通过多学科,基于共识的方法在大学教育中整合生成AI的基于证据的指导方针的开发

科学领域:

• 高等教育 高等教育
• 人工智能的人工智能
• 教育技术的教育技术

背景情况:

• 生成型人工智能 (GenAI) 为高等教育 (HE) 带来了重大机遇和挑战.
• 解决有关准确性,隐私和道德问题的问题对于在学术环境中负责任地整合人工智能至关重要.
• 需要具有适应性,基于证据的框架来指导大学有效利用GenAI.

研究的目的:

• 提出一个全面的过程,以制定跨学科的,基于共识的指导方针,在塞浦路斯欧洲大学 (EUC) 整合GenAI.
• 创建一个灵活的框架,以在高等教育中道德和有效地使用GenAI工具,包括大型语言模型 (LLM).
• 确保指导方针适应新的发展,保护学术自由,并解决道德和实际问题.

主要方法:

• 广泛的文献审查和商为框架开发提供了信息.
• 为了创建指南,采用了结构化工作组方法.
• 该过程涉及代改进,包括使用GenAI工具.

主要成果:

• 制定了一个框架,其中的支柱涉及GenAI的风险/机遇,透明的沟通,负责任的使用和学术诚信.
• 指南强调平衡人工智能以提高教育水平,同时保持批判性思维和独创性.
• 实际建议涵盖人工智能使用,课堂整合和政策制定,确保人工智能增强人类判断力.

结论:

• 代开发过程展示了在高等教育中采用人工智能的实用方法.
• 由此产生的指导方针可以作为其他高等教育机构 (HEI) 的典范.
• 该框架旨在在AI整合期间维护教育质量和道德标准.