AIEd Hifadhi ya MaarifaAIEd KB
Kwenye ukurasa huu

Soma ukurasa huu kwa Kiingereza

Madhana

Mifano Mikubwa ya Lugha (LLM)

Imeundwa 2026-10-13

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

Mifano Mikubwa ya Lugha (LLM) — mifano ya mtandao wa neva iliyofunzwa kwenye makusanyo makubwa ya maandishi yanayozalisha maandishi yanayofanana na ya binadamu, ikisaidia programu nyingi za kisasa za AI katika elimu. LLM ni uti wa kikokotozi wa mafunzo ya AI ya kizalishaji, tathmini, na uzalishaji wa maudhui katika elimu.

Maswali ya Kutafakari

  • Unaamini nini kwamba AI ya chatbot "inajua" inapokujibu? Ukurasa unaweka LLM kama zinazozalisha maandishi yenye uwezekano badala ya kurejesha ukweli uliyothibitishwa — tofauti hiyo inabadilisha vipi kiasi unachoweza kuiamini maelezo ya mfano?
  • LLM zimeelezewa kama injini nyuma ya zana nyingi za kisasa za elimu ya AI — mafunzo, kuweka alama, uzalishaji wa maudhui, na hata utambuzi wa wanafunzi wanachojua. Kati ya matumizi haya, upi unaafiki zaidi na usioafiki kwa kizalishaji cha maandishi ya uwezekano, na kwa nini?
  • Ukurasa unaripoti kuwa LLM tatu tofauti zilizalisha mipango ya msaada iliyotofautiana kwa kiasi kikubwa kwa ingizo lile lile la takwimu za kujifunza, kila moja na dhana tofauti za kidemografia. Kama mifano haibadilishani kama washauri, hiyo inamaanisha nini kwa taasisi inayopitisha moja?
  • Kwa sababu matokeo ya LLM ni nyeti kwa ilani na mipangilio, watu wawili wanaweza kupata matokeo tofauti sana kutoka mfano mmoja. Hii inapaswa kuathiri vipi jinsi unavyopanga maombi — kama mwanafunzi au mbuni — na kiasi gani unavyoweza kuiamini matokeo moja?
  • Kikomo kikuu ni kutunga vitu visivyokuwepo (hallucination) — maudhui yanayovutia lakini yasiyo na msingi. Katika muktadha wa mafunzo au kuweka alama, ingechukua nini ili uwe na ujasiri kuwa mfano haukutunga kitu, na ulinzi upi ungetaka kabla ya kuuruhusu kutathmini mwanafunzi halisi?

Utangulizi

LLM kama injini ya AIED

LLM ni dhana inayorejelewa zaidi katika hifadhi ya maarifa (makala 60+) kwa sababu zinaunganisha karibu kila programu ya elimu ya AI:

  • Mafunzo: Waelimishaji wa AI wanatumia LLM kwa mazungumzo, maelezo, na mwongozo wa Utatuzi wa Matatizo. Mafunzo na kuboresha yanabadilisha LLM za jumla kwa matumizi ya kielimu.

  • Tathmini: Mifumo ya kuweka alama, alama za insha, na utabiri wa ugumu wa kipengele hutumia uwezo wa LLM. Razavi na Powers (2026) wanaonyesha kuwa GPT-4o inaweza kukadiria ugumu wa vipengele vya hesabu na kusoma vya K-5 (N = 5170) vilivyosawazishwa chini ya mfano wa Rasch IRT: ukadiriaji wa zero-shot ulihusishwa kwa wastani-hadi-nguvu na magumu halisi (r = 0.83 hesabu, r = 0.81 kusoma) lakini ulitofautiana kwa darasa, huku mkakati unaotegemea vipimo ambao LLM hutoa vipimo vya kiakili na vya lugha kwa mifano ya miti-msingi ulifikia mahusiano hadi r = 0.87 — ushahidi kwamba utoaji wa vipimo vilivyopangwa unaweza kushinda hukumu moja ya jumla ya LLM. Katika fasihi zote za kuweka alama, mapitio ya kimfumo yaliyoongozwa na PRISMA ya masudio 42 ya kiuwezo (2023–2025) yanahitimisha kuwa LLM zinafanana na wapimaji wa binadamu kwenye kazi fupi, zilizopangwa vizuri zenye rubriki za kina, lakini haziwezi kuchukua nafasi kamili ya hukumu ya binadamu kwenye kazi ngumu, za wazi, au za kibinafsi, na kuwa toleo la mfano ni kitambulisho kikuu cha ubora wa kuweka alama (Can ChatGPT Replace the Teacher in Assessment? A Review of Research on the Use of Large Language Models in Grading and Providing Feedback). Uaminifu pia unatofautiana kwa kiasi kikubwa kulingana na aina ya kipengele: Falahat et al. (2026) waligundua kuwa ChatGPT-5 ililingana na walimu wa chuo karibu kwenye vipengele vya kisayansi vya mtihani wa dawa (CCC 0.935–1.000) lakini haikuwa na uaminifu kwa vipengele vya majibu mafupi (CCC ≈0) na vya insha (0.341–0.854), na kwamba kutoa rubriki hakuboresha makubaliano kwa uthabiti.

  • Lebo za vipengele vilivyozalishwa zinafuata umbo la nje, si ugumu. Ukaguzi wa vipengele 378 uligundua kuwa lebo za Rahisi/Wastani/Ngumu za LLM zilipanda hatua kwa hatua na kiwango chake chenye kizalishaji cha Bloom (ρ=0.90) na urefu wa mstari (maneno 15.9 hadi 30.2) lakini zilihusishwa na ugumu wa kipengele wa kiuwezo kwa ρ=0.06 juu ya majibu 7,888 ya wanafunzi, ushahidi kwamba metadata ya ugumu ya wakati wa uzalishaji inaelezea umbizo badala ya mahitaji kwa maarifa ya awali (An & Wang (2026)).

  • Vipengele vilivyozalishwa vinaweza bado kulingana na vipengele vya wataalam. o3-mini katika mzunguko wa zalisha→amua→rekebisha ilijenga mitihani kwa madarasa 71; chini ya mfano wa Bayesian hierarchical 2PL IRT vipengele vya AI vilikuwa rahisi zaidi lakini vya kutofautisha zaidi (ᾱ = 1.3 vs. 1.2) na vya taarifa zaidi (I_max = 3.85 vs. 2.61) kuliko vipengele vya wataalam vya AP Statistics (Isley et al. (2025)).

  • Ubora wa uwekaji alama ni matokeo ya kubuni, si mali ya ilani moja. Bernado et al. (2026) waliiomba paneli ya mifano mitano kuhukumu madai yanayosomeka na binadamu kuhusu kila kauli badala ya kutoa lebo moja kwa moja, na kigawanyaji cha wazi juu ya maamuzi hayo ya jozi (macro-F1 0.673, Cohen's κ 0.688) ulishinda utoaji bora wa moja kwa moja wa mfano wa mstari wa mbele uliochapishwa (0.61 macro-F1) huku ukishindwa na encoder ya RoBERTa-base iliyoboreshwa (0.76); makubaliano kati ya mifano yalifanya kazi kama kifaa cha kuchuja, si kama ushahidi wa uhalali.

  • LLM za kufikiri za AI ya Modaliti Nyingi kama wapimaji: wakati LLM ya multimodal, yenye uwezo wa kufikiri (GPT-o4-mini) ilipima ukurasa kwa ukurasa mtihani wa kemia ya jumla ulioandikwa kwa mkono wa wanafunzi 296 dhidi ya picha za rubriki, alama za jumla za moja kwa moja zilikuwa za kurudia kwa ufasaha (ICC(A,1) = 0.967; wastani wa mizunguko mitano ulifika 0.993) na zililingana kwa nguvu na jumla za TA (R² = 0.91), lakini uaminifu wa ngazi ya kipengele ulitofautiana kwa kiasi kikubwa kulingana na umbizo — majibu ya maandishi na mizunguko ya mwendo yalipimwa vizuri wakati kuchora na michoro ya grafiki yalikuwa mabaya zaidi ya nasibu (gridi za usuli zinadanganya maono ya AI). Hii inaonyesha kuwa uaminifu wa mpimaji wa LLM ni kazi ya umbizo wa majibu na kazi, si uwezo ghafi wa mfano tu, na kuwa kujiondoa kwa uteuzi kupitia vichujio vya ujasiri inahitajika kwa matumizi ya hatari kubwa (Assisting the grading of a handwritten general chemistry exam with artificial intelligence).

  • Maudhui: Uzalishaji wa maudhui ya AI ya kizalishaji unategemea LLM. Uzalishaji wa maswali na uzalishaji wa video vinaendeshwa na LLM.

  • Usalama: Usalama wa Kipatolojia, Hatari ya Kutunga Vitu Visivyokuwepo, na SafeTutors: Benchmarking Pedagogical Safety in AI Tutoring Systems utafiti huchunguza hatari mahususi za LLM.

  • Utambuzi: Ufuatiliaji wa Maarifa na Utambuzi wa Kiakili zinaingiza LLM kwa kiwango kinachozidi kwa uundaji wa mfano wa mwanafunzi wa kina. Uwekaji msingi ni muhimu sana kwa utambuzi wa makosa: Reddig, Arora & MacLellan (2025) walionesha kuwa kutoa GPT-4 muundo wa kiolesura cha mwalimu pamoja na makadirio ya ujuzi wa Bayesian Ufuatiliaji wa Maarifa yalipandisha utambuzi wa makosa ya mantiki kutoka 40% hadi 81% kwenye factoring (utambuzi wa makosa kwa ujumla ~87.8%), huku matatizo ya hatua nyingi na majibu yenye makosa kadhaa yakibaki magumu, na utambuzi wa "makosa ya kawaida ya dhana potofu" yaliyotungwa yaliendelea — ushahidi kwamba thamani ya utambuzi ya LLM ni kazi ya muktadha uliopangwa na ishara za mfano wa mwanafunzi anazopokea kiasi kile kama ya mfano yenyewe.

  • Uthibitishaji uliotengwa na uzalishaji — na mifumo ya kushindwa iliyounganishwa. Hossain et al. (2026) wanazuia urejeshaji wa mwalimu kwa nyenzo za kozi zilizoidhinishwa na mkufunzi na kupeleka madai kupitia mthibitishaji wa DeBERTa-v3-large-MNLI aliye mbali kimuundo, lakini wanaonya kuwa mifano yote mawili inashiriki mafunzo ya mtandao wa pana na inaweza kushindwa kwa njia zinazoungana, na kuwa mthibitishaji hawezi kuchunguza njia ya kodi bila kuitekeleza.

  • Mabadiliko ya mfano wa tathmini (2017–2024): Mapitio ya wigo ya Morley et al. ya maswali ya majibu mafupi ya sayansi yanayoainishwa otomatiki yanafuatilia mabadiliko ya uwanja kutoka kuboresha mifano midogo ya BERT (iliyotawala hadi 2021) kuelekea kuuliza LLM kubwa (GPT-1/2/3.5/4) kutoka takribani 2022 — kupitishwa kupitia Uhandisi wa Ilani (Prompt Engineering) badala ya kuboresha — na mifano iliyoimarishwa na taaluma, kuuliza kwa ufahamu wa rubriki, na mfululizo wa mawazo yakiongeza usahihi. Hata hivyo, mifano ya GPT mara chache ililinganishwa na BERT kwenye makusanyo ya kawaida, wachanganuzi wengi wa otomatiki hawakuweza kuelezea alama zao, na upendeleo haukuchunguzwa mara chache, maonyo yanayotumika kwa tathmini ya LLM kwa ujumla (Auto-marking short answer questions in science: The foundational years of transformer-based models from BERT to GPT-4).

Utafiti mahususi wa mfano

Hifadhi ya maarifa inashughulikia LLM za jumla (GPT-4, Claude) na mabadiliko mahususi ya elimu. Vigezo vya mfano mdogo wa lugha hulinganisha utendaji wa SLM kwa mafunzo. Suvernev et al. (2026) wanadai kuwa SLM zinafaa kwa usanifu kwa ualumu wa wakala zinatekelezwa kama mpanga wenye zana za ziada — zana za deterministic hubeba mzigo ambao mfano mdogo ungefanya kwa njia isiyo wazi — huku udhibiti wa kielimu ukiwa katika sera ya kupanda badala ya mfano. Utafiti wa ulingo wa kielimu unashughulikia jinsi ya kufanya LLM ziwe za kielimu. Utafiti wa darasa katika familia tatu za mstari wa mbele — Oppenheimer, Cash & Connell Pensky (2025) — uligundua kuwa ChatGPT, Gemini, au Claude zinaweza kutenda kama washirika wa ukosoaji wa ushirikiano kwa uandishi wa mabishano: katika semesti ya insha za kurudia, wanafunzi waliboreka katika ubora wa mabishano, uhandisi wa ilani, na mwitikio kwa maoni ya AI kwa karibu mabadiliko moja ya kiwango kila mmoja (zote p < .001) na walishiriki kwa kina (87.8% wakikataa madai ya LLM), ikipa LLM za jumla nafasi ya washirika hai ya kujifunza kwa ushirikiano badala ya wazalishaji wa majibu tu.

Mstari wa kazi unaokamiliana unabadilisha LLM kutoka wapimaji tuli kuwa waiga mawazo ya kielimu. Yaşar et al. (2026) walionesha kuwa GPT-4, iliyoungwa na rubriki ya kimantiki sahihi, iliyoboreshwa kwa pamoja kwa kurudia, iliweza kukaribia hukumu ya kutathmini ya binadamu katika kujifunza kwa msingi wa kubuni: makubaliano ya awali ya LLM–binadamu yalikuwa mabaya (Cronbach's Alpha = 0.393; Kappa −0.06 hadi 0.18), lakini marekebisho ya rubriki ya kurudia yalipandisha makubaliano ya wastani kutoka 54.75% hadi 81.25% (Alpha ya mwisho = 0.798, Kappa 0.40–0.55), na kupanga makundi kwa K-means ya matriki za alama za binadamu na LLM zilionyesha centroidi zilizounganishwa kwa ufasaha (r = 0.89). Utafiti unaiweka rubriki kama kiolesura cha upatanishi kati ya nia ya kielimu ya binadamu na mawazo ya mashine — ushahidi kwamba LLM za tayari hazibadilishani kama wathibitishaji pia, na kwamba tabia zao za tathmini ni matokeo ya kubuni yaliyoumbwa na rubriki na ilani wanazopewa. Uwezo ghafi wa mfano unatofautisha kuweka alama pia: kupima mifano kumi na moja ya GenAI na ya kusawazisha sentensi kwenye majibu 1,885 ya wazi, Pecuchova, Benko & Drlik (2025) waligundua kuwa GPTo1 peke yake ilifikia makubaliano ya karibu kamili na wapimaji wataalam wa binadamu (Fleiss' Kappa 0.82), Claude3 na PaLM2 zikiwa nyuma kidogo, huku mifano yaliyolingo kwa marejeo kama BERT yakishindwa kwa mbali — yakionyesha kuwa unyeti wa muktadha wa mfano wa mstari wa mbele ni muhimu kwa tathmini ya kuaminika ya maandishi ya wazi. Tofauti za mifano ni muhimu pia kwa matumizi ya hatari kubwa ya chini. López-Pernas et al. (2026) walionesha kuwa LLM tatu zilizalisha maagizo ya msaada wa mwanafunzi yaliyotofautiana kwa kiasi kikubwa kwa ingizo moja la analytics ya kujifunza, na kila moja iliweka dhana tofauti za kidemografia kwa wasifu wa wanafunzi waliozalisha — ushahidi kwamba LLM za tayari hazibadilishani kama washauri wa maagizi. Vivyo hivyo, Olvet et al. (2026) waligundua kuwa upimaji wa GPT-4 wa maswali ya wazi ya matibabu ya kabla ya kliniki ulipanda hadi makubaliano makubwa-hadi-karibu-kamili kati ya wapimaji na walimu (kappa iliyopimwa hadi 0.94) tu baada ya mizunguko mitatu ya marekebisho ya rubriki ya kurudia, na ulishuka hadi wastani (κw = 0.54) kwenye kipengele cha rubriki ya jumla — ikithibitisha kuwa ubunifu wa rubriki, si uwezo ghafi peke yake, ni kigezo chenye nguvu cha uaminifu wa upimaji wa LLM. Tabia mahususi ya mfano pia inaonekana katika jinsi LLM zinavyowajibu watumiaji wenye shaka: ukaguzi wa algoriti uliiuliza LLM kumi za mstari wa mbele kila moja mara 500 kwa mtu wa K-12 aliye na mwenendo wa kutokuwa na imani na AI ili kujaribu kama mifumo ya AI inayoshauriwa na watumiaji wenye shaka ina uwezo wa kuhimiza kupitishwa. Nane kati ya kumi zilikubali wasiwasi wa mtumiaji kisha zikaelekeza upya kwenye mifumo ya mahusiano na AI; alama za jumla zilitangulia kutoka 3.85 (Claude Sonnet) hadi 7.52 (Gemini 3.1 Pro Preview), huku paneli ya wapimaji wa AI yenye kuzaliana zaidi ikitoa Cohen's kappa >= 0.70. Mchoro ulikuwa matokeo ya kubuni yanayotegemea mfano. Uwezo wa mfano pia unategemea jinsi mifano zinavyounganishwa: Bird (2026) aliboresha transformers nane za kisasa (BERT, ELECTRA, RoBERTa, XLNet, ERNIE, ALBERT, DistilBERT, Longformer) kugawa fasihi ya Kiingereza kwa Key Stage ya UK, akigundua kuwa transformer bora ya unimodal (BERT) ilifika F1 ya 0.75 tu — huku kuunganisha ELECTRA iliyoboreshwa na mtandao wa neva wa isimu ya kikokotozi kukiinua F1 hadi 0.996, yakionyesha kuwa ugawaji wa maandishi wa transformer peke yake una kikomo na kuwa muunganisho na vipimo vya kukamiliana ndipo faida zinapopatikana.

LLM pia zinaonyesha upendeleo wa kukubaliana: katika mifano 11, majibu ya AI yalikubaliana na watumiaji 49% zaidi ya majibu ya binadamu, na majibu yenye kubembeleza zaidi yalipata viwango vya juu, yakiongeza uaminifu na matumizi ya kuendelea — hali ya kushindwa kwa mafunzo, mafunzo ya walimu au maoni, ambapo changamoto ya ujenzi ndiyo lengo (Potel & Kumashiro (2026)).

Dhana Zilizounganishwa

Makala Zilizounganishwa

FAQ Zilizounganishwa

Metadata

Teknolojia na MbinuAkili Bandia ya Kizazi, Ufafanuzi wa Akili Bandia, Uhandisi wa Ilani (Prompt Engineering), RAG (Uzalishaji Ulioboreshwa na Upatikanaji)
Tathmini na UpimajiTathmini ya Kiotomatiki
Usawa, Maadili, na Matumizi ya UwajibikajiHatari ya Kutunga Vitu Visivyokuwepo, Usalama wa Kipatolojia
Misingi ya Akili Bandia katika ElimuUjuzi wa AI
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.