دماغ بيتي

"دماغ بيتي" بيئة برمجية طورتها مجموعة "الوكلاء التعليميون" في جامعة فاندربيلت لتعزيز فهم الطلاب لمهارات ما وراء المعرفة، ومساعدة طلاب المرحلة المتوسطة على تعلم وحدات المناهج العلمية، مثل النظم البيئية للبرك، وتغير المناخ، وتنظيم حرارة جسم الإنسان. وهو نظام استدلال نوعي، يستخدم بنية سببية قائمة على العقد والروابط، حيث تمثل المفاهيم العقد، والروابط بينها العلاقات السببية. تساعد هذه النماذج السببية طلاب المرحلة المتوسطة على بناء نماذج علمية معقدة والاستدلال بها.

يركز النظام بشكل خاص على تعزيز ما يسمى بمهارات التعلم المنظم ذاتيًا (SRL) التي تعزز كلاً من المراقبة الذاتية والتقييم الذاتي كما هو متوقع من المتعلم المستقل.

يتمحور النظام حول شخصية رئيسية تُدعى بيتي، طلبت من الطلاب تعليمها عملية علمية. وبهذا، يختلف نظام "دماغ بيتي" عن أنظمة التدريس الذكية التقليدية ، ويتبنى نموذج " التعلم من خلال التعليم "، حيث تركز تفاعلات وكيل الحاسوب على إنجاز مهمة أساسية لا علاقة لها باكتساب المعرفة بمحتوى المجال.

في الآونة الأخيرة، تم تعديل مستوى الذكاء الاصطناعي لدى بيتي بشكل كبير لزيادة تفاعلها مع الطلاب. تتمثل مهمة بيتي في التفاعل مع الطلاب كما يفعل المتعلم "الجيد" الذي يمتلك مهارات التنظيم الذاتي. ومن خلال دمج التغذية الراجعة المتعلقة بهذه المهارات، أظهرنا أن الطلاب أصبحوا أكثر قدرة على الأداء في مهام التعلم المستقبلية.

تركز الدراسات الحالية على صفوف المرحلة الابتدائية (الصف الخامس) التي تضم حوالي 100 طالب. كما يجري تطوير النظام، اعتبارًا من يوليو 2007، لدمجه مباشرةً في المناهج الدراسية للفصل الدراسي القادم، مع تضمين أدوات مثل "بيتي" (Front of the Class Betty) التي طُوّرت في جامعة ستانفورد .

منذ عام 2018، استُخدمت هذه التقنية في العديد من التجارب لاختبار فعالية بناء ودراسة النماذج الديناميكية في تدريس المجالات العلمية. في عدة دراسات أجراها بيسواس وزملاؤه على برنامج "دماغ بيتي"، درّبوا الطلاب من خلال جعلهم يُنشئون نماذج لدورة الأكسجين في نظام بيئي مائي، ثم قيّموا أداءهم من خلال جعلهم يُنشئون نماذج لدورة النيتروجين في نظام بيئي بري. يُعرف هذا باختبار النقل ، وهو أسلوب معياري في تجارب التعلم. في كلا النشاطين، عُرضت على الأنظمة موارد، وكانت لغة النمذجة هي لغة الرسم التخطيطي النوعي المدمجة في النظام. اختبرت الضوابط التجريبية فرضيات مختلفة لتحديد ما نجح وما لم ينجح. تُعد هذه بيئة فعّالة لفهم جوانب بناء المحاكاة . من الأنظمة المفيدة الأخرى لدراسة تأثيرات النمذجة في التعلم: IQON و Colab .

1. بيسواس، جي.، ليلاوونغ، ك.، شوارتز، د.، وفاي، ن. (2005). التعلم من خلال التدريس: نموذج جديد للوكيل في البرمجيات التعليمية. الذكاء الاصطناعي التطبيقي، 19، 363-392.
2. ليلاوونغ وبيسواس، 2008. تصميم التعلم من خلال تعليم الوكلاء: نظام دماغ بيتي. المجلة الدولية للذكاء الاصطناعي والتعليم، 18(3)، 181-208.
3. بيسواس، جي.، سيجيدي، جيه آر، وبونشونغشيت، ك. (2016). من التصميم إلى التنفيذ إلى الممارسة - نظام التعلم عن طريق التدريس: دماغ بيتي. المجلة الدولية للذكاء الاصطناعي في التعليم، 26(1)، 350-364.
4. سيجيدي، جيه آر، وكينبرو، جيه إس، وبيسواس، جي. (2015). استخدام تحليل التماسك لتوصيف سلوكيات التعلم المنظم ذاتيًا في بيئات التعلم المفتوحة. مجلة تحليلات التعلم، 2(1)، 13-48.
5. كينبرو، ج.، سيجيدي، جيه آر، وبيسواس، ج. (2017). دمج التقنيات القائمة على النماذج والتقنيات القائمة على البيانات لتحليل سلوكيات التعلم في بيئات التعلم المفتوحة. معاملات IEEE في تقنيات التعلم، 10(2)، 140-153.

https://web.archive.org/web/20110706031533/http://www.vanderbilt.edu/magazines/vanderbilt-magazine/2008/03/bettys_brain_motivates_learning/