大学生が順調に学習し成長しているかどうかについて人々は不安を感じ始めていますが、「重要な違い」を特定するための明確な数字はほとんどありません。数値的な状況は、通常、「正しい」または「間違った」答えがある状況を指します (ラップトップのオン/オフ ボタンと同様)。データが正しく解釈されない場合、一部の従来の統計手順は、2 つのグループの生徒のスコアを比較する分析で「差」が見つかる可能性があるという考えをサポートする可能性があります (例: はい/いいえ p ≤ .05?)。ただし、生徒の学習と発達は高度な数値解析をはるかに超えた複雑なプロセスであるため、単一の結果に説得力があることはありません。
データ分析の目的は、生徒の学習と発達におけるパターンと異常を特定することです。生徒の学習と発達は段階的なプロセスであり、複数の要素を総合的に考慮する必要があります。その結果、大学や高等教育機関は、より包括的な視点を得るためにデータを分析するために人工知能と「シミュレーション」戦略を採用しています。これらのシミュレーション ツールは、教育機関が学生の学習と発達をよりよく理解できるように、何もない場合とその中間のすべての間で事実上無制限のオプションを作成できます。
キャンパス内のすべての学生に適用される単一の正解は存在しないことを認識しているため、さまざまな学生サブグループのスコアが異なるのではなく類似しているかどうかを検討することさえ、シミュレーションされた状況になります。生徒の学習と発達がなぜ非常に複雑であるかを説明するには、視野を広げて、生徒の背景、文化、教育、家庭生活などの側面を含むすべての関連要因の影響を理解する必要があります。
したがって、従来の統計手順の結果にのみ依存するのではなく、生徒の学習と発達のプロセスをより深く理解する必要があります。人工知能とシミュレーション ツールを使用してデータを分析することで、生徒の学習と発達をより完全かつ包括的に把握できます。
発達心理学、認知科学、神経科学などの発達科学は、子どもの「年齢と段階」の発達に焦点を当てるだけでなく、生徒の「軌跡」を探求することに重点を置いています。これらの軌道の変化は、不変の人口統計的特徴や過去の学業成績によって予測される要因だけではなく、多くの要因によって決定されます。発達の軌跡とは、過去、現在、未来の影響を受ける生徒の人生の軌跡であり、生徒の将来の発達の方向性を決定します。したがって、生徒の進路の変化と要因を理解することは、個別の教育および能力開発計画を立てる上で非常に重要です。
私たちは、生徒の学習と発達に関するデータを収集するために、さまざまなコンピューター情報システムとパフォーマンスベースの評価を組み合わせた 15 個の縦断的データセットを調査しました。これらのデータセットは 2007 年に作成されたもので、各縦断データセットには 190 万を超える個別のデータ ポイントが含まれています。機械学習技術と AI 認知分析を使用することで、これらの縦断的コホート研究における生徒の成功に関して収集されたデータのパターンと異常を特定する予測モデルを構築しました。また、線形および二値ロジスティック回帰分析には SPSS 統計ソフトウェアを使用し、構造方程式モデリングには AMOS を使用しました。さまざまな分析方法を使用して結果を確認し、同じ結果に到達したため、結果に対する信頼性が高まりました。
私たちの研究では、生徒の進路の変化は意識的な逸脱と見なすことができ、生徒は自己調整を通じて予想される人生の道筋を変えることができることがわかりました。たとえば、学生は大学での成功につながる軌道に乗っているものの、中退につながる別の軌道に向けて方向転換することを決定する場合があります。私たちの研究では、生徒の進路の変化は、生徒の性格、家庭環境、教育レベル、心理状態などの複数の要因によって決定されることも示しています。したがって、個人に合わせた教育および能力開発計画を作成するには、学生が自分に最適な軌道を見つけ、最大の可能性を実現できるように、これらの要素を包括的に考慮する必要があります。
機械学習、AI 認知分析、従来の統計などの手法を使用しても、同様の結果が得られました。 2017 年の論文「Using Support Vector Machines to Predict Student Graduation Outcomes」では、学生の卒業を予測するために機械学習テクノロジーを適用する方法が紹介されました。この論文では、生徒の学習と発達を測定するための一連の要素を含む、100 を超える特徴を活用して予測モデルを構築しました。この研究結果は、AI認知分析の結論を裏付けるものであり、学生の入学経歴は将来を決定するものではないが、学業成績と卒業を予測する上では入学後の学習と発達の経験がより重要であるというものだ。 AI 戦略を適用すると、最も有用な情報が得られます。学生の軌跡は複雑ですが、AI はこの複雑さに対処できます。
発達科学では学生のキャンパス内でのすべての経験と時間の経過を同じフレームワーク内で考慮するため、学生の学習と発達に関するデータを収集することは、「シミュレーション」思考を進めるのに役立ちます。 AI 戦略は、生徒の学習と発達に関するすべての「断片化された」データを分析するときに役立ちます。
以上が人工知能戦略を使用して生徒の不安を和らげる方法の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。