Evaluating LLMs for Answering Student Questions in Introductory Programming Courses
本文研究了LLMs在初级编程课程中协助教师回答学生问题的能力,通过构建基准数据集和定制评估指标,证明了LLMs能超越传统教师回答质量,并提出'教师在环'策略以降低风险。
2026-03-30 cs.AI
Automated Feedback on Student-Generated UML and ER Diagrams Using Large Language Models
Graz University of Technology(格拉茨技术大学);University of Toronto Mississauga(多伦多大学密西根分校);Interdisciplinary Transformation University Austria(跨学科转型大学奥地利)
针对UML/ER图教学中大班难提供个性化反馈的问题,本研究推出基于LLM的工具DUET,通过多阶段流水线对比图示生成结构化反馈,经访谈验证其兼具优势与局限,为建模教育融合大模型提供了新方向。
2025-07-31 cs.AI cs.HC
Investigating Student Interaction Patterns with Large Language Model-Powered Course Assistants in Computer Science Courses
Colorado School of Mines(科罗拉多矿业学院);HiTA AI Inc.(HiTA人工智能公司);Cornell University(康奈尔大学)
本研究开发并部署了一个基于LLM的课程助手至多门计算机科学课程,分析了约2,000名学生的交互数据,发现系统有效填补了时间支持缺口,但LLM在生成高阶认知问题方面能力有限,需教育者更多参与配置以提升教学效果。
2025-09-10 cs.AI cs.CY cs.HC
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
Multiple-Choice Question Generation Using Large Language Models: Methodology and Educator Insights
本文比较Llama 2、Mistral和GPT-3.5三种大型语言模型生成多项选择题的效果,通过将知识注入提示以抑制幻觉,并基于21位教育者的实验表明GPT-3.5表现最佳,同时发现教育领域对采用AI仍存在顾虑。
2025-06-05 cs.AI cs.CL
AI-Generated Slides: Are They Good? Can Students Tell?
Aalto University(艾洛大学);University of Toronto Mississauga(多伦多大学滑铁卢分校)
本文研究了生成式AI工具在生成幻灯片中的表现,发现编码助手生成的幻灯片更准确且教学效果更好,学生难以区分AI与人工生成的幻灯片,但高质量幻灯片与AI生成标签间存在负相关。
2026-05-13 cs.AI cs.CL cs.CY
Future-proofing Education: A Prototype for Simulating Oral Examinations Using Large Language Models
Brandenburg University of Applied Sciences(勃兰登堡应用技术大学)
本文研究利用大型语言模型构建自动化口试模拟原型,并通过师生评估验证其在模拟口试、个性化反馈和减轻教师负担方面的有效性,展示LLMs促进教育民主化与提升教学效率的潜力。
2023-12-22 cs.AI cs.CY
Taklif.AI: LLM-Powered Platform for Interest-Based Personalized College Assignments
Faculty of Information Technology(信息科技学院)
Taklif.AI利用大语言模型生成个性化作业,结合学生兴趣和文化背景,提升学生参与度,减少抄袭风险。
2026-05-07 cs.AI
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
Exploring the Potential of Large Language Models to Generate Formative Programming Feedback
本研究探索大型语言模型(如ChatGPT)在生成形成性编程反馈方面的潜力,发现其表现尚可但可能包含误导信息,教育者需提供使用指导。
2023-08-31 cs.AI cs.CY cs.SE
Small Models, Big Support: A Local LLM Framework for Educator-Centric Content Creation and Assessment with RAG and CAG
针对现有教育AI工具依赖专有云系统的成本、隐私问题,本研究提出基于3B-7B参数本地LLM的开源框架,结合RAG和CAG技术,支持定制教学材料生成与AI辅助评估,经大学物理课程验证可行,为教育者提供自主、经济的AI支持。
2025-11-16 cs.AI cs.CY
Design Implications for Student and Educator Needs in AI-Supported Programming Learning Tools
Kyushu University(九州大学);Osaka Kyoiku University(大阪教育大学)
本文通过对比教育者与学生对AI编程助手需求的调研,揭示了间接支架支持与直接帮助之间的差异,并提出平衡学生自主性与教学约束的设计建议。
2026-03-24 cs.HC
Evaluating Students' Open-ended Written Responses with LLMs: Using the RAG Framework for GPT-3.5, GPT-4, Claude-3, and Mistral-Large
University of Turku(图尔库大学);University of Tartu(塔尔图大学)
本文利用RAG框架比较GPT-3.5、GPT-4、Claude-3和Mistral-Large在两种温度下重复评分大学生开放式回答的表现,发现其一致性与评分结果存在明显差异。
2024-05-08 cs.AI cs.CL
ColorShapeLinks: A board game AI competition for educators and students
Lusófona University(卢索福纳大学)
ColorShapeLinks是一个专门为视频游戏开发的学生和教育工作者设计的AI棋盘游戏竞赛框架,具有开放性和可访问性。比赛是基于一个任意大小版本的Simlexity棋盘游戏,其座右铭是“简单易学,复杂精通”,奇怪的是也适用于人工智能智能体。ColorShapeLinks提供基于图形和文本的前端,以及使用行业标准工具和遵循软件工程最佳实践构建的完全开放和文档化的开发框架。ColorShapeLinks不仅是一个竞赛,而且既是一个游戏,也是一个框架,教育工作者和学生可以扩展和使用它来举办自己的竞赛。它已成功用于运行AI类的内部比赛,以及在IEEE游戏会议上举办国际AI比赛。
2021-02-26 cs.AI cs.CY cs.HC
Empowering Educators in the Age of AI: An Empirical Study on Creating custom GPTs in Qualitative Research Method education
Singapore University of Technology and Design(新加坡科技设计大学)
本研究针对AI教育中教育者角色缺位及质性方法教学AI应用不足的问题,基于TPACK框架和行动研究,将定制GPT融入硕士质性研究方法课程,发现其可提升学习效果但存在认知过载等问题,为教育者主导的AI教学整合提供了实证依据。
2025-06-10 cs.AI cs.HC
Learnersourcing in the Age of AI: Student, Educator and Machine Partnerships for Content Creation
The University of Queensland(昆士兰大学);The University of Auckland(奥克兰大学);Carnegie Mellon University(卡内基梅隆大学)
本文提出了一个结合众包学习文献、学习科学与AI进步的框架,围绕内容创建、质量评估、贡献利用和教师支持四个关键方面探讨人机协作伙伴关系,并通过两个案例研究验证了其在现有系统中的应用。
2023-06-10 cs.AI cs.HC
Educators' Perspectives of Using (or Not Using) Online Exam Proctoring
COVID-19疫情的爆发改变了教育的格局,并导致远程监考工具的使用增加,这些工具旨在监控学生在课堂外进行评估。虽然以前的工作已经探讨了学生的隐私和安全问题,在线监考工具,教育工作者的角度正在探索。值得注意的是,教育工作者是教室的决策者,并选择他们认为合适的远程监考服务和观察水平。为了探索教育工作者如何平衡学生的安全和隐私与远程考试的要求,我们向一所大型私立大学的3,400多名教师发送了调查请求,该大学在2020/21学年教授在线课程。我们收到了n=125个回复:21%的受访教育工作者在远程学习期间使用了在线考试监考服务,其中35%的人计划即使在完全恢复面对面学习时也继续使用这些工具。使用考试监考服务的教育工作者通常对他们的监控能力感到满意。然而,教育工作者担心学生与考试监考公司共享某些类型的信息,特别是当监考服务收集可识别信息以验证学生身份时。我们的研究结果表明,许多教育工作者开发的替代评估,并不需要在线监考和那些谁使用在线监考服务往往考虑学生隐私的潜在风险和考试监考服务的实用性或必要性之间的权衡。
2023-02-24 cs.CR cs.CY cs.HC
Understanding Educators' Perceptions of AI-generated Non-consensual Intimate Imagery
New Jersey Institute of Technology(新泽西理工学院)
研究通过访谈20名美国教育工作者,探讨其对AI生成非自愿亲密影像的观念、经验与实践,发现教育工作者担忧学生和自身脆弱性,但学校缺乏培训和系统政策,需多利益相关者策略应对。
2026-04-07 cs.HC
Student Barriers to Active Learning in Synchronous Online Classes: Characterization, Reflections, and Suggestions
随着越来越多的面对面课程转向在线环境,探索学生学习的任何新障碍变得越来越重要。这项工作的重点是表征同步在线环境中的学生主动学习的障碍。其目的是帮助新手教育工作者更好地了解这些障碍,并为他们的在线课程准备更多以学生为中心的课程计划。为此,我们采用定性研究方法,并从不同来源研究信息:社交媒体内容,访谈,以及来自学生和专家教育工作者的调查。通过主题分析,我们精心制作了一份细致入微的学生在线主动学习障碍清单,主题包括人文因素、技术因素和环境因素。每一个障碍从频率、重要性和排他性三个方面来探讨,以活跃在线课堂。最后,我们与12位新手教育工作者进行了总结性研究,并解释了在活跃的在线课程中使用我们的障碍列表进行课程规划的好处。
2021-04-10 cs.CY cs.HC
The Potential and Implications of Generative AI on HCI Education
Newcastle University(纽卡斯尔大学)
本文通过将GAI融入10周本科HCI模块并结合课后问卷,揭示其作为创意角色与理解镜子的教学价值、风险及TPACK意义。
2024-05-08 cs.AI cs.HC
Beyond Text: Probing K-12 Educators' Perspectives and Ideas for Learning Opportunities Leveraging Multimodal Large Language Models
Barnard College(巴纳德学院);Columbia University(哥伦比亚大学)
研究通过工作坊探讨K-12教育工作者对多模态大语言模型在教育中的应用看法,分析其面临的挑战与需求,提出两种用户导向的实施方法。
2026-08-05 cs.HC
The New Calculator? Practices, Norms, and Implications of Generative AI in Higher Education
本研究通过访谈两所高校的师生,基于强结构化理论分析了生成式AI在高等教育中的使用实践、潜规则与感知影响,探讨了相关社会技术层面的变革启示。
2025-01-15 cs.HC
Exploring Teachers' Perception of Artificial Intelligence: The Socio-emotional Deficiency as Opportunities and Challenges in Human-AI Complementarity in K-12 Education
Michigan State University(密歇根州立大学);University of Pittsburgh(匹兹堡大学)
本研究通过调查韩国小学教师,发现AI可补充行政与个性化教学,但其社会情感缺陷既是挑战也是机遇,强调AI采用需贴合教师偏好。
2024-05-20 cs.AI cs.CY cs.HC
New Kid in the Classroom: Exploring Student Perceptions of AI Coding Assistants
Universidad Distrital Francisco José de Caldas(迪斯特里塔尔大学弗朗西斯科·何塞·德·卡拉斯人学院)
本研究通过两阶段考试调查了20名学生在编程课程中对AI编程助手的感知,发现AI虽能提升初学者信心并辅助概念理解,但会导致过度依赖和基础知识迁移不足,亟需能有效整合AI同时强化核心编程技能的新教学法。
2025-09-16 cs.AI cs.HC
SciNote: Collaborative Problem Solving and Argumentation Tool
由于教育工作者推动学生通过做科学来学习科学,因此需要计算支架来帮助学生评估科学证据和建立论点。在本文中,我们提出了一个试点研究SciNote,CSCL工具,使教育工作者能够将第三方软件集成到一个灵活的和协作的工作空间。我们探讨了SciNote如何使团队在基于探究的学习活动中构建数据驱动的论点。
2021-04-07 cs.CY cs.HC
ClassAid: A Real-time Instructor-AI-Student Orchestration System for Classroom Programming Activities
Zhejiang University of Technology(浙江工业大学);Zhejiang Key Laboratory of Visual Information Intelligent Processing(浙江省视觉信息智能处理重点实验室);Texas A&M University(德克萨斯农工大学)
ClassAid通过实时动态控制AI支持,为课堂编程活动提供个性化反馈,提升教师指导学生与AI互动的效果。
2026-02-06 cs.HC
A Time-Optimized Content Creation Workflow for Remote Teaching
我们描述了我们的工作流程,为大学课程创建一个引人入胜的远程学习体验,同时最大限度地减少教育工作者的后期制作时间。我们利用无处不在和普遍免费的服务和平台,使我们的工作流程是包容性的所有教育工作者,并为学生提供抛光的经验。我们的学习材料为每个讲座提供:1)录制的视频,上传到YouTube上,具有精确的幻灯片时间戳索引,从而实现增强的导航UI; 2)高质量的流式文本自动转录的叙述,具有适当的标点符号和大写字母,通过GitHub上的学生参与工作流进行改进。所有这些结果都可以手工创建,既耗时又昂贵。然而,这通常会超过创建课程材料的可用时间。我们的主要贡献是使用自定义工具链自动化原始叙述幻灯片和我们发布的材料之间的转换和后期制作。此外,我们描述了我们完整的工作流程:从内容创建到转换和分发。我们的学生给了我们压倒性的积极反馈,特别喜欢我们使用无处不在的平台。最常用的功能是YouTube的章节用户界面,通过我们自动生成的时间戳启用。大多数学生,谁开始使用成绩单,继续这样做。每一份成绩单都由学生修改,平均单词变化率为6%。我们的结论是积极的反馈,我们的增强内容格式非常赞赏和利用。对于教育工作者来说,重要的是我们的低开销生产工作流程在繁忙的学期中是如何可持续的。
2021-10-13 cs.HC cs.IR
Bidirectional Human-AI Alignment in Education for Trustworthy Learning Environments
本文探讨教育中人机双向对齐,旨在通过培养教师、学生和机构的技术素养,实现可信学习环境,促进公平性、透明度和人类发展。
2025-12-25 cs.AI cs.CY cs.HC
"Alexa, Can I Program You?": Student Perceptions of Conversational Artificial Intelligence Before and After Programming Alexa
在一个充满人工智能的世界中长大,Siri和亚马逊Alexa经常在手臂或语音范围内,可能会对儿童产生重大影响。对话代理可以影响学生如何将计算机系统拟人化或发展心理理论。以往的研究探讨了如何会话代理人使用和感知的儿童内和学习环境外。这项研究调查了初中和高中学生如何通过在为期一周的人工智能教育研讨会中编程自己的会话代理来改变对Alexa的看法。具体来说,我们调查了研讨会对学生对Alexa的智能,友好,活泼,安全,可信,人性化和亲密感的看法的影响。我们发现,学生们觉得Alexa更聪明,在研讨会后感觉更接近Alexa。我们还发现,学生对Alexa的友好性和可信度以及安全性和可信度的看法之间存在很强的相关性。最后,我们探讨了学生如何在研讨会后更频繁地使用计算机科学相关的措辞和想法。基于我们的研究结果,我们建议设计师在设计学习环境的CA时,仔细考虑拟人性,透明度,趣味性和实用性。
2021-02-02 cs.HC
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
The Effect of Transparency on Students' Perceptions of AI Graders
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Utah State University(犹他州立大学)
本研究探讨透明度如何影响学生对AI评分系统的看法,发现透明度提升了学生对评分准确性的感知,但未显著提高学生接受评分的意愿。
2026-10-12 cs.HC
Generative AI Perceptions: A Survey to Measure the Perceptions of Faculty, Staff, and Students on Generative AI Tools in Academia
Texas A&M University(得克萨斯农工大学)
本文探讨ChatGPT对工程教育领域的影响,并发布了一项针对高校学生与教职员工的调查问卷,作为技术报告供其他机构评估生成式AI工具的影响。
2023-04-21 cs.AI cs.CL cs.CY
Students' Perception Accuracy of Partners' AI Use and its Relation to Collaboration Performance
Technical University of Munich(慕尼黑工业大学)
通过103对学生的纵向研究,发现对同伴AI使用感知的偏差与团队最终项目得分负相关,尤其对低编程水平团队影响更大,且面对面编程未能减少这种偏差。
2026-06-23 cs.CY cs.HC
Making Gender-Inclusive Practices Actionable: Evaluating a Research-Informed Computing Education Toolkit
Technological University Dublin(都柏林理工大学);SETU Waterford(沃特福德科技大学)
该研究评估了基于研究的计算教育工具包TechMate,其可帮助教育工作者实施性别包容举措,18名爱尔兰高校教育者评估显示该工具实用性与可用性获较高认可,同时挖掘出相关结构性障碍及解决方案。
2026-09-04 cs.CY cs.HC
Student Perceptions and Preferences Regarding AI-Generated Instructional Videos in Computing Education
University of Florida(佛罗里达大学);Worcester Polytechnic Institute(伍斯特理工学院)
本研究通过对170名计算专业学生的调查,探究其对Knowlify生成的Markdown教学AI视频的感知与偏好,发现学生认可视频质量但对其课堂广泛采用存顾虑,明确了AI视频的适用场景与潜在问题。
2026-07-31 cs.HC
Gender-Wise Perception of Students Towards Blended Learning in Higher Education: Pakistan
混合式学习(BL)是众多选择中最适合学习者需求的一种,无论何时何地。本研究旨在探讨学生对基础学习的认知,以及他们在使用科技时所面对的挑战。这项定量研究使用的数据来自巴基斯坦信德省四所公立大学的300名学生。研究结果显示,学生对科技的使用是兼容的,科技对他们的学习经验有正面的影响。该研究还表明,技术的使用鼓励同行合作。发现的挑战包括:由于课程需要从传统的面对面模式转变为混合模式,因此既没有为学生提供教师支持,也没有提供培训计划,混合模式课程的实验室助理技能存在空白,而且缺乏高科技计算机实验室/计算机单元来运行这些课程。因此,我们建议当局必须制订和采纳一套全面的机制,以便在学与教的过程中有效地推行《基本法》。
2022-04-16 cs.HC
Examining the Examiners: Students' Privacy and Security Perceptions of Online Proctoring Services
为应对新冠肺炎疫情,教育机构迅速过渡到远程学习。如何在在线环境中进行学生评估的问题变得越来越重要,导致许多机构和教育工作者转向在线监考服务来管理远程考试。这些服务采用各种学生监控方法来遏制作弊,包括限制(“锁定”)浏览器模式、视频/屏幕监控、本地网络流量分析和眼动追踪。在本文中,我们探讨的安全和隐私的学生考生被监考的看法。我们分析了监考服务的浏览器扩展的用户评论,并随后进行了在线调查(n=102)。我们的研究结果表明,参与者关注与考试监考公司共享的信息的数量和个人性质。然而,许多参与者也认识到,在流行病安全问题和监考服务确保考试完整性的侵入性手段之间存在权衡。我们的研究结果还表明,机构的权力动态和学生对机构的信任可能会劝阻学生反对远程监考。
2021-06-10 cs.CR cs.HC
Integrating ChatGPT in a Computer Science Course: Students Perceptions and Suggestions
本研究通过访谈七名学生,探讨了在计算机科学课程中整合ChatGPT的看法,发现其能增强学习体验但过度依赖可能损害批判性思维,强调需谨慎平衡使用。
2023-12-22 cs.CY cs.HC
Using Generative Artificial Intelligence Creatively in the Classroom and Research: Examples and Lessons Learned
University of Maryland, College Park(马里兰大学帕克分校);The University of Oklahoma(俄克拉荷马大学);Morgan State University(摩根州立大学);Purdue University(普渡大学)
本文面向学生与教育工作者,探讨生成式AI在课堂与研究中的创造性应用,通过实例与提示词展示其潜力,并关注伦理、偏见及公平性问题,旨在激发教育界围绕共同目标展开讨论。
2025-10-24 cs.HC physics.ao-ph
AI Across Borders: Exploring Perceptions and Interactions in Higher Education
本研究调查北爱尔兰和印度高等教育机构1211名学生对GenAI的认知,发现计算机科学学生态度相似且性别无显著影响,揭示了影响经验的关键因素交互作用。
2025-08-14 cs.CY cs.HC