Sun’iy intellekt ta’lim assistenti — o‘quvchilar bilan savol-javob, fikr-mulohaza, yo‘naltirish, topshiriq, tavsiya, vizuallashtirish, ovoz yoki boshqa o‘zaro ta’sir shakllari orqali muloqot qilib, o‘rganish jarayonini qo‘llab-quvvatlaydigan sun’iy intellektga asoslangan tizimlarning umumiy sinfidir. Fatmah Alqarni va hamkasblarining tizimli sharhi ushbu tizimlarda o‘rganish ikki asosiy mexanizm orqali qanday amalga oshishini o‘rganadi: ochiq o‘rganish va yashirin o‘rganish.

Ochiq o‘rganishda foydalanuvchi tushuntirishni tinglash, savol berish, fikr-mulohaza olish, topshiriqni bajarish yoki bosqichma-bosqich yo‘naltirishga amal qilish kabi ongli o‘rganish jarayoniga kiradi. Yashirin o‘rganishda esa bilim yoki ko‘nikma foydalanuvchi bevosita “hozir o‘rganayapman” degan maqsadni ko‘zlamaydigan o‘zaro ta’sir davomida; tajriba qilib ko‘rish, fikr-mulohazalarni kuzatish, tizim bilan suhbatlashish yoki topshiriqni bajarish orqali rivojlanadi.

Tadqiqotchilar 2000–2024 yillarda chop etilgan 38 tadqiqotni tizimli ravishda ko‘rib chiqdilar. Tadqiqotlarning %79’i asosan ochiq o‘rganishni, %21’i esa yashirin o‘rganishni qo‘llab-quvvatlovchi mexanizmlarni ko‘rsatdi. Yozma o‘zaro ta’sir %45 bilan eng keng tarqalgan muloqot shakli bo‘lib, undan keyin %34 bilan vizuallashtirish, %12 bilan harakatga asoslangan o‘zaro ta’sir va %9 bilan ovoz keladi.

Sharh, shuningdek, AI ta’lim tizimlarining texnik evolyutsiyasini ham ko‘rsatadi. Qoidalarga asoslangan chatbotlardan mashinaviy o‘rganish tizimlariga, bilim bazalaridan ontologiyalarga va so‘nggi davrda katta til modellari hamda generativ AI tizimlariga o‘tish kuzatiladi. Biroq 38 tadqiqotning atigi to‘rttasida LLM yoki generativ AI mavjudligi hozirgi topilmalar asosan LLMlar ommalashishidan oldingi adabiyotni aks ettirishini ko‘rsatadi.

Ochiq o‘rganish bilan yashirin o‘rganish o‘rtasidagi asosiy farq nima?

Ochiq o‘rganishda inson bilim olishga ongli ravishda yo‘naladi va tushuntirish, ta’lim, savol, yo‘naltirish yoki fikr-mulohaza kabi bevosita o‘rganish mexanizmlari bilan o‘zaro ta’sir qiladi. Yashirin o‘rganishda esa bilim va ko‘nikma inson bevosita o‘rganishni maqsad qilmagan holda, topshiriq bajarish, tizimni o‘rganib ko‘rish, natijalarni kuzatish yoki dialog davomida tajriba orttirish paytida rivojlanadi. Tadqiqotdagi tasnif faqat qo‘llanilgan interfeys xususiyatiga emas, ayni xususiyat foydalanuvchi uchun qanday o‘rganish funksiyasini bajarishiga asoslanadi.

Ochiq o‘rganishning o‘n bir o‘zaro ta’sir xususiyati

Sharh ochiq o‘rganish uchun o‘n bir asosiy o‘zaro ta’sir xususiyatini belgilaydi:

1. Savol berish: O‘quvchining bevosita ma’lumot yoki tushuntirish so‘rashi.
2. Ha/yo‘q savollari: Ayniqsa kichik yoshdagi yoki murakkabligi past o‘zaro ta’sirlarda kognitiv yukni kamaytiradigan tuzilmali javoblar.
3. Ko‘p variantli savollar: O‘quvchini muayyan variantlar orasida baholashga yo‘naltiradigan tuzilma.
4. Savollarga javob berish: Quiz, grammatika, lug‘at yoki mavzu baholashlari kabi tuzilmali javob yaratish jarayonlari.
5. Yo‘naltirish: Ayniqsa boshlovchi foydalanuvchilar uchun bosqichma-bosqich o‘qitish.
6. Ogohlantirish xabarlari: Xatolar yoki xavfli qadamlar haqida real vaqt rejimida xabar berish.
7. Topshiriq yaratish yoki topshiriq yechish: O‘quvchining muammoni yechish yoki mahsulot yaratish orqali faol o‘rganishi.
8. Tavsiyalar: AI tomonidan maslahat, tavsiya yoki tegishli material taqdim etilishi.
9. Eslatma / ogohlantirish: Yaqinlashib kelayotgan topshiriq yoki talablarning foydalanuvchiga bildirilishi.
10. Fikr-mulohaza: Foydalanuvchi faoliyatini baholash va keyingi qadamga yo‘naltirish.
11. Tahrirlanadigan fikr-mulohaza: Foydalanuvchining AI fikr-mulohazasidan keyin o‘z natijasini qayta tahrirlab, yaxshilay olishi.

Manbaning 10-sahifasidagi 5-rasm ushbu o‘n bir mexanizmni yagona ochiq o‘rganish taksonomiyasi ostida birlashtiradi. Bu yerda muhim jihat shundaki, mexanizmlar faqat “interfeys xususiyati” sifatida emas, balki foydalanuvchining ongli ravishda bilim olishiga xizmat qiladigan o‘rganish xatti-harakatlari sifatida baholanadi.

Savol berish nega faqat ma’lumot qidirish emas?

Ko‘rib chiqilgan tizimlarda savol berish faqat javob olish vazifasini bajarmaydi. Ayrim AI ta’lim assistentlari talabaning savollariga javob berish bilan kifoyalanmaydi; berilgan javobga qarab yanada murakkab topshiriqlar, tuzatuvchi mazmun yoki yangi o‘rganish bosqichlarini taklif qiladi. Shu sababli savol-javob mexanizmi ma’lumotga kirishdan o‘rganish yo‘lini dinamik tarzda yo‘naltirishgacha kengayadigan funksiyaga ega bo‘lishi mumkin.

Yo‘naltirish qachon muammoga aylanishi mumkin?

Bosqichma-bosqich yo‘naltirish ayniqsa boshlang‘ich darajadagi talabalar uchun xatolar sonini kamaytirishi va texnik topshiriqlarni yanada qulay qilishi mumkin. Biroq mualliflar haddan tashqari tuzilmali yo‘naltirish mustaqil fikrlash qobiliyatlarini kamaytirishi mumkinligini ham muhokama qiladilar. Shuning uchun AI ta’lim assistenti faqat to‘g‘ri yo‘lni ko‘rsatishi emas, balki o‘quvchining o‘z yechimini ishlab chiqish qobiliyatini qay darajada saqlashi ham muhim.

Fikr-mulohaza nega markaziy mexanizm?

Fikr-mulohaza ko‘rib chiqilgan adabiyotda dasturlashdan til ta’limigacha, muhandislik masalalarini yechishdan dizayn ta’limigacha bo‘lgan turli sohalarda takrorlanuvchi mexanizmdir. AI sintaksis xatolarini ko‘rsatishi, yechim bosqichi to‘g‘ri yoki noto‘g‘ri ekanini bildirish, talabani murakkabroq mazmunga yo‘naltirish yoki foydalanuvchining dizaynini qayta baholashiga yordam berishi mumkin. Sharhning muhim xulosalaridan biri shuki, fikr-mulohaza faqat “to‘g‘ri/noto‘g‘ri” qarorini beradigan yakuniy bosqich emas, balki o‘rganish jarayonini doimiy ravishda yo‘naltiradigan o‘zaro ta’sir mexanizmidir.

Yashirin o‘rganishning to‘rtta asosiy mexanizmi

Tadqiqot yashirin o‘rganishni to‘rtta asosiy xususiyat bo‘yicha tasniflaydi:

• savol berish,
• savollarga javob berish,
• faoliyat yoki topshiriqni bajarish,
• fikr-mulohaza.

Birinchi qarashda ushbu xususiyatlarning ayrimlari ochiq o‘rganish toifasida ham uchraydi. Buning sababi tasnif xatosi emas. Mualliflarning mezoni o‘zaro ta’sirning tashqi ko‘rinishi emas, balki funksional rolidir. Foydalanuvchi “bir mavzuni o‘rganish” maqsadida savol bersa, bu ochiq o‘rganish; tabiiy dialog davomida o‘zi sezmagan holda muammoni yechish ko‘nikmasini rivojlantirsa, ayni savol-javob shakli yashirin o‘rganishga xizmat qilishi mumkin.

AI tizimi bir xil o‘zaro ta’sir bilan ham ochiq, ham yashirin o‘rganishni qanday qo‘llab-quvvatlashi mumkin?

Bir xil interfeys xususiyati foydalanuvchining maqsadi va o‘zaro ta’sir kontekstiga qarab turli o‘rganish funksiyalarini bajarishi mumkin. Masalan, AI xatoni tushuntirganda bu ongli tushuncha o‘rganishini qo‘llab-quvvatlasa, ochiq o‘rganish hisoblanadi; foydalanuvchi turli kirishlarni sinab, tizim natijalarini kuzatish orqali naqshni intuitiv o‘rgansa, bu yashirin o‘rganishdir. Shuning uchun tadqiqot “chatbot”, “feedback” yoki “question answering” yorlig‘ini o‘z-o‘zicha o‘rganish turining ko‘rsatkichi deb qabul qilmaydi.

Faoliyat orqali yashirin o‘rganish

Yashirin o‘rganishda ayniqsa amaliy topshiriqlar muhim. Ko‘rib chiqilgan tizimlarda talabalar vizual dasturlash vositalaridan foydalanib algoritmik xatti-harakatlarni kashf etgan, mashinaviy o‘rganish modellarini o‘qitib natijalarini kuzatgan yoki AI tizimiga yangi ma’lumotlar o‘rgatib, tizimning keyingi reaksiyalarini ko‘rib chiqqan. Foydalanuvchi bu yerda bevosita nazariy tushuntirishni o‘qimasdan, tajriba va natija o‘rtasidagi bog‘liqlikni kuzatish orqali konseptual tuzilmani rivojlantirishi mumkin.

Yashirin fikr-mulohaza

Yashirin fikr-mulohazada tizim foydalanuvchining xatti-harakatiga javob beradi, biroq bu javob albatta “ta’limiy tushuntirish” shaklida bo‘lishi shart emas. Masalan, foydalanuvchi turli dizayn kirishlarini berib, AI chiqishidagi o‘zgarishni kuzatishi yoki suhbat tizimi talaffuzga javob berib, foydalanuvchini o‘z faoliyatini moslashtirishga undashi mumkin. Bu yerda o‘rganish tushuntirishning bevosita uzatilishidan ko‘ra ko‘proq sinash, kuzatish va tuzatish siklida yuz beradi.

Ochiq o‘rganish nega adabiyotda ustun?

34 tadqiqot to‘liq tasniflangan tahlilda 27 tadqiqot ochiq, 7 tadqiqot esa yashirin o‘rganish ustun bo‘lgan guruhga kiritilgan. Bu mos ravishda %79 va %21 taqsimotiga to‘g‘ri keladi. Dastlabki davr tadqiqotlari, ayniqsa, tuzilmali savol-javob va fikr-mulohazaga e’tibor qaratgani; 2019–2020 atrofida esa ovozga asoslangan tizimlar va tajriba orqali o‘rganish yondashuvlari bilan yashirin mexanizmlarning ko‘rinishi ortgani kuzatiladi.

2021–2024 davrida LLM integratsiyalari boshlanishi bilan chegara yanada o‘tuvchan bo‘ladi. Chunki generativ tizimlar bir tomondan bevosita tushuntirish va ta’lim berishi, boshqa tomondan esa foydalanuvchilarga turli savollar, kirishlar va chiqishlar ustida tajriba qilish imkonini berishi mumkin.

AI ta’lim assistentlarining to‘rtta qo‘llash yondashuvi

Tadqiqot texnik qo‘llanmalarni to‘rtta asosiy guruhga ajratadi:

Qoidalarga asoslangan chatbot bilan AI chatbot o‘rtasidagi farq

Sharhda qoidalarga asoslangan chatbotlar oldindan belgilangan qoidalar bilan ishlaydigan, kamroq moslashuvchan, biroq nazorat qilinadigan tizimlar sifatida; AI chatbotlar esa bilim va kontekstdan o‘rganib, murakkabroq holatlarga moslasha oladigan, ammo xatti-harakati kamroq oldindan aytib bo‘ladigan tizimlar sifatida taqqoslanadi. Qoidalarga asoslangan tizimlar oddiy ssenariylarda yuqori nazoratni ta’minlasa-da, o‘quvchilarning ochiq savollariga javob berish imkoniyati cheklangan.

Bilim qayerda saqlanadi va qanday yangilanadi?

Ko‘rib chiqilgan tizimlarda bilim ma’lumotlar bazalari, bilim bazalari, ma’lumotlar to‘plamlari, ontologiyalar yoki boshqa tuzilmali saqlash joylarida saqlanadi. Ayrim tizimlar statik bilim bazalaridan foydalansa, boshqalari foydalanuvchi fikr-mulohazalari yoki yangi ma’lumotlar bilan dinamik ravishda yangilanadi.

Masalan, ayrim tavsiya tizimlarida ontologiyalar talabalar, oliy ta’lim variantlari va kasblar o‘rtasidagi munosabatlarni ifodalash uchun ishlatiladi. Ayrim chatbotlarda turli ma’lumotlar bazalari talabaning natijalarini, dars mazmunini va kundalik suhbat javoblarini alohida saqlaydi. Ushbu arxitektura farqlari tizimning dolzarb bilimga qanchalik moslasha olishini bevosita ta’sir qiladi.

Qo‘llanilgan AI usullari qanday o‘zgargan?

Sharhning vaqt bo‘yicha tahlili AI ta’lim tizimlarining texnik arxitekturasidagi o‘zgarishni aniq ko‘rsatadi. 2000–2015 davridagi ko‘plab tadqiqotlarda bilimni saqlash va yangilash mexanizmlari batafsil hisobot qilinmagan, o‘zaro ta’sir esa asosan yozma yoki vizual shaklda qolgan.

2016–2020 davrida ma’lumotlar bazasi bilan qo‘llab-quvvatlangan tuzilmalar kengaya boshlagan, dinamik bilim yangilanishi paydo bo‘lgan va chuqur neyron tarmoqlar, cooperative contextual bandits hamda nazoratli mashinaviy o‘rganish kabi xilma-xil usullar qo‘llanila boshlagan.

2021–2024 davrida esa GPT asosidagi tizimlar, katta til modellari, generativ AI APIlari va ko‘p modalli o‘zaro ta’sir birgalikda uchraydi. COFFEE, AutoSpark, DesignPrompt va Q-Module-Bot kabi tizimlar ushbu o‘tishning manbada ko‘rib chiqilgan misollari qatoriga kiradi.

Tadqiqot Usuli va Natijalari

Tizimli sharh qanday o‘tkazildi?

Tadqiqot PRISMA 2020 tamoyillari asosida o‘tkazilgan va snowballing usuli bilan kengaytirilgan. Sharh protokoli Open Science Framework’da retrospektiv tarzda ro‘yxatdan o‘tkazilgan.

Dastlabki qidiruvlar 2022-yil iyun–sentabr oralig‘ida amalga oshirilgan, 2023-yil noyabrda yangilangan va LLM asosidagi ta’lim assistentlaridagi tezkor rivojlanishlarni qamrab olish uchun 2024-yil sentabr–dekabr oralig‘ida qo‘shimcha qidiruv o‘tkazilgan.

Qidiruv manbalari quyidagilar:

• Google Scholar,
• ACM Digital Library,
• IEEE Xplore,
• MDPI,
• Springer,
• Taylor & Francis.

16.335 yozuvdan 38 tadqiqotga qanday yetib borildi?

Dastlab jami 16.335 yozuv aniqlangan. Ulardan 15.900 tasi Google Scholar avtomatik qidiruvidan, qolganlari ACM, IEEE, MDPI, Springer va Taylor & Francis’da o‘tkazilgan qo‘lda qidiruvlardan kelgan.

Saralashdan oldin 5.685 takror yozuv va sana filtrlari orqali 2.500 yozuv chiqarilgan; sarlavha saralashiga 8.150 yozuv qolgan. Ulardan 8.030 tasi chiqarib tashlangach 120 tadqiqot qolgan, oldinga va orqaga snowballing orqali topilgan 11 yozuv qo‘shilgach, 131 hisobot baholashga olingan.

Annotatsiya va xulosa saralashida 73 tadqiqot chiqarilgan; 58 tadqiqot to‘liq matn mosligini baholash bosqichiga o‘tgan. Kiritish va chiqarish mezonlari qo‘llangach yana 20 tadqiqot chiqarilgan va yakuniy tizimli sharhga 38 tadqiqot kiritilgan. Manbaning 4-sahifasidagi PRISMA 2020 oqim diagrammasi ushbu jarayonni batafsil ko‘rsatadi. :chatgpt-content-reference{index="6"}

Ma’lumotlarni ajratib olishda qaysi o‘zgaruvchilar ishlatilgan?

38 tadqiqotning 34 tasida to‘liq ma’lumot ajratib olingan. To‘rtta tadqiqot faqat tadqiqotning motivatsion misolida ishlatilgan. To‘liq ajratishda quyidagi 15 o‘zgaruvchi o‘rganilgan:

1. nashr yili,
2. nashr turi,
3. nashriyot,
4. soha,
5. ochiq yoki yashirin o‘rganish turi,
6. o‘zaro ta’sir xususiyatlari,
7. qo‘llash yondashuvi,
8. bilimni ifodalash va yangilash usuli,
9. maqsadli foydalanuvchi guruhi,
10. algoritmlar va texnikalar,
11. yozuv, ovoz, vizual yoki harakatga asoslangan o‘zaro ta’sir,
12. baholash yondashuvi,
13. ma’lumot yig‘ish usuli,
14. ishtirokchilar soni,
15. mezonlar.

Tadqiqotlar qaysi davrlarda ko‘proq jamlangan?

2000–2024 oralig‘idagi nashr taqsimotida dastlabki yillarda kam sonli tadqiqotlar ko‘ringan bo‘lsa, 2010-yillarda o‘sish boshlangan va yaqqol cho‘qqi 2019–2020 davrida yuzaga kelgan. Ko‘rib chiqilgan manbalarning %50’i jurnal maqolasi, %43’i konferensiya nashri va %7’i veb manbadir. Manbaning 5-sahifasidagi 3-rasm ushbu taqsimotni yil va nashr turiga ko‘ra ko‘rsatadi. :chatgpt-content-reference{index="7"}

Asosiy miqdoriy topilmalar

O‘zaro ta’sir ulushlarini talqin qilishda muhim metodologik jihat bor: ayni tadqiqot bir nechta o‘zaro ta’sir turini o‘z ichiga olishi mumkinligi sababli foizlar bir-birini istisno qiluvchi tadqiqot guruhlari emas. Yozma o‘zaro ta’sir 25 tadqiqotda, vizuallashtirish 19 tadqiqotda, harakat 7 tadqiqotda va ovoz 5 tadqiqotda kuzatilgan; foizlar jami o‘zaro ta’sir namunalari normallashtirilishi orqali hisoblangan.

AI ta’lim assistentlarida nega ovozli o‘zaro ta’sir hanuz cheklangan?

Sharhda ovozga asoslangan o‘zaro ta’sir jami o‘zaro ta’sir namunalarining atigi %9’ini tashkil etadi va yozma muloqot hamda vizuallashtirishdan ancha ortda qoladi. Ko‘rib chiqilgan tizimlarda Alexa va unga o‘xshash ovozli assistentlar ayrim o‘rganish ssenariylarida ishlatilgan bo‘lsa-da, tadqiqot adabiyotining katta qismi hanuz matn va vizual interfeyslarga asoslangan. Tadqiqot buni ovozli o‘zaro ta’sir ta’limda samarasiz deb talqin qilmaydi; aksincha, ovoz adabiyotda yetarlicha namoyish etilmaganini ko‘rsatadi.

Yozma o‘zaro ta’sir: %45

Matnga asoslangan o‘zaro ta’sir eng keng tarqalgan shakldir. Foydalanuvchi tizimga savollar berishi, ma’lumot so‘rashi, fikr-mulohaza yuborishi yoki topshiriq javoblarini yaratishi mumkin. Matnga asoslangan tizimlarni texnik jihatdan joriy etish nisbatan osonligi va chatbot arxitekturalari bilan bevosita mos kelishi manbada kuzatilgan ushbu keng tarqalishning kontekstlaridan biridir.

Vizuallashtirish: %34

Vizuallashtirish murakkab AI yoki texnik jarayonlarni tezroq tushunishni qo‘llab-quvvatlaydigan ikkinchi eng keng tarqalgan o‘zaro ta’sir shaklidir. Manbada ayniqsa mashinaviy o‘rganish tushunchalari, kompyuter xavfsizligi, dasturlash, ma’lumotlar tuzilmalari va dizayn kabi sohalarda vizual fikr-mulohazadan foydalanilgan misollar bor.

Harakatga asoslangan o‘zaro ta’sir: %12

Harakatga asoslangan tizimlarda foydalanuvchi faqat matn o‘qimaydi; sxema yaratadi, algoritmni o‘zgartiradi, tasvirni tahrirlaydi yoki boshqa amalni bajaradi va yuzaga kelgan natijani kuzatadi. Bunday tizimlar ayniqsa amaliy va yashirin o‘rganish nuqtai nazaridan muhim.

Ovozli o‘zaro ta’sir: %9

Ovoz, ayniqsa, kichik bolalar, til o‘rganuvchilar yoki klaviaturadan foydalanish o‘rganish jarayonini qiyinlashtiradigan kontekstlarda foydali bo‘lishi mumkin. Ko‘rib chiqilgan tadqiqotlarda Alexa va Amazon Echo Dot kabi tizimlarning ovozli kirishni matnga aylantirib, ta’limiy o‘zaro ta’sirlarda qo‘llangani haqidagi misollar bor.

LLM va generativ AI bu manzarani qanday o‘zgartirmoqda?

Katta til modellari va generativ AI qoidalarga asoslangan tizimlarning oldindan belgilangan o‘zaro ta’sir tuzilmasidan ko‘ra moslashuvchan va kontekstga sezgir modelga o‘tishni ta’minlaydi. Manbada ko‘rib chiqilgan yangi tizimlarda ChatGPT, GPT-3.5, GPT-4/GPT-4V, OpenAI APIlari va CLIP kabi texnologiyalar qo‘llanilgan.

LLM asosidagi tizimlar ochiq o‘rganishni tushunchalarni izohlash, dinamik savol-javob, yo‘naltirilgan so‘rov va shaxsga moslashtirilgan fikr-mulohaza orqali qo‘llab-quvvatlashi mumkin. Yashirin o‘rganish esa foydalanuvchining savollarni o‘zgartirishi, yangi kirishlarni sinashi va AI chiqishlaridagi farqlarni kuzatishi orqali yuz berishi mumkin.

Shu sababli LLMlar ochiq va yashirin o‘rganish o‘rtasidagi chegarani yanada o‘tuvchan qiladi. Foydalanuvchi ayni dialog ichida ham bevosita tushuntirish olishi, ham tizim bilan tajriba qilib, o‘zi sezmagan holda yangi konseptual aloqalarni o‘rganishi mumkin.

Generativ AIning ta’lim nuqtai nazaridan yangi xavfi nima?

Moslashuvchanlik yangi baholash muammolarini ham olib keladi. An’anaviy tizimlarda to‘g‘rilik, topshiriqni bajarish yoki foydalanish qulayligi kabi mezonlar yetarli bo‘lishi mumkin bo‘lsa, generativ tizimlarda yaratilgan javobning ishonchliligi va to‘g‘riligi alohida baholanishi kerak. Manba ayniqsa hallucination xavfiga e’tibor qaratadi: noto‘g‘ri, ammo ishontiruvchi tushuntirish talaba tomonidan shubha ostiga olinmasdan qabul qilinsa, o‘rganish jarayoniga salbiy ta’sir qilishi mumkin.

Bu xavf sog‘liqni saqlash, xavfsizlik va maxfiylik kabi noto‘g‘ri yo‘naltirish jiddiy oqibatlarga olib kelishi mumkin bo‘lgan sohalarda yanada muhim. Shu sababli mualliflar LLM asosidagi ta’lim assistentlarida kuchli guardrail’lar va kengroq baholash jarayonlari zarur, deb hisoblaydilar.

RAG nega kelajak yo‘nalishlaridan biri sifatida ko‘rsatilgan?

Sharhda ko‘plab eski tizimlar statik bilim bazalariga tayangani va tez rivojlanayotgan sohalarga yetarlicha tez moslasha olmagani qayd etiladi. Mualliflar kelajakda bilimni ifodalash o‘zaro ta’sir mantiqidan ajratilgan, yangilanadigan arxitekturalardan foydalanishni tavsiya qiladilar. Retrieval-Augmented Generation (RAG) generativ javoblarni tasdiqlangan bilim manbalariga tayantirish uchun taklif etilgan yondashuvlardan biridir.

Baholash usullaridagi asosiy muammo

Ko‘rib chiqilgan tadqiqotlarning ko‘pchiligida eksperimental baholash ishlatilgan va ko‘plab tadqiqotlar miqdoriy hamda sifat usullarini birgalikda qo‘llagan. Biroq namuna hajmlari, tadqiqot davomiyligi va ishlatilgan mezonlar o‘rtasida katta farqlar mavjud.

Ayrim tadqiqotlar faqat qisqa muddatli seminar yoki bitta sessiya asosida baholangan. Kichik namunalar, ishtirokchilar xilma-xilligining cheklanganligi va uzoq muddatli o‘rganish natijalarining o‘lchanmasligi kuchli umumlashtirishlar qilishni qiyinlashtiradi.

Yanada mustahkam baholash qanday olib borilishi kerak?

Mualliflar uzoqroq muddatli tadqiqotlar zarurligini ta’kidlaydilar. Talabaning bilim, xulq-atvor va ko‘nikma rivojlanishini, masalan, bir akademik semestr davomida kuzatish qisqa muddatli foydalanish qulayligi testlariga qaraganda ancha kuchli dalil berishi mumkin.

Baholash faqat qoniqish yoki foydalanish qulayligi bilan cheklanib qolmasligi; bilim orttirish, noto‘g‘ri tushunchalarning shakllanishi va saqlanib qolishi kabi o‘rganishga xos natijalarni ham o‘lchashi kerak. LLM asosidagi tizimlarda bunga ekspert bahosi, ishonchli manbalar bilan avtomatik tekshirish va AI javoblarining to‘g‘rilik tahlili ham qo‘shilishi kerak.

To‘rtta asosiy tadqiqot bo‘shlig‘i

1. Suhbatga asoslangan moslashuv: Ko‘plab tizimlar ochiq savollarga, shaxsiylashtirilgan fikr-mulohazaga va iterativ dialogga yetarlicha moslasha olmaydi.
2. Bilimni ifodalash va arxitektura: Ko‘plab tadqiqotlar bilim qayerda saqlanishi yoki qanday yangilanishini yetarlicha hisobot qilmaydi.
3. Geterogen AI yondashuvlarini integratsiyalash: Tizimlar ko‘pincha bitta ustun texnikaga tayanadi; kelajakda ML, LLM, bilim bazalari va boshqa mexanizmlar birgalikda ishlatiladigan gibrid arxitekturalar kerak bo‘lishi mumkin.
4. Mustahkam baholash doiralari: Qisqa muddatli, kichik namunali va geterogen o‘lchash usullari uzoq muddatli o‘rganish ta’sirlarini aniqlashni qiyinlashtiradi.

Tadqiqotning asosiy cheklovlari

Sharh faqat ingliz tilida chop etilgan tadqiqotlarni o‘z ichiga olgani uchun tilga bog‘liq og‘ish xavfi mavjud. Ochiq va yashirin o‘rganish tasnifi ta’lim fanlari adabiyotidagi nazariy ta’riflarga asoslangan bo‘lsa-da, tadqiqotchining talqinini o‘z ichiga olgani sababli ma’lum darajada subyektiv bo‘lishi mumkin.

Yanada muhimi, 38 tadqiqotning faqat to‘rttasida LLM yoki generativ AI mavjud. Demak, taksonomiyaning katta qismi ChatGPT va shunga o‘xshash generativ tizimlar ta’lim sohasida tez ommalashishidan oldingi texnologik davrni aks ettiradi. Mualliflar kelajakda faqat LLM asosidagi ta’lim assistentlarini o‘rganadigan alohida tizimli sharhlarga ehtiyoj borligini qayd etadilar. :chatgpt-content-reference{index="8"}

Tadqiqot qo‘llab-quvvatlaydigan va qo‘llab-quvvatlamaydigan xulosalar

Tadqiqot qo‘llab-quvvatlaydigan xulosalar: AI ta’lim assistentlaridagi o‘rganish mexanizmlarini ochiq va yashirin shakllarda tasniflash mumkin; ko‘rib chiqilgan adabiyotda ochiq o‘rganish ko‘proq uchraydi; matn va vizuallashtirish eng ko‘p ishlatiladigan o‘zaro ta’sir shakllaridir; texnik arxitekturalar vaqt o‘tishi bilan qoidalarga asoslangan tizimlardan ML va LLM asosidagi tuzilmalarga rivojlangan; mavjud baholash amaliyotlari sezilarli darajada geterogendir.

Tadqiqot qo‘llab-quvvatlamaydigan xulosalar: %79 ochiq o‘rganish ulushi ochiq o‘rganish yashirin o‘rganishdan “yaxshiroq” ekanini ko‘rsatmaydi. %9 ovozdan foydalanish ham ovozli tizimlar kamroq samarali ekanini isbotlamaydi. Tadqiqot, shuningdek, LLM asosidagi ta’lim assistentlari an’anaviy tizimlardan albatta samaraliroq ekanini ko‘rsatmaydi. Bu tadqiqot meta-tahlil bo‘lmagani uchun yagona birlashtirilgan o‘rganish ta’sir kattaligini hisoblamaydi.

Manba va Usul Haqida Izoh

Asl tadqiqot: Alqarni, F.; Alhirabi, N.; Rana, O.; Perera, C. Explicit and Implicit Learning Mechanisms in AI Educational Assistants: A Systematic Review.

Jurnal:AI, 2026, Volume 7, Article 160.

DOI:10.3390/ai7050160

Maqola turi: Tizimli sharh.

Yuborilgan: 26 fevral 2026. Reviziya: 6 aprel 2026. Qabul: 16 aprel 2026. Nashr: 1 may 2026.

Muassasalar: Cardiff University, Birlashgan Qirollik; King Saud University, Saudiya Arabistoni.

Usul: PRISMA 2020 qo‘llanmasi va oldinga/orqaga snowballing yondashuvi ishlatilgan. Tizimli sharhga 38 tadqiqot kiritilgan, 34 tadqiqot bo‘yicha to‘liq ma’lumot ajratib olingan. Ko‘rib chiqilgan nashrlar 2000–2024 davrini qamrab oladi.

Moliyalashtirish: Tadqiqot qisman EPSRC PETRAS, EP/S035362/1 tomonidan qo‘llab-quvvatlangan. :chatgpt-content-reference{index="9"}

Ma’lumotlar mavjudligi: Tadqiqotlardan ajratib olingan va kodlangan ma’lumotlar; kiritilgan tadqiqotlar ro‘yxati, o‘rganish turlari, qo‘llash yondashuvlari va baholash xususiyatlari bilan birga qo‘shimcha materiallarda taqdim etilgan. :chatgpt-content-reference{index="10"}

Manfaatlar to‘qnashuvi: Mualliflar manfaatlar to‘qnashuvi yo‘qligini bildirganlar.

Litsenziya: Creative Commons Attribution (CC BY). :chatgpt-content-reference{index="11"}

Metodologik chegara: Tadqiqot meta-tahlil emas va AI ta’lim assistentlarining o‘rganishga yagona birlashtirilgan ta’sir kattaligini hisoblamaydi. Mualliflar tadqiqot darajasida formal risk-of-bias baholashini o‘tkazmagan; shu sababli miqdoriy foizlarni aniq ta’sir o‘lchovlaridan ko‘ra adabiyotdagi umumiy sifat tendensiyalari sifatida talqin qilishni tavsiya qilganlar. :chatgpt-content-reference{index="12"}

Verianla usul izohi: Ushbu o‘zbekcha matn manba tizimli sharhining ilmiy mazmunini o‘rgatiladigan tuzilma shaklida qayta tashkil etadi. Manba matnining jumla va paragraf taqdimoti ko‘chirilmagan; PRISMA jarayoni, taksonomiya, miqdoriy taqsimotlar, texnik qo‘llash turlari, tadqiqot bo‘shliqlari va cheklovlar manba ma’nosi saqlangan holda mustaqil o‘zbekcha bayon bilan tartibga solingan.