A Case-Study on Teaching Undergraduate-Level Software Engineering Course Using Inverted-Classroom, Large-Group, Real-Client and Studio-Based Instruction Model
我们提出了一个案例研究教学本科课程的软件工程（第二年和第五学期的学士学位课程在计算机科学）在一所州立大学（印度新德里）使用一种新的教学模式。我们的方法有四个主要元素：倒置或翻转课堂，基于工作室的学习，真实的客户端项目和部署，大型团队和同行评价。我们提出我们的动机和方法，遇到的挑战，教学效益，调查结果（积极和消极的）和建议。我们的动机是教软件工程使用主动学习（显着增加与教师和其他学生在课堂上的参与和协作），团队合作，理论与实践之间的平衡，传授在现实世界中遇到的技术和管理技能和基于问题的学习（通过一个密集的学期的项目）。我们进行详细的调查（匿名，可选和在线），并提出学生的反应结果。调查结果显示，几乎每一个学生（班级规模：89）的教学模式是新的，有趣的，并有积极的影响，除了满足课程的学习成果的动机。
2013-09-02 cs.CY cs.SE
BREW: A Breakable Web Application for IT-Security Classroom Use
介绍了一种用于IT安全教学的工具BREW（BreakableWebApplication）。BREW的主要教学目标是识别和利用漏洞，使用软件审计和测试的技术和方法，以及错误检测、修复和编写安全代码。BREW的主要优点包括它易于在实践中应用，它是一个完美的工具，以创建和保持动机，它符合学习心理学的要求，它可以用于一个异质群体的学生。BREW已经取得了成功--在德国的IT安全教学中以及在国际学生团体的Erasmus项目中得到了充分的应用。
2015-06-10 cs.CY
Towards Applying Powerful Large AI Models in Classroom Teaching: Opportunities, Challenges and Prospects
South China Normal University（华南师范大学）
该观点论文围绕大语言模型在课堂教学中的应用展开，提出多种交互场景与统一框架，梳理核心研究任务，探讨结合人在回路监督等优化生成内容的路径，指明AI赋能教育的潜力与未来研究方向。
2023-06-12 cs.AI cs.CY
Student Classroom Behavior Recognition Based on Improved YOLOv8s
School of Physics and Information Technology（物理与信息技术学院）
本文提出改进的YOLOv8s模型ALC-YOLOv8s，通过SPPF-LSKA、CFC-CRB和SFC-G2优化多尺度特征融合，并引入ATFLoss提升小类和困难样本学习能力，实验表明在课堂场景中有效提升检测性能。
2026-04-30 cs.CV cs.CY
Automated Assessment of Encouragement and Warmth in Classrooms Leveraging Multimodal Emotional Features and ChatGPT
University of Tübingen（蒂宾根大学）；Technical University of Munich（慕尼黑工业大学）
本文提出融合面部表情、语音情感和文本情感分析的多模态方法，并结合ChatGPT零样本能力自动评估课堂鼓励与温暖，在GTI数据集上集成模型达到与人工评分者间信度相当的r=.513相关性。
2024-04-01 cs.AI cs.CY cs.HC
Evaluating the Wide Area Classroom After 24,000 HPC Students
本文评估了广域课堂平台在24,000名HPC学生教学中的成效，介绍了其技术、后勤结构及最受欢迎的HPC课程。
2024-01-22 cs.CY physics.ed-ph
Breakable Machine: A K-12 Classroom Game for Transformative AI Literacy Through Spoofing and eXplainable AI (XAI)
本文面向10-15岁K-12学生提出基于XAI的课堂游戏“Breakable Machine”，通过欺骗图像分类器揭露其脆弱性等问题，结合XAI视图和排行榜促进协作探究，重构AI教育以培养学生的批判素养与数据能动性。
2025-08-19 cs.CY
Teaching natural deduction in the right order with Natural Deduction Planner
我们描述了一种基于策略的方法来教学自然演绎使用的符号，强调了扣除的顺序，连同一个{ \LaTeX }包和Java应用程序，以帮助生产的教学资源和课堂演示。我们的方法是针对学生接触很少的数学方法，并已开发，而教学本科班的哲学学生在过去的十年。
2015-07-14 cs.CY cs.LO
Teaching Creativity Using a Realistic Multi-User Operation: Packet Tracer
Cisco Packet Tracer中的多用户功能为身临其境的真实学习提供了动力，从而提高了网络课程的教学效率。在网络课程的教学中，学生的配置技能在课堂上，特别是在实验课上很难评价，这是教师面临的最大问题。使用一对多远程中继服务器概念的多用户功能允许讲师同时远程控制和测试许多学生。本文的主要目的是通过在网络课堂中使用逼真的多用户课件来将创造力融入教学中。在这项研究中，多用户操作开发和使用通过现有的局域网链接在教室里。操作的重点是路由器和交换机等网络设备的简单配置。这种做法在实验室会议期间使用，鼓励讲师建立基于大量观众的关系。教授能够在活动的执行过程中评估学生的成功，并确保每个学生参与活动。由于引入这种方法，学生对技术科目的好奇心可以得到提高，讲师可以方便地跟踪学生的成功。讲师能够密切监控学生的配置能力，以确保每个学生都参与实验室课程。讲师将通过这种教学形式对学生进行训练，不仅培养他们的配置和故障排除能力，而且加快学生解决网络问题的速度。
2020-12-27 cs.CY
Online Classroom Evaluation System Based on Multi-Reaction Estimation
与传统的面对面教学相比，在线学习更加方便。然而，在网络课堂上，教师更难同时观察所有学生的反应。我们的系统旨在帮助教师通过检测学生的反应来调整他们的课程速度。在本研究中，我们估计学生的头部姿势，手的姿势，并通过相机的表情，所有这些姿势将被用来作为判断学生参与的标准。在估计之后，我们提出了一种基于学生头部姿势、手部姿势和面部表情识别的课堂参与评估方法。评价结果将课堂质量分为积极、中性和消极三种，教师可以在系统的帮助下重新安排课堂内容。
2021-12-17 cs.CY
"Bespoke Bots": Diverse Instructor Needs for Customizing Generative AI Classroom Chatbots
ETH Zurich（苏黎世联邦理工学院）
本文研究了教师如何根据自身需求定制生成式AI课堂聊天机器人，发现教师优先考虑与课程内容和教学策略对齐的自定义能力，且不同课程规模、学科和教学风格影响优先级差异。
2026-02-10 cs.AI cs.CY cs.HC
Multimodal Assessment of Classroom Discourse Quality: A Text-Centered Attention-Based Multi-Task Learning Approach
Technical University of Munich（慕尼黑技术大学）；University of Tübingen（图宾根大学）；Leibniz-Institut für Wissensmedien（莱比锡知识媒体研究所）
针对整节课段话语实践评估不足的问题，本文提出以文本为中心、融合音视频的注意力多任务序数分类架构，在GTI Germany数据集上取得0.384的QWK。
2025-05-12 cs.AI cs.CL cs.CY
Flipping a Graduate-Level Software Engineering Foundations Course
创建一个研究生水平的软件工程广度课程是具有挑战性的。范围很广。学生们更喜欢动手而不是理论。企业越来越重视软技能。不断变化的软件技术要求教学大纲是技术不可知的，然而抽象技术会损害现实。教师必须平衡学习的广度和深度。在卡内基梅隆大学，我们设计了一门翻转课堂课程来解决这些权衡。该课程自2014年秋季起在硅谷校园开设。在本文中，我们描述了该课程的主要特点，并总结了我们的经验教训，同时设计，教学和维护它。我们发现，纯粹的翻转课堂格式是不是最佳的，以确保充分的知识转移，特别是在远程设置。我们最初低估了助教资源。我们逐渐补充视频讲座和动手现场会议与额外的现场组件：易于更换的背诵，专注于当前的技术和迷你讲座，解决理论和共同智慧的应用。我们亦为学生提供更多机会，与同学分享他们的成功经验。我们通过增加教学助理的数量，注重教学助理的招聘，并在教学团队中培养导师文化，实现了可扩展性。
2017-02-23 cs.CY cs.SE
Instant e-Teaching Framework Model for Live Online Teaching
即时网络教学是一种全新的网络教学模式，它是对网络教学环境的补充，是一种全面的现代教育模式。电子学习技术的概念是使学生能够利用网上参考资料和材料自学某一科目。而即时网路教学则要求教师与学生之间具有“面对面”的特性，能同时执行动作并获得即时的反应。“即时”一词的提出，使网络教学具有了实时的教学的概念.在线即时教学的挑战不仅仅是依赖于技术和系统效率，而是需要满足系统的可用性和友好性，以便在课堂交付过程中复制传统的课堂环境。为此，即时电子教学框架的开发，将模拟一个专用的虚拟教室，主要是设计用于同步和实时共享当前的教学笔记。该模型已被证明使用教学阿拉伯语背诵原型和专业用户的专业的角度进行评估。
2011-06-21 cs.CY
Conflict-Aware Seat Assignment in Classroom Environments
Instituto Tecnológico de Aeronáutica (ITA)（航空技术学院）
针对教室座位分配问题，提出数学模型和迭代局部搜索启发式算法，以最小化学生间的人际冲突。
2026-06-02 cs.CY math.CO math.OC
Classroom Behavior Monitoring with YOLO An Empirical Study in Higher Education Settings
Banking Academy of Vietnam（越南银行学院）
研究针对课堂行为监测，引入越南银行学院课堂视频数据集并标注九类行为，评估比较先进计算机视觉模型，用YOLOv11取得最佳性能，为自动课堂监测可行性及质量管理提供见解。
2026-07-07 cs.CV cs.CY
From Prototype to Classroom: An Intelligent Tutoring System for Quantum Education
Center for Real-Time Computing（实时计算中心）；Computer Science Department（计算机科学系）；Old Dominion University（旧 Dominion 大学）；Physics Departments（物理系）
本文提出ITAS系统，通过多智能体架构和课程设计解决量子教育中的可靠性问题，验证系统在真实课堂中的可行性及教学分析能力。
2026-04-27 cs.AI cs.CY cs.MA
A Large-Scale Real-World Evaluation of LLM-Based Virtual Teaching Assistant
KAIST（韩国科学技术院）
本研究开发并部署了基于大语言模型的虚拟助教于477名研究生的AI编程课程，通过三轮调查和3869对交互分析，评估其可行性与挑战，并开源系统代码。
2025-06-20 cs.AI cs.CY
Teaching computer code at school
在当今的教育体系中，人们对学校教授代码和计算机编程的重要性深感担忧。将数字学习从简单的工具使用转移到理解这些工具的内部运作过程，是一个起源于1960年数字实验室的新老争论。今天，在大规模公共领域数字化和新建构主义教育理论的推动下，它又重新兴起。教师和教育工作者不仅讨论了代码教学在课堂上的可行性，而且还讨论了学生的智力和认知优势。因此，辩论有几个方向，并在任何顺序的争论和解释的纠缠中，技术，教育，文化，认知和心理。然而，这一现象无疑预示着未来学习和教学模式的深刻变革，预示着一种新的、几乎是先天性的数字人文主义。
2017-05-03 cs.CY
ACM COMPUTE 2025 Best Practices Track Proceedings
Indian Institute of Technology Ropar（印度理工学院罗帕尔分校）；Georgia State University（佐治亚州立大学）；Ashoka University（阿肖卡大学）
ACM COMPUTE 2025 最佳实践跟踪会议论文集旨在通过展示多样化的教学方法和最佳实践，提升计算教育质量。
2026-02-08 cs.CY
Beyond the Hype: A Comprehensive Review of Current Trends in Generative AI Research, Teaching Practices, and Tools
Abilene Christian University（阿比林基督教大学）；Aalto University（阿尔托大学）；Nuremberg Tech（纽伦堡工业大学）；Google（谷歌公司）；UC San Diego（加州大学圣迭戈分校）；Temple University（天普大学）；University of California Berkeley（加州大学伯克利分校）；FernUniversität in Hagen（哈根函授大学）；Virginia Tech（弗吉尼亚理工大学）
本文通过系统性文献综述、问卷调查与访谈，全面回顾了生成式AI在计算机教育中的研究进展、教学实践与工具应用，揭示了其带来的机遇、挑战及课堂实际影响。
2024-12-19 cs.AI cs.CY cs.HC
Evaluating the Utility of Research Articles for Teaching Information Security Management
研究文章可以通过介绍有关主题和趋势的最新专家思想，并描述实际的真实案例研究来支持教学，以鼓励讨论和分析。然而，从教师的角度来看，一个共同的挑战是在一个非常大的潜在候选人中确定最适合课堂教学的论文，这些候选人通常不是为了教学目的而写的。此外，即使在以实践为导向的学科，如信息安全管理（ISM），高质量的期刊强调理论贡献和研究方法，而不是与实践的相关性。我们对相关文献的回顾并没有发现一套全面的标准来帮助教师评估研究文章对教学的适用性。因此，这篇正在进行的研究论文提出了一个框架，以支持学术界在评估研究文章是否适合其教学计划的过程中。
2016-06-05 cs.CR cs.CY
AI in data science education: experiences from the classroom
Mathematical and Statistical Methods Group (Biometris)（数学与统计方法组（生物计量学））；Wageningen University（瓦根ingen大学）
本研究通过访谈瓦赫宁根大学数据科学课程协调员，分析了大语言模型等AI融入课堂的利弊，提出需负责任使用AI、考量伦理并调整评估方式，以让AI辅助而非替代基础学习，保障教育效果。
2025-10-01 cs.AI cs.CY
Listening with Language Models: Using LLMs to Collect and Interpret Classroom Feedback
University of California, Santa Cruz（加州大学圣克鲁兹分校）
本文提出并试点部署了由PromptDesigner、FeedbackCollector和FeedbackAnalyzer组成的大语言模型课堂反馈系统，发现其相比传统调查能提供更丰富、更具情境相关性且参与度更高的反馈，为高等教育中的AI辅助反馈设计提供了启示。
2025-08-13 cs.AI cs.CY
Engaging Teachers to Co-Design Integrated AI Curriculum for K-12 Classrooms
人工智能（AI）教育是K-12教师越来越受欢迎的主题领域。然而，很少有研究调查如何设计人工智能教育，使所有学习者更容易获得。我们与15名K-12教师组织了共同设计研讨会，以确定将人工智能教育融入核心课程的机会，以利用学习者的兴趣。在共同设计研讨会期间，教师和研究人员共同创建了课程计划，其中人工智能概念被嵌入到各种核心科目中。我们发现，K-12教师需要额外的脚手架在课程中，以促进道德和数据的讨论，并为学习者的参与，协作和反思的价值支持。我们确定了研究人员和教师合作的机会，使人工智能教育更容易获得，并提出了一个示范课程计划，显示了在非计算学科中教授人工智能的切入点。我们还反映在远程设置与K-12教师共同设计。
2020-09-22 cs.CY physics.ed-ph
Mind the Gap: Reimagining an Interactive Programming Course for the Synchronous Hybrid Classroom
COVID-19严重影响了大学，迫使许多课程完全在线提供。随着各国控制住疫情，安全恢复部分面对面教学的一种潜在方式是同步混合课堂，在这种课堂上，亲自上课和远程上课的学生同时上课。然而，这带来了挑战，包括远程参与的学生认为他们的参与与他们的物理同龄人之间存在“差距”的风险。在这份经验报告中，我们描述了一个交互式编程课程是如何适应混合交付的方式，减轻了这种风险。我们的解决方案集中于使用专业的沟通平台- Slack -以平衡参与机会并促进同侪学习。此外，为了缓解“缩放疲劳”，我们实施了半翻转课堂，涵盖视频中的概念，并使用较短的课程来巩固它们。最后，我们批判性地反思学生调查的结果和我们自己的实施解决方案的经验。
2021-09-19 cs.CY cs.SE
Measuring Teaching with LLMs
Stanford University（斯坦福大学）
本文提出基于句级嵌入的定制大语言模型测量教学质量，通过数据高效训练和五种句嵌入的系统评估，实现超人类评分相关性，并揭示模型更依赖课堂层面特征而非孤立语句，为AI驱动的可扩展教学反馈提供了新方法。
2025-10-27 cs.AI cs.CL cs.CY
Leveraging Large Language Models for Actionable Course Evaluation Student Feedback to Lecturers
Aalborg University（奥尔堡大学）
本文利用开源生成式 AI 汇总 75 门计算机科学课程的 742 份学生评价，为教师生成真实、可执行的课程反馈摘要，验证了该方法支持教学改进的可行性与成本效益。
2024-07-02 cs.CL cs.CY
Open and Cultural Data Games for Learning
教育工作者经常寻求在课堂上引入游戏的方法，以打破通常的教学常规，用额外的知识扩展通常的课程，但主要是作为激励学生和增加他们对课程内容的参与的一种手段。尽管绝大多数学生发现游戏是有吸引力的，并欢迎改变通常的教学实践，许多教育工作者和家长怀疑他们的教育价值，在本文中，我们讨论了一个纸牌游戏，旨在教环境问题的早期小学生，使用开放数据。我们提出了一个比较研究的游戏如何增加学生的兴趣的主题，以及他们的表现和参与的过程中，与传统的教学和Prezi演示文稿用于教相同的内容给其他学生群体。
2020-04-16 cs.CY
How Do Students Interact with an LLM-powered Virtual Teaching Assistant in Different Educational Settings?
Georgia Institute of Technology（佐治亚理工学院）
本文分析了学生与LLM驱动的虚拟教学助手Jill Watson在多课程中的交互，发现其支持广泛认知需求并鼓励高阶认知提问，但使用频率受课程环境影响，为未来AI教育工具开发提供了启示。
2024-07-25 cs.AI cs.CY
Opinionated practices for teaching reproducibility: motivation, guided instruction and practice
在不列颠哥伦比亚大学的数据科学课程中，我们将数据科学定义为研究，开发和实践可复制和可审计的过程，以从数据中获得洞察力。虽然可重复性是我们定义的核心，但大多数数据科学学习者在进入该领域时都考虑到了数据科学的其他方面，例如预测建模，这通常是新手最感兴趣的话题之一。这一事实，以及目前在数据科学中使用的行业标准再现性工具的高度技术性，在数据科学课堂上教授再现性方面提出了挑战。简单地说，学生们并没有内在的动机去学习这个话题，而且对他们来说，这不是一个容易学习的话题。数据科学教育者能做什么？在几次迭代的教学课程中，我们发现提供额外的动机，指导性的指导和大量的实践是有效教授这一具有挑战性但重要的主题的关键。在这里，我们展示了我们如何深入激励，有效指导和提供充足的实践机会，让数据科学专业的学生有效地参与到这个主题的学习中来。
2022-02-16 cs.CY stat.ME
Prompt-to-Primal Teaching
本文提出 Prompt-to-Primal 教学法，以学生 AI 提示为探究入口，由教师引导其运用数理第一性原理检验和重构 LLM 回答，跨学期两组学生结果显示该框架可提升 AI 素养与工程推理能力。
2025-10-20 cs.CY cs.SY eess.SY
Computationally Identifying Funneling and Focusing Questions in Classroom Discourse
Harvard University（哈佛大学）；University of Maryland（马里兰大学）；Stanford University（斯坦福大学）
回应式教学是促进学生学习的一种高效策略。在数学课堂上，教师可能会“引导”学生走向规范的答案，或者“集中”学生反思自己的思想，加深他们对数学概念的理解。当教师专注时，他们把学生的贡献作为集体意义建构的资源，从而显著提高学生的数学成就和信心。我们提出了计算检测有趣的问题和重点在课堂话语的任务。我们通过创建和发布一个包含2,348个教师话语的注释数据集来做到这一点，这些教师话语被标记为有趣和聚焦问题，或者两者都没有。我们引入监督和无监督的方法来区分这些问题。我们最好的模型是在我们的数据集上进行微调的监督RoBERTa模型，与人类专家标签和积极的教育成果（包括数学教学质量和学生成绩）具有.76的强线性相关性，显示了该模型在自动教师反馈工具中的潜力。我们的无监督测量显示出与人类标签和结果的显著但较弱的相关性，它们突出了有趣的语言模式和聚焦问题。监督措施的高性能表明其支持教师教学的承诺。
2022-07-08 cs.CL cs.CY cs.LG
Classroom AI: Large Language Models as Grade-Specific Teachers
KAIST（韩国科学技术院）；Microsoft Research Asia（微软亚洲研究院）；University of Chicago（芝加哥大学）；William & Mary（威廉与玛丽学院）
本研究提出一种框架，通过微调大型语言模型生成适合不同年级学生的教育内容，显著提升年级匹配度，同时保持响应准确性。
2026-03-06 cs.AI cs.CL cs.CY
