【英国教育部】2024教育中领域生成式AI用例研究报告_121页_1mb

详细总结：生成式人工智能在教育中的应用场景

项目概述

从2023年9月至2024年3月，Faculty AI、国家教学研究院（NIoT）和ImpactEd Group（代表AI in Schools Initiative）与英国教育部（DfE）合作，开展了“生成式人工智能在教育中的应用场景”项目。该项目旨在探索生成式人工智能（GenAI）在教育领域的潜在应用，以减少教师工作负担、提高教育成果，并通过自动化处理日常任务来改善教学效率。项目分为四个阶段：预黑客松用户调研、黑客松活动实施、原型工具（PoC）的开发与测试，以及用户研究。

核心内容

项目目标

• 将教师的声音置于教育中人工智能发展的核心。
• 拓宽对现有生成式人工智能工具在教育领域中优势与局限性的证据基础。
• 理解教师对AI工具的需求，以有效提升其在改善学生学习中的作用。
• 向教育行业传播相关经验与学习成果。
• 探索利用教育特定数据集提升生成式人工智能模型性能的潜力。

项目结构与阶段

项目团队运行了四个工作流：

1. 预黑客松用户调研：通过在线调查和小组讨论，收集来自教育领域的710名从业者的意见，初步确定使用案例。
2. 黑客松活动：组织了超过60名参与者，包括潜在用户、教育政策专家和数据科学家，测试不同GenAI应用场景。
3. 原型工具（PoC）开发与测试：由Faculty AI和AI in Schools Initiative主导，开发了一个用于评估学生作文并提供个性化反馈和复习活动的原型工具。
4. 用户研究：由NIoT进行，旨在了解教师和学生对GenAI工具的使用体验、观点及对AI在教育中应用的潜在风险与机遇。

主要观点

教师对GenAI的使用案例

通过黑客松活动，项目团队共筛选出12个潜在使用案例，其中8个被选为有潜力发展为原型工具（PoC）的案例。这些案例包括：

• 课程计划或活动适配器：根据具体班级需求调整课程计划和活动。
• 反馈与复习活动生成器：评估学生作业并提供个性化反馈和复习活动。
• 问题生成器：根据课程计划和教学目标自动生成问题。
• 特殊教育需求（SEND）支持工具：帮助教师调整课程内容以满足特殊教育需求学生的学习要求。
• 作文评分工具：批量评分英语作文，并为教师提供学生表现分析。
• 课程活动生成器：生成多样化的课程材料，如分层活动、测验和剧本。
• 家长与监护人沟通工具：生成学校通讯或关于学校活动的邮件。
• 政策文件生成器：根据学校特征、现有政策和国家立法生成学校政策文档。

PoC工具的开发

PoC工具专注于作文评分和个性化反馈与复习活动生成两个使用案例，旨在评估学生作文并提供基于国家课程标准的反馈。工具支持教师和学生两种用户旅程：

1. 上传学生作文：用户可上传学生作文及任务描述，系统会分析作文内容并指出错误。
2. 生成反馈与复习活动：系统为教师提供反馈总结，包括拼写、标点和语法错误；同时为学生生成鼓励性的反馈，并提供四种类型的复习任务（根据国家课程标准的重要性排序）。

用户调研发现

• 教师普遍认为GenAI在反馈和作业评分方面具有潜力，但对其准确性、可靠性和使用安全性存在担忧。
• 教师希望获得培训、资金支持和专家指导，以更好地使用GenAI工具。
• 学生对AI生成的反馈持积极态度，但更关注反馈的清晰度和可理解性。
• 教师认为AI工具的使用需要与学校文化、政策和教学实践相结合。

关键信息

• 项目通过黑客松和用户调研收集了大量关于GenAI在教育中应用的见解。
• 尽管部分使用案例在技术上具有可行性，但目前没有一个被认为是“准备好用于学校”的。
• PoC工具主要用于测试GenAI在教育中的实际表现，而非开发可部署的最小可行产品（MVP）。
• 教师和学生对AI工具的使用体验受到学校环境、文化背景和过往AI使用经验的影响。
• GenAI工具在教育中的应用仍面临诸多挑战，包括数据获取、工具整合、伦理和安全问题。

未来工作建议

• 需要进一步研究GenAI在教育中的具体应用场景，并结合学校实际情况进行调整。
• 需要探索如何结合教育领域数据集以提升GenAI模型的性能。
• 需要加强对教师和学生在AI使用方面的培训和指导。
• 需要关注AI在教育中的伦理、安全和文化适应性问题。

附录摘要

• 附录1：总结了预黑客松咨询阶段的发现，包括教育工作者对AI工具的期望和担忧。
• 附录2：提供了黑客松活动的完整报告，包括GenAI在教育中可能面临的障碍与机遇。
• 附录3：总结了AI mini-hackathons项目，包括项目背景、目标、活动内容及成果。
• 附录4：列出了项目指导委员会的成员名单。
• 附录5：详细描述了用户调研的方法，包括样本选择、材料与流程。
• 附录6：列出了黑客松中使用的提示（prompts）及其目的。
• 附录7：提供了相关文献的参考列表。

结论

该项目为生成式人工智能在教育领域的应用提供了宝贵的见解，展示了其在作业评分、个性化反馈和复习活动生成方面的潜力。然而，AI工具的广泛应用仍需解决技术、伦理和文化上的挑战。未来的研究和实践应聚焦于如何更好地结合教师需求、学校环境和AI技术特性，以确保其在教育中的有效和安全使用。