MétaCan
Menu
Retour à la cohorte
Enregistrement W7104565132 · doi:10.62670/2308-7668.2025.53.3.007

Technologies and Educational Resources of the Future: Generative AI and Learning Analytics in the Classroom and Beyond

2025· article· ru· W7104565132 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevuePedagogičeskij dialog. · 2025
Typearticle
Langueru
DomaineComputer Science
ThématiqueArtificial Intelligence in Education
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesnon disponible
Mots-clésAnalyticsGenerative grammarLearning analyticsKey (lock)Cultural analyticsGenerative modelBig data

Résumé

récupéré en direct d'OpenAlex

Learning analytics has become an increasingly prominent aspect of 21st century educational research and practice. In this article, I will discuss some of the key applications of learning analytics, as well as emerging opportunities to use learning analytics to understand and support learning, engagement, and long-term life success. I will also discuss how recent developments in generative artificial intelligence are impacting learning analytics methods and uses. At the same time, I will discuss the new challenges brought by the growing use of generative AI and the new opportunities to influence both research and practice. Учебная аналитика становится всё более важным аспектом образовательных исследований и практики XXI века. В данной статье рассматриваются ключевые области применения учебной аналитики, а также новые возможности её использования для понимания и поддержки процессов обучения, вовлечённости учащихся и их долгосрочного жизненного успеха. Особое внимание уделяется тому, как последние достижения в области генеративного искусственного интеллекта влияют на методы и применение аналитики обучения. Наряду с этим анализируются вызовы, возникающие в связи с распространением генеративного ИИ, и обсуждаются перспективы, открывающиеся как для научных исследований, так и для практики в образовании. Оқытудағы аналитика – XXI ғасырда білім берудегі зерттеулер мен тәжірибенің аса маңызды аспектілерінің бірі болып табылады. Мақалада оқудағы аналитика қолданылатын негізгі салалар, оқыту процесін, оқушылардың белсенді қатысуын, олардың өмірде табысты болуын қолдауға бағытталған жаңа мүмкіндіктер қарастырылады. Сонымен қатар генеративті жасанды интеллект саласындағы соңғы жетістіктердің оқытудағы аналитика әдістеріне және оның қолданылуына қалай әсер ететініне тоқталамыз. Генеративті ЖИ-дің кеңінен таралуы білім беру саласына жаңа мүмкіндіктермен қатар бірқатар сын-талаптарды да алып келуде. Мақалада осы жаңа сын-талаптар және оларды еңсеру жолдары, сондай-ақ зерттеу және білім беру тәжірибесін жетілдірудегі әлеуеті талқыланады.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,354
Score d'incertitude au seuil0,556

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,327
Écart entre enseignants0,300 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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