Рокая Эль Гуниди – докторант лаборатории математики, искусственного интеллекта и цифрового обучения (MIND-LAB) кафедры компьютерных наук и педагогики ; инженер по образовательным технологиям, учитель начальной школы Министерстванационального образования
Касабланка
Rokaya El Gounidi – Doctoral Candidate, Mathematics, Artificial Intelligence, and Digital Learning Laboratory (MIND-LAB), Department of Computer Science and Educational Science; Primary School Teacher, Ministry of National Education
Casablanca
Надя Шафик – профессор-исследователь лаборатории математики, искусственного интеллекта и цифрового обучения (MIND-LAB) кафедры компьютерных наук и педагогики
Касабланка
Nadia Chafiq – Professor-Researcher, Mathematics, Artificial Intelligence, and Digital Learning Laboratory (MIND-LAB), Department of Computer Science and Educational Science
Casablanca
Мохамед Газуани – профессор-исследователь кафедры компьютерных наук
Касабланка
Mohamed Ghazouani – Professor-Researcher, Computer Sciences Department
Casablanca
Камаль Мунди – профессор-исследователь лаборатории математики, искусственного интеллекта и цифрового обучения (MIND-LAB) кафедры компьютерных наук и педагогики
Касабланка
Kamal Moundy – Professor-Researcher, Mathematics, Artificial Intelligence, and Digital Learning Laboratory (MIND-LAB), Department of Computer Science and Educational Science
Casablanca
Абдельлатиф Чауки – аспирант (искусственный интеллект и анализ данных)
Дублин
Abdellatif Chaouki – Postgraduate Student (Artificial Intelligence and Data Analysis)
Dublin
Введение. Поведенчески-адаптивные системы искусственного интеллекта демонстрируют потенциал в обеспечении своевременной учебной поддержки. Тем не менее ключевой аспект их функционирования – динамическое переключение поведенческих моделей на основе анализа потоковых данных от учащихся в реальном времени – остается областью, требующей дальнейшего исследования. Целью данного исследования является оценка влияния прозрачной политики переключения, основанной на анализе тональности высказываний и времени ответа, на вовлеченность, доверие и академические результаты учащихся, а также изучение ее воздействия на временные параметры ответов и эмоциональную тональность коммуникации. Методология, методы и методики. Авторы провели рандомизированное исследование в условиях реального учебного процесса с участием 80 студентов в рамках 45-минутного занятия. В ходе эксперимента сравнивался тьютор с динамической сменой ролей и базовый тьютор с фиксированной ролью. Для оценки результатов использовались: пятибалльная шкала вовлечённости, пятибалльная шкала доверия, десятибалльный предметный тест до и после обучения, время ответа системы на уровне логов, а также тональность каждого сообщения, определяемая трансформерным классификатором по шкале от -1 до +1. Алгоритм смены ролей был следующим: при скользящем среднем значении тональности ≤ -0,30 тьютор переключался в роль «Эмпатичный наставник»; при времени ответа > 10 секунд активировалась роль «Рациональный гид»; в остальных случаях сохранялась роль «Нейтральный инструктор». После смены роли действовал период «охлаждения» длиной в один ход, а возврат к нейтральной роли происходил после двух последовательных стабильных ходов. Результаты и научная новизна. Авторы предложили проверяемый алгоритм переключения ролей, который сочетает анализ эмоционального состояния обучающегося и времени его реакции для выбора оптимальной стратегии взаимодействия в реальном времени. Эффективность данного подхода была подтверждена в условиях реального учебного процесса. Практическая значимость. Данный подход представляет собой готовое решение для внедрения адаптивного обучения в условиях реального учебного процессах. Его преимущества – простые правила, низкие вычислительные затраты и прозрачная система аудита.
Introduction. Behavioural adaptive AI systems demonstrate significant potential in providing timely learning support. However, a key aspect of their operation, dynamically switching behavioural patterns based on real-time analysis of streaming data from learners, remains an area requiring further research. Aim. The aim of this study is to assess the impact of a transparent switching policy, based on sentiment and response latency, on student engagement, trust, and academic outcomes, as well as to examine its effect on response latency and expressed sentiment. Methodology and research methods. The authors conducted a randomised, real-world study involving 80 students during a 45-minute session. The experiment compared a dynamic-persona tutor with a fixed-persona baseline tutor. To evaluate the results, the following measures were used: a five-item engagement scale, a five-item trust scale, a curriculum-aligned ten-item pre- and post-knowledge test, log-level tutor-to-learner response latency, and message-level sentiment analysis mapped by a transformer classifier onto a polarity scale ranging from -1 to +1. The role-change algorithm operated as follows: if the rolling mean of sentiment was at or below -0.30, the tutor adopted the role of Empathic Coach; if response latency exceeded ten seconds, the tutor assumed the role of Rational Guide; in all other cases, the tutor remained a Neutral Instructor. Following a role change, there was a one-turn “cooldown” period, and a return to the neutral role occurred after two consecutive stable interactions. Results and scientific novelty. The authors developed a testable role-switching algorithm that selects the optimal interaction strategy in real-time by analysing the learner’s emotional state and response latency. The efficacy of this approach was confirmed in a real-world educational setting. Practical significance. This approach provides a ready-made solution for implementing adaptive learning in real-world educational settings. Its advantages include simple rules, low computational costs, and a transparent auditing system.
The authors declare that there are no conflicts of interest present.