Trí tuệ nhân tạo
[ Đăng ngày (28/02/2026) ]
|
|
Giáo viên AI đa phương thức: Tích hợp điện toán biên và mô hình suy luận để nâng cao phân tích lỗi của học sinh
|
|
|
Nghiên cứu do nhóm các tác giả bao gồm Tianlong Xu, Zhendong Chu, Qingsong Wen (Squirrel AI Learning, Thượng Hải, Trung Quốc) và Yi-Fan Zhang (NLPR, CASIA MAIS, Thượng Hải, Trung Quốc) thực hiện.
|
Hình minh họa. Nguồn Internet
Bài báo này mở rộng công trình nghiên cứu đã được công bố trước đây của nhóm tác giả về hệ thống giáo viên AI ảo (VATE), được trình bày tại IAAI-25. VATE được thiết kế để tự động phân tích và sửa lỗi của học sinh trong quá trình giải toán bằng cách sử dụng các mô hình ngôn ngữ lớn tiên tiến (LLM). Bằng cách tích hợp hình ảnh bản nháp của học sinh làm đầu vào chính cho quá trình suy luận, hệ thống cung cấp phân tích nguyên nhân lỗi chi tiết và hỗ trợ đối thoại thời gian thực, nhiều vòng giữa AI và học sinh.
Trong phiên bản mở rộng này, nhóm nghiên cứu giới thiệu một mô-đun giải quyết nhanh mới để xử lý các tác vụ suy luận cấp thấp bằng cách sử dụng các mô hình LLM được triển khai trên thiết bị biên, cho phép tương tác nhanh hơn và một phần ngoại tuyến.
Nhóm nghiên cứu cũng bao gồm các thí nghiệm đánh giá hiệu năng mở rộng, bao gồm đánh giá của chuyên gia và các nghiên cứu phân tích thành phần, để đánh giá hiệu suất mô hình và kết quả học tập. Được triển khai trên nền tảng Squirrel AI, VATE thể hiện độ chính xác cao (78,3%) trong phân tích lỗi và cải thiện hiệu quả học tập của học sinh, với sự hài lòng cao của người dùng.
Những kết quả này cho thấy VATE là một giải pháp có khả năng mở rộng, tiết kiệm chi phí và có tiềm năng chuyển đổi các phương pháp giáo dục. |
ctngoc
Theo Tạp chí AI, Tập 46 Số 3 (2025) DOI: 10.1002/aaai.70030 |