教育数据挖掘与分析(全英)

加入一些教育数据的人工智能复习课，但是翻转课堂，强度不大，授课教师是Q.R Liang & Z.T Liu

新冒出来的选修课，倒是意外的低于学分数代表的强度（3学分），这次直接全程翻转课堂，作业+结课项目，强度看起来拉满，但小组讲课，每个组4-5人一学期以期中为分界线也就讲两次课，其实还算可以接受，不是什么把学生往死里整的课

翻转课堂环节一般讲两节课多一点，可能是因为下午时段老师赶车回本部，讲课的PPT都是老师和助教提供的，这门课引入了一个慕课一样的平台（头歌），所有资料都会在课程页面提供，包括作业也是在平台上提交。讲课就写个稿子去讲台念，24年课程在五楼机房进行，在讲课的学生直接坐在讲台隔着电脑屏幕，纯对墙念经，讲台下老师和助教也在机房的一台电脑前，基本不会管上面讲课的学生（I人不用担心），但是可能偶尔会打断做内容补充以及强调一些比较重要的知识

课程分两位老师授课：前期课程内容比较简单，但内容跟教育学更相关，跟CS没有多少关系，来上课的是Liang老师；后期课程内容就是从简单的数据分析方法讲起，逐步过度到机器学习和现在的LLM，当然也结合着智慧教育领域的各种应用场景，来上课的就是Liu老师了。24年的作业都在期中之前，依然包含一些需要用SPSS才好做的题目，其答案在这个学期被通过比较暴力的方式（试错法直接提交作业查看成绩）获取了，后来此法由于关闭了查看成绩功能而不再凑效，所以不确定在这之后作业内容是否会更改

除去和前面统计学入门课程相似的几次作业，这门课程还需要完成智慧教育研究院讲座凑人头的几次任务（可以线上），不过最后只开办了一次讲座，需要写一份心得交到课程平台上，直接LLM秒杀。说到交心得，在统计学方法课的翻转课堂后变本加厉，每个学生都要对每节课的内容写心得，内容包括对讲课小组的评价和学到的知识总结，每周搞一次确实比较烦，我是直接把PPT丢去让LLM自个编了，这玩意其实老师和助教也不看，甚至后来评分似乎都没管学生交没交【

结课之前有个项目，给了四个题目选，都是智慧教育跟LLM相关的东西，LLM完全的当红辣子鸡，做啥都绕不开，这种听起来比较追热点的题目说不准以后会改成什么样，简单介绍一下24年给的这些题目：

Each team selects one of four project topics to apply at least one Large Language Model (LLM) for practical educational analysis. Requirements:

• Project Selection: Choose one of four topics (max two teams per topic).

  • Essay Grading (If selected by two teams: One team focuses on English essays, the other on Chinese essays.)

  • Listening Test Question Generation

  • Mind Map and Word Cloud Generation

  • Questionnaire Generation

• Deliverables: Conduct a live demonstration and submit a final report.

• Bonus Option: Compare outputs from three different LLMs.

以上题目的难度不一样，所以在课程助教发布选择题目通知时要拼手速抢题目，经过分析第一个题目和第四个题目相对好做，第三个题目最难做。本人所在小组最后选择了第一个题目的英语作文评分，做的工作是写一个能让LLM给英语作文评分的规范prompt，对不同的LLM进行实验观察其输出，并与现有的一些在线作文评分工具进行对比，其他的题目应该也可以做prompt雕花，更细一点甚至可以去微调LLM，在第十六周需要做项目pre，在学期结束前提交课程报告即可。以上这些工作其实也就走个形式，只要不是摆得太烂都是给个90出头的分，没啥区分度