Jun, 2024

理解学生和教职员工对于评估与反馈中人工智能应用的看法

PDF
TL;DR应对人工智能和生成人工智能在高等教育中的崛起需要进行评估改革，本研究通过探讨学生和学术人员对人工智能和生成人工智能工具的熟悉程度和舒适度，着眼于当前和未来在学习和评估中的应用，填补了关键空白。在线调查收集到来自越南的两所大学和新加坡的一所大学的 35 名学术人员和 282 名学生的数据，调查了生成人工智能的熟悉程度、其在评估标记和反馈、知识检测和参与中的应用以及生成人工智能文本检测的经验。描述性统计和思考性主题分析揭示了两个群体对生成人工智能的熟悉程度普遍较低。生成人工智能反馈受到负面评价，然而当与教师反馈结合时，评价更为积极。学术人员对生成人工智能文本检测工具以及基于检测结果的成绩调整更加接受，相对于学生而言。定性分析确定了三个主题：对文本检测工具的理解不清晰，对生成人工智能检测器的经验存在差异，以及对生成人工智能对教育评估未来影响感受复杂。这些发现对高等教育中生成人工智能评估和反馈的政策和实践的发展具有重要意义。
artificial intelligencegenerative artificial intelligencelearning and assessmentstudent and academic staff experiencesgenai-enabled assessment
发现论文，激发创造
  • 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

  • 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

  • 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

  • AI 评估量表（AIAS）的应用：基于 GenAI 的评估的试点实施

    英国越南大学举行的一项试点研究结果表明，将生成人工智能（GenAI）技术纳入教育评估中，在提高学习体验的同时促进学术诚信，并降低与 GenAI 相关的学术不端行为，使学生的成绩和模块通过率都得到了显著提升。

    Mar, 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

  • 高等教育中的 GenAI 检测工具、对抗技术及包容性的影响

    该研究调查了六种主要的生成型人工智能（GenAI）文本检测器在面对经过修改以逃避检测的机器生成内容时的效力（n=805）。结果表明，当面对被篡改的内容时，这些检测器的准确率（39.5%）会大幅下降（17.4%），而某些技术在逃避检测方面比其他技术更有效。这些结果显示，当前这些工具的准确性限制和潜在的错误指控表明它们目前不能用于确定是否存在学术诚信的违规行为，突显了教育工作者在维持包容和公平的评估实践方面面临的挑战。然而，它们在非惩罚性的使用中可能在支持学生学习和维护学术诚信方面发挥作用。这些结果强调了在学术界处理生成型人工智能所带来的挑战时需采用综合方法来促进这些新兴技术的负责和公平使用。该研究得出结论，AI 文本检测器目前的局限性要求在高等教育中对其实施采取批判性的方法，并提示了 AI 评估策略的可能替代方案。

    Mar, 2024

  • 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

  • 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

  • 关于作弊普遍性感知和生成 AI 的使用

    调查研究教职员工对学生作弊普遍性的感知以及生成式人工智能对学术诚信的影响，通过对乌普萨拉大学信息技术系教师的匿名调查数据和 2004 至 2023 年作弊调查的机构统计数据的分析，结果显示教师普遍不认为作弊普遍，但他们强烈认为作弊案例在增加，可能由于生成式人工智能的可获取性。大多数教师不将人工智能使用与作弊等同，但承认学生广泛使用它。此外，教师的感知与作弊趋势的客观数据相一致，凸显了他们对学术不诚实的不断演变的认识。

    May, 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