Cloud technologies as a tool of creating Earth Remote Sensing educational resources
本文致力于地球遥感(ERS),作者认为这是一个伟大的方式来教地理,并允许形成一个想法的实际地理特征和现象。目前制约在教育过程中积极采用遥感数据的一个主要问题是,满足教学要求的航空航天培训图片很少。文章分析了作为利用航空航天图像形成教育资源基础的ERS的主要来源:纸张、各种个人来源(接收卫星信息的个人站、无人驾驶飞机、气球、风筝和球)和互联网来源(主流网站、科学技术组织和分销商网站、交互式互联网地理服务、地理空间分析云平台)。作者指出,他们的地理空间分析平台(谷歌地球引擎,土地查看器,EOS平台等),由于其独特的特点,是建立地球资源卫星信息专题数据库的基础。文章介绍了这样一个数据库的一个例子,其中包括800多个航空航天图像和动态模型,这些数据库是根据高信息量和清晰度等教学原则组合起来的。
2020-07-21 cs.CY
Challenges in transforming, engaging and improving m-learning in Higher Educational Institutions: Oman perspective
如今,学生社区正在与移动设备一起成长,它已成为他们生活中不可或缺的一部分。智能手机、平板电脑和电子书阅读器等设备将用户连接起来,以访问信息并实现与他人的即时通信。移动设备的巨大增长和可负担性影响了他们的学习实践。移动技术在学生的学术活动中发挥着重要作用。移动学习的便利性、灵活性、参与性、交互性和易用性等因素使其对学生更具吸引力。考虑到这些趋势,教育工作者在有效的教学和学习中继承移动技术是很重要的。我们的研究探讨了阿曼高等教育机构在教学和学习实践中实施移动学习技术所面临的挑战。我们的研究还讨论了各种问题,如采用技术,过渡到新技术和与吸引学生有关的问题。根据研究的结果,已经制定了一个框架,以解决所有的挑战,被确定为成功实施移动学习。
2015-04-05 cs.CY
The Cloud Technologies and Augmented Reality: the Prospects of Use
本文讨论了增强现实作为基于云的环境的一个组成部分的前景。研究目标是:探索云环境组件参与增强现实应用的可能性。研究目标是:考虑增强现实的概念;分析云环境/系统中使用增强现实的体验;概述增强现实在教育机构中使用的前景;考虑增强现实使用的技术条件。研究的对象是:在乌克兰的教育机构的认证的不同层次的教育过程.研究的主题是:在乌克兰的教育机构基于云的环境中的教育过程.所采用的研究方法是:分析科学出版物,观察。研究的结果是下一个:在科学作品的分析的基础上,已经建立了在基于云技术的系统中使用增强现实的经验已经存在。然而,这种组合的成功尚未得到证实。目前,实验室测试是已知的,而实验不是在自然条件下进行的控制和实验组。据透露,增强现实的吸引力的教育工作者需要开发新的方法,教材,更新和更新的课程。主要结论和建议:增强现实在学习过程中的主要使用原则是:设计足够灵活的环境,注意教学和讲授问题;调整教育内容,掌握课程提供的材料。
2018-12-03 cs.CY
A Patterns Based Approach for Design of Educational Technologies
教学设计是教育技术的一个基本基础,因为它奠定了基础,以促进基于教学基础的学习和教学。然而,大多数的教育技术今天面临着两个核心挑战,在这种情况下:(i)缺乏教学设计作为基础(ii)缺乏对各种教学设计的支持。为了应对这些挑战,我们提出了一个基于模式的方法设计的教育技术。这与现有的文献相反,现有的文献集中在教育或软件中的模式,而不是两者兼而有之。我们的方法的核心思想是利用模式建模教学设计知识,并将其与模式的软件架构。我们讨论了教学设计中的不同类型的模式。然后,我们提出了面向模式的教学设计(POID)的概念,作为一种方式来建模教学设计的模式(目标模式,过程模式,内容模式)的连接,并将其与面向模式的软件架构(POSA)的基础上,在软件工程的基本原则。我们通过成人扫盲案例研究(2.87亿学习者,22种印度语言和各种教学设计)展示了我们的方法。我们的方法(网络和移动版本)的结果可在http://rice.iiit.ac.in上获得,并被印度政府国家扫盲任务管理局采用。
2018-02-07 cs.CY cs.SE
An Ontology Based Modeling Framework for Design of Educational Technologies
Indian Institute of Technology, Tirupati(蒂鲁帕蒂印度理工学院);International Institute of Information Technology Hyderabad(海得拉巴国际信息技术学院)
尽管取得了快速的进步,但今天的大多数教育技术缺乏强大的教学设计知识基础,导致教学质量受到质疑。此外,一个主要的挑战是为各种教学设计定制这些教育技术。本体是在文献中表示教学设计的相关机制之一。然而,现有的方法不支持灵活的教学设计建模。为了解决这个问题,在本文中,我们提出了一个基于领域模式的教学设计知识的不同方面的系统建模框架。作为框架的一部分,我们提出了建模目标,教学过程和教学材料的本体。我们展示了本体框架,提出的实例,本体的成人识字在印度的大规模案例研究(2.87亿学习者分布在22个印度语言),这需要创建1000个类似的,但不同的电子学习系统的基础上灵活的教学设计。已实施的框架可在http://rice.iiit.ac.in上查阅,并转交给印度政府国家扫盲团。该框架可用于技能系统、学校教育及其他领域的教学设计知识建模。
2018-02-07 cs.AI cs.CY
Beyond the Hype: Critical Analysis of Student Motivations and Ethical Boundaries in Educational AI Use in Higher Education
University of Isfahan(伊斯法罕大学)
本文探讨高等教育中学生使用 AI 的动机与伦理问题,指出学生普遍依赖 AI 工具但缺乏指导,女性更关注 AI 滥用风险,提出通过 AI 文化课程和评估改革促进负责任的 AI 采用。
2025-12-10 cs.CY
Mobile Technologies in Education
全球智能手机用户的增长是教育技术人员不应忽视的一个因素。这个不断增长的市场最终将导致无处不在的学习(u-learning)。具体内容的开发应被内容设计所取代,这些内容的语言应与可扩展的技术兼容,并将在未来以有吸引力的方式到达学生手中。
2021-10-30 cs.CY
Investigating the Security & Privacy Risks from Unsanctioned Technology Use by Educators
本研究聚焦教育工作者私自使用未经机构批准的教育技术这一普遍现象,通过面向K-12及高校教师、管理者的在线调查,探究其使用原因、风险认知及对机构安全隐私防护的影响,填补了相关研究空白。
2025-02-23 cs.CY
Embedding Culture and Grit in the Technology Acceptance Model (TAM) for Higher Education
在教育环境中学习技术的实施者往往遵循这样的策略,即假设他们被引入的教育环境是文化中立的。进行了全面的文献综述,包括150篇关于教育技术挑战的论文。本综述的目的是探讨在高等教育部门采用教育技术的不同背景下的挑战。定义关键利益相关者的文化因素(例如,在执行过程中,教师、讲座、学生和支助人员往往被忽视。此外,人们往往认为,负责实施的人员也是文化中立的,不具备其文化所特有的任何属性。它已被证明,文化因素可能会显着影响学习技术的实施和设计策略,不考虑因素可能会限制其效率和有效性。这些挑战是相互关联的,并根据调查结果,本文提出了一个概念框架,通过整合文化和砂砾到技术接受模型(TAM)实施教育技术在高等教育。该框架将有助于指导实践和研究。
2020-05-25 cs.CY
Building on the Case Teaching Method to Generate Learning Games Relevant to Numerous Educational Fields
大学教师经常觉得有必要尝试创新的学习技术,如学习游戏,以激励新一代的学生。然而,大学通常有限的资源,加上设计和开发学习游戏的高成本,导致它很少是可行的,以满足这一需求。为了解决这个具有挑战性的问题,我们设计了一个框架,允许教师创建自己的学习游戏,很少或根本没有开发人员和图形设计师的帮助。该框架经过几所大学教师的测试和验证,适合于各种教育领域,因为它基于广泛使用的案例教学法生成学习游戏。
2013-07-29 cs.CY
Modern Information Technologies in Scientific Research and Educational Activities
本专著基于2023年第16届“信息技术与自动化”国际会议成果,梳理分析了交互式AI、文本生成等多领域的科研现状,可供IT从业者及高校师生参考。
2024-05-04 cs.AI cs.CL cs.CY
SocratiQ: A Generative AI-Powered Learning Companion for Personalized Education and Broader Accessibility
本文提出SocratiQ,一个基于生成式AI的教育助手,通过自适应学习技术实施苏格拉底式方法,动态创建个性化学习路径,解决大规模个性化教育挑战,为STEM领域AI教育集成提供参考。
2025-02-01 cs.CY
Generative AI and Agency in Education: A Critical Scoping Review and Thematic Analysis
James Cook University Singapore(詹姆斯库克大学新加坡校区);British University Vietnam(越南英国大学)
该研究通过批判性数字教学法视角,对GenAI与教育中能动性的关系进行范围综述,经主题分析揭示三个关键主题,指出GenAI虽能增强学习者能动性,但有加剧教育不平等风险,研究结果为教育政策和实践提供了启示。
2026-07-24 cs.AI cs.CY
Design, analysis and implementation of electronic test for knowledge evaluation in the course of Information Technologies for pharmaceutical students
信息技术在日常生活中,特别是在教育中的使用越来越多,这就要求采用新的教学和学习形式,并对学生获得的知识和技能进行适当的考试和评价。现代电子教育系统只使用那些改进学习过程并使其更有效的技术。互动教育提供了一个机会,发展独立的文学研究和激活的认知活动的技能。在这项工作中,它是如何实现现代电子教育的英语药学专业的学生在医科大学-普罗夫迪夫在信息技术的过程中的课程。它开发了一种混合系统的方法,即强制参加讲座,结合两种不同类型的最后测试进行比较-基于纸张的测试和远程网络测试。从平行测试收到的结果进行处理和分析,并使用的结论,以提高质量的开发测试和实施的类型。此外,接受调查的学生填写了一份匿名调查,向作者展示了他们对这种混合教育体系的看法。
2017-05-17 cs.CY
Instrumented Collective Learning Situations (ICLS): the Gap between Theoretical Research and Observed Practices
根据社会建构主义的方法,集体的情况下,促进有利于学习在课堂上,在远程或在混合教育环境。因此,许多信息和通信技术(ICT)提供给教师,但没有明确的研究,他们使用和感知的方式。我们的研究是基于这样一个假设,即教育行动者(教学设计者和教师)的实践与教育技术研究的理论成果相距甚远。在本文中,我们考虑了一种精确的情况:工具化集体学习情境(ICLS)。通过对法国、瑞士和加拿大高等教育13个领域的调查,我们介绍了ICLS的设计和教师的使用情况。结论表明,信息技术的规定方式和教师实际使用和感知的方式之间存在差距。
2007-07-19 cs.CY
AI Agents and Education: Simulated Practice at Scale
本文提出利用多AI智能体系统构建自适应教育模拟,通过原型PitchQuest展示AI在教学、练习与反馈中的应用,旨在降低模拟创建门槛,推动大规模体验式学习。
2024-06-20 cs.CY
Advancing Education Through Extended Reality and Internet of Everything Enabled Metaverses: Applications, Challenges, and Open Issues
Metaverse已经发展成为一个流行的研究议程,让用户学习,社交,并在网络3D沉浸式虚拟世界中协作。由于具有丰富的多媒体流功能和高速通信的沉浸式用户体验,虚拟世界是教育、培训和技能开发任务的理想模型。为了促进这一领域的研究,我们对各种教育用例进行了全面的回顾,并探讨了延展实境(XR)和万物互联(IoE)等使能技术将如何在未来的元虚拟世界中的教育服务中发挥重要作用。其次,我们概述了基于元数据的教育应用程序,重点是教育,培训和技能开发,并分析了它们所依赖的技术。我们确定了该领域的共同研究问题和未来的研究方向。本文还指出了metaverse教育的核心伦理考虑和潜在的陷阱。我们相信这项调查可以充分展示元数据驱动教育的多功能性,这可以作为研究人员的潜在指导方针。
2022-06-27 cs.CY
A principled way to think about AI in education: guidance for educators and policy makers based on goals, models of human learning, and use of technologies
University of Colorado, Boulder(科罗拉多大学博尔德分校)
本文基于学习科学成果和教育技术应用,为教育工作者及政策制定者提供在教育中应用人工智能的原则性框架,阐明各方角色,确保技术增强而非取代人类能力,为利用新技术工具的教育实践及政策制定提供实用指导。
2026-07-27 cs.CY physics.ed-ph
Artificial Intelligence for Optimal Learning: A Comparative Approach towards AI-Enhanced Learning Environments
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本研究比较传统、非AI技术和AI驱动三种教育环境,旨在综合各自优势,构建更全面、公平且有效的混合教育框架。
2025-10-12 cs.AI cs.CY
Wikistat 2.0: Educational Resources for Artificial Intelligence
Université de Toulouse – INSA(图卢兹大学-法国国立应用科学学院);Institut de Mathématiques de Toulouse(图卢兹数学研究所);IRT Saint Exupéry(圣埃克苏佩里技术研究院)
大数据、数据科学、深度学习、人工智能是与全面发展的就业市场相关的激烈炒作的关键词,这些关键词迫使我们适应大学专业培训的内容。哪一个人工智能最受求职者关注?在培训计划中应该优先考虑哪些方法和技术?我们需要制定哪些目标、工具和教育资源来满足这些紧迫的需求?我们在描述INSA图卢兹应用数学专业的数据科学方向的内容和操作资源时回答了这些问题。我们专注于基础数学培训(优化,概率,统计),与最有效的统计学习算法的实际实施,最合适的技术和真实的例子。鉴于技术的巨大波动性,对学生进行自我训练的训练势在必行,这将是他们从事专业活动时的技术监视工具。这解释了教育网站github.com/wikistat的结构为一组教程。最后,为了激励这些教程的彻底实践,每年都会以IA应用数学硕士学位学生之间的预测比赛的形式组织一场严肃的比赛。
2018-10-19 cs.AI cs.CY math.ST
ChatISA: A Prompt-Engineered, In-House Multi-Modal Generative AI Chatbot for Information Systems Education
Miami University(迈阿密大学);University of Dayton(代顿大学)
本研究针对生成式AI时代的信息系统教育需求,开发了含四大教学模块的内部多模型AI聊天机器人ChatISA,验证了其教育价值并开源代码供院校定制使用。
2025-05-16 cs.CY cs.HC cs.LG
Educational Technology as Seen Through the Eyes of the Readers
在本文中,我提出了一种新的知识域可视化教育技术的评价。交互式可视化是基于在线参考咨询管理系统Mendeley的读者模式。它包括13个主题领域,涵盖心理学,教学法和方法论基础,学习方法和技术以及社会和技术发展。通过(1)与基于引文的知识域可视化的定性比较和(2)专家访谈对可视化进行了评估。结果表明,共同读者可视化是教育技术领域教育学和心理学研究的一个新的代表。此外,共同读者分析涵盖了更多的领域比可比的可视化的基础上共同引用模式。然而,与计算机科学相关的领域在共同读者可视化中缺失,需要更多的研究来探索地图上研究领域的大小和位置的解释。
2015-06-24 cs.CY cs.DL
Remote Teaching and Learning in Applied Engineering: A Post-Pandemic Perspective
COVID-19疫情严重扰乱了教育行业。面对这种危及生命的流行病,教育工作者必须迅速转向另一种形式的课程交付,而不会严重影响教育体验的质量。随着向在线学习的过渡,教育工作者不得不应对一系列挑战。由于面对面授课的中断,进入最先进实验室的机会有限,教育技术的障碍,学术诚信的挑战,以及远程团队合作和学生参与的障碍,迫切需要创造性的解决方案。在本章中,我们为疫情不同阶段的各种课程提供模式提供了理论依据,并强调了我们为克服远程教育的一些紧迫挑战而采取的方法。我们还讨论了我们如何确保实践学习仍然是工程课程的一个组成部分,我们认为,在大流行期间的一些应用变化可能会成为教育现代化的催化剂。
2021-08-05 cs.CY
From Guidelines to Governance: A Study of AI Policies in Education
Utah State University(犹他州立大学)
本研究通过调查102名教育管理者,发现大多数教育机构缺乏针对ChatGPT等AI工具的专门伦理部署指南,呼吁建立灵活迭代的政策框架以应对学生隐私和算法透明度等关键问题。
2024-03-22 cs.AI cs.CY
Qualitative and quantitative analysis of student's perceptions in the use of generative AI in educational environments
Consejo Superior de Investigaciones Científicas(西班牙高等科学研究理事会);Centre for Automation and Robotics-CAR (CSIC-UPM)(自动化与机器人中心(西班牙高等科学研究理事会-马德里理工大学));Universidad Politécnica de Madrid(马德里理工大学);Centro de Investigación e Innovación Eléctrica, Mecánica y de la Industria (CINEMI), Universidad Tecnológica de Panamá(巴拿马工业电气、机械与工业研究创新中心,巴拿马理工大学)
本研究通过定量与定性方法分析课堂中学生与生成式AI互动的感知,发现其在伦理、日常使用和STEM职业激励方面的作用,并指出教师需在所有学科中适应新技术的改进方向。
2024-09-02 cs.AI cs.CY cs.HC
Cyber Security Educational Games for Children: A Systematic Literature Review
本研究通过系统性综述2010-2024年68篇论文中的91款儿童网络安全教育游戏,发现其有积极学习成果但存在设计流程与方法学严谨性等关键差距,提出了结合自下而上和自上而下的混合设计评估等未来研究方向。
2025-08-24 cs.CR cs.CY cs.HC
Review of monitoring tools for e-learning platforms
电子学习技术的进步使教育和技术的发展结合起来,以满足世界各地的教育需求成为可能。电子学习包括非正式学习方法和新兴技术,以支持提供学习技能、材料、协作和知识共享。电子学习是一种全面的方法,涵盖广泛的课程,技术和基础设施,以提供有效的学习环境。学习管理系统(LMS)是整个电子学习过程的核心,以及技术,内容和服务。本文探讨了模型驱动的个性化支持模式的作用,在电子学习交付环境中提供更高水平的学习和可信的同化。我们提出了一个综合的学习路径,电子学习系统可以采用跟踪活动和评估学习者的表现的影响分析。
2014-07-09 cs.CY
The Problems of Personnel Training for STEM Education in the Modern Innovative Learning and Research Environment
文章的目的是描述的人才培养中出现的问题,鉴于STEM教育方法的扩展,创新技术的发展,特别是虚拟化,增强现实,使用信息通信技术外包教育系统设计。研究对象是教育机构教育科技环境的形成和发展过程。本研究的主题是STEM教育基于云的学习和研究环境的形成和发展。研究方法是:通过对国内外相关文献的分析、国内外经验的总结、理论分析、系统分析,对云学习环境模型的开发与设计的研究事实和规律进行系统化和概括,对主要结论进行实证分析。研究结果如下:明确了STEM教育云环境的概念和模型,概述了现阶段STEM人才培养存在的问题。
2018-07-23 cs.CY
Developing Open Source Educational Resources for Machine Learning and Data Science
Ludwig-Maximilians-Universität München(慕尼黑大学);Leibniz University Hannover(汉诺威莱布尼茨大学)
本文提出面向机器学习与数据科学的开源教育资源(OSER)理念,分析其协作开发挑战与解决方案,并探讨其在混合式教学及学分认证中的应用。
2021-08-10 cs.CY cs.LG
Personalization of learning using adaptive technologies and augmented reality
本研究旨在为教育工作者在个性化学习实施中使用自适应技术和增强现实提出建议。考虑了与学习个性化及其内容适应学生和小组工作的个人需求有关的最新教育技术。介绍了国内外的研究现状,确定了今后的发展趋势.由于科学工作的详细分析,自适应,特别是面向云的系统的发展的回顾。分析了它们产生和发展的前提条件,以及促成它们产生和发展的主要科学思想。分析表明,科学家指出了增强现实和自适应技术的四种可能的语义交互类型。基于云的自适应教育系统设计被认为是一个很有前途的研究趋势。人们确定适应性可以表现在内容、评估和一致性等一个方面或几个方面的组合中。以云技术为平台,将自适应学习与增强现实相结合,作为个性化学习的有效现代工具。在教师培训的背景下,自适应基于云的系统设计的前景进行了评估。定义了辅助技术在自适应学习系统设计中的本质和地位。研究表明,增强现实可以成功地应用于全纳教育。结合自适应系统和增强现实工具,以支持教师培训的过程中的方式被认为是。在教师教育中使用自适应基于云的系统的建议。
2020-11-08 cs.CY physics.ed-ph
Hope, Aspirations, and the Impact of LLMs on Female Programming Learners in Afghanistan
Saarland Informatics Campus, Saarland University, Saarbrücken, Germany(萨尔兰州信息学校园,萨尔兰州大学,德国萨尔布吕肯);Computer Science Faculty, Parwan University, Charikar, Afghanistan(计算机科学学院,帕尔万大学,阿富汗查里卡);Department of Counseling, Qazvin Branch, Islamic Azad University, Qazvin, Iran(咨询部门,德黑兰分支,伊斯兰 Azad 大学,伊朗德黑兰)
本研究针对阿富汗系统性教育限制期间的136名女性编程学习者,改编并验证了Snyder希望量表(可靠性α=0.78),发现LLMs访问未显著影响整体抱负得分,但有访问权限者的途径子量表得分略高,为不稳定背景下教育技术设计提供了可扩展的抱负衡量指标。
2025-11-09 cs.AI cs.CY cs.HC
Beyond "Fairness:" Structural (In)justice Lenses on AI for Education
Microsoft Research(微软研究院);University of Pennsylvania(宾夕法尼亚大学)
教育技术以及部署这些技术的学校教育体系,制定了关于学习者应该知道什么和如何学习的特定意识形态。由于人工智能技术-在教育和其他领域-可能会导致边缘化社区的不公平结果,因此已经开发了各种方法来评估和减轻人工智能的有害影响。然而,我们在本文中认为,基于AI模型中的表现差异来评估公平性的主导范式不足以应对教育AI系统(再)产生的系统性不公平。我们借鉴了批判理论和黑人女权主义奖学金所告知的结构性不公正的镜头,批判性地询问了几个广泛研究和广泛采用的教育AI类别,并探讨了它们如何与结构性不公正和不公平的历史遗产联系在一起并再现,无论其模型的表现如何。最后,我们提出了教育AI更公平未来的替代愿景。
2021-11-01 cs.AI cs.CY cs.HC
Integrating Generative AI in Hackathons: Opportunities, Challenges, and Educational Implications
University of Iowa(爱荷华大学)
本研究通过2023年爱荷华大学黑客马拉松案例,探讨生成式AI对学生技术选择的影响,分析其教育价值与伦理挑战,并提出整合策略以平衡创新、伦理与教育意义。
2024-09-18 cs.AI cs.CY cs.HC
Educational Twin: The Influence of Artificial XR Expert Duplicates on Future Learning
针对教育者无法同时多地教学的问题,本文探讨XR与AI构建的专家教育孪生体对学习可扩展性、参与度等的改善潜力,同时分析其带来的教育者自主性、社会互动及伦理挑战,并提出需解决的关键研究问题。
2025-04-06 cs.CY cs.HC
Towards a Taxonomy of Industrial Challenges and Enabling Technologies in Industry 4.0
今天,工业4.0范式中数字化转型的最大挑战之一是学术界和工业界之间缺乏相互理解。一方面,该行业未能应用来自科学研究的新技术和创新。与此同时,学术界努力寻找和关注他们开发技术解决方案的现实应用。此外,工业挑战和技术的日益复杂性正在扩大这一差距。为了减少这种知识和沟通的差距,本文提出了一种混合的方法,人文和工程技术应用于技术和企业领域。该研究的结果由一种分类法表示,其中工业挑战和以I4.0为重点的技术通过学术和灰色文献分析进行分类和连接。这种分类法也构成了创建公共网络平台的基础,在这个平台上,行业从业者可以为行业挑战确定候选解决方案。同时,从教育的角度来看,学习过程可以得到支持,因为通过这个工具,学者可以识别真实世界的场景,以整合数字技术的教学过程。
2022-11-29 cs.CY cs.IR
Experts' View on Challenges and Needs for Fairness in Artificial Intelligence for Education
University of Cagliari(卡利亚里大学)
近年来,关于人工智能(AI)如何支持智能教育应用的科学和工程的讨论一直很有意思。该领域的许多研究都提出了可操作的数据采掘管道和由学习相关数据驱动的机器学习模型。然而,这些渠道和模式扩大对某些类别学生的不公平的可能性正受到越来越多的关注。如果人工智能应用要对教育产生积极影响,那么其设计在每一步都考虑公平性至关重要。通过匿名调查和对去年在顶级教育会议上发表研究的专家(研究人员和从业人员)的采访,我们对基于人工智能的教育系统发展过程中解决公平性的挑战和需求进行了首次专家驱动的系统调查。我们确定了关于教育技术专家在实践中面临的挑战和需求的共同和不同观点,这使得社会对这一主题中引起怀疑的主要问题有了明确的理解。基于这些发现,我们强调了将促进正在进行的研究的方向,以实现更公平的人工智能教育。
2022-06-23 cs.AI cs.CY
Who Changed the Destiny of Rural Students, and How?: Unpacking ICT-Mediated Remote Education in Rural China
本文通过中国农村定性研究考察LSRC的实证整合,揭示其资源公平价值与落地挑战,强调本地教师对改善学习成果和重塑教育生态的关键作用。
2024-01-24 cs.CY cs.HC
The Key Artificial Intelligence Technologies in Early Childhood Education: A Review
Guangzhou University(广州大学);Pingxiang University(萍乡学院);VU University Amsterdam(阿姆斯特丹自由大学);Southern University of Science and Technology(南方科技大学)
本文系统综述了幼儿教育中的关键AI技术,梳理历史与代表性工作,并通过文献计量分析揭示趋势、挑战及未来研究方向。
2023-12-20 cs.AI cs.CY
LLM Agents for Education: Advances and Applications
Squirrel Ai Learning;Fudan University(复旦大学);Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州));Tsinghua University(清华大学);University of Illinois Chicago(伊利诺伊大学芝加哥分校)
本文综述了LLM代理在教育中的应用进展,探讨了其技术实现、挑战及在不同教育领域的应用。
2026-02-04 cs.AI cs.CL cs.CY