| 失效链接处理 |
|
教育大模型研究报告简版-之江实验室 PDF 下载
相关截图：
 主要内容：
第三章 教育专用大模型的潜在挑战
相较于其他领域，在教育中实现真正的自动化和智能化
往往面临着更高的要求，因为教育任务大部分是“非程式化”
的，可自动化程度相对较低。随着大模型在模仿、生成、创
作等能力上的不断突破，大模型有望在教育过程中得到深入
应用。作为一项新兴的人工智能技术，有必要对教育专用大
模型可能面临的挑战进行系统性评估。
一方面，智能机器与人类教师之间存在模糊分野。教育
任务往往需要人类智慧，这使得具备生成、创造能力的大模
型技术在承担复杂认知任务（如艺术创作、决策制定）时，
逐渐模糊了机器与教师之间的界限，从而容易导致师生对大
模型的过度依赖，造成知识体系的断裂和碎片化、偏见等问
题。具体来说，大模型的强大生成能力简化了师生获取信息
的流程，但也放大了其对知识探究的惰性。大模型往往会为
复杂问题提供简洁、直接的答案，但这些答案缺乏连贯性和
完整性，可能导致学生所获取的知识处于不断被切割的状态。
同时，数据集本身或算法等原因导致模型对某些特定群体或
5主题存在偏好或歧视，可能会导致模型输出的答案或结论存
在偏差。
另一方面，通用与专用大模型在人类价值上可能存在冲
突。通用大模型在教育领域的应用受限主要源于其缺乏教育
领域特定的深度知识和个性化定制能力。这种模型通常是通
过广泛而通用的文本数据训练而成，未必能准确理解教育领
域特定术语、学科需求及学习模式，由此引发通用与专用大
模型之间的过程与结果的冲突、生成与探究的冲突、自动与
协作的冲突、透明和可靠的冲突。因此，需要定制基于领域
知识深度理解的教育专用大模型来提供更有效、精准和深度
的智能化支持。
|
| Java1234官方群25： | 
|
| Java1234官方群25： | 838462530 |
苏公网安备 32061202001004号
