Evaluating an AI-powered Platform for Generating Instructional Materials on Mathematical Modelling of Direct Variation
Notice bibliographique
Résumé
Mathematical modelling serves as the foundation for addressing real-world problems. In Hong Kong, the Education Bureau has promoted teacher awareness, yet a lack of instructional materials for conducting mathematical modelling activities remains. Therefore, we have developed an AI-powered platform to generate mathematical modelling problems and pedagogical recommendations to support teaching practices. To ensure a robust foundation for problem generation, our instruction input to the AI model (GPT-40) encompassed established design frameworks and principles. This study focused on the topic of direct variation within the secondary school mathematics curriculum. We tasked the AI tool with creating 20 sets of instructional materials for our evaluation. Furthermore, we engaged five well-trained in-service teachers to trial the platform and provide feedback for improvement. Our findings suggested that the AI-generated problems were generally relevant to real-world contexts. Our teacher participants further highlighted the clarity and comprehensiveness of the AI-generated teacher guides, which offered detailed pedagogical recommendations and suggested solutions. Most importantly, the instructional materials aligned with curriculum standards and catered to the ability levels of students in Hong Kong. However, the AI tool still requires human oversight. Specifically, the AI-generated units and values (e.g., the price of petrol) should be verified to ensure their accuracy and relevance to current real-world contexts. Our next steps involve refining the AI tool to address the identified issues and training it to generate instructional materials across a wider range of mathematics topics, thereby enhancing its overall effectiveness and applicability.
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 | 0,011 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».