2024面向教育的生成式AI的负责任发展：评价驱动的方法（英译中）-谷歌-86页_4mb

负责任发展生成式AI用于教育的评估驱动方法：学习者首选微调模型概述

研究目标

本研究旨在负责地开发适用于教育上下文的对话式AI导师，从前沿技术、人类和学习科学角度出发，建立务实的评估方法，以推动AI在教育中的积极作用。

方法

跨学科研究团队结合教育工作者和学习者的参与式研究，将学习科学原理转化为Gemini模型的教学增强策略。构建了7种评估基准（定量、定性、自动和人工评估），开发了针对教学技能的监督微调数据集，释 放LearnLM-Tutor模型。

评价标准

• 评估方法：开发了全面的基准，包括定量、定性、自动与人工测定
• 教育基准：涵盖定量、定性、人类与自动评估的7种评价方法
• 模型开发：在Gemini模型基础上，微调其教学能力
• 模型偏好：研究显示学习者和教育工作者均更偏好LearnLM-Tutor

创新贡献

1. 精炼了负责任发展教育AI的方法论
2. 构建了创新评估框架，动态结合多源测评标准
3. 开创性开发了适应性对话系统，其教学偏好的设计获得教育者与学习者的一致认可

核心发现

1. 教学系统的开发路径需要重新定义AI渗透至教育学理论指导
2. 完成7套教育基准的设计与验证，覆盖执行力、认知负荷管理等教学维度
3. LearnLM-Tutor在对话式指导的拟人化表达与期望定位方面等维度获得高分
4. 新教育模型在对话有效性与教育适配性上实现显著性进步，促进教育技术与教育科学可持续发展。