AI and Machine Learning for Next Generation Science Assessments

本章重点关注人工智能（AI）和机器学习（ML）在科学评估中的转变作用。文章首先讨论了K-12科学教育框架，该框架呼吁从概念学习转向知识运用。这种转变需要开发新类型的评估，以符合框架的三个维度：科学和工程实践、学科核心思想和贯穿始终的概念。文章进一步强调了传统评估方法（如多项选择题）的局限性，这些方法经常无法捕捉科学思维和科学中三维学习的复杂性。它强调了需要基于表现的评估，这需要学生参与建模、解释和论证等科学实践。本文实现了三个主要目标：回顾目前基于ML的科学教育评估的现状，介绍ML自动评估中得分准确性的框架，并讨论未来的方向和挑战。它深入探讨了基于ML的自动评分系统的演变，讨论了各种类型的ML，如监督、无监督和半监督学习。这些系统可以提供及时和客观的反馈，从而减轻教师的负担。文章最后探讨了预训练模型（如BERT和微调ChatGPT），这些模型在有效评估学生的书面回答方面显示出了潜力。

使用人工智能和机器学习在科学教育中进行评估的转型作用

使用基于机器学习的自动评分系统进行科学教育中的表现评估

介绍了基于机器学习的自动评分系统在科学教育中的现状和未来发展，探讨了BERT和ChatGPT等预训练模型的应用，强调了性能评估的重要性

最近的相关研究包括：1.使用机器学习进行自动化评估的文献综述；2.使用深度学习进行自动化评估的案例研究