خب بچه‌ها، امروز می‌خوام درباره یه پلتفرم خفن به اسم VITA براتون تعریف کنم. این VITA در واقع یه دستیار مجازی (Virtual Teaching Assistant) خیلی هوشمنده که با کمک هوش مصنوعی، مخصوصاً مدل‌های زبانی بزرگ (Large Language Model یا همون LLM) درست شده و قراره تو آموزش داده‌ساینس غوغا کنه!
VITA یه چیزی فراتر از یه چت‌بات ساده‌ست. مثلاً BotCaptain که داخلش هست، قشنگ مثل یه معلم کنارتون می‌شینه، جواب سوالاتونو میده، راهنماییتون می‌کنه و حتی وقتی گیر می‌افتید براتون محتواهای تقویتی یا جبرانی ارائه میده. همه اینا با سبک یادگیری تطبیقی (Adaptive Learning) اتفاق می‌افته. تطبیقی یعنی روش آموزش با توجه به نیاز و سطح تو عوض میشه که بیشتر تو یاد بگیری!
یک نکته خیلی باحال اینه که VITA لاگ‌های چت (یعنی کل گفتوگوها) رو می‌گیره و اونا رو به چیزی به اسم xAPI statement تبدیل می‌کنه. xAPI یه جور استاندارده که اطلاعات فرایند یادگیری رو ذخیره می‌کنه تا بعدش بتونن خیلی راحت تجزیه و تحلیل کنن. جالبه بدونید همین داده‌ها می‌ره داخل داشبورد استادها و اگر یکی خیلی از بقیه عقب بمونه یا چیزی رو بلد نباشه، استاد سریع می‌فهمه و می‌تونه به موقع کمکش کنه. اینو بهش میگن just-in-time intervention یعنی ورود به موقع برای کمک به دانشجوها.
تو این پلتفرم، هر کاربر بر اساس پیشرفت یا ضعفایی که داره به مسیر، محتوا یا تمرینات مختلف هدایت میشه. یعنی اگه خوب پیش بری، مطالب پیشرفته‌تر نشونت میدن. اگه نیاز به مرور یا تقویت داشتی، محتواهای جبرانی میارن جلوت — همه‌چیز شخصی‌سازی شده و مثل کلاس‌های سنتی نیست که یکی باید به همه یه جور توضیح بده!
علاوه بر اینا، VITA روش‌های ارزیابی همیشگی داره. این با ارزیابی سنتی فرق داره. “Formative Assessment” یعنی مدام حواسشون هست که چیا بلدی و چیا نه، و بهت بازخورد میدن تا کم‌کم قوی‌تر شی. جالب‌تر اینکه همه این ارزیابی‌ها روی صداقت هم حساسن! بخش integrity-aware assessment یعنی مراقبن که تقلب نکنی یا رفتار مشکوک نداشته باشی؛ پس دیگه روی دور زدن سیستم هم حساب نکن 🙂
توی این مقاله حتی اومدن VITA رو با تکنولوژی‌های جدید مثل RAG (Retrieval-Augmented Generation یعنی یه مدل که علاوه بر تولید محتوا، می‌تونه به اطلاعات واقعی یا بروز دسترسی داشته باشه) و LTI (Learning Tools Interoperability، یه استاندارد برای وصل کردن ابزارهای مختلف آموزشی به هم) مقایسه کردن. هر کدوم یه سری مزیت و دردسر خاص دارن، مثل اینکه چی راحت‌تر پیاده میشه، محتوای مطمئن‌تر میده و چقدر با بقیه سیستم‌ها سازگاره.
یکی از مهم‌ترین کارهایی که این مقاله انجام داده، اینه که یه معماری قابل استفاده مجدد برای تحلیل داده‌های گفت‌وگویی طراحی کردن (Interoperable Conversational Analytics یعنی تجزیه و تحلیل گفتوگوها به صورتی که بتونه با نرم‌افزارهای دیگه هم کار کنه). از طرف دیگه، یه فهرست از الگوهای ارزیابی که صداقت یادگیری رو حفظ می‌کنه و یه نقشه راه عملی هم درست کردن تا بشه همچین دستیار هوشمندی رو توی کلاس‌های داده‌ساینس و حتی درسای دیگه اجرا کرد.
آخرش هم یه سری پیشنهاد برای آینده دارن: اینکه چطور بشه RAG رو بهتر یکپارچه کرد، چطور جلوی اشتباهات و حرف‌های اشتباه (hallucination، یعنی وقتی هوش مصنوعی یه جواب عجیب و احتمالا غلط می‌سازه) رو گرفت و چجوری از نسخه جدیدتر LTI و OpenID Connect (یه تکنولوژی برای لاگین راحت و امن) استفاده کرد تا پلتفرم رو توی چند تا درس و دانشگاه امتحان کنن.
حالا چرا همچین چیزی مهمه؟ چون با زیاد شدن کلاس‌ها و دانشجوها، دیگه تدریس سنتی جواب نمی‌ده و اینجور سیستم‌های هوشمند با هوش مصنوعی می‌تونن کلی به معلم‌ها و دانشجوها کمک کنن: بازخورد سریع، یادگیری شخصی‌سازی‌شده و پشتیبانی همه‌جانبه. در آینده هم قراره این هوش تطبیقی بهتر بشه و تو خیلی حوزه‌های دیگه هم امتحانش کنن.
خلاصه اگر به آموزش هوشمند، هوش مصنوعی و آینده کلاس‌های دانشگاه علاقه دارین، VITA واقعاً می‌تونه خیلی چیزها رو تغییر بده؛ مخصوصاً برای کسایی که دوست دارن درس خوندن رو با تکنولوژی‌های جدید و راحت‌تر تجربه کنن!
منبع: +
