《大模型下人工智能生成内容嵌入数字素养教育研究》

  • 来源专题:数智化图书情报
  • 编译者: 饶海侠
  • 发布时间:2024-09-28
  • 在全球加速步入数智社会的时代背景下,先进数字技术深度融合实体经济的创新发展格局使得不少国家和地区陆续暴露出数字均等化程度与区域发展水平的正向关联, 亟待大力培养公众的数字化意识、 数字技术知识、 数字技能和数字化应用能力。2023年6月10日,雷晓燕等在《现代情报》中发表了《大模型下人工智能生成内容嵌入数字素养教育研究》一文。文章基于数字生态下全域升级的数智融合使得数字素养成为个体生存技能,结合超大规模的跨模态智能算法模型的技术解构和应用价值,描绘大模型下人工智能生成内容嵌入数字素养教育的模块组成与风险对策。通过大模型下人工智能生成内容嵌入数字素养教育的有序化,为构建全民普惠的数字素养教育机制提供有力支撑,助力实现数字社会公平发展。

    1、研究内容

    本文在系统梳理数字素养教育的庞大受教群体、 复杂教学内容、 终身培育需与参差教学环境的基础上, 积极勾勒在完整的培育周期内充分嵌入人工智能生成内容的数字素养教学情境、 教学资源、 教学流程和教学反馈的科学框架, 全方位助力培养受教群体的数字创新思维与数智社会责任感。

    文章阐述了数字素养内涵的转变与数字素养教育需求,以及大模型下人工智能生成内容的技术解构与应用价值,确定了大模型下人工智能生成内容嵌入数字素养教育的模块组成有(1)虚实融合的数字素养情境教学模块;(2)智能处理的数字素养教学资源模块;(3)数智协同的数字素养教学流程模块。描述了大模型下AIGC嵌入数字素养教育的模块组成和风险对策,从简单文本、图形或音频数据生成到复杂结构的超大规模和超多模态的AIGC的发展历程。讨论了AIGC的覆盖范围、交互状况、展示形式和应用场景以及数字素养在数智化转型中的变化,包括云计算、Web3、深度学习等数字技术知识。强调了数字素养教育的多态融合发展态势。

    2、研究结论

    文章指出AIGC在数字素养教育中有很大的作用:

    1 通过大模型下人工智能生成内容(AIGC)的有序优化,可以为构建全民普惠的数字素养教育机制提供有力支撑。

    2. AIGC在数字素养教育中的应用有助于实现数字社会的公平发展。

    3. 论文提出了四个主要模块,包括情境教学、教学资源、教学流程和教学反馈,这些都是AIGC可以嵌入和发挥作用的领域。

    4. 识别了在AIGC应用中可能出现的风险,包括错漏风险、诚信风险和侵权风险,并提出了相应的风险对策。

    5. 建议采用可解释的偏离模型和强化生成风险的流程治理,以确保AIGC应用的透明度和安全性。

    6. 强调了构建以人为本的人机协同在AIGC应用中的重要性。

    7. 提出了逐步构建全民受益的智能化数字素养终身培育体系的目标。

    8. 通过AIGC的嵌入,可以推动数字社会的健康发展。

    论文的结论强调了AIGC在提升数字素养教育质量和效率方面的重要性,并指出了实现这一目标所需采取的策略和措施。同时,文章也意识到了潜在的风险,并提出了相应的解决方案。

  • 原文来源:https://kns.cnki.net/kcms2/article/abstract?v=ZOnxTxd1G4ICKdtyD3YmoP09h407t2234eWBGLPM_u0gcF6pZe1q5YpcnkzQ4TYDUYHEKwjA17gkcmEH1RemlCWroziUIffbzk2yW7czawurfChLubjCPtdPVJvKiEngKkAWWCotfI0iVUsKRo1S8y4Zz_yzblPT6CWfD40fjCc=&uniplatform=NZKPT
相关报告
  • 《人工智能大模型“拿捏”电池寿命》

    • 来源专题:能源情报网监测服务平台
    • 编译者:郭楷模
    • 发布时间:2024-09-25
    • 从清晨唤醒我们的闹钟,到随身携带的手机,再到电动汽车、无人机等新兴产品,无一不依赖于电池提供的稳定电力。 然而,随着电池使用时间的增长,其容量会逐渐衰减,造成供电时间缩短,影响设备的正常功能。如果能及时检测电池寿命,用户就能在电池性能明显下降前采取相应措施,从而避免因电池问题导致的设备故障或数据丢失,延长电池整体使用寿命。 近日,中国科学院大连化学物理研究所(以下简称大连化物所)研究员陈忠伟、副研究员毛治宇团队,联合西安交通大学教授冯江涛,在电池健康管理领域取得新进展。他们开发了一种新型的深度学习模型,有效解决了传统方法对大量充电测试数据的依赖问题,为电池实时寿命预估提供了新思路,实现了锂电池寿命的端到端评估。同时,该模型作为团队开发的第一代电池数字大脑PBSRD Digit核心模型的重要组成部分,为电池智能管理提供了解决方案。相关成果发表于《电气电子工程师学会交通电气化学报》。 难以预测的电池寿命 电池的循环寿命是指电池在规定的充放电条件下,经历多次完全充放电循环后,容量或性能下降到初始值的某一规定百分比所能经历的充放电次数。通常以电池容量衰减到初始值的80%作为循环寿命的“终点”。 假如一部手机的电池循环寿命是500次,这就意味着,如果每天把手机电量完全用完再充满,那么大约500天后,你就会感觉手机电量没有以前那么耐用了,因为电池的循环寿命到了。 由于电池容量退化是一个受多种因素影响的动态过程,包括充放电循环次数、充放电深度、环境温度、电池老化等,这些因素相互作用,使得电池寿命预测变得尤为复杂。 此前,电池寿命预测都在实验室内进行。比如让电池加速循环,在高温45℃下高倍率运行,以此推断它在实际应用场景中的使用寿命。但是,不同的应用场景和运行条件会对锂电池寿命产生显著影响,以致无法实现对电池的精准预测。 目前,很多团队正积极投身于人工智能领域的探索。“遗憾的是,当前的人工智能技术及其学习深度,以及有限的人力资源,不能完全满足对电池寿命进行精确检测的需求。”毛治宇说,“基于这一现状,我们萌生了一个设想——设计一个能够直接且高效检测电池寿命的创新模型。这一模型致力于突破现有技术的局限,为电池健康管理提供更为可靠和智能的解决方案。” 人工智能模型让电池“透视” 2017年,毛治宇在加拿大滑铁卢大学读博士,陈忠伟是他的导师。当时,人工智能刚刚起步,他们想尝试一下,用它能否解决电池寿命检测这一难题。 “实际上,电池包括正极、负极、隔膜、电极液等,是一个复杂的电化学系统。但是,那时候的模型还停留在简单的神经网络学习,人工智能检测刚刚开始,我们就用自己的电池尝试测试,并纳入此前未被考虑到的电池老化问题,最终检测出来的电池寿命与实际寿命相比,精度有了很大提高。”毛治宇回忆当初第一次尝试时说。 这次初步尝试开启了毛治宇在人工智能应用于电池智能管理方向的科研之路。后来,二人先后归国工作,毛治宇又加入了陈忠伟的团队。 陈忠伟团队有一个方向是智能电池,包括人工智能应用于科学、人工智能应用于工程,毛治宇想在这里圆梦。而目前科技领域已有多个人工智能的计算模型,他们“借风使船”结合多个模型,实现了优势互补。 “我们利用了Vision Transformer结构,它可以进行并行计算,同时处理多个任务。”论文第一作者、在大连化物所从事博士后研究的刘云鹏介绍,“还有一个空间流加时间流的双流框架,可提取多维时间尺度信息,同时借助高效自注意力机制减少计算复杂度。我们根据不同的优势将这两种算法进行了结合。” 这项研究提出了一种基于少量充电周期数据的深度学习模型,该模型通过带有双流框架的Vision Transformer结构和高效自注意力机制,捕捉并融合多时间尺度隐藏特征,实现对电池当前循环寿命和剩余使用寿命的准确预测。 该模型在仅使用15个充电周期数据的情况下,能够将上述两种预测误差分别控制在5.40%和4.64%以内。并且,在面对训练数据集内未出现的充电策略时,仍能保持较低的预测误差,证明了其zero-shot泛化能力。 打造“电池数字大脑” 同时,该电池寿命预测模型是第一代电池数字大脑PBSRD Digit的重要组成部分。通过将模型整合到该系统中,进一步提高了系统的准确性。目前,该电池数字大脑系统作为大规模工商业储能和电动汽车的能量管理核心,可部署于云端服务器和客户端嵌入式设备。 “现在新能源特别是储能是热点话题,很多厂家都想开发全生命周期的电池智能管理系统。我们希望建设一个完整的电池数字大脑,能够更好地管理电池,像大脑一样控制电池的各个方面,让电池效率更高、寿命更长。这是我们未来的一个智能化发展方向。”毛治宇介绍说。 事实上,陈忠伟、毛治宇、刘云鹏正好是一个团队内的“师徒三代”。经过多年发展,团队在电化学、电催化、人工智能方面都有着深厚的积累。他们的目标是打造从基础研究到关键技术开发再到产业应用示范的全链条模式,以应用为导向真正走向产业化,乃至对整个领域产生影响。 150余人的团队中,会聚了超过50位经验丰富的工程师。他们具有不同的技术背景,不乏在大数据架构与算法领域深耕多年的专家,擅长将前沿的算法研究转化为高效、稳定的系统架构,确保技术成果能够顺利落地。 正是这种“研究+开发”深度融合的模式,使得团队能够跨越传统界限,促进不同领域知识与技术的交叉融合。工程师们不仅能独立承担项目研发的重任,还能与科研人员紧密合作,将最新研究成果迅速转化为产品功能,从而加速技术创新与产业升级的步伐。 通过这种高效的协作机制,团队不仅在电池寿命检测等特定领域取得突破,还能灵活应对各种复杂挑战,推动多个项目并行发展,最终实现多元化、全方位的技术创新目标。 “未来,我们计划利用模型提炼等技术进一步优化模型,以提高资源利用率,打造真正的数字大脑。”陈忠伟说。 相关论文信息: https://doi.org/10.1109/TTE.2024.3434553
  • 《ChatGPT类生成式AI对高校图书馆数字素养教育的影响探析》

    • 来源专题:数智化图书情报
    • 编译者:于彰淇
    • 发布时间:2023-12-07
    • 探讨 ChatGPT 类生成式 AI 对高校图书馆数字素养教育的影响因素和引导策略,为国内高校数字素养教育工作者提供可参考的模式与案例,促进构建基于人工智能的本土化高校数字素养框架。[ 研究设计 / 方法 ] 采用实证研究法,根据已有的数字素养五维度设计试卷,并基于知识内容、能力素养、情感价值三个维度对测试答案进行内容分析。[ 结论 / 发现 ] 析出了人工智能视域下数字素养教育知识内容的四大特点,总结了人工智能工具对学生高阶思维能力和情感价值的影响。[ 创新 / 价值 ] 聚焦于人工智能工具对数字素养教育影响的细粒度分析,实现对多人同时利用ChatGPT类生成式AI工具进行数字素养学习的效果测试及结果分析。 基于本研究的核心问题,笔者重点调研了ChatGPT 类生成式AI与高校图书馆数字素养教育的关系以及 数字素养框架要素研究的文献。这些文献的研究问题 涉及:( 1 )ChatGPT类生成式AI对数字素养教育、信 息素养教育及图书馆阅读推广、知识服务等相关教育 和服务的影响及应用展望[9-19];如雷晓燕等基于技术 层面探索了大模型下人工智能生成内容嵌入数字素养 教育的框架模块、具体风险及应对策略[13];李书宁等 从图书馆所涉业务角度对ChatGPT进行测试,其中探 讨了人机协同阅读模式的广泛应用背景下信息素养教 育面对的挑战[11];蔡子凡等从素养教育课件、课程、软 件、社区、评估及虚实交互六个方面展望了人机交融的 图书馆智慧载体[14];Cox 和Tzoc提出在 ChatGPT类 生成AI广泛应用背景下,师生的信息素养将更能帮助 他们通过对所呈现内容的批判性分析做出有根据的判 断[16];吴丹等提出了人工智能时代的“算法素养”,并 对这个前沿概念进行了内涵剖析与能力框架构建[19]。 ( 2 )数字素养框架要素构成梳理。数字素养与技能框 架是表达数字素养与技能集合间复杂关系和范围的通 用方法[20],对数字素养教育起着指导和评估的作用。 欧盟数字素养框架(DigComp)[21]经过 10 余年的发 展和完善,已成为国际上较为权威和有影响力的框架, 迄今为止一共发布过四版框架,均是从素养领域及概 念、具体素养描述、呈现能力等级和水平、知识、技能、 方法的实例、具体素养的场景运用案例五个维度构建。 最新版本DigComp2.2主要包括5 个素养域和 21 项具 体能力,素养域和具体素养表现出层层递进的关系[22]; 2018 年联合国教科文组织发布的数字素养全球框架 (DLGF)[23]与DigComp具备相同的5个维度,包含 7 个素养域和 26 项具体能力。相较DigComp,DLGF 新 增了操作域、职业相关域和计算思维能力;2022年,黄 如花等在《国际数字素养与技能框架的内容分析》[7] 一文中调研了14种国际组织、国家政府和研究机构建 设的高显示度数字素养与技能框架,将共性要素归纳 为数字素养的五个维度:信息维度、社会维度、伦理维 度、迁移维度和目标维度,笔者认为其兼顾了国际视野 和本土特色。通过对现有文献的梳理,笔者析出了本 研究的主要目标和意义:其一,目前国内外文献均是 在信息资源管理学科和智慧图书馆大框架下部分探讨 数字素养和信息素养教育,或者从技术层面进行研究, 鲜有专门从教育层面探讨ChatGPT类生成式AI之于高 校图书馆数字素养教育的细粒度相关文献,尤其是实 证研究;其二,目前我国还未有统一的数字素养与技 能框架。在ChatGPT类生成式AI技术突破性发展背景 下,梳理数字素养的框架要素,促进构建本土化数字 素养框架已经迫在眉睫。本文采用内容分析法,对标 数字素养的五个维度,从知识内容、能力素养、情感价 值多层面探讨ChatGPT类生成式AI对高校图书馆数字 素养教育的影响因素和引导策略。为国内高校数字素 养教育工作者提供可参考的模式与案例,对构建基于 人工智能的本土化高校数字素养框架具有实践意义。