AIEd Hifadhi ya MaarifaAIEd KB
Kwenye ukurasa huu

Soma ukurasa huu kwa Kiingereza

Madhana

Mfumo wa ICAP

Imeundwa 2026-10-13

Tafsiri ya kiotomatiki ya ukurasa huu wa Kiingereza, ambayo haijakaguliwa na mzungumzaji mzawa.

Mfumo wa ICAP (Mwingiliano–Ujenzi–Uendeshaji–Kupitisha) — taksonomia ya mwingiliko wa kiakili iliyotengenezwa na Michelene Chi ambayo inagawanya tabia ya mwanafunzi katika hali nne za mabadiliko ya maarifa, zilizopangwa kutoka kiwango cha chini hadi cha juu cha mwingiliko wa kiakili: kupitisha, kuendeshwa, kuunda, na kuingiliana. Katika Akili Bandia katika elimu, ICAP hutoa lengo la kubuni (jenga zana zinazochochea mwingiliano wa kuunda na wa kuingiliana badala ya matumizi ya kupitisha) na lenzi ya tathmini (pima kama wanafunzi na mifumo ya AI wanashiriki kweli katika hali za juu).(Systematic Review of Collaborative Learning Activities for Promoting AI Literacy)(Measuring Cognitive Engagement in Collaborative Discourse with an Extended ICAP Framework: Comparing Human Annotation, In-Context Learning, and Reflective LLM Agents)

Maswali ya Kutafakari

  • Fikiria mara ya mwisho ulipojifunza kitu kwa kutazama video au kusoma. Mfumo wa ICAP ungeita hilo kupitisha. Unahifadhi nini kweli kutoka mwonekano wa kupitisha ikilinganishwa na kumwelezea mtu mwingine?
  • ICAP hupanga mwingiliko kutoka kupitisha hadi kuendeshwa hadi kuunda hadi kuingiliana. Zana za AI ulizotumia zinaweka wanafunzi wapi kwa kawaida — na kubofya katika mazoezi yanayobadilika yanahesabiwa kama mwingiliko halisi au shughuli tu?
  • Ukurasa unadai mabadiliko yenye athari kubwa zaidi ni kutoka Kuendeshwa hadi Kuunda — kuzalisha maelezo au vitu vipya badala ya kutumia maarifa tu. Kwa nini kuzalisha kitu kipya kinaweza kuwa hatua ambayo kweli hubadilisha ufahamu?
  • Utafiti mmoja uligundua kuwa wataalam wa kibinadamu wanashinda kwa kiasi kikubwa mifano ya AI katika kuweka lebo ya viwango vya mwingiliko. Kama mifumo ya kiotomatiki yanakadiria kupungua mwingiliko kwa mpangilio, tunapaswa kuitibitiaje vipimo vya "mwingiliko" vinavyotolewa na AI?
  • ICAP inaonyesha kuwa zana inayokujibulia inakushika katika kupitisha, wakati ile inayokuliza na kukuuliza swali inakusukuma kuelekea mwingiliko wa kuunda na wa kuingiliana. Ungefanya chaguo lipi la kubuni kwa wanafunzi wako?
  • Mfumo unatumika kama lengo la kubuni na kama lenzi ya tathmini. Unawezaje kutumia ICAP katika ufundishaji au ubuni wako mwenyewe ili kubaini kama wanafunzi wanashiriki kweli badala ya kuwa na shughuli tu?

Utangulizi

ICAP imejengwa juu ya dhana kwamba kile wanafunzi wanachofanya kinabadilisha kiwango na aina ya wanachojifunza. Mfumo wa Chi unadai kuwa kadiri mwingiliko unavyosogea kutoka kupitisha hadi kuendeshwa hadi kuunda hadi kuingiliana, asili ya mabadiliko ya maarifa inakuwa ya kina zaidi — kutoka kuhifadhi, hadi kusikiliza, hadi kuunganisha maarifa mapya na maarifa ya awali, hadi kuunda maarifa pamoja kupitia mazungumzo. Hii inafanya ICAP kuwa chombo chenye nguvu cha kichanganuzi kwa Akili Bandia katika elimu, ambapo swali kuu la kubuni ni kama msaada wa AI unaunga mkono au unahamisha mwingiliko wa kiakili wa wanafunzi.

Hali nne

Hali Tabia ya mwanafunzi Asili ya mabadiliko ya maarifa
Mwingiliano Mazungumzo na mwanafunzi mwingine au wakala, wakijenga pamoja maana; mfano kutetea msimamo, utatuzi wa matatizo wa ushirikiano Kuunda maarifa mapya kupitia shughuli ya pamoja na ya kurudiana
Ujenzi Kuzalisha pato jipya zaidi ya lililotolewa; mfano kuelezea mwenyewe, kulinganisha, kutafakari, kuchora Kuunganisha habari mpya na maarifa ya awali ili kuzalisha ufahamu mpya
Uendeshaji Kubadilisha au kutenda juu ya nyenzo; mfano kuchukua maelezo, kupiga mstari, kusitisha ili kufikiri Kusikiliza na kuhifadhi habari, wakati mwingine bila kuunganisha kwa kina
Kupitisha Kupokea habari bila kitendo cha wazi; mfano kusikiliza hotuba, kusoma Kuhifadhi habari, uchakataji mdogo zaidi

ICAP katika Akili Bandia katika Elimu

Lengo la kubuni kwa zana za AI

ICAP inaweka upya swali kuu la kubuni kwa Akili Bandia katika elimu: zana ya AI inayojibu kwa niaba ya mwanafunzi inamwacha katika hali za kupitisha/kuendeshwa, wakati zana inayotoa ilani, maswali, na ngazi za msaada inaweza kusukuma wanafunzi kuelekea mwingiliko wa kuunda na wa kuingiliana. Hii inalinganisha ICAP na mbinu za kufundisha za Ujenzi wa Maarifa (Constructivism) na utafiti wa Kujifunza kwa Shughuli.(Multimodal Learning with Generative AI)(Systematic Review of Collaborative Learning Activities for Promoting AI Literacy)

Lenzi ya tathmini kwa mawakala wa AI

ICAP pia hutumika kama mfumo wa kupima. Katika utafiti mmoja, watafiti walipanua ICAP hadi kiwango cha pointi 7 ili kuelezea mwingiliko wa kiakili katika mazungumzo ya ushirikiano, kisha walilinganisha wataalam wa kibinadamu waliofunzwa na uwekaji wa lebo unaotegemea LLM (kujifunza kwa muktadha, utoaji wa ilani bila mifano, na mawakala wenye tafakuri). Uaminifu wa kati ya wataalam wa kibinadamu (kappa = 0.906–0.998) ulizidi kwa kiasi kikubwa uwekaji wa lebo wa LLM (kappa = 0.541–0.609), ikionyesha jukumu la ICAP — na vikomo vyake vya sasa — katika upimaji wa kiotomatiki wa mwingiliko kwa Takwimu za Kujifunza.(Measuring Cognitive Engagement in Collaborative Discourse with an Extended ICAP Framework: Comparing Human Annotation, In-Context Learning, and Reflective LLM Agents)

Kuongoza urahisishaji wa mazungumzo ya ushirikiano

Kwa sababu mwingiliko wa kuunda ni hali ya juu zaidi ya ICAP, mfumo husaidia kuonyesha thamani ya urahisishaji wa AI katika majadiliano ya ushirikiano ya mtandaoni. Utafiti juu ya wakati wa urahisishaji wa LLM unaonyesha kuwa lini AI inapoingilia kati katika majadiliano hubadilisha kama inaunga mkono au inakatiza uundaji wa pamoja wa maarifa wa mwingiliko — onyo linaloelekezwa na ICAP kuwa mawakala wa usimamizi huru wanahitaji kurekebishwa kuelekea kizuizi cha kimaisha-kibinadamu badala ya urahisishaji wenye pupa kupita kiasi.

ICAP na ubuni wa mifumo ya kuchanganua kujifunza

ICAP imejengwa chini ya ukosoaji wa vipimo dhaifu vya "mwingiliko": kushirikiana na dashibodi kwa kubofya vichujio ni uendeshaji, si mwingiliko. Miundo yenye ufanisi ya mifumo ya kuchanganua kujifunza huchochea tathmini binafsi na mazungumzo ya pande mbili badala ya kuonyesha data tu — hitimisho lililotolewa moja kwa moja kutoka mfumo wa Chi.(Interactive learning dashboards: rethinking learning visualisations as engagement tools)

Mpito wa Kuendeshaji→Ujenzi kama hatua muhimu

Ingawa ICAP inaelezea mpangilio, mabadiliko yenye athari kubwa zaidi kwa kujifunza ni kuruka kutoka hali za Kuendeshwa hadi za Kuunda (Chi & Boucher, 2023). Mwingiliko wa kuendeshwa (kutumia maarifa katika hali zinazofanana lakini si sawa) unawatayarisha wanafunzi, lakini ni mwingiliko wa kuunda — kuzalisha maelezo, muhtasari, au vitu vipya — ndiyo unawapa uwezo wa kuunda maarifa mapya. Hii ni kiini cha Akili Bandia katika elimu: zana inayowashika wanafunzi katika hali ya Kuendeshwa (mfano kubofya katika mazoezi yanayobadilika) inaweza kuonekana yenye tija lakini haiwasukumi kamwe kwenye uzalishaji wa kuunda unaotoa ufahamu wa kudumu. Uingiliaji wa ushirikiano na unaozingatia usomaji ambao kwa makusudi hutoa ngazi za msaada kwa kuruka la Kuendeshwa→Ujenzi huonyesha mapato makubwa zaidi.(Systematic Review of Collaborative Learning Activities for Promoting AI Literacy)

ICAP kama ishara ya ngazi za msaada zinazobadilika katika ITS

Hali za ICAP zinaweza kutekelezwa kama hali za lengo ambazo mwalimu anayebadilika huchagua kati yao ili kutoa ngazi za msaada kwa mwingiliko wa kiakili kulingana na mfano wa mwanafunzi unaoendelea. Katika ITS ya mantiki, Dey Tithi et al. walichagua kwa njia ya kubadilika kati ya hali ya Kuendeshwa "Iliyoongozwa" ya mifano ya kazi iliyofanywa na hali ya Kuunda ya mfano wa "Makosa". Kulinganisha Bayesian Knowledge Tracing (BKT) dhidi ya Deep Reinforcement Learning (DRL) na msingi usiobadilika juu ya wanafunzi 113, sera zote mbili zinazobadilika ziliboresha utendaji wa mtihani wa baadae — lakini kwa njia tofauti: BKT ilitoa mapato makubwa zaidi kwa wanafunzi wenye maarifa ya awali ya chini (wakisaidia kufikia kiwango sawa), wakati DRL ilizalisha alama za juu zaidi za mtihani wa baadae miongoni mwa wanafunzi wenye maarifa ya awali ya juu. Hii ni onyesho halisi kuwa kubinafsisha kwa ufanisi hali ya ICAP ya mwalimu mwenye akili kunategemea kuunda mfano wa maarifa ya sasa ya mwanafunzi — na kuwa hakuna hali moja wala mbinu moja ya kubadilika inayofaa kila mwanafunzi. Inaunganisha mpangilio wa ICAP moja kwa moja na ubuni wa Kujifunza Kufaa na Ufuatiliaji wa Maarifa.

ICAP kama mfano wa hali ya kiakili kwa kuzalisha mawakala wanaofanana na binadamu

Zaidi ya kuchagua hali za kazi, ICAP imejumuishwa moja kwa moja katika mfano wa kiakili wa wakala wa kielimu wa kizalishaji. CogEvolution hujenga "perceptron ya kina ya kiakili" inayotegemea ICAP ambayo huweka miingilizo kwenye usambazaji wa uwezekano katika viwango vinne vya ICAP, ikiunganisha hii na masasisho ya hali yanayochochewa na mageuko na upatikanaji wa kumbukumbu wa nadharia ya majibu ya vitu ili kuiga mageuko ya kiakili ya mwanafunzi (ikijumuisha mpito kama vile mkanganyiko → uchunguzi). Uchanganuzi wa ablation unaonyesha kuwa kuondoa moduli ya utambuzi wa ICAP kunahatarisha uwezo wa wakala wa kutofautisha kujifunza kwa kina kidogo na kwa kina — ushahidi kwamba taksonomia ya ICAP inaweza kutumika kama kipimo cha ndani, cha undani, cha mwingiliko wa kiakili kwa kuiga wanafunzi, si lenzi ya tathmini ya nje tu.

ICAP inaweka msingi wa tathmini ya mwingiliko wa tafakuri wa GenAI

Msititi wa ICAP juu ya mwingiliko wa uzalishaji na wa kiwango cha mchakato umechukuliwa na miundo ya tathmini inayotathmini jinsi wanafunzi wanavyojifunza na AI ya kizalishaji. Mfumo wa DRIVE unalinganisha wazi kanuni yake kuu — mwingiliko wa kina wa tafakuri na pato la GenAI — na aina ya mwingiliko wa uzalishaji ambayo ICAP inatambua kuwa unaelekea kujifunza kwa kina, na unaitumia kutofautisha matumizi ya uso na kazi upya ya bidii na ya tafakuri ya maudhui yaliyozalishwa na AI. Hii inaweka ICAP kama msingi wa kinadharia kwa kubuni na kupima mwingiliko yenye maana ya kujifunza ya GenAI badala ya kufuatilia matumizi tu.

Athari kwa ubuni na utafiti

  1. Buni kwa hali za juu. Zana za AI zinapaswa kuwahimiza wanafunzi kuzalisha, kuelezea, na kuzungumza — shughuli za kuunda na za kuingiliana — badala ya kutoa maudhui ya kupitisha au kutenda kama mashine za majibu.(Multimodal Learning with Generative AI)
  2. Shirikisha wanafunzi katika hali zote. Mafunzo ya ujuzi wa AI yenye ufanisi yanashirikisha wanafunzi katika viwango vingi vya ICAP — mwonekano wa kupitisha, mabadiliko ya kuendeshwa, uzalishaji wa kuunda, na majadiliano ya kuingiliana — huku yanachagua hali inayolingana na lengo la kujifunza.(Systematic Review of Collaborative Learning Activities for Promoting AI Literacy)
  3. Pima mwingiliko kwa ukweli. ICAP inawapa watafiti na wabuni msamiati wa pamoja wa kutofautisha mwingiliko halisi wa kiakili na shughuli tu — marekebisho ya Mahusiano ya Mwanafunzi iliyo dhaifu.(Measuring Cognitive Engagement in Collaborative Discourse with an Extended ICAP Framework: Comparing Human Annotation, In-Context Learning, and Reflective LLM Agents)
  4. Angalia pengo la uwekaji wa lebo la kibinadamu–LLM. Kama mifumo ya kiotomatiki yanatumika kuweka kodi ya mwingiliko, upungufu wao wa mpangilio kulingana na wataalam waliofunzwa lazima uhesabiwe.(Measuring Cognitive Engagement in Collaborative Discourse with an Extended ICAP Framework: Comparing Human Annotation, In-Context Learning, and Reflective LLM Agents)

Dhana Zilizounganishwa

Makala Zilizounganishwa

FAQ Zilizounganishwa

Metadata

Kujifunza na UfundishajiKujifunza kwa Shughuli, Saikolojia ya Kiakili, Kujifunza kwa Ushirikiano, Nadharia za Kujifunza
Teknolojia na MbinuNLP Katika Elimu, Takwimu za Kujifunza
Misingi ya Akili Bandia katika ElimuMuundo wa Kujifunza
SourceHistoryEditChat

Pachika ukurasa huu

Nakili msimbo ulio hapa chini ili kupachika ukurasa huu katika mfumo wa usimamizi wa kujifunza au tovuti nyingine. Toleo lililopachikwa linaonyesha maudhui ya ukurasa tu — linaficha kichwa cha tovuti, urambazaji, na kijachini.