शैक्षणिक भवनों में कृत्रिम बुद्धिमत्ता (AI) और Internet of Things (IoT) प्रौद्योगिकियों का एकीकरण बुद्धिमान पर्यावरण निगरानी, डेटा विश्लेषण और ऊर्जा अनुकूलन को बढ़ाने के लिए एक उभरती हुई अवसर का प्रतिनिधित्व करता है। यह लेख IoT-सक्षम सीखने के वातावरण में AI-आधारित अनुप्रयोगों पर केंद्रित एक प्रणालीबद्ध साहित्य समीक्षा प्रस्तुत करता है, जिसमें इनडोर एयर गुणवत्ता (IAQ) प्रबंधन पर विशेष ध्यान दिया गया है। प्रारंभ में, Web of Science, Scopus, और IEEE Xplore से दो लक्षित खोज स्ट्रिंग के माध्यम से 585 दस्तावेज़ प्राप्त किए गए। डुप्लिकेट हटाने और शीर्षक, सारांश, और प्रासंगिकता के आधार पर लगातार प्रासंगिकता फ़िल्टर लगाने के बाद, 128 अंतिम दस्तावेज़ों का चयन पूर्ण-पाठ विश्लेषण के लिए किया गया। यह अध्ययन चार शोध प्रश्नों को संबोधित करता है: (RQ1) शैक्षणिक संदर्भों में पर्यावरणीय डेटा विश्लेषण के लिए किस AI तकनीकों का उपयोग किया जाता है? (RQ2) IoT-आधारित निगरानी प्रणालियों में सेंसर विसंगतियों का पता लगाने के लिए कौन से तरीके उपयोग किए जाते हैं? (RQ3) एयर गुणवत्ता संकेतकों के आधार पर वास्तविक समय में निर्णय लेने में AI का अनुप्रयोग कैसे किया जाता है? (RQ4) कक्षाओं में ऊर्जा दक्षता का समर्थन करने के लिए कौन सी AI-प्रेरित रणनीतियाँ हैं? परिणाम मशीन लर्निंग और गहरे शिक्षण मॉडल, जैसे कि संकुचन तंत्रिका नेटवर्क, निर्णय वृक्ष, और LSTM आर्किटेक्चर के बढ़ते उपयोग को प्रकट करते हैं, विशेष रूप से एयर गुणवत्ता वर्गीकरण, दोष पहचान, और पूर्वानुमान नियंत्रण पर ध्यान केंद्रित अनुप्रयोगों में। पर्यवेक्षित शिक्षण विधियाँ सबसे अधिक बार लागू की गईं, जिसमें CNN-आधारित मॉडल एयर गुणवत्ता पूर्वानुमान कार्यों में अग्रणी रहे और निर्णय वृक्ष विसंगति पहचान के लिए पसंद किए गए। गहरे शिक्षण दृष्टिकोणों ने उच्च सटीकता दिखाई लेकिन अधिक कम्प्यूटेशनल संसाधनों की आवश्यकता थी, जिससे कम लागत वाले शैक्षणिक वातावरण में उनके उपयोग में सीमितता आई। हालाँकि, साहित्य में संदर्भित कार्यान्वयन की कमी भी दर्शाई गई है, विशेष रूप से कम संसाधन या लैटिन अमेरिकी वातावरण में, और उपयोगकर्ता-केंद्रित और शैक्षणिक रूप से एकीकृत प्रणालियों पर सीमित ध्यान। इसके अतिरिक्त, समीक्षा पर्यावरणीय और शैक्षणिक डेटा के एकीकरण के संदर्भ में एक शोध अंतर की पहचान करती है, जो भविष्य में अनुभवात्मक अध्ययन की संभावनाओं का सुझाव देती है जो IoT उपकरणों का उपयोग करते हुए वास्तविक कक्षा की स्थितियों का मूल्यांकन करती हैं ताकि शैक्षणिक सेटिंग्स में AI-प्रेरित ऊर्जा अनुकूलन रणनीतियों को सूचित किया जा सके।
Bustamante-Mora एट अल. (शुक्र,) ने इस प्रश्न का अध्ययन किया।