提升教育中主动学习的生成式人工智能：基于 GPT-3.5 和 GPT-4 的个性化测试题比较研究
内容提要
本研究分析了GPT-4在高等教育Python编程课程中生成多项选择题的能力，发现其生成的题目语言清晰、干扰项质量高，符合学习目标。与人类导师相比，GPT-4在某些场景下表现接近人类，显示出其在教育中的潜力与局限性。研究还探讨了大型语言模型在教学设计中的应用，强调人为监督的重要性，以确保教育材料的质量。
延伸解读
GPT-4 与人类导师的对比：优势与局限
研究显示，GPT-4 在生成多项选择题时，语言清晰、干扰项质量高，且与学习目标一致，在某些场景下表现接近人类导师。然而，它并非全面超越人类，在部分情况下仍表现不佳。这提示教育工作者：AI 可作为高效辅助工具，但不能完全替代人工监督，尤其在需要深度理解和创造性判断的任务中。
人为监督：确保教育材料质量的关键
尽管 GPT-4 能生成高质量题目，但研究强调人为监督的必要性。AI 可能产生意外输出或不符合教学目标的题目，因此教师需对生成内容进行审核和调整。最佳实践包括利用模板、微调模型、评估输出和创建评分量表，这些措施有助于提升 AI 生成材料的可靠性和教学适用性。
从理论到实践：AI 在教学设计中的应用潜力
研究探讨了大型语言模型在教学设计中的全面应用，旨在缩小理论教育研究与实际实施之间的差距。通过案例研究，GPT-4 被用于创建高阶评估和主动学习组件，展示了 AI 在规模化生成个性化、基于证据的教学策略方面的潜力。未来推荐系统可根据用户教育背景定制 GPT-4 提取的教学设计原则。
Q&A
GPT-4 在生成多项选择题方面的表现如何？
GPT-4 能够生成清晰语言、高质量干扰项的多项选择题，符合学习目标。
与人类导师相比，GPT-4的表现如何？
在某些场景下，GPT-4的表现接近人类导师，但在某些情况下仍表现不佳。
研究中提到的最佳实践有哪些？
有效使用大型语言模型的最佳实践包括利用模板、评估输出和处理意外输出等。
人为监督在教育材料生成中有何重要性？
人为监督确保教育材料的质量，避免生成内容的潜在问题。
这项研究对教育工作者有什么潜在价值？
研究结果为教育工作者提供了利用生成模型支持多项选择题编写的潜在价值。
GPT-4的局限性是什么？
GPT-4在某些情况下表现不佳，显示出其在教育应用中的局限性。
