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

人工智能和大型语言模型在计算机教育中的应用及其引发的伦理问题的综合调查和分析。

Oct, 2023

近年来，生成人工智能（GenAI）的发展在社会多个领域引起了一次范式转变，而这些技术的使用可能成为未来几十年教育的一个定义性特征。GenAI提供了变革性的教育机会，同时也带来了伦理和学术方面的挑战。在这个背景下，我们提出了一个实用、简单且足够全面的工具来将GenAI工具融入教育评估中：AI评估量表（AIAS）。AIAS使教育工作者能够根据他们希望解决的学习成果选择适当的GenAI使用水平进行评估。AIAS为学生和教育工作者提供了更清晰、更透明的方式，为机构提供了公平、公正的政策工具，并提供了一种细致入微的方法，既拥抱了GenAI的机会，又意识到在某些情况下这样的工具可能在教学上不合适或不必要。通过采用一种实用、灵活、可快速实施的方法，AIAS可以成为应对当前关于教育中的GenAI存在的不确定性和焦虑的迫切起点。作为次要目标，我们参与当前的文献研究，倡导关注GenAI教育工具的重新聚焦的讨论，突出技术如何帮助支持和增强教学和学习，与当前关注GenAI作为学术不端行为便利工具的焦点形成对比。

Dec, 2023

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

该研究通过对相关文献的系统回顾，概述了在高等教育中利用生成人工智能进行教学和学习的最新研究现状。研究发现，文献中存在研究缺口，需要进一步研究如何将生成人工智能融入教学和学习过程，加强跨学科、多维度的合作，以制定生成人工智能的使用指南、框架和政策。

Jun, 2024

调查显示，教育工作者对生成人工智能和大语言模型的认知和接受度存在差异，为促进人工智能工具在教育中更广泛的应用，需要针对各种教育工作者的需求和关切采取有针对性的策略。

Mar, 2024

本研究通过系统调查、基于文本挖掘的全球和国家指南、独立研究以及八十所大学层面的指导，提供了对教育中生成式人工智能（GAI）和大型语言模型（LLMs）的机会和挑战进行细致的理解。研究强调了在这些技术的整合过程中平衡方法的重要性，以 harness 利用其技术优势的同时，考虑伦理问题，并确保公平的获取和教育结果。最后，本文提出了促进负责任创新和道德实践，指导将GAI和LLMs整合到学术中的建议。

May, 2024

使用开源生成型AI合成学生反馈的事实性、可操作性和恰当性总结，为教师提供成本效益的支持，以增强教学实践的可行性。

Jul, 2024

我们通过与学习者和教育工作者的合作，将学习科学的高级原则转化为七个多样化的教育基准，并开发了一套新的微调数据集，以提高Gemini的教学能力，引入LearnLM-Tutor。我们的评估结果显示，在教学维度上，教育工作者和学习者一致认为LearnLM-Tutor优于经过提示调优的Gemini。我们希望这项工作能作为发展综合教育评估框架的第一步，并通过AI和教育技术社区的快速进展，最大限度地发挥gen AI在教育中的积极影响。

May, 2024

本研究探讨了学生在不同计算课程中对生成性人工智能工具的使用和看法，填补了现有文献对此话题的不足。通过对多个程序和课程的学生进行连续调查，揭示了学生背景知识和课程学习目标如何影响其对这些工具的接受度及使用情况。研究发现，学生对生成性人工智能工具的认知和应用随着时间而变化，提供了关于如何在课程中有效整合这些工具的新见解。

Oct, 2024