arXiv 2504.200822026-01-26cs.AIcs.CY

人工智能在教育中的演变：代理工作流

Evolution of AI in Education: Agentic Workflows

Canadian University Dubai（迪拜加拿大大学）；Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）；Zayed University（扎耶德大学）；Hong Kong Baptist University（香港浸会大学）；University of Technology Sydney（悉尼科技大学）

Firuz Kamalov, David Santandreu Calonge, Linda Smail, Dilshod Azizov, Dimple R. Thadani, Theresa Kwong, Amara Atif

备注：: made the abstract more succinct, revised the methodology, added PRISMA flow chart, updated references

阅读 PDF

arXiv 页面 ↗HTML 原文 ↗

AI总结：

本研究探讨了AI代理在教育中的应用，提出多代理框架用于自动评分，并指出其在一致性上的优势及需进一步研究的可解释性问题。

摘要：

本研究的主要目标是根据提出的四个主要技术范式：反思、规划、工具使用和多代理协作，分析教育中的代理工作流。我们通过这些关键设计范式批判性地考察了AI代理在教育中的作用，探讨了其优势、应用和挑战。其次，为了展示代理系统在实际中的潜力，我们提出了一个证明概念的应用：一个用于自动作文评分的多代理框架。初步结果表明，这种代理方法可能比独立的LLM在一致性方面有所改进。我们的发现突显了AI代理在教育环境中的变革潜力，同时强调了进一步研究其可解释性和可信度的必要性。

英文摘要：

The primary goal of this study is to analyze agentic workflows in education according to the proposed four major technological paradigms: reflection, planning, tool use, and multi-agent collaboration. We critically examine the role of AI agents in education through these key design paradigms, exploring their advantages, applications, and challenges. Second, to illustrate the practical potential of agentic systems, we present a proof-of-concept application: a multi-agent framework for automated essay scoring. Preliminary results suggest this agentic approach may offer improved consistency compared to stand-alone LLMs. Our findings highlight the transformative potential of AI agents in educational settings while underscoring the need for further research into their interpretability and trustworthiness.

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。