儿童对生成式视觉和基于文本的人工智能模型的认知模型
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
了解儿童在训练 AI 模型(如可教授机器)的界面设计中的设计方式和价值观,可以增加这类活动的影响力,并指导未来技术的设计。在一个共同设计的会议中,一个团队由 5 个 7-13 岁的儿童和成年共同设计师参与了修改后的故事板上的 AI 问题构思活动,他们设想了自己的可教授机器。我们的研究结果利用已有的心理价值框架(Rokeach 价值调查)揭示出儿童如何概念化并嵌入他们自己设计的 AI 系统中以支持他们的日常活动。具体来说,我们发现儿童的设想需要先进的系统智能,例如情绪检测和理解用户的社会关系。这些基础模型可以利用多种模态进行训练,并通过添加更多数据或预测负面例子来修复任何错误。儿童的想法表明他们关心家庭,并期望机器在做出决策之前了解他们的社会背景。
Sep, 2023
该研究探讨引起关注的生成式语言模型在教育领域可能产生的心理社会危害,分析了与学生课堂互动相关的 15 万个 100 字的故事中生成式语言模型所产生的角色人口统计学和再现伤害,强调了生成式人工智能工具在多样化社会环境中部署和使用时对于具有边缘化和少数族裔身份的用户体验可能产生的心理社会影响的重要性。
May, 2024
本文论述大型语言模型和语言 - 视觉模型是一种人工智能文化技术,它们通过增强文化传播和成为高效的模仿引擎来展现出其重要性。文章探讨了这些模型在 “模仿” 和 “创新” 方面的作用,以及它们的表现与人类儿童相比的异同,旨在深入研究从特定学习技术和数据中获取哪些具体的抽象表示、能力以及哪些具体的知识或技能。关键发现表明,机器可能需要比语言和图像的大规模更多的元素才能做到像儿童一样具备的能力。
May, 2023
对芬兰 5 年级和 6 年级学生关于人工智能本质的误解进行了调查与分析,发现了三种误解类别,并指出这些误解相对较肤浅,讨论了对未来研究和人工智能素养教育的启示。
Nov, 2023
通过使用机器学习和大型语言模型,本论文介绍了一种知识工作者系统 Generate And Search Test,该系统能够高效地创建以前需要专家合作才能完成的解决方案。同时探讨了生成型人工智能和搜索引擎如何提供创意和验证事实、逻辑和语境,以消除人为偏见。
Jul, 2023
通过设计一个名为 “与 AI 一起做梦” 的学习工作坊,我们帮助高中生学习了生成 AI 工具的内部机制,使用文本生成图像算法创建了他们未来梦想的形象,并探讨了这些工具的潜在利益和危害以及在教育中的使用政策。
May, 2023
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