在课程设计中利用 LLM：使用 GPT-4 辅助学习目标编写
人工智能
2023-07-03 v1 计算与语言
摘要
我们评估了生成式预训练变换器（GPT-4）在面向实践的大学人工智能课程中自动生成高质量学习目标（LOs）的能力。关于这一新兴技术在教育中的机遇（如内容生成、解释）与风险（如作弊）的讨论已愈发热烈，但迄今为止尚无关于模型在支持课程设计与 LOs 编写方面能力的研究。LOs 阐明了学习者通过参与课程预期获得的知识与技能。为行之有效，LOs 必须聚焦于学生预期达成的目标、聚焦具体的认知过程且可测量。因此，编写高质量的 LOs 是一项具有挑战性且耗时（即昂贵）的工作。我们基于精心设计的提示（关于高质量 LOs 编写的详细指南）提交给 GPT-4，针对一门 AI 实践课程的概念模块与项目，评估了 127 个自动生成的 LOs。我们分析了所生成的 LOs 是否遵循某些最佳实践，例如是否以布鲁姆分类法中对应预期复杂程度的动作动词开头。分析表明，生成的 LOs 合理、表达恰当（如以动作动词开头），且大体在布鲁姆分类法的适当层级上运作，并尊重概念模块（较低层级）与项目（较高层级）的不同性质。我们的结果可被希望利用最先进生成模型来辅助其课程与教学设计工作的教师及课程设计者所借鉴。
引用
@article{arxiv.2306.17459,
title = {Harnessing LLMs in Curricular Design: Using GPT-4 to Support Authoring of Learning Objectives},
author = {Pragnya Sridhar and Aidan Doyle and Arav Agarwal and Christopher Bogart and Jaromir Savelka and Majd Sakr},
journal= {arXiv preprint arXiv:2306.17459},
year = {2023}
}