Application of Artificial Intelligence Technology in Enhancing the Effectiveness of Production-oriented Approach to Literacy Instruction and Instructional Design
Notice bibliographique
Résumé
In the era of artificial intelligence, human-computer collaborative teaching has become a new picture of future development in the field of education.Based on the theory of human-computer collaboration and the theory of production-oriented approach (POA), this paper constructs a university English POA teaching model based on human-computer collaboration.It also combines the speech recognition algorithm, S-T behavioural analysis method and social network analysis method to conduct a case study on the current situation of college English classroom teaching under this instructional design model.Meanwhile, a teaching experiment is designed to verify the effectiveness of the constructed POA teaching model.The results of the case study show that most of the university English courses favour the lecture mode, with less interaction between students, and the classroom is dominated by teacher lectures and teacher-student interactions, but at the same time, many teachers begin to experiment with the discussion mode, which increases teacher-student interactions and studentstudent interactions in the classroom.In addition, the experimental group adopts the POA teaching mode and the control group adopts the traditional lecture mode, and its independent samples t-test results show that the experimental group is significantly better than the homogeneous control group in the dimensions of interest, ability, attitude, and test scores in English literacy after the experiment (P<0.05), which suggests that the combination of AI technology and the production-oriented method can effectively improve the effectiveness of the design of university English literacy teaching and achieve better teaching effectiveness and has potential application value.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 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) | 0,001 | 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 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 ».