大型語言模型的教育應用

第1 章引言/ 1
第2 章大型語言模式對教育的影響/ 6
2.1 職業與專業/ 7
2.1.1 對於不同職業的影響/ 8
2.1.2 職業與勞動市場的變化/ 13
2.1.3 人才職業技能的更新/ 15
2.1 .4 人才培養的變革/ 17
2.2 教師職業能力/ 18
2.2.1 教師職業能力的變化/ 18
2.2.2 教師本身的專業發展/ 20
2.3 學生培養/ 24
2.3.1 學生培養的變化/ 25
2.3. 2 學生應具備的素養/ 30
2.4 學習資源/ 32
2.4.1 學習內容與材料/ 32
2.4.2 教學任務/ 35
2.4.3 語言學習資源/ 37
2.5 學習環境/ 40
2.5.1 教育虛擬環境/ 40
2.5.2 模擬行為代理/ 42
2.6 教育評估/ 45
2.6.1 作業與任務的智慧評估/ 45
2.6.2 評量題的設計/ 48
2.6.3 學生測評的過程變化/ 50
2.6.4 教師技能的評估/ 51
2.7 教育治理/ 53
2.8 教育研究/ 54
2.8.1 為母語非英語研究者提供支援/ 55
2.8.2 提供參考資訊與研究思路/ 56
2.8.3 資料處理與分析/ 58
2.8.4 拓展研究方法/ 62

第3 章典型的教育應用情境/ 65
3.1 應用情境分析/ 65
3.2 學生學習場景/ 67
3.2.1 智慧課程輔導/ 67
3.2.2 醫病對話練習/ 71
3.2.3 英語口語訓練/ 73
3.2.4情境模擬/ 73
3.3 教師教學場景/ 76
3.3.1 備課助理/ 76
3.3.2 課堂教學/ 77
3.3.3 教學評估/ 80
3.3.4 智能學情分析/ 83
3.3.5 職前訓練/ 84
3.4 學校管理場景/ 86
3.5 教育企業應用場景/ 87

第4 章大型語言模式與機器心理學/ 89
4.1 人類與AI的差異/ 90
4.1.1 智力差異/ 92,
4.1.2 人格差異/ 93
4.1.3 行為差異/ 94
4.2 人類心理評估方法的應用/ 94
4.2.1 基於心理理論的心理學實驗/ 95
4.2.2 心理學經典實驗在模型上的再現/ 96
4.3 機器心理學的爭議/ 97
4.3.1 語言輸入的限制/ 97
4.3.2 依賴先前訓練材料/ 98
4.3.3 結果的不穩定性/ 98
4.4 機器心理學的實務應用/ 100
4.4.1 推進心理學的發展/ 100
4.4.2 對心理治療的影響/ 102
4.4.3 決策支援/ 103

第5 章面向大型語言模型的人工智能基礎教育/ 105
5.1 大型語言模型對於傳統人工智能教育的衝擊/ 106
5.2 面向大型語言模型的知識體系/ 108
5.2.1 課程目標與內容/ 109
5.2.2 課程評估方式/ 117
5.3 基於大型語言模型的教學方法/ 118
5.3.1 代碼產生與解釋/ 119
5.3.2 問題解答與指導/ 121
5.3.3 個性化學習資源產生/ 123
5.3.4 程式設計學習評估/ 124
5.4 大型語言模式的學習平臺/ 125
5.4.1 互動遊樂場/探索工具/ 126
5.4.2 提示符號產生/修改工具/ 129
5.4.3 專用提示平臺/儲存庫/ 131
5.4.4 輔助編程工具/ 133

第6 章教育應用的倫理/ 137
6.1 大型語言模式的演變及其社會影響/ 138
6.1.1 2017年—2022年10月/ 139
6.1.2 2022年11月—2023年5月/ 141
6.2 資料隱私/ 144
6.2.1 訓練資料的隱私外洩/ 144
6.2.2 互動方式帶來的資料隱私風險/ 145
6.2.3 交付方式所帶來的資料隱私風險/ 146
6.3 大型語言模型的風險行為/ 146
6.3. 1 展示偏見/ 147
6.3.2 產生有毒內容/ 149
6.3.3 大型語言模型的幻覺/ 151
6.4 可解釋性與透明度/ 154
6.5 政策法規的監管動向/ 156
6.6 教育領域的應對策略/6
.相關政策/ 161
6.6.2 推進機制/ 164
6.6.3 倫理教育內容/ 165
6.6.4 倫理學課程/ 169
6.6.5 應對現狀/ 171
參考文獻/ 173