标签
本文提出将机器学习问题构建成输入-输出任务，以利用自动编程评估工具进行AI教育，增强理论与实践的融合，而不创新AI本身。
本文开发并评估了一种六阶段工作流程，该流程利用生成式AI为本科生数学创建无障碍交互式可视化，无需编程，并在多种工具中达到WCAG 2.2 AA级合规性。
本文介绍了一个可解释的特征-大语言模型混合系统，用于自动化第二语言英语口语评估。该系统优于个别受过训练的人类评判者，并表明停顿编码对大语言模型流畅度评分没有显著影响。
这篇IEEE论文介绍了一个AI驱动的知识图谱平台，将数据库课程中的SQL错误与概念差距联系起来，自动提取课程概念并将其与学生提交关联，以提供个性化的诊断反馈。
本文提出了一个框架，使用LLMs生成针对性的合成误解，这些误解基于从布鲁姆分类学改编的五类分类法，旨在解决教育研究中标记学生错误数据稀缺的问题。
本文介绍了 slidesqaqa，这是一个基于 Flask 的软件系统，能从 PDF 幻灯片中生成富有教学价值的问题。该系统采用四阶段大语言模型流水线，依次进行文本和图像提取、全幻灯片范围内的问题规划、幻灯片标注以及输出整合，在技术讲座幻灯片上展示了高保真的问题生成能力。
本文介绍了 Prober.ai，这是一个基于 Web 的写作环境，它利用 LLM 约束的角色为论证写作提供基于询问的反馈，旨在防止认知外包。该系统作为黑客马拉松原型开发而成，通过将修改建议置于学生反思之后，以保留批判性思维能力。
本文介绍了 LaTA，这是一个开源、符合 FERPA 标准的本地 LLM 自动评分系统，专为高阶 STEM 课程设计，可在本地硬件上运行。论文报告了在俄勒冈州立大学的成功部署，显示学生成绩有所提高，且评分准确率极高。
OpenMAIC v1.0.0 是一个多智能体工具，只需一个提示即可生成教育课程，配备专业 Pro 工作台，用于引导并集成各种 AI 提供商。