A MIAÚ immár 25+ éve áll a Köz szolgálatára!
MATARKA-nézet
Üzenet az Olvasóhoz:
a MIAÚ virtuális hasábjain található gondolatokat
pl. Ramanudzsan feljegyzéseihez hasonlóan illik értelmezni (akarni):
a gondolatoknak a minősége/potenciálja az értékképző,
s nem az, hol jelennek meg ezek a gondolatok...
Ami másnak pl. a Facebook: MYX-team-hírek
(Utolsó módosítás: 2015.VII.19.14:08 - MIAÚ-RSS)
Egyetemi Hallgatók Moodle-log-alapú objektív teljesítményértékelése hasonlóságelemzésre alapozva (11th INTERNATIONAL AEGEAN CONGRESSES / April 4-6, 2025 - Izmir, Türkiye)
Vezércikk: 2025. Június (MIAU No. 322.)
(Előző cikk: MIAU No. 321.)
Kulcsszavak: mesterséges intelligencia, anti-diszkriminációs optimalizálás, automatizálás
Kivonat:
Az e-learning platformok növekvő elterjedése forradalmasította az oktatási gyakorlatot és sokszínű naplóadatokat generált,
amelyek felhasználhatók a tanulási teljesítmény objektív értékelésére.
Ez a tanulmány egy átfogó modellt mutat be, amely a Moodle (e-learning platform) naplóadataiból kinyert 29 különféle attribútumot használja fel a tanulási teljesítmény sokoldalú/objektív értékeléséhez.
Ezek az attribútumok, amelyek olyan szempontokat rögzítenek, mint pl. a szorgalom (vö. közzététel gyakorisága, aktív napok stb.), megértés (pl. téma relevancia, idézethasználat) és interakciódinamika (pl. válaszidő, válaszhossz), egy objektum-attribútum-mátrixba (OAM) vannak szervezve, ahol minden attribútum típusa és iránya (pl. minél kevesebb a válaszidő, annál értékesebb a teljesítmény stb.) a teljesítmény egyes rétegeinek egy fajta (additív) meghatározása. Egyes attribútumok téma számszerűsítésére az all-MiniLM-L6-v2 modell származtatott adatokat generál pl. a hallgatói válaszok és az oktatói hozzászólások közötti szemantikai koherenciát a koszinusz hasonlóságon keresztül mérve. A mesterséges intelligencia által generált tartalom azonosítása a roberta-base-openai-detector segítségével történik, amely 1<10 pontszámot ad. A keretrendszer a COCO Y0 motort (https://miau.my-x.hu/myx-free/index_en.php3) használja az attribútumok additív hatásainak optimalizálására és a tanulók összetett teljesítménymutatók alapján történő rangsorolására. Ez az adatvezérelt megközelítés objektív keretet kínál az oktatóknak a tanulói teljesítmény értékeléséhez, miközben személyre szabott visszajelzést ad a tanulási eredmények javítása érdekében (vö. szimulátor-üzemmód). Az eddigi/jövőbeli kutatások igazolni fogják a modell objektivitását és hatékonyságát különböző oktatási kontextusokban.
(Tovább - DOC)
***
(Tovább - PDF)
Észrevételeit érdeklődéssel várjuk email-ben!
((Vissza))
miau.my-x.hu
myxfree.tool
rss.services
]
