人工智能生成数字教育资源适应性评价指标体系构建

随着生成式人工智能(GAI)技术的发展,人工智能生成内容(AIGC)成为继用户生成内容(UGC)和专业生成内容(PGC)之后的主流内容生成模式,使得人工智能生成数字教育资源(AIGDER)成为新形态。但是,基于文献综述发现,对AIGDER急需开展评价以提高其适应性,且鲜有对其评价的研究。首先,通过文献综述和适应性及理论分析构建了包含内容质量的可信度、学习过程的支持度、资源规范的符合度以及师生使用的满意度四个要素的AIGDER适应性评价模型。其次,基于该评价模型构建了初始评价指标体系,并利用德尔菲法进行了修订,最终形成包含4个一级指标和19个二级指标的AIGDER适应性评价指标体系;利用层次分析法为该指标体系赋予权重并进行了合理性分析。最后,对该评价指标体系进行了小范围试用,验证了其科学性和有效性,表明该评价指标体系可以作为评价AIGDER适应性的可参考评价工具。