并重点介绍了情感标注、实体注释、文本摘要和主题建模等文本分析技术在教育领域的应用及其存在的挑战。

Jan, 2023

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

本文着重探讨人工智能（AI）和机器学习（ML）在科学评估中的转变作用，强调科学评估需要从概念学习转向知识运用，并介绍了基于 ML 的科学评估的现状、准确性评分框架以及未来方向和挑战。

Apr, 2024

评估教学质量是教育系统改进的基本组成部分。本研究首次运用自然语言处理技术来评估两种不同教育环境中的多项高推断教学实践，包括线下 K-12 班级和面向未来教师的模拟表现任务，并将 NLP 应用于广泛认可对特殊需要学生特别有效的教学实践的度量。结果表明，预训练语言模型在较为离散且需要较低推断的变量上表现与人类评分者的一致性相当，但在更复杂的教学实践上表现逐渐减弱。有趣的是，仅使用教师的话语作为输入对学生中心的变量产生了强大的结果，缓解了在线下教学环境中收集和转录高质量学生语音数据的难度问题。本研究发现了当前教育领域自然语言处理技术的潜力和局限性，并为进一步研究开辟了新的途径。

Apr, 2024

本研究旨在通过使用 NLP 技术自动生成课堂讨论质量的评估得分，对 90 个课堂讨论文本记录进行分析和评估，在焦点为四个评估材料的基础上，研究表明在某些方面有了令人鼓舞的结果，同时也发现在其他方面还有进一步的改进空间。

Jun, 2023

通过研究 23 名香港中学学生的故事写作，我们发现 AI 生成的文本对提高学生写作质量有一定帮助，并可以帮助教育工作者设计更好的 AI 工具和教学活动。

Mar, 2023

通过系统性研究，本文提出了一种利用人工智能评估与医疗有关文本情感的方法，重点关注自然语言处理和深度学习技术的整合。我们细致研究了许多利用人工智能增强情感分析、情绪分类和基于临床叙述、患者药物反馈和在线健康讨论的文本信息预测患者结果的研究。该综述表明算法在情感分类和神经退行性疾病的预测能力方面取得了显著进展，并创造了能够支持临床决策的以人工智能为动力的系统。人工智能应用的利用使个人化疗法计划的提高成为可能，整合了患者情感并有助于早期识别心理健康障碍。然而，AI 的应用面临着确保道德应用、保护患者机密和解决算法程序中潜在偏见等挑战。尽管如此，人工智能改变医疗实践的潜力是无可否认的，提供了一个使医疗变得更加知识化、高效化、富有同理心、以患者需求为中心的未来。本研究强调了人工智能对医疗的转变影响，提供了对人工智能在检查医疗文本情感内容和强调朝向更具同情心的患者护理方法的全面理解。研究结果倡导人工智能分析能力与医疗人文方面的和谐结合。

Mar, 2024

通过呈现示例创新的学习场景，探索了多模态大语言模型 (MLLMs) 在科学教育的核心方面的转变作用，包括文本创作、个性化学习支持、培养科学实践能力以及提供评估和反馈。同时，强调了在实施 MLLMs 时采取平衡的方法的必要性，确保技术对教育者角色的补充，以确保人工智能在科学教育中的有效和道德使用。

Jan, 2024

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

将人工智能融入学术写作的框架、模型和方法，提高学术写作的质量和效率，减轻沟通负担，赋予作者权力，加速发现，推动科学多样性。

Oct, 2023