AI jezični tutor: struktura, cilj i snaga personaliziranog učenja

Izlaganje predstavlja projekt osobnog AI jezičnog tutora, trenutno za japanski jezik, s jasnim ciljem: studentima donijeti personalizirane zadatke, pravovremenu i razumljivu povratnu informaciju te vidljiv napredak, a nastavnicima pregledne uvide za kuriranje nastave. Sustav je zamišljen kao cjelina triju slojeva: (1) uređena struktura znanja (pojmovnik, obrasci, primjeri) koja omogućuje postupno usložnjavanje; (2) tutor koji kontinuirano prati rad, prilagođava težinu i oblik aktivnosti te predlaže “najbliži sljedeći korak”; (3) uvidi za nastavnike koji sažimaju napredak i tipične poteškoće. Inovacija je u načinu spajanja znanja o jeziku i jezične uporabe. Jezične strukture pohranjuju se u graf bazi (za hvatanje odnosa i ovisnosti), dok se podaci o uporabi i interakcijama čuvaju u relacijskoj bazi. Oba sloja vektoriziramo, pa semantičko pretraživanje pronalazi sadržaj koji najbolje odgovara trenutnim potrebama pojedinog studenta. Personalizirani kontekst zatim generira LLM: donosi znanje o svijetu i tipičnoj uporabi, objašnjava i nudi primjere te orkestrira slijed aktivnosti (što, kada i kako vježbati), uz stalno praćenje učinka. Time se spajaju precizna struktura jezika i stvarna jezična uporaba u dinamičan, motivirajući put učenja. Dosad je uspostavljena osnova za smislen rad (uređena struktura sadržaja, funkcionalno sučelje, provjera kvalitete) bez dodatnog operativnog opterećenja za nastavnike. Sljedeći koraci uključuju glasovnu interakciju (slušanje, ispravljanje, poticanje u razgovoru) te širenje na druge jezike. Vizija je odgovorna, mjerljiva primjena AI-a: student dobiva tempo i podršku koja mu odgovara; nastavnik zadržava uvid i kontrolu; institucija dobiva održivo rješenje koje se jednostavno uklapa u postojeću praksu, s jasnim fokusom na personalizirano, podatkovno vođeno učenje.

Tema: AI primjena i razvoj

Izlaganje