大型语言模型和生成式人工智能在教育研究中的效用
摘要：在工程教育中使用自然语言处理（NLP）技术可以为生成文本的潜在过程提供有价值的见解。虽然如果手动进行，访问这些见解可能需要大量的工作量，但近期NLP和大型语言模型的进展已使之成为个人的现实选择。本研究探索和评估了一种组合聚类、摘要和提示技术，用于分析1000多篇学生文章，其中学生讨论了他们的职业兴趣。具体的任务要求学生定义并解释作为工程师的职业目标。使用学生回答的文本嵌入表示，我们将回答进行聚类，以识别学生具有主题相似的陈述。然后，对聚类的回答进行摘要，以快速识别职业兴趣主题。我们还使用一组关于职业满意度和领域的先验代码，展示了使用这些生成文本模型来分析学生写作的替代方法。本研究的结果表明，NLP技术在工程教育研究中的可行性和有用性。通过自动化学生文章的初始分析，研究人员和教育工作者可以更高效准确地识别学生写作中的关键主题和模式。本文介绍的方法对于工程教育和研究目的具有更广泛的应用。通过向工程教育界解释这些方法，读者可以在自己的情境中使用它们。
作者：Andrew Katz, Umair Shakir, Ben Chambers
论文ID：2305.18125
分类：Human-Computer Interaction
分类简称：cs.HC
提交时间：2023-05-30