Jun, 2024

全球教育中的生成智能和数字新殖民主义：迈向公平框架

PDF
TL;DR本文批判性讨论了生成型人工智能（GenAI）如何在非西方社会中强加西方意识形态，通过其固有偏见在教育中持续推行数字新殖民主义，并提出了缓解这些影响的策略。我们的讨论表明，GenAI 可以通过生成主要涉及西方学生文化参考和例子的内容来培育文化帝国主义，从而使非西方学生感到疏离。此外，GenAI 对西方语言的主要使用可能会边缘化非主导语言，使其难以获得教育内容，潜在地影响他们以母语学习的能力。此外，GenAI 经常生成反映技术主导国家观点的内容和课程，盖过被边缘化的土著知识和做法。此外，GenAI 的访问成本加剧了教育不平等，并且 GenAI 数据的控制可能导致商业利用，而并未使当地学生及其社区受益。我们提出了以人为中心的改革，以优先考虑 GenAI 开发中的文化多样性和公平性；解放性设计，赋予教育者和学生识别和瓦解 GenAI 应用程序中的压迫结构的能力；设计前瞻性，创建可调整的 GenAI 系统以满足未来的教育需求；最后，有效的提示技巧来减少新殖民主义产出的检索。
generative artificial intelligencedigital neocolonialismcultural imperialismeducational inequalityoppressive structures
发现论文，激发创造
  • 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

  • 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

  • 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

  • 面向教育的社交生成 AI：理论、实践和伦理

    本文探讨了与人工智能进行的教育交流，不是作为提示和回应的序列，而是作为对话和探索的社交过程，在其中，学习者在互联网工具和资源的动态计算介质中不断与 AI 语言模型交谈。本文强调了构建用于教育的社交生成 AI 是需要开发强大的 AI 系统的，这些系统可以与人类以及彼此对话，构建如知识地图之类的外部表征，访问和贡献于互联网资源，并担任教师、学习者、导师和指南的角色。但人们也需要考虑将如何设计和约束这些社交生成 AI，以确保其意识到其限制、对学习者和互联网的尊重并尊重人类教师和专家的完整性的问题。

    Jun, 2023

  • 数字人文研究中生成型人工智能工具的集体使用和评估：基于调查的结果

    数字人文学者对生成人工智能（GenAI）技术的采用、实践以及批评评估方面的研究过程进行调查，结果表明，数字人文学者对于 GenAI 在数字人文学科中的价值持不同意见，而实际使用情况在个体和研究任务上多样化。该调查分析有助于进一步研究 GenAI 对数字人文学科发展的影响。

    Apr, 2024

  • 生成式人工智能工具时代的高等教育评估实践

    本研究通过对生成人工智能工具对评估和教学实践的综合评估，探讨了其潜在影响。结果表明，生成人工智能工具在主题知识、问题解决、分析、批判性思维和演示技能方面具有限制学习的潜力。同时，对某些学科评估工具的设计揭示了生成人工智能工具的局限性。基于研究结果，我们提出了关于如何在高等教育中利用人工智能工具进行教学和学习的建议。

    Apr, 2024

  • 生成式人工智能时代中的教育：背景和最新发展

    人工智能对教育的潜力、应用、限制等方面进行了综合概述，着重介绍了生成式人工智能领域的最新发展。

    Aug, 2023

  • 生成人工智能的方法：社会公正视角

    2023-2024 学年，ChatGPT 的广泛普及将对学术诚信产生影响，高中学生中 77% 报告过使用人工智能驱动的写作辅助工具从事不诚实行为，这种被 Chan（arXiv:2306.03358v2）称为 'AI-giarism' 的 AI 驱动写作辅助工具将使抄袭行为更加易于获取且难以检测，此外，这些担忧也引发了关于这一技术革命性质的更广泛问题，包括自主性、数据隐私、版权和公平性。本文旨在从社会公正的角度探讨生成型人工智能，研究这些模型的训练、固有的偏见以及检测人工智能生成写作中的潜在不公正之处。

    Aug, 2023

  • 教育学和学习实践的生成式人工智能系统评述

    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

  • 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