[论文解读] Transformative Influence of LLM and AI Tools in Student Social Media Engagement: Analyzing Personalization, Communication Efficiency, and Collaborative Learning

Masoud Bashiri, Kamran Kowsari|arXiv (Cornell University)|Jun 15, 2024

Artificial Intelligence in Healthcare and EducationMedicine被引用 3

一句话总结

本文研究了大型语言模型（LLMs）和AI工具如何通过提升个性化、沟通效率和协作学习，改变学生在教育类社交媒体平台（如UniversityCube）上的参与度。基于真实用户数据的统计分析与案例研究发现，AI整合显著提升了学术表现、批判性思维和留存率，教育类网络的使用趋势呈现上升态势（R² = 0.82），且季节性波动更明显（CV = 0.51），相较娱乐类网络更为显著。

ABSTRACT

The advent of Large Language Models (LLMs) and Artificial Intelligence (AI) tools has revolutionized various facets of our lives, particularly in the realm of social media. For students, these advancements have unlocked unprecedented opportunities for learning, collaboration, and personal growth. AI-driven applications are transforming how students interact with social media, offering personalized content and recommendations, and enabling smarter, more efficient communication. Recent studies utilizing data from UniversityCube underscore the profound impact of AI tools on students' academic and social experiences. These studies reveal that students engaging with AI-enhanced social media platforms report higher academic performance, enhanced critical thinking skills, and increased engagement in collaborative projects. Moreover, AI tools assist in filtering out distracting content, allowing students to concentrate more on educational materials and pertinent discussions. The integration of LLMs in social media has further facilitated improved peer-to-peer communication and mentorship opportunities. AI algorithms effectively match students based on shared academic interests and career goals, fostering a supportive and intellectually stimulating online community, thereby contributing to increased student satisfaction and retention rates. In this article, we delve into the data provided by UniversityCube to explore how LLMs and AI tools are specifically transforming social media for students. Through case studies and statistical analyses, we offer a comprehensive understanding of the educational and social benefits these technologies offer. Our exploration highlights the potential of AI-driven tools to create a more enriched, efficient, and supportive educational environment for students in the digital age.

研究动机与目标

• 分析LLMs和AI工具对学生在教育语境下社交媒体参与度的影响。
• 研究通过UniversityCube等平台的AI整合，如何提升个性化、沟通效率和协作学习。
• 识别学生在教育类与娱乐类社交网络中的使用模式及长期趋势。
• 通过数据驱动分析，评估AI在提升学术表现、批判性思维和学生留存率方面的作用。
• 为教育工作者和平台开发者提供可操作的见解，以优化AI驱动的教育工具。

提出的方法

• 利用UniversityCube教育类社交媒体平台的真实世界使用数据。
• 应用时间序列分析等统计技术，检测使用趋势中的季节性与长期变化。
• 计算变异系数（CV = σ/μ）以量化网络使用中的季节性波动。
• 进行线性趋势分析，评估随时间的使用变化，报告娱乐类（0.75）和教育类（0.82）网络的R²值。
• 使用主成分分析（PCA）识别驱动用户参与度和功能关系的关键因素。
• 结合案例研究与实证数据，将AI工具使用与学术及社交成果相关联。

Figure 1 : Student Usage of Social network in monthly bases

实验结果

研究问题

• RQ1 LLMs和AI工具在学生社交媒体参与中如何影响个性化？
• RQ2 AI工具在教育类社交网络中在多大程度上提升了沟通效率与协作学习？
• RQ3 学生在教育类与娱乐类社交网络中的长期与季节性使用趋势如何？
• RQ4 AI驱动的内容过滤如何影响学生对学术材料的专注度？
• RQ5 AI增强的平台功能与学生学术表现及留存率之间存在何种关系？

主要发现

• 教育类社交网络的季节性波动更显著（CV = 0.51），相较娱乐类网络（CV = 0.34），表明学生参与度的波动更剧烈。
• 教育类网络的使用呈现强烈的正向线性趋势（R² = 0.82），而娱乐类网络则呈下降趋势（R² = 0.75）。
• 使用AI增强平台的学生报告了更高的学术表现、更强的批判性思维能力，以及在协作项目中更高的参与度。
• AI工具能有效过滤干扰内容，使学生能更专注于教育材料与相关讨论。
• 基于学术兴趣与职业目标的AI驱动匹配算法，营造了更具支持性与思想启发性的在线社区，从而提升学生满意度与留存率。
• LLMs与AI工具在社交媒体平台中的整合，实现了个性化内容推荐、实时反馈及AI驱动的可视化，显著提升了理解力与学习效率。

Figure 2 : Student Usage of Social network in Yearly bases