May, 2024

高等教育中的生成 AI：机构采用政策和指南的全球视角

PDF
TL;DR将生成式人工智能（GAI）融入高等教育对准备未来一代具备 GAI 知识的学生至关重要，本研究运用创新扩散理论考察了来自六个全球地区的 40 所大学中高等教育中 GAI 采纳策略，其中探讨了 GAI 创新的特征、沟通渠道以及大学政策和指导中所概述的角色和责任，结果显示大学对于 GAI 整合采取了积极的态度，强调学术诚信、教学和学习的提升以及公平性，然而需要制定全面的政策框架以评估 GAI 整合的影响并建立有效的沟通策略以促进更广泛的利益相关者参与，该研究强调教师、学生和管理人员之间明确的角色和责任对于成功整合 GAI 至关重要，支持协作模式来应对教育中 GAI 的复杂性，并为政策制定者在制定详细的整合战略时提供了见解。
generative aihigher educationgai adoption strategiesuniversity policiescommunication strategies
发现论文，激发创造
  • 高等教育中的生成人工智能：机构政策和指南分析的证据

    通过研究 116 所美国高研活跃度大学产生的文件，全面了解高校为机构相关利益相关者提供的关于生成人工智能的建议与指导。基于我们的研究发现，大多数高校鼓励使用生成人工智能，并提供了详细指导，尤其是在课堂中的使用。然而，要注意的是，该研究建议教师指导的指南可能会加重其工作负担，因为往往需要对教学方法进行广泛的修订。

    Jan, 2024

  • 学习的演变：评估生成性人工智能对高等教育的深远影响

    研究论文探讨了生成人工智能（GAI）模型，如 ChatGPT，对大学生和高等教育机构的影响，采用综合调查和情景分析的混合方法，结果表明当前技术在学术上的使用对学生取得学业目标有积极帮助，但是技术的不负责任和过度使用可能会带来重大挑战，因此高等教育机构需要制定严格的政策、重新评估学习目标、提升讲师能力、调整课程并重新考虑考试方式。

    Apr, 2024

  • 生成型人工智能在人机交互教育中的潜力与影响

    直接或间接地影响教学与学习的生成式人工智能（GAI）正影响着各种学科和学科的教育。作为教育者，我们需要了解 AI 在人机交互教育中的潜力和局限，并确保我们的人机交互设计专业的毕业生了解 AI 在此领域中的潜力和局限。本文报告了将生成式人工智能纳入为期 10 周的本科模块所得出的主要教学见解。我们设计了这个模块，以鼓励学生在设计任务要求和计划实践会话与讨论中进行 GAI 模型的实验。我们的见解基于学生在完成模块后的调查回复。对于人机交互设计教育者而言，我们的主要发现是 AI 作为发展项目想法和创建设计资源的一个人物角色，以及 AI 作为反映学生对关键概念和想法的理解并突出知识差距的一面镜子。我们还讨论了应该考虑的潜在陷阱以及评估学生对 GAI 作为教学工具的识字能力和假设的需求。最后，我们提出了教育者以 GAI 作为教育工具所带来的机会，并在实践中富有实验性、创意性和勇气的案例。最后，我们就我们的发现与人机交互中的 TPACK 框架进行了讨论。

    May, 2024

  • 面向大学教学和学习的全面人工智能政策教育框架

    该研究旨在通过研究文本生成 AI 技术的认知和影响，为高等教育制定一个 AI 教育政策，并从三个维度（教学、管理和运营）出发，提出 AI 生态教育政策框架，以解决在大学教学和学习中集成 AI 所涉及的多维问题，从而确保利益相关者了解其责任，并采取适当的行动。

    Apr, 2023

  • 高等教育中生成式人工智能：学生感知、益处和挑战之声

    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

  • 生成型人工智能和大型语言模型的全球学术指南概览

    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

  • 从指南到治理：教育领域人工智能政策研究

    该研究通过调查方法检查了高中校长和高等教育主任们对促进人工智能等生成 AI 工具在教育环境中的伦理部署的政策现状，结果显示出存在重要政策空白、缺乏对学生隐私和算法透明度等关键问题的政策，并强调在教育背景下需要灵活迭代的政策框架。

    Mar, 2024

  • 生成人工智能：新教育的力量

    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

  • 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

  • 在技术接受模型 (TAM) 和创新扩散理论 (IDT) 的背景下，课堂中的生成式人工智能应用

    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