Mesterséges intelligencia segít eldönteni, hogy jó-e a hibrid tanulás az egyes diákoknak
A Q1 besorolású Computers and Education: Artificial Intelligence folyóiratban jelent meg oktatónk, Verma Chaman erről szóló tanulmánya.
Az elmúlt években a korábbi világjárványok miatt az online és offline oktatás egyaránt hatással volt a diákok tanulmányaira világszerte. Ez a vegyes módszerű stratégia ugyanúgy kínál előnyöket és hátrányokat is számukra.
A hibrid tanulásban az online és a személyes képzés ötvöződik, és a hallgatók tanulási viselkedése határozza meg az eredményeket. A hibrid tanulás nagyobb hatékonyságot kínál, mint a tisztán online oktatás. Ennek eredményeként számos egyetem vizsgálja hibrid kurzusok, programok és képzési lehetőségek létrehozását, hogy kihasználja ennek előnyeit. A hibrid tanulás szorosan kapcsolódik az együttműködő tanuláshoz, a folyamatos képzéshez, a fenntarthatósághoz és a környezetvédelemhez. Az e-learninggel és a hallgatók elégedettségével foglalkozó tanulmányok különböző rugalmas és hibrid tanulási módszereket vizsgáltak, és azt találták, hogy a hallgatók kedvelték a vegyes órákat, amelyek segítettek nekik, hogy jobban bevonódjanak. Pozitív trendek mutatkoztak a hallgatók elkötelezettségével, a hibrid tanulással való elégedettséggel, valamint az oktatói támogatás és az elkötelezettség közötti viszonnyal kapcsolatban.
A korábbi kutatások azonban nem vették kellőképpen figyelembe a hibrid tanulás szempontjait az oktatási döntéshozatalban. Ezenkívül nem alkalmaztak gépi tanulási algoritmusokat a hibrid tanulási környezetekre vonatkozó ajánlások megfogalmazásához. Nem azonosítottak valós idejű eszközöket a hibrid tanulás innovatív aspektusainak feltárására, és hogy útmutatást adjanak a hallgatóknak, valamint a kutatók korábban nem használtak érthető mesterséges intelligenciát (XAI) a hibrid tanulással kapcsolatos vélemények alapos vizsgálatához.
Jelen kutatás során egy olyan innovatív MI-eszköz jött létre – egy új, MI-alapú webes alkalmazás –, amely az SVM (Support Vector Machine) algoritmust használja a magyar informatikus hallgatók elsődleges mintáin, és a diákok válaszai alapján ajánlja a hibrid tanulást az oktatásban. A betanított modellt új, realisztikus mintákkal tesztelték és validálták. Az eredmények alapján a modell a legmagasabb pontszámot, pontosságot és visszahívási értéket érte el. A vizsgálat szerint az általános elégedettség (OS), a hosszú távú megoldás (LRS) és a boldogságérzet (FH) voltak az eredményt leginkább befolyásoló tényezők. A kutatás eredményei segíthetnek a diákoknak és az intézmények oktatóinak eldönteni, hogy áttérjenek-e a hibrid oktatásra az előnyök, hátrányok és egyéb ajánlott jellemzők alapján.
Az eredeti tanulmány elérhető itt: A real-time AI tool for hybrid learning recommendation in education: Preliminary results