higher education
PulseAugur coverage of higher education — every cluster mentioning higher education across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
高等教育中生成式AI的采用受“想象的可用性”影响
一篇新论文探讨了生成式AI，特别是大型语言模型，如何在高等教育环境中被采用和看待。研究强调，用户与这些工具的互动受到“想象的可用性”的影响——即用户如何感知技术的潜在用途，而非其客观功能。这一概念借鉴了Archer和Nagy & Neff的研究，表明教育者在引导学生采用方面扮演着类似于设计者的角色，通过他们的期望来影响学生。
-
研究发现：生成式AI在高等教育论文评分方面能力不足
新研究表明，生成式人工智能不适合在高等教育中为论文评分。研究发现，GenAI模型在准确评估学生作业方面能力不足，无法在此方面取代人类教育工作者。
-
AI虚拟患者对话为临床推理提供新见解
一项发表在arXiv上的新研究探讨了如何利用生成式AI虚拟患者来生成医学教育中可解释的临床推理证据。研究人员分析了来自医学学习者的1000多份虚拟患者对话，应用了认知网络分析和转换网络分析等分层分析技术。研究结果表明，评分较高的咨询在信息收集、症状探索和沟通策略之间展现出更复杂的联系，这表明对AI生成的对话日志进行详细分析可以为关注过程的反馈提供宝贵的见解。
-
人工智能重塑教育，强调批判性思维和创造力以应对未来职业
人工智能在教育领域的融合正在从根本上改变职业准备的概念。学生们越来越多地被训练超越死记硬背，转向批判性思维、创造力和协作等更高层次的技能。这种转变强调了提出相关问题并利用AI工具创造新价值的能力，为他们应对自动化塑造的未来劳动力市场做好准备。
-
政策变动引发对高等教育在促进自由探索方面作用的质疑
一场讨论探讨了在不断变化的政策和社会压力下，高等教育机构是否继续支持自由探索和学术自由。文章质疑了威权主义和DEI政策对传统学术环境的影响。文章暗示了教育环境中既有规范可能面临颠覆。
-
民意调查：小企业仍是美国唯一获得两党信任的机构
最近的一项盖洛普民意调查显示，小企业是唯一一个在民主党人、共和党人和独立人士中都获得两党信任的美国机构。相比之下，所有其他受访机构，包括军队、警察和高等教育，都未能获得50%的信任度，这反映了普遍存在的公众犬儒主义。这一发现凸显了小企业在许多国家机构信任度普遍下降的背景下所处的独特地位。
-
CriticAI 启动，旨在审查人工智能在高等教育中的作用
CriticAI 是一个新成立的实践社区，专注于批判性地审查人工智能在高等教育中的应用。该组织旨在影响决策过程，以确保学术原则优先于效率提升。他们欢迎所有关心人工智能对自身工作和学生影响的各界人士加入。
-
研究论文提出大学混合电子评估方案
一篇新研究论文提出了一种高等教育混合电子评估系统，该系统将纸质考试与半自动评分相结合。这种方法旨在通过保留面向问题的任务，同时将学生的答案编码为结构化格式以供机器处理，从而克服完全数字化评估的局限性。该论文强调了准确识别手写字符的挑战，并提出最近具有视觉能力的大型语言模型（LLM），以及双重验证和解决方案密钥比较，可以提高总结性评估的有效性和可扩展性。
-
学生利用生成式AI作为学习资源，培养监管技能
大学生正将对生成式AI的看法从焦虑转变为战略性利用，将其视为宝贵的学习资源。这种转变涉及培养监管能力、评估判断和道德责任。重点是将AI融入高等教育，作为学习工具并理解其影响。
-
技术、经济和政策驱动的高等教育AI危机
高等教育的AI危机受三个关键趋势的影响：AI的社会技术转型，这削弱了人类的反思能力；AI投资泡沫的政治经济学，暗示未来定价和公司生存能力的不稳定；以及高等教育本身因全球波动而加剧的金融危机。大学应推迟锁定AI产品，直到定价模式稳定下来，并紧急改革评估体系，因为目前的方法不太可能在AI进步面前保持安全。仓促采用自动化存在长期成本和学位贬值的风险，而不作为可能会加剧对该行业的批评。
-
高等教育中的AI使用被建模为协调博弈
一篇新的学术论文提出了一个博弈论框架来模拟生成式AI在高等教育中的使用。研究表明，评估设计和同伴期望在塑造学生使用AI工具的行为方面起着至关重要的作用。研究表明，评估激励措施的微小、精心设计的改变可以显著地转向负责任的AI使用，而不是依赖惩罚性措施或监控。
-
生成式AI或将边缘化高等教育中的残疾知识
一项新的研究论文探讨了高等教育中的生成式AI系统如何可能无意中边缘化来自代表性不足群体（尤其是残疾人士）的知识。研究强调，当前AI的训练数据，往往偏向西方和英语国家的视角，加剧了现有的认识论殖民性。文章考察了人机协作在维持认识论多样性方面的潜力，同时警惕仅依赖算法解决方案来实现包容性。
-
评论员警告：LLMs可能将大学教育“僵尸化”
文章《The Great Zombification》探讨了大型语言模型（LLMs）对大学教育可能产生的负面影响。文章讨论了使用LLMs完成作业的便利性可能导致学生批判性思维和真正学习能力的下降。作者担心过度依赖AI工具可能会培养出一代独立思考和深度理解能力较弱的学生。
-
研究人员研究大学人工智能使用指南
一项近期研究考察了大学关于人工智能使用的指南。该调查侧重于高等教育机构为规范人工智能整合及学生和教职员工使用而制定的政策。研究结果为学术界如何适应人工智能技术的存在提供了见解。