面向高等教育课程指令的 AI 代理：来自现场的早期经验

本文呈现了设计、部署和评估基于 AI 的教育代理的最新发现，该代理作为印度理工学院（IISc）硕士级云计算课程的主要教师。我们详细描述了由大型语言模型（LLM）驱动的教师代理的设计，提出了将教师代理融入课程工作流程的教学框架，以主动与学生交互内容交付，并由人类教师补充课程结构并进行问答环节。我们还提出了评估代理-学生交互记录的分析框架，使用可解释的参与度指标衡量话题覆盖范围、话题深度和轮次细化程度。我们报告了学生如何与代理交互以探索概念、澄清疑问并在现场课堂中维持探究式对话的最新经验。我们还报告了针对两个连续教学模块所施加的初步分析指标，揭示了参与度演变模式，从广泛的概念探索过渡到更深入、聚焦的探究。这些结果表明，结构化地将对话式 AI 代理融入教学可以促进反思性学习，为在真实课堂环境中研究参与度提供可复现的方法，支持可规模化、高质量的高等教育。