学术讲座—在真实情境下利用生成式人工智慧自动产生数学问题，与探讨其对学习的影响
发布时间：2026-03-04浏览次数：10
| 讲座题目 | 在真实情境下利用生成式人工智慧自动产生数学问题，与探讨其对学习的影响(Investigation of using generative AI to automatically generate mathematic problems in authentic contexts and its impact on learning) | ||||
|---|---|---|---|---|---|
| 主办单位 | 计算机科学与数学学院 | ||||
| 联合主办单位 | |||||
| 讲座人 | 黄武元 | 讲座人 职称 | 正高 | 主持人 | 孟振宇 |
| 讲座类型 | 自然科学 | 讲座对象 | 全校师生 | 时间 | 2026-03-16 14:30 |
| 地点 | 至真楼C4-308 | ||||
| 讲 座 人 简 介 | 黄武元教授现任东华大学科学工程学院院长。1989年荣获交通大学计算机科学与信息工程系学士，1991年荣获清华大学计算机科学硕士，1997年荣获清华大学计算机科学博士。主要研究方向为人工智能教育和多媒体人机交互，尤其是真实情境下的智慧学习和创造性学习的人机交互。2023 年及 2024 年入选斯坦福大学/爱思唯尔（Elsevier）教育及教育研究领域全球前 2% 高影响力科学家名单。2007-2017根据他在教学设计和技术领域的 65 个高质量 SSCI 期刊上的论文发表表现，黄博士居世界前七。2020 年在技术增强语言学习领域有最高影响因子(IF= 6.6, 2024）的期刊 Computer Assisted Learning journal (SSCI)，统计了其在十二年间（2008-2019年）的出版情况。在出版物数量、H-index 论文和影响因子方面，黄博士是位列第一的学者。这表明黄博士在技术辅助语言学习领域的贡献得到了认可。他在 SSCI 和 SCI 收录的主要国际期刊上发表了 150 多篇教育技术领域的高质量期刊论文。指导经历: 培养博士研究生和硕士研究生100余名，其中包括 19 名毕业的博士生和 90 多名硕士生。AI 相关的研究经历：利用自然语言处理和 Anything to Text Recognition 来帮助知识学习和在真实环境中的应用，进行实证研究，以证明其对高水平认知发展的有效性。 | ||||
| 讲座 主要内容 | 数学应用问题（MWP）是重要的教学资源，它不仅能评估学生对各种数学概念的掌握程度，还能培养他们的数学推理和问题解决能力。产生真实的数学应用问题（AMWP）是一项具有挑战性的任务，因为需要在数学正确性、情境相关性和教育价值之间取得平衡。产生既可解又有意义的 AMWP 需要精心整合真实情境、准确的数值资料、适当的认知需求以及与学习目标的契合度。此外，确保题型和难度的多样性也增加了生成过程的复杂性。而 MWP 的自动生成技术可以透过有效率地产生多样化、情境相关且数学上准确的问题来帮助应对这些挑战。与现有数学问题产生方法不同，我们提出了一种利用生成式人工智慧自动产生具有情境化、个人化和社交化(Contextualization, Personalization, and Socialization)特性的数学应用问题（AMWP）的新方法。情境化策略旨在将数学概念置于真实世界、实际情境或个人相关情境中，使数学应用题更具意义，这些情境能反映学习者的日常经验与环境。情境化 AMWP 将数学连接至日常体验、实务情境或相关事件，使其对学习者更具相关性、真实性与吸引力。个人化机制则藉由调整难度以匹配个别学习者能力，提升 AMWP 的有效性。藉由依学生技能水平量身打造问题，确保每位学习者获得适当挑战，从而促进参与度、激发动机并达成最佳学习成效。最后，社会化机制则进一步融入社交互动提示与团体导向任务，将 AMWP 从个人练习工具转化为协作学习工具，支持共同解题并发展合作、协商、观点分享等社会认知能力。主要发现与贡献包括：1）透过系统性文献综述（SLR）对数学问题（MWP）自动生成研究进行了全面回顾。它综合了 MWP 生成领域的最新进展，包括最先进的技术和评估方法。这为研究人员和教育工作者提供了全面的参考，指导他们在未来工作中选择合适的生成方法和评估方法。此外，本研究提出了一个用于产生和评估 MWP 的综合框架，该框架融合了情境化、个人化和社会化原则。该框架不仅指导自动生成数学上准确且与情境相关的题目，还提供了结构化的评估标准，用于评估题目的品质、教学契合度以及在个别学习和协作学习环境中的有效性。2）提出并实现了一个自动化的数学问题（AMWP）生成系统。该系统提出了一种利用生成式人工智慧产生三个难度等级的 AMWP 的新方法，并在自动化系统中实现。我们应用了多种评估技术，包括自动指标、人工评估和启发式评估，来验证产生的 MWP 和系统的质量，证明了将生成式人工智慧与真实情境资讯结合生成 AMWP 的可行性。3）透过在真实教育环境中的实施与验证，对自动化的数学问题（AMWP）系统的有效性进行实证分析。我们在真实学习情境中，透过准实验研究评估该系统的成效。结果显示该系统能促进数学问题解决能力，并提升学生的数学学习表现，证实其在课堂环境中的实用价值。4）提出名为 SocioMathLLM 的社会化多模态大型语言模型框架。该框架整合创新提示工程策略，融合多模态真实情境资讯（文字与图像）、多元群体背景资料及社会化准则（如群体规模、任务性质、社会目标、互动频率、交流数量与社会依存性等），以生成旨在促进群体社会化的自动化数学应用题。SocioMathLLM 特别强调其在协作式数学学习中的应用潜力，可培养群体协作、合作、协商及想法分享等社会化能力。 | ||||
