大语言模型在教育中的实践与伦理挑战：系统性范围综述
计算与语言
2023-08-29 v2 人工智能
计算机与社会
摘要
利用大语言模型（LLMs）的教育技术创新已展现出自动化生成与分析文本内容的潜力。尽管已开发多种创新以自动化一系列教育任务（如问题生成、反馈提供与作文评分），但人们对这些创新的实用性与伦理性存有担忧。此类担忧可能阻碍未来研究及基于 LLMs 的创新在真实教育情境中的采纳。为此，我们对 2017 年以来发表的 118 篇同行评审论文进行了系统性范围综述，以明确使用 LLMs 自动化与支持教育任务的研究现状。研究结果揭示了 LLMs 在自动化教育任务中的 53 个用例，归为九大类别：画像/标注、检测、评分、教学支持、预测、知识表示、反馈、内容生成与推荐。此外，我们还识别出若干实践与伦理挑战，包括技术成熟度低、缺乏可复现性与透明度、隐私与行善考量不足。研究结果总结为面向未来研究的三项建议：以最先进模型（如 GPT-3/4）更新现有创新、拥抱模型/系统开源倡议、在开发全过程采用以人为本的方法。鉴于 AI 与教育的交叉持续演进，本研究结果可作为研究者的重要参考，使其能借力优势、汲取局限，并发掘由 ChatGPT 及其他生成式 AI 模型带来的潜在研究机遇。
引用
@article{arxiv.2303.13379,
title = {Practical and Ethical Challenges of Large Language Models in Education: A Systematic Scoping Review},
author = {Lixiang Yan and Lele Sha and Linxuan Zhao and Yuheng Li and Roberto Martinez-Maldonado and Guanliang Chen and Xinyu Li and Yueqiao Jin and Dragan Gašević},
journal= {arXiv preprint arXiv:2303.13379},
year = {2023}
}