ԳՆԱՀԱՏՄԱՆ ՀԻՄՆԱԽՆԴԻՐԸ ԲԱՐՁՐԱԳՈՒՅՆ ԿՐԹՈՒԹՅԱՆ ՀԱՄԱԿԱՐԳՈՒՄ 21-րդ ԴԱՐՈՒՄ
DOI:
https://doi.org/10.46991/ai.2023.2.132Keywords:
արհեստական բանականություն, գնահատում, բարձրագույն կրթություն, անհատականացված ուսուցում, մեքենայական ուսուցում, բնական լեզվի մշակում, տվյալների արդյունահանում, էթիկական նկատառումներAbstract
Արհեսական բանականության ինտեգրումը գիտելիքների գնահատման գործընթացին մեծ զարգացում է բարձրագույն կրթության ոլորտում: Հոդվածում դիտարկված է արհեստական բանականության վրա հիմնված գնահատման մեթոդների ազդեցությունը բարձրագույն կրթության համատեքստում և քննարկում դրանց առավելությունները, սահմանափակումները և էթիկական նկատառումները: Հոդվածում ներկայացված է սովորողների գիտելիքների գնահատման մեջ արհեստական բանական համակարգերի կիրառումն ուսումնասիրելու համար համապատասխան գրականության ակնարկ՝ կենտրոնանալով դրանց ազդեցության արդյունավետության, օբյեկտիվության, անհատականացված ուսուցման փորձի և հետադարձ կապի ձևավորման վրա: Այն նաև անդրադառնում է բարդության, հնարավոր կողմնակալության և մարդկային դատողության և միջամտության անհրաժեշտության հետ կապված մարտահրավերներին: Էթիկական նկատառումները, ինչպիսիք են թափանցիկությունը, գաղտնիությունը և արդարությունը, քննարկված են հոդվածում:
Հոդվածում բերված են նաև մանկավարժների հետ հարցազրույցների օրինակներ, որոնք վերաբերում են վերջիններիս տեսակետներին արհեստական բանական համակարգերի վրա հիմնված գնահատման վերաբերյալ: Բացի այդ, տրված են նաև հարցազրույցների ընթացքում սովորողների ֆոկուս խմբերի հարցման արդյունքները՝ լույս սփռելով նրանց փորձառությունների, խնդիրների և առաջարկությունների վրա։
References
Brown, G., et al. (2019). Artificial Intelligence and the Automation of Council of Europe Language Examinations. CALICO Journal, 36(3), 317-335.
Chen, Y., et al. (2021). Exploring the Effects of a Personalized Learning System on College Students' Motivation and Learning Performance. Computers & Education, 168, 104209.
Dawson, S., et al. (2019). It's Not Just What You Say, It's How You Say It: Validating Automated Speech Recognition for Second Language Pronunciation. Journal of Computer-Assisted Learning, 35(3), 273-287.
Huang, Y., et al. (2022). Effects of Immediate Feedback on Undergraduate Students' Learning: A Meta-Analysis. Journal of Educational Computing Research, 59(1), 96-127.
Johnson, L., et al. (2018). Towards a Framework for Educational Applications of AI. TechTrends, 62(6), 564-573.
Kizilcec, R. F., et al. (2021). Demographic Differences in How Students Navigate Educational Technology: Evidence from a Large-Scale Field Study. Journal of Educational Computing Research, 59(3), 627-655.
Liang, S., et al. (2021). Fairness and Explainability in AI-Based Educational Technologies: A Review. Computers & Education, 169, 104223.
Oberst, I., et al. (2020). Examining the Bias in Sentiment Analysis Datasets: Gender Stereotypes in Customer Reviews. Journal of Educational Data Mining, 12(3), 37-58.
Prinsloo, P., & Slade, S. (2017). Educational triage in open distance learning: Walking a moral tightrope. Open Praxis, 9(2), 135-148.
Rienties, B., et al. (2021). Making Sense of Learner Analytics Data: A Review of Methodologies and a Call for Collaboration. Computers & Education, 168, 104193.
Siemens, G., et al. (2019). Artificial Intelligence in Education. TechTrends, 63(1), 4-7.
Smith, K., et al. (2020). Computer-Aided Language Assessment: A Review of Contemporary Topics and Research. Language Testing, 37(4), 523-546.
Wise, A. F., et al. (2020). Ethical and Privacy Considerations for Learning Analytics. Handbook of Learning Analytics, 55-64.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 Samvel Asatryan, Spartak Soghoyan
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
