1. Кваме: двуязычный помощник преподавателя ИИ для онлайн-курсов SuaCode (arXiv)
Автор:Джордж Боатенг
Аннотация. Вводные практические курсы, такие как наш курс программирования для смартфонов SuaCode, требуют серьезной поддержки студентов для достижения целей обучения. Онлайн-среда еще больше затрудняет получение помощи, особенно в последнее время из-за COVID-19. Учитывая многоязычный контекст студентов SuaCode — учащихся из 42 африканских стран, которые в основном говорят на англо- или франкоязычном языке — в этой работе мы разработали двуязычного помощника преподавателя (TA) с искусственным интеллектом (ИИ) — Кваме, — который дает ответы на вопросы учащихся по кодированию из Курсы SuaCode на английском и французском языках. Kwame — это основанная на Sentence-BERT (SBERT) система вопросов и ответов (QA), которую мы обучали и оценивали в автономном режиме с использованием пар вопрос-ответ, созданных на основе викторин курса, конспектов уроков и вопросов студентов в прошлых когортах. Кваме находит абзац наиболее семантически похожим на вопрос через косинусное сходство. Мы сравнили систему с TF-IDF и Universal Sentence Encoder. Наши результаты показали, что точная настройка данных курса и возврат первых 3 и 5 ответов повысили точность результатов. Kwame поможет учащимся быстро и точно отвечать на вопросы на курсах SuaCode.
2. Виртуальный помощник преподавателя для персонализированного обучения (arXiv)
Автор:Лука Бенедетто, Паоло Кремонези, Мануэль Паренти
Реферат: В этом расширенном реферате мы предлагаем интеллектуальную систему, которую можно использовать в качестве персонального виртуального помощника преподавателя (PVTA) для повышения качества обучения студентов как на онлайн-курсах, так и на курсах на месте. Мы показываем архитектуру такой системы, состоящей из экземпляра IBM Watson Assistant и сервера, и представляем первоначальную реализацию, состоящую из чат-бота, которому можно задать вопросы о содержании и организации курса RecSys, вводного курса в рекомендательных системах
3. Переосмысление инструментов для обучения ассистентов преподавателей (arXiv)
Автор:Чандралекха Сингх
Вывод. Способность классифицировать проблемы является мерой компетентности в предметной области. Чтобы помочь учащимся эффективно учиться, инструкторы и ассистенты преподавателей (ТА) должны обладать знаниями по педагогическому содержанию. Они должны знать о предшествующих знаниях учащихся, которых они обучают, рассматривать сложность проблем с точки зрения учащихся и разрабатывать инструкции, основанные на том, что учащиеся уже знают. Здесь мы обсуждаем реакцию аспирантов, зачисленных на курс обучения ТА, на задачи категоризации, в которых их просили сгруппировать проблемы на основе схожести решений сначала с их собственной точки зрения, а затем с точки зрения студентов, изучающих физику. Многие аспиранты выполнили экспертную категоризацию вводных физических задач. Однако, когда их попросили классифицировать те же проблемы с точки зрения начинающих студентов, многие аспиранты выразили тревогу, заявив, что задача невыполнима, бессмысленна и не имеет отношения к их обязанностям ТА. Мы обсудим, как категоризация может быть полезным инструментом для укрепления и улучшения знаний педагогического содержания ассистентов и инструкторов.
4.Изучение педагогических знаний ассистентов преподавателей с помощью теста понимания графов в кинематике (arXiv)
Автор: Александру Мариес, Чандралекха Сингх
Аннотация:Тест понимания графов в кинематике (TUG-K) — это тест с несколькими вариантами ответов, разработанный Бейхнером в 1994 году для оценки понимания учащимися графов кинематики. Многие из элементов в TUG-K имеют сильный выбор отвлекающих факторов, которые соответствуют общим трудностям учащихся с кинематическими графами. Обучение вряд ли будет эффективным, если инструкторы не знают об общих трудностях, с которыми сталкиваются студенты, изучающие физику, и явно учитывают их в своем учебном проекте. Мы оцениваем знания педагогического содержания аспирантов первого курса физики, зачисленных на курс подготовки ассистентов преподавателей (ТА), связанных с темами, охваченными в TUG-K. В частности, по каждому пункту TUG-K аспирантов просили определить, какой неправильный вариант ответа, по их мнению, чаще всего будет выбран начинающими физиками, если они не знают правильный ответ после обучения соответствующим понятиям. Мы использовали данные аспирантов и данные из оригинальной статьи Бейхнера для вводных студентов-физиков, чтобы оценить соответствующие знания педагогического содержания (PCK) аспирантов. Мы обнаружили, что, хотя аспиранты в среднем справились лучше, чем случайное угадывание, при определении вводных трудностей учащихся на TUG-K, они не выявили многих общих трудностей, которые у вводных студентов возникают с графами в кинематике, даже после традиционного обучения. Кроме того, мы обнаружили, что способность аспирантов выявлять трудности начинающих студентов зависит от контекста.
