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

Yêu cầu

  • 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 Giờ học

Số người tham gia


Giá cho mỗi người tham gia

Các khóa học sắp tới

Các danh mục liên quan