教育中的大语言模型:新观点、挑战与机遇
本文对基于大型语言模型的教育技术创新进行了系统文献综述和理论分析,并提出了以人为本的开发推荐,以解决基于大型语言模型的教育任务自动化可能带来的实际和伦理挑战。
Mar, 2023
研究探讨了大型语言模型(LLMs),例如ChatGPT在考试中的表现及对评估的影响,并提出了创建LLM抗拒力考试的指南,旨在确保评估的公正性和准确性。
Apr, 2023
通过调查和总结大型模型在智能教育中的应用,本文旨在提供关于LMM4Edu潜力和挑战的指导和见解,并为教育者、研究人员和政策制定者深入理解和进一步推进LMM4Edu的发展和应用提供指导。
Nov, 2023
本研究探讨了大型语言模型在高等教育中的影响,重点是通过原型实现自动口试模拟。描述了原型的设计考虑,并对教育工作者和学生进行了评估。讨论了技术和教育观察结果。该原型在模拟口试、提供个性化反馈和简化教育工作者工作量方面表现出了良好的效果。原型的有 promising 结果显示了大型语言模型在普及教育、包容多样化学生群体以及提高教学质量和效率方面的潜力。
Dec, 2023
基于大型语言模型的教育系统研究,评估其在教育能力方面的潜力,并提出统一和专家混合两种方法构建下一代智能教育系统,同时探讨了挑战和未来发展方向。
Dec, 2023
大语言模型 (LLMs) 在教育领域带来了新的可能性。本综述论文从多个角度总结了LLMs在教育环境中的各种技术,包括学生和教师辅助、自适应学习和商业工具。我们系统地审查了每个角度的技术进展,整理了相关的数据集和基准,并识别了在教育中部署LLMs所面临的风险和挑战。此外,我们概述了未来的研究机会,强调潜在的有前途的方向。我们的综述旨在为教育工作者、研究人员和决策者提供一个全面的技术画面,以利用LLMs的力量革新教育实践,并促进更有效的个性化学习环境。
Mar, 2024
人工智能在教育领域有深远的影响,特别是大型语言模型(LLMs)在智能教育(LLMEdu)中的应用,对提高教学质量、改变教育模式和调整教师角色有巨大的潜力,然而仍面临着挑战和问题。本文系统综述了LLMEdu的当前技术、挑战和未来发展,并介绍了LLMs与教育的特点以及将LLMs整合到教育中的好处。同时还回顾了将LLMs整合到教育行业的过程和相关技术的引入,并讨论了LLMEdu所面临的挑战和问题,以及未来优化LLMEdu的前景。
May, 2024
使用大型语言模型(LLMs)进行自动评估已成为自然语言处理研究中的重要评估方法。然而,尚不确定这些基于LLM的评估器是否可以应用于真实的课堂环境中,以评估学生的作业。本实证报告分享了我们如何在一门拥有1028名学生的大学课程中使用GPT-4作为自动作业评估器。根据学生的回答,我们发现当学生可以自由使用基于LLM的评估器时,这些评估器通常是被学生接受的。然而,学生们也指出LLM有时未能遵循评估指示。此外,我们观察到学生可以轻松操纵基于LLM的评估器来输出特定的字符串,从而在不符合作业评分标准的情况下获得高分。基于学生反馈和我们的经验,我们提供了一些关于将基于LLM的评估器纳入未来课堂的建议。
Jul, 2024
大型语言模型在教育环境中得到越来越广泛的应用,以为学生和教师提供个性化支持。然而,这些模型的整合引起了有关算法偏见的担忧,可能加剧教育不公平问题。本综述从传统机器学习生命周期的角度出发,提供了大型语言模型从初始开发到在教育应用中定制预训练模型的全面生命周期图。文章讨论了在教育背景下可能出现的偏见来源,并解释了为什么传统机器学习中的偏见度量无法迁移到教育中由大型语言模型生成的内容,因为文本是高维的,可能存在多个正确的回答,而定制回答可能是教学上合理而非不公平的。这篇综述旨在阐明大型语言模型应用中的复杂偏见现象,并为其评估提供实际指导,以促进教育公平。
Jun, 2024