BoilerTAI：增强教育论坛中使用生成性人工智能的教学平台
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
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
通过使用生成型人工智能能力协助教育工作者进行个性化、高效和引人入胜的教学辅助工具设计，以弥补他们在专业编程和设计方面的不足。
May, 2024
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。
Jun, 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
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
本文探讨了生成性人工智能，尤其是大型语言模型如何融入智能辅导系统，以提升个性化教育。研究提出了一种动态内容生成和实时反馈的新方法，并指出确保教学准确性和减少模型偏见等挑战。研究结果预示着生成性人工智能在教育公平与有效性方面的巨大潜力。
Oct, 2024