Кілт сөздер
Дәйексөзді қалай келтіруге болады
Аңдатпа
Білім беру деректерін интеллектуалды талдау (Educational Data Mining, EDM) оқушылардың үлгерімін болжау арқылы оқудағы қиындықтарды ерте анықтауға мүмкіндік береді. Дегенмен, Машиналық оқыту үлгілері көбінесе "қара жәшік" принципі бойынша жұмыс істейді. Түсіндірілетін жасанды интеллект (Explainable Artificial Intelligence, XAI) неліктен "қара жәшік" модельдері белгілі бір болжамдарды беретінін түсінуге көмектеседі. Бұл мақалада информатика және жаратылыстану ғылымдары бойынша оқушылардың үлгерімін болжау үшін түсіндірмелі жасанды интеллектті қолдану саласындағы соңғы бес жылдағы зерттеулерге жүйелі шолу берілген. Біз ең жиі қолданылатын сипаттамалар оқушылардың мінез-құлқы мен үлгерімі туралы деректер екенін және болжаудың негізгі мақсаттары пән бойынша үлгермеу қаупімен немесе бағалаулармен байланысты екенін анықтадық. Зерттеу сонымен қатар XAI қолданбаларын қарастырды, нәтижесінде ең көп таралған қолданбалар белгілердің маңыздылығын жаһандық талдау, жеке болжамдарды түсіндіру және араласулар мен шешім қабылдауды қолдау болып табылады. Сонымен қатар, біз Шеплидің аддитивті түсіндірмелері (SHAP) жеке деңгейде шектеулі қолданумен, негізінен жаһандық деңгейде ең көп қолданылатын XAI әдісі екенін анықтадық. Сонымен қатар, курстарды жақсарту, визуализация параметрлері және жекелендірілген ұсыныстарды қалыптастыру үшін түсіндірілетін жасанды интеллектті қолдануға қатысты зерттеулердегі олқылық анықталды. Бұл олқылықты жою мұғалімдерге жеке оқушыларға жақсы қолдау көрсету үшін деректерге негізделген жеке ұсыныстар беруге мүмкіндік береді.