新课程，新机遇：基于检索增强生成的乌干达中学课程规划原型质量评估
内容提要
本文综述了基于大型语言模型的教育技术创新，提出以人为本的开发建议，以应对教育任务自动化的实际与伦理挑战。研究表明，生成式大语言模型在教学中能有效提升问题质量，尤其在数学辅导方面表现突出。教师对自动生成问题的接受度高，其质量可与手写问题媲美。此外，研究探讨了大型语言模型在评估开放式考试答案中的一致性和准确性，强调了进一步研究的必要性。
延伸解读
技术应用与效果
文章综述了大型语言模型在教育中的多项应用，包括问题生成、数学辅导、课程规划、答案评估和反馈生成。研究表明，这些技术能提升问题质量、降低备课时间，并在数学辅导中表现突出。但效果因任务而异，例如在答案评估中一致性存在差异，需进一步研究。
实践挑战与局限
尽管LLM在教育中潜力巨大，但实际应用面临挑战。例如，在数学辅导中需平衡学生偏好与教育资源匹配；在可读性调整中，少量样本提示能提升性能，但可能引入错误信息和不一致的编辑分布。自动评估无法完全替代人工评估，且LLM评分一致性差异显著。
伦理与公平考量
文章强调以人为本的开发推荐，以应对教育任务自动化的伦理挑战。课程推荐范式旨在克服教育技术和课程开发中的不平等，实现平等学习体验。同时，为特殊教育需求提供个性化关注具有潜在可行性，但需注意技术应用中的公平性和包容性。
Q&A
基于大型语言模型的教育技术创新有哪些主要优势？
基于大型语言模型的教育技术创新能够有效提升问题质量，尤其在数学辅导方面表现突出，且教师对自动生成问题的接受度高。
教师对自动生成问题的态度如何？
教师对自动生成的问题持积极态度，认为其质量可与手写问题媲美，甚至可以提高测验质量。
生成式大语言模型在评估开放式考试答案时的表现如何？
研究发现大型语言模型在评估开放式考试答案时的一致性和准确性存在显著差异，强调了进一步研究的必要性。
如何利用生成式人工智能工具改善课程规划？
生成式人工智能工具可以生成定制化的课程计划，显著降低备课时间，提升学习体验，尤其适用于特殊教育需求的个性化关注。
检索增强生成技术在教育中的作用是什么？
检索增强生成技术能够从高质量开源教材中检索内容，自动化部分辅导过程，提高学生的学习效果。
未来在教育技术领域需要关注哪些伦理挑战？
未来需要关注教育任务自动化带来的实际与伦理挑战，确保技术应用以人为本，促进公平的学习体验。
