Search research articles

关于 JoVE

概览领导团队博客 JoVE 帮助中心

作者

出版流程编辑委员会范围与政策同行评审常见问题投稿

图书馆员

用户评价订阅访问资源图书馆顾问委员会常见问题

研究

JoVE Journal Methods Collections JoVE Encyclopedia of Experiments 存档

教育

JoVE Core JoVE Business JoVE Science Education JoVE Lab Manual 教师资源中心教师网站

使用条款与条件

相关概念视频

Improving Translational Accuracy

Improving Translational Accuracy

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序

Same author

Visual analytics framework for survival analysis and biomarker discovery from gene expression data.

PloS one·2026

Same author

Online tutorial on survival analysis for biomarker discovery.

PLoS computational biology·2026

Same author

Early cAMP signaling orchestrates single-cell synchronicity throughout Dictyostelium development.

Communications biology·2026

Same author

Hands-on training about data clustering with orange data mining toolbox.

PLoS computational biology·2024

Same author

Teaching bioinformatics through the analysis of SARS-CoV-2: project-based training for computer science students.

Bioinformatics (Oxford, England)·2024

Same author

Transcriptional milestones in <i>Dictyostelium</i> development.

Genome research·2021

Search research articles

相关实验视频

Updated: Sep 15, 2025

Augmenting Large Language Models via Vector Embeddings to Improve Domain-Specific Responsiveness

Augmenting Large Language Models via Vector Embeddings to Improve Domain-Specific Responsiveness

Published on: December 6, 2024

使用大型语言模型进行自动化作业评分:来自生物信息学课程的见解

Pavlin G Poličar¹, Martin Špendl¹, Tomaž Curk¹

¹Faculty of Computer and Information Science, University of Ljubljana, Večna pot 113, 1000 Ljubljana, Slovenia.

Bioinformatics (Oxford, England)

|July 15, 2025

概括

此摘要是机器生成的。

大型语言模型 (LLM) 可以有效地评分学生的作业,提供与人类教学助理可比的反. 这项技术为个性化的教育提供了可扩展的解决方案,开源的LLM证明与商业选择一样有能力.

更多相关视频

Constructing and Visualizing Models using Mime-based Machine-learning Framework

Constructing and Visualizing Models using Mime-based Machine-learning Framework

Published on: July 22, 2025

A Virtual Machine Platform for Non-Computer Professionals for Using Deep Learning to Classify Biological Sequences of Metagenomic Data

A Virtual Machine Platform for Non-Computer Professionals for Using Deep Learning to Classify Biological Sequences of Metagenomic Data

Published on: September 25, 2021

相关实验视频

Last Updated: Sep 15, 2025

Augmenting Large Language Models via Vector Embeddings to Improve Domain-Specific Responsiveness

Augmenting Large Language Models via Vector Embeddings to Improve Domain-Specific Responsiveness

Published on: December 6, 2024

Constructing and Visualizing Models using Mime-based Machine-learning Framework

Constructing and Visualizing Models using Mime-based Machine-learning Framework

Published on: July 22, 2025

A Virtual Machine Platform for Non-Computer Professionals for Using Deep Learning to Classify Biological Sequences of Metagenomic Data

A Virtual Machine Platform for Non-Computer Professionals for Using Deep Learning to Classify Biological Sequences of Metagenomic Data

Published on: September 25, 2021

科学领域:

教育技术的教育技术
教育中的人工智能
生物信息学教育教育

背景情况:

个性化反对于学生的学习至关重要,但在规模上提供反是具有挑战性的.
大型语言模型 (LLM) 为高效,个性化的反提供了潜在的解决方案.
在现实教育环境中评估LLM的有效性是必不可少的.

研究的目的:

评估基于LLM的书面作业评分的实际有效性.
为了比较LLMs与人类教学助理 (TA) 的评分准确度和反质量.
评估商业和开源LLMs的表现.

主要方法:

在"介绍生物信息学"课程中,与100多名学生进行了实践评估.
学生的基于文本的答案使用LLMs进行了分级,在一个盲目的研究中,一个子集从LLMs和人类TA获得了反.
六个商业和开源的LLM被系统地评估并与人类的TA性能进行比较.

主要成果:

当有效提示时,LLM实现了与人类TA相比的分级准确性和反质量.
开源LLM的表现与商业LLM相提并论.
学生反的质量评级与LLM生成和人类生成的反相似.

结论:

法律学士是对书面作业进行评分的可行工具,提供可扩展和高质量的反.
开源的LLM为教育机构提供了具有成本效益和隐私保护的替代方案.
基于LLM的分级可以减少教师的工作量,同时增强学生的学习体验.