Использование искусственного интеллекта в электронном обучении: персонализированное обучение и адаптивное оценивание с позиций когнитивной нейропсихологии — систематический анализ

Leveraging AI in E-Learning: Personalized Learning and Adaptive Assessment through Cognitive Neuropsychology—A Systematic Analysis
Constantinos Halkiopoulos, Evgenia Gkintoni
2024-09-22

ИИ в электронном обучениисистематический обзор PRISMAадаптивное оцениваниекогнитивная нейропсихологияперсонализированное обучение
В статье представлен обзор литературы по интеграции искусственного интеллекта в электронное обучение с позиций когнитивной нейропсихологии применительно к персонализированному обучению (PL) и адаптивному оцениванию (AA). Обзор выполнен в соответствии с методологией систематических обзоров PRISMA и обобщает результаты 85 исследований, отобранных из первоначального массива, включавшего 818 записей в нескольких базах данных. Результаты показывают, что искусственный интеллект может повышать успеваемость, вовлеченность и мотивацию учащихся; вместе с тем следует учитывать такие проблемы, как предвзятость и дискриминация. В обзоре рассматриваются историческое развитие искусственного интеллекта в образовании, его теоретические основы и практическое применение в рамках PL и AA, а также значительный потенциал систем образования на основе искусственного интеллекта и связанные с ними этические проблемы. Перспективные направления включают эмпирическую проверку эффективности и равенства, разработку алгоритмов, снижающих предвзятость, и изучение этических аспектов, связанных с конфиденциальностью данных. Обзор выявляет трансформационный потенциал искусственного интеллекта в создании персонализированных и адаптивных сред обучения (AL) и тем самым обосновывает необходимость дальнейшей разработки и исследования этих технологий как средства повышения образовательных результатов.
1
Систематический обзор по методологии PRISMA обобщил 85 исследований, отобранных из 818 записей, посвящённых интеграции ИИ в электронное обучение для персонализированного обучения и адаптивного оценивания.
2
Персонализированное обучение и адаптивное оценивание на основе ИИ обладают значительным потенциалом для преобразования образования посредством индивидуализированных и адаптивных учебных процессов.
3
Будущие исследования должны эмпирически проверять эффективность и равенство результатов, разрабатывать алгоритмы снижения предвзятости и изучать последствия для конфиденциальности данных.
4
Обзор выделяет предвзятость и дискриминацию как важные этические проблемы, связанные с образовательными системами на основе ИИ.
5
Рассмотренная литература показывает, что ИИ может повышать учебные результаты, вовлечённость и мотивацию студентов в электронном обучении.

системы электронного обучения и образования на основе ИИ

персонализированное обучение и адаптивное оценивание, включая их влияние на успеваемость, вовлечённость и мотивацию учащихся, а также проблемы предвзятости, дискриминации, равенства и конфиденциальности

Publication Details
Publication Date
2024-09-22
Journal
Publisher
ISSN
Cited by
309
Access Type
Author Information
Authors
Constantinos Halkiopoulos
Evgenia Gkintoni
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat
Make a presentation
100%