图源：小今提示 ideogram生成
随着AI技术的发展，教育等众多领域正在经历变革。ChatGPT等生成式AI技术以其语言理解和生成能力，对教育科研、人才培养、课程体系带来新机遇和挑战。它们能提供智能问答、翻译、写作等服务，并模拟人类情绪进行对话。这些技术在教育中的应用受到全球关注，但也存在应用成效不一等问题，对社会和教育产生了影响，引起了公众关注。
江苏师范大学智慧教育学院硕士生王冲、张雅君与王娟教授的研究通过分析Bilibili上的相关弹幕，使用文本分析和可视化方法，旨在揭示公众对ChatGPT等AI技术在教育中应用的情感态度和观点，评估潜在风险，促进AI与教育的良性互动和深度融合。
论文信息
王冲,张雅君,王娟. 社会大众如何看待生成式人工智能在教育中的应用？——对B站ChatGPT话题弹幕文本的舆情主题与情感分析[J]. 图书馆论坛,2024,44(10):61-71.
该研究从社会大众的角度出发，聚焦于他们在Bilibili平台上关于“生成式人工智能/ChatGPT教育应用”的弹幕文本。这种视角的创新为理解社会大众对生成式人工智能教育应用态度提供了全新窗口。
研究方法的先进性
该研究采用网络舆情主题与情感分析方法，结合Python网络爬虫技术、SnowNLP情感分析、LDA主题模型等工具，对大量弹幕文本进行了深入的数据挖掘和分析。这种方法不仅提高了研究的效率和准确性，而且通过可视化和量化的方式，直观地展示了社会大众的态度和关注点。
研究内容的深度与广度
该研究不仅关注了社会大众对生成式人工智能教育应用的整体情感态度，还深入挖掘了他们的关注热点和看法意见。通过高频词统计、语义网络分析、情感分布图等多种手段，全面展示了社会大众对这一新兴技术的复杂情感和多元观点。
实践意义的突出性
该研究通过深入分析社会大众的态度和观点，揭示了生成式人工智能教育应用可能面临的挑战和风险，为相关政策的制定和实施提供了重要的参考依据。这种实践意义的突出性，使得研究成果不仅具有学术价值，更具有广泛的社会影响力。
论文的研究方法
文本分析方法
该研究采用多种文本分析方法，包括情感分析、主题建模和内容编码，以深入理解社会大众对生成式人工智能在教育应用中的态度和看法。情感分析用于识别文本中的情感倾向，帮助了解公众的情绪反应；主题建模，特别是隐含狄利克雷分配（LDA）模型，用于发现文本中的主题分布，揭示隐藏的主题结构；内容编码则将文本数据转换为可量化分析的数值数据。
数据挖掘技术
该研究主要采用Python网络爬虫技术获取Bilibili平台上的弹幕文本数据。这一过程涉及解析目标网址，获取请求URL、Cookie和User-Agent等信息，构建爬虫请求头，并通过Python的requests库发送请求，提取并解析XML页面中的文本内容，获得视频地址、弹幕地址、弹幕时间和内容等关键信息。
情感分析工具
该研究选用基于朴素贝叶斯分类算法的SnowNLP库。SnowNLP库能对中文文本进行情感倾向判断，通过计算情感得分区分积极、消极和中性文本，从而量化分析公众对生成式人工智能在教育应用中的情感态度。
主题模型应用
LDA主题模型是关键技术之一，用于从弹幕文本数据中提取主题特征词并进行聚类分析。LDA模型假设文档是多个主题的混合，每个主题为词汇分布的集合。通过模型训练，研究者能够识别文档集合中的主要主题，并提取每个主题下的特征词汇，帮助理解公众讨论的主要内容及其相互关系。
论文的研究过程
确定研究问题与对象
本研究旨在通过分析Bilibili平台上关于“生成式人工智能/ChatGPT教育应用”的弹幕文本，探析社会大众对该技术应用的情感态度、关注热点和看法意见。研究对象为2023年1月至2024年3月期间Bilibili平台上与“生成式人工智能+教育”“ChatGPT+教育”相关的弹幕文本。
数据收集与预处理
研究者选取了弹幕数量较多的主题视频，确保数据的丰富性和代表性。数据预处理包括使用jieba中文分词工具去除重复语句、标点符号和停用词，并采用双重检查方法确保数据的准确性和可靠性。
初步分析与可视化
预处理后的数据利用jieba分词工具提取高频关键词，并计算其权重值。
通过逐月对比分析关键词及权重值的变化趋势，展示了社会大众的关注热点和变化情况。此外，利用WordCloud库绘制词云图，直观呈现关键词分布。
情感与舆情主题分析
研究者采用SnowNLP文本情感分析和LDA主题模型分析方法。情感分析将弹幕文本分为积极、消极和中性三类，并绘制情感分布占比图、直方图和波动图。
LDA主题模型提取主题特征词并进行聚类分析，揭示社会大众的关注主题和看法意见。
论文的结论与展望
主要发现
本研究通过深入分析Bilibili平台上的弹幕文本数据，得出了几项主要发现。首先，社会大众对生成式人工智能在教育中的应用总体持积极态度，这表明该技术在教育领域具有广泛的社会接受度和应用潜力。其次，研究揭示了公众关注主题的多极化，包括学生学习、教师教学、教育公平、教育应用和态度观点，这些主题反映了公众对技术应用的多维度考量。此外，公众的看法多元化，意见集中在准确性、普适性、伦理性和异化性等方面，显示出对技术应用的深层次担忧和期待。
作者建议
政府层面：普及AI教育服务，制定伦理准则，监管AI应用，并完善相关法律法规。
未来研究方向
需要持续关注生成式人工智能技术的发展动态和社会大众的态度变化，以便及时调整教育政策和技术应用策略。此外，需要利用科学且可靠的定性研究工具，采用混合研究方法，集合多方力量共同探索生成式人工智能如何革新未来教育的道路，以便充分发挥其在教育领域的潜力。
结语
王冲、张雅君与王娟教授的研究通过分析Bilibili平台上的弹幕文本，揭示了社会大众对生成式人工智能在教育应用中的情感态度、关注热点和看法意见。研究发现，社会大众对这一技术总体持积极态度，但同时也关注其在学生学习、教师教学、教育公平等方面的多极化议题，并对其准确性、普适性、伦理性等问题表示担忧。
研究结果为政策制定者和教育工作者提供了宝贵的参考依据，建议在学生层面提高数字素养，在教师层面更新教学角色，在企业层面开发适合教育的AI工具，在政府层面制定伦理准则并完善法律法规。未来的研究应持续关注技术发展动态和社会大众的态度变化，采用混合研究方法，集合多方力量共同探索生成式人工智能在教育领域的应用潜力，以推动教育的持续进步与发展。
图文收集自网络，非本号观点；如有侵权，请联系删除
更多前沿论文解读，请每日关注AI今说~
