هوش مصنوعی

ClickSight ردپای کلیک دانش‌آموزان را با کمک مدل‌های زبانی تحلیل می‌کند

چارچوب پژوهشی ClickSight رفتار دانش‌آموزان در محیط‌های یادگیری دیجیتال را با سنجش شواهد کلیک‌ها در برابر راهبردهای یادگیری تفسیر می‌کند.

۱ دقیقه مطالعه
Figure 1 : Overview of the ClickSight framework and evaluation process. The raw clickstream C ​ S s CS_{s} is formatted as F C ​ S s F_{CS_{s}} and interpreted using the environment description and learning-strategy defi
تصویر درج‌شده در مقالهٔ اصلی؛ حقوق بازنشر مستقل تأیید نشده است. — arXiv · AI (پیش‌چاپ) · پرونده اصلی · منبع تصویر: ناشر خبر

پژوهشگران در پیش‌چاپی در arXiv چارچوبی به نام ClickSight معرفی کرده‌اند که از مدل‌های زبانی بزرگ برای تفسیر ردپای کلیک دانش‌آموزان استفاده می‌کند. این ردپاها می‌توانند نشان دهند دانش‌آموزان چگونه به تکالیف یادگیری نزدیک می‌شوند، اما تحلیل جزئی آن‌ها معمولاً به تلاش قابل‌توجه متخصصان نیاز دارد.

ClickSight با دریافت داده‌های کلیک یک دانش‌آموز و مجموعه‌ای از راهبردهای یادگیریِ تعریف‌شده در پژوهش‌های پیشین، فرایندی چندمرحله‌ای را اجرا می‌کند: شواهد مرتبط با هر راهبرد را شناسایی می‌کند، میزان پایبندی به آن را می‌سنجد و تفسیری مبتنی بر شواهد از رفتار دانش‌آموز ارائه می‌دهد.

پژوهشگران این چارچوب را در دو محیط یادگیری، با داده‌های ۳۶۵ دانش‌آموز و ۱۲ مدل پایه ارزیابی کرده‌اند. ارزیابی بر پایهٔ معیار کیفیت مبتنی بر نظر متخصصان و یک داور مدل زبانی انجام شده است؛ چکیدهٔ در دسترس جزئیات نتایج را بیان نمی‌کند.

این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.

منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗

پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست