教育中的人工智能缺乏以人为中心的研究和实践
Artificial Intelligent Robots for Precision Education: A Topic Modeling-Based Bibliometric Analysis
作者: Xieling Chen et al.
随着技术进步，人工智能在促进更优质的教育中扮演者越来越重要的角色。最近，研究者回顾了截至2021年的教育人工智能相关文献，厘清了其中脉络并探讨了未来发展的方向。研究结果说明，人工智能和智能聊天机器人已经广泛运用于不同的学科领域，例如幼儿教育、STEM教育、职业教育和语言教育，促进了移动学习、基于游戏的学习、远程学习和合作学习。然而，研究指出当前的人工智能研究较少真正地做到以人为中心，因此研究者建议让更多地人参与到人工智能的设计、测试和交互中来，不仅如此，人工智能设计者在将机器人部署到教育环境中时，还应该向教师提供充分的技术支持。
以人为中心的人工智能教育应用的风险识别框架
A Risk Framework for Human-centered Artificial Intelligence in Education: Based on Literature Review and Delphi–AHP Method
作者: Shijin Li & Xiaoqing Gu
随着越来越多的研究者开始关注人工智能应用在教育中的应用，识别其中隐含的风险显得日渐迫切。因此，研究者尝试建立了一个针对以人为中心的教育人工智能风险框架。研究结果显示，当前的风险包括4大类别8个指标项，分别是概念误解（MC）、资源滥用（MR）、教学法不匹配（MP）、隐私风险（PSR）、透明度风险（TR）、责任风险（AR）、偏见风险（BR）和感知风险（PR）。对当前文献的回顾显示，绝大多数研究只关注了其中3个或以下的风险类型，其中教学法不匹配和AI资源的滥用是最受关注的指标。研究者指出该风险框架有助于以人为中心的教育人工智能科学、健康以及可持续地发展。
基于自然语言处理的数字能力评估算法
Application of Artificial Intelligence Techniques in Analysis and Assessment of Digital Competence in University Courses
作者: Tzu-Chi Yang
随着信息技术在高等教育中扮演越来越重要的决策，对教师的数字能力评估引起了更多的关注。但针对教师的数字能力评估更多地使用自我报告的形式开展，缺乏客观性。最近，研究者使用了自然语言处理（NLP）技术来分析和评估教学大纲中展现出的数字能力。研究显示，NLP方法的精度和一致性与传统手动评估方法达到了相当高的一致性，同时具备了自动化大规模评估的能力。研究者指出，该方法具有有效、高效和可靠三个特点，因此是未来数字能力评估方面的优秀解决方案之一。
责任编辑：Diaw Maxwell
15117967419@126.com