XiaoMi-AI文件搜索系统
World File Search SystemAIED
Nathalie Glais。人工智能在教育中的挑战：对联合国教科文组织 2019-2021 年报告的分析。 Carnets de Laboratoire RL-2 Bonheurs，2，230，ISSN：2967-3631，2023.，2（2），EDBH，第 117-129 页，2023，978-2-493781-15-4。10.5281/zenodo.10382844。hal-04401512v2
人工智能在教育领域的挑战：联合国教科文组织 2019-2021 年报告分析 DOI: 10.5281/zenodo.10382844 Glais Nathalie CY U Cergy Paris Université nathalie.glais@outlook.fr ID: 0000-0003-4745-7481 摘要：报告联合国教科文组织分析了人工智能给教育带来的挑战。本文献综述介绍了各国面临的问题及其建议的演变。一个两步方法，从构建报告分析网格开始。然后，我们将根据报告摘要的文本计量处理来确定建议的演变。摘要：联合国教科文组织的报告分析了人工智能给教育带来的挑战。本文献综述提出了各州面临的挑战及其建议的演变。提出了一种两步方法，首先构建一个网格来分析报告。然后，我们将根据报告摘要的文本计量处理来确定建议的演变和教育中可观察到的主题。关键词：教育人工智能（AIEd）、问题、联合国教科文组织。关键词：教育人工智能（AIEd）、挑战、联合国教科文组织。
关于 ChatGPT 和生成人工智能的投机未来...
摘要：虽然 ChatGPT 最近变得非常流行，但人工智能有着悠久的历史和哲学。本文旨在通过采用推测方法探索生成式预训练 Transformer (GPT) 人工智能和潜在未来技术的前景和陷阱。提供了推测性的未来叙述，特别关注教育背景，试图确定新兴主题并讨论它们对 21 世纪教育的影响。从叙述中识别并讨论了（使用）人工智能在教育中（AIEd）的承受能力和可能的不利影响。有人认为，现在是定义人类与人工智能对教育贡献的最佳时机，因为人工智能可以完成越来越多的教育活动，而这些活动曾经是人类教育者的特权。因此，必须以面向未来的心态重新思考技术和人类教育者在教育中的各自角色。关键词：人工智能（AI）、生成式预训练转换器（GPT）、自然语言处理、教育中的人工智能（AIEd）、未来教育观点、推测方法
学生的AI生成图像：对动机，学习和满意度的影响
摘要：在当代社会中，生成AI（Genai）渗透日常生活的快速发展，学校必须跟上发展的发展。未来后代具有Genai技能和知识，就像传统扫盲是当今的招聘条件一样。学校课程需要整合这项新技术，以支持学生的学习和发展。关于人工教育的研究（AIED）已报告了Genai参与教学和学习的挑战，也报告了Genai作为研究支持的挑战。不落后于许多学校，就开始采取AIED计划，这需要研究如何以有用的方式在教学活动中应用Genai。指导这项研究的研究问题是：在视觉形式中使用GAI可以如何支持学生在中学环境中的学习过程和动机？总体研究策略是一种定性案例研究方法，研究员三角剖分。数据是在研讨会会议和半结构访谈中的观察结果中收集的。与老师和学生一起。在六步归纳性主题分析中，编码数据摘录，汇总到类别并提出。的发现表明，用于产生图像的Genai工具可以对学习产生积极影响。同时支持信息的记忆，对动机和学生满意度也产生了积极影响。图像生成工具的参与不是替代品，而是对传统教学活动的补充。结论是，在教育中使用AI可以提供新的学习机会，并且随着Genai的使用越来越多，对于学生和老师的步伐至关重要。但是，这将需要更多的时间和资源来为AIED的教师专业发展。
引用本文：Selena Nemorin、Andreas Vlachidis、Hayford M. Ayerakwa 和 Andriotis (2023) AI 被炒作了吗？关于教育人工智能 (AIED) 和发展的论述的地平线扫描，学习、媒体和技术，48:1，38-51，DOI：10.1080/17439884.2022.2095568
摘要 本研究旨在了解人工智能生态系统如何与一种知识生产形式有关，这种形式具体化了某些类型的认识论。本文利用文本挖掘和主题分析，对过去几年 AIEd 辩论中出现的关键主题进行了横向扫描。我们首先讨论用于试验数字数据收集和分析方法的工具。然后，本文探讨了教育系统中的人工智能是如何被构想、炒作以及可能如何部署到全球教育环境中的。研究结果分为三个主题：（1）通过教育和技术创新实现地缘政治主导地位；（2）创造和扩大市场利基，以及（3）管理叙述、看法和规范。
人工智能（AI）与教育领域的融合
摘要 本研究讨论了人工智能在教育领域的应用。 2020 年举行的第 21 届国际教育人工智能会议将 AIED 确定为教育技术领域最新出现的领域之一。 在如何更广泛地将人工智能用于教学目的方面，教育工作者仍不清楚人工智能的使用及其对高等教育教学的潜在影响。 本文讨论了人工智能对教育的影响以及它的优点和缺点。 此外，它还描述了如何开发具有人工智能功能的教育平台。最后，它讨论了人工智能如何影响教育。 关键词：人工智能、教育、教育技术、人工智能 介绍 专家预测，在 2018 年至 2025 年间，人工智能在教育中的使用率将增加 43%。 这一预测是在 2018 年的 Horizon 研究中做出的。 在过去的 30 年里，研究一直集中在人工智能在教育中的应用上。根据 Research and Markets 的调查，2019 年全球人工智能教育市场规模达到 11 亿美元，预计到 2030 年将增长到 257 亿美元以上。心理学家 Sidney Pressey（1920 年代俄亥俄州立大学教授）和 BF Skinner（被称为行为主义之父，1948 年至 1974 年退休期间担任哈佛大学教授）是人工智能在教育领域应用的先行者。1997 年 1 月 1 日，AIED 学会成立。《国际教育人工智能期刊》（IJAIED）和 AIED 会议系列将研究人员聚集在一起。在学术支持服务、机构服务和行政服务方面，AIED 主要有四个领域：分析和预测、评估和评价、自适应系统、个性化和智能辅导系统。人工智能既是新颖的，也是衍生的。一种名为人工智能的新技术已经开始改变教育资源和组织。教育领域的理想教育实践需要教师的存在。教师对教育系统至关重要，而人工智能的发展改变了教师的就业方式。人工智能主要采用深度学习、机器学习和高级分析来跟踪特定人与其他人的相对速度。基于人工智能的解决方案有助于填补教学和学习之间的差距，并随着教育标准不断提高而提高。为了让教师有时间和自由来教授理解和适应能力——这是人类独有的能力——人工智能可以促进
教育中的人工智能：下一代教师观点
摘要全球人工智能（AI）取得的进展导致联合国教科文组织在2019年向政府推荐，以将AI纳入教育政策和流程中。虽然众多研究库存学生和老师对AI在教育中使用的看法（AIED），但本文通过分析影响罗马尼亚未来小学和中学教师培训阶段使用AI的行为意图的因素来有所不同。通过探索性定量研究，对来自教育，社会科学和心理学学院的270名学生的样本进行了样本，使用二进制逻辑回归遵循主题与AI的相互作用以及对IIED进行整合的意图。进行的分析表明，在模型的六个变量中，“对个人使用AI的能力的信心”和“对更多优势的感知”对在教育过程中使用AI的意愿有积极而重要的影响，而不是“以前使用”，“知识水平”或“学生的要求”或“学生要求”。这些发现对于修订教师培训计划以及发展教育政策的制定至关重要，这些政策增加了未来教师对使用AI的能力的信心，消除了对AI的恐惧或误解。
学习、分析和人工智能在教育中的相互作用：混合智能的愿景
摘要 本文从多维度阐述了人工智能在教育中的作用，强调了人工智能、分析和人类学习过程之间错综复杂的相互作用。在此，我对普遍存在的将人工智能作为教育工具的狭隘概念提出质疑，例如将人工智能作为生成性人工智能工具，并主张人工智能的替代概念对于实现人机混合智能的重要性。我强调了人类智能与人工智能信息处理之间的差异，以及人机混合系统对扩展人类认知的重要性，并假设人工智能也可以作为理解人类学习的工具。早期学习科学和教育研究中的人工智能（AIED）将人工智能视为人类智能的类比，但两者的观点已经出现分歧，这促使人们需要重新建立这种联系。本文介绍了人工智能的三种独特概念：人类认知的外化、人工智能模型影响人类心智模型的内化以及通过紧密耦合的人机混合智能系统扩展人类认知。本文从当前研究和实践中的例子出发，探讨了教育领域这三种概念的实例，强调了每种概念对人类能力发展的潜在价值和局限性，以及过分强调用人工智能工具取代人类学习机会的方法的危险。本文最后提倡采用一种更广泛的 AIED 方法，超越设计方面的考虑
如何使用 chatGPT？
源于在教育中使用人工智能可以利用布鲁姆 2-Sigma 效应 (Bloom, 1984)（基本上是指研究发现学习者在接受个性化辅导时取得了相当于两个标准差的显著进步），人工智能可以为学生提供获得个性化支持的独特机会。尽管多年来人们对 AIED（教育中的人工智能）进行了深入讨论，但其有效性的有力证据仍然很少（欧洲理事会，2022 年）。因此，在使用人工智能的同时，在我们的教学中做出合理的教学决策至关重要。
定义教育人工智能、计算机支持的协作学习、教育数据挖掘和学习分析之间的界限：需要连贯性
在过去的 20 年里，教育和技术这个广阔的领域中出现了一系列学科。自 20 世纪 80 年代初以来，人工智能与教育（AIED）这个广阔的领域应运而生，旨在结合人工智能（AI）、学习理论和教育实践来改善学习者使用计算机的学习成果（Boyd 等人，1982 年；Holmes 等人，2019 年）。在 AIED 领域中，基于计算和机器学习的力量出现了各种研究子领域，例如智能辅导系统（Aleven 和 Koedinger，2002 年）、自适应超文本系统（Eysink 等人，2009 年；Romero 等人，2009 年）和计算机支持的协作学习（CSCL）。自 20 世纪 90 年代初以来，出现了一系列 CSCL 出版物，探讨学习者和教师如何使用计算机在线协作。大量 CSCL 研究（例如 Gunawardena，1995 年；Roschelle 和 Koschmann，1996 年；Fischer 和 Mandl，2005 年；Rienties 等，2009 年）发现，支架、自我调节、任务设计和教学临场感是鼓励学习者有效合作的重要概念。2000 年代中期，第三批研究人员（例如 Baker 和 Yacef，2009 年；Rosé 等，2014 年）开始使用教育数据挖掘 (EDM)，利用更大的数据集和增加数据之间的互连来探索学习过程。自 2011 年以来，出现了第四个研究领域，即学习分析 (LA)，它专注于理解复杂的
定义教育、计算机支持的协作学习、教育数据挖掘和学习分析中的人工智能之间的界限：需要一致性
在过去的 20 年里，教育和技术这个广阔的领域已经发展出一系列学科。自 20 世纪 80 年代初以来，人工智能与教育 (AIED) 这个广阔的领域应运而生，旨在结合人工智能 (AI)、学习理论和教育实践来改善使用计算机的学习者的学习成果 (Boyd 等人，1982 年；Holmes 等人，2019 年)。在 AIED 中，基于计算和机器学习的力量，出现了各种研究子领域，例如智能辅导系统 (Aleven 和 Koedinger，2002 年)、自适应超文本系统 (Eysink 等人，2009 年；Romero 等人，2009 年) 和计算机支持的协作学习 (CSCL)。自 20 世纪 90 年代初以来，出现了一系列 CSCL 出版物，探讨学习者和教师如何使用计算机在线协作。大量 CSCL 研究（例如 Gunawardena，1995 年；Roschelle 和 Koschmann，1996 年；Fischer 和 Mandl，2005 年；Rienties 等人，2009 年）发现，支架、自我调节、任务设计和教学存在是可以鼓励学习者有效协作的重要概念。在 2000 年代中期，第三批研究人员（例如 Baker 和 Yacef，2009 年；Rosé 等人，2014 年）开始使用教育数据挖掘 (EDM) 来探索使用更大数据集和数据之间增加的互连的学习过程。自 2011 年以来，出现了第四个研究领域，即学习分析 (LA)，该领域专门致力于理解复杂的