研究确定了四种学生对大型语言模型（LLM）的依赖类型

一项新近在arXiv上发表的研究确定了本科生在学术写作中依赖大型语言模型（LLM）的四种不同类型。这些类型从“战略型”到“依赖型”不等，是通过分析学生对人工智能价值和成本的看法以及他们的人工智能素养来确定的。研究发现，那些最刻意使用大型语言模型（LLM）的学生，被称为“战略型”用户，但他们在传统成果衡量指标上的得分反而更低，这表明当前的评估方法可能会惩罚独立思考。该研究还强调了一个群体，他们出于道德原因选择不使用人工智能，而这一群体常常被现有的框架所忽视。 AI

影响 为教育工作者提供了一个框架，以便更好地理解和支持学生在学术写作中对人工智能的各种不同使用方式。

排序理由 学术论文，详细介绍了一种对人工智能在教育中使用的分类方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• AI Literacy Framework
• arXiv
• Biggs's Presage-Process-Product model
• expectancy-value theory
• generative artificial intelligence

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →