基于生成式人工智能的学业评价应用研究——以ChatGPT为例

摘要

目前,传统的学业评价方法在反映学生的各项技能与知识掌握情况方面尚存一定不足,评价过程需要较多的时间与资源且难以实现个性化评价。文章首先探讨了ChatGPT(Chat Generative Pre-trained Transformer)在学业评价中的生成与应用,对学生学习数据进行诊断、激励、指导、干预。其次使用Bi-LSTM(Bi-directional Long Short-Term Memory)模型对评价文本进行情感分析,并使用BERT(Bidirectional Encoder Representation from Transformers)模型进行文本相似度检测,对ChatGPT评价内容与教师评价内容进行对比,结果显示:ChatGPT的评价内容情感在客观上更为积极,其评价内容文本相似度达到教师评价的75.21%以上,已具备实际应用价值与潜力。最后探讨了生成式AI在学业评价应用中的风险与启示。