Жогорку окуу жайларында, анын ичинде стоматологияда студентке багытталган окутууга (СЧБ) муктаждык өсүүдө.Бирок, SCL стоматологиялык билим берүү боюнча чектелген колдонууга ээ.Ошондуктан, бул изилдөө IS көрсөтмөлөрдү иштеп чыгуу үчүн пайдалуу курал катары стоматологиялык студенттердин артыкчылыктуу окуу стилин (LS) жана тиешелүү окутуу стратегияларын (IS) карта үчүн чечим дарагынын машина үйрөнүү (ML) технологиясын колдонуу менен стоматологияда SCL колдонууга көмөк көрсөтүүгө багытталган. .Стоматологиялык студенттер үчүн келечектүү ыкмалары.
Малайя университетинин жалпы 255 стоматолог студенттери өзгөртүлгөн Окуу Стильдеринин Индекси (m-ILS) анкетасын толтурушту, анда 44 пунктту камтыган.Чогулган маалыматтар (маалыматтар топтому деп аталат) окуучулардын окуу стилин эң ылайыктуу ИСке автоматтык түрдө дал келтирүү үчүн көзөмөлдөнгөн чечим дарагын үйрөнүүдө колдонулат.Андан кийин машина үйрөнүүсүнө негизделген IS сунуштоо куралынын тактыгы бааланат.
LS (киргизүү) жана IS (максаттуу чыгаруу) ортосундагы автоматташтырылган карта түзүү процессинде чечим дарагынын моделдерин колдонуу ар бир стоматологиялык студент үчүн тийиштүү окуу стратегияларынын дароо тизмесин түзүүгө мүмкүндүк берет.IS сунуштоо инструменти эң сонун тактыкты жана жалпы моделдин тактыгын кайра чакырып алууну көрсөттү, бул LS менен ИСтин дал келиши жакшы сезгичтикке жана өзгөчөлүккө ээ экенин көрсөтүп турат.
ML чечим дарагына негизделген IS сунуштоо инструменти өзүнүн стоматологиялык студенттердин окуу стилдерин ылайыктуу окутуу стратегиялары менен так далдаштыруу жөндөмүн далилдеди.Бул курал окуучуларга багытталган курстарды же модулдарды пландаштыруунун күчтүү варианттарын камсыз кылат, алар студенттердин окуу тажрыйбасын жогорулатат.
Окутуу жана окутуу билим берүү мекемелериндеги негизги иш болуп саналат.Сапаттуу кесиптик билим берүү системасын иштеп чыгууда окуучулардын билим алуу муктаждыктарына көңүл буруу маанилүү.Студенттер менен алардын окуу чөйрөсүнүн ортосундагы өз ара аракеттенүүнү алардын LS аркылуу аныктоого болот.Изилдөөлөр көрсөткөндөй, окуучулардын LS жана МТ ортосундагы мугалим тарабынан жасалган дал келбестиктер окуучулардын окуусуна көңүл буруу жана мотивациянын төмөндөшү сыяктуу терс кесепеттерге алып келиши мүмкүн.Бул окуучулардын ишинин натыйжалуулугуна кыйыр түрдө таасирин тийгизет [1,2].
ИС – мугалимдер тарабынан окуучуларга билим жана көндүмдөрдү берүү, анын ичинде окуучуларга билим алууга жардам берүү үчүн колдонулган метод [3].Жалпысынан алганда, жакшы мугалимдер окуучуларынын билим деңгээлине, алар үйрөнүп жаткан түшүнүктөрүнө жана алардын окуу баскычына эң туура келген окутуу стратегияларын же ИСти пландаштырышат.Теориялык жактан алганда, LS жана IS дал келгенде, студенттер натыйжалуу үйрөнүү үчүн белгилүү бир көндүмдөрдү уюштуруп, колдоно алышат.Адатта, сабак планы этаптардын ортосундагы бир нече өтүүнү камтыйт, мисалы, окутуудан жетекчиликке алынган практикага же жетектелген практикадан көз карандысыз практикага.Мына ушуну эске алып, эффективдүү мугалимдер көбүнчө окуучулардын билимин жана көндүмдөрүн түзүүнү максат кылып пландашат [4].
Жогорку окуу жайларында, анын ичинде стоматологияда SCLге суроо-талап өсүп жатат.SCL стратегиялары студенттердин окуу муктаждыктарын канааттандыруу үчүн иштелип чыккан.Буга, мисалы, окуучулар окуу иш-чараларына жигердүү катышса жана мугалимдер фасилитатор катары иш алып барса жана баалуу пикирлерди берүүгө жоопкерчиликтүү болушса жетишүүгө болот.Окуучулардын билим деңгээлине же каалоосуна ылайык келген окуу материалдарын жана иш-аракеттерди берүү студенттердин окуу чөйрөсүн жакшыртат жана окуунун позитивдүү тажрыйбасына көмөктөшөт деп айтылат [5].
Жалпысынан алганда, стоматологиялык студенттердин окуу процессине алар аткаруу үчүн талап кылынган ар кандай клиникалык процедуралар жана аларда натыйжалуу инсандар аралык көндүмдөрдү өрчүтүүчү клиникалык чөйрө таасир этет.Тренингдин максаты студенттерге стоматология боюнча негизги билимдерди стоматологиялык клиникалык көндүмдөр менен айкалыштыруу жана алган билимдерин жаңы клиникалык кырдаалдарда колдонууга мүмкүнчүлүк берүү болуп саналат [6, 7].LS менен ИСтин ортосундагы байланышты изилдеген алгачкы изилдөөлөр артыкчылыктуу LS менен карталанган окутуу стратегияларын тууралоо билим берүү процессин жакшыртууга жардам берерин көрсөттү [8].Авторлор ошондой эле окуучулардын окуусуна жана муктаждыктарына ылайыкташуу үчүн окутуунун жана баа берүүнүн ар кандай ыкмаларын колдонууну сунуштайт.
Мугалимдер LS билимдерин колдонуудан пайда алып, окуучулардын предметти тереңирээк түшүнүүсүн жана тереңирээк билим алышын күчөтө турган көрсөтмөлөрдү иштеп чыгууга, иштеп чыгууга жана ишке ашырууга жардам беришет.Изилдөөчүлөр LS баалоонун бир нече инструменттерин иштеп чыгышкан, мисалы, Kolb Experiential Learning Model, Felder-Silverman Learning Style Model (FSLSM) жана Fleming VAK/VARK модели [5, 9, 10].Адабият боюнча, бул окутуу моделдери эң көп колдонулган жана эң көп изилденген окутуу моделдери болуп саналат.Учурдагы изилдөө иштеринде, FSLSM стоматологиялык студенттер арасында LS баалоо үчүн колдонулат.
FSLSM инженерияда адаптивдүү окутууну баалоо үчүн кеңири колдонулган модель.Саламаттык сактоо илимдеринде (анын ичинде медицина, медайымдык иш, фармация жана стоматология) көптөгөн басылып чыккан эмгектер бар, аларды FSLSM моделдерин колдонуу менен тапса болот [5, 11, 12, 13].FLSMде LS өлчөмдөрүн өлчөө үчүн колдонулган инструмент Окутуу стилинин индекси (ILS) [8] деп аталат, анда LSтун төрт өлчөмүн баалоочу 44 пункт бар: иштетүү (активдүү/рефлексивдүү), кабылдоо (кабылдоо/интуитивдик), киргизүү (визуалдык)./вербалдык) жана түшүнүү (ырааттуу/глобалдык) [14].
1-сүрөттө көрсөтүлгөндөй, ар бир FSLSM өлчөмү үстөмдүк артыкчылыкка ээ.Мисалы, кайра иштетүү өлчөмүндө, “активдүү” LS бар студенттер окуу материалдары менен түздөн-түз өз ара аракеттенүү аркылуу маалыматты иштеп чыгууну, жасап үйрөнүүнү жана топтордо үйрөнүүнү жактырышат.“Рефлектордук” LS ой жүгүртүү аркылуу үйрөнүүнү билдирет жана жалгыз иштөөнү артык көрөт.LSтин “кабылдоо” өлчөмүн “сезүү” жана/же “интуиция” деп бөлүүгө болот."Сезим" студенттери абстракттуу материалды жактырган, инновациялык жана чыгармачыл мүнөзгө ээ болгон "интуитивдик" студенттерге салыштырмалуу конкреттүү маалыматты жана практикалык процедураларды жактырышат.LSтин “киргизүү” өлчөмү “визуалдык” жана “вербалдык” окуучулардан турат.“Визуалдык” LS бар адамдар визуалдык демонстрациялар (мисалы, диаграммалар, видеолор же жандуу демонстрациялар) аркылуу үйрөнүүнү жакшы көрүшөт, ал эми “вербалдык” LS менен адамдар жазуу же оозеки түшүндүрмөлөр аркылуу үйрөнүүнү артык көрүшөт.LS өлчөмдөрүн «түшүнүү» үчүн мындай окуучуларды «ырааттуу» жана «глобалдык» деп бөлүүгө болот.«Кирезенттүү окуучулар сызыктуу ой жүгүртүү процессин жактырышат жана этап-этабы менен үйрөнүшөт, ал эми глобалдык окуучулар бир бүтүн ой процессине ээ болушат жана алар үйрөнүп жаткан нерселерин ар дайым жакшыраак түшүнүшөт.
Акыркы убакта көптөгөн изилдөөчүлөр маалыматтардын автоматтык түрдө ачылышынын ыкмаларын, анын ичинде чоң көлөмдөгү маалыматтарды чечмелөөгө жөндөмдүү жаңы алгоритмдерди жана моделдерди иштеп чыгууну изилдей башташты [15, 16].Берилген маалыматтардын негизинде көзөмөлдөнгөн ML (машинаны үйрөнүү) алгоритмдерди куруунун негизинде келечектеги натыйжаларды болжолдоочу үлгүлөрдү жана гипотезаларды түзө алат [17].Жөнөкөй сөз менен айтканда, көзөмөлдөнгөн машина үйрөнүү ыкмалары киргизилген маалыматтарды манипуляциялайт жана алгоритмдерди үйрөтөт.Андан кийин ал берилген киргизүү маалыматтары үчүн окшош кырдаалдардын негизинде натыйжаны классификациялаган же болжолдоочу диапазонду түзөт.Көзөмөлдөнгөн машина үйрөнүү алгоритмдеринин негизги артыкчылыгы – идеалдуу жана каалаган натыйжаларды түзө билүү [17].
Маалыматтарга негизделген ыкмаларды жана чечим дарагын башкаруу моделдерин колдонуу аркылуу LS автоматтык түрдө аныктоого болот.Чечим дарактары ар кандай тармактарда, анын ичинде саламаттыкты сактоо илимдеринде окутуу программаларында кеңири колдонулары кабарланган [18, 19].Бул изилдөөдө моделди атайын системаны иштеп чыгуучулар окуучулардын LS аныктоо жана алар үчүн эң жакшы ИСти сунуштоо үчүн үйрөтүшкөн.
Бул изилдөөнүн максаты студенттердин LS негизинде МТ жеткирүү стратегияларын иштеп чыгуу жана LS менен картага түшүрүлгөн IS сунуштоо инструментин иштеп чыгуу менен SCL ыкмасын колдонуу.SCL методунун стратегиясы катары ИСтин рекомендация инструментинин долбоорлоо агымы 1-сүрөттө көрсөтүлгөн. ИСтин рекомендация инструменти эки бөлүккө бөлүнгөн, анын ичинде ILSди колдонуу менен LS классификациялоо механизми жана студенттер үчүн эң ылайыктуу ИС дисплейи.
Атап айтканда, маалыматтык коопсуздук боюнча сунуш куралдарынын мүнөздөмөлөрү веб-технологияларды колдонууну жана чечим дарагынын машинасын үйрөнүүнү камтыйт.Системаны иштеп чыгуучулар колдонуучунун тажрыйбасын жана мобилдүүлүгүн мобилдик телефондор жана планшеттер сыяктуу мобилдик түзүлүштөргө ыңгайлаштыруу аркылуу жакшыртышат.
Эксперимент эки этапта жүргүзүлүп, Малайя университетинин стоматология факультетинин студенттери ыктыярдуу түрдө катышты.Катышуучулар стоматологиялык студенттин онлайн m-ILS англис тилинде жооп беришти.Алгачкы этапта 50 студенттен турган маалымат топтому чечим дарагынын машинаны үйрөнүү алгоритмин үйрөтүү үчүн колдонулган.Иштеп чыгуу процессинин экинчи этабында иштелип чыккан инструменттин тактыгын жогорулатуу үчүн 255 окуучудан турган маалымат топтому колдонулган.
Бардык катышуучулар Microsoft Teams аркылуу окуу жылына жараша ар бир этаптын башында онлайн брифинг алышат.Изилдөөнүн максаты түшүндүрүлүп, маалымдалган макулдук алынды.Бардык катышуучуларга m-ILS кирүү үчүн шилтеме берилди.Ар бир студент анкетанын бардык 44 пунктуна жооп берүүгө милдеттендирилди.Аларга семестр башталганга чейин семестрдик тыныгууда өздөрүнө ыңгайлуу убакытта жана жерде өзгөртүлгөн ILSти бүтүрүү үчүн бир жума убакыт берилди.m-ILS баштапкы ILS инструментине негизделген жана стоматологиялык студенттер үчүн өзгөртүлгөн.Баштапкы ILSге окшош, ал ар бир FSLSM өлчөмүнүн аспектилерин баалоо үчүн колдонулган 11 пункттан турган 44 бирдей бөлүштүрүлгөн пункттарды камтыйт (a, b).
Инструментти иштеп чыгуунун алгачкы этаптарында изилдөөчүлөр 50 стоматологиялык студенттердин маалымат топтомун колдонуу менен карталарды кол менен аннотациялашты.FSLM ылайык, система "а" жана "б" жооптордун суммасын берет.Ар бир өлчөм үчүн, эгерде студент жооп катары “a” ны тандаса, LS Active/Perceptual/Visual/Sequential деп классификацияланат, ал эми студент жооп катары “b”ди тандаса, студент Рефлексивдүү/Интуитивдик/Лингвистикалык деп классификацияланат. ./ глобалдык окуучу.
Стоматологиялык билим берүүнүн изилдөөчүлөрү менен системаны иштеп чыгуучулардын ортосундагы иш процессин калибрлөөдөн кийин суроолор FLSSM доменинин негизинде тандалып алынган жана ар бир студенттин LS деңгээлин болжолдоо үчүн ML моделине кошулган."Таштанды кирди, таштанды чыгар" - бул маалыматтардын сапатына басым жасоо менен машина үйрөнүү тармагындагы популярдуу сөз.Киргизилген маалыматтардын сапаты машина үйрөнүү моделинин тактыгын жана тактыгын аныктайт.Функцияны түзүү фазасында жаңы функциялар топтому түзүлөт, ал FLSSM негизинде “a” жана “b” жоопторунун суммасы болуп саналат.Баңги заттардын позицияларынын идентификациялык номерлери 1-таблицада келтирилген.
Жооптордун негизинде баллды эсептеп, окуучунун LS деңгээлин аныктаңыз.Ар бир студент үчүн балл диапазону 1ден 11ге чейин. 1ден 3кө чейинки упайлар ошол эле өлчөмдө окуу артыкчылыктарынын тең салмактуулугун көрсөтөт, ал эми 5тен 7ге чейинки баллдар орточо артыкчылыкты көрсөтүп турат, бул студенттер башкаларды окутууда бир чөйрөнү артык көрөрүн көрсөтөт. .Ошол эле өлчөм боюнча дагы бир вариация 9дан 11ге чейинки упайлар тигил же бул тарапка күчтүү артыкчылыкты чагылдырат [8].
Ар бир өлчөм үчүн дарылар “активдүү”, “чагылдыруучу” жана “балансталган” болуп топтоштурулган.Мисалы, эгер студент дайындалган пункт боюнча "b" га караганда "а" көп жооп берсе жана анын упайлары LS иштетүүчү өлчөмдү билдирген белгилүү бир пункт үчүн 5 босогосунан ашса, ал "активдүү" LSга кирет. домен..Бирок, окуучулар конкреттүү 11 суроодо (1-таблица) «а» дан «б» көптү тандап, 5 баллдан жогору балл алышканда «рефлексиялык» LS катары классификацияланган.Акыр-аягы, студент "тең салмактуулук" абалында болот.Эгерде балл 5 баллдан ашпаса, анда бул “процесс” LS.Классификация процесси башка LS өлчөмдөрү үчүн кайталанды, атап айтканда, кабыл алуу (активдүү/чагыл), киргизүү (визуалдык/оозеки) жана түшүнүү (ырааттуу/глобалдык).
Чечим дарагынын моделдери классификация процессинин ар кандай этаптарында өзгөчөлүктөрдүн ар кандай топтомдорун жана чечимдерди кабыл алуу эрежелерин колдоно алат.Бул популярдуу классификация жана болжолдоо куралы болуп эсептелет.Аны атрибуту боюнча тесттерди чагылдырган ички түйүндөр, тесттин натыйжаларын чагылдырган ар бир бутак жана класс белгисин камтыган ар бир жалбырак түйүнү (жалбырак түйүнү) бар дарак түзүмүн колдонуу менен көрсөтүүгө болот [20].
Жөнөкөй эрежеге негизделген программа ар бир окуучунун жоопторуна жараша LS баллын автоматтык түрдө жана аннотациялоо үчүн түзүлгөн.Эрежеге негизделген IF билдирүүсү формасын алат, мында "ЭГЕР" триггерди сүрөттөйт жана "АНЧА" аткарыла турган иш-аракетти көрсөтөт, мисалы: "Эгер X болсо, анда Y кыл" (Liu et al., 2014).Эгерде маалыматтар топтому корреляцияны көрсөтсө жана чечим дарагынын модели тийиштүү түрдө даярдалып, бааланган болсо, бул ыкма LS жана IS дал келүү процессин автоматташтыруунун эффективдүү жолу боло алат.
Өнүктүрүүнүн экинчи этабында, маалымат топтому сунуш куралынын тактыгын жакшыртуу үчүн 255ке чейин көбөйтүлгөн.Берилиштер топтому 1:4 катышында бөлүнгөн.Берилиштер топтомунун 25% (64) тесттик топтомго, ал эми калган 75% (191) окуу топтому катары колдонулган (2-сүрөт).Модельди бир эле маалымат топтомунда үйрөтүп, сынап көрүүгө жол бербөө үчүн берилиштер топтомун бөлүү керек, бул моделди үйрөнүүгө эмес, эстеп калууга алып келиши мүмкүн.Модель окуу топтомунда окутулат жана тесттик топтомдо анын иштешине баа берет — модель мурда эч качан көрбөгөн маалыматтар.
IS куралы иштелип чыккандан кийин, колдонмо веб-интерфейс аркылуу стоматологиялык студенттердин жоопторунун негизинде LS классификациялай алат.Веб-негизделген маалыматтык коопсуздукту сунуштоо куралы системасы Python программалоо тилин колдонуу менен, Django алкагын арка катары колдонот.2-таблицада бул системаны иштеп чыгууда колдонулган китепканалардын тизмеси келтирилген.
Берилиштер топтому окуучунун LS өлчөөлөрүн автоматтык түрдө классификациялоо үчүн студенттин жоопторун эсептөө жана чыгаруу үчүн чечим дарагынын моделине берилет.
Башаламандык матрицасы берилген маалымат топтому боюнча чечим дарагынын машина үйрөнүү алгоритминин тактыгын баалоо үчүн колдонулат.Ошол эле учурда классификация моделинин иштешине баа берет.Ал моделдин болжолдоолорун жалпылайт жана аларды чыныгы маалымат энбелгилери менен салыштырат.Баалоо натыйжалары төрт түрдүү мааниге негизделген: Чыныгы Позитивдүү (TP) – модель оң категорияны туура алдын ала айткан, False Positive (FP) – модель оң категорияны алдын ала айткан, бирок чыныгы белги терс болгон, Чыныгы Терс (TN) – модель терс классты туура алдын ала айткан, ал эми жалган терс (FN) - модель терс классты болжолдойт, бирок чыныгы белги оң.
Андан кийин бул маанилер Pythonдогу scikit-learn классификация моделинин ар кандай аткаруу көрсөткүчтөрүн, тактап айтканда, тактык, тактык, кайра чакырып алуу жана F1 эсебин эсептөө үчүн колдонулат.Бул жерде мисалдар келтирилген:
Чакыруу (же сезгичтик) m-ILS анкетасына жооп бергенден кийин моделдин окуучунун LS так классификациялоо мүмкүнчүлүгүн өлчөйт.
Өзгөчөлүк чыныгы терс көрсөткүч деп аталат.Жогорудагы формуладан көрүнүп тургандай, бул чыныгы негативдердин (ТН) чыныгы терс жана жалган позитивдердин (FP) катышы болушу керек.Студенттик дарыларды классификациялоо үчүн сунушталган куралдын бир бөлүгү катары, ал так идентификациялоого жөндөмдүү болушу керек.
Чечим дарагынын ML моделин үйрөтүү үчүн колдонулган 50 студенттин баштапкы маалымат топтому аннотациялардагы адамдын катасынан улам салыштырмалуу төмөн тактыкты көрсөттү (3-таблица).LS упайларын жана студенттердин аннотацияларын автоматтык түрдө эсептөө үчүн жөнөкөй эрежеге негизделген программаны түзгөндөн кийин, рекомендациялоочу системаны окутуу жана сыноо үчүн көбөйгөн сандагы маалымат топтомдору (255) колдонулган.
Көп класстын баш аламандык матрицасында диагоналдык элементтер ар бир LS түрү үчүн туура божомолдордун санын көрсөтөт (4-сүрөт).Чечим дарагынын моделин колдонуу менен жалпысынан 64 үлгү туура болжолдонгон.Ошентип, бул изилдөөдө диагоналдык элементтер күтүлгөн натыйжаларды көрсөтөт, бул модель жакшы аткарганын жана ар бир LS классификациясы үчүн класс белгисин так алдын ала айткандыгын көрсөтөт.Ошентип, сунуш инструментинин жалпы тактыгы 100% түзөт.
Тактыктын, тактыктын, кайра чакырып алуунун жана F1 упайынын маанилери 5-сүрөттө көрсөтүлгөн. Чечим дарагынын моделин колдонгон сунуштоо системасы үчүн анын F1 баллы 1,0 "мыкты" болуп, эң сонун тактыкты жана кайра чакырууну көрсөтүп, олуттуу сезимталдыкты жана өзгөчөлүктү чагылдырат. баалуулуктар.
6-сүрөттө окутуу жана тестирлөө аяктагандан кийин чечим дарагынын моделинин визуализациясы көрсөтүлгөн.Жанаша салыштырганда, азыраак өзгөчөлүктөр менен үйрөтүлгөн чечим дарагынын модели жогорку тактыкты жана моделдин визуализациясын жеңилдетти.Бул функцияларды кыскартууга алып баруучу өзгөчөлүк инженериясы моделдин иштешин жакшыртууда маанилүү кадам экенин көрсөтүп турат.
Чечим дарагын көзөмөлдөгөн окутууну колдонуу менен LS (киргизүү) жана IS (максаттуу чыгаруу) ортосундагы карта автоматтык түрдө түзүлөт жана ар бир LS үчүн толук маалыматты камтыйт.
Натыйжалар көрсөткөндөй, 255 студенттин 34,9%ы бир (1) LS вариантын жактырышкан.Көпчүлүк (54,3%) эки же андан көп LS артыкчылыктарына ээ болгон.Студенттердин 12,2% LS кыйла тең салмактуу экенин белгилешти (4-таблица).Сегиз негизги LSден тышкары, Малайя университетинин стоматологиялык студенттери үчүн LS классификациясынын 34 айкалышы бар.Алардын ичинен кабыл алуу, көрүү жана кабылдоо менен көрүүнүн айкалышы студенттер тарабынан билдирилген негизги LS болуп саналат (7-сүрөт).
4-таблицадан көрүнүп тургандай, окуучулардын басымдуу бөлүгүндө сезүү (13,7%) же көрүү (8,6%) LS басымдуулук кылышкан.Маалымдалгандай, окуучулардын 12,2%ы көрүү менен кабыл алууну айкалыштырган (перцептивдүү-визуалдык LS).Бул табылгалар окуучулардын калыптанган методдор аркылуу үйрөнүүнү жана эстеп калууну, конкреттүү жана деталдуу жол-жоболорду аткарууну жана табиятынан кунт коюуну жактырарын көрсөтүп турат.Ошол эле учурда алар карап үйрөнүүнү жактырышат (диаграммаларды ж.б. колдонуу) жана маалыматты топтордо же өз алдынча талкуулоого жана колдонууга жакын болушат.
Бул изилдөө студенттердин LSти дароо жана так болжолдоого жана ылайыктуу ИСти сунуштоого басым жасоо менен маалыматтарды казып алууда колдонулган машинаны үйрөнүү ыкмаларына сереп салат.Чечим дарагынын моделин колдонуу алардын жашоосу жана билим алуу тажрыйбасы менен тыгыз байланышкан факторлорду аныктады.Бул белгилүү критерийлердин негизинде берилиштердин топтомун субкатегорияларга бөлүү аркылуу маалыматтарды классификациялоо үчүн дарак структурасын колдонгон көзөмөлдөнгөн машина үйрөнүү алгоритми.Ал жалбырак түйүнүндө чечим кабыл алынганга чейин ар бир ички түйүндүн киргизүү өзгөчөлүктөрүнүн биринин маанисине негизделген кириш берилиштерин рекурсивдүү түрдө бөлүмдөргө бөлүү жолу менен иштейт.
Чечим дарагынын ички түйүндөрү m-ILS маселесинин кириш мүнөздөмөлөрүнө негизделген чечимди билдирет, ал эми жалбырак түйүндөрү LS классификациясынын акыркы божомолун билдирет.Изилдөөнүн жүрүшүндө киргизүү өзгөчөлүктөрү менен чыгаша божомолдорунун ортосундагы байланышты карап, чечим кабыл алуу процессин түшүндүргөн жана визуализациялаган чечим дарактарынын иерархиясын түшүнүү оңой.
Информатика жана инженерия тармактарында машина үйрөнүү алгоритмдери студенттердин кирүү экзамениндеги упайларына [21], демографиялык маалыматка жана окуу жүрүм-турумуна [22] негизделген иш-аракетин болжолдоо үчүн кеңири колдонулат.Изилдөөлөр көрсөткөндөй, алгоритм окуучулардын ишинин натыйжалуулугун так алдын ала айткан жана аларга академиялык кыйынчылыктарга дуушар болуу коркунучу бар студенттерди аныктоого жардам берген.
Стоматологиялык окутуу үчүн виртуалдык пациенттердин симуляторлорун иштеп чыгууда ML алгоритмдерин колдонуу жөнүндө айтылат.Симулятор чыныгы пациенттердин физиологиялык реакцияларын так кайталай алат жана стоматологиялык студенттерди коопсуз жана башкарылуучу чөйрөдө окутуу үчүн колдонулушу мүмкүн [23].Бир нече башка изилдөөлөр көрсөткөндөй, машинаны үйрөнүү алгоритмдери стоматологиялык жана медициналык билим берүүнүн жана бейтаптарды тейлөөнүн сапатын жана натыйжалуулугун жогорулата алат.Машиналарды үйрөнүү алгоритмдери симптомдор жана пациенттин мүнөздөмөлөрү сыяктуу маалыматтар топтомуна негизделген стоматологиялык ооруларды диагностикалоого жардам берүү үчүн колдонулган [24, 25].Башка изилдөөлөр пациенттин натыйжаларын болжолдоо, жогорку тобокелдикке кабылган бейтаптарды аныктоо, жекелештирилген дарылоо пландарын иштеп чыгуу [26], периодонталдык дарылоо [27] жана кариести дарылоо [25] сыяктуу милдеттерди аткаруу үчүн машина үйрөнүү алгоритмдерин колдонууну изилдеген.
Стоматологияда машиналык үйрөнүүнү колдонуу боюнча отчеттор жарыяланганы менен, стоматологиялык билимде анын колдонулушу чектелүү бойдон калууда.Ошондуктан, бул изилдөө стоматологиялык студенттер арасында LS жана IS менен тыгыз байланышкан факторлорду аныктоо үчүн чечим дарагынын моделин колдонууга багытталган.
Бул изилдөөнүн натыйжалары иштелип чыккан рекомендация инструменти жогорку тактыкка жана кемчиликсиз тактыкка ээ экенин көрсөтүп турат, бул мугалимдер бул куралдан пайда алаарын көрсөтөт.Маалыматтарга негизделген классификация процессин колдонуу менен ал жекелештирилген сунуштарды берип, окутуучулар менен студенттер үчүн билим берүү тажрыйбасын жана натыйжаларын жакшыртат.Алардын ичинен рекомендация куралдары аркылуу алынган маалымат мугалимдердин тандаган окутуу ыкмалары менен студенттердин окуу муктаждыктары ортосундагы карама-каршылыктарды чече алат.Мисалы, рекомендациялоочу инструменттердин автоматташтырылган чыгарылышынан улам, студенттин ИМди идентификациялоо жана аны тиешелүү IP менен далдаштыруу үчүн талап кылынган убакыт бир топ кыскарат.Ушундай жол менен ылайыктуу окуу иш-чаралары жана окуу материалдары уюштурулушу мүмкүн.Бул окуучулардын позитивдүү окуу жүрүм-турумун жана көңүлүн топтоо жөндөмүн өнүктүрүүгө жардам берет.Изилдөөлөрдүн биринде студенттерге окуу материалдары жана окуу иш-аракеттери алардын жактырган LSке дал келиши студенттерге көбүрөөк потенциалга жетүү үчүн бир нече жол менен окууну интеграциялоого, иштетүүгө жана ырахат алууга жардам берери айтылган [12].Изилдөөлөр ошондой эле окуучулардын сабакка катышуусун жакшыртуудан тышкары, окуучулардын окуу процессин түшүнүү да окутуу практикасын жана студенттер менен баарлашууну жакшыртууда чечүүчү роль ойноорун көрсөтөт [28, 29].
Бирок, ар кандай заманбап технологиялар сыяктуу эле, көйгөйлөр жана чектөөлөр бар.Бул маалыматтардын купуялуулугуна, бир тараптуулукка жана адилеттүүлүккө, ошондой эле стоматологиялык билимде машинаны үйрөнүү алгоритмдерин иштеп чыгуу жана ишке ашыруу үчүн зарыл болгон кесиптик көндүмдөрдү жана ресурстарды камтыйт;Бирок, бул чөйрөдө өсүп кызыгуу жана изилдөө машина окутуу технологиялары стоматологиялык билим берүү жана стоматологиялык кызматтарга оң таасирин тийгизиши мүмкүн экенин көрсөтүп турат.
Бул изилдөөнүн жыйынтыгы көрсөткөндөй, стоматолог студенттердин жарымы баңги затты "кабылдоо" тенденциясына ээ.Окуучулардын бул түрү фактыларга жана конкреттүү мисалдарга, практикалык багытка, майда-чүйдөсүнө чейин чыдамкайлыкка жана “визуалдык” LS артыкчылыкка ээ, мында окуучулар идеяларды жана ойлорду жеткирүү үчүн сүрөттөрдү, графиканы, түстөрдү жана карталарды колдонууну артык көрүшөт.Учурдагы натыйжалар стоматологиялык жана медициналык студенттерде LS баалоо үчүн ILS колдонгон башка изилдөөлөр менен шайкеш келет, алардын көпчүлүгү кабылдоочу жана көрүү LS [12, 30] өзгөчөлүктөрүнө ээ.Далмолин ж.Изилдөөчүлөр мугалимдер окуучулардын билим берүү процессин толук түшүнгөндө, окуучулардын иш-аракеттерин жана окуу тажрыйбасын жакшыртуучу ар кандай окутуу ыкмаларын жана иш-чараларын ишке ашырууга болот деп ырасташат [12, 31, 32].Башка изилдөөлөр көрсөткөндөй, студенттердин LS ын тууралоо да окуучулардын окуу тажрыйбасын жана алардын окуу стилин өздөрүнүн LS сына ылайыкташтыргандан кийин аткаруунун жакшыргандыгын көрсөтөт [13, 33].
Окуучулардын окуу жөндөмдүүлүгүнө жараша окутуу стратегияларын ишке ашырууда мугалимдердин пикирлери ар кандай болушу мүмкүн.Кээ бирөөлөр бул ыкманын артыкчылыктарын, анын ичинде кесиптик өнүгүү мүмкүнчүлүктөрүн, насаатчылыкты жана коомчулуктун колдоосун көрүшсө, башкалары убакыт жана институттук колдоо жөнүндө тынчсызданышы мүмкүн.Тең салмактуулукка умтулуу студентке багытталган мамилени түзүүнүн ачкычы болуп саналат.Университеттин администраторлору сыяктуу жогорку билим берүү органдары инновациялык тажрыйбаларды киргизүү жана профессордук-окутуучулук курамдын өнүгүүсүн колдоо аркылуу позитивдүү өзгөрүүлөрдү жүргүзүүдө маанилүү роль ойной алат [34].Чыныгы динамикалуу жана жооп берүүчү жогорку билим берүү системасын түзүү үчүн саясатчылар саясатка өзгөртүүлөрдү киргизүү, ресурстарды технологиялык интеграцияга жумшоо жана студенттерге багытталган ыкмаларды жайылткан негиздерди түзүү сыяктуу тайманбас кадамдарды жасашы керек.Бул чаралар каалаган натыйжаларга жетишүү үчүн маанилүү.Дифференциацияланган окутуу боюнча акыркы изилдөөлөр дифференцияланган окутууну ийгиликтүү ишке ашыруу мугалимдерди үзгүлтүксүз окутууну жана өнүктүрүү мүмкүнчүлүктөрүн талап кыларын ачык көрсөттү [35].
Бул курал студенттерге ылайыктуу окуу иш-чараларын пландаштырууда студентке багытталган мамилени каалашкан стоматологиялык мугалимдерге баалуу колдоо көрсөтөт.Бирок, бул изилдөө чечим дарагынын ML моделдерин колдонуу менен чектелет.Келечекте, сунуш куралдарынын тактыгын, ишенимдүүлүгүн жана тактыгын салыштыруу үчүн ар кандай машина үйрөнүү моделдеринин иштешин салыштыруу үчүн көбүрөөк маалымат чогултулушу керек.Кошумча, белгилүү бир тапшырма үчүн эң ылайыктуу машина үйрөнүү ыкмасын тандап жатканда, моделдин татаалдыгы жана чечмелөө сыяктуу башка факторлорду эске алуу маанилүү.
Бул изилдөөнүн бир чектөөсү, ал стоматологиялык студенттердин арасында LS жана IS картасын түзүүгө гана багытталган.Ошондуктан, иштелип чыккан рекомендация системасы стоматологиялык студенттерге ылайыктууларды гана сунуштайт.Өзгөртүүлөр жалпы жогорку билим берүү студенттери үчүн зарыл.
Жаңы иштелип чыккан машина үйрөнүүсүнө негизделген сунуштоо инструменти окуучулардын LSти тиешелүү ИСке дароо классификациялоого жана дал келтирүүгө жөндөмдүү, бул стоматологиялык окутуучуларга тиешелүү окутуу жана окуу иш-чараларын пландаштырууга жардам берген биринчи стоматологиялык билим берүү программасы.Маалыматтарга негизделген триаж процессин колдонуу менен ал жекелештирилген сунуштарды бере алат, убакытты үнөмдөйт, окутуу стратегияларын жакшыртат, максаттуу иш-чараларды колдоого алат жана үзгүлтүксүз кесиптик өнүгүүгө көмөктөшөт.Анын колдонулушу стоматологиялык билим берүүгө студентке багытталган ыкмаларды жайылтат.
Гилак Джани Ассошиэйтед Пресс.Окуучунун окуу стили менен мугалимдин окутуу стилинин дал келүүсү же дал келбеши.Int J Mod Educ Информатика.2012;4(11):51–60.https://doi.org/10.5815/ijmecs.2012.11.05
Посттун убактысы: 29-апрель-2024