Kurzusleírás

Bevezetés a Large Language Models (LLMs)-ba

  • Az LLM-ek áttekintése
  • Az LLM-ek fejlődése az oktatástechnológiában
  • Az LLM-ek architektúrájának megértése

Személyre szabás az oktatásban

  • A személyre szabott tanulás szükségessége
  • A személyre szabás jelenlegi megközelítései
  • Kihívások és lehetőségek

LLM-ek és tartalomadaptáció

  • LLM-ek a tartalomkészítésben és gondozásban
  • A tartalom adaptálása a tanulási stílusokhoz és szintekhez
  • Multitasking LLM-ekkel a tartalom adaptálása érdekében

LLM-ek a gyakorlatban

  • Esettanulmányok: Sikeres LLM-pályázatok az oktatásban
  • Interaktív foglalkozás: LLM-ek a munkahelyen

Adaptív tanulási platformok tervezése

  • Az adaptív tanulási platform tervezés elvei
  • LLM-ek beépítése a platform architektúrába
  • A felhasználói élmény és a felület szempontjai

Megvalósítás és tesztelés

  • Adaptív tanulási platform prototípusának fejlesztése
  • Tesztelés és iteráció
  • Felhasználói visszajelzések gyűjtése és elemzése

Az LLM hatékonyságának értékelése

  • Mérőszámok az LLM tanulásra gyakorolt hatásának mérésére
  • Oktatástechnológiai kutatási módszerek
  • Esettanulmány elemzés és megbeszélés

Etikai megfontolások és jövőbeli irányok

  • Az LLM-ek etikai vonatkozásai az oktatásban
  • Az inkluzivitás és a méltányosság biztosítása
  • Előrejelzések az LLM-ek jövőjére vonatkozóan a személyre szabott tanulásban

Projekt és értékelés

  • LLM alapú adaptív tanulási platform megtervezése és javaslattétel
  • Peer értékelések és csoportos beszélgetések
  • Végső értékelés és visszajelzés

Összegzés és a következő lépések

Követelmények

  • Az alapvető gépi tanulási fogalmak megértése
  • A Python nyelvű programozásban szerzett tapasztalat ajánlott, de nem kötelező
  • Az oktatási technológia ismerete előnyös

Közönség

  • Pedagógusok
  • EdTech fejlesztők
  • Kutatók az oktatástechnológia területén
 14 Órák

Résztvevők száma


Ár résztvevőnként

Közelgő kurzusok

Rokon kategóriák