Design Artificial Intelligence Convergence Teaching and Learning Model CP3 and Evaluations
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this paper, CP3 model (Converged model of Problem recognition, Plan and Play) is developed to perform the artificial intelligence convergence education as a teaching and learning model for elementary school students. The convergence education was applied to actual classes with five subjects: data collection and analysis, understanding sorting algorithms, understanding sequential structures, understanding repetitive structures, and procedural thinking. When the class was conducted using the CP3 model, the overall score is improved by 41.6% compared to the general classes. There were improvements of 53% of male students and 33% of female students, and male students in the lower grades participates more actively in Artificial Intelligence convergence classes. When the satisfaction of the class with CP3 model is analyzed, the interest level is improved by 83%, the problem-solving ability is improved by 70%, the satisfaction level is improved by 68.5%, the understanding level is improved by 64%, and the expectation level is improved by 68%. The overall satisfaction to the class is very high when the subjects and objects closely familiar in daily life are used due to the characteristics of the lower grade students, and the result is more effective when playable elements are applied. However, for low-grade students, they are still experiencing a little difficulties in classes with complex classes like CP3. Considering the characteristics of low-grade students, simple algorithms with a topic closely related to daily life would make a better result.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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