[论文解读] Generative AI for Education (GAIED): Advances, Opportunities, and Challenges

Paul Denny, Sumit Gulwani+5 more|arXiv (Cornell University)|Feb 2, 2024

Online Learning and Analytics被引用 18

一句话总结

本文综述 NeurIPS 2023 的 GAIED 研讨会，概述生成式人工智能在教育中的进展、机遇与挑战，并提出未来研究与社区建设的方向。

ABSTRACT

This survey article has grown out of the GAIED (pronounced "guide") workshop organized by the authors at the NeurIPS 2023 conference. We organized the GAIED workshop as part of a community-building effort to bring together researchers, educators, and practitioners to explore the potential of generative AI for enhancing education. This article aims to provide an overview of the workshop activities and highlight several future research directions in the area of GAIED.

研究动机与目标

• 在生成式 AI 与教育交汇处培养一个多语言的研究人员、教育工作者和从业者社区。
• 探索生成式 AI 的进展如何提升教育技术和课堂实践。
• 确定应对教育特定挑战和政策关注点的保障措施与技术创新。
• 记录来自学术界和产业界的多元观点，以指导未来的 GAIED 研究方向。

提出的方法

• 在 NeurIPS 2023 组织了实体研讨会，约有 150 名与会者、海报展和一个小组讨论。
• 通过由 50 余名委员组成的双盲评审，从 48 篇投稿中遴选出 33 篇被接收论文。
• 邀请了来自研究人员和从业者的 6 场报告，覆盖多种观点。
• 制作了包含 PDF、海报和 60 秒短片的视频工作坊网站，以实现更广泛传播。
• 在发言人和组织者选择中考虑多样性与包容性。

实验结果

研究问题

• RQ1 在本科教育中，生成式 AI 模型广泛可用的情况下，课程设置、教学实践和教师角色应如何适应？
• RQ2 在 AI 辅助内容生成时代，哪些创新的评估策略可以公平地评估学生学习？
• RQ3 需要采取哪些措施来维持创造力和批判性思维，防止因 AI 工具而同质化？
• RQ4 在确保公平性和无障碍的前提下，如何借助生成式 AI 实现大规模的教育个性化？
• RQ5 在教育场景中，我们如何对 AI 系统进行公平性、透明度和隐私保护的审计与保障？

主要发现

• 研讨会在 NeurIPS 社区内引起广泛关注，最多 150 名与会者，33 篇接受论文以海报方式展示。
• 两条主线构成项目框架：GAI → ED（AI 进展带来的机遇）与 ED → GAI（教育驱动的保障与挑战）。
• 邀请报告和小组讨论提供了来自学术界和产业界在实施、学习科学和政策含义方面的多元观点。
• 专门的多样性声明强调跨机构、国家与学科的代表性，并明确关注性别与资历平衡。
• 本文记录了具体的研究主题与趋势，包括内容生成、反馈生成、辅导、编程教育、评估，以及教育中的检索增强生成。