Gen yon bezwen k ap grandi pou elèv ki santre aprantisaj (SCL) nan enstitisyon edikasyon siperyè, ki gen ladan Dexter. Sepandan, SCL gen aplikasyon limite nan edikasyon dantè. Se poutèt sa, etid sa a gen pou objaktif pou ankouraje aplikasyon an nan SCL nan Dexter lè l sèvi avèk desizyon Tree Machine Learning (ML) teknoloji nan kat jeyografik la pi pito style aprantisaj (LS) ak korespondan estrateji aprantisaj (IS) nan elèv dantè kòm yon zouti itil pou devlope se direktiv . Metòd prometteur pou elèv dantè.
Yon total de 255 elèv dantè nan Inivèsite Malaya te konplete endèks la modifye nan Styles Aprantisaj (M-IL) kesyonè, ki gen 44 atik yo klasifye yo nan LSS respektif yo. Done yo kolekte (yo rele yon dataset) yo itilize nan sipèvize desizyon pyebwa aprantisaj otomatikman matche ak estil aprantisaj elèv yo nan ki pi apwopriye a se. Lè sa a, yo evalye presizyon nan machin aprantisaj ki baze sou zouti a.
Aplikasyon an nan modèl pye bwa desizyon nan yon pwosesis kat otomatik ki fonksyone ant LS (D ') ak se (pwodiksyon sib) pèmèt pou yon lis imedya nan estrateji aprantisaj ki apwopriye pou chak elèv dantè. Zouti rekòmandasyon IS a demontre presizyon pafè ak sonje nan presizyon modèl an jeneral, ki endike ke matche LS a se gen bon sansiblite ak espesifik.
Yon zouti rekòmandasyon IS ki baze sou yon pye bwa desizyon ML te pwouve kapasite li nan avèk presizyon matche ak estil aprantisaj elèv dantè yo ak estrateji aprantisaj ki apwopriye yo. Zouti sa a bay opsyon pwisan pou planifikasyon kou aprantisaj ki santre oswa modil ki ka amelyore eksperyans aprantisaj la nan elèv yo.
Ansèyman ak aprantisaj yo se aktivite fondamantal nan enstitisyon edikatif yo. Lè y ap devlope yon sistèm edikasyon pwofesyonèl ki gen kalite siperyè, li enpòtan pou konsantre sou bezwen aprantisaj elèv yo. Ka entèraksyon ki genyen ant elèv yo ak anviwònman aprantisaj yo dwe detèmine nan LS yo. Rechèch sijere ke pwofesè-entansyon dezekilib ant LS elèv yo ak se ka gen konsekans negatif pou aprantisaj elèv yo, tankou diminye atansyon ak motivasyon. Sa a pral afekte endirèkteman pèfòmans elèv [1,2].
IS se yon metòd ke pwofesè yo itilize pou separe konesans ak ladrès pou elèv yo, ki gen ladan ede elèv yo aprann [3]. Anjeneral pale, bon pwofesè plan estrateji ansèyman oswa se ki pi byen matche ak nivo elèv yo nan konesans, konsèp yo ap aprann, ak etap yo nan aprantisaj. Teyorikman, lè LS ak se matche ak, elèv yo pral kapab òganize epi sèvi ak yon seri espesifik nan ladrès yo aprann efektivman. Tipikman, yon plan leson gen ladan plizyè tranzisyon ant etap, tankou nan ansèyman nan pratik gide oswa soti nan pratik gide nan pratik endepandan. Avèk sa nan lide, pwofesè efikas souvan planifye enstriksyon ak objektif la nan bati konesans elèv yo ak ladrès [4].
Demann pou SCL ap grandi nan enstitisyon edikasyon siperyè, ki gen ladan Dexter. Estrateji SCL yo fèt pou satisfè bezwen aprantisaj elèv yo. Sa a kapab reyalize, pou egzanp, si elèv yo aktivman patisipe nan aktivite aprantisaj ak pwofesè aji kòm fasilitatè ak yo responsab pou bay fidbak valab. Li te di ke bay materyèl aprantisaj ak aktivite ki apwopriye a nivo edikasyon elèv yo oswa preferans ka amelyore anviwònman aprantisaj elèv yo ak ankouraje eksperyans aprantisaj pozitif [5].
Anjeneral pale, se pwosesis aprantisaj elèv yo 'enfliyanse pa divès kalite pwosedi yo nan klinik yo oblije fè ak anviwònman an nan klinik nan kote yo devlope efikas ladrès entèpèsonèl. Objektif fòmasyon an se pou pèmèt elèv yo konbine konesans debaz sou Dexter ak ladrès klinik dantè epi aplike konesans akeri nan nouvo sitiyasyon klinik [6, 7]. Rechèch bonè nan relasyon ki genyen ant LS epi yo jwenn ke ajisteman estrateji aprantisaj trase nan LS yo pi pito ta ede amelyore pwosesis la edikasyon [8]. Otè yo rekòmande tou pou yo itilize yon varyete metòd ansèyman ak evalyasyon pou adapte yo ak aprantisaj ak bezwen elèv yo.
Pwofesè yo benefisye de aplike konesans LS pou ede yo konsepsyon, devlope, ak aplike enstriksyon ki pral amelyore akizisyon elèv yo nan pi fon konesans ak konpreyansyon yo genyen sou matyè a. Chèchè yo te devlope plizyè zouti evalyasyon LS, tankou modèl la Kolb Eksperyans Aprantisaj, Felder-Silverman Aprantisaj style modèl la (FSLSM), ak Fleming VAK/Vark modèl la [5, 9, 10]. Selon literati a, modèl aprantisaj sa yo se modèl aprantisaj ki pi souvan itilize ak pi etidye. Nan travay rechèch aktyèl la, FSLSM yo itilize pou evalye LS nan mitan elèv dantè yo.
FSLSM se yon modèl lajman itilize pou evalye aprantisaj adaptasyon nan jeni. Gen anpil travay pibliye nan syans sante yo (ki gen ladan medikaman, retrèt, famasi ak Dexter) ki ka jwenn lè l sèvi avèk modèl FSLSM [5, 11, 12, 13]. Enstriman ki itilize pou mezire dimansyon LS nan FLSM a rele endèks estil aprantisaj (IL) [8], ki gen 44 atik ki evalye kat dimansyon LS: pwosesis (aktif/meditativ), pèsepsyon (pèsepsyon/entwisyon), Antre (vizyèl). /vèbal) ak konpreyansyon (sekans/mondyal) [14].
Jan yo montre nan Figi 1, chak dimansyon FSLSM gen yon preferans dominan. Pou egzanp, nan dimansyon nan pwosesis, elèv ki gen "aktif" LS pito pwosesis enfòmasyon pa dirèkteman kominike avèk materyèl aprantisaj, aprann pa fè, epi yo gen tandans aprann nan gwoup. "Refleksyon" LS la refere a aprann nan panse ak pwefere nan travay pou kont li. Ka dimansyon nan "wè" nan LS dwe divize an "santi" ak/oswa "entwisyon." "Santi" elèv yo pito plis enfòmasyon konkrè ak pwosedi pratik, yo se reyalite-oryante konpare ak "entwisyon" elèv yo ki ta pito abstrè materyèl ak yo gen plis inovatè ak kreyatif nan lanati. Dimansyon "D '" nan LS konsiste de "vizyèl" ak "vèbal" elèv k ap aprann. Moun ki gen "vizyèl" LS pito aprann nan manifestasyon vizyèl (tankou dyagram, videyo, oswa manifestasyon ap viv), tandiske moun ki gen "vèbal" LS pito aprann nan mo nan eksplikasyon ekri oswa oral. Pou "konprann" dimansyon yo LS, elèv k ap aprann sa yo ka divize an "sekans" ak "mondyal". "Elèv k ap aprann sekans pito yon pwosesis panse lineyè ak aprann etap pa etap, pandan y ap elèv k ap aprann mondyal yo gen tandans gen yon pwosesis panse holistic ak toujou gen yon pi bon konpreyansyon yo genyen sou sa yo ap aprann.
Dènyèman, anpil chèchè yo te kòmanse eksplore metòd pou done otomatik ki baze sou dekouvèt, ki gen ladan devlopman nan algoritm nouvo ak modèl ki kapab entèprete gwo kantite done [15, 16]. Baze sou done yo bay la, sipèvize ML (aprantisaj machin) se kapab jenere modèl ak ipotèz ki predi rezilta nan lavni ki baze sou konstriksyon an nan algoritm [17]. Senpleman mete, sipèvize teknik aprantisaj machin manipile done opinyon ak algoritm tren. Li Lè sa a, jenere yon seri ki klase oswa predi rezilta a ki baze sou sitiyasyon menm jan an pou done yo bay yo. Avantaj prensipal la nan algoritm aprantisaj machin sipèvize se kapasite li nan etabli rezilta ideyal ak vle [17].
Atravè itilize nan done ki baze sou metòd ak modèl kontwòl pyebwa desizyon, deteksyon otomatik nan LS se posib. Pye bwa desizyon yo te rapòte yo dwe lajman ki itilize nan pwogram fòmasyon nan divès domèn, ki gen ladan syans sante [18, 19]. Nan etid sa a, yo te modèl la espesyalman ki resevwa fòmasyon pa devlopè yo sistèm yo idantifye LS elèv yo ak rekòmande pi bon an se pou yo.
Rezon ki fè etid sa a se yo devlope se estrateji livrezon ki baze sou LS elèv yo ak aplike apwòch la SCL pa devlope yon zouti rekòmandasyon IS trase nan LS. Se koule nan konsepsyon nan zouti rekòmandasyon an kòm yon estrateji nan metòd la SCL yo montre nan Figi 1. se zouti rekòmandasyon an divize an de pati, ki gen ladan mekanis nan klasifikasyon LS lè l sèvi avèk ILs ak pi apwopriye a se ekspozisyon pou elèv yo.
An patikilye, karakteristik zouti rekòmandasyon sekirite enfòmasyon yo enkli itilizasyon teknoloji entènèt yo ak itilizasyon aprantisaj machin pyebwa desizyon an. Devlopè sistèm amelyore eksperyans nan itilizatè ak mobilite pa adapte yo nan aparèy mobil tankou telefòn mobil ak tablèt.
Eksperyans lan te pote soti nan de etap ak elèv ki soti nan fakilte a nan Dexter nan Inivèsite nan Malaya patisipe sou yon baz volontè. Patisipan yo te reponn a sou entènèt M-IL yon elèv dantè nan lang angle. Nan premye faz la, yo te itilize yon dataset 50 elèv pou antrene algorithm nan desizyon pou pran desizyon machin lan. Nan dezyèm faz pwosesis devlopman an, yo te itilize yon dataset 255 elèv pou amelyore presizyon enstriman devlope a.
Tout patisipan yo resevwa yon brèf sou entènèt nan kòmansman chak etap, tou depann de ane akademik la, atravè ekip Microsoft. Objektif etid la te eksplike ak konsantman enfòme te jwenn. Tout patisipan yo te bay ak yon lyen pou jwenn aksè nan M-IL yo. Chak elèv te resevwa enstriksyon pou reponn tout 44 atik sou kesyonè a. Yo te ba yo yon semèn ranpli IL yo modifye nan yon moman ak kote pratik yo pandan repo a semès anvan yo kòmanse nan semès la. M-ILS la baze sou enstriman ILS orijinal la ak modifye pou elèv dantè yo. Menm jan ak IL yo orijinal la, li gen 44 atik respire distribye (A, B), ak 11 atik chak, ki yo te itilize evalye aspè nan chak dimansyon FSLSM.
Pandan premye etap yo nan devlopman zouti, chèchè yo manyèlman anote kat yo lè l sèvi avèk yon dataset nan 50 elèv dantè. Selon FSLM a, sistèm lan bay sòm repons "A" ak "B". Pou chak dimansyon, si elèv la chwazi "A" kòm yon repons, LS a klase kòm aktif/pèsepsyon/vizyèl/sekans, epi si elèv la chwazi "B" kòm yon repons, se elèv la klase kòm meditativ/entwisyon/lengwistik . / Global elèv k ap aprann.
Apre kalibrasyon workflow la ant chèchè edikasyon dantè ak devlopè sistèm, kesyon yo te chwazi ki baze sou domèn nan FLSSM ak manje nan modèl la ML predi LS chak elèv la. "Fatra nan, fatra soti" se yon di popilè nan jaden an nan aprantisaj machin, ak yon anfaz sou bon jan kalite done. Bon jan kalite a nan done yo opinyon detèmine presizyon an ak presizyon nan modèl la aprantisaj machin. Pandan faz nan jeni karakteristik, se yon seri karakteristik nouvo kreye ki se sòm nan nan repons "A" ak "B" ki baze sou FLSSM. Nimewo idantifikasyon nan pozisyon dwòg yo bay nan tablo 1.
Kalkile nòt la ki baze sou repons yo epi detèmine LS elèv la. Pou chak elèv, ranje a nòt se soti nan 1 a 11. Nòt soti nan 1 a 3 endike yon balans nan preferans aprantisaj nan menm dimansyon an, ak nòt soti nan 5 a 7 endike yon preferans modere, ki endike ke elèv yo gen tandans prefere yon anviwònman anseye lòt moun . Yon lòt varyasyon sou menm dimansyon an se ke nòt ki soti nan 9 a 11 reflete yon preferans fò pou yon fen oswa lòt la [8].
Pou chak dimansyon, dwòg yo te gwoupe nan "aktif", "meditativ" ak "balanse". Pou egzanp, lè yon elèv reponn "A" pi souvan pase "B" sou yon atik ki deziyen ak nòt li/li depase papòt la nan 5 pou yon atik patikilye ki reprezante dimansyon nan LS pwosesis, li/li fè pati nan "aktif" LS yo domèn. . Sepandan, elèv yo te klase kòm "meditativ" LS lè yo te chwazi "B" plis pase "A" nan espesifik 11 kesyon (Tab 1) ak bay nòt plis pase 5 pwen. Finalman, elèv la se nan yon eta de "ekilib." Si nòt la pa depase 5 pwen, Lè sa a, sa a se yon "pwosesis" ls. Pwosesis klasifikasyon an te repete pou lòt dimansyon LS yo, sètadi pèsepsyon (aktif/meditativ), opinyon (vizyèl/vèbal), ak konpreyansyon (sekans/mondyal).
Modèl pyebwa desizyon yo ka itilize diferan gwoup nan karakteristik ak règleman desizyon nan diferan etap nan pwosesis la klasifikasyon. Li konsidere kòm yon klasifikasyon popilè ak zouti prediksyon. Li ka reprezante lè l sèvi avèk yon estrikti pyebwa tankou yon òganigram [20], nan ki gen nœuds entèn ki reprezante tès pa atribi, chak branch ki reprezante rezilta tès, ak chak ne fèy (ne ne) ki gen yon etikèt sou klas la.
Yo te kreye yon pwogram senp ki baze sou règ otomatikman ak anote LS chak elèv ki baze sou repons yo. Règ ki baze sou pran fòm lan nan yon deklarasyon SI, kote "si" dekri deklanche la ak "Lè sa a," presize aksyon an yo dwe fèt, pou egzanp: "Si x k ap pase, Lè sa a, fè Y" (Liu et al., 2014). Si seri a done ekspozisyon korelasyon ak modèl la pyebwa desizyon byen antrene ak evalye, apwòch sa a kapab yon fason efikas otomatize pwosesis la nan matche LS ak se.
Nan dezyèm faz nan devlopman, yo te dataset la ogmante a 255 amelyore presizyon nan zouti nan rekòmandasyon. Se seri a done divize nan yon rapò 1: 4. 25% (64) nan seri a done yo te itilize pou seri a tès, ak ki rete 75% (191) te itilize kòm seri a fòmasyon (Figi 2). Seri a done bezwen yo dwe divize yo anpeche modèl la nan men yo te resevwa fòmasyon ak teste sou seri a done menm, ki ta kapab lakòz modèl la sonje olye ke aprann. Se modèl la ki resevwa fòmasyon sou seri a fòmasyon ak evalye pèfòmans li yo sou seri a tès -done modèl la pa janm wè anvan.
Yon fwa yo devlope zouti a, aplikasyon an pral kapab klasifye LS ki baze sou repons yo nan elèv dantè atravè yon koòdone entènèt. Sistèm zouti sekirite enfòmasyon ki baze sou wèb la bati lè l sèvi avèk lang nan pwogramasyon Python lè l sèvi avèk fondasyon an Django kòm entèfas la. Tablo 2 bay lis bibliyotèk yo itilize nan devlopman sistèm sa a.
Se dataset la manje nan yon modèl pyebwa desizyon yo kalkile ak ekstrè repons elèv yo otomatikman klasifye mezi LS elèv yo.
Se matris la konfizyon itilize evalye presizyon nan yon desizyon pyebwa machin algorithm aprantisaj sou yon seri done bay yo. An menm tan an, li evalye pèfòmans nan modèl la klasifikasyon. Li rezime prediksyon modèl la ak konpare yo ak etikèt yo done aktyèl. Rezilta evalyasyon yo baze sou kat valè diferan: vre pozitif (TP) - modèl la kòrèkteman prevwa kategori pozitif la, fo pozitif (FP) - modèl la prevwa kategori a pozitif, men etikèt la vre te negatif, vre negatif (TN) - Modèl la kòrèkteman prevwa klas la negatif, ak fo negatif (FN) - modèl la predi yon klas negatif, men etikèt la vre se pozitif.
Valè sa yo Lè sa a, yo itilize yo kalkile divès kalite pèfòmans mesures nan modèl la klasifikasyon Scikit-aprann nan Piton, sètadi presizyon, presizyon, sonje, ak nòt F1. Men egzanp:
Rapèl (oswa sansiblite) mezire kapasite modèl la nan avèk presizyon klasifye LS yon elèv apre reponn kesyonè a M-ILS.
Espesyalite yo rele yon to vre negatif. Kòm ou ka wè soti nan fòmil la pi wo a, sa a yo ta dwe rapò a nan negatif vre (TN) nan negatif vre ak fo positifs (FP). Kòm yon pati nan zouti ki rekòmande pou klase dwòg elèv yo, li ta dwe kapab nan idantifikasyon egzat.
Done orijinal la nan 50 elèv yo itilize nan tren modèl la desizyon pyebwa ML te montre relativman ba presizyon akòz erè moun nan anotasyon yo (Tab 3). Apre kreye yon pwogram senp ki baze sou règ otomatikman kalkile nòt LS ak anotasyon elèv yo, yo te itilize yon nimewo ogmante nan ansanbl (255) nan tren ak tès sistèm nan rekòmande.
Nan matris la konfizyon multiclass, eleman yo dyagonal reprezante kantite prediksyon kòrèk pou chak kalite LS (Figi 4). Sèvi ak modèl la pyebwa desizyon, yon total de 64 echantiyon yo te kòrèkteman prevwa. Se konsa, nan etid sa a, eleman yo dyagonal montre rezilta yo espere, ki endike ke modèl la fè byen epi avèk presizyon predi etikèt la klas pou chak klasifikasyon LS. Se konsa, presizyon an jeneral nan zouti a rekòmandasyon se 100%.
Valè yo nan presizyon, presizyon, sonje, ak nòt F1 yo montre nan Figi 5. Pou sistèm nan rekòmandasyon lè l sèvi avèk modèl la pyebwa desizyon, nòt F1 li yo se 1.0 "pafè," ki endike presizyon pafè ak sonje, reflete sansiblite enpòtan ak espesifik. valè.
Figi 6 montre yon vizyalizasyon nan modèl la pyebwa desizyon apre fòmasyon ak tès yo fini. Nan yon konparezon bò-a-kòt, modèl la pyebwa desizyon ki resevwa fòmasyon ak mwens karakteristik te montre pi wo presizyon ak pi fasil vizyalizasyon modèl. Sa montre ke jeni karakteristik ki mennen ale nan rediksyon prezante se yon etap enpòtan nan amelyore pèfòmans modèl.
Pa aplike aprantisaj pyebwa sipèvize aprantisaj, kat ki genyen ant LS (D ') epi li se (pwodiksyon sib) se otomatikman pwodwi ak gen enfòmasyon detaye pou chak LS.
Rezilta yo te montre ke 34.9% nan 255 elèv yo pi pito (1) opsyon LS. Majorite a (54.3%) te gen de oswa plis preferans LS. 12.2% nan elèv yo te note ke LS se byen balanse (Tab 4). Anplis de uit LS prensipal la, gen 34 konbinezon nan klasifikasyon LS pou Inivèsite nan Malaya elèv dantè. Pami yo, pèsepsyon, vizyon, ak konbinezon an nan pèsepsyon ak vizyon yo se LS prensipal yo rapòte pa elèv yo (Figi 7).
Kòm ou ka wè nan tablo 4, majorite nan elèv yo te gen yon dominant sansoryèl (13.7%) oswa vizyèl (8.6%) LS. Li te rapòte ke 12.2% nan elèv yo konbine pèsepsyon ak vizyon (pèsepsyon-vizyèl LS). Rezilta sa yo sijere ke elèv yo pito aprann epi sonje nan metòd etabli yo, swiv pwosedi espesifik ak detaye, epi yo atantif nan lanati. An menm tan an, yo renmen aprann pa kap (lè l sèvi avèk dyagram, elatriye) epi yo gen tandans diskite sou ak aplike enfòmasyon an gwoup oswa sou pwòp yo.
Etid sa a bay yon BECA de teknik aprantisaj machin yo itilize nan min done, ak yon konsantre sou imedyatman epi avèk presizyon predi ke LS elèv yo ak rekòmande apwopriye IS. Aplikasyon nan yon modèl pyebwa desizyon idantifye faktè sa yo ki pi pre ki gen rapò ak lavi yo ak eksperyans edikasyon. Li se yon algorithm aprantisaj machin sipèvize ki sèvi ak yon estrikti pyebwa klasifye done pa divize yon seri done nan subkategori ki baze sou sèten kritè. Li travay pa recursive divize done yo opinyon nan souch ki baze sou valè a nan youn nan karakteristik yo ki opinyon nan chak ne entèn jiskaske yo pran yon desizyon nan ne la fèy.
Nœuds entèn yo nan pye bwa a desizyon reprezante solisyon an ki baze sou karakteristik sa yo opinyon nan pwoblèm nan M-IL, ak nœuds yo fèy reprezante final la LS prediksyon klasifikasyon. Pandan tout etid la, li fasil pou konprann yerachi a nan pyebwa desizyon ki eksplike ak visualized pwosesis la desizyon pa gade nan relasyon ki genyen ant karakteristik opinyon ak prediksyon pwodiksyon.
Nan domèn syans enfòmatik ak jeni, algoritm aprantisaj machin yo lajman itilize pou predi pèfòmans elèv ki baze sou nòt egzamen antre yo [21], enfòmasyon demografik, ak konpòtman aprantisaj [22]. Rechèch te montre ke algorithm nan avèk presizyon prevwa pèfòmans elèv yo ak te ede yo idantifye elèv yo ki gen risk pou difikilte akademik yo.
Se aplikasyon an nan algoritm ML nan devlopman nan simulateur pasyan vityèl pou fòmasyon dantè. Similatè a kapab repwodwi avèk presizyon repons fizyolojik pasyan reyèl yo epi yo ka itilize pou fòme elèv dantè yo nan yon anviwònman san danje epi kontwole [23]. Plizyè lòt etid montre ke algoritm aprantisaj machin ka potansyèlman amelyore bon jan kalite a ak efikasite nan dantè ak edikasyon medikal ak swen pasyan yo. Algoritm aprantisaj machin yo te itilize pou ede nan dyagnostik maladi dantè ki baze sou ansanm done tankou sentòm ak karakteristik pasyan [24, 25]. Pandan ke lòt etid yo te eksplore itilizasyon algoritm aprantisaj machin pou fè travay tankou predi rezilta pasyan yo, idantifye pasyan ki gen gwo risk, devlope plan tretman pèsonalize [26], tretman parodontal [27], ak tretman kari [25].
Malgre ke rapò sou aplikasyon an nan aprantisaj machin nan Dexter yo te pibliye, aplikasyon li nan edikasyon dantè rete limite. Se poutèt sa, etid sa a ki vize yo sèvi ak yon modèl pyebwa desizyon yo idantifye faktè ki pi asosye ak LS ak se nan mitan elèv dantè.
Rezilta etid sa a montre ke zouti rekòmandasyon devlope a gen gwo presizyon ak presizyon pafè, ki endike ke pwofesè yo ka benefisye de zouti sa a. Sèvi ak yon pwosesis klasifikasyon done ki baze sou, li ka bay rekòmandasyon pèsonalize ak amelyore eksperyans edikasyon ak rezilta pou edikatè yo ak elèv yo. Pami yo, enfòmasyon yo jwenn nan zouti rekòmandasyon yo ka rezoud konfli ant metòd ansèyman pi pito pwofesè yo ak bezwen aprantisaj elèv yo. Pou egzanp, akòz pwodiksyon an otomatik ki fonksyone nan zouti rekòmandasyon, tan ki nesesè yo idantifye IP yon elèv la ak matche ak li ak IP ki koresponn lan ap siyifikativman redwi. Nan fason sa a, aktivite fòmasyon apwopriye ak materyèl fòmasyon ka òganize. Sa ede devlope konpòtman aprantisaj pozitif elèv yo ak kapasite pou konsantre. Yon etid rapòte ke bay elèv yo ak materyèl aprantisaj ak aktivite aprantisaj ki matche ak LS pi pito yo ka ede elèv yo entegre, pwosesis, epi jwi aprantisaj nan plizyè fason yo reyalize pi gwo potansyèl [12]. Rechèch montre tou ke nan adisyon a amelyore patisipasyon elèv yo nan salklas la, konprann pwosesis aprantisaj elèv yo tou jwe yon wòl enpòtan nan amelyore pratik ansèyman ak kominikasyon ak elèv yo [28, 29].
Sepandan, menm jan ak nenpòt ki teknoloji modèn, gen pwoblèm ak limit. Men sa yo enkli pwoblèm ki gen rapò ak vi prive done, patipri ak jistis, ak ladrès yo pwofesyonèl ak resous ki nesesè yo devlope ak aplike algoritm aprantisaj machin nan edikasyon dantè; Sepandan, ap grandi enterè ak rechèch nan zòn sa a sijere ke teknoloji aprantisaj machin ka gen yon enpak pozitif sou edikasyon dantè ak sèvis dantè.
Rezilta etid sa a endike ke mwatye nan elèv dantè yo gen yon tandans pou "wè" dwòg. Sa a ki kalite elèv k ap aprann gen yon preferans pou reyalite ak egzanp konkrè, yon oryantasyon pratik, pasyans pou detay, ak yon "vizyèl" LS preferans, kote elèv k ap aprann yo pito sèvi ak foto, grafik, koulè, ak kat transmèt lide ak panse. Rezilta aktyèl yo ki konsistan avèk lòt etid lè l sèvi avèk ILs evalye LS nan dantè ak elèv medikal, pi fò nan moun ki gen karakteristik nan pèsepsyon ak vizyèl LS [12, 30]. Dalmolin et al sijere ke enfòme elèv yo sou LS yo pèmèt yo rive nan potansyèl aprantisaj yo. Chèchè yo diskite ke lè pwofesè yo konprann konplètman pwosesis edikasyon elèv yo, divès metòd ansèyman ak aktivite kapab aplike ki pral amelyore pèfòmans elèv yo ak eksperyans aprantisaj [12, 31, 32]. Lòt etid yo montre ke ajisteman LS elèv yo montre tou amelyorasyon nan eksperyans aprantisaj elèv yo ak pèfòmans apre yo fin chanje estil aprantisaj yo nan kostim pwòp LS yo [13, 33].
Opinyon pwofesè yo ka varye konsènan aplikasyon estrateji ansèyman ki baze sou kapasite aprantisaj elèv yo. Pandan ke kèk wè benefis ki genyen nan apwòch sa a, ki gen ladan opòtinite devlopman pwofesyonèl, konsèy, ak sipò kominote a, lòt moun ka konsène sou tan ak sipò enstitisyonèl. Fè efò pou balans se kle pou kreye yon atitid ki santre sou elèv la. Otorite edikasyon siperyè yo, tankou administratè inivèsite yo, ka jwe yon wòl enpòtan nan kondwi chanjman pozitif pa entwodwi pratik inovatè ak sipòte devlopman fakilte [34]. Pou kreye yon sistèm edikasyon siperyè vrèman dinamik ak reponn, règleman yo dwe pran mezi fonse, tankou fè chanjman politik, resous konsakre nan entegrasyon teknoloji, ak kreye estrikti ki ankouraje apwòch ki santre sou elèv yo. Mezi sa yo kritik pou reyalize rezilta yo vle. Dènye rechèch sou enstriksyon diferansye te montre klèman ke aplikasyon siksè nan enstriksyon différenciés mande pou fòmasyon kontinyèl ak devlopman opòtinite pou pwofesè [35].
Zouti sa a bay bonjan sipò pou edikatè dantè ki vle pran yon apwòch ki santre sou elèv pou planifye aktivite aprantisaj elèv yo. Sepandan, etid sa a limite a itilizasyon modèl ML desizyon pyebwa yo. Nan lavni an, plis done yo ta dwe kolekte yo konpare pèfòmans lan nan modèl aprantisaj machin diferan yo konpare presizyon an, fyab, ak presizyon nan zouti rekòmandasyon. Anplis de sa, lè w ap chwazi metòd aprantisaj machin ki pi apwopriye a pou yon travay patikilye, li enpòtan yo konsidere lòt faktè tankou konpleksite modèl ak entèpretasyon.
Yon limit nan etid sa a se ke li sèlman konsantre sou kat LS ak se nan mitan elèv dantè. Se poutèt sa, sistèm nan rekòmandasyon devlope pral sèlman rekòmande sa yo ki apwopriye pou elèv dantè. Chanjman yo nesesè pou itilizasyon elèv jeneral edikasyon siperyè.
Zouti rekòmandasyon ki fèk devlope pou aprann machin lan kapab klase imedyatman epi matche LS elèv yo pou korespondan IS, fè li premye pwogram edikasyon dantè pou ede edikatè dantè yo planifye aktivite ansèyman ak aprantisaj ki enpòtan. Sèvi ak yon pwosesis triyaj done ki baze sou, li ka bay rekòmandasyon pèsonalize, ekonomize tan, amelyore estrateji ansèyman, sipòte entèvansyon vize, ak ankouraje kontinyèl devlopman pwofesyonèl. Aplikasyon li yo pral ankouraje apwòch elèv ki santre nan edikasyon dantè.
Gilak Jani Associated Press. Koresponn ak oswa dezekilib ant style aprantisaj elèv la ak style ansèyman pwofesè a. Int J Mod Edikasyon Syans enfòmatik. 2012; 4 (11): 51-60. https://doi.org/10.5815/ijmecs.2012.11.05
Post tan: APR-29-2024