该研究评估了GPT-4在教育反馈中的应用，结果显示57.4%的用户认为其反馈有帮助，尤其在编程教育中表现突出。GPT-4能够有效识别代码错误并提供结构化反馈，但仍需改进以避免误导信息。此外，研究探讨了其在课堂对话分析和教育材料生成中的潜力，显示出与人工评估高度一致性。

AcademicGPT 是为学术研究设计的模型，展示了在教育反馈、学生求助分类和开放文本评分等方面的潜力。研究表明，GPT-4 在课堂对话分析和教育材料生成中表现优异，显著提高了教学效率和评估一致性。

本研究探讨了大型语言模型（LLM）在教育中的应用，特别是在翻译、课堂对话分析和数据标注方面的潜力。研究表明，LLM能够显著提高效率和一致性，但仍需人类审查以确保可靠性。此外，LLM与人类专家结合在教育政策研究中表现良好，促进了教育反馈的洞察力提取。