مقایسه ی LLM و راهنمایی تخصصی معلمان پیش از خدمت برای شناسایی پتانسیل شبیه سازی های آموزشی با تاثیر پذیری هوش مصنوعی مولد برای افزایش واقعیت ترکیبی
فایل این در 33 صفحه با فرمت PDF قابل دریافت می باشد
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
چکیده :
این مطالعه به بررسی نقش بالقوه ی راهنمایی تولید شده توسط هوش مصنوعی در محیط های شبیه سازی شده ی طراحی شده برای آموزش معلمان، به طور خاص با تمرکز بر چالش های آموزش مسائل بحث برانگیز، می پردازد. با استفاده از رویکرد روش های ترکیبی، ما به صورت تجربی پتانسیل و چالش های بازخورد تولید شده توسط هوش مصنوعی را در مقایسه با بازخورد ارائه شده توسط متخصصان انسانی هنگام راهنمایی معلمان پیش خدمت در زمینه ی شبیه سازی های واقعیت ترکیبی بررسی می کنیم. یافته ها نشان می دهد که متخصصان انسانی بازخوردهای متنوع تر و ظریف تری نسبت به ChatGPT-4o و Perplexity ارائه می دهند، به ویژه هنگام شناسایی فرصت های تدریس از دست رفته و متعادل کردن بحث های کلاسی. مدل های هوش مصنوعی ارزیابی شده، نسخه های حرفه ای LLM در دسترس عموم بودند و با استفاده از دستورالعمل های دقیق و طرح های کدگذاری همسو با نظریه های آموزشی آزمایش شدند. سیستم های هوش مصنوعی در شناسایی جنبه های دانش عمومی، آموزشی یا محتوایی بر اساس نظریه های شولمن خیلی خوب نبودند، اما همچنان در تولید بازخورد مطابق با متخصصان انسانی کاملا موثر بودند. این مطالعه نوید هوش مصنوعی را برای ارتقای آموزش معلمان برجسته می کند، اما بر اهمیت ترکیب بازخورد هوش مصنوعی با بینش های تخصصی برای پرداختن به پیچیدگی های آموزش در دنیای واقعی تاکید می کند. این تحقیق به درک فزاینده ای از نقش و محدودیت های بالقوه هوش مصنوعی در آموزش کمک می کند. این نشان می دهد که اگرچه هوش مصنوعی می تواند برای مقیاس بندی شبیه سازی های واقعیت ترکیبی ارزشمند باشد، اما باید با دقت توسط تخصص انسانی در آموزش معلمان ارزیابی و متعادل شود.
کلیدواژه ها:
نویسندگان
فائزه سپیدکار
دانشجوی کارشناسی ارشد تکنولوژی آموزشی، دانشگاه بین الملی چابهار، ایران
مراجع و منابع این :
لیست زیر مراجع و منابع استفاده شده در این را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود لینک شده اند :