Aya kabutuhan anu tumbuh pikeun diajar murid-murid (SCL) dina lembaga pendidikan anu luhur, kalebet kedis. Tapi, scl boga aplikasi dugi dina pendidikan durat. Janten, tujuanana tujuan ieu pikeun ngamajukeun aplikasi SLL parebatan di sabagian mode gearning mesin kerja anu dipikaresep ku sumber anu dipikaresep. . Ngajaga metode pikeun siswa dental.
Salian 255 murid galal ti Universitas Malaya parantos dirobih Indendledes gaya diajar (M-Il) aturan 44 barang kanggo nyalonkeun LSS Data anu dikumpulkeun (disebut dataset) dianggo dina kaputusan tukeur Katepatan tina mesin pembelaran mesin pangajak
Aplikasi ngeunaan kaputusan modél tangkal dina prosés pemetaan otomatis antara LS (Input) sareng (nilai-nilai udagan) ngamungkinkeun dina murid anu langsung. Alat anu nyayogikeun akurasi anu sampurna sareng nginget akurasi modél umum, nunjukkeun yén anu cocog sareng ls pikeun gaduh sensitipitas sareng spésipitas anu saé.
Alat rekomekasi dumasar kana tangkal kaputusan ML parantos kabuktosan kamampuan pikeun cocog sareng gaya diajar siswa SMA sareng strategi diajar anu leres. Alat ieu nyayogikeun pilihan anu kuat pikeun ngarencanakeun kursus-kursus atanapi modul anu teu padumikeun atanapi modul anu tiasa ningkatkeun pangalaman pembelajaran siswa.
Dajarkeun sareng diajar mangrupikeun kagiatan dasar di lembaga pendidikan. Nalika ngembangkeun sistem atah vokasi kualitas luhur, penting pikeun difokuskeun kabutuhan pembatesan mahasiswa. Interaksi antara murid sareng lingkungan tinjauan pikeun ditetepkeun ngalangkungan ls. Panaliti nunjukkeun yén mismatches guru anu dimaksud antara murid anu bakal ngagaduhan akibat négatip pikeun diajar mahasiswa, sapertos anu ngirangan perhatian sareng motivasi. Ieu sacara henteu langsung mangaruhan kinerja murid [1,2].
Nyaéta metoda anu dianggo ku guru pikeun masihan ilmu sareng kaahlian pikeun murid, kalebet ngabantosan murid diajar [3]. Sacara umum nyarios, guru guru alus ngarujuk strategi paréntah atanapi anu paling cocog sareng tingkat pangaweruh muridna, konsep aranjeunna ngan ukur diajar, sareng panggung pembelajaran. Sihoretik, nalika ls sareng cocog, mahasiswa bakal tiasa ngatur sareng nganggo set kaahlian khusus pikeun diajar sacara efektif. Ilaharna, rencana pelajaran anu kalebet sababaraha transisi antara tahap, sapertos ti badé pikeun prakték atanapi prakna ngalaksanakeun prakték mandiri ku prakték mandiri. Kalayan ieu dina pikiran, guru anu épék sering ngarencanakeun instruksi sareng tujuan pangaruh pangaweruh murid sareng kaahlian [4].
Paménta pikeun Panandia Pikeun ngembang pikeun lembaga pendidikan tinggi, kalebet kedapdri. Strategi scl dirancang pikeun nyayogikeun kabutuhan diajar siswa. Ieu tiasa dihontal, contona, upami para siswa nyiptakeun kagiatan diajar sareng guru margi fasilia sareng tanggung jawab méré rumput anu berharga sareng tanggung jawab mengahan butah. Kudu éta nyayogikeun bahan pangajaran sareng kagiatan anu parantos luyu sareng tingkat pendidikan atanapi pilihan pendidikan atanapi piagian anu tiasa nampi lingkungan pembatan murid sareng prefoskeun pangalaman pangajaran positif [5].
Umumna nyarios, prosés diajar siswa dipengaruhan ku rupa-rupa prosedur klisik sakumaha diperyogikeun pikeun dilakukeun sareng lingkungan klinis dimana aranjeunna ngembangkeun keterampilan interlperson. Tujuanana pelatihan disayogikeun ka murid ngagabungkeun kanyaho dasar karapiher dental sareng nerapkeun daya kaayaan klinik anu anyar [6, 7]. Invalvasi awal kana hubungan antara LS sareng dipisaikeun yén ngaluyukeun strategi diajar husus dipasang kana proses pendidikan kaasup ningkatkeun prosés pendidikan [8]. Panulis ogé nyarankeun ngagunakeun rupa-rupa métode ngajar sareng injenna pikeun adaptasi sareng kabutuhan Atajak sareng kabutuhan.
Rujukan guru tina nerapkeun Des Resk Pangetahuan pikeun ngabantosan aranjeunna desain, ngamekarkeun, sareng ngalaksanakeun instruksi anu bakal ningkatkeun akuisisi anu langkung jero sareng pamahaman matuh. Panaliti bisa ngembangkeun sababaraha alat parijerungan LS, sapertos modél pangajaran KOLB, modél gaya anu langkung seueur (FSLSM), sareng modél Vak / 9, 9, 10, 9, 10, 9, 10, 10] Anak. Numutkeun literatur, modél diajar ieu anu paling sering dianggo modél diajar diajar. Dina padamelan ayeuna
FSLSM mangrupikeun modél anu saé pikeun ngaevaluasi diajar adaptasi di rékayasa. Aya seueur anu diterbitkeun dina élmu kaséhatan (kaasup ubar, asuhan, apotasi sareng kedokter) anu tiasa dipanggihan nganggo modél Fslls [5, 12]. Instrumen anu dipaké pikeun ngukur diménsi ls di flsm disebut indéks gaya diajar (ILS) [8], anu ngandung 44 barang (resitifa) Input (visual). / verbal) sareng pamahaman (solect / global) [14].
Sakumaha anu dipidangkeun dina Gambar 1, unggal diménsi FSLSM ngagaduhan pilihan anu dominan. Contona, dina diménsi, mahasiswa kalayan "" aktif "l "Reflektif" ls ngarujuk pikeun diajar ngalangkungan pamikiran sareng langkung damel waé. "Perisiing" diménsi ls tiasa dibagi kana "perasaan" sareng / atanapi "intuisi." "Perasaan" siswa langkung milih inpormasi inpormasi na langkung beton, kanyataan sacara berorientasi anu dibandingkeun sareng "intuitif" mah leuwih milih bahan anu abstratif sareng kreatif anu langkung inovatif sareng krippékan. "Inpormasi" diménsi tina ls diwangun ku "visual" sareng "verbal" peserta. Jalma anu gaduh "visual" P Pikeun "paham" dimensi ls, guruis sapertos anu tiasa dibagi kana "berirat" sareng "global". "Bantai berturut-scitents resep prosés pikir linier sareng diajar léngkah-léngkah, bari anu panghargaan Challal langkung ngagaduhan prosés panginten Holistik sareng sok gaduh pamahaman anu langkung saé.
Anyar, seueur panaliti anu bakal ngamimitian metode pikeun pamanggihan pilihan akurat, kalebet pangwangunan algoritma anyar sareng model anu sanggup alihkeun jumlah data [15, 16]. Dumasar data anu aya, diawasi Ml (Sturning ML) badé ngahasilkeun pola sareng hipoteses anu nyabelit dina konstrukor algoritma [17]. Kantun nempatkeun téknik kencaasi mesin mesin ngubub data input sareng karéta algoritmun. Éta teras ngahasilkeun kisaran anu diklasifikasi atanapi ngaramalkeun hasilna dumasar kana kaayaan anu sami pikeun data input anu disayogikeun. Kauntungan utama pikeun ngeusi algoritma diajar Mancar nyaéta kamampuanna pikeun ngadegkeun hasil anu idéal sareng 17].
Ngalangkungan metode musik anu didorong data sareng modél kitut tangkal, deteksi otomatis tina LSS mungkin. Tangkal kaputusan parantos dilaporkeun parantos dianggo dina sababaraha program latihan dina sababaraha widang, kalebet sékrajat kaséhatan [18, 19]. Dina pangajaran ieu, transpekkeun sacara dilatih ku pamekar sistem pikeun ngidentipikasi murid-murid anu pangsaéna pikeun aranjeunna.
Tujuan pangajaran ieu bakal ngamekarkeun nyaéta strategi pangiriman dumasar kana siswa LS 'sareng nerapkeun pendekatan Sll ku ngembangkeun alat rekomasif dikepung ka LSS. Dampak serangan nyaéta alat rekrutasi strategi metode SBl anu ditingalikeun dina Gambar 1. Ieu mangrupikeun tampilan klatis nganggo mahasisal LS.
Khususna, ciri alat inpormasi alat kaamanan kaamanan kalebet panggunaan téknologi wéb sareng anu nganggo kaputusan mesin tangkal tangkal urutan. Pamekar Sistem Ningkatkeun Pangalaman Panganggo sareng Mobilitas ku Adepting aranjeunna alat mobile sapertos telepon sélulér sareng tablet.
Ékspékimi dilaksanakeun dina dua tahap sareng mahasiswa ti fakultas tukang gentan di universitas iraya milu dina dasar. Peserta ngabales ka Mus Siswa Gris Siswa. Dina fase awal, sirana 50 murid anu dianggo pikeun nyocogkeun putusan tangkal tangkal pabrik tangkal algoritma. Dina fase kadua prosés pangwangunan, datelet 255 murid dianggo pikeun ningkatkeun akurasi alat maju.
Sadaya pamilon nampi perakahan online di awal unggal panggung, gumantung kana sataun akademik, vidangkeun Tim Microsoft. Tujuan pangajaran anu dijelaskeun sareng idin diala. Sadaya pamilon disayogikeun sareng tautan pikeun ngakses M-Ils. Unggal murid diarah ngajawab sadayana 44 barang dina angket. Aranjeunna dibere saminggu kanggo ngalengkepan Il anu dirobih dina hiji waktos sareng lokasi anu gampang gampang di aranjeunna salami semés istirahat sateuacan mimiti seméster. M-Ils dumasar kana instrumen Ils aslina sareng dirobih siswa dental. Sarua sareng INL anu aslina, éta ngandung 44 barang anu disebarkeun sacara meribah (A, b), sareng 11-item masing-masing, anu dianggo pikeun ngukur aspék Palingungan FSLSM.
Salila tahapan mimiti pangembangan alat, penalungtik sacara manédkeun dimimiti nganggo peta anu nganggo sametsa tina mahasiswa 50 wisata donal. Numutkeun kana FsLm, sistem masihan jumlah jawaban "a" sareng "B". Pikeun unggal diménsi, upami mahasiswa milih "A" salaku jawaban, ls digolongkeun salaku aktip / visual / berturut-turil . / Global.
Saatos catibrings alas penjelasan pendidikan sareng pamekar damar, patarosan dipilih dumasar kana domain Flats sareng nyepetkeun kana modél ML kanggo ngaduga unggal murid ML pikeun nawiskeun unggal murid ML. "Sampah di, sampah kaluar" mangrupikeun parilaku populer di bidang pendingatan mesin, kalayan tekenan kana kualitas data. Kualitas data input nangtukeun katepatan sareng katepatan tina modél pangajaran mesin mesin mesin. Salila fase sosahutan, set fitur anyar nyiptakeun anu mangrupikeun jumlah jawaban "a" sareng "b" dumasar kana Flss. Nomer idéntifikasi posisi ubar anu dirumuskeun dina tabél 1.
Ngitung skor dumasar kana jawaban sareng nangtoskeun hiji ls murid. Pikeun tiap murid, rentang skor nyaéta ti 1 ka 11. Skor ti 1 dugi ka 3 nunjukkeun kasaimbangan diajar anu sami sareng diménsi anu sami, nunjukkeun yén mahasiswa anu resep . Variftiase séjén dina diménsi anu sami nyaéta skor ti 9 dugi ka 11 ngagambarkeun leuwih sering dipikaresep kanggo hiji tungtung atanapi 8].
Pikeun unggal diménsi, ubar dikelompokkeun kana "aktip", "rinyak" sareng "saimbang". Salaku conto, nalika saurang murid ngajawab "a" sering sering ti "B" dina barang anu ditunjuk sareng skor / skor na langkung ti 5 pikeun barang anu khusus pikeun ngolah "Aktip" ls domain. . Tapi, mahasiswa diklasifikasikeun salaku "reflektif" ls nalika milih "B" langkung seueur ti "A" dina patarosan 11). Tungtungna, murid aya dina kaayaan "kasatimbangan." Upami skor henteu langkung ageung 5 poin, maka ieu mangrupikeun "prosés" ls. Proses klasifikasi diulang pikeun dimensi LS anu sanés, nyaéta persépsi (Aktif / Aktip / reflektif), input (visual), sareng kahartos).
Modelo model tangkal tiasa nganggo subset anu béda sareng aturananana dina rupa-rupa tahap anu béda tina prosés klasifikasi. Hal ieu dianggap klasifikasi klasifikasi anu populer sareng prédiksi. Éta tiasa diwakilan nganggo struktur tangkal sapertos maliran ngeusian [20], dimana aya tempat jaringan internal pikeun ngagambarkeun tés kuantitas daun) ngandung labél cai) anu ngandung labél cai.
Program anu didasarkeun tina kaayaan anu dilakukeun pikeun otomatis skor sareng annotate unggal murid masing-masing dumasar kana réspon. Dumasar-Dasar nyandak bentuk an Upami pernyataan, dimana "ngajelaskeun pemicu sareng" teras " Upami data anu dipidangkeun pameran sareng modélode ieu dibalap dilatih sareng diaksul, pendekatan tiasa nganggo prosés anu cocog sareng otomatis.
Dina fase kadua pamungkap, datingan ieu ningkat kana 255 pikeun ningkatkeun tangtu akektrekkeun alat rekomekasi. Data Setélan dibagi dina 1: 4 rasio. 25% (64) tina set data dianggo pikeun set ujian, sareng sésang 75% (191) dianggo salaku panyangka pelatihan (angka 2). Dareuh data kedah pamisah pikeun nyegah modél tina dilatih sareng diuji dina susunan data anu sami, anu tiasa nyababkeun modél kanggo ngingetkeun tinimbang diajar. Modél ieu dilatih dina latihan sareng ngaevaluasi pagelaran na dina set-data anu henteu kantos kantos ningali sateuacanna.
Sakali alat dikembangkeun, aplikasi éta tiasa ngarobih pastri dumasar kana réspon siswa GRanth Moal ngalangkungan antarbeungeut wéb. Sistem alat inpormasi alat Pembuaan Akudas diwangun nganggo basa program Python nganggo kerangka Djangor salaku backend. Tabel 2 Daptar perpustakaan anu dianggo dina kamekaran sistem ieu.
Delaset anu berpanugi kanggo modél tangkal pikeun ngitung sareng ngegol réspon Sosional sacara otomatis miluan pangukuran LS.
Matrix balap dianggo pikeun ngira-ngira-ngira-ngira-ngira-ngira-ngira-ngira-ngira-ngira-ngira-ngira sareng pasti yén toksikeun Dina waktos anu sami, éta ngaevaluasi kinerja perusahaan klasifikasi. Pingkes prédiksi Model sareng ngabandingkeun aranjeunna kana labél data saleresna. Hasil evaliibtuiba dumasar kana opat nilai anu béda: leres positip (TP) - anu leres dipasihan kategori anu positip, FPEAL anu leres (TN Negara (TN) Kapanggihna leres menangkeun kelas negég, sareng Last Negatif (FN) - modél ngamangarkeun kelas négatip, tapi labél leres mangrupikeun positip.
Nilai ieu teras dianggo pikeun ngitung sababaraha manja kinerja tina modél klikpifikasi diajar di python, ngaran real, nginuhan, sareng ngendar, sareng ngeduhan, sareng ngendar, sareng ngeusi, sareng skor F1. Ieu conto:
Kelingan (atanapi sensitipitas) cara kamampuan modél pikeun akurat sacara akurat murid Siswa saatos ngawalon angkasa m-Ils.
Spésipisasi disebut laju négatip. Sakumaha anjeun tiasa tingali tina rumus di luhur, ieu ngagaduhan rasiatif negatif leres (TN) ka négatip anu leres sareng positip). Salaku bagian tina alat anu disarankeun pikeun ubar panglasipan, sakuduna sanggup idéntifikasi akurat.
Dataset asli tina 50 siswa biasa ngalatih kaputusan ml anu nunjukkeun akurasi anu kawilang lemah alatan kasalahan dina anotasi Saatos nyandak program dumasar aturan anu gampang pikeun ngitung skor LS sareng prujus dunungan, 255) dianggo pikeun ngalatih sareng nguji sistem panyéré.
Dina Matrix Mobiliclass, unsur diagonal ngagambarkeun sababaraha ramalan anu leres pikeun unggal jinis ls (inohong 4). Nganggo modél tangkal popular, jumlahna 64 conto anu diprediksi leres. Murukna, dina pangajaran ieu, unsur diagonal, nunjukkeun hasil anu tos dipiharar, anu ménjakeun yén modél ngalaksanakeun labél kelas pikeun tiap klasifikasi LS. Ku kituna, katurisan umum alat rekoméréksi nyaéta 100%.
Nu nilai akurasi, Precision, ngeduhan, sareng skor F1 dipidangkeun dina Gambar 5. Pikeun sistem tangkal anu nganggo pelatarhiversitas anu saé sareng spésipan. nilai masing-masing
Gambar 6 nunjukkeun visualisasi ngeunaan modél tangkal saatos latihan sareng ujian réngsé. Dina ngabandingkeun sisi-ku-ku-bagian kaputusan kaputusan ngalayar fitur anu nunjukkeun katép anu langkung luhur sareng moder Modélisasi Visualisasi anu langkung luhur. Ieu nunjukkeun yén harkasangan rékayasa nuju ka panyurangan fitur mangrupikeun léngkah anu penting dina ningkatkeun kamampuan modél.
Ku ngalaporkeun kaputusan kaputusan anu ngawaskeun, pemetaan antara ls (input) sareng (exput udag) otomatis dibébaskeun sareng ngandung inpormasi anu lengkep pikeun unggal l.
Hasilna nunjukkeun yén 34,9% tina 255 siswa langkung milih hiji (1) pilihan ls. Mayoritas (54,3%) ngagaduhan dua atanapi langkung kahoyong. 12.2% murid nyatakeun yén ls cukup saimbang (tabel 4). Salian dalapan ls utama, aya 34 kombinasi 34 klien LS Klasifikasi pikeun Universitas Missity. Diantaraana, panenjo, visi, sareng kombinasi kajadian sareng visi mangrupikeun ls utama anu dilaporkeun ku mahasisim (Gambar 7).
Sakumaha tiasa ditingali tina tabel 4, seuseueurna mahasiswa ngagaduhan panentor anu kasederhanaan (13,7%) atanapi visual (8,6%) ls. Éta dilaporkeun yén 12,2% murid-murid gabungan sareng visi (persis-visual-visual). Pagen ieu nunjukkeun yén murid langkung resep diajar sareng émut ngaliwatan metode anu didadarkeun khusus, tuturkeun prosedur khusus sareng nampi di alam. Dina waktos anu sami, aranjeunna resep diajar ku pilari (nganggo divrams, jsb) sareng condong ngobrol sareng nerapkeun inpormasi atanapi sorangan.
Panalitian ieu nyayogikeun gambaran téknik diajar Manchihatur cara digunakeun dina pertambangan data, sareng pokus, sareng pokus sacara langsung sareng akurat ngarujuk murid 'Ls sareng nyarankeun Coco. Aplikasi pikeun model tangkal anu ngaidentipikasi faktor paling caket sareng kahirupan sareng pangalaman pendidikan. Ieu mangrupikeun algoritma diajar mesin asuransi anu ngagunakeun struktur tangkal pikeun mangkrepan data ku ngabagi set data kana subkomatorional. Éta dianggo ku diréiskeun ngabagi data input kana sets dumasar kana nilai salah sahiji fitur input tina unggal titik internal dugi ka kaputusan anu dilakukeun di gudang.
Ngeusikan internal tina tangkal kaputusan ngawarékkeun solusi dumasar kana karakteristik input ti masalah p-qs, sareng pamisahan daun ngawakilan ramerangan paniluan LS akhir. Sapanjang saurang diajar, gampang pikeun henteu heranarhina tangkal anu ngajelaskeun sareng nerdialisasi prosés kaputusan kaputusan ku ningali hubungan antara épék-nyababkeun diantara eksputan.
Dina sawah élmu komputer sareng téknologi diajar mesin gidang loba pisan dianggo pikeun ngaduga pagelaran mahasiswa dumasar inpormasi tersetic na, sareng paripolah. Panaliti nunjukkeun yén algorata akurat diajak kamampuan anu bakal dibantosan sareng ngabantosan aranjeunna ngaidentipikasi murid pikeun résiko akademik.
Aplikasi algor Air dina pamekaran pamasaran anu maya meta pikeun Latihan Samital dilaporkeun. Simulator tiasa sanggup rusak inféksi réspon fisikologis sareng tiasa dianggo pikeun ngalatih mahasiswa winal di lingkungan anu aman sareng dikawasa [ngontrol mekar [23]. Sababaraha studi anu sanés nunjukkeun ku algorithing mesin mesin mesin tiasa bertentunakeun kualitas sareng efisiensi Atikan dor sareng perawatan samentis. Algoritma diajar mesin parantos dianggo kanggo ngabantosan dina diagnosis panyakit dental dumasar dumasar kana set data sapertos gejala sareng dua], 25]. Sedengkeun ulikan sanésna ngajelajah panggunaan algoritms mesin pikeun ngalaksanakeun tugas sapertos sapertos ngararesional pasien, ngidentipikasi pasif pengobatan luhur [27], sareng mi perawatan [25].
Sanaos laporan dina aplikasi Pesernana Mening di gigi parantos diterbitkeun, aplikasina dina pendidikan donal tetep ngalat terbatas. Ku alatan éta, anu dialihan ieu tujuan pikeun ngagunakeun modél tangkal tangkal pikeun ngidentipikasi faktor paling rapéla sareng para siswa dongéng.
Hasilna Panalungtikan ieu nunjukkeun yén alat rekomasi penanaman anu ngagaduhan kebatatan tinggi sareng akurasi sampurna, nunjukkeun guru tiasa kauntungan ngeunaan alat ieu. Nganggo prosés Chidifikasi anu disirihan data, éta tiasa nyayogikeun saran pribadi sareng ningkatkeun pangalaman pendidikan sareng hasil pikeun pendidik sareng mahasiswa. Diantarana, anu bakal dilakukeun dina alat rekomeksi tiasa ngabéréskeun konflik antara métalna guru anu dipikaresep sareng kabutuhan ngajak. Salaku conto, kusabab kaluran otomatis aplikasi rekéasi, waktos anu diperyogikeun pikeun ngidentél email murid sareng iPading sareng IP anu Transforén bakal ngirangan sacara signifikan. Ku cara ieu, kagiatan latihan anu cocog sareng bahan latihan tiasa diatur. Ieu ngabantuan ngembangkeun paripolah diajar murid sareng kamampuan pikeun konsentrasi. Hiji ullasan anu dilaporkeun anu nyayogikeun murid-murid sareng kagiatan diajar sareng kagiatan diajar anu cocog sareng LS anu dipikaresepna tiasa ngabantosan para moro konsuméntasi, sareng resep tulisan pikeun langkung seueur poténsial langkung ageung. Panaliti ogé nunjukkeun yén salian pikeun ningkatkeun partisipasi mahasisir di kelas, mangtakeunan prosés diajar ogé maénkeun praing ajaran sareng 29, 29, 28].
Nanging, sapertos téknologi modern, aya masalah sareng kaleresan. Ieu kaasup masalah anu aya dina hasil hasil data, Bias sareng kasepaan, sareng kaahlian sareng sumber dijaga anu diperyogikeun pikeun sareng ngalaksanakeun algorite kerja. Tapi, pangalatatentuna tumbuh sareng panaliti di daérah ieu nunjukkeun téknik pangajaran patandingan tiasa gaduh dampak positif kana atikan gurat sareng dental.
Hasilna pangajaran ieu nunjukkeun yén satengah murid dental ngagaduhan kacenderungan pikeun "ngarasa" ubar. Jenis pembelajaran ieu gaduh pilihan pikeun fakta sareng conto getet, orientasi prakték, kasabaran pikeun jabatan, warna anu resepkeun ngagunakeun ideu éta teras resepkeun ideu. Hasilna ieu biasana konsisten sareng pangajaran sanés nganggo qs pikeun meunteun bs dental sareng médis, kalolobaan saha anu ngagaduhan karakter visim sareng 12, 30]. Dalmolin et Al nunjukkeun yén nginpokeun siswa ngeunaan ls aranjeunna ngamungkinkeun aranjeunna ngahontal poténsi diajar. Panaliti alesan yén nalika guru nyukupan prosés pendidikan siswa, sababaraha cara diajar diajar diajar yén bakal ningkatkeun presivesode murid sareng pangalaman diajar [32]. Panaliti anu sanésna nunjukkeun yén ngaluyukeun murid-murid LS 'ogé nunjukkeun perbaikan dina pangalaman perusahaan diajar sareng kinerja murid nalika ngarobah gaya diajar masing -huna [33].
Pendapat guru tiasa waé anu ngabantosan palaksanaan strategi ngajarkeun ngeunaan kamampuan diajar mahasiswa. Nalika sababaraha paningkatan pendekatan ieu, kalebet kasempetan pangwangunan profésional, posissana, sareng dukungan komunitas, anu sanés tiasa prihatyed deui waktos sareng dukungan lembaga. Ngaganggu kasaimbangan mangrupikeun konci pikeun nyiptakeun sikap murid anu dikonci. Barang pendidikan langkung luhur, sapertos kamampuan universitas, tiasa maénkeun peran anu penting pikeun nyetir parobahan anu positif ku ngenalkeun amesan inovatif sareng pamekaran farultas [34]. Pikeun nyiptakeun anu leres sareng ngarobih sistem atikan anu luhur, kiwari, polissicers kedah nyandak léngkah anu ngagungkeun, sapertos nyusun kawijakan anu robah, sumber daya tekenis anu berpengular. Ukuran ieu kritis pikeun ngahontal hasil anu dipikahoyong. Panalungtikan Tugas panganyarna dina ngaladarkeun anu jelas parantos dipidangkeun anu suksés nunjukkeun kanyataan pamakean sacara paréntah anu diperyogikeun sareng kasempetan anu pangembangan pikeun guru [35].
Alat ieu masihan dukungan anu berharga pikeun utamina anu final anu hoyong nyandak pendekatan anu dipasihkeun pikeun ngarencanakeun kagiatan pembernian anu ramah. Nanging, pangajaran ieu terbatas kanggo nganggo panggunaan modél ML. Dina waktosna, langkung seueur data kedah dikumpulkeun pikeun ngabandingkeun kamampuan model pangajaran anu béda pikeun ngabandingkeun akturasi, rélabilati, sareng priosasi alat rekomasi. Salaku tambahan, nalika milih metode pemberikan nyandak mesin mangpaat pikeun tugas khusus pikeun tugas khusus, penting pikeun mertian faktor sanésna salaku modél pajeulit sareng interpretasi.
Hiji watesan ulikan ieu mangrupikeun éta ngan ukur fokus dina pemetaan ls sareng aya murid giral tukang. Ku alatan éta, sistem rekomasi tiasa nyarankeun nyarankeun jalma anu cocog pikeun siswa gurat. Parobihan dipikabutuh pikeun panggunaan pendidikan tinggi.
Alat ubar anu nembé dikembangkeun "henteu tiasa ditasaan sareng nyelel batur 'ls ka pastent anu pakait, ngajantenkeun program pendidikan santit munggaran anu relevan ngarencanakeun kagiatan pangajaran mimiti sareng kagiatan diajar diajar. Nganggo prosés anu didorong data, éta tiasa nyayogikeun saran pribadi, nyimpen waktos, ningkatkeun strategi ngajakan, khususna, sareng ngamukukeun pangwangunan akisihan. Aplikasi na bakal ngamajukeun pendekatan anu disusun murid ka pendidikan gigir.
Gilak Jani pakait pencét. Patandingan atanapi mismatch antara gaya diajar murid sareng gaya pangajaran guru. Et j model ilmiah komputer. 2012; 4 (11): 51-60. https://doi.g/10.5815/ijmecs.2012.11.05
Waktu Pasang: APR-29-2024