← গবেষণা সংবাদে ফিরুন
একজন বিশ্ববিদ্যালয়ের শিক্ষার্থী জল ব্যবহার সম্পর্কে একটি উপস্থাপনা মহড়া করছেন যখন একজন প্রশিক্ষক এবং একজন সহকর্মী ট্যাবলেটে রেকর্ডিংয়ের সাথে রুব্রিক টীকা তুলনা করছেন
কনফারেন্স পেপারConference paper2026২২ অক্টো, ২০২৬· 2 min

সম্মেলনের প্রদর্শনী প্রবন্ধ: AICoFe সহপাঠী মূল্যায়ন, স্ব-মূল্যায়ন ও শিক্ষকের পর্যালোচিত AI প্রতিক্রিয়াকে যুক্ত করে

Alvaro Becerra, Alejandra Palma, Ruth Cobos, Julian Fierrez

European Conference on Technology Enhanced Learning (EC-TEL 2026), demonstration paper

৫০০-শব্দের সারাংশ

একজন বিশ্ববিদ্যালয়ের শিক্ষার্থী জল ব্যবহার সম্পর্কে একটি উপস্থাপনা মহড়া করছেন যখন একজন প্রশিক্ষক এবং একজন সহকর্মী ট্যাবলেটে রেকর্ডিংয়ের সাথে রুব্রিক টীকা তুলনা করছেন

AICoFe মৌখিক উপস্থাপনার জন্য সহপাঠী মূল্যায়ন, স্ব-মূল্যায়ন ও শিক্ষক মূল্যায়নকে AI-সহায়িত প্রতিক্রিয়ার সঙ্গে যুক্ত করে। EC-TEL-এর প্রদর্শনী প্রবন্ধের উন্মুক্ত লেখক-সংস্করণে Universidad Autónoma de Madrid-এ ২০২৪–২০২৫ সালের প্রয়োগের বর্ণনা রয়েছে; অংশ নেন ৪৬ জন স্নাতক ও ১৯ জন স্নাতকোত্তর শিক্ষার্থী। শিক্ষকরা প্রতিক্রিয়া পাঠানোর আগে তৈরি করা মন্তব্য বেছে নিতে, সম্পাদনা করতে বা একত্র করতে পারেন। সন্তুষ্টির মূল্যায়ন ইতিবাচক ছিল। ব্যবহারযোগ্যতার প্রশ্নপত্রে ৩১ জনের উত্তরের ভিত্তিতে System Usability Scale-এর গড় স্কোর ছিল ৭৯.৯১। এই ফল ব্যবস্থাটি ব্যবহারের অভিজ্ঞতা বোঝায়; উপস্থাপনার দক্ষতায় উন্নতির কারণ এই ব্যবস্থাই—গবেষণাটি এমন কার্যকারণ সম্পর্ক প্রতিষ্ঠা করেনি।

কর্মপ্রবাহ একটি পর্যালোচনা প্রক্রিয়ার মধ্যে বিভিন্ন দৃষ্টিকোণ নিয়ে আসে। শিক্ষার্থীরা একটি রেকর্ডিং পুনরায় দেখতে পারে এবং তাদের প্রাপ্ত প্রতিক্রিয়ার সাথে তাদের নিজস্ব রুব্রিক বিচারের তুলনা করতে পারে। লেখক ড্রাফ্ট এবং প্রেরিত সংস্করণগুলিকে আলাদা করে রাখার কথাও বর্ণনা করেন। ছোট স্থাপনা এবং প্রশ্নাবলীর উত্তরের সংখ্যাগুলি যে সিদ্ধান্তগুলি আঁকতে পারে তা সীমিত করে। একজন শিক্ষকের সম্পৃক্ততা রিপোর্ট করা সেটিং এর অংশ, তাই সেই মধ্যস্থতা ব্যতীত স্বায়ত্তশাসিত প্রতিক্রিয়ার প্রমাণ হিসাবে ফলাফলগুলি পড়া উচিত নয়।

AIEDHK-এর জন্য, একটি সংক্ষিপ্ত উপস্থাপনাকে কেন্দ্র করে একটি প্রস্তাবিত সেমিনার কার্যকলাপ বিবেচনা করুন। প্রতিক্রিয়া দেখার আগে, উপস্থাপক এমন একটি মুহূর্ত চিহ্নিত করবেন যা পরিষ্কার বলে মনে হবে এবং একটি মুহূর্ত পরিবর্তন হবে। একজন সহকর্মী একই মানদণ্ড ব্যবহার করে স্বাধীনভাবে প্রমাণ নির্বাচন করবে। শিক্ষক তারপর সেই পর্যবেক্ষণগুলির পাশাপাশি উত্পন্ন পরামর্শ পরিদর্শন করতে পারেন। কোন মন্তব্যটি উপস্থাপনাটিকে সঠিকভাবে বর্ণনা করে এবং শিক্ষার্থী বাস্তবসম্মতভাবে কোন পদক্ষেপ নিতে পারে সে সম্পর্কে আলোচনার উদ্দেশ্য হবে।

উদাহরণস্বরূপ, শহুরে জলের ব্যবহার ব্যাখ্যাকারী একজন শিক্ষার্থী স্বচ্ছতা উন্নত করার জন্য একটি অস্পষ্ট পরামর্শ পেতে পারে। একটি আরও দরকারী আলোচনা রূপান্তরটি সনাক্ত করবে যেখানে শ্রোতারা চিত্র এবং দাবির মধ্যে সংযোগ হারিয়েছে। উপস্থাপক একটি সংশোধিত ব্যাখ্যার মহড়া দিতে পারে এবং একটি নতুন শ্রোতাকে সম্পর্কটি বর্ণনা করতে বলতে পারে। এটি একটি সম্পাদকীয় ক্লাসরুম প্রস্তাব. প্রদর্শনের কাগজটি সেই নির্দিষ্ট কার্যকলাপ পরীক্ষা করে না বা উদাহরণের কার্যকারিতা প্রতিষ্ঠা করে না।

অনুরূপ কর্মপ্রবাহের চেষ্টা করা একটি প্রতিষ্ঠান পাইলটকে ছোট রাখতে পারে এবং রেকর্ডিংয়ের দর্শক এবং ধরে রাখার সময়কাল আগে থেকেই সংজ্ঞায়িত করতে পারে। সমালোচকদের জানা উচিত কোন মন্তব্য সহকর্মীদের কাছ থেকে এসেছে, কোনটি তৈরি হয়েছে এবং কোন শিক্ষক পরিবর্তন করেছেন। কেন একটি মন্তব্য ভুল বা অনুপযুক্ত তা ব্যাখ্যা করার জন্য শিক্ষার্থীদেরও একটি উপায় থাকা উচিত। এই ব্যবহারিক সিদ্ধান্তগুলি প্রতিক্রিয়া প্রক্রিয়াটিকে পরিদর্শন করা সহজ করে তোলে এবং মতানৈক্যগুলিকে ইন্টারফেস ত্রুটি হিসাবে বিবেচনা করার পরিবর্তে একটি শিক্ষামূলক উদ্দেশ্য দেয়।

অংশগ্রহণকারীরা একটি মানদণ্ডের তাদের প্রথম এবং সংশোধিত ব্যাখ্যাগুলি তুলনা করতে পারে, রেকর্ডিং দেখার পরে তাদের রায়ে কী পরিবর্তন হয়েছে তা সনাক্ত করতে পারে। সেই অ্যাকাউন্টটি সংক্ষিপ্ত রাখা একজন শিক্ষককে শুধুমাত্র একটি দৃশ্যমান স্কোর সন্তুষ্ট করার জন্য করা একটি সংশোধন থেকে প্রতিক্রিয়ার বিবেচিত প্রতিক্রিয়াকে আলাদা করতে সাহায্য করবে।

একটি শক্তিশালী মূল্যায়ন পরবর্তী উপস্থাপনা পরীক্ষা করতে পারে, একটি স্বাধীন কাজ এবং স্পষ্টভাবে নির্দিষ্ট মানদণ্ড সহ। এটি শিক্ষকের পর্যালোচনার সময়, উত্পন্ন মন্তব্যে করা পরিবর্তনগুলি এবং শিক্ষার্থীরা তাদের নির্বাচিত সংশোধনকে ন্যায্যতা দিতে পারে কিনা তা রেকর্ড করতে পারে। এই ব্যবস্থাগুলির পাশাপাশি সন্তুষ্টি এবং ব্যবহারযোগ্যতা কার্যকর থাকবে। AICoFe প্রতিক্রিয়া দৃষ্টিকোণ সমন্বয়ের জন্য একটি কংক্রিট সিস্টেম ডিজাইন অফার করে; সেই সমন্বয় শিক্ষার উন্নতি ঘটায় কিনা তা নির্ধারণ করার জন্য পরবর্তীকালে শিক্ষার্থীরা কী বোঝে এবং করতে পারে সে সম্পর্কে অতিরিক্ত প্রমাণের প্রয়োজন।

সম্পর্কিত পেপার

Illustrative photograph of a language teacher and learner arranging sentence cards while a sparse sequence of revision steps appears on a nearby display.
টুল / ডেটাসেট2026
টুল / ডেটাসেট 247

Preprint: Grammar-game traces reveal context-sensitive reasoning patterns

Trystan Geoffre, Zheng Yuan, Thierry Geoffre

arXiv manuscript

A manuscript analyzes sequences of actions in a French grammar game to describe reasoning patterns and predict validation success. Its observational design leaves the learning effects of proposed scaffolding untested.

preprintlearning analyticsgrammatical reasoning
৫০০-শব্দের সারাংশ পড়ুন →
Illustrative photograph of two educators examining a simple prediction baseline and uneven error bars on a seminar-room display.
টুল / ডেটাসেট2026
টুল / ডেটাসেট 245

Preprint: Tutoring logs add little to simple score predictions in one course

Zeyu Dong, Mikael Kwame Kuada, Asa Holley Buchakjian-Tweedy, Ibrahem Aljabea

arXiv preprint

A retrospective analysis compares tutoring-interaction features with constant score predictions. Small overall gains and uneven errors show why a support model needs more than a favorable average accuracy figure.

preprintlearning analyticsprediction baselines
৫০০-শব্দের সারাংশ পড়ুন →
A diverse computer science class uses a learning dashboard to record self-assessments and discuss algorithms with a teacher and an AI dialogue panel
জার্নাল পেপার2026
জার্নাল পেপার 76

An eliciting LLM dashboard prompted more reflective dialogue and showed a trend toward stronger learning-judgment calibration

Laura Graf, Patrick Bassner, Maximilian Anzinger, Felix Dietrich, Stephan Krusche, Oleksandra Poquet

Education and Information Technologies

A five-week exploratory study with 30 computer-science students compared no agent, a telling LLM agent and an eliciting agent inside a learning dashboard. The eliciting condition produced more reflective messages and showed descriptive trends toward clearer relationships between self-judgments and mastery estimates, but the study did not test achievement gains.

learning analyticsLLM pedagogical agentlearning dashboard
৫০০-শব্দের সারাংশ পড়ুন →