تحتل التعلم الشخصي مكانة بارزة في استراتيجيات التعليم الحديثة، حيث يسعى لتعزيز فعالية ممارسة المتعلمين في الأنظمة التعليمية الذكية. غير أن الفجوة الكبيرة بين المقاييس التقليدية والأداء الفعلي للمتعلمين على الإنترنت تُعيق بشدة تقدمهم.

للتغلب على هذه التحديات، قدم الباحثون نظام Agent4Edu، وهو محاكي مبتكر يستخدم التطورات الحديثة في الذكاء البشري من خلال نماذج اللغة الكبيرة (Large Language Models). يشتمل Agent4Edu على وكلاء توليد مدعومين بنماذج اللغة الكبيرة مصممين خصيصًا لتخصيص أساليب التعلم.

تتميز الوكلاء بملفات تعريف المتعلمين ووحدات الذاكرة والسلوكيات التي تناسب خوارزميات التعليم الشخصي. يتم إعداد ملفات التعلم باستخدام بيانات استجابة واقعية، مما يساعد على تجميع أنماط الممارسة والعوامل النفسية. مستوحاة من نظريات علم النفس البشري، تسجل وحدة الذاكرة الحقائق الممارسة والملخصات العالية، مما يدمج آليات الانعكاس.

تدعم وحدات السلوكيات تصرفات متنوعة بما في ذلك فهم التمارين، التحليل، وتوليد الردود. يتمكن كل وكيل من التفاعل مع خوارزميات التعلم الشخصي مثل التقييمات التكيفية المحوسبة، مما يمكن من تقييم شامل وتحسين الخدمات المخصصة.

من خلال تقييم شامل، نستعرض نقاط القوة والضعف في Agent4Edu، مسلطين الضوء على التناقضات والتوافقات في الاستجابات بين الوكلاء والمتعلمين البشر. يمكنكم الاطلاع على الكود والبيانات والملحقات المتاحة للجمهور على GitHub. هل تعتقدون أن هذه التكنولوجيا يمكن أن تحدث ثورة في طرق التعليم؟ شاركونا آراءكم في التعليقات.