Course design in the age of AI
Stanford University(斯坦福大学)
研究人工智能时代课程设计,构建边做边学模型,探讨学生面对任务选择及教师设计课程情况。无AI时教师合理安排任务,有AI时需扭曲课程激励努力,AI质量提升对高低技能学生学习速度有不同影响。
2026-09-07 cs.CY econ.TH
Analyzing Student Strategies In Blended Courses Using Clickstream Data
教育软件数据有望对学生的学习行为和成功的驱动因素提供独特的见解。虽然大部分工作都致力于大规模开放式在线课程的表现预测,但目前还不清楚是否可以将相同的方法应用于混合课程,并且通常缺乏对学生策略的更深入了解。我们使用模式挖掘和借鉴自然语言处理(NLP)的模型来了解学生的互动,并从混合大学课程中提取频繁的策略。细粒度的点击流数据是通过狄德罗收集的,狄德罗是一个非商业性的教育支持系统,涵盖了广泛的功能。我们发现,互动模式有很大不同的评估类型的学生正在准备,许多提取的功能可以用于可靠的性能预测。我们的研究结果表明,所提出的混合NLP方法可以提供有价值的见解,即使在低数据设置的混合课程提供足够的数据粒度。
2020-05-31 cs.CY cs.HC
Delving Deeper into MOOC Student Dropout Prediction
Worcester Polytechnic Institute(伍斯特理工学院);Harvard University(哈佛大学)
为了获得自动MOOC辍学预测器的可靠准确性估计,重要的是以与它们将如何在实践中使用一致的方式对其进行训练和测试。然而,大多数关于MOOC辍学预测的先前研究都在用于训练分类器的同一课程上测量了测试准确度,这可能导致过于乐观的准确度估计。为了更好地了解准确性如何受到训练+测试机制的影响,我们比较了4种不同训练范式中标准辍学预测架构(点击流特征+逻辑回归)的准确性。结果表明:(1)训练与考试同课(“事后”)可以高估准确性几个百分点;(2)基于学生持久性的代理标签训练的辍学分类器与事后训练相比具有惊人的竞争力(87.33%对90.20% AUC平均超过8周的40个哈佛MOOC);和(3)分类器性能不随学科显着变化。最后,我们还研究了基于深度、全连接、前馈神经网络的新的辍学预测架构,并发现(4)具有多达5个隐藏层的网络可以在统计学上显著提高逻辑回归的测试精度。
2017-02-21 cs.AI cs.CY
Using an Online Learning Environment to Teach an Undergraduate Statistics Course: the tutor-web
开发了一个学习环境,即辅导网(http:tutor-web.net),并用于教育研究。该系统可供任何访问Web的人免费使用。它基于开放源代码软件,教材根据知识共享署名-相同方式共享许可证进行许可。该系统已用于统计和数学方面的计算机辅助教育。它提供了一种独特的方式来组织和连接教学材料,并包括互动式测验,其主要目的是增加学习,而不仅仅是评估。2013年春季,冰岛大学的一门基本统计课程使用了该系统。进行了一项随机试验,以调查学生做定期作业和学生使用该系统之间的学习差异。未发现组间差异显著。
2014-07-01 cs.CY stat.OT
Comparative Analysis Vision of Worldwide AI Courses
Deakin University(迪肯大学);Macquarie University(麦考瑞大学)
本研究比较分析了全球顶尖大学本科AI课程结构,探讨核心主题并与CS2023指南对比,揭示了全球AI教育的趋势、趋同与分歧及教学法影响。
2024-06-04 cs.AI cs.CY
Designing Bugs or Doing Another Project: Effects on Secondary Students' Self-Beliefs in Computer Science
本研究针对调试对中学生计算机科学自我信念的影响,提出DbD干预方案让学生协作设计带Bug的创意项目,准实验显示该方案可独特提升学生设计兴趣与编程成长型思维。
2023-05-04 cs.CY
The Impact of Group Discussion and Formation on Student Performance: An Experience Report in a Large CS1 Course
在大型 CS1 课程中开展 11 次实验,对比随机与专业均衡分组对协作学习的影响,发现分组机制未显著影响讨论参与度及困难学生表现,并揭示了专家型学生在同伴教学互动中面临的挑战。
2024-08-26 cs.CY
Enhancing the Understanding of Computer Networking Courses through Software Tools
计算机网络是信息和通信技术的一个重要专业。然而,向学生传授正确的知识可能是一项具有挑战性的任务,因为在正常的授课时间内没有足够的时间进行冗长的实验。使用软件工具增强物理机器的使用,帮助学生在世界各地高等教育机构的环境中超越有限的实验室课程。机构主要集中在有效利用现有资源,即一个实验室可能有几个实验室会议安排在一天内为不同的课程。因此,特定的实验会话必须准时开始和结束。没有完成实验练习的慢学生必须离开实验室,因为另一节课即将开始。因此,使用免费的软件工具,如OPNET IT大师,数据包跟踪和NS2将帮助学生学习超越大学的时间。一个学生将获得深入了解计算机网络领域反复做同样的实验室在他的笔记本电脑或个人电脑在家里的舒适,从而增加更深入的了解到这个问题。本文的主要目的是探索软件工具,这将提高应用科学学院塞拉莱高等教育学生之间的网络实践技能。本文还讨论了在正常的大学时间后,实施和执行实验室会议的方法。文章最后指出了存在的问题和改进的建议。
2015-04-08 cs.CY
Towards AI Agents for Course Instruction in Higher Education: Early Experiences from the Field
Department of Computational and Data Sciences, Indian Institute of Science (IISc), Bangalore 560012 India(计算与数据科学系,印度科学研究院(IISc),班加罗尔)
本文报告在IISc研究生云计算课程中部署LLM驱动的讲师智能体作为主要授课者的早期经验,提出教学与分析框架,并通过参与度指标揭示学生从广泛探索到深入探究的参与演变,证明其可促进反思性学习与可扩展的高质量教育。
2025-10-23 cs.AI cs.CY cs.HC
Massive Open and Online Courses and Open Education Resources in Singapore
本文着眼于新加坡提供的大规模开放和在线课程(MOOC)和开放教育资源(OER)的日益普及。尽管这是一个相对较新的现象,但新加坡政府已与不同组织合作,以提高MOOC的质量和可访问性,许多高等教育机构(IHL)正在率先努力改善OER,以促进公众获得更多的教育资源。它还将探讨MOOC和OER面临的好处和潜在问题。例如,MOOC和OER都能够降低大学教育的成本,并增加公众对这些课程的访问。它们还为公众提供技能和职业培训,并鼓励终身学习。然而,从长远来看,MOOC和OER都可能无法持续,因为两者的财务收益可能无法支付安装它们的成本。每个系统也有自己的一系列问题。例如,仍然缺乏保证MOOC质量的正式结构。MOOC的完成率也往往很低,而且使用MOOC作为学习平台存在剽窃问题。开放式资源报告对传统版权政策提出了挑战,而缺乏可持续的资金使其无法得到更广泛的采用。尽管这两个系统可能会改变传统的教育系统,但更深入地了解MOOC和OER及其对学习的影响将是有用的。
2017-08-16 cs.CY physics.ed-ph
Design of a Microprocessors and Microcontrollers Laboratory Course Addressing Complex Engineering Problems and Activities
本文提出一门融合结构化实验与开放式项目的微处理器与微控制器实验课程,通过基于项目的团队学习和产学研结合,提升学生解决复杂工程问题的能力,并验证其显著改善学习成果。
2025-02-20 cs.CY
How College Students Use AI to Navigate Course Readings: Evidence from an Eight-Week Study
University of Washington(华盛顿大学);University of Copenhagen(哥本哈根大学);Aalborg University(奥胡斯大学)
本研究探讨了AI支持下学生自主阅读的认知过程,发现学生在阅读中表现出从理解到推理的认知发展,但受效率驱动,倾向于使用AI生成摘要来筛选阅读内容。
2026-07-28 cs.AI cs.CY cs.HC
Integrating Captive Portal Technology into Computer Science Education: A Modular, Hands-On Approach to Infrastructure
本文提出一个基于开源实现的模块化教育项目,通过一系列实践模块向计算机科学学生系统介绍强制门户基础设施的各项技术特性,适合计算机网络课程教学使用。
2025-03-11 cs.CY cs.NI
Automatic Teaching Platform on Vision Language Retrieval Augmented Generation
Yeshiva University(叶史瓦大学)
本文提出VL-RAG系统,利用视觉语言检索增强生成,提供上下文相关、视觉丰富的响应,以增强学生理解,减少人工监督,并支持多学科扩展。
2025-03-24 cs.CV cs.CY
To Use or to Refuse? Re-Centering Student Agency with Generative AI in Engineering Design Education
Singapore University of Technology and Design(新加坡科技设计大学)
本研究在500余人的大一设计课中引入三元AI使用反思框架,发现学生不仅能用Gen-AI提效,还能学会选择性拒用AI、开展幻觉演练并将时间投入深度用户研究,验证了可规模化的AI教育落地路径。
2025-10-22 cs.AI cs.CY
"This Applies to the RealWorld": Student Perspectives on Integrating Ethics into a Computer Science Assignment
在本科计算机科学(CS)课程中,越来越多的人将伦理学嵌入CS课程,而不是仅仅依赖于独立的伦理学课程。一种策略是创建作业,鼓励学生反思他们编写的代码所固有的道德问题。在课堂上完成这样的作业后,我们对学生进行了调查,在此基础上,我们与学生进行了焦点小组讨论,他们回顾了一项新的基于伦理学的CS作业。在这份经验报告中,我们提出了一个案例研究,描述了我们的过程中设计的道德为基础的任务,并提出了分配给学生的反馈。我们的焦点小组的参与者不仅分享了对任务的反馈,而且还分享了将道德融入编码任务的反馈,从学生的角度揭示了这项工作的好处和挑战。我们还与学生一起产生了新颖的以道德为导向的作业概念。从参与者感受到最受影响的技术争议中衍生出来,我们创建了一个想法库,作为进一步课程开发的起点。
2023-01-20 cs.CY
Teaching Programming in the Age of Generative AI: Insights from Literature, Pedagogical Proposals, and Student Perspectives
Departamento de Sistemas de Información - Universidad del Bío-Bío(信息系统系 - 生物-生物大学);Escuela de Informática y Telecomunicaciones - DuocUC(信息与电信工程学院 - DuocUC)
本文探讨了生成式AI对大学编程教学的影响,提出应从单纯编码转向侧重代码理解与执行,并提倡利用代码可视化表示与执行模拟来促进教学评估,同时结合学生视角予以支持。
2025-06-30 cs.AI cs.CY cs.ET