关于教育中面向学生、受课程约束的人工智能导师的经验报告

人工智能（AI）集成到教育领域始终备有争议。尽管过去的技术乐观主义常常未能实现愿景，但近期大型语言模型（LLM）的进步复兴了可扩展、个性化辅导的愿景。本文介绍了RockStartIT Tutor的设计与试点评估，该AI助手为RockStartIT计划内的数字编程和计算思维课程提供支持。该系统基于GPT-4通过OpenAI的Assistant API实现，采用新颖的提示策略和模块化语义标签知识库，为中学生提供情境感知、个性化且受课程约束的支持。我们采用技术接受模型（TAM）对13名学生和教师进行评估。学习者欣赏低压环境下的提问和分层引导。教育者强调该系统在独立任务中减轻认知负荷并补充课堂教学的潜力。关键挑战包括原型限制、样本量不足以及针对目标年龄群体的长期研究需求。我们的发现凸显了一种无需模型训练、通过结构和提示塑造行为的务实式AI集成方法。我们将AI导师定位为非教师替代品，旨在延长反馈获取、促进探究，并支持学校最擅长的事项：帮助学生学习。