Explainable Artificial Intelligence and Interpretable Machine Learning in Education: A Researcher’s Guide to Data Science

درباره این کتاب

در چشم‌انداز به سرعت در حال تحول پژوهش‌های آموزشی، هوش مصنوعی قابل توضیح (XAI) و یادگیری ماشین قابل تفسیر (IML) به عنوان ابزارهای محوری در حال ظهور هستند که شفافیت، کارایی و نوآوری را بهبود می‌بخشند. این کتاب به عنوان یک راهنمای جامع برای درک و استفاده از این فناوری‌ها برای تحول در شیوه‌های تدریس، یادگیری و پژوهش عمل می‌کند. هدف این کتاب پر کردن شکاف بین پیشرفت‌های پیچیده فناوری و کاربردهای عملی آموزشی است. این کتاب بررسی می‌کند که چگونه XAI و IML را می‌توان برای تحلیل داده‌های آموزشی وسیع، ارزیابی عملکرد دانشجویان و طراحی محیط‌های یادگیری تطبیقی مهار کرد، در حالی که از قابلیت تفسیر و استقرار اخلاقی سیستم‌های هوش مصنوعی اطمینان حاصل می‌شود. این کتاب از طریق ترکیبی از بینش‌های تئوریک و مثال‌های دنیای واقعی، موضوعاتی مانند مبانی XAI، توسعه الگوریتم‌های IML برای آموزش و پیامدهای اخلاقی تصمیم‌گیری مبتنی بر داده را بررسی می‌کند.