إمكانية التكرار وجودة خطط التدريب المرتبطة بالزيادة العضلية التي تم إنشاؤها بواسطة GPT-4 و Google Gemini كما تقييمها من قبل خبراء التدريب

يتم استخدام نماذج اللغة الكبيرة (LLMs) بشكل متزايد في مجالات متنوعة، بما في ذلك إنشاء خطط التدريب. ومع ذلك، لم يتم دراسة إمكانية التكرار وجودة خطط التدريب التي تنتجها نماذج اللغة المختلفة بشكل واسع. تهدف هذه الدراسة إلى: i) التحقيق ومقارنة جودة خطط تدريب المقاومة (RT) المتعلقة بالزيادة العضلية التي تم إنشاؤها بواسطة Google Gemini (GG) و GPT-4، و ii) إمكانية تكرار خطط RT عندما يتم تقديم نفس التعليمات عدة مرات. تم استخدام تعليمات مميزة، واحدة تقدم معلومات قليلة عن متطلبات خطة التدريب والأخرى تقدم معلومات تفصيلية. تم إدخال هذه التعليمات إلى GG و GPT-4 بواسطة شخصين مختلفين، مما أدى إلى إنشاء ثماني خطط RT. تم تقييم هذه الخطط من قبل 12 خبير تدريب باستخدام مقياس ليكرت من 5 نقاط، استنادًا إلى معايير الجودة المستمدة من الأدبيات. أشارت النتائج إلى درجة عالية من إمكانية التكرار، كما أشارت تقييمات خبراء التدريب، عندما تم تقديم نفس التعليمات المميزة عدة مرات لنماذج اللغة ذات الصلة، حيث أظهرت 27 من 28 عنصرًا عدم وجود اختلافات (p > 0.05). بشكل عام، تم تصنيف GPT-4 أعلى في عدة جوانب من معايير جودة RT (p = 0.000-0.043). بالإضافة إلى ذلك، مقارنةً بالمعلومات القليلة، resulted in higher rated RT quality (p = 0.000-0.037). توضح نتائجنا أن خطط RT يمكن إنشاؤها بتكرار مع نفس الجودة عند استخدام نفس التعليمات. علاوة على ذلك، تتحسن الجودة مع المدخلات الأكثر تفصيلًا، وتفوقت GPT-4 على GG في إنشاء خطط عالية الجودة. تشير هذه النتائج إلى أن المدخلات التفصيلية ضرورية لأداء نماذج اللغة الكبيرة.