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
Teaching Tech to Talk: K-12 Conversational Artificial Intelligence Literacy Curriculum and Development Tools
Massachusetts Institute of Technology(麻省理工学院)
随着孩子们每天与智能扬声器,智能手机甚至智能微波炉交谈,教育学生了解这些代理商如何工作从潜在机制到社会影响越来越重要。研究人员正在开发工具和课程,向K-12学生广泛传授人工智能(AI);然而,很少有研究评估这些工具对AI特定学习成果的影响,更少有研究涉及学生学习基于AI的会话代理。我们评估我们的对话代理接口的麻省理工学院应用程序发明家和研讨会课程方面的八个人工智能能力的文献。此外,我们分析了教师(n=9)和学生(n=47)的反馈,从车间的接口,并建议未来的工作利用设计考虑从文献中优化参与,与教师合作,并解决了一系列的学生能力,通过速度和扩展的机会。我们发现,学生们在人工智能伦理和学习的概念上挣扎最多,并建议在教学时强调这些主题。附录,包括演示视频,可以在这里找到:https://gist.github.com/jessvb/1cd959e32415a6ad4389761c49b54bbf
2020-09-11 cs.AI cs.CY
Identifying Student Profiles Within Online Judge Systems Using Explainable Artificial Intelligence
University of Alicante(阿利坎特大学)
本研究利用多实例学习与可解释人工智能分析在线评测系统中的学生行为数据,以预测作业通过与否,并识别易失败学生群体,为师生提供可理解的反馈。
2024-01-29 cs.AI cs.CY
Artificial Intelligence in Sports: Insights from a Quantitative Survey among Sports Students in Germany about their Perceptions, Expectations, and Concerns regarding the Use of AI Tools
University of Münster(明斯特大学);Georg-August-University Göttingen(哥廷根大学);Ghent University(根特大学);University Medical Center Hamburg-Eppendorf(汉堡-埃彭多夫大学医学中心)
通过对262名德国体育专业学生的问卷调查,发现学生强烈期望使用AI工具提升学业表现、理解科学方法并节省时间,同时担忧抄袭、教师准备及自身技能发展。
2026-07-01 cs.AI cs.CY
I would love this to be like an assistant, not the teacher: a voice of the customer perspective of what distance learning students want from an Artificial Intelligence Digital Assistant
The Institute of Educational Technology, The Open University(开放大学教育技术研究所);Knowledge Media Institute, The Open University(开放大学知识媒体研究所);Business Development Unit, The Open University(开放大学业务发展部)
本研究通过两步混合方法考察了十名远程学习学生对假设的人工智能数字助手(AIDA)设计的看法,发现学生认为AIDA在实时协助、学术任务支持、个性化和情感支持方面有用,但也担忧其伦理影响、数据隐私和学术诚信等问题。
2024-02-16 cs.AI cs.CY
Artificial Intelligence Competence of K-12 Students Shapes Their AI Risk Perception: A Co-occurrence Network Analysis
University of Jyväskylä(于韦斯屈莱大学)
研究通过共现网络分析探讨芬兰K-12高年级学生的人工智能能力与其风险感知之间的关系,发现能力高低影响学生关注的风险类型及教育AI应用的机遇与公平性。
2025-12-01 cs.AI cs.CY cs.HC
Students' interest in knowledge acquisition in Artificial Intelligence
Department of Computer Science, Faculty of Mathematics;Computer Science, Babe s -Bolyai University, 1 Mihail Kog a lniceanu street, 400084 Cluj-Napoca, Romania
该研究通过对58名计算机科学本科生的匿名回答进行主题分析,发现学生对人工智能的兴趣主要源于其流行性、应用前景和高薪,但多数人仅期望达到中等知识水平,且普遍不喜欢其中的数学内容。
2023-11-26 cs.AI cs.CY cs.HC
The Future of Food: How Artificial Intelligence is Transforming Food Manufacturing
University of California, Davis(加州大学戴维斯分校);USDA/NSF AI Institute for Next Generation Food Systems(美国农业部/美国国家科学基金会下一代食品系统人工智能研究所)
本文探讨人工智能在食品制造中的应用,提出通过数据标准、透明模型和跨行业合作推动食品创新与可持续发展。
2025-11-17 cs.AI cs.CY
What Students Can Learn About Artificial Intelligence -- Recommendations for K-12 Computing Education
Technical University of Munich(慕尼黑工业大学);Freie Universität Berlin(柏林自由大学)
本文提出一套学习目标课程,旨在明确K-12学生在AI领域应学内容,强调数字素养与社会视角,为课程设计、分析及理解AI核心概念提供指导。
2023-05-10 cs.AI cs.CY
Students' Perceptions and Preferences of Generative Artificial Intelligence Feedback for Programming
North Carolina State University(北卡罗来纳州立大学);Georgia Institute of Technology(佐治亚理工学院)
本研究探讨ChatGPT为CS1课程Java作业提供自动化反馈的可行性,通过调查发现学生认可其形成性价值,偏好含代码的针对性纠错反馈,为优化AI教育反馈提供了方向。
2023-12-17 cs.AI cs.CY cs.HC
From Individual Prompts to Collective Intelligence: Mainstreaming Generative AI in the Classroom
College of Engineering, Qatar University, Doha, Qatar(卡塔尔大学工程学院,多哈)
本文提出通过集体智慧导向的教学法,结合生成式AI和同伴协作,提升课堂学习效果与学生参与度。
2026-01-07 cs.AI cs.CY
Disadvantaged students increase their academic performance through collective intelligence exposure in emergency remote learning due to COVID 19
在COVID-19危机期间,全球教育机构从面对面教学转向紧急远程教学(ERT)模式。在这种被迫和突然的转变中,教师和学生没有机会获得通过学习管理系统(LMS)实施的在线学习模式所需的知识或技能。因此,本科教师往往主要使用LMS作为信息库,很少促进学生之间的虚拟互动,从而限制了集体智慧对学生的好处。我们分析了7,528名本科生的数据,发现大学生在论坛上的合作和共识动态对他们的最终GPA有积极影响,对高中期间学习成绩较低的学生影响更大。这些结果超出了社会经济和其他LMS活动混杂因素。此外,使用自然语言处理,我们表明,在高中期间学习成绩较低的一年级学生在讨论论坛中接触到更多内容密集型的帖子,导致大学GPA显著高于高中低成绩的同龄人。我们希望这些结果能够激励世界各地的高等教育教师在课堂上使用论坛讨论等工具来促进学生之间的合作和共识动态,以获得社会学习和集体智慧的好处。
2022-03-10 cs.CY physics.ed-ph
AI-Fuzzy Markup Language with Computational Intelligence for High-School Student Learning
计算智能是人工智能的一个重要分支,包括模糊逻辑、神经网络和演化计算。作为人工智能的核心技术,它在开发智能系统中发挥着至关重要的作用,例如游戏和游戏引擎,基于神经的系统,包括各种深度网络模型,基于进化的优化方法和先进的认知技术。2021年IEEE CIS高中生CI暑期学校于2021年8月10日至12日在台湾JanFuSun Resort Hotel举行,并于2021年8月10日至12日在Zoom上举行。暑期学校的主要内容是FL、NN和EC基础知识讲座以及AIoT(人工智能物联网)研讨会。特邀演讲者提供了九门课程,涵盖了CI现实世界的应用,FL的基础知识以及NN和EC的介绍等主题。2021年暑期学校得到了2021年IEEE CIS高中外展小组委员会的支持。我们也邀请了台湾、日本、印尼的中小学师生。他们参加了学校并参加了AIoT研讨会,获得了AIoT-FML学习工具的应用经验。根据简短的报告和参与的学生和教师的反馈,我们发现大多数参与者都很快理解了CI,FL,NN和EC的原理。此外,其中一位老师向组织者发表了以下评论:“这是一个伟大的活动,可以在年轻时向学生介绍计算智能,激励他们参与快速发展的领域,并促进参与未来的研究冒险。"
2021-11-07 cs.CY
A Meta-analysis of College Students' Intention to Use Generative Artificial Intelligence
本研究通过对27项实证研究、33833份样本的元分析,明确了影响大学生使用GenAI意愿的关键变量及调节因素,为教育技术优化和校园GenAI应用提供依据。
2024-08-25 cs.CY
Artificial intelligence as a real game to enlighten science education for disabled students in rural New Mexico
New Mexico Highland University(新墨西哥高地大学)
本研究采用混合方法(多元线性回归与人工神经网络模型),评估AI学习干预对120名6-10年级农村残疾学生的效果,结果显示科学概念保持率提升32%、实验表现提高27%、参与度增加42%,表明AI驱动教学可成为促进公平科学教育的变革工具。
2026-04-25 cs.CY
An Experience Report of Executive-Level Artificial Intelligence Education in the United Arab Emirates
Uppsala University(乌普萨拉大学);University of Oxford(牛津大学);New York University Abu Dhabi(纽约大学阿布扎比分校);Linacre College, University of Oxford(牛津大学林纳克学院);Artificial Intelligence Office(人工智能办公室)
教授人工智能(AI)是一项挑战。这是一个快速发展的领域,因此很难让人们了解最新的最新技术。为学生提供的教育服务不断增加,超越了人工智能教育传统上所提供的大学学位课程。在本文中,我们提出了在阿拉伯联合酋长国(UAE)为企业高管教授人工智能课程的经验报告。我们没有只关注理论和技术方面,而是开发了一门教授人工智能的课程,旨在让学生了解如何将其融入现有的业务流程。我们提出了我们的课程,课程和教学方法的概述,我们讨论了我们对教学成人学习者的思考,并在阿联酋的学生。
2022-02-02 cs.AI cs.CY
Early Adoption of Generative Artificial Intelligence in Computing Education: Emergent Student Use Cases and Perspectives in 2023
本研究调查了R1大学计算机科学专业学生对生成式人工智能的早期使用情况与态度,揭示了学生的需求、担忧及其对CS教学法、课程、文化和政策的影响。
2024-11-17 cs.CY
Predicting students' performance in online courses using multiple data sources
Paris-Saclay University(巴黎-萨克雷大学);Instituto Nacional de Astrofísica, Óptica y Electrónica(国家天体物理、光学与电子学研究所)
数据驱动的决策正在服务和改变教育。我们通过使用来自在线课程的多个数据源(包括我们创建的一个数据源)来解决预测学生表现的问题。实验结果显示了初步的结论,对哪些数据被认为是任务。
2021-09-07 cs.CY cs.LG
Perception, performance, and detectability of conversational artificial intelligence across 32 university courses
New York University Abu Dhabi(纽约大学阿布扎比分校)
本研究比较了ChatGPT与学生在32门大学课程中的表现,评估了AI文本检测器的可靠性,并调查了多国学生与教育者的看法,发现ChatGPT表现相当或更优,检测器不可靠,且学生与教育者态度存在分歧。
2023-05-07 cs.AI cs.CY
LLMs as Educational Analysts: Transforming Multimodal Data Traces into Actionable Reading Assessment Reports
Vanderbilt University(范德堡大学)
本研究利用多模态数据和LLM生成可执行的阅读评估报告,发现LLM能有效转化为教师友好的洞察,但需人类监督以确保可靠性与公平性。
2025-03-03 cs.AI cs.CY cs.HC
Job Anxiety in Post-Secondary Computer Science Students Caused by Artificial Intelligence
University of Toronto(多伦多大学);University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
人工智能导致大学计算机科学学生面临工作焦虑,需通过提升技能或转向其他领域来应对,国际学生则面临额外压力。
2026-01-15 cs.CY
Artificial Intelligence-Based Analytics for Impacts of COVID-19 and Online Learning on College Students' Mental Health
Wake Forest University(维克森林大学);Wake Forest University School of Medicine(维克森林大学医学院)
COVID-19是由新型冠状病毒(SARS-CoV-2)引起的疾病,于2019年12月下旬首次在中国武汉出现。没过多久,病毒在全球范围内传播,并于2020年3月被世界卫生组织宣布为大流行。这在世界各地和美国引起了许多变化,包括教育转向在线学习。在本文中,我们试图了解COVID-19大流行和在线学习的增加如何影响大学生的情绪健康。我们使用几个机器学习和统计模型来分析斯洛文尼亚卢布尔雅那大学公共管理学院与国际大学联盟,其他高等教育机构和学生协会收集的数据。我们的研究结果表明,与学生的学术生活相关的特征对他们的情绪健康影响最大。其他重要因素包括学生对大学和政府处理疫情的满意度以及学生的经济安全。
2022-09-05 cs.CY cs.LG
Student views in AI Ethics and Social Impact
Department of Computer Science, Babes Bolyai University, Cluj-Napoca, Romania(巴纳特-波耶伊大学计算机科学系,克鲁日-纳波卡,罗马尼亚)
研究从性别角度探讨学生对人工智能伦理影响和社会效应的看法,发现男性更关注计算机科学、自动驾驶等技术变化,女性更关注社交媒体影响,两者均认为AI存在潜在威胁,但女性更强调伦理与助人。
2026-03-19 cs.AI cs.CY
Uncovering Students' Mental Models of Generative Artificial Intelligence
George Mason University(乔治梅森大学)
研究学生对生成式人工智能的心智模型,通过收集64名修读技术伦理学课程学生的概念图,分析发现五类心智模型,揭示学生多为表面理解,据此可设计课程和指导方针提升学生人工智能素养。
2026-07-14 cs.CY
AISCliteracy: Assessing Artificial Intelligence and Cybersecurity Literacy Levels and Learning Needs of Students
本研究评估了尼泊尔Chitwan地区9至12年级学生的AI与网络安全素养水平及学习需求,通过调查分析为当地教育项目开发提供建议,并探讨了相关教育的促成因素与障碍。
2025-06-29 cs.CR cs.CY
Determining the Difficulties of Students With Dyslexia via Virtual Reality and Artificial Intelligence: An Exploratory Analysis
University of Córdoba(科尔多瓦大学);University of Tuscia(图西亚大学)
本研究通过VRAIlexia项目,结合虚拟现实数据收集与人工智能分析,识别阅读障碍学生的核心困难,其预测模型平均准确率约90%。
2024-01-15 cs.AI cs.CV cs.CY
Artificial Intelligence in the Legal Field: Law Students Perspective
本文通过2024年7月至8月的调查,研究了法学学生使用AI的现状与态度,发现其AI参与度和热情低于成熟法律专业人士,并建议通过与计算机科学系合作增强学生在提示工程和幻觉管理等方面的AI技能。
2024-10-13 cs.CY
Artificial Intelligence for Scientific Research: Authentic Research Education Framework
本文提出一种真实科研教育框架,通过实验室需求对接与咨询式学生团队,开发面向自然科学问题的AI方案,并在NYU七个学期、百余名学生和二十余个项目中验证其教育与科研价值。
2024-07-07 cs.CY
Teenagers and Artificial Intelligence: Bootcamp Experience and Lessons Learned
Aiphabet Inc.(Aiphabet公司)
本研究针对AI教育进课堂滞后的问题,为60名高中生开展3天线下结合线上平台的AI训练营,获91.4%满意度,验证了多元教学形式的效果及非正式学习填补青少年AI早期教育缺口的潜力。
2023-12-05 cs.AI cs.CY
A Systematic AI Adoption Framework for Higher Education: From Student GenAI Usage to Institutional Integration
University of Applied Sciences and Arts Hannover(汉诺威应用科学与艺术大学);University of Applied Sciences Emden/Leer(埃姆登/莱尔应用科学大学)
研究探讨学生在计算机科学学科中使用生成式AI工具的情况,提出一个结构化、轻量级的框架,帮助机构应对普及的GenAI使用,解决监管模糊和学术诚信风险。
2026-04-23 cs.CY cs.SE
Artificial Intelligence-Powered Assessment Framework for Skill-Oriented Engineering Lab Education
针对计算机科学实验教育中抄袭、评估不足、参与度低等问题,提出AsseslyAI框架,通过专属题目、AI监考口试、游戏化模拟及1万+数据集微调生成代码评估,整合多功能于一体,优于传统工具,可规模化培养技能型毕业生。
2025-09-27 cs.AI cs.CY
Transdisciplinary AI Education: The Confluence of Curricular and Community Needs in the Instruction of Artificial Intelligence
ReadyAI;Cleveland State University(克利夫兰州立大学);Keiser University(凯泽大学)
本文探讨了将AI融入教育的现状与挑战,提出跨学科AI教学模式,结合Neom Community School的IB课程体系,通过Units of Inquiry将AI贯穿于各学科教学,实现课程与社区需求的融合。
2023-11-10 cs.AI cs.CY
A Study on AI-FML Robotic Agent for Student Learning Behavior Ontology Construction
Tokyo Metropolitan University(东京都立大学);National University of Tainan(台南大学)
在本文中,我们提出了一个AI-FML机器人代理的学生学习行为本体的建设,可应用于英语口语和听力领域。具有本体的AI-FML机器人Agent包含感知智能、计算智能和认知智能,用于分析学生的学习行为。此外,在AI-FML机器人Agent中有三个智能Agent,包括感知Agent、计算Agent和认知Agent。我们部署的感知代理和认知代理的机器人Kebbi空气。此外,具有深度神经网络(DNN)模型的计算代理在云中执行,并且可以通过互联网与感知代理和认知代理进行通信。建议的AI-FML机器人代理在台湾应用,并在日本进行测试。实验结果表明,该智能体可以用于未来教育的人机协同学习模型。
2020-06-27 cs.AI cs.CY cs.HC
CreateAI Insights from an NSF Workshop on K12 Students, Teachers, and Families as Designers of Artificial Intelligence and Machine Learning Applications
University of Pennsylvania(宾夕法尼亚大学);University of California, Berkeley(加州大学伯克利分校);University of Washington(华盛顿大学);Boston College(波士顿学院);Brown University(布朗大学)
CreateAI探讨如何让学生和教师成为人工智能应用的创造者,提出工具设计、伦理整合和学习评估的关键建议。
2026-02-18 cs.CY cs.HC
A Survey on Artificial Intelligence and Data Mining for MOOCs
Nanyang Technological University(南洋理工大学)
大规模开放式在线课程(MOOC)在过去几年中获得了巨大的普及。得益于MOOC,来自世界各地的数百万学习者免费学习了数千门高质量的课程。构建一个优秀的MOOC生态系统是一项多学科的工作,需要来自许多不同领域的贡献。人工智能(AI)和数据采掘(DM)是两个这样的领域,它们在使MOOC成为今天的MOOC方面发挥了重要作用。通过利用参与MOOC的学习者生成的大量数据,DM提高了我们对MOOC生态系统的理解,并使MOOC从业者能够提供更好的课程。同样,由DM支持的AI可以大大改善学生的体验和学习成果。在这篇调查论文中,我们首先回顾了应用于MOOC的最先进的人工智能和数据采掘研究,强调使用人工智能和数据挖掘工具和技术来提高学生的参与度,学习成果以及我们对MOOC生态系统的理解。然后,我们概述了人工智能和数据挖掘领域的主要趋势和重要研究,以便MOOC能够充分发挥其潜力。
2016-01-26 cs.AI cs.CY
Artificial Intelligence in Secondary Education: Educational Affordances and Constraints of ChatGPT-4o Use
National and Kapodistrian University of Athens(雅典国立卡波季斯特里大学);University of Nicosia(尼科西亚大学)
本研究探讨了中学学生使用AI进行教学与学习的教育可能性与限制,发现学生认可五个教育价值,同时识别出三个主要限制,结论是学生对AI在教育中的使用持积极态度。
2026-03-27 cs.CY
"Just a little bit on the outside for the whole time": Social belonging confidence and the persistence of Machine Learning and Artificial Intelligence students
本研究通过访谈探讨机器学习与人工智能领域学生的坚持性,发现社会归属感信心、接触入门、领域边界认知及密切指导等因素影响学生的坚持意愿,为提升该领域多样性指明方向。
2023-10-30 cs.CY cs.OH
Proactive and Reactive Engagement of Artificial Intelligence Methods for Education: A Review
Washington University in St. Louis(圣路易斯华盛顿大学)
优质教育是联合国大会确定的17个可持续发展目标(SDG)之一,将从采用人工智能(AI)驱动的工具和技术中受益匪浅。必要的基础设施、数字化数据和普遍的社会意识的同时繁荣推动了人工智能教育(AIEd)领域的大规模研发工作。在这篇评论文章中,我们调查了如何利用人工智能,机器学习和深度学习方法来支持学生,教育工作者和行政人员。我们通过一种新颖的分类方法来做到这一点。我们认为人工智能驱动的方法在整个教育过程中的参与-从学生入学,课程安排等,在主动规划阶段,知识交付,绩效评估等,在反应执行阶段。我们概述和分析了人工智能在教育中的主动和被动参与下的主要研究方向,使用了过去二十年中发表的194篇原创研究文章的代表性组,即,2003 - 2022年。我们讨论了所提出的解决方案方法的范式转变,即,在这段时间里使用的数据和算法的选择。我们进一步深入探讨COVID-19疫情如何挑战和重塑这段时间结束时的教育格局。最后,我们指出了在教育中采用人工智能的现有局限性,并反思了前进的道路。
2023-01-23 cs.AI cs.CY
Open Mathematical Tasks as a Didactic Response to Generative Artificial Intelligence in Post-AI Contexts
I.E. María Reiche(玛丽亚·雷切教育学院)
本文探讨了在生成式人工智能普及的背景下,通过开放数学任务维持学生数学活动的教育策略与实践效果。
2026-02-09 cs.CY math.HO
Is Artificial Intelligence Reshaping the Landscape of the International Academic Community of Geosciences?
本研究采用文献计量分析与主题建模方法,证实AI正积极变革地球科学研究,不仅提升了发展中国家地球学者在AI4S范式下的能见度,还优化了该领域的国际合作格局。
2025-09-04 cs.AI cs.CY cs.DL
An artificial intelligence tool for heterogeneous team formation in the classroom
Universitat Politècnica de València(瓦伦西亚理工大学);Coventry University(考文垂大学)
如今,在教育背景下,人们对团队合作技能的发展越来越感兴趣。这种日益增长的兴趣是由于其教学效果,以及在劳动力方面,企业将其雇员组织成小组来执行复杂的项目。尽管它在课堂和行业中至关重要,但团队组建过程缺乏支持。不仅有许多因素会影响团队绩效,而且如果要优化团队,这个问题的成本将呈指数级增长。在这篇文章中,我们提出了一个工具,其目的是弥补这样的差距。它结合了人工智能技术,如联盟结构生成,贝叶斯学习和贝尔宾的角色理论,以促进在教育背景下的工作组的生成。该工具以三种方式改进了当前最先进的建议:i)它考虑到其他队友的反馈,以确定学生的最主要角色,而不是自我感知问卷; ii)它处理每个学生的主要团队角色的不确定性; iii)它是迭代的,因为它考虑了来自几个交互的信息,以改善对角色分配的估计。我们测试了所提出的工具在实验中的表现,涉及学生参加了三个不同的团队活动。实验表明,该工具是能够提高不同的团队合作方面,如团队动力和学生满意度。
2016-04-16 cs.AI cs.CY cs.HC
Advancing a Model of Students' Intentional Persistence in Machine Learning and Artificial Intelligence
本研究通过对ML/AI课程学生进行调查,推进了学生在该领域的意向性坚持模型,发现短期坚持与学术注册因素相关,长期坚持与职业角色信心相关,且追求积极社会效益是长期坚持的负面预测因素,据此为教育工作者提出了促进多样性的建议。
2023-10-30 cs.CY
The Application of Virtual Environments and Artificial Intelligence in Higher Education: Experimental Findings in Philosophy Teaching
Széchenyi István University(塞切尼·伊什特万大学)
本研究针对Z世代大学生数字化偏好,在哲学教学中整合Walter's Cube虚拟环境与AI调解器,实验显示80%参与者成绩优良,有效提升学习动机与参与度,为数字教学法及相关学科应用提供新方向。
2025-08-28 cs.AI cs.CY
Shaping Integrity: Why Generative Artificial Intelligence Does Not Have to Undermine Education
本文探讨了生成式人工智能如何通过伦理融入课堂来促进学术诚信,结合义务论与自我决定理论等框架,论证了负责任地使用GAI能提升数字素养、鼓励知识建构并维护教育伦理标准。
2024-10-10 cs.CY
The Use of Generative Artificial Intelligence for Upper Secondary Mathematics Education Through the Lens of Technology Acceptance
University of Jyväskylä(于韦斯屈莱大学)
本研究调查芬兰高中生对生成式人工智能(GenAI)在高中数学教育中应用的看法,通过构建技术接受模型及扩展兼容性构念的模型,揭示关键构念对AI工具采用的影响,为AI融入数学教育提供情境化见解。
2025-04-15 cs.AI cs.CY cs.HC
Exploring Artificial Intelligence Tutor Teammate Adaptability to Harness Discovery Curiosity and Promote Learning in the Context of Interactive Molecular Dynamics
Arizona State University(亚利桑那州立大学)
本研究基于Wizard-of-Oz范式与混合方法,探讨AI导师队友在交互式分子动力学任务中对高中生好奇心驱动参与度和学习效果的影响,证实AI适应性反馈能促进团队动态同步与认知好奇心。
2025-06-26 cs.AI cs.CE cs.CY
Artificial Intelligence as a Training Tool in Clinical Psychology: A Comparison of Text-Based and Avatar Simulations
The University of Kent(肯特大学);Kent Medway Medical School(肯特梅德韦医学院);Imperial College London(帝国理工学院)
本研究比较了文本聊天机器人与语音拟人模拟在临床心理学培训中的效果,发现语音拟人更受学生好评,有助于提升技能应用和情绪交流能力。
2025-11-21 cs.AI cs.CY cs.HC
AI and Generative AI Transforming Disaster Management: A Survey of Damage Assessment and Response Techniques
Google(谷歌)
本文是首份全面综述AI与生成式AI在灾害损害评估与响应中应用的研究,梳理了其多模态应用、优劣势、伦理安全风险及滥用威胁,并指明未来研究方向。
2025-05-13 cs.AI cs.CY cs.LG
Empowering Agrifood System with Artificial Intelligence: A Survey of the Progress, Challenges and Opportunities
China University of Geosciences(中国地质大学);Wuhan University(武汉大学);The University of Sydney(悉尼大学);Nanyang Technolog(南洋理工大学)
本文综述了人工智能技术在农业食品系统中的变革性应用,涵盖数据获取方法及在农、牧、渔业等领域的进展,并指出了当前面临的挑战与未来研究机遇。
2024-09-26 cs.AI cs.CY eess.IV
An exploratory behavioral and electroencephalographic study of artificial intelligence-assisted learning modes in high school students
Allen High School(艾伦高中)
本研究通过行为指标和脑电图数据,比较三种AI交互模式(导师、协作者、求解器)对高中生认知参与和问题解决行为的影响,发现不同模式下行为存在显著差异,脑电模式虽未达统计显著但值得进一步探索。
2026-06-26 cs.CY cs.HC
Using Automated Theorem Provers to Teach Knowledge Representation in First-Order Logic
学习人工智能的本科生常常难以将知识表示为逻辑句子。这是一种似乎需要大量实践才能获得的技能,这表明教学策略涉及分配大量练习,这些练习涉及一些知识的表达,使用自然语言(如英语)进行交流,作为某种逻辑中的句子。掌握这种技能所需的练习数量太多,以至于典型的人工智能课程教学团队无法对学生的努力提供及时的反馈。因此,需要一个自动化的评估系统,这样的练习,以确保学生得到足够的实践量,与反馈的快速传递,让学生在他们的理解和纠正错误。本文介绍了一个自动评分系统的知识表示练习使用一阶逻辑。归结定理证明器\textit{Prover9}用于检查学生提交的公式是否与教师提供的解决方案在逻辑上等价。这个系统已经被注册在本科人工智能班的学生使用了几年。使用这一教学工具导致了统计上的显着改善一阶逻辑知识表示问题出现在课程期末考试。本文解释了这个系统是如何工作的,提供了学生学习成果的变化分析,并探讨了这个系统的潜在增强功能,包括通过用基于表格的方法取代解决定理证明器来提供丰富的形成性反馈的可能性。
2015-07-14 cs.CY cs.LO
Combining Large Language Models with Tutoring System Intelligence: A Case Study in Caregiver Homework Support
Carnegie Mellon University(卡内基梅隆大学);Wellesley College(韦尔斯利学院)
本研究结合大型语言模型与辅导系统智能,开发对话式支持系统,为照护者提供家庭作业教学建议,经中学照护者评估,有效促进内容支持和学生元认知。
2024-12-16 cs.AI cs.CY cs.HC
Using Artificial Intelligence to Improve Classroom Learning Experience
DeVry University(德锐大学);Engineering Technology and Information Sciences(工程技术与信息科学学院)
本文研究利用Logistic Regression等机器学习方法识别学生学习风格并预测辍学风险,在76,519人数据集中达到87.39%的测试准确率,优于随机梯度下降分类器。
2025-02-14 cs.CY cs.HC cs.LG
Artificial Intelligence in Education: Ethical Considerations and Insights from Ancient Greek Philosophy
本文探讨了将AI融入教育引发的伦理问题,借鉴古希腊哲学原则指导AI的伦理实施,以实现教育的伦理健全转型。
2024-09-04 cs.CY