May, 2024

将人工智能整合到高等教育中：与'SAMCares:一个自适应学习中心的试点研究'的协议

HTML
PDF
TL;DR通过引入一种创新的研究伙伴系统（我们将其称为'SAMCares'），该系统利用大型语言模型（LLM）和Retriever-Augmented Generation（RAG）来提供实时、上下文感知和自适应的教育支持，从而弥合了传统辅助技术和学习辅助工具的差距。
发现论文，激发创造
  • 大型语言模型在教育中的实际和伦理挑战：系统文献综述

    本文对基于大型语言模型的教育技术创新进行了系统文献综述和理论分析，并提出了以人为本的开发推荐，以解决基于大型语言模型的教育任务自动化可能带来的实际和伦理挑战。

    Mar, 2023

  • 教育领域中的大型语言模型：愿景和机遇

    通过调查和总结大型模型在智能教育中的应用，本文旨在提供关于LMM4Edu潜力和挑战的指导和见解，并为教育者、研究人员和政策制定者深入理解和进一步推进LMM4Edu的发展和应用提供指导。

    Nov, 2023

  • 如何构建一个能够适应任何课程、使用大型语言模型和增强型检索生成技术提供准确答案的AI辅导系统

    人工智能正在通过数据驱动的个性化学习解决方案改变教育。本文介绍了AI Tutor，一种创新的网页应用程序，利用先进的大型语言模型（LLM）提供任何科目的个性化辅导。AI Tutor通过摄取课程材料，构建适用于课程的自适应知识库。当学生提出问题时，它检索相关信息并生成详细的对话式回答，并引用支持证据。该系统采用先进的大型语言模型和RAG（Retrieval-Augmented Generation）技术，以实现准确、自然的问题回答。我们提供了一个完全功能的网页界面和视频演示，展示了AI Tutor在不同学科中的多样性和产生有教育价值的回答的能力。虽然这只是一个初始原型，但这项工作代表着朝着能够使更多人获得高质量定制教育支持的AI辅导系统的先驱性一步。

    Nov, 2023

  • ChatEd: 高等教育中基于ChatGPT的增强学习体验的聊天机器人

    结合ChatGPT和传统的基于信息检索的聊天机器人框架，提供优化的高等教育学生支持，以解决LLMs在教育背景下生成错误、偏见或无用答案的挑战。

    Dec, 2023

  • 为教育适应大型语言模型：基本能力、潜力和挑战

    基于大型语言模型的教育系统研究，评估其在教育能力方面的潜力，并提出统一和专家混合两种方法构建下一代智能教育系统，同时探讨了挑战和未来发展方向。

    Dec, 2023

  • 基于LMM的教育问答系统的跨数据知识图构建：以HCMUT为案例研究

    通过结合大型语言模型（LLMs）和知识图谱（KGs），本研究论文提出了一种自动构建知识图谱的方法，并讨论了在数字教育环境中，LLMs与KGs结合在问答任务中的初步应用。

    Apr, 2024

  • 运用GenAI于高等教育: 检索增强的生成对话机器人对人类学习的影响研究

    该研究介绍了Leodar教授，一个定制的、使用新加坡英语（Singlish）的Retrieval Augmented Generation（RAG）聊天机器人，旨在增强本科工程学生的教育支持。通过混合方法，揭示出Professor Leodar对学生学习、参与和考试准备的影响，其中97.1%的参与者报告了积极体验。这些发现帮助定义了AI在教育中的可能角色，突显了定制GenAI聊天机器人的潜力。我们的聊天机器人开发、课堂部署和学习成果研究的组合为GenAI教育工具提供了一个基准，并为重新定义人工智能和人类学习的相互作用奠定了基础。

    Jun, 2024

  • 评估先进大型语言模型技术在机器人课程中的人工智能讲师的影响

    本研究评估了大型语言模型（LLMs）在大学课程中作为人工智能讲师的表现，尤其是通过使用提示工程、检索增强生成（RAG）和微调等先进技术。研究发现，RAG结合提示工程显著提高了模型的回复质量，并产生了更好的事实性答案，为教育领域的技术集成提供了潜在的解决方案。

    Aug, 2024

  • 从MOOC到MAIC：通过大语言模型驱动的智能体重塑在线教学与学习

    本研究针对在线教育中个性化学习潜力不足的问题，提出了一种新的MAIC（大规模AI增强课程）形式，借助大语言模型驱动的多智能体系统构建AI增强课堂，兼顾可扩展性和适应性。通过对清华大学500多名学生的学习记录进行初步实验，发现了有价值的观察结果，为未来的在线教育提供重要的影响和实际应用的基础。

    Sep, 2024

  • 学生而非专家：一种新的教育管道AI模型，以更人性化和个性化的方式模拟早期青少年

    本研究着眼于当前教育AI领域中模拟学生行为的不足，提出一种创新的AI4Education框架SOE，通过建模虚拟学生代理，旨在复制学习困难、情感反应及语言不确定性等人类特征。研究结果表明，利用大型语言模型生成的人性化虚拟学生代理不仅能够增强教师的教学技能，也为未来的教师培训和多代理模拟打下了基础。

    Oct, 2024