基于证据中心设计的生成式人工智能写作评估
Evidence-centered Assessment for Writing with Generative AI
AI总结：
本文提出基于证据中心设计的学习分析方法，结合知识讲述、知识转化、认知临场感与认知网络分析，利用 CoAuthor 工具数据评估人机协作写作，并验证了该方法的可行性。
摘要：
我们提出了一种基于学习分析的方法，用于评估人类与生成式人工智能的协作写作。以证据中心设计为框架，我们运用知识讲述、知识转化和认知临场感的要素来确定评估主张；我们使用从 CoAuthor 写作工具收集的数据作为这些主张的潜在证据；并使用认知网络分析从数据中对这些主张进行推断。我们的研究结果揭示了不同 CoAuthor 用户群体在写作过程中的显著差异，表明我们的方法是一种评估人机协作写作的可行途径。
英文摘要：
We propose a learning analytics-based methodology for assessing the collaborative writing of humans and generative artificial intelligence. Framed by the evidence-centered design, we used elements of knowledge-telling, knowledge transformation, and cognitive presence to identify assessment claims; we used data collected from the CoAuthor writing tool as potential evidence for these claims; and we used epistemic network analysis to make inferences from the data about the claims. Our findings revealed significant differences in the writing processes of different groups of CoAuthor users, suggesting that our method is a plausible approach to assessing human-AI collaborative writing.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
