بین‌کاو۱. دورهٔ بین‌کاو چیست؟
دوره در بین‌کاو شبیه به کتاب الکترونیکی یا ویدیوی ضبط‌شده نیست. شما ساختار، برنامه و چارچوب آموزشی را تدوین می‌کنید و هوش مصنوعی آن را به‌صورت تعاملی و خصوصی با هر دانشجو پیش می‌برد: هر مفهوم را متناسب با سطح درک مخاطب شرح می‌دهد، پرسش‌های هدفمند می‌پرسد، پاسخ‌ها را می‌سنجد، در صورت توقف دانشجو سرنخ‌های تدریجی ارائه می‌کند و در صورت نیاز، با تکرار توضیحات یا طرح تمرین تکمیلی، یادگیری را تثبیت می‌کند.
تفکیک مسئولیت‌ها
مدرس تعیین می‌کند
- عناوین، مفاهیم و توالی منطقی آموزش؛
- شایستگی‌ها و توانمندی‌های دانشجو در پایان هر جلسه (اهداف یادگیری)؛
- پرسش‌ها، تمرین‌ها، تکالیف و معیارهای دقیق نمره‌دهی؛
- بدفهمی‌ها و خطاهای متداولی که باید رصد شوند؛
- لحن و شیوهٔ تدریس.
هوش مصنوعی اجرا می‌کند
- بیان هر مفهوم متناسب با سرعت و زمینهٔ تحصیلی دانشجو؛
- سنجش مداوم درک مطلب و نمره‌دهی بر پایهٔ معیارهای ارائه‌شده توسط شما؛
- راهنمایی مرحله‌به‌مرحله به جای اعلام مستقیم پاسخ نهایی؛
- مرور و تقویت اهداف ضعیف‌تر در جلسات بعدی؛
- پاسخ به پرسش‌های دانشجو در چارچوب موضوع درس.
۲. پیش از شروع
- نصب و ورود: برنامهٔ بین‌کاو را نصب کنید و آن را به حساب کاربری خود متصل کنید. ساخت و تدوین دوره‌ها در داخل برنامه انجام می‌شود، نه در وب‌سایت.
- انتشار در بازارچه: برای عرضهٔ عمومی، ابتدا از مسیر «پنل کاربری ← انتشار در بازارچه» درخواست ناشر بودن ثبت کنید. پس از تأیید، در برنامه به «بازارچه ← محصولات من» بروید، یک مورد تازه از نوع «دوره» بسازید و «ویرایش محتوا» را بزنید.
- استفادهٔ شخصی: برای استفادهٔ انفرادی نیازی به تأیید نیست؛ کافی است در «بازارچه ← ساخته‌های شخصی» یک «دورهٔ تازه» بسازید. داده‌های این دوره فقط روی رایانهٔ شما ذخیره می‌شود.
۳. پنج مرحلهٔ اصلی ساخت دوره
ابزار دوره‌ساز بین‌کاو شما را گام‌به‌گام در مسیر زیر پیش می‌برد. هر مرحله پس از رسیدن به آن فعال می‌شود، اما در هر زمان می‌توانید به مراحل قبلی بازگردید و آن‌ها را ویرایش کنید، بدون آنکه محتوای گام‌های بعدی حذف شود.
- معرفی دوره: تبیین رسالت دوره، خروجی‌های یادگیری و ویژگی‌های مخاطبان هدف.
- سرفصل‌ها: تفکیک بخش‌ها و جلسات، همراه با خلاصه‌ای کوتاه برای هر جلسه.
- جزئیات هر جلسه: اهداف ← یادداشت‌ها و منابع ← برنامهٔ تدریس ← تکلیف ← دستورالعمل اختصاصی برای هوش مصنوعی.
- شیوهٔ تدریس: تعیین راهبرد آموزش و حد نصاب تسلط دانشجو.
- بازبینی و انتشار: بررسی موارد ناقص، آزمون در نقش دانشجو، بازبینی با هوش مصنوعی و بارگذاری نهایی.
در ادامه، این مراحل با مثال عینی دوره‌ای با عنوان «مبانی پیش‌پردازش داده‌های EEG» تشریح می‌شوند.
۴. مرحلهٔ ۱: معرفی دوره و مخاطبان
در دو یا سه جمله توضیح دهید موضوع دوره چیست و مخاطب پس از گذراندن آن دقیقاً چه شایستگی‌ها و مهارت‌هایی کسب خواهد کرد؛ سپس در یک جمله ویژگی‌های دانشجویان هدف را مشخص کنید. هوش مصنوعی این متن را در تمام مراحل بعدی به‌عنوان زمینهٔ کار می‌خواند و سرفصل‌ها، اهداف و سطح توضیحات را با آن هماهنگ می‌کند.
نمونهٔ دوم به جای فهرست موضوعات، توانمندی‌های پایان دوره را بیان می‌کند؛ هوش مصنوعی از همین جمله‌ها درمی‌یابد جلسه‌ها باید به کجا برسند.
«دانشجویان کارشناسی ارشد و دکتری علوم اعصاب و روان‌شناسی که با مبانی آمار آشنایی دارند اما پیش‌زمینهٔ برنامه‌نویسی ندارند و غالباً داده‌های پژوهشی خود را در دست تحلیل دارند.»
۵. مرحلهٔ ۲: تدوین سرفصل‌ها
سرفصل‌ها توالی منطقی جلسات را، در قالب چند بخش، مشخص می‌کنند. هر جلسه یک تعامل ۲۰ تا ۴۰ دقیقه‌ای میان دانشجو و هوش مصنوعی است. توصیه می‌شود زیر عنوان هر جلسه یک یا دو جمله دربارهٔ محدودهٔ مباحث آن بنویسید؛ این خلاصه مانع از تداخل و هم‌پوشانی مباحث جلسات می‌شود.
بخش ۱: مبانی پایه
- منشأ سیگنال EEG: چگونگی شکل‌گیری پتانسیل‌های میدانی، ریتم‌های فرکانسی، و علت تفکیک زمانی بالا و تفکیک مکانی محدود.
- نمونه‌برداری و نظریهٔ نایکوئیست: نرخ نمونه‌برداری، فرکانس نایکوئیست و پدیدهٔ آلیاسینگ، با نمونه‌های محاسباتی.
- آرتیفکت‌ها و تداخل‌ها: شناسایی الگوهای ناشی از پلک‌زدن، انقباض عضلانی، نویز برق شهر و خطاهای اتصال الکترود.
بخش ۲: فرایند پیش‌پردازش قفل تا تسلط بر بخش ۱
- فیلترگذاری سیگنال: فیلترهای بالاگذر، پایین‌گذر و ناچ، معیارهای انتخاب فرکانس قطع و پیامدهای آن بر مؤلفه‌های ERP.
- بازمرجع‌گذاری (Re-referencing): تفاوت مرجع میانگین، ماستوئید و REST و کاربرد مناسب هر کدام.
- تحلیل مؤلفه‌های مستقل (ICA): منطق ICA در تفکیک نویز، شناسایی مؤلفه‌های ساختگی و پیشگیری از حذف داده‌های سالم مغزی.
۶. مرحلهٔ ۳-الف: اهداف آموزشی هر جلسه
اهداف آموزشی هستهٔ اصلی طراحی دوره‌اند و نشان می‌دهند دانشجو پس از پایان جلسه چه مهارتی را بروز می‌دهد. هوش مصنوعی میزان تسلط دانشجو بر هر هدف را از روی پاسخ‌هایش رصد می‌کند، اهداف ضعیف را در جلسات بعد مرور می‌کند و جلسه تنها زمانی «قبول» شمرده می‌شود که دانشجو به حد نصاب تسلط بر اهداف آن برسد. معمولاً دو تا چهار هدف برای هر جلسه کافی است.
اهداف را با افعال عملکردی آغاز کنید: توضیح دهد، انتخاب کند، محاسبه کند، تمایز دهد، تحلیل کند، نقد کند.
برای هر هدف می‌توانید سه مؤلفهٔ تکمیلی نیز ثبت کنید:
- پیش‌نیازها
- اهداف جلسات پیشین که این هدف بر آن‌ها بنا شده است. در صورت بروز اشکال، هوش مصنوعی ابتدا به همین موارد بازمی‌گردد.
- خطاهای رایج
- تصورات نادرست متداولی که هوش مصنوعی موظف به رصد و اصلاح آن‌هاست.
- سرنخ‌های هدایت‌کننده
- سه راهنمایی متوالی با وضوح فزاینده، از اشاره‌ای کوچک تا نزدیک به پاسخ، که پیش از ارائهٔ راه‌حل یکی‌یکی به دانشجو داده می‌شوند.
هدف: برای یک پژوهش ERP، فرکانس قطع فیلتر بالاگذر را انتخاب کند و دلیل آن را توضیح دهد.
پیش‌نیاز: «فرکانس نایکوئیست را برای یک نرخ نمونه‌برداری محاسبه کند» (جلسهٔ ۲).
خطاهای رایج:
- فرکانس قطع بالاتر همیشه بهتر است، چون نویز بیشتری حذف می‌کند.
- فیلتر بالاگذر فقط بر رانش آهسته اثر دارد و شکل مؤلفه‌های ERP را تغییر نمی‌دهد.
سرنخ‌ها:
- به مؤلفه‌های آهستهٔ ERP، مانند P300، بیندیشید.
- اگر فرکانس قطع از فرکانس خود مؤلفه بالاتر باشد، چه اتفاقی برای آن مؤلفه می‌افتد؟
- برای ERP معمولاً ۰٫۱ هرتز یا کمتر مناسب است؛ ۱ هرتز بخشی از مؤلفه‌های آهسته را تحریف می‌کند.
۷. مرحلهٔ ۳-ب: یادداشت‌ها و منابع علمی
این بخش دربرگیرندهٔ بدنهٔ اصلی دانشی است که قصد انتقال آن را دارید: تعاریف، فرمول‌ها، شواهد و نکات تجربی شما. هوش مصنوعی از روی همین یادداشت‌ها تدریس می‌کند و برنامهٔ تدریس را نیز بر پایهٔ آن‌ها پیشنهاد می‌دهد. دانشجو نیز می‌تواند یادداشت‌ها را در طول جلسه مشاهده کند.
- متن می‌تواند پیوسته، مبتنی بر اسلاید یا برگرفته از مقالات و کتاب‌های خودتان باشد و نیازی به قالب‌بندی دقیق ندارد.
- امکان برداشتن مستقیم متن از فایل PDF وجود دارد.
- چنانچه متنی اضافه نکنید، هوش مصنوعی به دانش عمومی رشته تکیه می‌کند؛ این رویکرد برای مباحث پایه قابل‌قبول است، اما لحن و مثال‌های تخصصی شما را نخواهد داشت.
قوانین حق نشر و استناد
قرار دادن متن کامل فقط برای آثاری مجاز است که پروانهٔ دسترسی آزاد (کریتیو کامنز، مالکیت عمومی) دارند یا تألیف خود مدرس‌اند. در سایر موارد، تنها مشخصات کتاب‌شناختی و ارجاع درج می‌شود و دانشجو اثر را از مسیرهای قانونی بین‌کاو پیدا می‌کند. با وارد کردن شناسهٔ دیجیتال (DOI)، وضعیت پروانهٔ مقاله به‌طور خودکار بررسی می‌شود.
۸. مرحلهٔ ۳-ج: برنامهٔ تدریس
برنامهٔ تدریس، توالی گام‌هایی است که هوش مصنوعی در طول جلسه به ترتیب اجرا می‌کند. انواع گام‌های آموزشی به شرح زیرند:
| نوع گام | محتوایی که مدرس می‌نویسد | عملکرد هوش مصنوعی در جلسه |
|---|---|---|
| آموزش | تشریح یک مفهوم (حدود ۱۰۰ تا ۱۲۰ واژه) | بازگویی مفهوم به زبان متناسب با دانشجو و اطمینان از درک اولیه |
| مثال | یک نمونهٔ حل‌شده، گام‌به‌گام | همراهی مرحله‌به‌مرحله و ترغیب دانشجو به پیش‌بینی گام بعد |
| پرسش کوتاه | پرسشی سریع به همراه پاسخ درست | ارزیابی سریع؛ پاسخ نادرست به توضیح بیشتر می‌انجامد، نه کسر امتیاز |
| تمرین | مسئله‌ای دارای امتیاز و معیار نمره‌دهی | تصحیح پاسخ صرفاً مطابق معیار ثبت‌شده و ارائهٔ بازخورد سازنده |
| گفت‌وگو | پرسشی باز و نتیجه‌ای که بحث باید به آن برسد | مدیریت گفت‌وگو و هدایت آن به سمت نتیجهٔ مورد نظر |
| جمع‌بندی | نکات کلیدی جلسه | مرور فشرده و تثبیت آموخته‌ها، ترجیحاً با پرسش از خود دانشجو |
ریتم پیشنهادی هر جلسه
الگوی مطلوب: «توضیح مفهوم ← پرسش کوتاه ← مثال (پس از مفاهیم دشوار) ← تمرین نزدیک به پایان ← جمع‌بندی». معمولاً ۶ تا ۱۰ گام برای حفظ تمرکز دانشجو مناسب است.
- آموزش فیلتر بالاگذر فرکانس‌های پایین‌تر از فرکانس قطع را تضعیف می‌کند و رانش آهستهٔ سیگنال (مثلاً ناشی از تعریق) را حذف می‌کند. هرچه فرکانس قطع بالاتر باشد، رانش بیشتری حذف می‌شود، اما مؤلفه‌های آهستهٔ مغزی نیز آسیب می‌بینند.
- پرسش کوتاه «کدام فیلتر رانش آهسته را حذف می‌کند؟» گزینه‌ها: پایین‌گذر ۴۰ هرتز / بالاگذر ۰٫۱ هرتز ✓ / ناچ ۵۰ هرتز.
- مثال یک ERP با مؤلفهٔ P300 یک بار با بالاگذر ۰٫۱ و یک بار با ۱ هرتز فیلتر می‌شود: در حالت دوم، دامنهٔ P300 حدود ۳۰٪ کاهش می‌یابد و موجی منفی و ساختگی پیش از آن ظاهر می‌شود.
- آموزش فیلتر پایین‌گذر فرکانس‌های بالا (فعالیت عضلانی و نویز) را تضعیف می‌کند؛ برای ERP معمولاً ۳۰ تا ۴۰ هرتز کافی است.
- پرسش کوتاه «با نرخ نمونه‌برداری ۲۵۰ هرتز، بالاترین فرکانس قابل مشاهده چقدر است؟» پاسخ عددی: ۱۲۵.
- آموزش (عیناً نمایش داده شود) «قاعدهٔ عملی: فرکانس قطع بالاگذر را پایین‌تر از کندترین مؤلفه‌ای که مطالعه می‌کنید انتخاب کنید.»
- تمرین «پژوهشی دربارهٔ N400 با بالاگذر ۱ هرتز فیلتر شده است. آیا نتیجهٔ آن قابل‌اعتماد است؟ توضیح دهید.» (۱۰ امتیاز، با معیار نمره‌دهی)
- جمع‌بندی بالاگذر برای رانش، پایین‌گذر برای نویز فرکانس بالا؛ فرکانس قطع را با کندترین مؤلفهٔ مورد مطالعه بسنجید.
خانه‌های هر گام: چه چیزی کجا نوشته می‌شود؟
| خانه | چه چیزی در آن می‌نویسید | نمونه |
|---|---|---|
| نوع گام | آموزش، مثال، پرسش کوتاه، تمرین، گفت‌وگو یا جمع‌بندی. | آموزش |
| هدفی که گام به آن کمک می‌کند | یکی از هدف‌های جلسه؛ پاسخ‌های دانشجو در این گام، تسلط او بر همین هدف را تغییر می‌دهد. | انتخاب فرکانس قطع بالاگذر |
| نکتهٔ این گام | خلاصهٔ یک تا سه جمله‌ای، به زبان خودتان، از آنچه دانشجو در این گام باید بفهمد. این خانه «چه چیزی» را می‌گوید، نه متن کامل درس را. | فیلتر بالاگذر رانش آهسته را حذف می‌کند؛ فرکانس قطع بالاتر مؤلفه‌های کند را تحریف می‌کند. |
| متن مرجع | عین پاراگرافی از یادداشت‌های جلسه یا یک منبع که گام از روی آن آموزش داده می‌شود. واقعیت‌ها، اعداد و فرمول‌ها فقط از همین متن گرفته می‌شوند. | «فیلتر بالاگذر فرکانس‌های پایین‌تر از فرکانس قطع را تضعیف می‌کند… برای ERP، ۰٫۱ هرتز یا کمتر توصیه می‌شود.» |
| مقدمهٔ پرسش (پرسش و تمرین) | یکی دو جمله پیش از پرسش؛ مثلاً یک سناریوی کوتاه. خود پرسش در «متن پرسش» می‌آید. | پژوهشگری داده‌های N400 را با بالاگذر ۱ هرتز فیلتر کرده است. |
| متن پرسش | خود پرسش، دقیقاً همان‌طور که دانشجو باید ببیند؛ بدون گزینه‌ها. | آیا نتیجهٔ این پژوهش قابل‌اعتماد است؟ توضیح دهید. |
| گزینه‌ها / عدد درست | برای چندگزینه‌ای، هر گزینه در یک خانه و علامت گزینهٔ درست؛ برای پاسخ عددی، عدد درست و خطای مجاز. | بالاگذر ۰٫۱ هرتز ✓ · ۱۲۵ ± ۰ |
| معیار نمره‌دهی | اجزای پاسخ کامل با امتیاز هر جزء و قاعدهٔ نمرهٔ ناقص (برای پاسخ‌های تشریحی، ریاضی، کد و نقد). | تحریف N400 با ۱ هرتز (۴)؛ موج منفی ساختگی (۳)؛ پیشنهاد ۰٫۱ هرتز (۳). |
| متن مرجع پرسش | عین متنی که پاسخ درست از آن می‌آید. هوش مصنوعی پاسخ و بازخورد را فقط بر پایهٔ همین متن و معیار نمره‌دهی می‌سنجد. | «فیلتر ۱ هرتز مؤلفه‌های کند مانند N400 را تحریف می‌کند.» |
هوش مصنوعی واقعیت‌ها، اعداد، فرمول‌ها و ادعاهای هر گام را فقط از «نکتهٔ این گام» و «متن مرجع» آن می‌گیرد؛ می‌تواند ساده‌تر بیان کند و تمثیل بیاورد، اما چیزی نمی‌افزاید. اگر دانشجو پرسشی خارج از این مطالب بپرسد، هوش مصنوعی صریحاً می‌گوید که پاسخ آن در مطالب این دوره نیست. تکالیف نیز خانهٔ «متن مرجع» دارند و به همین شیوه سنجیده می‌شوند.
نوع پاسخ پرسش‌ها
- چندگزینه‌ای و عددی: خود برنامه، دقیق و بدون هزینه تصحیح می‌کند. برای پاسخ عددی، خطای مجاز (±) را تعیین کنید.
- تشریحی، ریاضی، کد و نقد: هوش مصنوعی فقط بر پایهٔ معیار نمره‌دهی شما امتیاز می‌دهد.
۹. اصول تدوین معیار نمره‌دهی (Rubric)
هوش مصنوعی پاسخ‌های تحلیلی و تشریحی را صرفاً با سنجه‌های شما تصحیح می‌کند؛ معیار مبهم، ارزیابی نادقیق را در پی دارد. بنویسید پاسخ کامل چه اجزایی دارد، هر جزء چند امتیاز است و در چه صورتی امتیاز ناقص داده می‌شود. مجموع امتیازها باید با امتیاز پرسش برابر باشد.
- اشاره به اثر تخریبی فیلتر ۱ هرتز بر مؤلفهٔ کند N400 (۴ امتیاز).
- توضیح خطر ایجاد اعوجاج منفی یا کاهش کاذب دامنه (۳ امتیاز).
- پیشنهاد فرکانس قطع اصلاحی: ۰٫۱ هرتز یا کمتر (۳ امتیاز).
- پاسخ کلی و بدون استدلال: حداکثر ۲ امتیاز.
معیار دوم دقیقاً مشخص می‌کند چه چیزی امتیاز دارد و نمرهٔ ناقص به چه پاسخی تعلق می‌گیرد.
۱۰. مرحلهٔ ۳-د: تکالیف کاربردی
تکلیف در پایان جلسه ارائه می‌شود و هدف آن سنجش توانایی حل مسئله و به‌کارگیری دانش در موقعیت‌های واقعی است. هوش مصنوعی هر پاسخ را با معیار نمره‌دهی شما ارزیابی می‌کند و بازخورد می‌دهد؛ نتیجهٔ هر تکلیف در تعیین میزان تسلط دانشجو بر هدف همان تکلیف لحاظ می‌شود.
تکالیفی اثربخش‌ترند که دانشجو را به به‌کارگیری مطلب وادارند (حل مسئله، طراحی، نقد، توضیح به زبان خود)، نه پرسش‌هایی که صرفاً حافظه را می‌سنجند. یک یا دو تکلیف خوب کافی است.
هدف: انتخاب فرکانس قطع بالاگذر · نوع: نقد · امتیاز: ۱۰
صورت تکلیف: بخش روش‌های مقالهٔ پیوست این جلسه را بررسی کنید. چه فیلترهایی روی داده اعمال شده است؟ آیا مشخصات فیلتر با توجه به مؤلفه‌های مورد مطالعه توجیه‌پذیر است؟ در صورت وجود نقص، راهکار اصلاحی خود را بیان کنید.
معیار نمره‌دهی: گزارش درست فیلترها (۲)؛ تعیین مؤلفهٔ مورد مطالعه و سرعت آن (۲)؛ سنجش مستدل مناسب بودن فیلتر (۴)؛ ارائهٔ پیشنهاد مشخص (۲).
۱۱. مرحلهٔ ۳-هـ: دستورالعمل اختصاصی برای هوش مصنوعی
بیشتر جلسات به این بخش نیازی ندارند. از آن برای تنظیماتی استفاده کنید که در برنامهٔ تدریس نمی‌گنجد، مشابه تذکراتی که به یک دستیار آموزشی می‌دهید: کوتاه و مشخص.
«این جلسه برای بیشتر دانشجویان پیچیدگی تحلیلی دارد؛ آهنگ آموزش را آرام نگه دار. پیش از تفهیم کامل مفهوم استقلال آماری وارد محاسبات برداری نشو و حتماً از تمثیل مهمانی و تفکیک صداهای هم‌زمان (Cocktail Party Problem) استفاده کن.»
۱۲. مرحلهٔ ۴: شیوهٔ تدریس و تنظیمات تسلط
| سبک تدریس | الگوی رفتار آموزشی | کاربرد پیشنهادی |
|---|---|---|
| توضیح، سپس پرسش | بیان فشردهٔ مفهوم و سپس طرح پرسشی کوتاه برای تثبیت آن | بیشتر دوره‌های دانشگاهی و مهارتی |
| پرسش‌محور (سقراطی) | هدایت ذهن دانشجو با پرسش‌های پله‌پله و پرهیز از ارائهٔ مستقیم راه‌حل | دوره‌های پیشرفته و دانشجویان دارای پیش‌زمینه |
| توضیحی و گام‌به‌گام | تبیین تفصیلی همراه با مثال پیش از ارزیابی | مباحث کاملاً جدید و دانشجویان مبتدی |
شاخص‌های تسلط
میزان تسلط دانشجو بر هر هدف از ۰ تا ۱۰۰٪ سنجیده می‌شود. نخستین آشنایی با هدف، آن را ۳۰٪ می‌کند و هر پاسخ نمره‌دار، تسلط را یک‌چهارم فاصله به سوی نمرهٔ همان پاسخ جابه‌جا می‌کند. پاسخ پرسش‌های چندگزینه‌ای و عددی را خود برنامه به‌طور دقیق نمره می‌دهد و پاسخ‌های تشریحی را هوش مصنوعی با معیار نمره‌دهی شما. پاسخ دوباره به همان پرسش برنامه، تکرار تازه به شمار نمی‌آید.
سه تنظیم در اختیار شماست:
- حد نصاب تسلط (پیش‌فرض ۸۰٪، از ۵۰ تا ۱۰۰٪).
- تعداد پاسخ لازم برای هر هدف (پیش‌فرض و کمینه ۵، تا ۱۰): هدف فقط وقتی آموخته‌شده به شمار می‌آید که هم به حد نصاب برسد و هم دست‌کم این تعداد پاسخ نمره‌دار داشته باشد. با پیش‌فرض‌ها، حتی اگر همهٔ پاسخ‌ها کاملاً درست باشند، چهار پاسخ به ۷۸٪ و پنج پاسخ به ۸۳٪ می‌رسد؛ یعنی دست‌کم پنج تکرار لازم است.
- سقف کمک اضافه در هر گام (پیش‌فرض ۳ بار): تعداد دفعاتی که هوش مصنوعی مجاز است پیش از عبور از یک گام، مفهوم را دوباره توضیح دهد، تمرین مشابه طرح کند یا مرور کند.
تکرار و مرور فاصله‌دار
- پس از پایان برنامهٔ جلسه: اگر هدفی هنوز آموخته نشده باشد، تمرین آن هدف‌ها بی‌درنگ آغاز می‌شود؛ هوش مصنوعی برای هر هدف حداکثر سه پرسش تازه در هر نشست می‌پرسد و باقی تکرارها به مرورهای بعدی سپرده می‌شود.
- مرور آغاز نشست: روزی یک بار، پیش از ادامهٔ درس، حداکثر سه هدف از جلسه‌های دیگر که موعد مرورشان رسیده است (ضعیف‌ترین نخست) مرور می‌شوند.
- فاصلهٔ مرور: با تسلط بالاتر و پاسخ‌های درست بیشتر، از ۶ ساعت تا حداکثر ۳۰ روز افزایش می‌یابد.
- «تمرین نقطه‌های ضعف»: دانشجو هر زمان بخواهد می‌تواند هدف‌های آموخته‌نشدهٔ جلسه را تمرین کند.
بنابراین هدفی که در برنامهٔ جلسه پرسشی ندارد نیز با پرسش‌هایی که هوش مصنوعی در نشست تمرین طرح می‌کند سنجیده می‌شود؛ با این حال، برای کنترل کیفیت، بهتر است دست‌کم یک پرسش و یک تکلیف برای هر هدف طراحی کنید.
۱۳. مرحلهٔ ۵: بازبینی، آزمون و انتشار
- فهرست بررسی: موارد قرمز مانع بارگذاری‌اند (مانند پرسشی بدون معیار نمره‌دهی) و هشدارهای زرد پیشنهادهای بهبودند (مانند هدفی که هیچ پرسشی آن را نمی‌سنجد). با انتخاب هر مورد، مستقیماً به محل آن منتقل می‌شوید.
- آزمون در نقش دانشجو: دوره را دقیقاً مانند یک خریدار اجرا کنید. زیر هر پاسخ، تصمیم هوش مصنوعی و دلیل آن نمایش داده می‌شود. عمداً پاسخ‌های نادرست بدهید تا از عملکرد سرنخ‌ها و لحن هوش مصنوعی مطمئن شوید.
- بازبینی با هوش مصنوعی: کل دوره بررسی و کاستی‌ها گزارش می‌شوند: اهداف سنجیده‌نشده، گام‌هایی که به مطلبی تدریس‌نشده نیاز دارند و معیارهای مبهم.
- بارگذاری و نسخه‌گذاری: هر بارگذاری نسخهٔ تازه‌ای ثبت می‌کند. خریداران بلافاصله نسخهٔ تازه را دریافت می‌کنند و پیشرفتشان حفظ می‌شود. نشان «بررسی‌شده» تا بررسی دوبارهٔ بین‌کاو برداشته می‌شود.
۱۴. قیمت‌گذاری، بازگشت وجه، حق نشر و حذف دوره
- قیمت‌گذاری: قیمت به تومان تعیین می‌شود و عدد صفر به معنای رایگان بودن دوره است. قیمت تازه فقط برای خریدهای بعدی اعمال می‌شود.
- بازگشت وجه: خریدار در مهلتی کوتاه و تا زمانی که بخش محدودی از دوره را استفاده کرده باشد، می‌تواند وجه را بازگرداند. سهم مدرس پس از پایان این مهلت قابل برداشت می‌شود.
- اصالت محتوا: محتوایی که بخش عمدهٔ آن با آثار ناشران دیگر در بازارچه یکسان باشد (برای مثال، محتوایی که خریده‌اید) پذیرفته نمی‌شود.
- حذف دوره: در هر زمان می‌توانید دوره را از «محصولات من» (در برنامه یا وب‌سایت) حذف کنید. پس از حذف، امکان خرید و ویرایش مسدود می‌شود، اما دسترسی کسانی که پیش‌تر دوره را تهیه کرده‌اند حفظ خواهد شد.
۱۵. فهرست کنترل نهایی
- معرفی دوره، مهارت‌هایی را که دانشجو کسب می‌کند به‌روشنی بیان کرده است.
- خلاصهٔ هر جلسه ثبت شده و میان جلسات هم‌پوشانی نامطلوب وجود ندارد.
- هر جلسه دو تا چهار هدف سنجش‌پذیر، همراه با خطاهای رایج و سرنخ‌ها دارد.
- هر هدف دست‌کم با یک پرسش، تمرین یا تکلیف سنجیده می‌شود.
- برنامهٔ هر جلسه از الگوی «مفهوم ← پرسش» پیروی می‌کند و با جمع‌بندی پایان می‌یابد.
- برای همهٔ پرسش‌های تشریحی، معیار نمره‌دهی با امتیازهای تفکیکی تعیین شده است.
- دوره دست‌کم یک بار در نقش دانشجو آزموده شده است.
۱۶. پرسش‌های متداول
- آیا با تغییر صفحه در حین تولید پیشنهاد، کار هوش مصنوعی از بین می‌رود؟
- خیر. پردازش هوش مصنوعی در پس‌زمینه ادامه می‌یابد و نتیجه در همان‌جا منتظر شما می‌ماند. تغییرات شما نیز هم‌زمان روی رایانه ذخیره می‌شود.
- اگر دانشجو پرسشی خارج از سرفصل مطرح کند، چه می‌شود؟
- هوش مصنوعی پاسخی مختصر و روشن می‌دهد و سپس گفت‌وگو را به سرفصل جاری درس بازمی‌گرداند.
- هزینهٔ استفاده از هوش مصنوعی در طول دوره بر عهدهٔ کیست؟
- هزینهٔ پاسخ‌های هوش مصنوعی هنگام گذراندن دوره از اعتبار خود دانشجو کسر می‌شود؛ مبلغ دوره منحصراً بابت محتوای مدرس است.
- آیا ساخت دوره برای استفادهٔ شخصی و بدون انتشار امکان‌پذیر است؟
- بله. در بخش «ساخته‌های شخصی» می‌توانید دوره‌ای بسازید که فقط روی رایانهٔ شما باقی بماند و هرگز منتشر نشود.