Wszechstronna Platforma Edukacyjna oparta na Generatywnej Sztucznej Inteligencji

Podsumowanie

Wykorzystując generatywną sztuczną inteligencję (GSI) do wsparcia nauczania, platforma zapewnia spersonalizowane doświadczenia edukacyjne, dostosowane do różnorodnych potrzeb użytkowników. Oferuje również liczne praktyczne podejścia do nauki, które nie tylko wzbogacają proces uczenia się, ale także wspierają kompetencje uczenia się przez całe życie w erze cyfrowej, zgodnie z celami zrównoważonego rozwoju w edukacji inżynierskiej.

Streszczenie

Generatywna Sztuczna Inteligencja (GSI) zanotowała znaczny postęp w ostatnich latach, wykazując transformacyjny potencjał dla edukacji poprzez umożliwienie dynamicznego tworzenia treści i spersonalizowanych ścieżek edukacyjnych. Jednak wiele istniejących platform edukacyjnych opiera się na statycznej treści i stałych ścieżkach, brakujących zintegrowanej architektury potrzebnej do pełnego wykorzystania możliwości GSI do stworzenia spójnych, adaptacyjnych doświadczeń edukacyjnych. Aby zapełnić tę lukę, niniejsze badanie szczegółowo opisuje projekt, implementację i empiryczną ocenę nowatorskiej, kompleksowej platformy edukacyjnej zbudowanej na bazie GSI. Platforma oparta jest na trójwarstwowej architekturze wykraczającej poza tradycyjne ramy: podstawowej warstwie technicznej integrującej modułowe modele AI (np. Transformer, oparte na uważności CNN-BiLSTM), Centrum Przetwarzania do syntezy danych w czasie rzeczywistym i optymalizacji modelu oraz warstwę Aplikacji i Interakcji mieszczącą osiem rdzeniowych modułów funkcjonalnych, w tym spersonalizowane nauka, inteligentne pytania i odpowiedzi oraz ocena kompetencji. Ta zintegrowana architektura umożliwia dynamicznie dostosowywalne doświadczenie edukacyjne, które ciągle adaptuje się do potrzeb i postępu indywidualnych uczniów. Aby ocenić skuteczność platformy, przeprowadziliśmy randomizowane badanie kontrolne (RCT) z udziałem 50 studentów licencjackich i 20 nauczycieli przez dwa semestry, porównując wyniki z grupą kontrolną stosującą tradycyjne metody. Wyniki eksperymentalne wykazują, że zaproponowana platforma znacząco poprawia wyniki nauczania, zwiększa wskaźniki zaangażowania studentów (np. czas poświęcany na zadanie i współczynnik interakcji z treścią) oraz osiąga wysoką dokładność w dopasowywaniu spersonalizowanej treści. Wyniki sugerują, że ta platforma oparta na GSI stanowi postęp w technologii edukacyjnej poprzez efektywne personalizowanie nauki i wspieranie adaptacyjnego uczenia się na skalę. To badanie dostarcza szczegółowego, możliwego do powtórzenia projektu architektonicznego i dostarcza empirycznych dowodów na praktyczną wartość zintegrowanych systemów GSI w podnoszeniu efektywności edukacji i wspomaganiu kompetencji nauki przez całe życie.

Wprowadzenie

W świetle przyspieszającej innowacji technologicznej, szczególnie w dziedzinie sztucznej inteligencji (AI), narzędzia takie jak AI znajdują coraz większe zastosowanie w edukacji inżynierskiej. W tym samym czasie osiągnięto konsensus, że promocja zrównoważonego rozwoju jest globalnym celem. Dlatego integracja zrównoważonego rozwoju w edukacji inżynierskiej - poprawiając jednocześnie poziom techniczny przemysłu i zwiększając świadomość zrównoważonego rozwoju uczniów - stała się kluczowym punktem obecnej reformy edukacyjnej, napędzającą poszukiwanie innowacji edukacyjnych wspomaganych przez AI. Zastosowanie AI w edukacji otwiera możliwości dla spersonalizowanego uczenia ....

Protokół

Badanie to przeprowadzono zgodnie z wytycznymi etycznymi The Education University of Hong Kong. Przed zebraniem danych uzyskano pisemną zgodę wszystkich uczestników.

1. Specyfikacja platformy

Oceniany system to niestandardowy prototyp badawczy, zaimplementowany jako aplikacja internetowa. Środowisko oprogramowania jest zbudowane na Python 3.9 i TensorFlow 2.12. Podstawowe modele AI (CNN-BiLSTM, Transformer) są hostowane na karcie graficznej NVIDIA A100 GPU (40 GB VRAM) w ramach serwerowej linii przetwarzania. Architektura składa się z trzech warstw: Pierwsza, warstwa techniczna integrująca ulepszon....

Wyniki

Badanie z randomizacją kontrolną wykazało istotne różnice między grupą platformy GAI (eksperymentalną) a grupą tradycyjnej LMS (kontrolną). W przypadku zysku w nauce, grupa eksperymentalna uzyskała znacznie wyższy wynik w pościeście (M = 85,2, SD = 6,4) niż grupa kontrolna (M = 76,8, SD = 7,1); różnica średnich = 8,4, 95% CI [4,5, 12,3], t(68) = 4,32, p < 0,001, Cohen’s d = 1,02. W przypadku zaangażowania (czas spędzony na zadaniu), grupa eksperymentalna spędziła więcej czasu (M = 42,5 min, SD = 8,2) niż grupa kontrolna .......

Dyskusja

To badania mają na celu przetestowanie centralnej hipotezy badawczej: że platforma uczenia się personalizowanego z włączoną AI może znacząco zmniejszyć obciążenie poznawcze uczniów inżynierii, poprawić efektywność uczenia się oraz zwiększyć zarówno wyniki uczenia się związane z EDS, jak i ogólne doświadczenie edukacyjne, w porównaniu z tradycyjnymi, niepersonalizowanymi modelami nauczania inżynierii. Nasze wyniki z randomizowanego RCT dostarczają pełnego empirycznego wsparcia dla tej hipotezy, z trzema kluczowymi stwierd.......

Materiały

Lista materiałów użytych w tym artykule

Nazwa	Firma	Numer katalogowy	Komentarze
A100 GPU (40 GB VRAM)	NVIDIA Corporation	900-4H100-0000-000	Używane do hostowania rdzeniowych modeli AI w serwerowym piplinie przetwarzania.
en_core_web_md (spaCy model)	Explosion AI	https://spacy.io/models/en#en_core_web_md	Pre-trenowany ogólny akademicki model języka angielskiego używany do tokenizacji i lematyzacji. Wersja: v3.5.
Python	Python Software Foundation	https://www.python.org/	Język programowania dla środowiska oprogramowania. Wersja: 3.9.
SlimPajama dataset	Cerebras Systems Inc.	https://www.cerebras.net/blog/cerebras-releases-slimpajama-a-cleaned-version-of-redpajama/	Duży, open-source korpus pre-treningowy pochodzący z RedPajama.
spaCy	Explosion AI	https://spacy.io/	Biblioteka do przetwarzania języka naturalnego służąca do przetwarzania tekstu. Wersja: 3.5.
TensorFlow	Google LLC	https://www.tensorflow.org/	Open-source framework do uczenia maszynowego. Wersja: 2.12.