Performance of AI Chatbots on the fundamentals of engineering civil exam
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
The growing integration of artificial intelligence (AI) in education, particularly through AI chatbots powered by large language models (LLMs), requires careful evaluation of their benefits and limitations. This study examines the potential of three leading AI chatbots—ChatGPT, Gemini, and DeepSeek—as educational tools for civil engineering students by evaluating their performance on the fundamentals of engineering (FE) civil exam. Using a standardized dataset, chatbot responses were analyzed across three criteria: Final Answer Correctness, Conceptual Understanding, and Correct Use of Equations. Indicative results show that ChatGPT o3, ChatGPT-4o, DeepSeek-R1, and Gemini 2.5 Pro achieved accuracies above 70%, while DeepSeek-V3 and Gemini 2.0 Flash scored above 60%. Performance was highest in foundational subjects introduced early in engineering curricula and lowest in advanced, domain-specific areas, indicating the need for enhanced reasoning capabilities and targeted domain training. In addition, the performance of AI chatbots was further analyzed by comparing their accuracy on text-based versus image-based questions. Accuracy was significantly higher for text-based questions (average 87%) compared to image-based questions (42%), revealing current limitations in visual interpretation. These findings suggest that while AI chatbots can potentially serve as practical tutoring tools for early-stage learners, further refinement is needed for complex, visual, or advanced engineering tasks. This study contributes to understanding the role of AI in civil engineering education and informs strategies for its integration into academic practice.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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