Ai模型偏见检测与公平性优化策略调研

为深入探究AI模型在教学评价、学生学习行为分析中的偏见、幻觉及量化评价体系相关问题，特开展本次调查。您的回答将为该领域研究提供重要参考，问卷采用匿名形式，请您根据实际认知如实填写。
*
1. 您的性别是？
男
女
*
2. 您的年龄段是？
18岁以下
18-25岁
26-35岁
36-45岁
46岁及以上
*
3. 您的职业类别是？
教育工作者
人工智能从业者
科研人员
在校学生
企业员工
其他（请注明：）
*
4. 您是否使用过AI大模型（如ChatGPT、文心一言等）？
是
否
*
5. 在使用AI大模型过程中，您感受到其输出存在偏见的程度如何？
1（完全没有）
2
3
4
5（非常明显）
*
6. 若感受到偏见，具体涉及哪些方面？（可多选）【多选题】
性别（如职业、性格刻板印象）
地域（如文化、经济偏见刻画）
种族/民族
年龄
教育背景
其他（请注明：）
*
7. 您在使用AI大模型时，是否遇到过AI幻觉（即模型生成虚假、无事实依据的内容）？
经常遇到
偶尔遇到
很少遇到
从未遇到
*
8. 若遇到过AI幻觉，其表现形式是？（可多选）【多选题】
编造不存在的教育知识/案例
对教学内容进行错误解读
生成逻辑混乱的学习建议
其他（请注明：）
*
9. 您是否了解生成式AI在教学评价中的应用？
非常了解
了解一些
不太了解
完全不了解
*
10. 您认为生成式AI辅助教学评价时，是否会因偏见影响评价公平性？
会
不会
不确定
*
11. 您是否了解基于AI的学生学习行为分析系统？
非常了解
了解一些
不太了解
完全不了解
*
12. 您认为基于AI的学生学习行为分析系统是否可能存在群体偏见？
会
不会
不确定
*
13. 您是否愿意在教学或学习中使用AI辅助的评价或行为分析工具？
非常愿意
愿意
不确定
不愿意
完全不愿意
*
14. 您认为AI在教学评价中最应关注的公平性维度是？（可多选）【多选题】
不同性别学生的评价一致性
不同地域学生的评价一致性
不同学习能力学生的评价一致性
其他（请注明：）
*
15. 您认为以下哪些训练数据因素最可能引发AI模型的性别偏见？（可多选）【多选题】
不同性别的样本数量差距极大
对不同性别的描述存在刻板印象
标注人员性别构成单一
其他（请注明：）
*
16. 您认为以下哪些因素最可能引发AI幻觉？（可多选）【多选题】
训练数据中存在错误教育信息
模型对教学问题的推理过度
训练数据覆盖教学场景不足
模型参数设置不合理
其他（请注明：）
*
17. 您认为训练数据中以下哪些群体特征分布不均衡最易引发教学评价偏见？（可多选）【多选题】
年龄
种族
教育背景
学习风格
其他（请注明：）
*
18. 您认为以下哪些技术环节可能引发AI在学习行为分析中的幻觉？（可多选）【多选题】
学生行为数据预处理不充分
模型训练时的正则化不足
对学习行为上下文理解偏差
其他（请注明：）
*
19. 您认为应通过哪些指标量化AI教学评价模型的偏见程度？（可多选）【多选题】
不同群体学生的评价分数差异
训练数据中学生群体分布差异度
教师对评价公平性的人工审核比例
其他（请注明：）
*
20. 您认为应通过哪些指标量化AI学习行为分析的幻觉严重程度？（可多选）【多选题】
幻觉内容的教育知识错误率
幻觉内容对学习指导的误导性
教师对幻觉内容的识别难度
其他（请注明：）
*
21. 您认为如何才能有效量化AI教学评价体系在不同学生群体中的普适性？
开展跨学生群体的大规模教学测试
建立多维度的教学公平性指标
邀请不同学科教师进行评估
其他（请注明：）
*
22. 您是否了解AI模型在教育场景中因偏见或幻觉引发问题的实际案例？
是
否
24. 您对优化AI在教学评价和学习行为分析中偏见与幻觉问题的建议是？（开放题）
25. 其他您认为重要的与AI在教育场景中偏见、幻觉及评价体系相关的观点或建议：
问卷星提供技术支持
举报