XiaoMi-AI文件搜索系统
World File Search System于教
社论：人工智能用于教育
Gentile 等人通过系统的文献综述分析了人工智能和教育领域最令人兴奋的话题之一：人工智能对教师角色的影响。教师们一直被要求改变他们的做法，尝试融入新技术而不是拒绝它们。然而，即使乍一看，人工智能带来的潜在变化也预示着一种根本性的变化，可以称之为教师在教育中角色的真正范式转变。据作者称，文献分析表明，人们尚未充分认识到必须尽快解决人工智能在教育领域带来的挑战的紧迫性。此外，该研究还提出了一份宣言，根据库恩在科学领域提出的范式转变来指导教师角色的演变。
教师对人工智能（AI）教育学习工具的认知、态度和接受度：一项关于教师人工智能素养的探索性研究
摘要 针对年轻学生的人工智能 (AI) 素养教育正受到研究人员和教育工作者的关注。研究人员正在开发课程，并尝试使用适合年龄的 AI 教育学习工具向更年轻的学生教授 AI 素养。尽管教师在 AI 素养教育中发挥着至关重要的作用，但他们的看法和态度却很少受到关注。本研究探讨了 60 名教师对使用 AI 教育学习工具的看法，并考察了影响他们在实施 AI 素养教育方面态度的因素。技术接受模型以及技术、教学和内容知识 (CK) (TPACK) 框架指导了研究设计，并采用结合社会科学统计软件包和主题分析的混合方法进行数据分析。研究表明，教师对 AI 教育学习工具在 AI 素养教学中的实用性和易用性持积极看法。本文还表明，教师们接受基于艺术的方法来教授 AI 素养。定性数据显示，教师面临诸如知识储备 (CK) 不足和人工智能经验不足以及对 TPACK 知识缺乏等挑战。影响教师接受人工智能教育学习工具的五个因素是：（a）教师对其人工智能知识储备和教授人工智能素养（技术内容知识）经验的看法；（b）技术挑战和利益相关者的接受程度；（c）人工智能教育学习工具的属性；（d）学校基础设施和预算限制；（e）干扰和负面情绪反应的可能性。本研究为政策制定者提供了有关
XR4ED：用于教育的扩展现实平台
摘要——扩展现实 (XR) 的最新发展已经证明了该技术在教育领域的优势。不幸的是，教育工作者可能不熟悉 XR 技术，并且可能很难在课堂上采用这项技术。本文介绍了欧盟资助的教育 XR 项目（称为教育扩展现实 (XR4ED)）的总体架构和目标。该项目的目标是提供一个平台，让教育工作者无需具备编程或 3D 建模专业知识即可构建 XR 教学体验。该平台将为用户提供一个市场，以获取例如 3D 模型、化身和场景；用于创作新教学环境的图形用户界面；以及允许协作 VR 的沟通渠道。本文介绍了该平台，并重点介绍了协作和社交 XR 的一个关键方面，即化身的使用。我们展示了以下方面的初步结果：(a) 用于将教育内容填充到 XR 环境中的市场、(b) 在非玩家角色和学习者之间进行交流的智能 AR 助手以及 (c) 在协作 VR 中提供非语言交流的自我化身。
设计一个基于F450的四极管无人机，用于教育和科学研究目的
摘要：本文概述了利用F450框架的功能性无人机（UAV）的构建，该框架是在科学研究项目的背景下由一名学生进行的。学生专注于选择和集成电子组件，例如电动机，传感器和通信模块，并配置飞行控制单元（FCU）。使用循环（SITL）技术中的软件来验证无人机功能并展示其准确响应飞行命令的能力。本文最后着重于教育影响，突出了将无人机技术整合到课程中的变革潜力，并为学生做好了电子工程中不断发展的挑战的准备。
用于教育和研究目的的移动机器人的设计
摘要：在教授控制理论，数字信号处理，电源电子和数字电子等电气工程主题中，机器人技术的使用越来越多。移动机器人在学术研究中也广受欢迎，尤其是在涉及轨迹追踪机器人，检查机器人和线路追随者机器人的项目中。本文旨在展示能够充当全向或差分机器人的移动机器人的开发和组装。它突出了差异机器人运动学的重要性，其应用以及其对教育和研究努力的适用性。恢复：o uso Crescente de Rob´otica no Ensino de egnenharia el'etrica，Como teoria de Contole，Processamento Digital de Sinais，Eletretwonicoonica de Potetcoutica dePot来Eletretucia e eltret eletret eletretwonica digital，'e not'e vavel。os robˆos m´oveis tamb´em est〜ao ganhando poculidade na pesquisa adactemica，especialmente em projetos envolvendo envolvendo robˆos de rastreamento de trajet'oria，robˆos de inspeemc〜about e inspemc〜ao e ob从robˆos seguidores seguidores de linha。este artigo tem como objetivo mostrar o desenvolvimento e Montagem de um robˆo m ovel capaz de funcionar como um robˆo omnidireciartion ou diferencial diferencial。ele destaca a intivucia divenencial divencial divenencial，suas aplicaK〜oes e sua equaequapequa报
用于教学、评估和反馈的生成式人工智能
大型语言模型 (LLM) 是文本应用生成式 AI 的重要组成部分。它们经过大量文本数据、学习模式、语法和语言语义的训练。LLM 可以通过处理这些数据来生成连贯且相关的文本，从而构成 ChatGPT、Claude 和 Gemini 等 AI 模型的基础。“大型”一词指的是神经网络的庞大规模和用于训练它们的庞大数据集，范围从数十亿到数万亿个参数。生成式 AI (GAI) 和大型语言模型 (LLM) 这两个术语经常互换使用，但严格来说，LLM 应该仅指特定类型的 AI 模型，该模型专注于根据从大量文本数据中学习到的模式处理和生成类似人类的文本。LLM 是许多生成式 AI 应用程序的关键组成部分，尤其是那些涉及文本生成的应用程序，但生成式 AI 涵盖了更广泛的 AI 系统，可以创建各种类型的内容，包括图像、音频和视频。
一个统一的批处理层次加固学习框架，用于教学策略诱导，深度分配指标
摘要。智能辅导系统（ITS）利用AI适应个人学生，许多ITS采用教学政策来决定面对替代方案的下一个教学行动。许多研究人员应用了加固学习（RL）和Deep RL（DRL）来诱导有效的教学政策。大部分先前的工作是针对特定的，并且不直接应用于另一个工作。在这项工作中，我们提出了一个询问收入框架，该框架结合了深度BI模拟M eTrics和DRL（名为MTL-BIM），以诱导跨不同领域的两个不同ITS的统一教学政策：逻辑和概率。基于经验课堂结果，我们的统一RL政策的执行效果明显优于专家制作的政策，并在这两个ITS上都独立诱导了DQN政策。
适用于教学过程的人工智能
人工智能（AI）通过根据各个学生的需求个性化教育内容来改变教学过程，从而增强他们的表现和动力。Slidesai和Tome等工具促进了有效的教育资源的创造，尽管需要解决生成数据的质量和隐私。AI还可以实时适应学生的行动，使互动和沉浸式学习环境（例如模拟和教育游戏）。这些环境提供了更丰富，更实用的经验。此外，创建具有头像的多语言视频可增强可访问性和学习的自定义。但是，确保公平访问这些技术对于避免教育不平等至关重要。如前所述，AI为教育提供了多种好处，但需要仔细实施以最大程度地提高其优势并减轻潜在风险。
关于教育机器人技术和创造力的评论
本论文的目的是研究是否以及在何种程度上与教育机器人有关。更具体地说，它研究了教育机器人可以通过使用人工智能来促进和增强创造性思维和其他创造性过程（例如计算思维）中发挥的作用。为了实现这一目标，对已经进行的研究进行了文献综述，主要是持续五年，并且是在各种教育环境中使用教育机器人和STEM学习的应用实践，展示了它们如何鼓励学生中的创造力和解决问题。搜索引擎 - 数据库 - Google和Google Scholar被用作研究工具。审查的结果表明，教育机器人的使用发展与创造力相关的技能，例如反思，协作和创新，因此是现代老师手中有用的教育技术工具。最后，提出了有关此主题的未来研究和教育实践的可能指示。
关于教育领域人工智能的十大误区
围绕数字技术（其中最主要的是人工智能）的讨论可能会创造现代神话，通常提到乌托邦式的可能性（Brevini，2021 年）。然而，这种理想主义的描述往往掩盖了对人工智能误解的固有危险。De Saint Laurent（2018 年）指出了人工智能可以保持中立和不偏不倚的假设所带来的危险后果。这些误解可能导致避免批判性辩论、偏见正常化以及免除创造者和用户的责任。Falk（2020 年）通过强调人工智能超人潜力的神话贡献了一个重要的观点，这往往会掩盖更迫在眉睫的人工智能愚蠢挑战。这种形式的人工智能可能会取代、征服或欺骗人类用户，构成需要关注和讨论的重大威胁（Giray 等人，2024 年）。