掃一掃
關注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
中國人工智能系列研究報告:大型語言模型的教育應用 版權信息
- ISBN：9787576043570
- 條形碼：9787576043570 ; 978-7-5760-4357-0
- 裝幀：平裝
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
中國人工智能系列研究報告:大型語言模型的教育應用 本書特色
一本書帶你了解以ChatGPT為代表的大型語言模型在教育領域的應用；
既有對大型語言模型的教育應用的全面梳理，又有對聚焦當下熱點話題的案例分析。
1．大型語言模型教育應用領域的**份系統(tǒng)的研究報告
本書關注各類相關論文、開源代碼、前沿討論等資料來源，站在技術和應用的雙重高度，系統(tǒng)性地梳理大型語言模型在教育領域的應用現(xiàn)狀，并探討其在教育中的實踐意義和潛在價值。
2.聚焦當下熱點話題，啟發(fā)思考
● 大型語言模型對哪些職業(yè)有重大影響？
● 哪些職業(yè)會被人工智能所取代？
● ChatGPT對學術研究的利與弊？
● 人類與AI有哪些差異？
3.上海師范大學教育學部部長、華東師范大學教授范國睿傾情推薦
本研究報告的誕生標志著我國在大型語言模型教育應用領域研究和實踐的進一步深入，有助于推動大型語言模型服務于教育的數(shù)字化轉型。本研究報告既注重價值導向，也兼顧實踐應用，可以成為一份供教育決策者、管理者、技術研發(fā)者和教學實踐者了解大型語言模型教育應用的指導性文獻。
中國人工智能系列研究報告:大型語言模型的教育應用 內容簡介
近半年來，以GPT為代表的大型語言模型風起云涌，不僅接近改變了人工智能領域的研究范式，也使得通用人工智能(AGI)和人工智能生成內容（AIGC）成為公眾領域的熱點，而教育領域有可能成為大型語言模型優(yōu)選落地的領域，各類應用層出不窮，各類觀點也此起彼伏。為了應對這一技術與社會的焦點，中國人工智能學會智能教育技術專業(yè)委員會聯(lián)合編撰該研究報告。通過梳理各類同行評議論文、預印本、政策文件、新聞報道、研究報告、內部技術資料、專家調研與訪談材料、在線論壇等不同來源的400多份資料，幫助讀者理解大型語言模型（如GPT-3、GPT-4）的基礎知識、應用及其對教育領域產生的廣泛影響。
中國人工智能系列研究報告:大型語言模型的教育應用 目錄
第1 章 引言 / 1
第2 章 大型語言模型對教育的影響 / 6
2.1 職業(yè)與專業(yè) / 7
2.1.1 對于不同職業(yè)的影響 / 8
2.1.2 職業(yè)和勞動力市場的變化 / 13
2.1.3 人才職業(yè)技能的更新 / 15
2.1.4 人才培養(yǎng)的變革 / 17
2.2 教師職業(yè)能力 / 18
2.2.1 教師職業(yè)能力的變化 / 18
2.2.2 教師自身的專業(yè)發(fā)展 / 20
2.3 學生培養(yǎng) / 24
2.3.1 學生培養(yǎng)的變化 / 25
2.3.2 學生應具備的素養(yǎng) / 30
2.4 學習資源 / 32
2.4.1 學習內容和材料 / 32
2.4.2 教學任務 / 35
2.4.3 語言學習資源 / 37
2.5 學習環(huán)境 / 40
2.5.1 教育虛擬環(huán)境 / 40
2.5.2 模擬行為代理 / 42
2.6 教育評價 / 45
2.6.1 作業(yè)與任務的智能評估 / 45
2.6.2 評估題目的設計 / 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持 / 55
2.8.2 提供參考信息和研究思路 / 56
2.8.3 數(shù)據(jù)處理和分析 / 58
2.8.4 拓展研究方法 / 62 第3 章 典型的教育應用場景 / 65
3.1 應用場景分析 / 65
3.2 學生學習場景 / 67
3.2.1 智能課程輔導 / 67
3.2.2 醫(yī)患對話練習 / 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 備課助手 / 76
3.3.2 課堂教學 / 77
3.3.3 教學評價 / 80
3.3.4 智能學情分析 / 83
3.3.5 職前培訓 / 84
3.4 學校管理場景 / 86
3.5 教育企業(yè)應用場景 / 87 第4 章 大型語言模型與機器心理學 / 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 基于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(xiàn) / 96
4.3 機器心理學的爭議 / 97
4.3.1 語言輸入的局限性 / 97
4.3.2 依賴先前訓練材料 / 98
4.3.3 結果的不穩(wěn)定性 / 98
4.4 機器心理學的實踐應用 / 100
4.4.1 推進心理學的發(fā)展 / 100
4.4.2 對心理治療的作用 / 102
4.4.3 決策支持 / 103 第5 章 面向大型語言模型的人工智能基礎教育 / 105
5.1 大型語言模型對于傳統(tǒng)人工智能教育的沖擊 / 106
5.2 面向大型語言模型的知識體系 / 108
5.2.1 課程目標和內容 / 109
5.2.2 課程評價方式 / 117
5.3 基于大型語言模型的教學方法 / 118
5.3.1 代碼生成和解釋 / 119
5.3.2 問題解答和指導 / 121
5.3.3 個性化學習資源生成 / 123
5.3.4 編程學習評價 / 124
5.4 面向大型語言模型的學習平臺 / 125
5.4.1 互動游樂場/探索工具 / 126
5.4.2 提示符生成/修改工具 / 129
5.4.3 專用提示平臺/存儲庫 / 131
5.4.4 輔助編程工具 / 133
第6 章 教育應用的倫理 / 137
6.1 大型語言模型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 數(shù)據(jù)隱私 / 144
6.2.1 訓練數(shù)據(jù)的隱私泄露 / 144
6.2.2 交互方式帶來的數(shù)據(jù)隱私風險 / 145
6.2.3 交付方式帶來的數(shù)據(jù)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 生成有毒內容 / 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(guī)的監(jiān)管動向 / 156
6.6 教育領域的應對策略 / 161
6.6.1 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 倫理課程 / 169
6.6.5 應對現(xiàn)狀 / 171 參考文獻 / 173 后記 圖書館、博格族和大型語言模型 / 197
2.1 職業(yè)與專業(yè) / 7
2.1.1 對于不同職業(yè)的影響 / 8
2.1.2 職業(yè)和勞動力市場的變化 / 13
2.1.3 人才職業(yè)技能的更新 / 15
2.1.4 人才培養(yǎng)的變革 / 17
2.2 教師職業(yè)能力 / 18
2.2.1 教師職業(yè)能力的變化 / 18
2.2.2 教師自身的專業(yè)發(fā)展 / 20
2.3 學生培養(yǎng) / 24
2.3.1 學生培養(yǎng)的變化 / 25
2.3.2 學生應具備的素養(yǎng) / 30
2.4 學習資源 / 32
2.4.1 學習內容和材料 / 32
2.4.2 教學任務 / 35
2.4.3 語言學習資源 / 37
2.5 學習環(huán)境 / 40
2.5.1 教育虛擬環(huán)境 / 40
2.5.2 模擬行為代理 / 42
2.6 教育評價 / 45
2.6.1 作業(yè)與任務的智能評估 / 45
2.6.2 評估題目的設計 / 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持 / 55
2.8.2 提供參考信息和研究思路 / 56
2.8.3 數(shù)據(jù)處理和分析 / 58
2.8.4 拓展研究方法 / 62 第3 章 典型的教育應用場景 / 65
3.1 應用場景分析 / 65
3.2 學生學習場景 / 67
3.2.1 智能課程輔導 / 67
3.2.2 醫(yī)患對話練習 / 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 備課助手 / 76
3.3.2 課堂教學 / 77
3.3.3 教學評價 / 80
3.3.4 智能學情分析 / 83
3.3.5 職前培訓 / 84
3.4 學校管理場景 / 86
3.5 教育企業(yè)應用場景 / 87 第4 章 大型語言模型與機器心理學 / 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 基于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(xiàn) / 96
4.3 機器心理學的爭議 / 97
4.3.1 語言輸入的局限性 / 97
4.3.2 依賴先前訓練材料 / 98
4.3.3 結果的不穩(wěn)定性 / 98
4.4 機器心理學的實踐應用 / 100
4.4.1 推進心理學的發(fā)展 / 100
4.4.2 對心理治療的作用 / 102
4.4.3 決策支持 / 103 第5 章 面向大型語言模型的人工智能基礎教育 / 105
5.1 大型語言模型對于傳統(tǒng)人工智能教育的沖擊 / 106
5.2 面向大型語言模型的知識體系 / 108
5.2.1 課程目標和內容 / 109
5.2.2 課程評價方式 / 117
5.3 基于大型語言模型的教學方法 / 118
5.3.1 代碼生成和解釋 / 119
5.3.2 問題解答和指導 / 121
5.3.3 個性化學習資源生成 / 123
5.3.4 編程學習評價 / 124
5.4 面向大型語言模型的學習平臺 / 125
5.4.1 互動游樂場/探索工具 / 126
5.4.2 提示符生成/修改工具 / 129
5.4.3 專用提示平臺/存儲庫 / 131
5.4.4 輔助編程工具 / 133
第6 章 教育應用的倫理 / 137
6.1 大型語言模型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 數(shù)據(jù)隱私 / 144
6.2.1 訓練數(shù)據(jù)的隱私泄露 / 144
6.2.2 交互方式帶來的數(shù)據(jù)隱私風險 / 145
6.2.3 交付方式帶來的數(shù)據(jù)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 生成有毒內容 / 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(guī)的監(jiān)管動向 / 156
6.6 教育領域的應對策略 / 161
6.6.1 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 倫理課程 / 169
6.6.5 應對現(xiàn)狀 / 171 參考文獻 / 173 后記 圖書館、博格族和大型語言模型 / 197
展開全部
中國人工智能系列研究報告:大型語言模型的教育應用 作者簡介
陳向東，教授，博士生導師，華東師范大學教育學部副主任 。中國人工智能學會智能教育技術專業(yè)委員會主任，教育 部華東高師師資培訓中心副主任。主要從事計算機支持的協(xié)作學習、人工智能教育應用、信息技術教學法、智能學習空間、新媒體閱讀、技術支持下的教師教育等方面的研究。
書友推薦
- >
名家?guī)阕x魯迅:朝花夕拾
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
我從未如此眷戀人間
- >
山海經
- >
有舍有得是人生
- >
龍榆生：詞曲概論/大家小書
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
隨園食單
本類暢銷
