使用基于ChatGPT的问题生成机器人对学习行为进行探索性评估,这些机器人用于准备国家执照考试的职业治疗学生:一个为期一个月的预后研究与集群分析

科学领域:

• 教育技术的教育技术
• 教育中的人工智能
• 职业治疗教育 职业治疗教育

背景情况:

• 对职业治疗 (OT) 学生的学习行为进行探索性研究.
• 使用自定义的ChatGPT 4.0问题生成机器人进行自我学习.
• 研究模拟考试成绩和学习模式的变化.

研究的目的:

• 检查基于ChatGPT的问题生成机器人对OT学生学业成绩的影响.
• 为了将使用模式与得分改进相关联.
• 识别不同的学习行为集群.

主要方法:

• 一组前后设计与29个OT学生.
• 使用ChatGPT机器人进行一个月的干预,用于解剖学,运动学和生理学问题.
• 通过两个50项模拟考试 (干预前和干预后) 评估绩效.
• 分析了使用日志 (生成的问题,会话,时间) 和考试成绩的增长.

主要成果:

• 从干预前 (17.1) 到干预后 (22.1) 的考试成绩显著改善 (p<0.001).
• 评分和问题数量/会议之间的弱至中等相关性,但不是使用时间.
• 集群分析揭示了三个组:低活动/最小的收益,高问题/低改进,中等活动/高时间投资/最大收益.

结论:

• 基于ChatGPT的问题生成可以提高OT学生的学习成果.
• 投资于人工智能学习工具的总时间可能比问题量对性能更为关键.
• 建议使用定性数据和受控设计进行进一步的研究.