MétaCan
Menu
Retour à la cohorte
Enregistrement W4206231918 · doi:10.5206/eei.v31i1.14089

State of the Research on Artificial Intelligence Based Apps for Post-Secondary Students with Disabilities

2022· article· en· W4206231918 sur OpenAlexaffvenue
Catherine S. Fichten, David Pickup, Jennison Asunsion, Mary Jorgensen, Christine Vo, Anick Legault, Eva Libman

Notice bibliographique

RevueExceptionality Education International · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueOnline Learning and Analytics
Établissements canadiensMcGill UniversityDawson CollegeJewish General Hospital
Organismes subventionnairesnon disponible
Mots-clésComputer scienceInclusion (mineral)Web applicationState (computer science)PsychologyData scienceMathematics educationWorld Wide WebMultimediaArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

We conducted a general Google search and a scoping review of various types of artificial intelligence (AI) based technology – mobile, web-based, software, hardware – used by college and university students to do schoolwork. The main findings indicate that (1) there is no generally agreed upon definition of AI, and (2) there is a huge discrepancy between the popular press articles that are behind the AI hype and the scientific literature. The popular press provides an overview of the AI tools available to students with disabilities and discusses how students can use these tools. The scientific literature is primarily devoted to tool development and has poor methodology. We conclude that the potential of AI for post-secondary students with disabilities is enormous, but that informed research about these tools is scant, with a profound lack of demonstrated scalability. Research needs to address “real-world” uses of AI-based tools by post-secondary students with disabilities.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,269
Score d'incertitude au seuil0,384

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,090
Tête enseignante GPT0,430
Écart entre enseignants0,340 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueExceptionality Education InternationalMême sujetOnline Learning and AnalyticsTravaux en français237 207