Генеративная система искусственного интеллекта сокращает время редактирования учебных материалов для преподавателей с минут до секунд
Создание интерактивных курсов STEM традиционно требует знаний HTML/CSS/JavaScript, что создает препятствия для преподавателей. Хотя генеративный ИИ может создавать HTML-коды, существующие инструменты генерируют статические презентации, а не интерактивные симуляции, плохо справляются с длинными документами и не имеют механизмов педагогической точности. Более того, полная регенерация модификаций требует 200–600 секунд, что нарушает творческий поток. Мы представляем MAIC-UI, авторскую систему с нулевым кодом, которая позволяет преподавателям создавать и быстро редактировать интерактивные учебные материалы на основе учебников, PPT и PDF-файлов. MAIC-UI использует: (1) структурированный анализ знаний с мультимодальным пониманием для обеспечения педагогической строгости; (2) двухэтапный конвейер создания-проверки-оптимизации, отделяющий выравнивание контента от визуального уточнения; и (3) редактирование «нажми и найди» с инкрементальной генерацией на основе унифицированных различий, обеспечивающей цикл итерации менее 10 секунд. Контролируемое лабораторное исследование с участием 40 участников показывает, что MAIC-UI сокращает количество итераций редактирования (4,9 против 7,0) и значительно улучшает обучаемость и управляемость по сравнению с прямым преобразованием текста в HTML. Трехмесячное развертывание классов с 53 старшеклассниками демонстрирует, что MAIC-UI способствует обучению и уменьшает различия в результатах: пилотный класс достиг прироста на 9,21 балла по предметам STEM по сравнению с -2,32 балла в контрольных классах. Наш код доступен по адресу https://github.com/THU-MAIC/MAIC-UI.
## В чем суть открытия MAIC-UI — это система разработки искусственного интеллекта с нулевым кодом, позволяющая преподавателям конвертировать учебники, PDF-файлы и слайды в интерактивные учебные программы STEM, сокращая время обновления с минут до менее 10 секунд. ## Как это устроено: принцип работы Система анализирует мультимодальные учебные материалы посредством структурированного извлечения знаний для обеспечения педагогической точности. Затем создание разделяется на двухэтапный конвейер создания-проверки-оптимизации, который обрабатывает выравнивание контента перед визуальным оформлением. Наконец, он использует редактирование «нажми и найди» в сочетании с инкрементальными обновлениями на основе Unified Diff для быстрой модификации учебных программ. ## Что это меняет на практике Позволяет учителям, не имеющим навыков программирования, создавать динамические симуляции STEM, что значительно снижает трудности при создании курсов и устраняет различия в успеваемости учащихся в классах старших классов в течение 1–3 лет. ## Границы метода и риски Опирается на базовые возможности мультимодального рассуждения LLM и может столкнуться с проблемами, связанными с очень сложными нестандартными макетами документов или специализированными обозначениями предметной области. ## Результаты и доказательства - **Комплексный скор значимости:** 9.5 / 10.0 - **Уровень доказательности:** программный бенчмарк и верификация - **Бенчмарки и прирост:** Editing iterations (4.9 vs 7.0), update latency (<10s vs 200-600s), STEM exam score gain (+9.21 points vs -2.32 control) - **Размер выборки / валидация:** N = 40 lab study participants, 53 high school students in 3-month classroom deployment - **Реализация в открытом доступе:** Да (верифицируемый репозиторий кода)