🤩
В честь праздника продолжаем разборы !! 2 часть - Methods and Results
#разборстатьи 🤩
METHOD RESEARCH — разборЧто авторы хотели сказатьОни утверждают, что использовали
qualitative descriptive method (качественный описательный метод).
То есть исследование:
🎀 не использует статистические эксперименты
🎀 не строит модели
🎀
анализирует уже существующие источникиФактически это
literature review (обзор литературы).
🤩
Тип данныхОни делят данные на:
Primary dataобычно это данные, собранные самим исследователем
например интервью, опрос, эксперимент
Secondary dataданные из существующих источников: статьи, книги,отчёты
🤩
Источники данныхОни пишут, что используют:
• scientific journals
• books
• news sources
через
library research.
То есть это
кабинетное исследование.
🤩
Методы сбора данныхОни 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 данныхФраза: 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 MethodsСильные 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 — разборВ этом разделе авторы объясняют
роль AI в образовании.
Они выделяют
3 направления:
✨ Personalized Learning
✨ Chatbots
✨ AI in Grading
3️⃣
Personalized Learning — разбор🤩
Основная идеяAI позволяет создать
персонализированное обучение.
Это означает что обучение адаптируется под уровень студента, скорость обучения, интересы, слабые стороны
🤩
Как работает AIAI использует machine learning algorithms, которые анализируют:
• поведение студентов
• результаты
• предпочтения
После этого система может рекомендовать материалы, менять сложность заданий и давать feedback
ПримерыАвторы приводят реальные системы такие как:
🤩
Carnegie LearningAI-платформа для математики
повышает результаты до
30%.
🤩
Duolingoиспользует AI для адаптации уроков и подбора упражнений
Преимущества🎀 повышение вовлечённости
🎀 индивидуальная поддержка
🎀 улучшение результатов
🎀 лучшее удержание студентов
ПроблемыАвторы также обсуждают ограничения:
🎀
качество данныхAI зависит от данных.
Если данные плохие → рекомендации плохие.
🎀
подготовка учителейTeachers должны уметь использовать AI tools, интерпретировать данные
*Ссылка на статью*В следующем посте разберем часть Chatbots и AI in grading.