ترجمه فارسی مقاله معلم مجازی هوش مصنوعی محور برای افزایش کارآیی آموزشی: استفاده از مدلهای بزرگ پیش از پیش برای تجزیه و تحلیل خطای خودمختار و تصحیح

چکیده

Students frequently make mistakes while solving mathematical problems, and traditional error correction methods are both time-consuming and labor-intensive. This paper introduces an innovative \textbf{V}irtual \textbf{A}I \textbf{T}eacher system designed to autonomously analyze and correct student \textbf{E}rrors (VATE). Leveraging advanced large language models (LLMs), the system uses student drafts as a primary source for error analysis, which enhances understanding of the student’s learning process. It incorporates sophisticated prompt engineering and maintains an error pool to reduce computational overhead. The AI-driven system also features a real-time dialogue component for efficient student interaction. Our approach demonstrates significant advantages over traditional and machine learning-based error correction methods, including reduced educational costs, high scalability, and superior generalizability. The system has been deployed on the Squirrel AI learning platform for elementary mathematics education, where it achieves 78.3\% accuracy in error analysis and shows a marked improvement in student learning efficiency. Satisfaction surveys indicate a strong positive reception, highlighting the system’s potential to transform educational practices.

چکیده به فارسی (ترجمه ماشینی)

دانش آموزان غالباً هنگام حل مشکلات ریاضی اشتباه می کنند و روش های تصحیح خطای سنتی هم وقت گیر و هم با فشار کار هستند.در این مقاله یک سیستم نوآورانه \ textbf {v} irtual \ textbf {a} i \ textBf {t}} هرکسی طراحی شده است که برای تجزیه و تحلیل و تصحیح دانشجویی \ textbf {e} rrors (Vate) طراحی شده است.با استفاده از مدلهای پیشرفته زبان بزرگ (LLMS) ، این سیستم از پیش نویس دانشجویی به عنوان منبع اصلی برای تجزیه و تحلیل خطا استفاده می کند ، که باعث درک فرایند یادگیری دانش آموز می شود.این مهندسی سریع پیشرفته را شامل می شود و یک استخر خطا را برای کاهش سربار محاسباتی حفظ می کند.سیستم AI محور همچنین دارای یک مؤلفه گفتگوی در زمان واقعی برای تعامل کارآمد دانش آموزان است.رویکرد ما مزایای قابل توجهی را نسبت به روشهای تصحیح خطای سنتی و مبتنی بر یادگیری ماشین ، از جمله کاهش هزینه های آموزشی ، مقیاس پذیری بالا و تعمیم پذیری برتر نشان می دهد.این سیستم در پلت فرم یادگیری AI Squirrel برای آموزش ریاضیات ابتدایی مستقر شده است ، جایی که در تجزیه و تحلیل خطا به دقت 78.3 \ ٪ دست پیدا می کند و پیشرفت قابل توجهی در کارآیی یادگیری دانش آموزان نشان می دهد.نظرسنجی های رضایتمندی حاکی از پذیرش مثبت قوی است و پتانسیل سیستم برای تغییر شیوه های آموزشی را برجسته می کند.