Нова платформа Google «Vantage» використовує аватари зі штучним інтелектом для перевірки критичного мислення, співпраці та реальних навичок
Коротко
Google представляє систему штучного інтелекту Vantage для розвитку та оцінки майбутніх людських навичок, включаючи критичне мислення, співпрацю, креативність, вирішення конфліктів та управління проектами, у міру розвитку штучного інтелекту.
Технологічна компанія Google представила систему штучного інтелекту, призначену для розвитку майбутніх людських навичок. Зі зростанням розвитку штучного інтелекту, так звані стійкі м’які навички, які важко автоматизувати, стають дедалі ціннішими. До них належать критичне мислення, співпраця, креативне мислення, вирішення конфліктів, управління проектами та інші міжособистісні здібності.
Ініціатива, представлена як «Vantage», — це експериментальна система на базі штучного інтелекту, призначена для підтримки розвитку та оцінки цих компетенцій за допомогою симульованих середовищ взаємодії. Вона була розроблена у співпраці з експертами та дослідниками з педагогіки, включаючи співробітників Нью-Йоркського університету. Вона має функціонувати як структурована пісочниця для студентів, де вони можуть практикувати та оцінювати свої навички, необхідні для майбутнього, використовуючи методології, подібні до тих, що застосовуються в основних академічних предметах, таких як математика чи природничі науки. Система наразі доступна англійською мовою через Google Labs.
Процес працює шляхом розміщення користувачів у симульованих мультиагентних середовищах, де вони взаємодіють з аватарами, згенерованими штучним інтелектом, у відкритих сценаріях, таких як дебати, спільні завдання з вирішення проблем або вправи з планування проектів. У рамках цієї схеми координуючий «Виконавчий LLM» використовує попередньо...defiрозроблені рамки оцінювання для керування взаємодією та динамічного коригування умов розмови. Це включає в себе внесення розбіжностей, оскарження припущень або керування напрямком діалогу з метою отримання спостережуваних поведінкових доказів, що стосуються цільових навичок.
Моделювання та оцінка навичок, готових до майбутнього, за допомогою штучного інтелекту
Тим часом, окрема модель оцінювання на основі штучного інтелекту аналізує повну взаємодію після завершення завдання. Використовуючи ті ж структуровані критерії, вона оцінює стенограму розмови та створює детальний профіль ефективності, який відносить спостережувану поведінку до певних категорій навичок. Результат включає як кількісну оцінку, так і якісний зворотний зв'язок, перетворюючи складні міжособистісні взаємодії на структуровані та вимірювані показники ефективності навичок.
Для забезпечення методологічної надійності систему було протестовано у партнерстві з Нью-Йоркським університетом за допомогою контрольованих досліджень, у яких взяли участь 188 учасників віком від 18 до 25 років. Ці оцінки були зосереджені на компетенціях, пов'язаних зі співпрацею, таких як вирішення конфліктів та координація проектів. Результати показали, що адаптивне розмовне керування на основі штучного інтелекту генерувало вищу щільність доказів оцінюваних навичок порівняно з моделями ненаправленої взаємодії, зберігаючи при цьому узгоджений та природний хід діалогу в рамках кількох завдань.
Подальше тестування порівнювало оцінювання, згенероване штучним інтелектом, з оцінками експертів, проведеними людьми, з використанням ідентичних педагогічних рубрик. Результати показали, що рівні згоди між оцінювачем, сформованим за допомогою штучного інтелекту, та оцінювачами-людьми були порівнянними з міжлюдською згоди. Це свідчить про те, що автоматизовані системи можуть наближатися до узгодженості експертного рівня в контексті структурованого оцінювання.
Додаткова перевірка із зовнішніми партнерами, включаючи OpenMic, розширила тестування на творчі та мовні завдання, що включають мультимедійні та літературні вправи. У цих випадках оцінювання, згенеровані штучним інтелектом, продемонстрували сильну кореляцію з оцінюванням експертами, що підкреслило потенційну застосовність системи за межами сценаріїв структурованої командної роботи у більш відкритих творчих сферах.
Такі системи на основі моделювання можуть бути інтегровані в освітнє середовище як додатковий оцінювальний рівень поряд із традиційними методами оцінювання найближчим часом. Це дозволить оцінювати учнів не лише за предметними знаннями, але й за прикладними міжособистісними та когнітивними навичками в контрольованих симульованих умовах. Ширша мета дослідження полягає в тому, щоб зробити компетенції, готові до майбутнього, більш вимірюваними в масштабах та тісніше узгодити оцінювання освіти з потребами робочої сили, що змінюються.
відмова
Відповідно до Правила проекту Trust, будь ласка, зверніть увагу, що інформація, надана на цій сторінці, не призначена і не повинна тлумачитися як юридична, податкова, інвестиційна, фінансова або будь-яка інша форма консультації. Важливо інвестувати лише те, що ви можете дозволити собі втратити, і звернутися за незалежною фінансовою порадою, якщо у вас виникнуть сумніви. Щоб отримати додаткову інформацію, ми пропонуємо звернутися до положень та умов, а також до сторінок довідки та підтримки, наданих емітентом або рекламодавцем. MetaversePost прагне до точного, неупередженого звітування, але ринкові умови можуть змінюватися без попередження.
про автора
Аліса, відданий журналіст на MPost, спеціалізується на криптовалюті, штучному інтелекті, інвестиціях та широкій сфері Web3. З гострим поглядом на нові тенденції та технології, вона надає всебічне висвітлення, щоб інформувати та залучати читачів до постійно змінюваного ландшафту цифрових фінансів.
інші статті
Аліса, відданий журналіст на MPost, спеціалізується на криптовалюті, штучному інтелекті, інвестиціях та широкій сфері Web3. З гострим поглядом на нові тенденції та технології, вона надає всебічне висвітлення, щоб інформувати та залучати читачів до постійно змінюваного ландшафту цифрових фінансів.
