| Anotācija |
Darba autore: Zanda Aivita Cīrule
Darba temats: Mākslīgā intelekta balstīts pedagoģiskais aģents e—mācību vidē
Darba veids: Maģistra darbs
Studiju programma: Informācijas tehnoloģijas
Darba zinātniskā vadītāja: Dr. sc. comp., prof. Anita Jansone
Darba apjoms: 82 lappuses, 25 attēli, 14 tabulas, 6 pielikumi un 59 literatūras avoti.
Atslēgas vārdi: Pedagoģiskais aģents, mākslīgais intelekts (MI) izglītībā, adaptīvās mācību sistēmas, lieli valodu modeļi (LLM) izglītībā, personalizēta mācīšanās.
Pētījuma mērķis: Sintezēt literatūru par mākslīgā intelekta balstītiem pedagoģiskajiem aģentiem, identificēt tendences, tehnoloģijas un mācību rezultātus un izstrādāt mākslīgā intelekta balstītu pedagoģisko aģentu.
Darba saturs: Darbs sastāv no četrām nodaļām, diskusijas, rezultātu un secinājumu daļām. Pirmajā nodaļā veikts sistemātisks literatūras pārskats, izmantojot PRISMA 2020 vadlīnijas, lai identificētu un analizētu jaunākos pētījumus par mākslīgā intelekta balstītiem pedagoģiskajiem aģentiem, to tehnoloģiskajām pieejām un pedagoģisko ietekmi uz studentu mācību rezultātiem, motivāciju un iesaisti, kā arī mācību procesa kvalitāti. Otrajā nodaļā aprakstīts pedagoģiskā aģenta mērķis, nepieciešamība, aģenta funkcionalitāte un mijiedarbība ar lietotāju, kā arī pedagoģiskā aģenta izstrādes tehniskā realizācija. Trešajā nodaļā izklāstīta eksperimenta metodoloģija pētījuma dizainam, definētas hipotēzes, aprakstīta datu ieguve un analīzes metode. Ceturtajā nodaļā sniegta empīrisko rezultātu analīze, kurā ietverta aprakstošās statistikas dati, statiskās analīzes rezultātu izvērtējums un anketu datu analīze. Darba beigās veikta diskusija un rezultātu nozīmes izvērtējums saistībā ar teorētisko ietvaru.
Pētījuma metodes: Pētījumā izmantotas vairākas papildinošas metodes: sistemātisks literatūras pārskats, kurš balstīts PRISMA 2020 vadlīnijās; dizaina zinātnes pieeja pedagoģiskā aģenta prototipa izstrādei; eksperimentāls pētījums ar divām studentu grupām, kurā veikta gan kvantitatīvā datu analīze (mācību rezultāti, iesaistes rādītāji), gan kvalitatīvā analīze (lietotāju atsauksmes un mijiedarbības novērojums).
Darba rezultāti: Sistematizēta literatūra par mākslīgā intelekta balstītiem pedagoģiskajiem aģentiem, identificējot galvenās tehnoloģiskās tendences, arhitektūras un pedagoģiskās funkcijas. Izstrādāts pedagoģiskais aģents, kas sniedz adaptīvu atbalstu studentiem un personalizētu mācību pieredzi. Empīriskie rezultātu analīze, apliecinot pozitīvu ietekmi uz mācību rezultātiem un lietotāju pieredzi.
Darba izmantojamība: Aģentu var integrēt e-mācību platformās, lai personalizētu mācīšanos, uzlabotu lietotāju iesaisti, izmantot turpmākajos pētījumos un izglītības iestādēs un uzņēmumos, kas izstrādā digitālos mācību risinājumus. |
