遠距教育學生學業表現預測的演算法
科爾多瓦大學的一支團隊設計出一種模型,可以預測線上教育學生的學業表現,並將他們分為四個不同的分類,幫助教授個別為每個學生提供更加個人化的協助,並根據他們的情況度身訂做教育策略。
遠距教育的挑戰
遠距教育確實提供了對知識的平等取得,克服了時空的問題。這種系統的靈活性和易於接近也增加了透過線上平臺接受教育的人數。然而由於學生人數眾多以及缺乏課堂互動所具備的密切互動,教授們面臨一個巨大的困難:難以監測學生並根據他們的需求和情況調整學習。
人工智慧助力預測學業表現
基於人工智慧的工具可以幫助教授預測學生的表現,使他們能夠根據不同的學習情況調整教育策略。科爾多瓦大學的團隊開發了一種能夠預測學生表現的演算法,並將其分為四個不同的分類。相比於之前只預測透過或不透過課程,或是退選或繼續課程的模型,“這個基於序數分類和模糊邏輯的演算法允許我們在預測學生表現的同時保持分類之間的線序關係:退學、不及格、及格和傑出,”科爾多瓦大學電腦科學和數值分析系的研究員 Amelia Zafra 解釋道。
這樣,FlexNSLVOrd 演算法能夠更好地預測,同時也允許教授根據學生的分類更好地調整策略。這個方法的兩個優勢在於使用成本矩陣的序數分類,可以對學習中的序數類別的比重進行建模和使其更具體。科爾多瓦大學電子與計算機工程系的研究員 Juan Carlos Gámez 解釋說,改進的模糊邏輯“讓您更有彈性,因為相比於具體值的標準邏輯,模糊邏輯使用的是一個區間範圍,並且它根據我們日常生活中的推論方式自動適應問題。”
演算法使用的資料和結果的解讀
此模型利用線上教學系統生成的資料。它考慮的特徵包括特定任務和問卷的完成情況、學生的成績以及他們在平臺上的點選行為等。對研究人員來說“可解釋性”也是關鍵,即能夠理解其產生的結果。在追蹤學生行為後,該模型進行分類,但同時也讓自己變得可以理解,因為“相比於黑盒演算法只告訴你學生是否透過或退選,但不告訴你如何或為什麼,”這種新工具“為每個分類提供一系列規則,顯示學生必須執行的最重要的資源和活動”,Zafra 解釋道。因此這個演算法可以幫助教育工作者識別學生,並能夠使用強化措施或策略,例如“拯救有問題的學生”。實際上該演算法甚至允許教授確保哪些特徵對於評估學業表現具有決定性作用,哪些特徵則不是。科爾多瓦大學電子與計算機工程系的研究員 Francisco Javier Rodríguez 補充道:“也許教授認為某項任務對於這個目標很重要,但事實證實它對學生最終是否透過或失敗並不關鍵。”
未來的應用
這個演算法已經使用了大量公開的 Open University Public Learning Data (OULAD)以及一大批學生和課程的樣本進行測試。將來這個演算法可能作為線上教育平臺(如 Moodle)上的應用程式,並可自動為教育工作者提供有關學生學業表現的反饋。該研究發表在《應用智慧》期刊上。
這個演算法的發展將在遠距教育領域引起重大變革。它不僅為教育工作者提供了更多洞察學生表現的工具,還允許他們更好地適應學習需要並提供更好的協助。然而在運用這個演算法時,我們仍然應該保持謹慎和懷疑的態度。演算法僅是一個工具,而不是教學的全部解決方案。雖然它可以預測學生表現,但這並不代表它可以預測一個學生的未來發展、才華和潛力。對於教育工作者來說與學生進行真實的互動和個別關注仍然是不可或缺的,而演算法僅是輔助工具。
因此在運用這個演算法時,我們應該謹慎並且與教育工作者一起反思如何將其嵌入到個別學生的教學中。教育仍然需要人的智慧和洞察,而演算法僅能提供有限的支援。
延伸閱讀
- Instagram 調整演算法,優先呈現更多小型原創創作者的內容
- 建築業主的碳排放:全新演算法可一覽無遺
- 字母 X 的 Bellwether 利用人工智慧幫助預測自然災害
- 露思特汽車將在 2024 年只生產 9,000 輛電動車,儘管曾預測將販售 90,000 輛
- 科技新聞網站: Qloo 籌集 2500 萬美元資金,預測你最喜愛的電影和電視節目
- Coinbase 樂觀預測:穩定幣及 Base 將成為 2024 年關鍵焦點
- Carta 現在會發生什麼事?
- Theory Venture 創始人 Tomasz Tunguz 揭示 2024 年預測:人工智慧主宰、Web3 再起、科技投資新常態
- 40 多位投資者分享他們對 2024 年的頂級預測
- 2024 年 AI 的 8 大預測