Роль искусственного интеллекта в оценке качества обучения и развития учащихся

Обложка

Цитировать

Полный текст

Аннотация

в статье рассматривается роль искусственного интеллекта (ИИ) в оценке качества обучения и развития учащихся в системе образования. Проведен анализ существующих подходов к оценке, традиционные и современные методы, а также рассмотрены возможности и преимущества применения ИИ в данной области. Результатами анализа стали выявление направлений использования ИИ в оценке (автоматическая проверка заданий, персонализация обучения, прогнозирование успеваемости, анализ поведения в онлайн-среде, виртуальные ассистенты), дана сравнительная оценка эффективности различных методов ИИ на основе набора данных OULAD, а также обзор текущей ситуации с внедрением ИИ в образовательную практику в России. Подчеркивается важность комплексного подхода к внедрению ИИ в образование, учитывающего как технические, так и этические аспекты.

Об авторах

В. В Алешов

Херсонский государственный педагогический университет

Email: aleshovvladimyr@yandex.ru
ORCID iD: 0009-0006-9757-9013

Я. Б Самчинская

Херсонский государственный педагогический университет

М. И Шерман

Херсонский государственный педагогический университет

Е. В Алешов

Херсонский государственный педагогический университет

ORCID iD: 0009-0006-9757-9013

Ю. А Казанцев

Херсонский государственный педагогический университет

Список литературы

  1. Choi Y., McClenen C. Development of adaptive formative assessment system using computerized adaptive testing and dynamic bayesian networks // Appl. Sci. 2020. Vol. 10. P. 81 – 96.
  2. Goel A.K.,Joyner D.A. Using AI to Teach AI: Lessons from an Online AI Class // AI Mag. 2017. Vol. 38. P. 48 – 59.
  3. Gonz?lez-Calatayud V., Prendes-Espinosa P., Roig-Vila R. Artificial Intelligence for Student Assessment: A Systematic Review // Appl. Sci. 2021. Vol. 11. P. 54 – 67. https://doi.org/10.3390/app11125467
  4. Grivokostopoulou F., Perikos I., Hatzilygeroudis I. An Educational System for Learning Search Algorithms and Automatically Assessing Student Performance // Int. J. Artif. Intell. Educ. 2017. Vol. 27. P. 207 – 240.
  5. Hooda M., Rana C., Dahiya O., Rizwan A., Hossain M.S. Artificial Intelligence for Assessment and Feedback to Enhance Student Success in Higher Education // Mathematical Problems in Engineering. 2022. Vol. 2022. P. 1 – 19.
  6. Jani K.H., Jones, K.A., Jones G.W., Amiel J., Barron B., Elhadad N. Machine learning to extract communication and history-taking skills in OSCE transcripts // Med. Educ. 2020. № 54. P. 1159 – 1170.
  7. Kaila E., Kurvinen E., Lokkila E., Laakso M.-J. Redesigning an Object-Oriented Programming Course // ACM Trans. Comput. Educ. 2016. № 16. P. 1 – 21.
  8. Liu M., Wang Y., Xu W., Liu L. Automated Scoring of Chinese Engineering Students’ English Essays // Int. J. Distance Educ. Technol. 2017. Vol. 15. P. 52 – 68.
  9. Maicher K.R., Zimmerman L., Wilcox B., Liston B., Cronau H., Macerollo A., Jin L., Jaffe E., White M., Fosler-Lussier E., et al. Using virtual standardized patients to accurately assess information gathering skills in medical students // Med. Teach. 2019. Vol. 41. P. 1053 – 1059.
  10. Ouguengay Y.A., El Faddouli N.-E., Bennani S. A neuro-fuzzy inference system for the evaluation of reading/writing competencies acquisition in an e-learning environnement // J. Theor. Appl. Inf. Technol. 2015. Vol. 81. P. 600 – 608.
  11. Owan V.J., Abang K.B., Idika D.O., Etta E.O., Bassey B.A. Exploring the potential of artificial intelligence tools in educational measurement and assessment // Eurasia Journal of Mathematics, Science and Technology Education, 2023. Vol. 19 (8). P. em2307. https://doi.org/10.29333/ejmste/13428
  12. Rhienmora P., Haddawy P., Suebnukarn S., Dailey M.N. Intelligent dental training simulator with objective skill assessment and feedback // Artif. Intell. Med. 2011. Vol. 52. P. 115 – 121.
  13. Swiecki Z, Khosravi H, Chen G, Martinez-Maldonado R, Lodge JM, Milligan S et al. Assessment in the age of artificial intelligence // Computers and Education: Artificial Intelligence. 2022. Vol. 3. P. 100075. doi: 10.1016/j.caeai.2022.100075
  14. Ulum ?.G. A critical deconstruction of computer-based test application in Turkish State University // Educ. Inf. Technol. 2020. № 25. P. 4883 – 4896.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).