首先，本报告具有很强的现实意义。由于大型语言模型技术在教育领域的探索还处于起步阶段，相关研究尚不系统，应用范围有限，本报告立足当前阶段的成果，对大型语言模型的教育应用进行全面梳理，可以为后续研究奠定基础。 其次，本报告在内容设置上兼具广度和深度。本报告将从技术发展、典型应用、新兴议题等不同角度全方位探讨大型语言模型的教育价值，既有宏观描述，也有具体案例分析，能提升读者对这个新兴领域的整体认识。 第三，本报告在对象选择上具有前瞻性。本报告关注各类相关论文、开源代码、前沿讨论等资料来源，站在技术和应用的双重高度，对这一新生事物进行多角度思考，为各界人士提供重要参考。 最后，本报告在价值导向上兼顾实践性。在探讨技术机遇的同时，本报告也会讨论伦理规范、应用策略等问题，使之成为一份可供教育决策者、技术研发者和教学实践者参考的指导性文献。

第l章 引言
第2章 大型语言模型对教育的影响
2.1 职业与专业
2.1.1 对于不同职业的影响
2.1.2 职业和劳动力市场的变化
2.1.3 人才职业技能的更新
2.1.4 人才培养的变革
2.2 教师职业能力
2.2.1 教师职业能力的变化
2.2.2 教师自身的专业发展
2.3 学生培养
2.3.1 学生培养的变化
2.3.2 学生应具备的素养
2.4 学习资源
2.4.1 学习内容和材料
2.4.2 教学任务
2.4.3 语言学习资源
2.5 学习环境
2.5.1 教育虚拟环境
2.5.2 模拟行为代理
2.6 教育评价
2.6.1 作业与任务的智能评估
2.6.2 评估题目的设计
2.6.3 学生测评的过程变化
2.6.4 教师技能的评估
2.7 教育治理
2.8 教育研究
2.8.1 为母语非英语研究者提供支持
2.8.2 提供参考信息和研究思路
2.8.3 数据处理和分析
2.8.4 拓展研究方法
第3章 典型的教育应用场景
3.1 应用场景分析
3.2 学生学习场景
3.2.1 智能课程辅导
3.2.2 医患对话练习
3.2.3 英语口语训练
3.2.4 情境模拟
3.3 教师教学场景
3.3.1 备课助手
3.3.2 课堂教学
3.3.3 教学评价
3.3.4 智能学情分析
3.3.5 职前培训
3.4 学校管理场景
3.5 教育企业应用场景
第4章 大型语言模型与机器心理学
4.1 人类与AI的差异
4.1.1 智力差异
4.1.2 人格差异
4.1.3 行为差异
4.2 人类心理评估方法的应用
4.2.1 基于心理理论的心理学实验
4.2.2 心理学经典实验在模型上的再现
4.3 机器心理学的争议
4.3.1 语言输入的局限性
4.3.2 依赖先前训练材料
4.3.3 结果的不稳定性
4.4 机器心理学的实践应用
4.4.1 推进心理学的发展
4.4.2 对心理治疗的作用
4.4.3 决策支持
第5章 面向大型语言模型的人工智能基础教育
5.1 大型语言模型对于传统人工智能教育的冲击
5.2 面向大型语言模型的知识体系
5.2.1 课程目标和内容
5.2.2 课程评价方式
5.3 基于大型语言模型的教学方法
5.3.1 代码生成和解释
5.3.2 问题解答和指导
5.3.3 个性化学习资源生成
5.3.4 编程学习评价
5.4 面向大型语言模型的学习平台
5.4.1 互动游乐场／探索工具
5.4.2 提示符生成／修改工具
5.4.3 专用提示平台／存储库
5.4.4 辅助编程工具
第6章 教育应用的伦理
6.1 大型语言模型的演变及其社会影响
6.1.1 2017年—2022年10月
6.1.2 2022年11月—2023年5月
6.2 数据隐私
6.2.1 训练数据的隐私泄露
6.2.2 交互方式带来的数据隐私风险
6.2.3 交付方式带来的数据隐私风险
6.3 大型语言模型的风险行为
6.3.1 展示偏见
6.3.2 生成有毒内容
6.3.3 大型语言模型的幻觉
6.4 可解释性与透明度
6.5 政策法规的监管动向
6.6 教育领域的应对策略
6.6.1 相关政策
6.6.2 推进机制
6.6.3 伦理教育内容
6.6.4 伦理课程
6.6.5 应对现状
参考文献
后记 图书馆、博格族和大型语言模型