Εννοιολογική Οριοθέτηση:

• Τεχνητή Νοημοσύνη (AI): Κλάδος της επιστήμης που προσομοιώνει την ανθρώπινη νοημοσύνη και μιμείται τις ενέργειές της σε υπολογιστικές συσκευές.
• Πεδίο μελέτης: Η AI συνδυάζει τεχνικές από διαφορετικά γνωστικά πεδία.
• Μηχανική μάθηση (machine learning): Χρήση αλγορίθμων που επιτρέπουν στα συστήματα να “μαθαίνουν” από δεδομένα.
• Παραγωγικοί αλγόριθμοι: Αλγόριθμοι που δημιουργούν έξοδο βάσει συγκεκριμένων κανόνων και δεδομένων.
• Επεξεργασία φυσικής γλώσσας (Natural Language Processing): Η ικανότητα των μηχανών να κατανοούν, ερμηνεύουν και απαντούν σε ανθρώπινη γλώσσα.
• Αναλυτικά μαθησιακά δεδομένα (learning analytics): Συλλογή και ανάλυση δεδομένων σχετικά με τη μαθησιακή συμπεριφορά και την επίδοση.
• Μοντέλα πρόβλεψης: Εργαλεία που προβλέπουν την απόδοση ή τις ανάγκες των μαθητών.
• Αξιολόγηση απόδοσης: Η AI αξιολογεί την ακαδημαϊκή πρόοδο των μαθητών.
• Καταγραφή συμπεριφοράς μαθητών: Παρακολούθηση της αλληλεπίδρασης και του τρόπου συμμετοχής του μαθητή στη μαθησιακή διαδικασία.
• Δεξιότητες σκέψης υψηλού επιπέδου: Ικανότητες ανάλυσης, σύνθεσης, κριτικής σκέψης που εντοπίζονται μέσω της AI.
• Εκπαιδευτικός σχεδιασμός: Η AI συμβάλλει στον σχεδιασμό μαθημάτων και παρεμβάσεων με βάση τις ανάγκες των μαθητών.