تحلیل رفتار مبتنی بر پرامپت دانشجویان برای آموزش بهینه مبتنی بر مدل های زبانی بزرگ [پايان نامه فارسي]

ملینا میرمحمدی

شناسگر رکورد: ۵۲۳۲۶
رشته تحصیلی: هوش مصنوعی و رباتیکز
عنوان: تحلیل رفتار مبتنی بر پرامپت دانشجویان برای آموزش بهینه مبتنی بر مدل های زبانی بزرگ
نويسنده: ملینا میرمحمدی
استاد راهنما : دکتر بابک مجیدی
مقطع تحصیلی : کارشناسی ارشد
دانشگاه : خاتم
تاریخ دفاع : ۱۴۰۴
چکیده: با گسترش روزافزون کاربرد مدل‌های زبانی بزرگ (LLMs) در حوزه آموزش، استفاده از پرامپت‌ها به‌عنوان واسطه‌ای مؤثر برای تعامل با این مدل‌ها، اهمیت فزاینده‌ای یافته است. پژوهش حاضر با هدف تحلیل رفتار دانشجویان در مواجهه با پرامپت‌های گوناگون و بررسی تأثیر طراحی و ساختار پرامپت بر کیفیت یادگیری، انجام شده است. تمرکز اصلی تحقیق، شناسایی الگوهای رفتاری دانشجویان در تعامل با مدل‌های زبانی و ارائه چارچوبی به‌منظور بهینه‌سازی فرایند یادگیری مبتنی بر هوش مصنوعی است. بدین منظور، مجموعه‌ای از سناریوهای تعاملی با بهره‌گیری از مدل‌های زبانی در محیط‌های شبیه‌سازی‌شده آموزشی طراحی شد و رفتار دانشجویان از منظر شیوه پرسش‌گری، نحوه تعامل، میزان اصلاح پرامپت‌ها، و واکنش نسبت به بازخورد، مورد تحلیل قرار گرفت. نتایج پژوهش نشان می‌دهد که نوع و کیفیت پرامپت نقش تعیین‌کننده‌ای در سطح درک مفاهیم، انگیزش یادگیری، و کیفیت تعامل دانشجویان با محتوا دارد. همچنین، تحلیل رفتار مبتنی بر پرامپت می‌تواند به توسعه مدلی پویا برای آموزش شخصی‌سازی‌شده منجر شود؛ مدلی که در آن سبک یادگیری، ترجیحات شناختی، و نیازهای فردی دانشجویان شناسایی شده و در طراحی سیستم‌های آموزشی هوشمند به‌کار گرفته می‌شود. در پایان، راهکارهایی برای طراحی اثربخش پرامپت‌ها و تلفیق تحلیل رفتاری در چارچوب‌های آموزشی مبتنی بر مدل‌های زبانی بزرگ ارائه شده است.
واژگان کلیدی: مدل زبانی بزرگ، پرامپت، تحلیل رفتاری، آموزش هوشمند، یادگیری شخصی‌سازی‌شده
شماره ثبت جزء نسخه جلد بخش قسمت مرجع شماره بازیابی در دست امانت تاریخ بازگشت ملاحظات
284903 1
Copyright 2025 by Payam Hannan co ltd. PayamLib.com