本文介绍了人工智能的不同方法和哲学，探讨了其在教育领域中的应用，以及涉及到的关键的限制和风险，并提出了在遇到人工智能时教育工作者可能会问的一系列问题，旨在使术语和概念易于理解、审视和塑造人类中心的教育人工智能的发展。

Dec, 2022

本研究重点介绍了工业和学术角度下人工智能在教育领域的不同应用，并强调了最新的情境化学习、创新评估以及先进的辅导系统等方面的进展和发展。此外，文章还分析了AIEd的伦理问题和转型对人们尤其是学生和教师的影响，并探讨了AIEd未来研究和实践的潜力。

Jan, 2023

本文探讨了人工智能、机器学习和深度学习等技术如何全面地应用于教育中，摘要了近二十年来相关研究的研究方向，包括如何应对 COVID-19 疫情所带来的挑战，同时也指出了应用人工智能于教育中存在的局限性及未来发展的方向。

Jan, 2023

通过系统文献综述，本研究揭示了在基于人性化设计的学习分析和人工智能教育系统中，人性化设计的现状以及教育利益相关者对设计过程的参与程度、人机控制后平衡、以及安全可靠性和可信度的考虑程度，并在此基础上提出了设计和部署这些系统时需要在各个阶段谨慎平衡利益相关者参与、积极吸纳最终用户，尤其是学生的参与，以及在未来的人性化学习分析和人工智能教育系统中探索安全、可靠性和可信度原则的建议。

Dec, 2023

本文探讨人工智能在教育领域的复杂性及对学习的个性化、伦理、学科价值与学习体验的潜在影响，旨在通过教育研究和综合实证最佳实践，明确了解如何将人工智能技术与学与教的基本原则相协调，以及为未来真正提升学习体验和结果而可能需要优先考虑的具体行动。

Feb, 2024

采用人工智能教育（AIED）在教育中的应用可能彻底改变教学实践，提供个性化学习体验、自动化行政和教学任务，并降低内容创作成本。然而，AIED解决方案的开发和部署缺乏统一标准，导致碎片化的生态系统，从而在互操作性、可扩展性和伦理治理方面带来挑战。本文旨在解决在AIED中开发和实施行业标准的迫切需求，并全面分析当前情况、挑战和克服这些障碍的战略方法。我们首先考察了AIED在各种教育环境中的各种应用，并确定了缺乏标准化的关键领域，包括系统互操作性、本体映射、数据集成、评估和伦理治理。然后，我们提出了一个建立强大的AIED行业标准的多层框架。此外，我们还讨论了通过从现实应用中获得反馈循环来细化和调整标准的迭代开发和部署方法。本文还强调了新兴技术和教育理论在塑造未来AIED标准方面的作用。最后，我们概述了干系人实施这些标准的战略路线图，促进一个协调且符合伦理的AIED生态系统。通过建立全面的行业标准，如IEEE人工智能标准委员会（AISC）和国际标准化组织（ISO）所提供的标准，我们可以加速和推广AIED解决方案，以改善教育成果，确保技术进步与包容性、公平性和教育卓越原则保持一致。

Mar, 2024

人工智能从实验室科学转变为实际人类环境，引发了许多历史、社会文化的偏见、不平等和道德困境。人工智能教育（AIED）提出了更多特定的挑战，涉及技术对用户的影响，这些技术如何用于加强或改变我们学习和教学的方式，以及作为社会和个体，我们对教育结果的价值观。该文章讨论了人工智能的关键伦理维度，并将其置于AIED设计和工程实践中，以建立我们所构建的AIED系统、我们提出的有关人类学习和发展的问题、我们使用的教学伦理以及我们通过AIED在更广泛的社会技术系统中提倡的价值观之间的联系。

Mar, 2024

人工智能在教育测量中的整合革命了评估方法，通过机器学习和自然语言处理实现了自动化评分、快速内容分析和个性化反馈，为学生提供及时、一致的反馈和宝贵的学业表现洞察，从而增强了评估体验。然而，将人工智能应用于教育也带来了诸多伦理关切，涉及到有效性、可靠性、透明度、公平性和公正性等问题。算法偏倚和人工智能决策过程的不透明性等问题可能会将不平等问题持续下去并影响评估结果。为了应对这些关切，包括教育工作者、决策者和组织在内的各方利益相关者已制定了指南，以确保人工智能在教育中的道德使用。美国教育测量学会（NCME）的AI与教育测量特别兴趣小组（AIME）也致力于确立道德标准并推动该领域的研究。本文中，来自AIME成员的多样化团队审视了人工智能驱动教育测量工具的伦理影响，探讨了自动化偏倚和环境影响等重大挑战，并提出了解决方案，以确保人工智能在教育中的负责任和有效使用。

Jun, 2024

人工智能对公民生活的不同方面进行了创新加速，教育工作者需要发展人工智能素养，并能将合适的人工智能运用集成到他们的教学中去。我们通过创造性学习设计，开发了一个形成性干预措施，使得预备教师、在职教师和教育科技专家能够有效地将人工智能融入他们的教学实践中。受训者通过探索能够将人工智能素养融入教育中的不同活动，包括伦理考虑和创新教育方法的潜力，来反思人工智能在教学和学习中的潜力。这种方法不仅强调将专业人士融入人工智能，还赋予他们以合作设计增强学习者参与和个性化学习经验的人工智能教育活动的能力。通过这个过程，参与工作坊的人员培养出了运用人工智能的技能和心态，同时还对人工智能在教育中的含义保持着批判性的认识。

Jul, 2024

本研究关注高等教育中负责任的人工智能治理，填补了对生成性AI指导方针的研究空白。通过对美国14所知名大学的案例研究，识别了多单位治理、角色特定治理及学术特征。研究结果为高等教育机构及其他领域负责任地使用AI提供了实践启示。

Sep, 2024