في عالم التعليم، حيث تتزايد الخيارات وتتعدد الدورات الأكاديمية، يحتاج الطلاب إلى نظام موثوق لمساعدتهم في اتخاذ قراراتهم. هنا يأتي دور RAGEAR (نظام توصية أكاديمية معزز بالاسترجاع وتحسين الرسم البياني). هذا النظام الرائد يجمع بين الذكاء الاصطناعي والحلول الرمزية لتقديم توصيات دقيقة ومتكاملة.

يعتمد RAGEAR على استرجاع كثيف لمحتوى المحاضرات كاملةً، مترافقًا مع نموذج للرسم البياني المعرفي، مما يمكّن النظام من تنظيم المعلومات المرتبطة بالدورات، الدروس، أجزاء المحاضرات، الساعات الدراسية، الخطط الدراسية والمعلومات المنهجية. يُسهم الرسم البياني المعرفي في تطبيق عوامل التصفية الرمزية والسياقية استنادًا إلى قيود محددة، مثل عدد الساعات الأكاديمية، التخصصات الأكاديمية، الخطط الدراسية، والمتطلبات السابقة.

بخلاف الأساليب المعتمدة على البيانات التعريفية، يستخرج RAGEAR محتوى دراسي دقيق من خلال استرجاع أجزاء المحاضرات المتوافقة معنويًا مع استفسارات الطلاب. المساهمة الرئيسية تكمن في وظيفة التجميع القائم على الرسم البياني التي تنقل الأدلة على مستوى القطع إلى توصيات على مستوى الدورات. يعتمد نظام التقييم على ثلاثة عوامل رئيسية: حصة التشابه المسترجعة المرتبطة بالدورة، القوة الترتيبية للقطع ذات الصلة، وتوزيع الأدلة عبر الدروس.

تم تقييم RAGEAR من خلال 152 استفسارًا مشابهاً لاستفسارات الطلاب، عبر عينة من التقييم البشري وتقييم واسع النطاق قائم على نماذج اللغات الكبيرة (Large Language Models). أظهرت النتائج أن المحاضرات المحفوظة تحسن من جودة استرجاع البيانات مقارنة بالأدوات التي تعتمد فقط على البيانات التعريفية، وأن RAGEAR يحقق تقدماً إضافياً في جودة الترتيب مقارنة بأسلوب SumP المعتمد على نص المحاضرات، خاصةً في التوصيات الأعلى تصنيفًا.

RAGEAR ليست مجرد أداة؛ إنها خطوة للأمام نحو تحسين التجربة الأكاديمية للطلاب، مما يجعل من السهل عليهم اختيار الدورات التي تناسب احتياجاتهم وأهدافهم.

ما رأيكم في هذا التطور التكنولوجي في مجال التعليم؟ شاركونا في التعليقات.