Family Educational Rights and Privacy Act
PulseAugur coverage of Family Educational Rights and Privacy Act — every cluster mentioning Family Educational Rights and Privacy Act across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
AssemblyAI 详解面向教育平台的语音转文本 API 评估
AssemblyAI 发布了一份指南，专门针对教育平台评估语音转文本 API。该指南强调，与教师语音相比，学生语音的准确性（包括口音、儿童语音和教室声学）更为关键。它还强调了大规模转录长篇音频的经济影响，建议用户单独对这些工作负载进行建模，并向供应商询问教育内容的每分钟定价。
-
人工智能在教育领域的应用带来了超越记录的隐藏数据隐私风险
教育领域的人工智能系统带来了超越传统记录管理的重大数据隐私风险，因为它们可以从学生活动中推断出个人特征和决策信号。领导者通常低估了这一责任，反而专注于模型质量和网络安全。即使供应商合规，教育机构仍需负责保护学生数据，这需要仔细的合同谈判来限制数据的使用和保留。
-
LaTA 评分器使用本地 LLM 合规地对 STEM 课程进行评分
研究人员开发了 LaTA，一个开源评分器，它使用本地 LLM 对 STEM 课程进行评分，而无需将学生数据发送到第三方 API。这个符合 FERPA 标准的系统运行在通用硬件上，并与现有的 LaTeX 工作流程集成，可在几分钟内完成作业评分。在俄勒冈州立大学的初步部署显示错误率很低，并带来了学生表现和信心的提升。
-
LLM在课堂学生注意力零样本分析方面展现出潜力
研究人员开发了一个保护隐私的系统，利用视频数据分析课堂上的学生注意力。该流程提取骨骼和注视信息，删除原始录像以遵守FERPA等隐私法规。然后，一个大型语言模型QwQ-32B-Reasoning以零样本方式分析这些数据，通过网络仪表板提供关于学生参与度的见解。尽管在多模态行为理解方面显示出潜力，但该系统的LLM组件在与课堂布局相关的空间推理方面仍面临挑战。