生成AI时代的教师机构能力：面向学习设计的混合智能框架
近年来，生成人工智能（GenAI）的发展在社会多个领域引起了一次范式转变，而这些技术的使用可能成为未来几十年教育的一个定义性特征。GenAI提供了变革性的教育机会，同时也带来了伦理和学术方面的挑战。在这个背景下，我们提出了一个实用、简单且足够全面的工具来将GenAI工具融入教育评估中：AI评估量表（AIAS）。AIAS使教育工作者能够根据他们希望解决的学习成果选择适当的GenAI使用水平进行评估。AIAS为学生和教育工作者提供了更清晰、更透明的方式，为机构提供了公平、公正的政策工具，并提供了一种细致入微的方法，既拥抱了GenAI的机会，又意识到在某些情况下这样的工具可能在教学上不合适或不必要。通过采用一种实用、灵活、可快速实施的方法，AIAS可以成为应对当前关于教育中的GenAI存在的不确定性和焦虑的迫切起点。作为次要目标，我们参与当前的文献研究，倡导关注GenAI教育工具的重新聚焦的讨论，突出技术如何帮助支持和增强教学和学习，与当前关注GenAI作为学术不端行为便利工具的焦点形成对比。
Dec, 2023
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
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
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
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
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
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。
Jun, 2024
我们通过与学习者和教育工作者的合作，将学习科学的高级原则转化为七个多样化的教育基准，并开发了一套新的微调数据集，以提高Gemini的教学能力，引入LearnLM-Tutor。我们的评估结果显示，在教学维度上，教育工作者和学习者一致认为LearnLM-Tutor优于经过提示调优的Gemini。我们希望这项工作能作为发展综合教育评估框架的第一步，并通过AI和教育技术社区的快速进展，最大限度地发挥gen AI在教育中的积极影响。
May, 2024