這篇論文探討了一種新方法，透過檢索增強生成（RAG）框架來評估教師與學生的模擬教學。傳統方法需教師直接參與，增加工作負擔，限制學生獨立練習。研究使用開源工具，如FastChat和Whisper，搭配本地大型語言模型（LLM）分析教學音頻。評估了三個7B參數的開源中文LLM，結果顯示internlm2模型在分析教學音頻及提供反饋方面表現優異。研究還對10名參賽者的模擬教學進行系統分析，並由專家手動評分，驗證系統有效性，顯示先進語言技術在教育評估中的潛力。 PubMed DOI

這項研究探討了Gemini Advanced這個大型語言模型（LLM）在生成臨床小案例和導師指南的有效性，並評估其與問題導向學習（PBL）課程的學習目標的對齊程度。研究結果顯示，LLM生成的臨床小案例在對齊學習目標上得分較高，但原始案例在教育適切性和遵循PBL設計方面表現較佳。導師指南方面，LLM版本在流程和內容全面性上表現優異，但缺乏視覺元素。總體而言，建議醫學教育者利用LLM創造創新的學習體驗，同時注意其局限性。 PubMed DOI

這項研究探討如何利用大型語言模型（LLMs）為高中生提供個性化建議，以提升他們的福祉和學業表現。研究分析了12名學生的數據，包括Fitbit指標和學校表現，並針對每位學生生成建議。結果顯示，雖然建議通常清晰可行，但與學生個別數據的對應程度有所不同，顯示出改進空間。研究強調了LLMs在個性化支持的潛力，但也需進一步驗證和完善，未來應聚焦於介入研究及解決倫理和數據隱私問題。 PubMed DOI

這項研究探討了大型語言模型（LLM）在增強案例學習中的應用。結果顯示，LLM能夠根據學生的問題進行評估，成功遵循劇本的比例高達97.1%（857個案例中有832個）。即使在少數偏離的情況下，仍有96.0%的案例（24個中有25個）提供了合適的醫學回應。研究表明，LLM在教育上是可行的，但仍需進一步研究以了解其對學習成果的影響。 PubMed DOI

這份報告探討了使用大型語言模型（LLMs）進行教育情感分析的初步結果。我們分析了學生報告中的質性描述，以評估他們對學業表現的情感狀態和態度。情感分析揭示了學生參與度的重要見解，並指出需要改進的地方。研究顯示，LLMs能有效分析文本數據，提供比傳統方法更深入的情感理解，顯示出在改善教育評估和干預方面的潛力。 PubMed DOI

大型語言模型在醫學教育應用越來越普遍，不只幫助老師設計課程、製作教材，也能給予學生回饋，提升語言和寫作能力。這篇綜述分析實際案例，說明LLMs對師生的好處，並討論遇到的挑戰及解方。研究建議醫學教育應更廣泛運用LLMs，以提升學習成效和病人安全。 PubMed DOI

這項耶魯大學的研究用GPT-4o協助醫學模擬訓練，能即時產生回饋討論腳本，減輕帶領者負擔並提升討論品質。師生都很支持AI的導入，認為有助於聚焦重點和學習。不過，帶領者還是覺得壓力不小。整體來說，AI在整理資訊和輔助討論上很有幫助，但還是需要人類監督。 PubMed DOI

這項研究發現，大型語言模型（LLMs）在有明確、結構化提示下，能準確且一致地評分醫學生臨床紀錄，但如果只給簡單指示，結果會不穩定。LLM有時會算錯總分，需要外部協助。整體來說，經過優化後，LLM有潛力成為醫學教育自動評分工具，但針對更複雜的評分系統還需進一步研究。 PubMed DOI

大型語言模型在心理科學等學術領域越來越重要，能協助教學、寫作和模擬人類行為。雖然帶來不少好處，但也有倫理和實務上的挑戰。這份摘要整理了最新進展、最佳做法，並提出未來發展方向，幫助學界更負責任且有效地運用LLMs。 PubMed DOI

這項研究用GPT-4分析國中數學課的逐字稿，發現課堂互動的語意內容能解釋約20%教學品質評分的差異。研究團隊找出五種和教學品質有關的語意模式，像是認知參與和課堂對話。結果顯示，AI分析課堂內容有助於了解有效教學的關鍵。 PubMed DOI