SLMs for Educational Tech: Tailoring AI for Learning and Development

• Podstawowe zrozumienie koncepcji uczenia maszynowego
• Doświadczenie w technologii edukacyjnej lub projektowaniu instrukcji
• Zainteresowanie rozwiązaniami edukacyjnymi opartymi na sztucznej inteligencji

Odbiorcy

• Technologowie edukacyjni
• Projektanci instrukcji
• Programiści AI w edukacji

Small Language Models (SLMs) przekształcają krajobraz technologii edukacyjnych, zapewniając spersonalizowane doświadczenia edukacyjne.

To prowadzone przez instruktora szkolenie na żywo (na miejscu lub zdalnie) jest skierowane do technologów edukacyjnych średniego szczebla, projektantów instrukcji i programistów AI w edukacji, którzy chcą zintegrować Small Language Models (SLMs) z platformami edukacyjnymi w celu usprawnienia procesów nauczania i uczenia się.

Pod koniec tego szkolenia uczestnicy będą mogli

• Zrozumieć rolę SLM w technologii edukacyjnej.
• Projektować doświadczenia edukacyjne oparte na sztucznej inteligencji przy użyciu SLM.
• Wdrażać SLM w różnych środowiskach edukacyjnych.
• Ocenić skuteczność SLM w efektach uczenia się.

Format kursu

• Interaktywny wykład i dyskusja.
• Wiele ćwiczeń i praktyki.
• Praktyczne wdrożenie w środowisku laboratoryjnym na żywo.

Opcje dostosowywania kursu

• Aby poprosić o spersonalizowane szkolenie dla tego kursu, skontaktuj się z nami w celu ustalenia szczegółów.

Wprowadzenie do SLM w technologii edukacyjnej

• Przegląd małych modeli językowych
• Ewolucja sztucznej inteligencji w edukacji
• Korzyści z SLM dla spersonalizowanego uczenia się

Projektowanie doświadczeń edukacyjnych z wykorzystaniem SLM

• Zrozumienie potrzeb i preferencji uczniów
• Tworzenie adaptacyjnych ścieżek edukacyjnych
• Integracja SLM z zasadami projektowania instruktażowego

Wdrażanie SLM w placówkach edukacyjnych

• Konfigurowanie SLM do nauki w klasie i online
• Tworzenie interaktywnych treści za pomocą SLM
• Najlepsze praktyki utrzymywania zaangażowania uczniów

Ocena SLM w efektach uczenia się

• Strategie oceny uczenia się opartego na sztucznej inteligencji
• Analiza danych i analityka nauczania
• Ciągłe doskonalenie i pętle informacji zwrotnych

Wyzwania i kwestie etyczne

• Radzenie sobie z uprzedzeniami w sztucznej inteligencji
• Zapewnienie prywatności i bezpieczeństwa danych
• Promowanie sprawiedliwego dostępu do zasobów sztucznej inteligencji

Praca nad projektem i studia przypadków

• Projektowanie mini-projektu z wykorzystaniem SLM
• Analiza studium przypadku SLM w działaniu
• Prezentacje grupowe i wzajemne opinie

Podsumowanie i kolejne kroki