L'IA n'est pas une technologie unique mais un ensemble de technologies qui travaillent ensemble. Cette section commence par un cadre technologique général pour l'application de l'IA à l'éducation, suivi d'un aperçu des principales technologies d'IA, notamment
- L'apprentissage automatique,
- L'informatique en nuage,
- Le graphe de connaissances,
- Le traitement du langage naturel,
- La vision par ordinateur,
- L'interaction homme-machine,
- La réalité virtuelle et la réalité augmentée,
- Le contrôle intelligent
- Et les robots.
Avec le développement continu de la recherche et de l'exploration de l'IA, de plus en plus d'entreprises et d'institutions de recherche ont conçu et développé différents systèmes pour soutenir l'application de l'IA dans l'éducation. Nous résumons un cadre général de l'IA dans l'éducation basé sur ces systèmes.
Globalement, il existe quatre niveaux différents, à savoir
- La couche des données et de la plate-forme,
- La couche du moteur d'IA,
- La couche de l'application de l'éducation approfondie
- Et la couche du scénario d'application.
Les données sont fondamentales pour l'application de l'IA dans l'éducation. Le module de données éducatives est responsable de la collecte et du regroupement des données multivariables. Ces données sont ensuite divisées en différentes catégories. L'objectif ultime de l'application de l'IA à l'éducation est d'améliorer l'efficacité de l'apprentissage et la qualité de l'éducation.
Par exemple, avec l'aide de l'IA, nous pouvons générer des parcours d'apprentissage personnalisés et des ressources appropriées pour les étudiants. Sur la base des données d'évaluation des étudiants et de l'analyse de la relation entre les différentes connaissances à l'aide de moteurs de calcul, nous pouvons offrir un diagnostic plus précis des difficultés qu'ils rencontrent.
De même, la génération automatique de ressources d'apprentissage pour les étudiants doit combiner le regroupement des connaissances du domaine dans le moteur de calcul des connaissances et l'algorithme de génération de réseaux GAN dans l'apprentissage profond. Le suivi et la prédiction de la santé mentale des élèves reposent sur le moteur de calcul des émotions, qui permet d'identifier et d'analyser les émotions des élèves.
Outre les principales parties mentionnées ci-dessus, il existe trois autres composants dans un système typique d'IA dans l'éducation, à savoir le terminal d'accès aux applications, la population cible et les environnements d'apprentissage intelligents. Les terminaux d'accès aux applications se concentrent sur la manière d'utiliser une variété de dispositifs dans différents contextes éducatifs, parmi lesquels les robots sont ceux qui attirent l'attention des chercheurs et des praticiens.
Le système d'IA offre différents services aux principaux participants impliqués dans le processus d'enseignement et d'apprentissage, notamment les enseignants, les parents, les étudiants, les administrateurs et les décideurs.
La troisième catégorie est celle des environnements d'apprentissage intelligents, tels que les classes et les campus intelligents, qui intègrent des technologies intelligentes.