XiaoMi-AI文件搜索系统
World File Search System教育界
人工智能、基本技能和定量素养
摘要 摘要 2022 年 11 月推出的免费语言人工智能 ChatGPT 引起了一些教育工作者的担忧，他们担心在易于访问的基于人工智能的作弊机制的背景下向学生教授基本的写作和批判性思维技能的可行性和好处。截至目前，ChatGPT 可以写出相当令人信服的学生水平的散文，但它仍然不太擅长回答定量丰富的问题。因此，就目前而言，上述担忧可能并不为大部分数学教育界所认同。然而，由于谷歌和 WolframAlpha 绝对有能力回答标准和一些非标准的定量查询，未来一代人工智能包括这两种能力并非不可能。所以，这个问题仍然与本期刊的读者有关。当我们继续关注构成定量素养 (QL) 和定量推理 (QR) 的高级技能和思维习惯时，我们不应忘记，基本的素养和算术仍然是基础的组成部分。尽管人工智能在这些基本领域取得了进步，但我们的人类学生似乎正在落后，正如最新的 NAEP 分数所暗示的那样。在这里，我们鼓励读者关注是什么让 QL/QR 如此难以教授，无论是对人类还是人工智能。
Pant, D. 和 Rastogi, A. (2024)。通过积极的教学法培养学校学习者的幸福感。《国际幸福杂志》14 (2)，
摘要：鉴于幼儿的心理问题日益严重，教育界现在认识到积极心理学在帮助儿童学习、发挥他们的优势、提高适应力和为生活做好准备方面的价值。积极教育作为积极心理学的一个应用领域，试图实现这些目标，同时为学校教育各利益相关者之间的合作提供联合机会。本文本质上是分析性的，重点关注积极教育学的概念及其在现有文献中的描述。它还介绍了将两个著名模型（幸福感的 PERMA 模型和体验式学习的 5E 模型）与布鲁克菲尔德的反思性实践模型相结合的想法，以便在课堂上传授富含幸福感的内容。这种整合符合积极教育学的基本原理，并提供了一种将其融入教学和学习过程的系统方法。此外，世界各地各种积极教育计划所使用的不同积极心理干预措施的确定也为积极教育学提供了启示。通过考虑积极教育学理念的现状和相关挑战，本文提出了一些可能指导积极教育领域、更具体地说是积极教育学未来发展的建议。
人工智能不插电：为对话式人工智能夏令营设计不插电活动
随着 Siri 和 Alexa 等对话式 AI 应用在儿童中变得无处不在，CS 教育界已开始利用这种流行度作为吸引年轻学习者学习 AI、CS 和 STEM 的潜在机会。然而，向 K-12 学习者教授对话式 AI 仍然具有挑战性且尚未得到探索，部分原因是某些对话式 AI 概念（例如意图和训练短语）具有抽象性和复杂性。一种以引人入胜的方式教授复杂主题的有前途的方法是通过非插电活动，事实证明，这种方法在不使用计算机的情况下非常有效地促进 CS 概念理解。目前正在研究开发用于教授 AI 的非插电活动，但迄今为止很少有研究关注对话式 AI。本经验报告描述了针对中学生的对话式 AI 夏令营的一系列新颖的非插电活动的设计和迭代改进。我们讨论了学习者的反应以及通过实施这些非插电活动获得的经验教训。我们希望这些见解能够支持 CS 教育研究人员使对话式 AI 学习更具吸引力并让所有学习者都能接受。
NYCPD - 公共行政指南 - 2024 年 10 月 16 日
1. 负责并确保辖区内所有警察行动的效率。 2. 制定辖区具体计划并实施策略、方案和程序以：a. 减少犯罪和对犯罪的恐惧 b. 改善生活质量 c. 确保交通安全并优化交通流量。 3. 利用辖区执行人员进行管理、分配、控制、协调、纪律、评估、指导、激励、监督并确保指挥部的使命。 4. 与神职人员、商界、社区和教育界领袖建立并保持良好的关系。 5. 在被分配到指挥部后，访问内务局、社区事务局、质量保证科、副专员、公平与包容和人事命令司进行情况介绍。a. 此后每半年与上述指挥部协商一次。 6. 每年检查每个下属指挥部的“机密绩效概况”。 7. 确保下属高管的行政和业务职责得到正确和有效的履行。 8. 指导下属指挥部执行人员。 9. 每季度（或根据需要）与行政人员和部门直属组织成员召开会议，讨论指挥级管理问题并解决巡逻成员面临的挑战。
人工智能及其在教育中的作用
教育是社会最重要的部门之一。它与所有其他部门息息相关，对它们的影响巨大。由于这一重要性，教育对于社会各阶层来说都是不可或缺的。例如，教育部门在 COVID-19 期间面临的挑战显而易见，吸引了许多研究人员。但社会挑战并不局限于这些流行病，因为有些挑战始终存在；教育机会、难以进入真正的课堂以及财务问题就是其中的一些。这些问题有很多解决方案，也将有很多解决方案；然而，本研究的重点是以人工智能 (AI) 形式出现的技术解决方案。人工智能正在改变社会的每一个领域，教育领域也不例外。技术迫使许多国家在教育领域实施技术消费，例如新加坡 [ 1 ]、马来西亚 [ 2 ] 和韩国 [ 3 ]。可以说，教育的未来与技术及其进步紧密相连。更先进的机器将为教育行业带来新的机遇，并将更有效地应对新的挑战[4]。人工智能领域一直受到经济学家[5]、政治分析家[6]、军事顾问[7]、安全专家[8]和教育界[9]的关注。本研究重点关注人工智能应用：辅导系统（TS）、社交机器人（SR）和智能学习（SL）及其对教育的影响。研究旨在回答以下问题：
新兴技术采用框架：针对 PK-12 教育
该框架由教育界成员共同制定，旨在确保教育领导者、技术专家、教师、学生和家庭都参与到将新兴技术引入 PK-12 课堂的评估和采用过程中。我们通过位于计算和学习科学综合研究中心 (CIRCLS) 的教育者 CIRCLS 聘请了新兴技术咨询委员会，并从研究人员、政策专家、教育技术社区、教育工作者和家庭收集了更多反馈，通过专家社区为我们的工作奠定了基础。该框架专门设计用于让社区成员参与做出明智的评估和采购决策的过程，并概述了在实施新兴技术的三个阶段需要考虑的重要标准：(1) 初步评估、(2) 采用和 (3) 采用后。每个标准都有具体的问题可以向决策者、地区领导、技术研究人员和开发人员、教育工作者、学生和家庭提出，以及在回答这些问题时可能充当资源的资源和人员提出。请注意，并非所有这些问题都适用于每种情况。此外，向社区的多名成员提出一些问题可能会有所帮助。例如，采购决策者和地区领导部分列出的问题通常也可以向教育工作者提出。
人工智能（AI）在教育领域应用的机遇与挑战：文献
摘要 — 本文的主要目标是研究人工智能（AI）在教育中应用的机遇和挑战。人工智能是最先进的技术。它给教育界带来了翻天覆地的变化。本报告中的问题研究人工智能的问题和问题带来了一系列障碍，同时也为人工智能教育开辟了新的潜力。本研究考察了人工智能系统在教育领域的吸收和交流，以及人工智能技术的障碍和潜在发展模式。此外，本文还评估了研究目标和问题。此外，文献表明，各种研究方法设计都是可行的。为了开发研究方法，分层模型有三个基本层次。本章介绍了主要研究中使用的研究设计和抽样程序。它还简要介绍了主要研究的研究分析程序所使用的工具。它还解释了数据分析的方法。使用过去的销售，该技术可以预测未来趋势，同时排除季节性影响和不一致性。这种预测技术得到了更准确的销售数据的辅助，这些数据表明某些消费者和类型的客户未来将如何购买。这些数据可以帮助分析师发现营销和销售产品的新方法。关键词——人工智能、教育、应用、挑战、系统、开发和挑战。
机遇与创新的交汇之处 - NJ.gov
新泽西州一直在开拓前进的新道路：在科学和医学、音乐和文学以及高等教育领域。五十年前，新任众议员——未来的州长——汤姆·基恩提出了教育机会基金 (EOF)，以支持弱势学生追求高等教育。该计划的成功激发了全国各地类似计划的创建，如今，EOF 继续体现新泽西州对那些原本无法接受高等教育的学生的承诺。像 EOF 这样的创新计划在新泽西州的高等教育传统中发挥着核心作用。自上任以来，我有幸亲身体验了这段鲜活的历史。在访问全州各地的学院和大学期间，我看到了无数鼓舞人心的举措，它们通过创新创造了机会，让我对新泽西州的未来充满希望。然而，尽管各地都在开展良好的工作，但新泽西州仍然缺乏全州高等教育的共同、集体方向。在过去的一年里，我们收集了主要教育利益相关者的反馈，分析了相关数据的趋势，并审查了以前的报告，以更好地了解新泽西州在高等教育方面面临的问题。在此过程中，我们不仅会见了数百名学生、教师和工作人员，还与新泽西州高等教育界进行了一项前所未有的调查——收到了 10,000 多份回复。我们的外展活动涉及
空间技能与 STEM 成就之间的关系
学习者的空间技能是 STEM 教育（包括计算机）成就的可靠且重要的预测指标。空间技能也是可塑的，这意味着它可以通过训练得到提高。大多数认知技能训练只能提高一小部分类似任务的表现，但研究人员已经发现足够的证据表明空间训练可以广泛提高 STEM 成就。我们尚不清楚使空间技能训练具有广泛可转移性而其他认知训练却不能的认知机制，但了解这些机制对于开发持续有益于学习者的培训和教学非常重要，尤其是那些从低空间技能开始的学习者。本文提出了空间编码策略 (SpES) 理论来解释连接空间技能和 STEM 成就的认知机制。为了激发 SpES 理论，本文回顾了 STEM 教育、学习科学和心理学的研究。SpES 理论为这些文献中的发现提供了令人信服的事后解释，并与关于大脑结构功能的神经科学模型相一致。本文最后提出了一个计划，用于测试该理论的有效性并将其用于指导未来的研究和教学。该论文重点关注计算教育的意义，但空间技能对 STEM 表现的可转移性使得提出的理论与许多教育界相关。
人工智能的民主化及其在社会研究教育中的变革潜力
Ilene R. Berson 和 Michael J. Berson COVID-19 疫情以及其他颠覆性事件极大地加速了人工智能 (AI) 融入教育体系的进程，并改变了公众对技术辅助学习的看法。随着技术继续快速发展，生成式人工智能软件的出现已成为全球新闻头条，并成为教育界的热门话题。生成式人工智能包括计算机生成的图像、视频和文本，随着它免费向公众开放并进入主流，引发了一系列反应。1 虽然一些教育工作者认为人工智能是一个神秘而神奇的领域，但另一些人很快就对人工智能生成的论文对教育的潜在威胁和对学术诚信的风险表示担忧。我们并不是在为我们所知的社会研究教育的消亡敲响警钟，而是好奇像 ChatGPT 这样的下一代人工智能应用程序将如何彻底改变社会研究的教学和学习方式。虽然预测这些创新将如何发展和使用可能具有挑战性，但至关重要的是，我们必须认真考虑人工智能在解决社会研究教育面临的挑战方面的潜力，并制定将其有效融入课堂的策略。这包括确定人工智能的伦理影响、其对评估方法的影响以及教育工作者和技术专家之间的合作机会。通过利用这种数字化的潜力，