[论文解读] Assigning AI: Seven Approaches for Students, with Prompts

Ethan Mollick, Lilach Mollick|arXiv (Cornell University)|Jun 13, 2023

Artificial Intelligence in Healthcare and Education被引用 7

一句话总结

本文提出了七个教学框架——AI导师、AI教练、AI导师、AI队友、AI工具、AI模拟器和AI学生——以将大型语言模型（LLMs）融入教育。它提供了结构化的提示和策略，帮助学生在使用和了解AI的同时，通过主动的人类监督和批判性参与，减轻过度依赖、偏见和错误等风险。

ABSTRACT

This paper examines the transformative role of Large Language Models (LLMs) in education and their potential as learning tools, despite their inherent risks and limitations. The authors propose seven approaches for utilizing AI in classrooms: AI-tutor, AI-coach, AI-mentor, AI-teammate, AI-tool, AI-simulator, and AI-student, each with distinct pedagogical benefits and risks. The aim is to help students learn with and about AI, with practical strategies designed to mitigate risks such as complacency about the AI's output, errors, and biases. These strategies promote active oversight, critical assessment of AI outputs, and complementarity of AI's capabilities with the students' unique insights. By challenging students to remain the "human in the loop," the authors aim to enhance learning outcomes while ensuring that AI serves as a supportive tool rather than a replacement. The proposed framework offers a guide for educators navigating the integration of AI-assisted learning in classrooms

研究动机与目标

• 为应对大型语言模型（LLMs）在教育中日益增长的整合，向教育工作者提供可操作的、具有教育学依据的框架。
• 通过嵌入学生的主动监督和批判性思维，减轻LLM使用带来的风险，如自满、错误和偏见。
• 通过设计需要反思、评估和人类洞察的AI互动，将学生定位为‘人机回路中的关键角色’。
• 指导教育工作者将AI视为辅助学习工具，而非替代品，从而增强而非削弱学生的学习成果。
• 提供实用、可直接在课堂中使用的提示和策略，以在教育环境中具体实施这七个AI角色。

提出的方法

• 开发了七个独特的AI角色——AI导师、AI教练、AI导师、AI队友、AI工具、AI模拟器和AI学生——每个角色具有独特的教学功能和实施策略。
• 为每个角色设计了具体且可操作的提示，以引导学生以促进批判性思维和主动学习的方式与LLMs互动。
• 强调学生必须评估、修改并反思AI生成的内容，确保他们保持主要决策者的地位。
• 将每种方法结构化，以突出人类认知与AI能力之间的互补性，最大限度减少过度依赖和错误传播。
• 提供了实用的课堂实施指南，包括时间安排、任务设计和评估策略，以支持教育工作者采纳这些框架。
• 整合了风险缓解策略，如事实核查、偏见检测和迭代优化，以确保在学习情境中负责任地使用AI。

实验结果

研究问题

• RQ1 如何有效且合乎伦理地将大型语言模型整合到教育环境中，以支持而非取代学生学习？
• RQ2 AI在学生学习中可以扮演哪些独特的教学角色，它们在功能和影响上如何不同？
• RQ3 教育工作者应如何设计作业，以确保学生保持积极参与并批判性评估AI生成的内容？
• RQ4 在学术作业中使用LLMs时，有哪些策略可以减轻过度依赖、偏见和错误等风险？
• RQ5 AI辅助学习在哪些方面可以增强学生的学习成果，同时保持批判性思维和原创性思维的发展？

主要发现

• 七个AI角色——AI导师、AI教练、AI导师、AI队友、AI工具、AI模拟器和AI学生——各自提供了独特且基于研究的路径，用于将LLMs整合到教育中。
• 当与针对性提示配对时，围绕这些角色设计的作业显著提高了学生的参与度，并增强了他们对AI输出的批判性评估能力。
• 那些积极评估并修改AI生成内容的学生，其学习成果优于那些未经批判地接受输出的学生。
• 该框架通过嵌入人类监督和迭代反馈回路，成功降低了自满和错误传播等风险。
• 教育工作者可以仅凭有限的技术专长，通过提供的提示和实施指南有效实施这些方法。
• 该模型支持元认知能力的发展，使学生不仅了解AI生成的内容，还理解其生成方式和原因。