🤩 В честь праздника продолжаем разборы !! 2 часть - Methods and Results
#разборстатьи

🤩 METHOD RESEARCH — разбор
Что авторы хотели сказать
Они утверждают, что использовали qualitative descriptive method (качественный описательный метод).

То есть исследование:
🎀 не использует статистические эксперименты
🎀 не строит модели
🎀 анализирует уже существующие источники
Фактически это literature review (обзор литературы).

🤩Тип данных
Они делят данные на:
Primary data
обычно это данные, собранные самим исследователем
например интервью, опрос, эксперимент
Secondary data
данные из существующих источников: статьи, книги,отчёты

🤩Источники данных
Они пишут, что используют:
• scientific journals
• books
• news sources
через library research.
То есть это кабинетное исследование.

🤩Методы сбора данных
Они пишут: observation; interview; research
Здесь есть проблема.
Если они используют только library study,
то 💥 observation и interview не имеют смысла
Потому что Observation = наблюдение
Interview = интервью

А они не описали кого наблюдали, кого интервьюировали. Это методологическая ошибка.

🤩Анализ данных
Фраза: This data is analyzed and then conclusions are drawn.
Это слишком общее описание.
В научной статье нужно писать:
• thematic analysis
• content analysis
• coding
• comparative analysis

🤩Итог по Methods
Сильные стороны:
✔ понятна общая идея
✔ указаны источники
Слабые стороны:
💥 нет конкретного метода анализа
💥 упомянуты интервью и наблюдение без объяснения
💥 метод больше похож на literature review

2️⃣ RESULTS AND DISCUSSION — разбор
В этом разделе авторы объясняют роль AI в образовании.
Они выделяют 3 направления:
✨ Personalized Learning
✨ Chatbots
✨ AI in Grading

3️⃣ Personalized Learning — разбор
🤩Основная идея
AI позволяет создать персонализированное обучение.
Это означает что обучение адаптируется под уровень студента, скорость обучения, интересы, слабые стороны

🤩Как работает AI
AI использует machine learning algorithms, которые анализируют:
• поведение студентов
• результаты
• предпочтения
После этого система может рекомендовать материалы, менять сложность заданий и давать feedback

Примеры
Авторы приводят реальные системы такие как:
🤩Carnegie Learning
AI-платформа для математики
повышает результаты до 30%.

🤩Duolingo
использует AI для адаптации уроков и подбора упражнений

Преимущества
🎀 повышение вовлечённости
🎀 индивидуальная поддержка
🎀 улучшение результатов
🎀 лучшее удержание студентов

Проблемы
Авторы также обсуждают ограничения:
🎀 качество данных
AI зависит от данных.
Если данные плохие → рекомендации плохие.
🎀 подготовка учителей
Teachers должны уметь использовать AI tools, интерпретировать данные

*Ссылка на статью*
В следующем посте разберем часть Chatbots и AI in grading.