تتناول هذه الدراسة أربعة تحديات حاسمة في الدورة الانتخابية العامة تحليل البيانات العملي باستخدام بايثون في الكليات المهنية: تباين كبير في كفاءة الطلاب (فقط 14% يمتلكون أساسيات البرمجة)، توزيع غير متوازن لساعات الدروس (36 ساعة تغطي محتوى من الأساسيات إلى المتقدمة)، انفصال بين التعلم والتطبيق، واستخدام غير منظم للذكاء الاصطناعي. للتعامل مع هذه القضايا، قمنا بتطوير إطار إصلاح متعدد الأبعاد يتضمن: (1) إنشاء منهج مزدوج المسار يجمع بين وحدات أساسية في برمجة بايثون وتحليل البيانات الأساسية مع الدورات المتقدمة (مثل استخراج البيانات من الويب، تعلم الآلة)؛ (2) تنفيذ استراتيجية تعلم من ثلاث مراحل — استكشاف قبل الدرس، محاضرات مكثفة داخل الفصل، ومراجعة مدعومة بالذكاء الاصطناعي بعد الدرس — مدعومة بمنصة ChaoXing؛ و(3) تصميم نظام تقييم ثلاثي الأبعاد يقيم اكتمال تنفيذ المشروع، معيار تقديم النتائج، والامتثال للممارسات المبتكرة المدمجة بالذكاء الاصطناعي. علاوة على ذلك، فإن دمج الذكاء الاصطناعي للتوجيه الذكي جنبًا إلى جنب مع بروتوكولات استخدام الذكاء الاصطناعي المقيّمة (الممنوعة، المقيدة، المشجعة والمسموح بها) يعالج فجوات التعليم الفردية مع تقليل المخاطر الأخلاقية. بشكل جماعي، يوفر هذا الإطار نموذجًا قابلاً للتكرار لإصلاح الدورات الانتخابية المعتمد على الذكاء الاصطناعي.
درس Zhang وآخرون (الأربعاء) هذا السؤال.