Jun, 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

PDF
TL;DR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。
generative artificial intelligencelarge language modelsretrieval augmented generationai-assisted learningcustom genai chatbots
发现论文，激发创造
  • 生成智能与教师 - 对我们有利还是不利？案例研究

    调查显示，超过一半的受访教师（35 位）中有 59% 表示使用生成人工智能（GenAI）进行教学，尤其是大型语言模型（LLMs），然而 55% 的受访者认为应该制定相关法规来规范 GenAI 的使用，尤其是在准确性和作弊上存在最大的担忧。

    Apr, 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

  • 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

  • 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

  • 个性化教育与人工智能：课堂规划的新视野

    基于先进的自然语言处理技术，这项研究介绍了一种基于生成式人工智能（GenAI）的工具，用作教育者的数字助手，能够生成定制化的课程计划，评估结果显示这种基于人工智能的教学方法显著降低了备课时间，提升了学习体验，并在为特殊教育需求（SEN）提供个性化关注和具体学习辅助等更广泛教育背景的应用中具有潜在可行性。

    Feb, 2024

  • ChatGPT 与更多：在教育领域的生成式人工智能革命

    该调查研究了生成性人工智能模型在教育领域的潜在应用和影响，并就教育环境中的实际应用、挑战和新兴趋势进行了综合和严格的评估，旨在为人工智能与教育之间的关系作出贡献。

    Nov, 2023

  • 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

    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。

    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

  • 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

  • 大型语言模型与用户界面相遇：反馈供应案例

    将生成式 AI（GenAI）和大型语言模型（LLMs）应用于教育可以提高教学效率，丰富学生学习。使用当前的 LLM 涉及到会话式用户界面（CUIs）用于生成材料或提供反馈，但这带来了教育者在 AI 和 CUI 领域的专业知识需求、高风险决策的道德问题以及隐私风险。为了解决这些问题，我们建议从 CUIs 过渡到通过 API 调用利用 LLMs 的用户友好应用程序。我们提出了一个将 GenAI 道德地融入教育工具的框架，并展示了其在我们的工具 Feedback Copilot 中的应用，该工具为学生作业提供个性化反馈。我们的评估结果显示了这种方法的有效性，对 GenAI 研究人员、教育者和技术人员具有重要意义。这项工作为教育中的 GenAI 未来制定了一条路线。

    Apr, 2024