Đề cương khóa học

Giới thiệu về Large Language Models (LLMs)

  • Tổng quan về LLMs
  • Sự phát triển của LLMs trong công nghệ giáo dục
  • Hiểu kiến trúc của LLMs

Cá nhân hóa trong Giáo dục

  • Nhu cầu học tập cá nhân hóa
  • Các phương pháp tiếp cận cá nhân hóa hiện tại
  • Thách thức và cơ hội

LLMs và Thích ứng Nội dung

  • LLMs trong tạo và quản lý nội dung
  • Thích ứng nội dung với phong cách và trình độ học tập
  • Đa nhiệm với LLMs để thích ứng nội dung

LLMs trong Thực tế

  • Nghiên cứu điển hình: Các ứng dụng LLM thành công trong giáo dục
  • Buổi tương tác: LLMs trong công việc

Thiết kế Nền tảng Học tập Thích ứng

  • Nguyên tắc thiết kế nền tảng học tập thích ứng
  • Kết hợp LLMs vào kiến trúc nền tảng
  • Cân nhắc về trải nghiệm người dùng và giao diện

Triển khai và Kiểm thử

  • Phát triển một nguyên mẫu nền tảng học tập thích ứng
  • Kiểm thử và lặp lại
  • Thu thập và phân tích phản hồi của người dùng

Đánh giá Hiệu quả của LLM

  • Các chỉ số đo lường tác động của LLM đối với việc học
  • Phương pháp nghiên cứu cho công nghệ giáo dục
  • Phân tích và thảo luận nghiên cứu điển hình

Các Vấn đề Đạo đức và Hướng Đi Tương Lai

  • Các hàm ý đạo đức của LLMs trong giáo dục
  • Đảm bảo tính toàn diện và công bằng
  • Dự đoán về tương lai của LLMs trong học tập cá nhân hóa

Dự án và Đánh giá

  • Thiết kế và trình bày đề xuất cho một nền tảng học tập thích ứng dựa trên LLM
  • Đánh giá ngang hàng và thảo luận nhóm
  • Đánh giá cuối cùng và phản hồi

Tóm tắt và Các Bước Tiếp Theo

Requirements

  • Hiểu biết về các khái niệm cơ bản của học máy
  • Kinh nghiệm lập trình bằng Python được khuyến khích nhưng không bắt buộc
  • Làm quen với công nghệ giáo dục là một lợi thế

Đối tượng

  • Giáo viên
  • Nhà phát triển EdTech
  • Nghiên cứu viên trong lĩnh vực công nghệ giáo dục
 14 Hours

Number of participants


Price per participant

Provisional Upcoming Courses (Require 5+ participants)

Related Categories