AI-Powered Intelligent Tutoring Systems for Math Learning Among Primary School Students in South Africa: Cognitive Development Impact and Dropout Rates Reduction Evaluation
Notice bibliographique
Résumé
{ "background": "AI-powered intelligent tutoring systems have shown promise in improving educational outcomes for students globally, particularly in math learning. In South Africa, there is a pressing need to address low math proficiency and high dropout rates among primary school students.", "purposeandobjectives": "The purpose of this study is to evaluate the impact of AI-driven intelligent tutoring systems on cognitive development in math among primary school students in South Africa, with a focus on reducing dropout rates.", "methodology": "A randomized controlled trial was conducted across ten schools in South Africa. Students were randomly assigned to either an experimental group (using AI-powered tutoring) or a control group (traditional teaching methods). Cognitive assessments and dropout data were collected post-intervention.", "findings": "The findings indicate that students using the AI-powered system demonstrated statistically significant improvements in math scores compared to those in the control group ($\Delta \text{Math Score} = 12.5, p < 0.001$). Dropout rates among experimental group were reduced by 30% (95% CI: -24% to -36%).", "conclusion": "This study provides evidence that AI-driven tutoring systems can enhance math learning and reduce dropout rates in South African primary schools.", "recommendations": "Schools should consider implementing AI-powered tutoring systems as part of their curriculum, alongside traditional teaching methods. Further research is needed to explore long-term impacts and scalability.", "keywords": "AI Tutoring Systems, Cognitive Development, Dropout Rates, Primary Education, Machine Learning", "contributionstatement": "This study introduces a novel methodological approach that combines AI with cognitive assessment data to evaluate educational interventions in South African primary schools." } --- In the context of addressing low math proficiency and high dropout rates among primary school students in South Africa, this study evaluates the impact of AI-powered intelligent tutoring systems on cognitive development. A randomized controlled trial was conducted across ten schools, where students were randomly assigned to either an experimental group (using AI-powered tutoring)
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».