Integrating AI and Learning Analytics for Data-Driven Pedagogical Decisions and Personalized Interventions in Education

要約

この調査研究では、OpenAI の GPT-4 モデルを活用して、生徒の取り組みを定量化し、学習の進行状況をマッピングし、教育現場での多様な指導戦略を評価する革新的な学習分析ツールの概念化、開発、展開について調査します。
このツールは、生徒のストレスレベル、好奇心、混乱、動揺、トピックの好み、学習方法などの重要なデータポイントを分析することで、学習環境の包括的なビューを提供します。
また、ブルームの分類法を利用して、生徒の質問に基づいて認知発達を評価します。
合成データによる技術的評価に加えて、認識された利点と課題を評価するために、アイオワ大学の教員を対象とした調査からのフィードバックが収集されました。
教員は、リアルタイムの洞察を通じて指導上の意思決定を強化するツールの可能性を認識していましたが、データのセキュリティと AI によって生成された洞察の精度について懸念を表明しました。
この調査では、ツールの設計、実装、評価の概要が説明されており、教育成果への貢献、学習管理システム内での実際的な統合、プライバシーと精度の懸念に対処するために必要な将来の改良点に焦点が当てられています。
この研究は、パーソナライズされたデータ駆動型教育の形成における AI の役割を強調しています。

要約(オリジナル)

This research study explores the conceptualization, development, and deployment of an innovative learning analytics tool, leveraging OpenAI’s GPT-4 model to quantify student engagement, map learning progression, and evaluate diverse instructional strategies within an educational context. By analyzing critical data points such as students’ stress levels, curiosity, confusion, agitation, topic preferences, and study methods, the tool provides a comprehensive view of the learning environment. It also employs Bloom’s taxonomy to assess cognitive development based on student inquiries. In addition to technical evaluation through synthetic data, feedback from a survey of teaching faculty at the University of Iowa was collected to gauge perceived benefits and challenges. Faculty recognized the tool’s potential to enhance instructional decision-making through real-time insights but expressed concerns about data security and the accuracy of AI-generated insights. The study outlines the design, implementation, and evaluation of the tool, highlighting its contributions to educational outcomes, practical integration within learning management systems, and future refinements needed to address privacy and accuracy concerns. This research underscores AI’s role in shaping personalized, data-driven education.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google