Dataconomy FR
Subscribe
No Result
View All Result
Dataconomy FR
Subscribe
No Result
View All Result
Dataconomy FR
No Result
View All Result

Les mathématiques de l’AI peuvent-elles comme un enseignant? La recherche dit oui

byKerem Gülen
mars 7, 2025
in Research
Home Research

Les mathématiques de notation ont toujours été une science imparfaite. Les tests standardisés verrouillent les étudiants dans des cadres rigides, manquant souvent les nuances de la résolution de problèmes. Même lorsque les enseignants évaluent manuellement le travail, le processus est long, subjectif et souvent incohérent– Surtout lorsque les étudiants adoptent des approches non conventionnelles mais valides.

Maintenant, les chercheurs Tianyang Zhang, Zhuoxuan Jiang et Haotian Zhang proposer Un changement radical: un système axé sur l’IA appelé Vérificateur Mathmistake Cela ne marque pas seulement les réponses comme bonnes ou mal mais analyse le raisonnement derrière chaque étape, identifie les erreurs et fournit des commentaires personnalisés– Tout sans compter sur une réponse de référence.

Comment l’IA apprend à noter comme un humain

À la base, Mathmistake Checker fonctionne dans deux étapes. La première étape implique Reconnaissance optique des caractères (OCR), qui analysent et traite des solutions manuscrites, séparant les questions imprimées des réponses des élèves. Il ne s’agit pas seulement de lire les nombres – il segmente le texte, comprend les équations et reconstruit le flux logique de la réponse d’un élève.

La deuxième étape est l’endroit où se produit la vraie magie. Ici, Les modèles de grande langue (LLM) utilisent le raisonnement de la chaîne de pensées pour prédire la prochaine étape suivante dans un problème, comparez-la avec la réponse de l’élève et identifiez les erreurs. Au lieu de simplement vérifier la précision, l’IA détecte où la logique d’un élève s’est mal tourné et offre des explications ciblées – imitant efficacement la façon dont un enseignant traverserait une erreur.


Gagnez-vous parce que vous êtes bon – ou juste de la chance? AI a la réponse


Pourquoi cela change la donne pour l’éducation

La plupart des systèmes de notation automatisés dépendent des réponses de référence, ce qui signifie qu’ils luttent avec la résolution créative de problèmes. Si un étudiant adopte une approche alternative mais valide, le classement traditionnel basé sur l’IA pourrait Le signaler à tort comme faux. Mathmistake Checker, en revanche, s’adapte à la façon dont les élèves pensent réellement.

Cette adaptabilité signifie qu’elle n’évalue pas seulement l’exactitude – elle fournit rétroaction significative sur le processus d’apprentissage lui-même. En pratique, cela signifie un système qui peut:

  • Identifier et expliquer erreurs logiques, mal calculations et erreurs conceptuelles
  • Reconnaître Plusieurs approches valides Pour résoudre un problème
  • Offre commentaires personnalisés adapté à la façon dont chaque élève traite les mathématiques

C’est un passage de Le classement en tant que système de jugement à la classement comme outil d’apprentissage.

L’évaluation alimentée par l’IA Changez sûrement la façon dont les élèves s’engagent dans l’apprentissage. Au lieu de voir les notes comme un verdict final, les étudiants pourraient utiliser des commentaires générés par l’IA pour affiner leur compréhension en temps réel.

Alors que Mathmistake Checker se concentre sur les mathématiques, son cadre pourrait s’étendre bien au-delà. Les itérations futures pourraient évaluer Des explications scientifiques, des problèmes de logique ou même des essais étape par étape, analysant le raisonnement plutôt que simplement l’exactitude. Avec cela, l’IA se déplace au-delà de l’évaluation simple et entre dans le rôle d’un tuteur adaptatif et évolutif.

Pour les enseignants, cela pourrait signifier moins de temps passé à classer et plus de temps passé en fait enseignement. Pour les étudiants, cela signifie un système éducatif qui reconnaît Comment ils pensent, pas seulement s’ils ont raison.


Crédit d’image en vedette: Kerem Gülen / Imagen 3

Tags: En vedetteIAmathématiques

Related Posts

L’IA résout enfin le puzzle le plus difficile de la biologie

L’IA résout enfin le puzzle le plus difficile de la biologie

mai 6, 2025
Le chef-d’œuvre de Raphael n’est peut-être pas tout son

Le chef-d’œuvre de Raphael n’est peut-être pas tout son

mai 5, 2025
Recherche: l’étalon-or pour l’évaluation du Genai

Recherche: l’étalon-or pour l’évaluation du Genai

mai 2, 2025
L’IA nous fait-il tous écrire la même?

L’IA nous fait-il tous écrire la même?

mai 1, 2025
GPT-4 aide les chercheurs à décoder la façon dont nous nous déplaçons réellement dans l’espace

GPT-4 aide les chercheurs à décoder la façon dont nous nous déplaçons réellement dans l’espace

mai 1, 2025
Pourquoi nous devons gouverner l’IA utilisée dans les entreprises technologiques

Pourquoi nous devons gouverner l’IA utilisée dans les entreprises technologiques

avril 29, 2025

Recent Posts

  • Précision du modèle d’apprentissage automatique
  • Paramètres LLM
  • Erreur carrée moyenne (MSE)
  • Régularisation dans l’apprentissage automatique
  • Le plus grand mythe de l’analyse des données et pourquoi cela vous coûte des millions

Recent Comments

Aucun commentaire à afficher.
Dataconomy FR

COPYRIGHT © DATACONOMY MEDIA GMBH, ALL RIGHTS RESERVED.

  • Home
  • Sample Page

Follow Us

  • Home
  • Sample Page
No Result
View All Result
Subscribe

This website uses cookies. By continuing to use this website you are giving consent to cookies being used. Visit our Privacy Policy.