AI Injected e-Learning: The Future of Online Education

این کتاب ترکیبی از رویکردهای هوش مصنوعی (AI) را بررسی می‌کند که می‌تواند یادگیری الکترونیکی را با افزودن ارزش از طریق سفارشی‌سازی به سطح بعدی ارتقا دهد. این سه روش را بررسی می کند: جمع سپاری از طریق شبکه های اجتماعی. نمایه سازی کاربر از طریق تکنیک های یادگیری ماشین، و نمونه کارها یادگیری شخصی با استفاده از تجزیه و تحلیل یادگیری.

تکنولوژی و آموزش در طول سال ها به یکدیگر نزدیکتر شده اند زیرا در حوزه یادگیری الکترونیکی و نسل های مختلف آنلاین، یکدیگر را تکمیل می کنند. آموزش و پرورش منعکس کننده تکامل فن آوری های جدید است زیرا محققان و توسعه دهندگان به طور مداوم به دنبال بهینه سازی رسانه الکترونیکی برای افزایش اثربخشی آموزش الکترونیکی هستند. هوش مصنوعی (AI) برای آموزش الکترونیکی، آموزش آنلاین شخصی‌سازی شده را از طریق ترکیبی از تکنیک‌های هوشمند مختلف که بر پایه تئوری‌های یادگیری پایه‌گذاری شده‌اند، نوید می‌دهد و در عین حال به تعدادی از مسائل رایج یادگیری الکترونیکی می‌پردازد.

این کتاب برای فن‌شناسان آموزش و پژوهشگران یادگیری الکترونیکی و همچنین برای خوانندگان عمومی علاقه‌مند به تکامل آموزش آنلاین مبتنی بر تکنیک‌هایی مانند یادگیری ماشینی، جمع‌سپاری، و نمایه‌سازی یادگیرنده است که می‌توانند برای توصیف آینده ادغام شوند. یادگیری الکترونیکی شخصی.

This book reviews a blend of artificial intelligence (AI) approaches that can take e-learning to the next level by adding value through customization. It investigates three methods: crowdsourcing via social networks; user profiling through machine learning techniques, and personal learning portfolios using learning analytics.

Technology and education have drawn closer together over the years as they complement each other within the domain of e-learning, and different generations of online education reflect the evolution of new technologies as researcher and developers continuously seek to optimize the electronic medium to enhance the effectiveness of e-learning. Artificial intelligence (AI) for e-learning promises personalized online education through a combination of different intelligent techniques that are grounded in established learning theories while at the same time addressing a number of common e-learning issues.

This book is intended for education technologists and e-learning researchers as well as for a general readership interested in the evolution of online education based on techniques like machine learning, crowdsourcing, and learner profiling that can be merged to characterize the future of personalized e-learning.