面向中学生的生成式AI个性化任务：教师是否应在环内？
机器人学
2026-02-19 v1 人工智能
摘要
将指令适配个体学生细粒度需求是近期大型语言模型advance中的强大应用。这些生成式AI模型能够创建与学生兴趣相符的任务，实现情境层面的个性化，从而提升学生对学习学术内容的兴趣。然而，在教师参与其中创建或修改任务时，尚不清楚这种过程的效率如何，尽管商业生成式AI工具声称能节省教师时间。本研究中，我们将7名中学数学教师与ChatGPT合作，为其课程中的问题创建对应的个性化版本，以契合学生的兴趣。我们考察了教师所采用的提问策略、创建问题的效率，以及521名7年级学生在接收个性化作业后的反应。我们发现，教师在环内导致生成式AI实现的个性化在细粒度尺度上相对宽泛，而学生倾向于更小的细粒度尺度，他们希望接收包含特定流行文化参考的任务，这些参考能引起他们的兴趣。教师花费大量精力调整流行文化参考，并处理问题深度或真实性方面的问题，从而赋予生成式AI更高或更低的控制权。教师能够通过与生成式AI合作提升其设计有趣问题的能力，但该过程在教师通过学习和反思学生数据、迭代其方法后，并未变得特别高效。
引用
@article{arxiv.2602.15875,
title = {Fly0: Decoupling Semantic Grounding from Geometric Planning for Zero-Shot Aerial Navigation},
author = {Zhenxing Xu and Brikit Lu and Weidong Bao and Zhengqiu Zhu and Junsong Zhang and Hui Yan and Wenhao Lu and Ji Wang},
journal= {arXiv preprint arXiv:2602.15875},
year = {2026}
}