ChatGPT、Bard和Claude等AI工具在工程教育中備受關注。一門專注於機械工程師編碼的課程引入新評量方式，強調學生努力和理解。參與學生在考試中表現更好，顯示這方法有助應對不斷發展的AI工具。未來研究應探討如何負責任地運用AI於教育。 PubMed DOI

研究發現人工智慧輔助英語學習對中國學生的寫作能力和學習動機有正面影響。學生使用人工智慧後，寫作能力和動機都有明顯進步。不同意見也顯示了人工智慧的優勢和疑慮。研究強調了教育領域持續發展和適應人工智慧工具的重要性。 PubMed DOI

大型語言模型（LLMs）在智能視覺化系統中有很大潛力，尤其在專業應用上，但整合時面臨挑戰，包括領域特定問題、視覺化過程及用戶互動。為解決這些問題，我們提出了一個框架，利用微調的LLMs來改善視覺互動。 在教育領域，智能視覺化系統能支持初學者的自我調節學習。我們介紹了Tailor-Mind，一個互動式視覺化系統，幫助AI初學者進行自我調節學習。研究顯示，Tailor-Mind能提供個性化建議，增強學習體驗，驗證了我們框架的有效性。 PubMed DOI

這項研究探討大型語言模型（LLMs），特別是GPT-4，如何應用於分析課堂對話，以評估教學品質和診斷教育需求。傳統質性分析方法耗時且需專業知識，研究旨在確認LLMs是否能簡化此過程。研究使用中學數學和中文課的數據，將專家手動編碼的結果與GPT-4生成的結果進行比較。結果顯示，GPT-4能顯著節省時間，且編碼一致性高，顯示LLMs在教學評估和教育改進上具潛力。 PubMed DOI

這項研究比較了傳統機器學習演算法和大型語言模型在評估學生解決物理問題時的效果。雖然大型語言模型在教育上有創新潛力，但也存在生成不準確資訊、缺乏可解釋性及資源需求高等限制。結果顯示，傳統機器學習演算法在這個情境中表現更佳，特別是在有標記數據的情況下，能有效補充大型語言模型。因此，研究人員在選擇方法時應考慮具體情境和可用資源。 PubMed DOI

近年來，大型語言模型（LLMs）在教育領域的應用越來越普遍，然而創建個性化學習環境仍面臨挑戰。文章提到三大挑戰：首先是可解釋性，需增強對LLMs如何理解學習者的認識；其次是適應性，需開發技術提供個性化教學支持；最後是創作與評估，需建立基於LLM的教育代理。克服這些挑戰將有助於打造更符合學生需求的AI輔導員，進而提升學習成效。 PubMed DOI

這項研究探討大型語言模型（LLMs），像是ChatGPT，對英語作為外語（EFL）寫作教學的影響，特別是學習者的動機和接受度。研究對象為238名參與者，他們接受過使用LLMs進行商業英語寫作的訓練。透過偏最小平方結構方程模型（PLS-SEM），分析了動機、先前學習經驗和技術接受因素的關係。結果顯示，學習者的表現期望和社會影響顯著影響使用意圖，而動機則是影響使用LLMs的關鍵因素，強調了在EFL寫作教育中整合技術的重要性。 PubMed DOI

大型語言模型（LLMs）有潛力改變高中數學的教學方式。雖然大部分研究專注於輔導學生，但對於如何幫助教師的探討仍然不足。本研究提出利用LLMs增強教學計畫，透過模擬教師與學生的互動並生成教學反思，進而指導LLM改善教學計畫。人類評估顯示，這種方法顯著提升了LLM生成的教學計畫質量，與人類教師創建的計畫相當。這不僅幫助教師排練模擬，還提供了完善教學計畫的見解，展現了LLMs在教學準備中的實際應用。 PubMed DOI

這項研究分析了四種人工智慧大型語言模型（LLMs）對有學習障礙和沒有學習障礙學生的反饋、挫折感、同情心及未來失敗期望的評估。結果顯示，LLMs對有學習障礙的學生表現出較低的挫折感和較高的同情心，且對未來失敗的期望也低於實習教師。特別是ChatGPT4對兩組學生提供了更多正面反饋。整體而言，LLMs可能促進對有學習障礙學生的包容態度，但仍需調整以增強文化和情感的敏感性。 PubMed DOI

這項研究提出了一種新方法，結合生成注意力機制與狀態轉換方程，分析中文教育中的學習行為。這種方法能即時調整注意力權重，模擬學生情感與行為變化，克服現有方法的限制。透過實證實驗，預測行為準確率達90.6%，學習滿意度得分89.2，超越BERT、GPT-3等基準模型。這些結果顯示該方法在個性化教學與動態行為建模上的實用性，為中文教育提供了結構化框架。 PubMed DOI