DOI: https://doi.org/10.1038/s41598-025-91330-3
PMID: https://pubmed.ncbi.nlm.nih.gov/40025064
تاريخ النشر: 2025-03-01
المؤلف: Mohsin Murtaza وآخرون
الموضوع الرئيسي: التفاعل بين الإنسان والآلات والسلامة
نظرة عامة
تقيّم هذه الدراسة فعالية التعلم المدعوم بـ ChatGPT في تحسين فهم أنظمة مساعدة السائق المتقدمة (ADAS) مقارنة بالطرق التقليدية المعتمدة على الورق. باستخدام استبيانات متعددة الخيارات ومؤشر عبء العمل من ناسا، وجدت الأبحاث أن المشاركين الذين استخدموا ChatGPT حصلوا، في المتوسط، على درجات أعلى بنسبة 11% من حيث الدقة مع تجربة عبء إدراكي وجسدي أقل. تشير هذه النتائج إلى أن التعلم التفاعلي المدفوع بنموذج اللغة الكبير (LLM) لا يعزز فقط اكتساب المعرفة ولكن يوفر أيضًا تجربة تعليمية أقل توترًا، مما يتناسب مع تفضيلات التعلم المتنوعة عبر خلفيات تعليمية مختلفة.
تؤكد النتائج على إمكانية ChatGPT في سد الفجوات المعرفية بشكل أكثر كفاءة من الطرق التقليدية، خاصة في المجالات التقنية. تسلط الدراسة الضوء على الفروق الكبيرة في عبء الإدراك، ونتائج الأداء، ورضا المتعلمين، داعية إلى دمج الأدوات المدفوعة بالذكاء الاصطناعي في الأطر التعليمية. تدعو إلى مزيد من البحث في قابلية التوسع وفعالية التدريب القائم على ChatGPT عبر مختلف الفئات السكانية ومجالات التعلم، مع التأكيد على الحاجة إلى إعادة تقييم النماذج التعليمية الحالية لتضمين التقنيات التفاعلية والتكيفية من أجل تحسين نتائج التعلم.
طرق البحث
في هذه الدراسة، يبحث المؤلفون في فعالية طرق التعلم التقليدية المعتمدة على الورق مقارنةً بمنصة التعلم القائمة على ChatGPT في تعليم السائقين الشباب (الأعمار من 18 إلى 24) حول ثلاث وظائف من أنظمة مساعدة السائق المتقدمة (ADAS): التحكم التكيفي في السرعة (ACC)، تجنب الاصطدام (CA)، ووعي النقاط العمياء (BSA). تم اختيار هذه الوظائف من ADAS بناءً على قدرتها على تقليل الحوادث المرورية بشكل كبير، حيث يمكن للاستخدام الصحيح أن يمنع ما يصل إلى 89% من الحوادث المرورية الناتجة عن البشر. تم اختيار الفئة المستهدفة نظرًا لارتفاع احتمال تعرضهم لحوادث الطرق ومعرفتهم بالتقنيات الرقمية، مما يجعلهم أكثر تقبلاً لأساليب التعليم المبتكرة التي تهدف إلى تعزيز مهارات القيادة ووعي السلامة.
تم هيكلة المنهجية إلى عدة أقسام فرعية، توضح عملية تجنيد المشاركين، وأسباب تصميم التجربة، وجلسات التسجيل والإحاطة، وتحليل تفاعل المستخدم مع منصة ChatGPT. يبرز هذا النهج المنهجي تركيز البحث على تقييم تأثير وسائل التعليم المختلفة على سلامة السائق، مما يوفر إطارًا شاملاً لفهم كيفية تأثير هذه الأساليب على نتائج التعلم في سياق تعليم السلامة على الطرق.
النتائج
تحققت نتائج هذه الدراسة من فعالية التعلم المدعوم بـ ChatGPT مقارنةً بطرق التعلم التقليدية المعتمدة على الورق. تلقى المشاركون دليل مستخدم يوضح ثلاث وظائف من أنظمة مساعدة السائق المتقدمة (ADAS)، كما هو موضح في الجدول 1. بعد ذلك، أكمل كلا المجموعتين استبيان اختيار متعدد (MCQ) لتقييم فهمهم، وتم تحليل ردودهم من حيث الدقة.
بالإضافة إلى الاستبيان، ملأ جميع المشاركين استبيان مؤشر عبء العمل من ناسا (TLX) لتقييم ومقارنة العبء الإدراكي الذي تم تجربته خلال كل طريقة تدريب. كان الهدف من هذا النهج المزدوج للتقييم هو تقديم رؤى حول ليس فقط نتائج التعلم ولكن أيضًا المطالب الإدراكية المرتبطة بكل استراتيجية تعليمية.
المناقشة
تؤكد قسم المناقشة في ورقة البحث على الحاجة الملحة لاستراتيجيات تعليمية فعالة بشأن أنظمة مساعدة السائق المتقدمة (ADAS) والمركبات المستقلة (AV). تسلط الضوء على قيود طرق التدريب التقليدية، مثل كتيبات المالك وتعليمات الوكالات، التي غالبًا ما تفشل في تقديم معلومات شاملة وسهلة الوصول حول وظائف ADAS. يدعو المؤلفون إلى منهجيات تدريب مبتكرة، خاصة تلك التي تستفيد من الذكاء الاصطناعي (AI) ونماذج اللغة الكبيرة (LLMs) مثل ChatGPT، لإنشاء تجارب تعليمية شخصية وتفاعلية. أظهرت الدراسات السابقة التأثير الإيجابي لنماذج اللغة الكبيرة على نتائج التعليم عبر مختلف القطاعات، مما يشير إلى أن مثل هذه الأدوات يمكن أن تعزز الفهم والانخراط في سياق تدريب ADAS.
تناقش الورقة أيضًا تطبيق نظرية عبء الإدراك (CLT) لتحسين التعلم من خلال إدارة المطالب الإدراكية المرتبطة بالأنظمة المعقدة مثل ADAS. تم تقديم مؤشر عبء العمل من ناسا (NASA-TLX) كأداة لتقييم العبء الإدراكي، مما يوفر رؤى حول فعالية طرق التعليم المختلفة. تهدف الدراسة الحالية إلى مقارنة فعالية التدريب القائم على ChatGPT ضد الطرق التقليدية المعتمدة على الورق، مع التركيز على العبء الإدراكي، وأداء المهام، ونتائج التعلم بين مجموعات سكانية متنوعة، وخاصة السائقين الشباب. تشير النتائج الأولية إلى أن المشاركين الذين تم تدريبهم باستخدام ChatGPT أدوا بشكل أفضل بكثير من أولئك الذين استخدموا الطرق التقليدية، مما يبرز إمكانية أدوات التعليم المدفوعة بالذكاء الاصطناعي في تعزيز سلامة السيارات وفهم المستخدم لتقنيات المركبات المتقدمة.
DOI: https://doi.org/10.1038/s41598-025-91330-3
PMID: https://pubmed.ncbi.nlm.nih.gov/40025064
Publication Date: 2025-03-01
Author(s): Mohsin Murtaza et al.
Primary Topic: Human-Automation Interaction and Safety
Overview
This study evaluates the effectiveness of ChatGPT-assisted learning in improving comprehension of Advanced Driver Assistance Systems (ADAS) compared to traditional paper-based methods. Utilizing multiple-choice questionnaires and the NASA Task Load Index, the research found that participants using ChatGPT scored, on average, 11% higher in correctness while experiencing reduced cognitive and physical demands. These results suggest that interactive Large Language Model (LLM)-driven learning not only enhances knowledge acquisition but also provides a less stressful educational experience, accommodating diverse learning preferences across various educational backgrounds.
The findings underscore ChatGPT’s potential to bridge knowledge gaps more efficiently than conventional approaches, particularly in technical fields. The study highlights significant differences in cognitive load, performance outcomes, and learner satisfaction, advocating for the integration of AI-driven tools in educational frameworks. It calls for further research into the scalability and effectiveness of ChatGPT-based training across different demographics and learning domains, emphasizing the need to reassess existing educational models to incorporate interactive and adaptive technologies for improved learning outcomes.
Methods
In this study, the authors investigate the effectiveness of conventional paper-based learning methods compared to a ChatGPT-based learning platform in educating young drivers (ages 18 to 24) about three Advanced Driver Assistance Systems (ADAS) functions: Adaptive Cruise Control (ACC), Collision Avoidance (CA), and Blind Spot Awareness (BSA). The selection of these ADAS functions is based on their potential to significantly reduce vehicular accidents, with proper usage capable of preventing up to 89% of human-caused traffic incidents. The target demographic was chosen due to their higher likelihood of being involved in road accidents and their familiarity with digital technologies, making them more receptive to innovative educational approaches aimed at enhancing driving skills and safety awareness.
The methodology is structured into several subsections, detailing participant recruitment, experimental design rationale, registration and briefing sessions, and an analysis of user interaction with the ChatGPT platform. This systematic approach underscores the research’s focus on evaluating the impact of different educational mediums on driver safety, providing a comprehensive framework for understanding how these methods can influence learning outcomes in the context of road safety education.
Results
The results of this study investigated the effectiveness of ChatGPT-assisted learning compared to traditional paper-based learning methods. Participants received a user manual outlining three Advanced Driver Assistance Systems (ADAS) functions, as detailed in Table 1. Subsequently, both groups completed a Multiple-Choice Questionnaire (MCQ) to assess their comprehension, with their responses analyzed for accuracy.
In addition to the MCQ, all participants filled out the NASA Task Load Index (TLX) survey to evaluate and compare the cognitive load experienced during each training method. This dual assessment approach aimed to provide insights into not only the learning outcomes but also the cognitive demands associated with each instructional strategy.
Discussion
The discussion section of the research paper emphasizes the critical need for effective educational strategies regarding Advanced Driver Assistance Systems (ADAS) and Autonomous Vehicles (AV). It highlights the limitations of traditional training methods, such as owner’s manuals and dealership instruction, which often fail to provide comprehensive and accessible information about ADAS functionalities. The authors advocate for innovative training methodologies, particularly those leveraging Artificial Intelligence (AI) and Large Language Models (LLMs) like ChatGPT, to create personalized and interactive learning experiences. Previous studies have demonstrated the positive impact of LLMs on educational outcomes across various sectors, suggesting that such tools can enhance understanding and engagement in the context of ADAS training.
The paper also discusses the application of Cognitive Load Theory (CLT) to optimize learning by managing cognitive demands associated with complex systems like ADAS. The NASA Task Load Index (NASA-TLX) is introduced as a tool to assess cognitive load, providing insights into the effectiveness of different instructional methods. The current study aims to compare the effectiveness of ChatGPT-based training against traditional paper-based methods, focusing on cognitive load, task performance, and learning outcomes among diverse demographic groups, particularly young drivers. Preliminary findings indicate that participants trained with ChatGPT performed significantly better than those using conventional methods, underscoring the potential of AI-driven educational tools in enhancing automotive safety and user comprehension of advanced vehicle technologies.