طراحی پرامپت مناسب برای آموزش مبتنی بر مدل های زبانی بزرگ به دانش آموزان با نقص توجه/ بیش فعالی [Persian Thesis]
جاهد کبیری
| شناسگر رکورد: | ۵۲۲۶۵ |
| رشته تحصیلی: | هوش مصنوعی و رباتیکز |
| عنوان: | طراحی پرامپت مناسب برای آموزش مبتنی بر مدل های زبانی بزرگ به دانش آموزان با نقص توجه/ بیش فعالی |
| نويسنده: | جاهد کبیری |
| استاد راهنما : | دکتر بابک مجیدی دکتر آناهیتا خدابخشی کولایی |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : | ۱۴۰۴ |
| چکیده: | اختلال نقص توجه/بیش‌فعالی (ADHD) یکی از شایع‌ترین اختلالات عصبی-رشدی در کودکان و نوجوانان است که بر اساس آمارهای جهانی، حدود ۵ تا ۷ درصد دانش‌آموزان در سنین مدرسه را تحت تأثیر قرار می‌دهد و در برخی مناطق این آمار تا ۱۰ درصد نیز گزارش شده است. این اختلال با علائمی مانند دشواری در حفظ تمرکز، رفتارهای تکانشی، و بیش‌فعالی نامتناسب با سن همراه است که چالش‌های جدی در فرآیند یادگیری، تعاملات اجتماعی و عملکرد تحصیلی ایجاد می‌کند. دانش‌آموزان مبتلا به ADHD اغلب در محیط‌های آموزشی سنتی با مشکلاتی مانند عدم مشارکت فعال، دشواری در دنبال کردن دستورالعمل‌های پیچیده و کاهش انگیزه مواجه هستند. این پژوهش یک چارچوب نوآورانه برای طراحی و بهینه‌سازی پرامپت‌های مدل‌های زبانی بزرگ (LLM) ارائه می‌دهد تا محتوای آموزشی تعاملی و شخصی‌سازی‌شده برای دانش‌آموزان پایه‌های ۶ تا ۸ با ADHD تولید کنند، با تمرکز بر درس علوم (چرخه آب). ۲۰ پرامپت در سه دسته (ساختاریافته، تعاملی، شخصی‌سازی‌شده) طراحی شد و با معیارهای وضوح، جذابیت، مرتبط بودن، تعامل‌پذیری، و اثربخشی شناختی ارزیابی شد. تحلیل آماری با ANOVA و رگرسیون چندمتغیره نشان داد که پرامپت‌های تعاملی بهترین عملکرد را دارند. و همچنین با توسعه فریم‌ورک ADHDEducationAgent و تست با داده‌های واقعی بدون حضور دانش‌آموزان مبتلا به ADHD انجام گردید. در این پژوهش بهینه‌سازی با الگوریتم ژنتیک دقت پرامپت‌ها را ۱۵% افزایش داد. این پژوهش چارچوبی عملی برای آموزش فراگیر ارائه می‌دهد و نیاز به آزمایش‌های واقعی بیشتر را برجسته می‌کند. این نتایج نشان می‌دهد که ADHDEducationAgent می‌تواند به‌عنوان یک ابزار مکمل مؤثر در آموزش دانش‌آموزان مبتلا به ADHD عمل کند. این پژوهش نه‌تنها راهکاری عملی برای بهبود یادگیری ارائه می‌دهد، بلکه زمینه را برای تحقیقات آینده در استفاده از هوش مصنوعی در آموزش فراهم می‌کند. در ادامه، جزئیات این فریم‌ورک، روش‌شناسی، شبیه‌سازی‌ها و تحلیل نتایج ارائه خواهد شد. |
| واژگان کلیدی: | ADHD، درک مطلب، مدل‌های زبانی بزرگ، مهندسی پرامپت، آموزش علوم |
| Register Number | Part3 | Version | Volume | Part | Part2 | Reference | Call Number | lended | Date Back | Description | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 284884 | 1 |
LoginWithYourAccountToPostComment