研究者在大型数学课堂试点生成式AI练习平台
论文AI 评分 62/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
针对大班教学中学生难以及时获取反馈的痛点，Lili Chen等人设计并试点了一款生成式AI练习平台。该平台在自主练习环节提供即时脚手架式反馈，将人工监督从实时评分转移至前置解答验证，从而缓解反馈即时性与人工监督可信度之间的矛盾。研究重点考察了学生使用该工具的交互情况、对反馈价值与可靠性的看法，以及向其他工科课程迁移的经验。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载大班教学反馈痛点
在大型电气工程课程中，学生与助教比例极高，导致学习者陷入困境时往往需等待数日才能获知解题思路错误的原因。尽管及时且具体的反馈是对学生学习影响最大的因素之一，但在现有师生比下难以维持。生成式AI虽能扩展对话式反馈的规模，但若将其用于评分评估，会引发信任与问责担忧；而若引入人工监督以确保判断可靠，又会重新引入削弱反馈价值的延迟。
平台设计与监督转移
为解决反馈即时性与人工监督可信度之间的张力，研究者设计并试点了该生成式AI练习平台。平台在学生自主练习环节提供即时、脚手架式的反馈。核心设计在于改变了人工监督的介入时机，将其从实时评分环节转移至前置的解答验证环节，既保证了反馈的即时性，又维持了系统的可信度。
研究目标与迁移价值
该试点研究的主要目标包括：了解学生与该工具的交互参与方式、评估学生对反馈价值与可靠性的感知，以及提取可迁移至其他工程学科的经验教训。该论文由Lili Chen、Gavin Buskes、Yuxin Ren和Chin Tong Leong撰写，于2026年10月1日提交至arXiv cs.AI板块。
为什么值得看
提出将人工监督前置的思路，解决GenAI反馈即时性与可信度矛盾，为大规模工科教学提供可行方案。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。