让教育数据可访问

# 让教育数据变得易于获取 来源: https://openai.com/index/zelma/ Zelma 是一个由 GPT-4 驱动的研究助手，正在让美国各地的家长、教师、学校管理员和政策制定者能够获取教育数据。 他们要解决的问题是什么？虽然美国 3-8 年级的每个学生都要参加标准化考试，但学生成绩数据在很大程度上仍未被充分利用，散落在不同的来源和格式中。测试数据可以提供强大的见解，帮助了解学生在英语语言艺术（ELA）和数学方面的学习情况，以及不同地区和人口群体的学习水平。但是，那些可能塑造教育未来的关键见解对大多数家长、记者、教育工作者和政策制定者来说实际上是无法获得的。 意识到这一差距后，经济学家兼作家 Emily Oster 博士着手改变这种现状。"Zelma 让家长和政策制定者都能够用简洁的语言获得即时的、量身定制的教育见解，了解对他们最重要的内容，"Oster 博士解释道。Zelma 是如何实现这一目标的呢？Oster 博士在布朗大学的学生研究团队花了一年时间收集数据，并将其精心整理成统一的格式。Zelma 随后与 Novy (https://www.novy.ai/) 合作，利用 OpenAI 的 API 让数据活跃起来。 Novy 利用函数调用 (https://platform.openai.com/docs/guides/function-calling) 来告诉 GPT-4 选择哪些可视化效果和字段来显示数据。对于 Zelma 的"提出问题"视图，他们对一个模型进行了微调 (https://platform.openai.com/docs/guides/fine-tuning)，以创建一个数据感知的自动完成功能，建议有可用数据的问题。他们还嵌入了 (https://openai.com/blog/introducing-text-and-code-embeddings) 已验证的示例图表并将其存储在向量数据库中，以提高处理困难边界情况的准确性。 最大的挑战是预测人们如何表述问题，以及如何让提示词保留在 Zelma 的知识范围内。"我们通过在 Zelma 用户体验中进行有意的设计选择来解决这个问题，引导人们提出 Zelma 能够回答的问题，"Oster 博士解释道。关键功能包括： - **建议示例提示**。由于 Zelma 仅涵盖教育数据的特定领域，这些建议可以帮助用户了解 Zelma 的知识范围以及如何表述他们的问题。 - **公开所有问题** (https://www.zelma.ai/featured)。这可以帮助人们从他人的提问中学习，同时也能防止用户提交大量无关的查询。 - **显示 SQL 代码**。Zelma 提供其逻辑，帮助你快速验证其答案。对于非编码人员，这些因素也用简洁的语言解释。 - **解释背景**。Zelma 通过定义和标记重要事件（例如州评估的变化）来提供背景信息，帮助你了解可能在特定年份影响数据的任何外部因素。