ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В СОЦИАЛЬНОЙ ПЕДАГОГИКЕ: ПРОГНОЗНАЯ АНАЛИТИКА ДЛЯ УСИЛЕНИЯ РАННЕГО ВМЕШАТЕЛЬСТВА
DOI:
https://doi.org/10.46991/educ-21st-century.v7.i2.259Ключевые слова:
искусственный интеллект (ИИ), прогнозная аналитика, риск отсева из школы, раннее вмешательство, социальная педагогика, модели машинного обучения, предвзятость и справедливость в ИИ, конфиденциальность данных, анализ кривой принятия решений (DCA), интеллектуальный анализ данных в образованииАннотация
Раннее выявление детей и семей, нуждающихся в поддержке, является важной задачей социальной педагогики. В данной статье рассматривается, как системы искусственного интеллекта (ИИ) могут улучшить работу социальных педагогов, прогнозируя факторы риска и выявляя необходимость раннего вмешательства. Мы представляем исследование, в котором используется подход прогнозной аналитики для выявления учащихся из группы риска с применением регрессионной модели к образовательным и социально-демографическим данным. Результаты модели показывают, что аналитика на основе ИИ может успешно выявлять значительную часть молодежи, подверженной риску, что позволяет принимать меры до обострения проблем. Мы обсуждаем эти выводы в контексте существующей литературы, подчеркивая преимущества ИИ – повышенную точность, эффективность и распределение ресурсов – наряду с проблемами, такими как этические соображения и необходимость контроля со стороны человека. Исследование показывает, что системы ИИ, при ответственном использовании, могут значительно улучшить стратегии раннего вмешательства в социальной педагогике, помогая социальным педагогам принимать обоснованные и своевременные решения для улучшения результатов уязвимых групп населения.
Библиографические ссылки
1. Arishi H., Falkner N., Treude C., & Attapattu T., Systematic Literature Review on Machine Learning Research in Education. In 2021 IEEE Frontiers in Education Conference (FIE), October, 2024, pp. 1–9. doi: 10.1109/fie61694.2024.10892898
2. Bañeres D., Rodríguez-González M.E., Guerrero-Roldán A.E., & Cortadas P., An early warning system to identify and intervene online dropout learners. International Journal of Educational Technology in Higher Education, 20(1), January, 2023. doi: 10.1186/s41239-022-00371-5
3. Inkster B., et al.. User engagement with mental health chatbots: A study on digital therapy adherence. In Proceedings of the European Conference on Digital Psychiatry, Berlin, Germany, 2018, pp. 67–75.
4. Lupariello F., Sussetto L., Di Trani S., & Di Vella G., Artificial Intelligence and Child Abuse and Neglect: A Systematic Review. Children, 10(10), October, 2023, 1659. doi: 10.3390/children10101659
5. Nuwasiima N.M., Ahonon N.M.P., & Kadiri N.C., The Role of Artificial Intelligence (AI) and Machine Learning in Social Work Practice. World Journal of Advanced Research and Reviews, 24(1), October, 2024, 80–97. doi: 10.30574/wjarr.2024.24.1.2998
6. Psyridou M., Prezja F., Torppa M., Lerkkanen M.K., Poikkeus A.M., & Vasalampi K., Machine learning predicts upper secondary education dropout as early as the end of primary school. Scientific Reports, 14(1), June, 2024. doi: 10.1038/s41598-024-63629-0
7. Schwartz D.R., Kaufman A.B., & Schwartz I.M., Computational intelligence techniques for risk assessment and decision support. Children and Youth Services Review, 26(11), September, 2004, 1081–1095. doi: 10.1016/j.childyouth.2004.08.007
8. San Diego State University, Academy for Professional Excellence, Use of AI Tools in Social Work and Child Welfare Services (Research Summary). San Diego, CA, USA. Available: CWDS Research Summary: Use of AI Tools in Social Work and Child Welfare Services — October 2023, October, 2023.
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Copyright (c) 2025 Samvel Asatryan
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
