AI-generated content construction in digital exhibition halls and practical study of image processing algorithms in educational reforms
Notice bibliographique
Résumé
With the rapid development of science and technology, the traditional mode of teaching is inefficient and difficult to flexibly respond to the needs of knowledge updating, and generating content and applications based on AI has become an important way to solve this problem.According to the form of interaction in the digital exhibition hall, the article proposes SinGAN model and uses the multi-head self-attention mechanism to coordinate the overall features and detailed features in the generated adversarial network image, and to deal with the large range of dependencies in the image.The proposed AI-generated content and SinGAN image processing method are applied in the teaching of practical courses using the course "Digital Electronics Technology and Application" of a university in Guangdong Province, which specializes in electronic information and engineering, as an experimental object.The experiment shows that the percentage of content with a content quality score of 0.6 to 1.0 reaches 75.7%.As the course progresses, the keyword coverage rate reaches 0.996, and AI-generated content is efficiently applied in the course.The student performance of the experimental class with AIgenerated content and image processing method teaching mode and the regular class with traditional teaching mode were 80.75 and 67.91 respectively, and the sample t-test for the significance of the student performance of the two classes was P=0.006, which showed a significant difference in the students' performance between the two teaching modes.Students' satisfaction with the new teaching mode is high, indicating that the AI-generated content and image processing methods proposed in the article have been well applied in education reform.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».