Investigating Generative AI for Personalized College Assignments Based on Student Interests
本文介绍了 Taklif.AI，这是一个利用 Llama 3.3 和结构化提示工程来根据学生独特的兴趣和文化背景创建个性化大学作业的无服务器生成式人工智能平台，在展示出积极用户反馈的同时，也应对了教育领域中的参与度和伦理挑战。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在世界各地的教室里，教师们正面临着一个无声却持久的挣扎：如何让一堂课对数十名思维、学习方式和关注点各不相同的学生都具有个人意义。一个热爱天文学的学生可能会觉得关于红绿灯的标准数学题很枯燥，而一个痴迷于篮球的学生可能会难以理解一个通用的编程练习的意义。几十年来，教育工作者一直知道，将学校作业与学生自身的兴趣相结合可以激发动力并深化理解，但在大型班级中为每一项作业都做到这一点，将是一项会耗尽教师全部生命的任务。能够编写类人文本的强大计算机程序的出现，开启了一扇新的大门。这些被称为大语言模型的工具，可以阅读标准的作业，并根据特定的兴趣对其进行重写，理论上提供了一种方法，让每个学生都能获得同一课时的独特版本，而无需教师投入额外的时长。
来自加沙伊斯兰大学和意大利萨伦托大学的一个研究小组致力于测试这项技术是否真的能在真实的大学环境中发挥作用。他们开发了一个名为 Taklif.AI 的网络平台，旨在将标准作业（如编程任务或数学问题）自动重塑，使其与学生的爱好（如足球、电子游戏或音乐）相契合。该系统不会改变核心课程或工作的难度；相反，它充当一个“翻译器”，将原始要求包装在一个符合学生个人兴趣的新故事中。为了确保计算机不会偏离主题或产生不安全的内容，研究人员编写了严格的规则或“护栏”，在任何内容展示之前，都会对学生的输入和计算机的输出进行检查。
研究人员使用 68 名参与者（包括 65 名本科生和 3 名教育工作者）对他们的系统进行了测试。每个人都使用该平台个性化了一份他们自选的作业。结果令人鼓舞。当被问及个性化版本是否比标准版本感觉更有趣时，84% 的参与者表示同意或非常同意。绝大多数人还发现该系统易于使用，并认为原始的学习目标得到了保留。该平台成功生成了一些示例，例如一个关于寻找数字对的编程挑战，被重写为针对一名对天文学感兴趣的学生，变成了一个关于调整望远镜透镜以匹配星光强度的任务。另一个例子将一个集合论问题转化为分析篮球队及其共有球员的情景。在这些案例中，数学逻辑和问题的规则保持完全一致，但语境转向了匹配学生的世界。
然而，研究人员谨慎地指出，他们的研究尚未证明什么。虽然学生报告说作业感觉更有趣了，但团队并未衡量这种兴趣的增加是否实际上导致了更高的考试成绩、更深的理解或更少的学术不端行为。该研究是对人们是否喜欢这个想法以及是否觉得该工具好用的初步检查，而不是关于它是否能改善学习成果的最终定论。该系统也有局限性；它依赖于学生诚实地报告他们的兴趣，并且目前还无法同样轻松地处理每一种类型的作业或学科。研究人员承认，高度抽象的主题可能很难在不丢失其本质特征的情况下进行重构，并警告说过多的叙事可能会分散对实际工作的注意力。
该项目代表了将人工智能从一个仅仅回答问题的工具，向一个帮助设计学习体验本身的工具迈出的重要一步。通过结合灵活的计算机架构和仔细的安全检查，该团队证明了生成规模化且基于兴趣的独特作业是可能的，而这在以前是人类教师无法管理的。他们工作的下一阶段将涉及更严格的比较，即将接受这些个性化作业的学生与接受标准作业的学生进行对比，以观察个性化是否真正改变了他们的学习程度。目前，这项研究表明，当技术被用来架起学生生活与学校作业之间的桥梁时，其结果是让课堂体验感觉不再像是一项苦差事，而更像是一场对话。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。