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 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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».