Искусственный интеллект для оценивания и предоставления обратной связи с целью повышения успешности студентов в высшем образовании

Artificial Intelligence for Assessment and Feedback to Enhance Student Success in Higher Education
Monika Hooda, Chhavi Rana, Omdev Dahiya, Ali Rizwan, Md Shamim Hossain
2022-05-05

Искусственный интеллектОценивание и обратная связьI-FCNАналитика обученияПрогнозирование успешности студентов
Основная цель данного обзора — показать, как своевременная и валидная обратная связь, а также качественное оценивание влияют на обучение студентов в системе высшего образования. В связи с распространением онлайн-образования, особенно в период пандемии COVID-19, роль оценивания и обратной связи также изменилась. Ранее оценивание не рассматривалось как основной компонент обучения и преподавания в организациях высшего образования, однако с расширением онлайн-образования парадигма сместилась в сторону оценки тех видов деятельности студентов, которые способствуют улучшению результатов обучения. Было проведено значительное количество исследований, посвящённых разработке стратегий и методов оценивания, способных эффективно поддерживать процессы обучения и преподавания. Вместе с тем ограниченное число исследований посвящено тому, как методы, применяемые в аналитике обучения, могут использоваться в рамках процесса оценивания и потенциально составлять его часть. Цель данной работы — провести поисковое и сравнительное исследование того, как практики оценивания и предоставления обратной связи с использованием искусственного интеллекта (ИИ) могут способствовать улучшению результатов обучения студентов. Ключевой вклад исследования заключается в представлении обзора наиболее широко используемых алгоритмов искусственного интеллекта и машинного обучения для обеспечения успешности студентов. Результаты показали, что I-FCN превосходил другие методы — искусственную нейронную сеть (ANN), XGBoost, метод опорных векторов (SVM), случайный лес и деревья решений — по всем измеренным метрикам эффективности. Результаты сравнительного анализа также помогут преподавателям, инструкторам и администраторам использовать преимущества подхода, основанного на данных, разрабатывать менее стрессогенные, более валидные, надёжные и конструктивные процедуры оценивания, а также эффективно применять возможности оценивания и обратной связи для повышения результатов обучения.
1
Оценивание и обратная связь с использованием ИИ могут помочь преподавателям разрабатывать менее стрессовые, более валидные, надёжные и конструктивные формы оценки.
2
I-FCN превзошёл ANN, XGBoost, SVM, Random Forest и Decision Trees по всем измеренным показателям эффективности.
3
Определены наиболее часто используемые алгоритмы искусственного интеллекта и машинного обучения для поддержки или прогнозирования успеха студентов посредством оценивания и обратной связи.
4
В обзоре рассматривается, как оценивание с поддержкой ИИ и оперативная достоверная обратная связь могут улучшать результаты обучения в высшем образовании.
5
Исследование рассматривает аналитику обучения как потенциальную основу интеграции методов на основе данных в процессы оценивания в высшем образовании.

практики оценивания и предоставления обратной связи студентам в высшем образовании

эффективность оценивания и обратной связи на основе ИИ и машинного обучения в повышении результатов обучения и успешности студентов

Publication Details
Publication Date
2022-05-05
Journal
Publisher
ISSN
Cited by
429
Access Type
Author Information
Authors
Monika Hooda
Chhavi Rana
Omdev Dahiya
Ali Rizwan
Md Shamim Hossain
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%