Mar, 2024

提升教学质量：利用计算机辅助文本分析从教育资料中生成深度洞察

HTML
PDF
TL;DR通过对教育文本的深度洞察，本文探讨了计算机辅助文本分析在提高教学质量方面的转变潜力，结合Richard Elmore的教学核心框架，研究了人工智能和机器学习方法特别是自然语言处理在分析教育内容、教师论述和学生反馈方面的作用，从教师指导、学生支持和内容开发等关键领域发现了AI/ML集成的重要优势，并揭示了AI/ML的模式，不仅可以简化行政任务，还可以为个性化学习引入新的途径，为教育工作者提供可操作的反馈，为教学动态提供更深入的理解。本文强调将AI/ML技术与教学目标相一致，实现其在教育环境中的充分潜力，提倡平衡的方法，包括考虑道德考虑、数据质量和融合人类专业知识。
发现论文，激发创造
  • 采用自然语言处理方法进行教育反馈分析的趋势和挑战综述

    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

  • 应用强大的大型AI模型于课堂教学：机遇、挑战和前景

    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

  • 利用人工智能和大型语言模型评估实验中学生的错误：与人类评分员的比较研究

    使用大型语言模型（LLMs）探索错误检测在探究式学习中的应用，并解决学生实验协议等复杂、不完整、甚至矛盾和多样化的数据中的逻辑错误识别的困难。

    Aug, 2023

  • 人工智能对数字教育演变的影响：OpenAI文本生成工具的比较研究，包括ChatGPT、Bing Chat、Bard和Ernie

    数字化时代，人工智能在教育领域的集成带来了变革性的改变，重新定义了教学方法、课程规划和学生参与。这篇综述论文通过对比 OpenAI 的先驱性文本生成工具，如 Bing Chat、Bard 和 Ernie，特别关注最新的 ChatGPT，深入探索了数字化教育正在快速发展的格局。论文通过将教育视为系统、过程和结果的分类法，导航了人工智能的多方面应用，从分散全球教育和个性化课程到数字化记录基于能力的结果，人工智能位于教育现代化的前沿。研究强调了 ChatGPT 在仅五天内迅速增至百万用户的重要角色，突出了它在民主化教育、促进自学能力和提升学生参与上的作用。然而，如此具有变革性的力量也可能被滥用，文本生成工具可能无意中对学术诚信提出挑战。通过对比 AI 在教育中的承诺和缺陷，本文主张 AI 工具与教育界之间的和谐协同，强调迫切需要制定道德准则、教学适应和战略合作。

    Sep, 2023

  • LLM和BoW的自动化课堂教学支持评估：将全局预测与具体反馈联系起来

    应用大语言模型来估计教学支持领域中的CLASS得分，使用零-shot提示和词袋模型对教师讲话的个别话语进行分类，通过实验发现自动估计方法准确性接近人际可靠性，并结合特征提取来提供教师可解释反馈。

    Oct, 2023

  • 融合人工智能与学习分析为教育提供数据驱动的教学决策和个性化干预

    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

  • 教育中的生成式人工智能：教育工作者意识、情感和影响因素研究

    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

  • 使用语言模型评估教育中的教学质量的优点与缺陷

    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

  • BoilerTAI：增强教育论坛中使用生成性人工智能的教学平台

    本研究解决了在线教育论坛中教学支持效率不足的问题，提出了一种将生成性人工智能（GenAI）与教育论坛无缝集成的平台。研究发现，经过合理管理的GenAI能有效减轻教学人员的工作负担，同时不降低学生对响应质量的满意度，从而提高教学效率和促进学习体验。

    Sep, 2024

  • 关于指令文本的系统性调研：从表示格式到下游自然语言处理任务

    本研究解决了当前自然语言处理系统在处理复杂多步骤指令时面临的挑战，并提供了一份关于复杂指令理解与处理的系统性综述。通过分析177篇相关文献，我们识别了这一新兴领域的趋势、挑战与机遇，为AI/NLP研究人员提供了必要的背景知识和对各种复杂指令理解方法的统一视角，促进了不同研究方向之间的联系，并指出了未来的研究机会。

    Oct, 2024