
 
 
 
 
 
 
 
 
 
 
 
 
 
 ຊື່ຂອງ : (1) Ajit Jain, Texas A&M University, USA; ສະຫນັບສະຫນູນໃນປັດຈຸບັນ: Audigent; (2) Andruid Kerne, Texas A&M University, USA; ສະຫນັບສະຫນູນໃນປັດຈຸບັນ: ວິທະຍາໄລຂອງ Illinois Chicago; (3) Nic Lupfer, Texas A&M University, USA; ສະຫນັບສະຫນູນໃນປັດຈຸບັນ: Mapware; (4) Gabriel Britain, Texas A&M University, USA; ສະຫນັບສະຫນູນໃນປັດຈຸບັນ: Microsoft; (5) Aaron Perrine, ວິທະຍາໄລ Texas A&M, USA (6) Yoonsuck Choe, ວິທະຍາໄລ Texas A&M, USA; (7) John Keyser, ວິທະຍາໄລ Texas A&M, USA (8) Ruihong Huang, ວິທະຍາໄລ Texas A&M, USA; (9) Jinsil Seo, ວິທະຍາໄລ Texas A&M, USA (10) Annie Sungkajun, ວິທະຍາໄລ State ຂອງ Illinois, USA; (11) Robert Lightfoot, ວິທະຍາໄລ Texas A&M, USA; (12) Timothy McGuire, ວິທະຍາໄລ Texas A & M, USA. Authors: (1) Ajit Jain, Texas A&M University, USA; ສະຫນັບສະຫນູນໃນປັດຈຸບັນ: Audigent; (2) Andruid Kerne, Texas A&M University, USA; ສະຫນັບສະຫນູນໃນປັດຈຸບັນ: ວິທະຍາໄລຂອງ Illinois Chicago; (3) Nic Lupfer, Texas A&M University, USA; ສະຫນັບສະຫນູນໃນປັດຈຸບັນ: Mapware; (4) Gabriel Britain, Texas A&M University, USA; ສະຫນັບສະຫນູນໃນປັດຈຸບັນ: Microsoft; (5) Aaron Perrine, ວິທະຍາໄລ Texas A&M, USA (6) Yoonsuck Choe, ວິທະຍາໄລ Texas A&M, USA; (7) John Keyser, ວິທະຍາໄລ Texas A&M, USA (8) Ruihong Huang, ວິທະຍາໄລ Texas A&M, USA; (9) Jinsil Seo, ວິທະຍາໄລ Texas A&M, USA (10) Annie Sungkajun, ວິທະຍາໄລ State ຂອງ Illinois, USA; (11) Robert Lightfoot, ວິທະຍາໄລ Texas A&M, USA; (12) Timothy McGuire, ວິທະຍາໄລ Texas A & M, USA. ຕາຕະລາງ Links ຊື່ຫຍໍ້ຂອງ : Abstract and 1 Introduction 
 
 
 
 
 
 
 
 
 
 
 
 Prior Work and 2.1 Educational Objectives of Learning Activities 2.2 Multiscale Design 2.3 Assessing Creative Visual Design 2.4 Learning Analytics and Dashboards 
 
 
 
 Research Artifact/Probe 3.1 Multiscale Design Environment 3.2 Integrating a Design Analytics Dashboard with the Multiscale Design Environment 
 
 
 
 Methodology and Context 4.1 Course Contexts 4.2 Instructor interviews 
 
 
 
 
 
 Findings 5.1 Gaining Insights and Informing Pedagogical Action 5.2 Support for Exploration, Understanding, and Validation of Analytics 5.3 Using Analytics for Assessment and Feedback 5.4 Analytics as a Potential Source of Self-Reflection for Students 
 
 
 
 
 Discussion + Implications: Contextualizing: Analytics to Support Design Education 6.1 Indexicality: Demonstrating Design Analytics by Linking to Instances 6.2 Supporting Assessment and Feedback in Design Courses through Multiscale Design Analytics 6.3 Limitations of Multiscale Design Analytics 
 
 Conclusion and References A. ຄໍາຖາມinterview ພວກເຮົາມີການຄົ້ນຄວ້າກ່ຽວກັບວິທີການນໍາໃຊ້ການເຂົ້າລະຫັດ AI ເພື່ອສະຫນັບສະຫນູນການຝຶກອົບຮົມການອອກແບບ. ການເຂົ້າລະຫັດການເຂົ້າລະຫັດທີ່ໃຊ້ເວລາການອອກແບບ multiscale, ມັນເປັນການນໍາໃຊ້ຂອງນັກສຶກສາຂອງສະຖານທີ່ແລະຂະຫນາດການອອກແບບເພື່ອສ້າງການອອກແບບຂອງເຂົາເຈົ້າຢ່າງວ່ອງໄວແລະວິຊາຊີບ. ມີຄວາມຕ້ອງການທີ່ຈະເຮັດໃຫ້ການເຂົ້າລະຫັດການເຂົ້າລະຫັດການເຂົ້າລະຫັດສໍາລັບການຝຶກອົບຮົມ, ພວກເຮົາມີການພັດທະນາອຸປະກອນການຄົ້ນຄວ້າການເຂົ້າລະຫັດການອອກແບບທີ່ມີ instances ການອອກແບບແລະສະພາບແວດລ້ອມການອອກແບບທີ່ນັກຮຽນໃຊ້ເພື່ອສ້າງພວກເຂົາ. ພວກເຮົາມີປະສົບການໃນການຄົ້ນຄວ້າກ່ຽວກັບວິທີການຂອງ Suchman ຂອງຄວາມຮູ້ສຶກອົບຮົມຂອງພວກເຮົາມີຄວາມຕ້ອງການຂອງການຄົ້ນຄວ້າທີ່ກ່ຽວຂ້ອງຂອງ AI ເພື່ອພັດທະນາປະສົບການກ່ຽວກັບການເຮັດວຽກຂອງຜູ້ຊ່ຽວຊານໃນການຄົ້ນຄວ້າ. ພວກເຮົາມີປະສົບການໃນການຄົ້ນຄວ້າ artefact ໃນ 5 ປະເພດຂອງການຝຶກອົບຮົມ, ໃນ 3 ປະເພດ. ທັງຫມົດຂອງ 236 ນັກສຶກສາໄດ້ນໍາໃຊ້ສະພາບແວດລ້ອມການອອກແບບ multi-scale. 9 ການຝຶກອົບຮົມທີ່ຝຶກອົບຮົມຜູ້ຊ່ຽວຊານຂອງພວກເຮົາມີປະສົບການ analytics ໂດຍຜ່ານ artefact ການຄົ້ນຄວ້າໃຫມ່. ພວກເຮົາມີຜົນປະໂຫຍດຈາກການທົດລອງຄຸນນະພາບຂອງການທົດລອງທີ່ມີຜູ້ຝຶກອົບຮົມກ່ຽວກັບປະສົບການຂອງພວກເຂົາ. ຜູ້ຝຶກອົບຮົມຂອບໃຈກ່ຽວກັບວິທີການ analytics ແລະການ Presentation ຂອງພວກເຂົາໃນ dashboard ມີຄວາມສາມາດໃນການປະໂຫຍດການຝຶກອົບຮົມການອອກແບບ. ພວກເຮົາມີຜົນປະໂຫຍດການຄົ້ນຄວ້າໃນການປິ່ນປົວ: (1) ວິທີການເຂົ້າລະຫັດ analytics ການອອກແບບໃນ dashboard ກັບ instances ການເຮັດວຽກການອອກແບບທີ່ແທ້ຈິງຊ່ວຍໃຫ້ຜູ້ຝຶກອົບຮົມອອກແບບຂອບໃຈກ່ຽວກັບສິ່ງທີ່ພວກເຂົາຄວນຮູ້ແລະ, ໂດຍທົ່ວໄປ, ແມ່ນວິທີການສໍາລັບວິທີການທີ່ AI-based analytics ການອອກແບບສາມາດສະຫນັບສະຫນັບສະຫນູນປະສົບການຂອງຜູ້ຝຶກອົບຮົມຂອງການ 1 ການນໍາສະເຫນີ ພວກເຮົາມີການຄົ້ນຄວ້າການຊ່ວຍເຫຼືອການຝຶກອົບຮົມການອອກແບບໂດຍການເຊື່ອມຕໍ່ໂດຍອີງໃສ່ການທົດສອບ AI ກັບຕົວຢ່າງຂອງການອອກແບບວິດີໂອຂອງນັກຮຽນ, ເພື່ອສະແດງໃຫ້ເຫັນວ່າສິ່ງທີ່ຖືກກວດສອບ. ການປິ່ນປົວຂອງພວກເຮົາມີການເຊື່ອມຕໍ່ບັນຊີການອອກແບບ analytics ກັບສະພາບແວດລ້ອມການອອກແບບການຮ່ວມມື, ໃນເວລາທີ່ນັກຮຽນແລະຜູ້ຝຶກອົບຮົມສ້າງແລະຄໍາເຫັນກ່ຽວກັບຕົວຢ່າງຂອງການອອກແບບ. ການອອກແບບທີ່ໃຊ້ເວລາ, ການອອກແບບ multiscale analytics, ໄດ້ຖືກນໍາສະເຫນີໂດຍ Jain et al [40] . ການຄາດຄະເນດິນຟ້າອິນເຕີເນັດແລະການຄາດຄະເນດິນຟ້າອິນເຕີເນັດ ການອອກແບບ multiscale analytics ໃນຖານະເປັນ Lupfer ແລະອື່ນໆ, ເປັນ "ການນໍາໃຊ້ຂອງສະຖານທີ່ແລະຂະຫນາດການທົດລອງເພື່ອທົດສອບແລະການເຊື່ອມຕໍ່, [ທີ່] ລວມທັງ juxtaposition ແລະ synthesis ຂອງອຸປະກອນການອອກແບບທີ່ແຕກຕ່າງກັນ" [51] (ຊອກຫາຕົວຢ່າງໃນຮູບພາບ 1.) Scale ແມ່ນການນໍາໃຊ້ຂອງລະດັບການຂະຫນາດ: ອຸປະກອນໃນຂະຫນາດຫນຶ່ງແມ່ນ "ເປັນປະໂຫຍດທີ່ແຕກຕ່າງກັນກັບການ zoom viewport ທີ່ແຕກຕ່າງກັນ" [52]. ໃນທົດສອບ, ພວກເຮົາເບິ່ງວ່າ juxtaposition ແລະ synthesis ຂອງອຸປະກອນ, ໃນໄລຍະຂະຫນາດໃຫຍ່, ມີຄວາມຊອກຫາເປັນຊຸດສະພາບແວດລ້ອມ, ເຊັ່ນ clusters (ຮູບພາບ 1) ຂອງອຸປະກອນ. ການອອກແບບ multiscale ການອອກແບບ Multiscale ໃນກໍລະນີທີ່ແຕກຕ່າງກັນຂອງການຝຶກອົບຮົມການຝຶກອົບຮົມການຝຶກອົບຮົມການຝຶກອົບຮົມ, ຜູ້ຊ່ຽວຊານເຮັດວຽກກ່ຽວກັບໂຄງການທີ່ຫນ້າຕື່ນເຕັ້ນ, ທີ່ສາມາດມີວິທີການຫຼາຍກ່ວາການແກ້ໄຂບັນຫາ, ເຊັ່ນດຽວກັນ, ມັນບໍ່ມີຄໍາແນະນໍາທີ່ແທ້ຈິງ. ໃນຂະນະທີ່ການຝຶກອົບຮົມທີ່ດີເລີດແມ່ນມີຄຸນນະສົມບັດຂອງການຝຶກອົບຮົມທີ່ດີເລີດ, ເຊັ່ນດຽວກັນກັບຄວາມຊ່ຽວຊານ, ທີ່ຖືກນໍາໃຊ້ໃນຂະນະທີ່ບັນຫາໂຄງການຝຶກອົບຮົມທີ່ແຕກຕ່າງກັນ. ການຝຶກອົບຮົມກ່ຽວກັບໂຄງການເຊັ່ນດຽວກັນແມ່ນຮູ້ສຶກວ່າມັນເປັນການຝຶກອົບຮົມທີ່ດີເລີດ [58]. ນັກຝຶກອົບຮົມຕ້ອງການ ຖ້າຫາກວ່າທ່ານກໍາລັງຊອກຫາຂໍ້ມູນເພີ່ມເຕີມກ່ຽວກັບການອອກແບບຂອງພວກເຮົາ, ທ່ານສາມາດຊອກຫາຂໍ້ມູນເພີ່ມເຕີມກ່ຽວກັບການອອກແບບຂອງພວກເຮົາ. ຖ້າຫາກວ່າທ່ານກໍາລັງຊອກຫາຂໍ້ມູນເພີ່ມເຕີມກ່ຽວກັບການອອກແບບຂອງພວກເຮົາ, ຖ້າຫາກວ່າທ່ານກໍາລັງຊອກຫາຂໍ້ມູນເພີ່ມເຕີມກ່ຽວກັບການອອກແບບຂອງພວກເຮົາ. ຖ້າຫາກວ່າທ່ານກໍາລັງຊອກຫາຂໍ້ມູນເພີ່ມເຕີມກ່ຽວກັບການອອກແບບຂອງພວກເຮົາ, ຖ້າຫາກວ່າທ່ານກໍາລັງຊອກຫາຂໍ້ມູນເພີ່ມເຕີມກ່ຽວກັບການອອກແບບຂອງພວກເຮົາ. ຖ້າຫາກວ່າທ່ານກໍາລັງຊອກຫາຂໍ້ມູນເພີ່ມເຕີມກ່ຽວກັບການອອກແບບຂອງພວກເຮົາ, ທ່ານສາມາດຊອກຫາຂໍ້ມູນເພີ່ມເຕີມກ່ຽວກັບການອອກແບບຂອງພວກເຮົາ. ການຄົ້ນຄວ້າທີ່ກ່ຽວຂ້ອງກັບຄວາມຕ້ອງການຂອງ scenario ນີ້, ພວກເຮົາມີການນໍາໃຊ້ການຄົ້ນຄວ້າທີ່ຜ່ານມາຂອງ AI, ເຊິ່ງໄດ້ສະແດງໃຫ້ເຫັນຜົນປະໂຫຍດທີ່ຍິ່ງໃຫຍ່ໃນຄວາມຮູ້ສຶກຂອງຄຸນນະພາບການອອກແບບສະພາບແວດລ້ອມທີ່ມີຄຸນນະພາບ, ເຊັ່ນດຽວກັນກັບສະຖາບັນທີ່ເຊື່ອມຕໍ່ໃນອຸປະກອນອຸປະກອນອຸດສາຫະກໍາ [40, 59]. ການຄົ້ນຄວ້າທີ່ພວກເຮົາມີການປິ່ນປົວແມ່ນບໍ່ມີຄວາມຮູ້ສຶກທີ່ຜ່ານມາກ່ຽວກັບວິທີການທີ່ອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນ RQ1: ວິທີການ, ຖ້າຫາກວ່າມີ, ການວິເຄາະການອອກແບບທີ່ອະນຸຍາດໂດຍ AI ສາມາດສະຫນັບສະຫນູນການຄົ້ນຄວ້າແລະປະສົບການ Feedback ຂອງຜູ້ຝຶກອົບຮົມໃນສະຖານທີ່ການຝຶກອົບຮົມ? RQ2: ປະສິດທິພາບພິເສດທີ່ AI-based multiscale ການວິເຄາະການອອກແບບສາມາດສະຫນອງໃຫ້ການຝຶກອົບຮົມການອອກແບບໃນສະພາບແວດລ້ອມການຝຶກອົບຮົມ? ການສອບເສັງການອອກແບບທີ່ສ້າງຕັ້ງຂຶ້ນໂດຍ AI ແມ່ນເຕັກໂນໂລຊີໃຫມ່, ເຊິ່ງເປັນຄວາມຊ່ຽວຊານໃນການຄົ້ນຄວ້າ, ເນື່ອງຈາກວ່າການເຮັດວຽກຂອງການສຶກສາໃນສະພາບແວດລ້ອມທີ່ຖືກຕັ້ງຂຶ້ນແມ່ນຄວາມຊ່ຽວຊານ. Ethics prescribe that it is necessary to provide all the functionalities sufficient to support instructors and students so we do not hinder learning [17]. ສໍາລັບການຊ່ວຍເຫຼືອຄວາມຮູ້ໃຫມ່ກ່ຽວກັບວິທີທີ່ AI-based design analytics ມີຄວາມພະຍາຍາມທີ່ຈະເປັນປະໂຫຍດ, ພວກເຮົາມີ (RtD) [31, 84, 85] ວິທີການ. RtD ແມ່ນເຫມາະສົມໃນເວລາທີ່ຈຸດປະສົບການແມ່ນການທົດສອບ "ທີ່ສາມາດເປັນ" ບໍ່ວ່າຈະເປັນ "ການຕັດສິນໃຈຫຼືການຕັດສິນໃຈ" ຂອງເຕັກໂນໂລຊີທີ່ແຕກຕ່າງກັນ. ໃນຂະນະທີ່ Zimmerman ແລະອື່ນໆລັກສະນະ, ການຕັດສິນໃຈຂອງ RtD ແມ່ນກ່ຽວກັບການເຮັດວຽກຂອງ "ສິ່ງທີ່ເຫມາະສົມ", ບໍ່ວ່າຈະເປັນສິ່ງທີ່ເຫມາະສົມ [84]. ການຄົ້ນຄວ້າທີ່ຜ່ານມາ [63] ໄດ້ນໍາໃຊ້ວິທີການ sond ການອອກແບບທີ່ເຫມາະສົມເພື່ອພັດທະນາຄວາມຮູ້ສຶກຂອງປະສົບການຂອງຜູ້ໃຊ້ທີ່ມີການດໍາເນີນການຂອງ algoritm ໄດ້. ການຄົ້ນຄວ້າໃນປັດຈຸບັນໄດ້ນໍາໃຊ້ວິທີການ RtD ທີ່ເຫມາະສົມໂດຍການພັດທະນາຂອງ " ການຄົ້ນຄວ້າໂດຍການອອກແບບ ພວກເຮົາໄດ້ທົດສອບອຸປະກອນການຄົ້ນຄວ້າໃນ 5 ປະເພດສຸຂະພາບ, ໃນ 3 ປະເພດ, ເພື່ອຮູ້ວິທີການ analytics ການອອກແບບ multiscale ແລະການ Presentation ຂອງພວກເຂົາສາມາດສະຫນັບສະຫນູນການຄົ້ນຄວ້າແລະການຕັດສິນໃຈຂອງຜູ້ຝຶກອົບຮົມ. ທັງຫມົດຂອງ 236 ນັກຮຽນໄດ້ນໍາໃຊ້ສະພາບແວດລ້ອມການອອກແບບ multiscale. ຜູ້ຝຶກອົບຮົມ 9 ຜູ້ຝຶກອົບຮົມທີ່ຝຶກອົບຮົມຜູ້ຝຶກອົບຮົມນີ້ໄດ້ທົດສອບອຸປະກອນການຄົ້ນຄວ້າໂດຍຜ່ານການອຸປະກອນການຄົ້ນຄວ້າໃຫມ່ທີ່ເຊື່ອມຕໍ່ກັບສະພາບແວດລ້ອມການອອກແບບ. ພວກເຮົາມີປະສົບການຈາກການທົດສອບຄົວທີ່ມີຄຸນນະພາບຂອງຜູ້ຝຶກອົບຮົມກ່ຽວກັບປະສົບ 
 
 ເອກະສານນີ້ແມ່ນສາມາດເຂົ້າເຖິງໃນ archiv under CC by 4.0 Deed (Attribution 4.0 International) License. ເອກະສານນີ້ແມ່ນ ໂດຍ CC by 4.0 Deed (Attribution 4.0 International) ອະນຸຍາດ. ສະຫນັບສະຫນູນໃນ Archives ສະຫນັບສະຫນູນໃນ Archives

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Dash

dashboard

Microsoft

Instancing.TECH

Pioneering instance management, driving innovative solutions for efficient resource utilization, and enabling a more sus

Instancing's blog

ສຽງນີ້ຖືກຜະລິດເປັນພາສາຕົ້ນສະບັບຂອງເລື່ອງ!

ການທົດສອບ AI ຈະປັບປຸງຄຸນນະພາບຂອງນັກສຶກສາໃນການ evaluating ໂຄງການການອອກແບບຂອງນັກຮຽນ, ການຄົ້ນຄວ້າ found

About Author

ຄຳເຫັນ

ວາງປ້າຍ

ບົດຄວາມນີ້ໄດ້ຖືກນໍາສະເຫນີໃນ

Related Stories

Meet Leobit: HackerNoon Company of the Week

Unraveling Web and API Security by Vulnerabilities Examples

On Building HackerNoon's Pixel Icon Library

Chowa Widgets: Smarter Writing at Your Fingertips

Meet Leobit: HackerNoon Company of the Week

Unraveling Web and API Security by Vulnerabilities Examples

On Building HackerNoon's Pixel Icon Library

Chowa Widgets: Smarter Writing at Your Fingertips

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps

ການທົດສອບ AI ຈະປັບປຸງຄຸນນະພາບຂອງນັກສຶກສາໃນການ evaluating ໂຄງການການອອກແບບຂອງນັກຮຽນ, ການຄົ້ນຄວ້າ found

About Author

ຄຳເຫັນ

ວາງປ້າຍ

ບົດ​ຄວາມ​ນີ້​ໄດ້​ຖືກ​ນໍາ​ສະ​ເຫນີ​ໃນ

Related Stories

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps

ບົດຄວາມນີ້ໄດ້ຖືກນໍາສະເຫນີໃນ