استخدام روبوتات الذكاء الأصطناعي لتعزيز مهارات التفكير النقدي وحل المسائل الرياضية للطلاب بطرق التحليل العدديّة لتعزيز إعادة الإنتاجية
محتوى المقالة الرئيسي
الملخص
عمليا تؤثر معضلة قابلية اعادة توليدنتائج الأبحاث علي كل مجال علمي تقريبًا. لطالما كان من المعروف أن جزءًا كبيرًا من العلم الذي يتم إنتاجه لا يمكن إعادة إنتاجه وأن النتائج العلمية التي لا يمكن إعادة إنتاجها تكون في أحسن الأحوال مشكوك فيها وعلى الأقل غير مهمة بشكل فعال. يتم تقديم مبادئ التفكير الإبداعي في مقالة الدراسة هذه، والتي تؤكد أيضًا على الحاجة إلى التفكير الحسابي لحل المشكلات وتحسين الكفاءة الرياضية. يركز البحث على كيفية تساعد الرياضيات في تطوير مهارات حل المشكلات من خلال الطرق العددية ويتعمق في معلومات إضافية حول العملية. بالإضافة إلى ذلك، تتناول المقالة التدريس باستخدام روبوت دردشة ذكي اصطناعي لتحقيق قابلية الإنتاج. يعزز روبوت الدردشة الذكي الإصطناعي إبداع الطلاب وفضولهم بينما يساعدهم على فهم وتطبيق الرياضيات في الظروف العملية. تقدم الدراسة رؤى علمية حول كيفية استخدام تكنولوجيا الذكاء الاصطناعي لتحسين تعلم الطلاب وتعزيز التفكير الرياضي في الفصول الدراسية للرياضيات. يقدم العمل الحالي ChatGPT ، وهو نموذج حوار يمكنه تنفيذ الكود عند الطلب استجابة للمشكلات الحسابية. كجزء من التفاعل ، يحول ChatGPT كل استعلام إلى الكود المناسب، وينفذ الكود لاحقا، وتنشر النتيجة المحسوبة. من بين السمات الجديرة بالاهتمام لـ ChatGPT دقته المعروفة في حل المسائل العددية؛ كموضوع، يعمل بشكل جيد في حساب التفاضل والتكامل والفيزياء والجبر الخطي وغيرها من العلوم الرياضية. نقوم بدمج هذه الطريقة مع التفسيرات وتنفيذها علي بيئة MATLAB و PYTHON. بالإضافة إلى ذلك ، هناك حاجة إلى بيئة واجهة مستخدم لكي يعمل الكود ويعيد إنتاج حلول للمشاكل الرياضية التي يقدمها هذا البحث العلمي.
تفاصيل المقالة
هذا العمل مرخص بموجب Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
المراجع
M. Vasconcelos, R. Santos (2023). Enhancing STEM Learning with ChatGPT and Bing Chat as Objects to Think With: A Case Study. Doi: 10.48550/arxiv.2305.02202:
M. Ratnam, B. Sharma, A. Tomer (2023). ChatGPT: Educational Artificial Intelligence. International journal of advanced trends in computer science and engineering,
doi:10.30534/ijatcse/2023/091222023
L. Da-Eun, Y. Sheunghyun (2022). Developing an AI-based chatbot for practicing responsive teaching in mathematics. Computers & education, doi: 10.1016/j.compedu.2022.104646
F. Panagopoulou, C. Parpoula, K. Karpouzis (2023). Legal and ethical considerations regarding the use of ChatGPT in education. doi: 10.48550/arxiv.2306.10037
A. R., Ellis and E. Slade. (2023). A New Era of Learning: Considerations for ChatGPT as a Tool to Enhance Statistics and Data Science Education. Journal of Statistics and Data Science Education, doi: 10.1080/26939169.2023.2223609C.
I. Zhu, M. Sun, J. Luo, T. Li, M. Wang (2023). How to harness the potential of ChatGPT in education?. Knowledge Management & E-Learning: An International Journal, doi: 10.34105/j.kmel.2023.15.008
W. Kaiss, K. Mansouri, F. Poirier. (2023). Effectiveness of an Adaptive Learning Chatbot on Students’ Learning Outcomes Based on Learning Styles. International Journal of Emerging Technologies in Learning (ijet), doi: 10.3991/ijet.v18i13.39329
D. Lee, S. Yeo. (2022). Developing an AI-based chatbot for practicing responsive teaching in mathematics. Computers & education, doi: 10.1016/j.compedu.2022.104646
Zuanita, Adriyani, Laily, Rochmawati, Listiyani. (2023). Advanced chatbot development to improve student literacy and numeracy skills. doi: 10.21580/phen.2022.12.2.14186
L. Ying, L. Rama, C. Subbareddy, G., Raghavendra. (2022). AI Intelligence Chatbot to Improve Students Learning in the Higher Education Platform. Journal of Interconnection Networks, doi: 10.1142/s0219265921430325
H. Semmelrock, S. Kopeinik, D. Theiler, T. R. Hellauer, D. Kowald. (2023). Reproducibility in Machine Learning-Driven Research.
A. Faragasso, F. Bonsignorio. (2023). Reproducibility challenges in robotic surgery. Frontiers in Robotics and AI, doi: 10.3389/frobt.2023.1127972
Yufeng, Luo, Qian, Zhang, Roland, Haas, Zachariah, B., Etienne, Gabrielle, Allen. (2023). HPC-driven computational reproducibility. arXiv.org, doi: 10.48550/arXiv.2307.01343
J., Wonsil, N. Boufford, P. grawal, C., Chen, T. Cui, A. Sivaram, M. Seltzer. (2023). Reproducibility as a service. Software - Practice and Experience, doi: 10.1002/spe.3202
D. Ankita, M. Maliuta, I. Senkovska, S. Kaskel. (2022). The Dilemma of Reproducibility of Gating Isotherms for Flexible MOFs. Langmuir, doi: 10.1021/acs.langmuir.2c01999
A. Faragasso, F. Bonsignorio (2023). Reproducibility challenges in robotic surgery. Frontiers in Robotics and AI, doi: 10.3389/frobt.2023.1127972
A. L. Plant, R. J. Hanisch (2020). Reproducibility in Science: A Metrology Perspective. doi: 10.1162/99608F92.EB6DDEE4
J. S. Flier (2022). The Problem of Irreproducible Bioscience Research. Perspectives in Biology and Medicine, doi: 10.1353/pbm.2022.0032
Jeffrey, S., Flier., Colin, M., E., Halverson., Joseph, Loscalzo., Dan, L., Longo., Jonathan, D., Moreno., Judit, Sándor., Ulf, Schmidt., Jacalyn, Duffin., Stephen, G., Post., Farhad, Udwadia., Shivam, Singh., Jonathan, M., Marron., Abraham, M., Nussbaum., David, B., Resnik. (2022), the Problem of Irreproducible Bioscience Research. Perspectives in Biology and Medicine, doi: 10.1353/pbm.0.0031
S. C. Chapra, R. P. Canale, Numerical Methods for Engineers 7th Edition, McGraw Hill, January 24, 2014.
N. Ghasem, Numerical Methods in Chemical Engineering Using PYTHON and Simulink, First edition published 2024, CRC Press is an imprint of Taylor & Francis Group, LLC.
M. Edali, W. Alaswad, A. Bseibsu, Z. Sahem, F. Ben Rajeb, and A. Elkamel, Chemical engineering graduate courses curriculum development with simulation components, Journal of Pure and Applied Sciences, vol. 20, no. 3, pp. 64-73.