Jadwal Sholat

Memuat jadwal sholatโ€ฆ

Editorial ilmu komputer

Open AccessOA2024

Integrasi teknik deep learning untuk jalur pembelajaran personal di pendidikan tinggi

Eksperimen terkontrol dengan 300 mahasiswa di empat mata kuliah pada sebuah universitas di Pakistan menunjukkan bahwa platform pembelajaran adaptif berbasis AI yang memakai deep learning meningkatkan nilai, skor ujian, dan keterlibatan sebesar 25% dibandingkan pengajaran tradisional. Umpan balik kualitatif mengonfirmasi peningkatan kepuasan terhadap jalur pembelajaran yang dipersonalisasi.
F. Naseer; Muhammad Nasir Khan; Muhammad Tahir; Abdullah Addas; S.M. Haider Aejazยท Heliyonยท 2024ยท DOI 10.1016/j.heliyon.2024.e32628

Masalah inti

Kemajuan pesat kecerdasan artifisial (AI) di bidang pendidikan telah membuka kemungkinan baru untuk meningkatkan pengalaman belajar mahasiswa. Penelitian ini menjawab kebutuhan kritis akan pendidikan yang dipersonalisasi di pendidikan tinggi dengan mengintegrasikan teknik deep learning (DL) untuk menciptakan jalur pembelajaran yang disesuaikan. Studi ini bertujuan menjembatani kesenjangan antara konten pendidikan yang statis dan kebutuhan mahasiswa yang dinamis, dengan menyajikan platform pembelajaran adaptif berbasis AI yang diterapkan pada empat mata kuliah dan 300 mahasiswa di sebuah universitas di Faisalabad, Pakistan. Pertanyaan penelitian utamanya menyelidiki apakah personalisasi berbasis DL dapat secara signifikan meningkatkan hasil akademik, keterlibatan, dan kepuasan dibandingkan pengajaran tradisional yang seragam untuk semua.

Inovasi

Studi ini memakai desain eksperimen terkontrol yang membandingkan dua kelompok: satu kelompok memakai platform pembelajaran adaptif berbasis AI dan kelompok kontrol yang menerima pengajaran tradisional. Platform tersebut memanfaatkan algoritma deep learning untuk menganalisis data kinerja mahasiswa secara real-time, menyesuaikan tingkat kesulitan konten, tempo, dan jalur pembelajaran secara dinamis berdasarkan kebutuhan individu. Sebanyak 300 mahasiswa di empat mata kuliah berbeda berpartisipasi. Ukuran kuantitatif mencakup nilai, skor ujian, dan metrik keterlibatan, sedangkan data kualitatif dikumpulkan melalui survei dan umpan balik untuk menilai kepuasan dan persepsi personalisasi. Analisis statistik dilakukan untuk menentukan signifikansi perbedaan yang diamati.
Pendahuluan
Kemajuan pesat kecerdasan artifisial (AI) di bidang pendidikan telah membuka kemungkinan baru untuk meningkatkan pengalaman belajar mahasiswa. Penelitian ini menjawab kebutuhan kritis akan pendidikan yang dipersonalisasi di pendidikan tinggi dengan mengintegrasikan teknik deep learning (DL) untuk menciptakan jalur pembelajaran yang disesuaikan. Studi ini bertujuan menjembatani kesenjangan antara konten pendidikan yang statis dan kebutuhan mahasiswa yang dinamis, dengan menyajikan platform pembelajaran adaptif berbasis AI yang diterapkan pada empat mata kuliah dan 300 mahasiswa di sebuah universitas di Faisalabad, Pakistan. Pertanyaan penelitian utamanya menyelidiki apakah personalisasi berbasis DL dapat secara signifikan meningkatkan hasil akademik, keterlibatan, dan kepuasan dibandingkan pengajaran tradisional yang seragam untuk semua.

Mengapa penting

Temuan ini secara empiris memvalidasi bahwa platform AI yang memanfaatkan analitik yang kuat untuk menyediakan pembelajaran yang disesuaikan dan adaptif dapat secara signifikan meningkatkan kinerja akademik, keterlibatan, dan kepuasan mahasiswa. Berbeda dari penelitian AI sebelumnya yang kurang memiliki validasi ketat, studi ini menawarkan kerangka kerja konkret bagi institusi untuk menerapkan pendidikan personal berbasis AI dalam skala besar. Pendekatan berbasis data ini mengaitkan adaptasi dengan kebutuhan mahasiswa yang sebenarnya, menghasilkan peningkatan yang terukur. Hasil ini memiliki konsekuensi yang berwawasan bagi masa depan pendidikan tinggi, berkontribusi pada meningkatnya permintaan akan penelitian AI di bidang pendidikan, dan menyediakan model praktis untuk metodologi pengajaran yang berpusat pada mahasiswa.

Siapa yang sebaiknya membaca

Pembaca Research Digest dan praktisi rumpun ini.

Membuka konten memberโ€ฆ