Chagua Lugha

CHOP: Kuunganisha ChatGPT katika Mazoezi ya Uwasilishaji wa Mdomo wa EFL - Uchambuzi na Mfumo

Uchambuzi wa CHOP, jukwaa linalotumia ChatGPT kutoa maoni ya kibinafsi kwa mazoezi ya uwasilishaji wa mdomo wa EFL, ikijumuisha muundo, tathmini, na matokeo ya baadaye.
learn-en.org | PDF Size: 0.5 MB
Ukadiriaji: 4.5/5
★ ★ ★ ★ ★
Ukadiriaji Wako
Umekadiria waraka huu tayari
Kifuniko cha Waraka PDF - CHOP: Kuunganisha ChatGPT katika Mazoezi ya Uwasilishaji wa Mdomo wa EFL - Uchambuzi na Mfumo
Tazama Waraka PDF Pakua PDF Tafsiri PDF
Nyumbani » Nyaraka » CHOP: Kuunganisha ChatGPT katika Mazoezi ya Uwasilishaji wa Mdomo wa EFL - Uchambuzi na Mfumo

Yaliyomo

1.1 Utangulizi na Muhtasari

Hati hii inatoa uchambuzi kamili wa karatasi ya utafiti "CHOP: Kuunganisha ChatGPT katika Mazoezi ya Uwasilishaji wa Mdomo wa EFL." Utafiti huu unashughulikia pengo muhimu katika elimu ya Kiingereza kama Lugha ya Kigeni (EFL): ukosefu wa maoni ya kibinafsi yanayoweza kuongezeka kwa ujuzi wa uwasilishaji wa mdomo. Inatanguliza CHOP (Jukwaa la mwingiliano linalotumia ChatGPT kwa mazoezi ya uwasilishaji wa mdomo), mfumo mpya ulioundwa kutoa maoni ya wakati halisi yanayosaidiwa na AI kwa wanafunzi.

1.2 Kauli Kuu ya Tatizo

Wanafunzi wa EFL wanakabiliwa na changamoto kubwa katika kukuza ujuzi wa uwasilishaji wa mdomo, ikiwa ni pamoja na wasiwasi wa kuzungumza, msamiati/sarufi iliyopunguzwa, na matamshi yasiyo sahihi. Mbinu za kitamaduni zinazolenga mwalimu mara nyingi hazitoshi kwa sababu ya upungufu wa rasilimali na kutoweza kutoa maoni ya haraka na ya kibinafsi. Hii inaleta hitaji la suluhisho za kiteknolojia zenye mwingiliano na zinazolenga mwanafunzi.

2. Jukwaa la CHOP

2.1 Muundo wa Mfumo na Mtiririko wa Kazi

CHOP imejengwa kama jukwaa la wavuti ambapo wanafunzi hufanya mazoezi ya uwasilishaji wa mdomo. Mtiririko mkuu wa kazi unajumuisha: 1) Mwanafunzi hurekodi mazoezi yake ya uwasilishaji, akiweza kuvinjari slaidi. 2) Sauti inabadilishwa kuwa maandishi. 3) Mwanafunzi anaomba maoni kutoka kwa ChatGPT kulingana na vigezo vilivyowekwa mapema (k.m., maudhui, lugha, uwasilishaji). 4) ChatGPT hutoa maoni ya kibinafsi, ambayo mwanafunzi anaweza kupima na kutumia kuuliza maswali ya ziada kwa marekebisho.

2.2 Vipengele Muhimu na Kiolesura cha Mtumiaji

Kama inavyoonyeshwa kwenye Mchoro 1 wa PDF, kiolesura kinajumuisha: (A) Uvinjaji wa slaidi kwa mazoezi ya sehemu, (B) Kurudia sauti ya mazoezi, (C) Onyesho la maoni ya ChatGPT kwa kila kigezo pamoja na nakala ya sauti, (D) Kipimo cha alama 7 cha Likert cha kupima kila kipengee cha maoni, (E) Sehemu ya maelezo kwa marekebisho, na (F) Kiolesura cha gumzo kwa maswali ya ziada kwa ChatGPT.

3. Mbinu na Tathmini

3.1 Wasifu wa Washiriki na Muundo wa Utafiti

Utafiti ulitumia mbinu mchanganyiko. Mahojiano ya kikundi cha kuzingatia yalifanywa na wanafunzi 5 wa EFL ili kuelewa mahitaji. Tathmini kuu ya jukwaa ilihusisha wanafunzi 13 wa EFL. Muundo wa utafiti ulilenga kukusanya data tajiri ya ubora na kiasi kuhusu mwingiliano kati ya mwanafunzi na AI.

3.2 Ukusanyaji wa Data na Mfumo wa Uchambuzi

Vyanzo vitatu vikuu vya data vilitumika: 1) Kumbukumbu za Mwingiliano: Mwingiliano wote wa mwanafunzi-ChatGPT, ikiwa ni pamoja na maombi ya maoni, vipimo, na maswali ya ziada. 2) Uchunguzi wa Baada ya Matumizi: Mitazamo ya wanafunzi kuhusu manufaa, kuridhika, na changamoto. 3) Tathmini ya Mtaalamu: Wataalamu wa ufundishaji wa lugha walitathmini ubora wa sampuli ya maoni yanayotolewa na ChatGPT dhidi ya vigezo vilivyowekwa.

4. Matokeo na Ugunduzi

4.1 Tathmini ya Ubora wa Maoni

Tathmini za wataalamu zilionyesha kuwa maoni yanayotolewa na ChatGPT kwa ujumla yalikuwa muhimu na yanayoweza kutekelezwa kwa mambo ya kiwango kikubwa kama muundo wa maudhui na uwazi. Hata hivyo, yalionyesha ukomo katika kutoa ushauri maalum, ulio na muktadha maalum kuhusu matamshi, mtindo wa sauti, na matumizi ya lugha ya hali ya juu. Usahihi ulitegemea ubora wa maagizo ya awali ya mwanafunzi na utafsiri wa sauti.

4.2 Mitazamo ya Wanafunzi na Mienendo ya Mwingiliano

Wanafunzi waliripoti kupungua kwa wasiwasi kwa sababu ya hali ya kutoihukumu na upatikanaji wa kila wakati wa kocha wa AI. Mfumo wa kupima alama 7 ulitoa data muhimu kuhusu manufaa ya maoni yaliyohisiwa. Kumbukumbu za mwingiliano zilionyesha kuwa wanafunzi waliojihusisha na mizunguko ya kurudia ya ombi la maoni → marekebisho → swali la ziada walionyesha uboreshaji mkubwa zaidi ulioripotiwa na wenyewe. Ugunduzi muhimu ulikuwa umuhimu wa sababu za muundo kama uwazi wa vigezo vya maoni na urahisi wa kiolesura cha swali la ziada katika kuunda uzoefu wa kujifunza.

5. Maelezo ya Kiufundi na Mfumo

5.1 Uhandisi wa Maagizo na Uzalishaji wa Maoni

Ufanisi wa mfumo unategemea uhandisi wa hali ya juu wa maagizo. Maagizo makuu yaliyotumwa kwa API ya ChatGPT yanaweza kuwakilishwa kwa dhana kama utendakazi: $F_{maoni} = P(Nakala, Vigezo, Muktadha)$, ambapo $P$ ni kiolezo cha maagizo, $Nakala$ ni matokeo ya ASR, $Vigezo$ ni vipimo vya tathmini (k.m., "tathmini ufasaha na mwunganisho"), na $Muktadha$ inajumuisha kiwango cha mwanafunzi na lengo la uwasilishaji. Uzalishaji wa maoni sio uainishaji rahisi bali ni kazi ya uzalishaji wa maandishi ya masharti iliyoboreshwa kwa manufaa ya kielimu.

5.2 Mfano wa Mfumo wa Uchambuzi

Kesi: Kuchambua Ufanisi wa Maoni
Hali: Mwanafunzi anapokea maoni: "Maelezo yako ya mbinu yalikuwa wazi, lakini jaribu kutumia maneno zaidi ya kuunganisha kama 'zaidi ya hayo' au 'kinyume chake'."
Utumiaji wa Mfumo:
1. Ufafanuzi: Je, maoni yanahusika maalum (yanalenga "maneno ya kuunganisha") au hayana uhakika?
2. Uwezekano wa Kutekeleza: Je, yanatoa mfano halisi ("zaidi ya hayo")?
3. Uimarishaji Chanya: Je, yanaanza na nguvu ("maelezo wazi")?
4. Uwezekano wa Kuendelea: Je, mwanafunzi anaweza kuuliza kwa kawaida: "Je, unaweza kunipa mifano miwili zaidi ya maneno ya kuunganisha kwa kulinganisha mawazo?"
Mfumo huu, unaotumika kwa kumbukumbu za mwingiliano, husaidia kubaini muundo gani wa maagizo hutoa $F_{maoni}$ yenye ufanisi zaidi.

6. Majadiliano na Matokeo

6.1 Nguvu, Vikwazo na Sababu za Muundo

Nguvu: CHOP inaonyesha uwezo wa kuongezeka, upatikanaji wa saa 24, na ubinafsishaji katika kiwango kigumu kwa wakufunzi wa kibinadamu kufanana kila wakati. Inahimili mazingira ya mazoezi yasiyo na shida kubwa.
Vikwazo na Kasoro: Hali ya "sanduku nyeusi" ya uzalishaji wa maoni inaweza kusababisha usahihi usio kamili, hasa katika fonetiki. Inakosa mwongozo wenye huruma na muktadha wa kitamaduni wa mtaalamu wa kibinadamu. Kutegemea kupita kiasi kunaweza kuzuia ukuzaji wa ujuzi wa kujitathmini.
Sababu Muhimu za Muundo: Utafiti unaonyesha kuwa UI lazima iongoze mwanafunzi kuuliza maswali bora zaidi (k.m., maagizo yaliyopendekezwa ya kuendelea), na maoni lazima yagawanywe katika vipande vidogo vinavyoweza kuelewewa na maalum kwa kila kigezo ili kuepuka kumchokesha mwanafunzi.

6.2 Uchambuzi wa Asili: Uelewa wa Msingi, Mtiririko wa Mantiki, Nguvu na Kasoro, Ufahamu Unaoweza Kutekelezwa

Uelewa wa Msingi: Utafiti wa CHOP sio tu kuhusu kujenga kocha mwingine wa AI; ni uchunguzi wa kipekee wa kihistoria katika kuongoza ushirikiano wa kibinadamu-AI kwa ujuzi changamano, unaotegemea utendaji. Uvumbuzi halisi upo katika mtiririko wake wa kazi ulioundwa ambao huweka ChatGPT sio kama mbadala wa mwalimu, bali kama mshirika wa mazoezi asiyechoka anayemwandaa mwanafunzi kwa darasa la mwisho linaloongozwa na mwanadamu. Hii inalingana na maono ya ushirikiano wa Kibinadamu-AI katika elimu yaliyoelezewa na watafiti wa taasisi ya Stanford HAI, ambapo AI inashughulikia mazoezi ya kurudia na maoni yanayotokana na data, huku wakufunzi wakiwa huru kwa uongozi wa hali ya juu.

Mtiririko wa Mantiki: Mantiki ya karatasi ni thabiti: tambua hatua ya maumivu ya kudumu na yenye matumizi makubwa ya rasilimali (maoni ya kibinafsi ya uwasilishaji) → tumia teknolojia ya jumla ya kuvuruga (LLMs) → unda muktadha maalum wa matumizi na vigezo (jukwaa la CHOP) → thibitisha kupitia utafiti wa mbinu mchanganyiko. Hii ndiyo mpango wa utafiti wa EdTech wenye athari.

Nguvu na Kasoro: Nguvu yake ni mwelekeo wake wa vitendo kwenye muundo wa ujumuishaji na mtazamo wa mwanafunzi, ukisonga zaidi ya utafiti wa uwezekano tu. Hata hivyo, kasoro kuu ya utafiti ni kiwango chake (n=13). Ingawa ufahamu wa ubora ni tajiri, inakosa nguvu ya takwimu kufanya madai ya hakika kuhusu ufanisi wa kujifunza, suala la kawaida katika kazi ya awali ya HCI-kwa-elimu. Kulinganisha alama za uwasilishaji kabla na baada ya mtihani na kikundi cha udhibiti, kama inavyoonekana katika utafiti mkali zaidi kama ule wa mifumo ya ufundishaji yenye akili kwa hisabati (k.m., utafiti wa Carnegie Learning), ungeimarisha madai yake.

Ufahamu Unaoweza Kutekelezwa: Kwa wakufunzi na wasimamizi wa bidhaa, hitimisho ni wazi: Fomula ya ushindi ni "AI kwa mazoezi, wanadamu kwa hukumu." Usijaribu kujenga AI inayopima uwasilishaji wa mwisho. Badala yake, jenga AI inayoboresha ubora wa mazoezi, kuhakikisha wanafunzi wanafika kwa mtathmini wa kibinadamu wakiwa wamekamilika zaidi na wenye ujasiri. Utoaji wa pili wa CHOP unapaswa kujumuisha uchambuzi wa njia nyingi (k.m., kutumia miundo ya maono kwa maoni ya mwonekano na ishara, sawa na matumizi katika uchambuzi wa michezo) na kupitisha mfumo wa tathmini mkali zaidi, unaoongozwa na nadharia unaopima sio tu kuridhika, bali uhamishaji halisi wa ujuzi.

7. Matumizi ya Baadaye na Mwelekeo

Mfumo wa CHOP una uwezo mkubwa wa kupanuliwa:
1. Maoni ya Njia Nyingi: Kuunganisha maono ya kompyuta (k.m., OpenPose) kuchambua lugha ya mwili, mawasiliano ya macho, na ishara, kutoa maoni kamili ya uwasilishaji.
2. Ubadilishaji Maalum wa Kikoa: Kukifaa jukwaa kwa nyanja maalum (k.m., uwasilishaji wa kisayansi, mikutano ya biashara) kwa kuboresha LLM ya msingi kwenye mkusanyiko unaohusiana.
3. Uchambuzi wa Kujifunza wa Muda Mrefu: Kutumia data ya mwingiliano kujenga miundo ya wanafunzi inayotabiti maeneo ya changamoto na kupendekeza mazoezi yanayolengwa mapema, kusonga kutoka kwa usaidizi wa kukabiliana hadi wa kukabiliana mapema.
4. Ujumuishaji wa Darasa Mseto: Kukuza dashibodi ya mwalimu ambapo wakufunzi wanaweza kupitia muhtasari wa maoni yanayotolewa na AI kwa kila mwanafunzi, kuwezesha uingiliaji kati wa darasa wenye ufanisi na ufahamu zaidi. Hii "muundo mseto" inawakilisha mustakabali wa elimu iliyoimarishwa na AI.

8. Marejeo

  1. Cha, J., Han, J., Yoo, H., & Oh, A. (2024). CHOP: Kuunganisha ChatGPT katika Mazoezi ya Uwasilishaji wa Mdomo wa EFL. arXiv preprint arXiv:2407.07393.
  2. Hwang, G.-J., Xie, H., Wah, B. W., & Gašević, D. (2020). Maono, changamoto, majukumu na masuala ya utafiti wa Akili Bandia katika Elimu. Kompyuta na Elimu: Akili Bandia, 1, 100001.
  3. Taasisi ya Stanford ya Akili Bandia Iliyolenga Kibinadamu (HAI). (2023). AI na Elimu: Ukweli na Uwezo. Imepatikana kutoka https://hai.stanford.edu
  4. Zhu, J.-Y., Park, T., Isola, P., & Efros, A. A. (2017). Tafsiri ya Picha hadi Picha Isiyo na Jozi kwa kutumia Mtandao wa Kupingana Unaozingatia Mzunguko. Matukio ya Mkutano wa Kimataifa wa IEEE wa Maono ya Kompyuta (ICCV). (Imetajwa kama mfano wa mbinu mkali na yenye ushawishi katika utafiti wa AI).
  5. Koedinger, K. R., & Aleven, V. (2016). Mkufunzi wa Kiakili Asiyeonekana kwa Matumizi ya Mkakati wa Metacognitive. Mkutano wa Kimataifa wa Mifumo ya Ufundishaji Yenye Akili. (Mfano wa tathmini mkali katika AI ya kielimu).
  6. Baraza la Ulaya. (2001). Mfumo wa Kawaida wa Marejeo wa Ulaya wa Lugha: Kujifunza, kufundisha, tathmini. Cambridge University Press. (Mfumo mwenye mamlaka wa ufasaha wa lugha).