生徒構成採点の新たなトレンド:教師とAIの連携モデル
テクノロジーが進歩するにつれて、テクノロジーが従来の人間の仕事をどのように変えるか、あるいは置き換えるのかという長年の疑問があります。スーパーマーケットのセルフサービス チェックアウトから、医療スキャンで重篤な病気を検出する AI の機能まで、あらゆる分野の労働者が自分の仕事の一部を行うツールを使用していることに気づきました。感染症の流行により教室での AI ツールの人気が加速し、この傾向は衰えていないため、教育は専門的な仕事と AI などのツールを共有する別の分野となっています。
私たちは、生徒の学習成果を評価するという、教育における人工知能の特定の応用に強い関心を抱いてきました。多くの場合、生徒への採点とフィードバックに多くの時間が費やされるため、多くの教師はより重要なライティング タスクを割り当てることができず、同時に、生徒は採点やフィードバックを得るまでに長時間待たなければならないことがよくあります。この場合、AI が生徒の宿題の評価を支援できれば、間違いなく時間を節約し、学習効率を向上させることができます。しかし、私たちはまた、AI 採点システムとフィードバック システムが本当に実際の教師と同じように効果的に生徒を助けることができるのかという疑問についても考えています。
先生は「何を表現したいのですか?よくわかりません。AI の主な仕事は、書くプロセスや形式で発生した問題を解決することです。むしろ、
私たちは最近、中学生が設定された作文問題に応じて作文を作成、提出、修正できる AI プラットフォームの評価を実施しました。学生がエッセイを提出するたびに、4 つのライティング領域 (議論と焦点、サポートと証拠、構成、言語とスタイル) の習熟度 (1 ~ 4 ポイント) に基づいて AI スコアと提案にすぐにアクセスでき、改善に役立ちます。
AI の評価とフィードバックを実際の教師の評価とフィードバックと比較するために、2021 年から 2022 学年度中にこのプラットフォームを使用した中学校の作文教師 16 人を対面会議に招待しました。採点基準を正確に理解し、適用していることを確認するために、各教師に、生徒のものではないランダムな 10 件の記事を評価し、フィードバックを提供するよう依頼しました。これにより、教師によって評価された 160 件の記事が得られ、AI の評価とフィードバックと比較することができました。 .
教師のスコアは AI によって与えられるスコアと似ていますか、それとも異なりますか?
平均して、教師は AI よりも記事に低いスコアを与えていることがわかりました。全体として、4 つの側面の合計スコア (最低 4 ポイント、最高 16 ポイント) に関して、これら 160 件の記事に対する教師の平均スコアは 7.6 であり、一方、教師の平均スコアは 7.6 です。同じ一連の記事に対する AI のスコアは 8.8 です。具体的には、教師と AI は、主張、焦点、サポートと証拠の点で、高スコア (スコア 4) の記事と低スコア (スコア 1) の記事について一致する傾向がありましたが、異なっていました。教師は記事に 2 のスコアを与える可能性が高く、AI は記事に 3 のスコアを与える可能性が高くなります。記事に 1 または 2 のスコアを与える可能性が高い一方で、AI のスコアは 1 から 4 の間で分布しており、より多くの記事が 3 ポイント、さらには 4 ポイントを獲得しています。教師が書いたコメントは、AI によって与えられたコメントと似ていますか、それとも異なりますか?
16 人の教師とのミーティングで、10 件の作文について彼らが与えたスコアとフィードバックについて話し合う機会を与えました。授業でこの採点プログラムを使用する場合、ほとんどの生徒は AI によって与えられたコメントを理解し解釈するのに助けが必要です。たとえば、生徒はコメントを読んでも読まないことがよくあります。先生によると、顕著な変化の 1 つは、生徒の理解力レベルに応じて、より適切な言語でコメントを表現できるようになったということです。コメントやフィードバックに関して、AI がどれほどフレンドリーであるかを振り返りました。今日の子供たちは、直接的かつ正直なフィードバックに慣れています。彼らは常に自分のエゴをなだめることを必要としているわけではなく、むしろ問題を解決したいと考えています。したがって、常に修辞的であることが重要ではなく、直接的であることが重要です。」
私たちが見つけたもう一つの違いは、教師が小論文全体の質、つまり流れ、論調、単純に要約しているのか議論を確立しているのか、証拠が議論に適合しているかどうか、全体が首尾一貫しているかどうかに重点を置いているということでした。教師らは、主張、焦点、サポート、証拠に焦点を当てた場合、記事全体を見ることができるため、記事に 2 を与える可能性が高いと説明しました。これは、多くの AI では実際にはできないことです。記事全体に関するトレーニングを提供するのではなく、文レベルでトレーニングします。
教師はAIとは異なり、記事全体の順序や流れを理解できるため、組織構造をより厳密に評価します。たとえば、教師たちは、AI が適切に構造化された議論の証拠として移行単語を見つけたり、生徒にもっと移行単語の使用を提案したりする可能性があるが、教師は移行が実際に流れているのか、それとも関連性のない一連の文に挿入されているだけなのかを確認できると共有しました。 。言語とスタイルの観点から、教師たちは、たとえば一見複雑な語彙を使用することによって、AI がより簡単に混乱してしまうという問題を再び指摘しました。またはアイデアを表現します。
AI は教師の採点に役立つでしょうか?
生徒の作業を評価することは、特に生徒が書き方を学んでいる場合、教育において非常に重要で時間のかかる部分です。学生が自信を持って熟練したライターになるためには、頻繁な練習と迅速なフィードバックが必要です。しかし、ほとんどの教師には計画と採点に時間が不足しており、定期的または長文の作文課題のスケジュールを立てたり、キャリアにおけるワークライフ バランスを維持したりするには教えることができない生徒が多すぎます。
AIは教師の負担を軽減する上で非常に重要です。私たちの予備調査では、教師とAIの間で評価に多少の違いがあることが判明しましたが、AIシステムが教師と同じくらい包括的に生徒の記事を見て、生徒の成長や特定の状況に適応した方法でフィードバックを与えることができれば、私たちは信じていますこうした意見に応えて、AI は実際に教師の採点を支援することができます。 AI の改善は、教師の採点の負担を軽減するだけでなく、学生が執筆する機会を増やし、タイムリーで有益なフィードバックを受け取り、ライターとしての能力開発を強化するためにも、これらの分野で価値があると考えています。
以上が生徒構成採点の新たなトレンド:教師とAIの連携モデルの詳細内容です。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。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック









このサイトは6月27日、JianyingはByteDanceの子会社であるFaceMeng Technologyによって開発されたビデオ編集ソフトウェアであり、Douyinプラットフォームに依存しており、基本的にプラットフォームのユーザー向けに短いビデオコンテンツを作成すると報告しました。 Windows、MacOS、その他のオペレーティング システム。 Jianyingは会員システムのアップグレードを正式に発表し、インテリジェント翻訳、インテリジェントハイライト、インテリジェントパッケージング、デジタルヒューマン合成などのさまざまなAIブラックテクノロジーを含む新しいSVIPを開始しました。価格的には、クリッピングSVIPの月額料金は79元、年会費は599元(当サイト注:月額49.9元に相当)、継続月額サブスクリプションは月額59元、継続年間サブスクリプションは、年間499元(月額41.6元に相当)です。さらに、カット担当者は、ユーザーエクスペリエンスを向上させるために、オリジナルのVIPに登録している人は、

検索強化生成およびセマンティック メモリを AI コーディング アシスタントに組み込むことで、開発者の生産性、効率、精度を向上させます。 JanakiramMSV 著者の EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG から翻訳。基本的な AI プログラミング アシスタントは当然役に立ちますが、ソフトウェア言語とソフトウェア作成の最も一般的なパターンに関する一般的な理解に依存しているため、最も適切で正しいコードの提案を提供できないことがよくあります。これらのコーディング アシスタントによって生成されたコードは、彼らが解決する責任を負っている問題の解決には適していますが、多くの場合、個々のチームのコーディング標準、規約、スタイルには準拠していません。これにより、コードがアプリケーションに受け入れられるように修正または調整する必要がある提案が得られることがよくあります。

AIGC について詳しくは、51CTOAI.x コミュニティ https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou を参照してください。これらの質問は、インターネット上のどこでも見られる従来の質問バンクとは異なります。既成概念にとらわれずに考える必要があります。大規模言語モデル (LLM) は、データ サイエンス、生成人工知能 (GenAI)、および人工知能の分野でますます重要になっています。これらの複雑なアルゴリズムは人間のスキルを向上させ、多くの業界で効率とイノベーションを推進し、企業が競争力を維持するための鍵となります。 LLM は、自然言語処理、テキスト生成、音声認識、推奨システムなどの分野で幅広い用途に使用できます。 LLM は大量のデータから学習することでテキストを生成できます。

大規模言語モデル (LLM) は巨大なテキスト データベースでトレーニングされ、そこで大量の現実世界の知識を取得します。この知識はパラメータに組み込まれており、必要なときに使用できます。これらのモデルの知識は、トレーニングの終了時に「具体化」されます。事前トレーニングの終了時に、モデルは実際に学習を停止します。モデルを調整または微調整して、この知識を活用し、ユーザーの質問により自然に応答する方法を学びます。ただし、モデルの知識だけでは不十分な場合があり、モデルは RAG を通じて外部コンテンツにアクセスできますが、微調整を通じてモデルを新しいドメインに適応させることが有益であると考えられます。この微調整は、ヒューマン アノテーターまたは他の LLM 作成物からの入力を使用して実行され、モデルは追加の実世界の知識に遭遇し、それを統合します。

編集者 |ScienceAI 質問応答 (QA) データセットは、自然言語処理 (NLP) 研究を促進する上で重要な役割を果たします。高品質の QA データ セットは、モデルの微調整に使用できるだけでなく、大規模言語モデル (LLM) の機能、特に科学的知識を理解し推論する能力を効果的に評価することもできます。現在、医学、化学、生物学、その他の分野をカバーする多くの科学 QA データ セットがありますが、これらのデータ セットにはまだいくつかの欠点があります。まず、データ形式は比較的単純で、そのほとんどが多肢選択式の質問であり、評価は簡単ですが、モデルの回答選択範囲が制限され、科学的な質問に回答するモデルの能力を完全にテストすることはできません。対照的に、自由回答型の Q&A

機械学習は人工知能の重要な分野であり、明示的にプログラムしなくてもコンピューターにデータから学習して能力を向上させる機能を提供します。機械学習は、画像認識や自然言語処理から、レコメンデーションシステムや不正行為検出に至るまで、さまざまな分野で幅広く応用されており、私たちの生活様式を変えつつあります。機械学習の分野にはさまざまな手法や理論があり、その中で最も影響力のある 5 つの手法は「機械学習の 5 つの流派」と呼ばれています。 5 つの主要な学派は、象徴学派、コネクショニスト学派、進化学派、ベイジアン学派、およびアナロジー学派です。 1. 象徴主義は、象徴主義とも呼ばれ、論理的推論と知識の表現のためのシンボルの使用を強調します。この学派は、学習は既存の既存の要素を介した逆演繹のプロセスであると信じています。

編集者 | KX 医薬品の研究開発の分野では、タンパク質とリガンドの結合親和性を正確かつ効果的に予測することが、医薬品のスクリーニングと最適化にとって重要です。しかし、現在の研究では、タンパク質とリガンドの相互作用における分子表面情報の重要な役割が考慮されていません。これに基づいて、アモイ大学の研究者らは、初めてタンパク質の表面、3D 構造、配列に関する情報を組み合わせ、クロスアテンション メカニズムを使用して異なるモダリティの特徴を比較する、新しいマルチモーダル特徴抽出 (MFE) フレームワークを提案しました。アライメント。実験結果は、この方法がタンパク質-リガンド結合親和性の予測において最先端の性能を達成することを実証しています。さらに、アブレーション研究は、この枠組み内でのタンパク質表面情報と多峰性特徴の位置合わせの有効性と必要性を実証しています。 「S」で始まる関連研究

7月5日のこのウェブサイトのニュースによると、グローバルファウンドリーズは今年7月1日にプレスリリースを発行し、自動車とインターネットでの市場シェア拡大を目指してタゴール・テクノロジーのパワー窒化ガリウム(GaN)技術と知的財産ポートフォリオを買収したことを発表した。モノと人工知能データセンターのアプリケーション分野で、より高い効率とより優れたパフォーマンスを探求します。生成 AI などのテクノロジーがデジタル世界で発展を続ける中、窒化ガリウム (GaN) は、特にデータセンターにおいて、持続可能で効率的な電力管理のための重要なソリューションとなっています。このウェブサイトは、この買収中にタゴール・テクノロジーのエンジニアリングチームがGLOBALFOUNDRIESに加わり、窒化ガリウム技術をさらに開発するという公式発表を引用した。 G
