Leveraging artificial intelligence for enhancing postgraduate teaching: a framework to engaging professional learners
Notice bibliographique
Résumé
In the contemporary landscape of postgraduate education, the strategic integration of Artificial Intelligence (AI) has gained prominence as a transformative approach for optimizing pedagogical experiences, particularly among professional learners. This paper presents a framework aimed at harnessing the potential of AI to elevate postgraduate teaching, focusing on fostering active engagement and meaningful learning interactions within the context of professional education. Following the PRISMA guidelines, this research conducts a systematic review of pertinent literature sourced from Scopus and other reputable databases. Studies encompassing empirical investigations, conceptual frameworks, and pedagogical models that explore the integration of AI in postgraduate education for professional learners are selected. A stringent search strategy and clear eligibility criteria ensure the inclusion of studies that contribute to the development of the proposed framework. Drawing from the findings of the systematic review, this paper proposes a multidimensional framework that strategically incorporates AI into postgraduate teaching for professional learners. This paper contributes a novel framework for integrating AI into postgraduate education, specifically tailored to the needs of professional learners. The synthesized framework serves as a pragmatic guide for educators, curriculum designers, and policymakers aiming to leverage AI’s potential to enrich professional education. By strategically combining AI technologies with pedagogical strategies, educators can empower professional learners to thrive in their careers, offering them a robust learning experience that resonates within their professional pursuits.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,059 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,018 | 0,009 |
| Études des sciences et des technologies | 0,005 | 0,021 |
| Communication savante | 0,015 | 0,018 |
| Science ouverte | 0,004 | 0,014 |
| Intégrité de la recherche | 0,007 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».