#AI
#Agent#Education
美國華頓商學院Ethan Mollick教授的新論文"AI Agent 與教育：大規模模擬實踐"
摘要：本文探討了生成式人工智慧在創建適性化教育模擬方面的潛力。透過利用由多個人工智慧Agent組成的系統，模擬器可以提供個人化的學習體驗，讓學生有機會與AI生成的導師、角色扮演者和教師導向的評估者一起在情境中練習技能。我們介紹了一個原型--PitchQuest，這是一個創投行銷模擬器，展示了人工智慧在提供指導、促進練習和提供客製化回饋方面的能力。本文討論了該模擬器背後的教學法、支援該模擬器的技術以及將人工智慧用於教育的倫理考慮因素。在承認限制和需要嚴格測試的同時，我們提出，生成式人工智慧可以大大降低創建有效、吸引人的模擬的障礙，為大規模體驗式學習開闢新的可能性。
雖然文中主要討論生成式AI在高等教育和專業培訓上的應用，但文中的AI agent設計流程跟具體的prompt也給我很大的啟發。
--AI agent的: 文章中描述的 AI agent，例如導師agent、NPC agent和 班級洞見 agent，可以啟發我們思考如何在課堂中利用 AI 技術輔助教學，例如提供個人化指導、創建互動學習體驗或分析學生學習數據等。
--AI的倫理跟使用上的提示更是一定要筆記下來
圖3.5顯示了Agent處理數據的方式。 導師Agent（A）允許學習者提出有關行銷的一般問題並提供指導。它將學習者的喜好（B）作為參考點，將其納入示例中以增加價值。投資者Agent（C）模擬與風險投資家的電梯行銷。投資者的個性和行銷的具體公司是可變的（D）。評估Agent（E）獲得電梯行銷的記錄（F），並被要求對學習者的表現進行反饋，並給予評分，使遊戲能夠向學習者展示適當的影片反饋。這完成了學習者與AIAgent的定向互動。對於每位學習者，進度Agent（G）會獲取完整的學習者-投資者對話記錄（F），並生成兩句話：一句強調學習者的優勢，另一句指出困難的領域。這個迭代過程會對班上的每個學生重複，確保對個別表現進行全面檢查。 在提取個別評估之後，匯集後（J）由班級洞察Agent（I）進行評估。這個Agent生成整個班級的整體優劣勢報告，創建班級總體表現的連貫摘要（K）。 教師會獲得來自（K）、（J）和（F）的輸出，以便全面了解整個班級在個人和整體層面的表現。
專注於與AI導師的有效交流 要求澄清：為了充分利用您的互動，不要猶豫，請AI解釋或澄清術語和概念。例如，“您能澄清一下什麼是競爭優勢嗎？” 表達您的理解：對您理解的內容和困惑的地方保持透明。這有助於AI有效地調整其解釋。例如，“我理解‘市場細分’這個術語，但您能舉些例子嗎？” 提供脈絡：由於AI不一定能夠跟蹤整個對話，在提問前簡要總結關鍵點，以便獲得更相關的回答。 但請記住AI的限制性 AI有時可能會提供看似合理但實際上不正確的資訊。注意其限制性，並將所提供的資訊與可信來源核實。 對AI的回應保持批判性：AI能回答的問題類型有限，但您必須小心——很容易將意義賦予給AI的回應。AI不是一個真正的人在回應您，因此對每條建議都要保持批判性並進行評估。 您掌握主導權：如果AI變得重複或未能解決您的需求，請引導對話朝您想要的方向發展。例如，“我們來談談營銷策略。” 保護您的個人資訊：避免透露個人資訊，只分享您感到舒適的內容。
留言