本文介绍了 Iris，一个利用人类交谈策略将命令组合起来以执行更复杂任务的代理系统，并且引入了一种领域特定的语言，用于将命令转化为 Iris 可以动态地组合、排序和执行的自动机，在评估中，我们发现数据科学家使用 Iris 完成预测建模任务的速度显著提高（2.6 倍加速）， Iris 支持与今天的代理系统相同的命令类型，但赋予用户将这些命令编织在一起以实现复杂目标的能力。

Jul, 2017

通过提供弹性的教育模式建议，基于 GPT-3 的智能教育辅助框架被研发，能够自动生成课程助手，可以回答与教学相关的问题，降低教师和助教的工作量同时提高学生获得课程相关信息的机会。

Feb, 2023

AIris 是一种 AI 驱动的可穿戴设备，通过复杂的摄像头和自然语言处理接口，提供环境感知和互动功能，从而为视力受损用户带来空间认知。AIris 能够准确识别物体和解释场景，使用户能够感知到以前传统辅助设备无法实现的空间感。该系统成本效益高、易于使用，支持面部识别、场景描述、文本阅读、物体识别、货币计数、记事本和条形码扫描等通用和专业任务，取得了辅助技术中人工智能改进的突破性进展，实现了与人类类似的丰富互动。

May, 2024

本研究提出了基于人工智能的编程教学智能助教，它可以回答学生的编程问题并提供准确的答案和示例，受测试的大学生认为这个工具可以成为其他课程中有用的工具。

Jan, 2023

利用 GPT-3.5-Turbo 模型作为 AI 导师的自动化编程评估系统中，利用经验数据和探索性调查发现了不同用户类型以及与 AI 导师的交互模式，总结了实时反馈和可扩展性等优势，但也指出了一些挑战，例如通用回答和学生对使用 AI 导师时学习进展受限的担忧。这项研究为教育中人工智能的作用增加了有益的话题。

Apr, 2024

通过采用混合方法，研究了数名在线和远程学习学生对假想智能助手（AIDA）设计的认知。所有参与者对使用此类人工智能工具在学习过程中的实用性达成了一致，同时还提到了实时帮助和问题解答、学术任务支持、个性化和可访问性，以及情感和社交支持等方面的优点。与实施 AIDA 相关的关切包括伦理和社会影响、数据隐私和使用、操作挑战、学术完整性和滥用问题以及教育的未来。探讨了面向人工智能定制系统设计的相关启示。

Feb, 2024

该研究通过设计并评价了一种 AI 驱动的多任务聊天机器人，在计算机科学教育中提升学习体验、促进学生参与。研究采用设计研究方法，开发了一个新型学习环境，其中包括指导机器人、同伴机器人、职业规划机器人和情感支持机器人四个不同的聊天机器人角色，通过满足学生的能力、自主和关联性等三个内在心理需求，以探究为基础的学习模式鼓励学生提问、寻求解决方案和探索好奇心。研究通过在一个月内与 200 名参与学生进行高等教育环境测试，将结果与人类导师和单一聊天机器人条件进行对比。研究运用混合研究方法，包括聊天记录序列分析、调查和焦点小组访谈等定量和定性手段。通过整合先进的自然语言处理技术，如主题建模和情感分析，提供了对该系统对学习者参与度、动机和探究型学习的深入理解。该研究通过其严格的设计和创新的方法，为 AI 驱动的多任务聊天机器人在重塑计算机科学教育以及创建引人入胜、支持性和激励性学习环境的潜力提供了重要见解。

Aug, 2023

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

该论文提出了一种新颖的框架，即人工智能增强型智能助手（AIIA），用于个性化和自适应的高等教育学习。AIIA 系统利用先进的人工智能和自然语言处理技术，创建了一个互动和吸引人的学习平台，通过提供易于获得信息、促进知识评估和提供个性化学习支持来减轻学习者的认知负担，以满足个体需求和学习风格。

Sep, 2023

通过使用生成型人工智能能力协助教育工作者进行个性化、高效和引人入胜的教学辅助工具设计，以弥补他们在专业编程和设计方面的不足。

May, 2024