Analysis of Artificial Intelligence in Education Systems Based on an Advanced Fuzzy Decision-Making Model
Deze studie stelt een nieuw multi-attribuut groepsbesluitvormingskader voor dat complexe interval-waardige q-rung orthopaar fuzzy aggregatie-operatoren gebruikt om effectief kunstmatige intelligentie-instrumenten te evalueren en te rangschikken voor het verbeteren van onderwijssystemen onder omstandigheden van onzekerheid.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In de moderne wereld zijn beslissingen zelden zwart-wit. Wanneer een schoolbestuur een nieuwe software kiest, een arts behandelopties afweegt of een investeerder een portfolio selecteert, is de beschikbare informatie vaak rommelig, incompleet of tegenstrijdig. Traditionele wiskunde worstelt met dit soort ambiguïteit omdat het precieze getallen vereist. Om de grijze gebieden van menselijk oordeel te beheersen, hebben wiskundigen een vakgebied ontwikkeld genaamd fuzzy logic (vage logica). In plaats van te dwingen tot een keuze tussen "ja" en "nee", staat fuzzy logic gradaties van waarheid toe, waarbij wordt erkend dat iets deels waar of deels onwaar kan zijn. In de loop van de tijd heeft dit concept zich verder ontwikkeld om zelfs complexere lagen van onzekerheid aan te kunnen, waaronder situaties waarin gegevens in de loop van de tijd veranderen of waarin experts twijfelen tussen verschillende waarden. Deze wiskundige gereedschapskist is essentieel voor het navigeren in de echte wereld, waar zekerheid een luxe is en nuance de regel is.
Een team onderzoekers van universiteiten uit Pakistan en Afghanistan heeft deze gereedschapskist nu verder uitgebreid door een nieuwe methode te creëren die helpt bij het nemen van betere beslissingen wanneer men geconfronteerd wordt met verwarrende of tegenstrijdige informatie. Hun werk richt zich op een specifieke uitdaging: hoe meningen te verwerken wanneer die meningen niet alleen vaag zijn, maar ook twee verschillende soorten onzekerheid tegelijkertijd bevatten. Stel je een expert voor die een nieuwe technologie probeert te beschrijven. Diegene kan zich weliswaar zeker voelen over het potentieel ervan (een positieve kijk), maar ook bezorgd zijn over de risico's (een negatieve kijk). Bovendien kan dat vertrouwen fluctueren, of kan de expert gevoelens uitdrukken in bereiken in plaats van enkelvoudige getallen. De onderzoekers hebben een geavanceerd systeem ontwikkeld om al deze lagen — het positieve, het negatieve, de bereiken en de fluctuaties — te vangen in één enkel, hantebaar kader. Ze noemen dit kader een "complex interval-valued q-rung orthopair fuzzy set". In gewone taal is het een manier om ingewikkelde, aarzelende en verschuivende menselijke oordelen te verpakken in een formaat dat computers kunnen verwerken zonder de subtiele details te verliezen.
De kern van de studie bestaat uit het creëren van nieuwe wiskundige regels, of "operators", die fungeren als een blender voor deze complexe meningen. Net zoals een blender ingrediënten mengt om een glad drankje te maken, mengen deze nieuwe operators de oordelen om tot een enkele, duidelijke aanbeveling te komen. De onderzoekers ontwierpen twee hoofdtypen mixers: één die de meningen middelt (het rekenkundig gemiddelde) en een andere die ze met elkaar vermenigvuldigt (het geometrisch gemiddelde). Ze bewezen dat deze mixers betrouwbaar zijn; ze produceren geen resultaten die onmogelijk of tegenstrijdig zijn, en ze gedragen zich consistent, zelfs wanneer de invoergegevens licht veranderen. Om hun creatie te testen, paste het team het toe op een zeer praktisch probleem: het kiezen van de beste kunstmatige intelligentie-tool voor een onderwijssysteem.
De onderzoekers stelden een scenario op waarin een expert vijf verschillende soorten AI-tools evalueerde: adaptieve leerplatformen, educatieve chatbots, automatische beoordelingssystemen, taalleerapps en intelligente tutorsystemen. De expert beoordeelde elke tool op basis van vijf criteria: kosteneffectiviteit, aanpassingsvermogen, aansluiting bij leernormen, feedbackmechanismen en of het ontwerp gebaseerd is op solide onderzoek. De oordelen van de expert waren geen eenvoudige scores; het waren complexe bereiken van waarden die onzekerheid en aarzeling weerspiegelden. De expert kon bijvoorbeeld het gevoel hebben dat een tool "enigszins" kosteneffectief was maar "zeer" aanpasbaar, waarbij de exacte mate van effectiviteit binnen een specifiek bereik verschoof.
Met behulp van hun nieuwe wiskundige mixers verwerkten de onderzoekers deze rommelige data. Ze ontdekten dat het automatische beoordelingssysteem als beste uit de bus kwam, gevolgd door intelligente tutorsystemen, en daarna taalleerapps, waarbij de overige tools lager werden gerangschikt. Om te garanderen dat hun methode deugdelijk was, vergeleken het team hun resultaten met verschillende bestaande wiskundige technieken. Ze ontdekten dat terwijl sommige oudere methoden er niet in slaagden een rangschikking te produceren of andere resultaten gaven, hun nieuwe benadering consistent het automatische beoordelingssysteem als de beste optie identificeerde. Deze consistentie bleef behouden, zelfs toen de onderzoekers de wiskundige instellingen aanpasten door de parameters te wijzigen om te zien of het resultaat zou kantelen. Het feit dat de topkeuze hetzelfde bleef, ongeacht deze aanpassingen, suggereert dat de methode robuust en stabiel is.
De studie benadrukte ook waarom deze nieuwe aanpak noodzakelijk is. De onderzoekers toonden aan dat oudere methoden, die eenvoudigere vormen van onzekerheid afhandelen, vaak vastlopen wanneer ze worden geconfronteerd met het soort complexe, tweedimensionale data dat in realistische scenario's voorkomt. Door het niet volledig te kunnen vatten van de volledige diepte van de aarzeling van een expert of de tweeledige aard van hun positieve en negatieve visies, kunnen die oudere methoden leiden tot minder nauwkeurige beslissingen. Het nieuwe kader behoudt daarentegen al die informatie, wat een meer genuanceerde en betrouwbare uitkomst mogelijk maakt. De onderzoekers demonstreerden dat hun methode goed werkt, niet alleen voor het onderwijs, maar ook voor andere velden waar beslissingen moeilijk zijn, zoals financiële risicobeoordeling, beleggingsselectie en medische evaluaties.
Uiteindelijk biedt dit werk een krachtiger venster om naar de onzekere wereld te kijken. Het biedt een manier om de rommelige, tegenstrijdige en aarzelende meningen van menselijke experts om te zetten in een helder, actiegericht pad vooruit. Door de instrumenten te verfijnen die worden gebruikt om informatie te aggregeren, hebben de onderzoekers besluitvormers een betere manier gegeven om door de complexiteiten van het moderne leven te navigeren, waardoor de uiteindelijke keuze de volledige zwaarte van het beschikbare bewijs weerspiegelt, in plaats van slechts de eenvoudigste delen ervan.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.