ترغب بنشر مسار تعليمي؟ اضغط هنا

النزاهة الأكاديمية في عصر الذكاء الاصطناعي التوليدي (ChatGpt)

Academic Integrity in the Era of Generative Artificial Intelligence (ChatGpt)

39   0   0   0.0 ( 0 )
 تاريخ النشر 2024
  مجال البحث الذكاء الاصناعي
والبحث باللغة العربية
 تمت اﻹضافة من قبل Shamra Editor




اسأل ChatGPT حول البحث

الهدف من هذه الدراسة هو تقديم تحليل لتأثير تطبيق ChatGPT في التعليم، بناءً على مراجعة منهجية للأدبيات. تم الحصول على البيانات من خلال مراجعة نتائج الدراسات المنشورة منذ إطلاق هذا التطبيق (نوفمبر 2022) في ثلاث قواعـــد بيانات علميــــة رائــدة في مجال التعليم وهي (Web of Science, Taylor& Francis Online, Eric) وتم إجراء المراجعة على 18 دراسة. تم عرض البيانات باستخدام المنهجية الوصفية والكمية. أظهرت النتائج أن تنفيذ ChatGPT في البيئة التعليمية له تأثير إيجابي على عملية التدريس والتعلم، ومع ذلك، تسلط النتائج أيضًا الضوء على عدة موضوعات كالعوامل التي تحدد موقف الطلاب تجاه التطبيق، والآثار الإيجابية والسلبية، وكيفية ضمان النزاهة الأكاديمية عند تطبيق الذكاء الاصطناعي في التعليم. ومن الضروري معالجة هذه التحديات ووضع استراتيجيات لضمان التنفيذ المسؤول والعادل. على الرغم من أن ChatGPT يمكن أن يعزز التجربة التعليمية، إلا أن تنفيذه الناجح يتطلب أن يكون المعلمون والطلاب على دراية بعمله. توفر هذه النتائج أساسًا متينًا للبحث المستقبلي واتخاذ القرارات فيما يتعلق باستخدام ChatGPT في السياق التعليمي.

المراجع المستخدمة
1. أبو عصر، رضا مسعد السعيد. (2023). تطبيقات نماذج الذكاء الاصطناعي والتهديدات المتاحة الفرص: التدريس وطرق المناهج في ChatGPT المحتملة. مجلة تربويات الرياضيات، 26(4)، 10 - 23.
2. الحربي، مروان بن علي. (2020). محددات مخالفة معايير النزاهة الأكاديمية لدى طلاب المرحلة الجامعية وما فوق الجامعية في المملكة العربية السعودية. مجلة العلوم الإنسانية والاجتماعية، (39).
3. الخليفة، هند بنت سليمان. (2023). مقدمة في الذكاء الاصطناعي التوليدي. كتاب إلكتروني https://www.researchgate.net/publication/371790205_mqdmt_fy_aldhka_alastnay_altwlydy
4. Ali, J., Shamsan, M., A., A., Hezam, T. & Mohammed A. A. Q. (2023). Impact of ChatGPT on Learning Motivation: Teachers and Students' Voices. Journal of English Studies in Arabia Felix,2(1), 41-49. 10.56540/jesaf.v2i1.51
قيم البحث

اقرأ أيضاً

يظهر هذا البحث تصميم متحكم عائم للتحكم بزاوية انحراف شفرات العنفة الريحية بهدف تحسين أداء العنفة الريحية و الحصول على أعظم استطاعة ممكنة و تقليل الضياعات الناتجة عن التسارع و التباطؤ في دوران العنفة الريحية و من ثم تحسين معامل كفاءة أداء العنفة الريح ية؛ و ذلك من خلال الإفادة من تقنيات الذكاء الاصطناعي و بصورة خاصة المنطق العائم، إذ إن المتحكم العائم يساعدنا على تجاوز نقاط الضعف في المتحكمات التقليدية التي تحتاج إلى نموذج رياضي معقد للمنظومة المتحكم بها. صمم متحكم عائم تناسبي تكاملي و قورِن بمحتكمٍ تقليدي تناسبي تكاملي لنظام عنفة ريحية ممثلة بتابع التحويل الواصف لهذه العنفة، ووضعت القواعد اللغوية للمتحكم و توابع الانتماء لإشارتي الخطأ و تراكم الخطأ باستخدام بيئة ماتلاب، و قورنت النتائج التي أظهرت استجابة فضلى عند استخدام المتحكم العائم.
جزء من بحث مقدم لنيل درجة الماجستير في علوم الويب لعام 2017 ، يتضمن التعريف بالذكاء التسويقي في دراسة نظرية موسعة ، وطريقة بناء نظام معتمد على الانترنت كمصدر للبيانات و منهجية المعالجة ونتائج تطبيقية .
تقرير صادر عن اليونسكو عن دور الذكاء الاصطناعي في الادماج والتعليم يناقش الحاجة إلى مسارات تحويلية لتذليل العقبات المتعددة لاستثمار الذكاء الاصطناعي في قطاع التعليم
المسؤولية الجنائية للذكاء الاصطناعي تتمثل أهمية هذه الدراسة في أهمية موضوعها الجديد والحيوي، وهو المسؤولية الجنائية الناتجة عن أخطاء الذكاء الاصطناعي في التشريع الإماراتي "دراسة مقارنة"، فعلى امتداد الخمسين سنة الماضية تضافرت الجهود العالمية في عدد من الميادين، كالفلسفة والقانون وعلم النفس وعلم المنطق والرياضيات، وعلم الأحياء وغيرها من العلوم، ومنذ سنوات بدأت هذه الجهود تحصد من ثمارها وظهرت إلى الوجود تطبيقات مذهلة للذكاء الاصطناعي، وهذا ما دفع دولة الإمارات العربية المتحدة لاستحداث وزارة للذكاء الاصطناعي وعلوم المستقبل، فهذه الخطوة تُضاف إلى سجل الإمارات الحافل بكل ما هو جديد في الثقافة والعلوم وغيرها من المجالات، فالإمارات سبّاقة في البحث وجلب أي أفكار جديدة أو عالمية وتطبيقها، والهدف من ذلك هو الارتقاء بالعمل الإداري. لأن اعتماد الإدارة على الذكاء الاصطناعي يساعدها على التكيف مع التغيرات المتلاحقة، ويساعدها أيضاً على مواجهة التحديات المتعددة والمختلفة، وبالتالي تحقيق الميزة التنافسية التي تسعى الإدارة إلى تحقيقها.
433 - arxiv 2022 كتاب
النماذج اللغوية الكبيرة "المضبوطة للتعليمات" (التي تم ضبطها للاستجابة للتعليمات) قد أظهرت قدرة ملحوظة على التعميم بدون أي تدريب في مهام جديدة. ومع ذلك، فإنها تعتمد بشدة على بيانات التعليمات المكتوبة بواسطة الإنسان والتي تكون محدودة في الكمية والتنوع والإبداع، مما يعيق عملية التعميم للنموذج المضبوط. نقدم "Self-Instruct"، وهو إطار عمل لتحسين قدرات اتباع التعليمات لنماذج اللغة المدربة مسبقًا عن طريق الاستفادة من توليداتها الخاصة. يقوم خط أنابيبنا بتوليد عينات من التعليمات والإدخال والإخراج من نموذج اللغة، ثم يقوم بتقليصها قبل استخدامها لضبط النموذج الأصلي. باستخدام طريقتنا على GPT3 الأساسية، نظهر تحسينًا مطلقًا بنسبة 33٪ على نموذج Super-NaturalInstructions الأصلي، وهو متوافق مع أداء InstructGPT_001، والذي يتم تدريبه باستخدام بيانات مستخدم خاصة وتعليمات بشرية. لتقييم أعمق، نحن نضع مجموعة من التعليمات المكتوبة من قبل خبراء للمهام الجديدة، ونظهر من خلال التقييم البشري أن ضبط GPT3 باستخدام Self-Instruct يفوق استخدام مجموعات بيانات التعليمات العامة الموجودة حاليًا بفارق كبير، ولا يترك سوى فجوة بنسبة 5٪ خلف InstructGPT_001. يوفر Self-Instruct طريقة تقريبًا خالية من التعليقات لمزامنة نماذج اللغة المدربة مسبقًا مع التعليمات، ونحن نطلق مجموعة بيانات اصطناعية كبيرة لتسهيل الدراسات المستقبلية حول ضبط التعليمات.

الأسئلة المقترحة

التعليقات
جاري جلب التعليقات جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا