人工智能與數字教育觀察
AI and Digital Education Spectator

學習紀錄如何找出支援需要?理大Knowlearn的107名學生資料分析

理大KnowLearn研究把教學、學習表現及回饋資料連成知識圖譜,分析建築及房地產學系107名學生的資料。結果顯示,自我效能、使用意向和課堂小測表現可顯著預測虛擬學習環境中的期末成果。團隊另加入本地部署的Qwen-7B語言模型,以對話方式提供個別建議。模型的預測關係並不代表因果,亦未直接證明對話功能本身提升了學生的學習成績。

研究摘要

Knowlearn: Evaluating Cross-Subjects Interactive Learning by Deploying Knowledge Graph and Large Language Model|HKTEA Symposium 2024
研究及來源資料
研究來自哪裏?
香港理工大學
地域視角
本地研究 · 香港
期刊/研討會
HKTEA Symposium 2024
類型
107名學生的學習資料分析及系統設計
研究/內容地區
香港
原文日期
2024-06-18
最近核實
2026-09-11
研究來源分類
研討會
作者
Hung-lin CHI、Junyu CHEN、Haolei LIN
學習階段
高等教育
研究領域
科技與工程、學習與認知
研究對象
學生