Жоғары оқу орындарында, соның ішінде стоматологияда студентке бағдарланған оқытуға (SCL) қажеттілік артуда.Дегенмен, SCL стоматологиялық білім беруде шектеулі қолданылады.Сондықтан, бұл зерттеу стоматологиялық студенттердің таңдаулы оқу стилін (LS) және сәйкес оқыту стратегияларын (IS) картаға шығару үшін шешім ағашын машиналық оқыту (ML) технологиясын пайдалану арқылы стоматологияда SCL қолдануын ынталандыруға бағытталған IS нұсқауларын әзірлеу үшін пайдалы құрал .Стоматология студенттеріне арналған перспективалы әдістер.
Малайя университетінің барлығы 255 стоматолог студенттері өзгертілген Оқу стильдерінің индексі (m-ILS) сауалнамасын толтырды, онда оларды тиісті LS санаттарына жіктеу үшін 44 тармақ бар.Жиналған деректер (деректер жинағы деп аталады) оқушылардың оқу мәнерлерін ең қолайлы АЖ-ға автоматты түрде сәйкестендіру үшін бақыланатын шешімдер ағашын оқытуда пайдаланылады.Содан кейін машиналық оқытуға негізделген АЖ ұсыну құралының дәлдігі бағаланады.
LS (енгізу) және IS (мақсатты шығыс) арасындағы автоматтандырылған карталау процесінде шешім ағашының үлгілерін қолдану әрбір стоматологиялық студент үшін сәйкес оқыту стратегияларының дереу тізімін жасауға мүмкіндік береді.IS ұсыну құралы тамаша дәлдікті және жалпы үлгі дәлдігін еске түсіруді көрсетті, бұл LS мен IS сәйкестендірудің жақсы сезімталдық пен ерекшелікке ие екенін көрсетеді.
ML шешім ағашына негізделген IS ұсынымдар құралы стоматологиялық студенттердің оқу мәнерлерін сәйкес оқыту стратегияларымен дәл сәйкестендіру қабілетін дәлелдеді.Бұл құрал студенттерге бағытталған курстарды немесе студенттердің оқу тәжірибесін жақсарта алатын модульдерді жоспарлаудың қуатты нұсқаларын ұсынады.
Оқыту мен оқу – оқу орындарындағы негізгі қызмет.Сапалы кәсіптік білім беру жүйесін құру кезінде оқушылардың оқу қажеттіліктеріне назар аудару маңызды.Студенттер мен олардың оқу ортасының өзара әрекеттесуін олардың LS арқылы анықтауға болады.Зерттеулер көрсеткендей, мұғалімдердің оқушылардың LS және IS арасындағы сәйкессіздіктері зейін мен мотивацияның төмендеуі сияқты оқушылардың оқуына теріс салдарға әкелуі мүмкін.Бұл оқушының үлгеріміне жанама әсер етеді [1,2].
АЖ – мұғалімдердің оқушыларға білім мен дағдыларды беру, оның ішінде оқушыларға оқуға көмектесу үшін қолданатын әдіс [3].Жалпы айтқанда, жақсы мұғалімдер өз оқушыларының білім деңгейіне, олар оқып жатқан ұғымдарға және олардың оқу сатысына сәйкес келетін оқыту стратегияларын немесе ИС-ті жоспарлайды.Теориялық тұрғыдан алғанда, LS және IS сәйкес келгенде, студенттер тиімді оқу үшін белгілі бір дағдылар жиынтығын ұйымдастыра және пайдалана алады.Әдетте, сабақ жоспары оқытудан басшылыққа алынатын тәжірибеге немесе басшылыққа алынатын тәжірибеден тәуелсіз тәжірибеге дейінгі кезеңдер арасындағы бірнеше ауысуды қамтиды.Осыны ескере отырып, нәтижелі мұғалімдер көбінесе оқушылардың білімдері мен дағдыларын қалыптастыру мақсатында оқытуды жоспарлайды [4].
Жоғары оқу орындарында, соның ішінде стоматологияда SCL сұранысы артып келеді.SCL стратегиялары оқушылардың оқу қажеттіліктерін қанағаттандыруға арналған.Бұған, мысалы, егер оқушылар оқу іс-әрекетіне белсенді түрде қатысса және мұғалімдер фасилитатор ретінде әрекет етсе және құнды кері байланысты қамтамасыз етуге жауапты болса қол жеткізуге болады.Оқушылардың білім деңгейіне немесе қалауына сәйкес келетін оқу материалдары мен әрекеттерді қамтамасыз ету студенттердің оқу ортасын жақсартуға және оқудың оң тәжірибесін дамытуға ықпал ететіні айтылады [5].
Жалпы айтқанда, стоматолог студенттерінің оқу үдерісіне олар орындауға қажетті әртүрлі клиникалық процедуралар және оларда тиімді тұлғааралық дағдыларды дамытатын клиникалық орта әсер етеді.Тренингтің мақсаты студенттерге стоматологияның базалық білімін стоматологиялық клиникалық дағдылармен біріктіруге және алған білімдерін жаңа клиникалық жағдайларда қолдануға мүмкіндік беру болып табылады [6, 7].LS және IS арасындағы қарым-қатынасты зерттейтін алғашқы зерттеулер қалаған LS-ге сәйкестендірілген оқыту стратегияларын түзету білім беру процесін жақсартуға көмектесетінін көрсетті [8].Сондай-ақ авторлар оқушылардың оқуы мен қажеттіліктеріне бейімделу үшін оқыту мен бағалаудың әртүрлі әдістерін қолдануды ұсынады.
Мұғалімдер оқушылардың тереңірек білім алуын және пәнді түсінуін жақсартатын нұсқауларды әзірлеуге, дамытуға және жүзеге асыруға көмектесу үшін LS білімін қолданудың пайдасын көреді.Зерттеушілер Kolb Experiential Learning Model, Felder-Silverman Learning Style Model (FSLSM) және Fleming VAK/VARK моделі сияқты бірнеше LS бағалау құралдарын әзірледі [5, 9, 10].Әдебиеттерге сәйкес, бұл оқыту модельдері ең жиі қолданылатын және ең көп зерттелетін оқыту модельдері болып табылады.Ағымдағы зерттеу жұмысында стоматолог студенттер арасында LS бағалау үшін FSLSM қолданылады.
FSLSM – инженерияда бейімделген оқытуды бағалау үшін кеңінен қолданылатын модель.Денсаулық ғылымдарында (соның ішінде медицина, мейірбике ісі, фармация және стоматология) көптеген жарияланған еңбектер бар, оларды FSLSM үлгілері арқылы табуға болады [5, 11, 12, 13].FLSM-де LS өлшемдерін өлшеу үшін қолданылатын құрал Оқыту стильдерінің индексі (ILS) [8] деп аталады, ол LS төрт өлшемін бағалайтын 44 пункттен тұрады: өңдеу (белсенді/рефлексивті), қабылдау (перцептивті/интуитивтік), енгізу (көрнекі)./вербалды) және түсіну (тізбекті/жаһандық) [14].
1-суретте көрсетілгендей, әрбір FSLSM өлшемі басым басымдыққа ие.Мысалы, өңдеу өлшемінде «белсенді» LS бар оқушылар оқу материалдарымен тікелей әрекеттесу арқылы ақпаратты өңдеуді, орындау арқылы үйренуді және топта оқуға бейімділік танытады.«Рефлексиялық» LS ойлау арқылы оқытуды білдіреді және жалғыз жұмыс істеуді қалайды.LS «қабылдау» өлшемін «сезім» және/немесе «интуиция» деп бөлуге болады.«Сезім» студенттері нақтырақ ақпарат пен практикалық процедураларды қалайды, дерексіз материалды ұнататын «интуитивті» студенттермен салыстырғанда фактіге бағдарланған және табиғаты жаңашыл және шығармашылық.LS «енгізу» өлшемі «визуалды» және «ауызша» оқушылардан тұрады.«Көрнекі» LS бар адамдар көрнекі демонстрациялар (диаграммалар, бейнелер немесе тірі демонстрациялар сияқты) арқылы үйренгенді қалайды, ал «ауызша» LS бар адамдар жазбаша немесе ауызша түсіндірмелердегі сөздер арқылы үйренгенді қалайды.LS өлшемдерін «түсіну» үшін мұндай оқушыларды «тізбекті» және «жаһандық» деп бөлуге болады.«Тізбектелген оқушылар сызықтық ойлау процесін жақсы көреді және кезең-кезеңімен үйренеді, ал жаһандық оқушылар тұтас ойлау үрдісіне ие және әрқашан не оқып жатқанын жақсы түсінеді.
Жақында көптеген зерттеушілер деректерді автоматты түрде ашу әдістерін, соның ішінде үлкен көлемдегі мәліметтерді интерпретациялауға қабілетті жаңа алгоритмдер мен модельдерді әзірлеуді зерттей бастады [15, 16].Берілген деректерге сүйене отырып, бақыланатын ML (машиналық оқыту) алгоритмдерді құру негізінде болашақ нәтижелерді болжайтын үлгілер мен гипотезаларды құра алады [17].Қарапайым тілмен айтқанда, бақыланатын машиналық оқыту әдістері кіріс деректерін басқарады және алгоритмдерді үйретеді.Содан кейін ол берілген кіріс деректері үшін ұқсас жағдайлар негізінде нәтижені жіктейтін немесе болжайтын ауқымды жасайды.Бақыланатын машиналық оқыту алгоритмдерінің басты артықшылығы оның идеалды және қажетті нәтижелерді орнату мүмкіндігі болып табылады [17].
Деректерге негізделген әдістерді және шешімдер ағашын басқару модельдерін пайдалану арқылы LS автоматты түрде анықтауға болады.Шешім ағаштары әртүрлі салалардағы, соның ішінде денсаулық ғылымдары бойынша оқыту бағдарламаларында кеңінен қолданылатыны туралы хабарланды [18, 19].Бұл зерттеуде жүйені әзірлеушілер студенттердің LS анықтау және олар үшін ең жақсы АЖ ұсыну үшін модельді арнайы оқытты.
Бұл зерттеудің мақсаты студенттердің LS негізіндегі АЖ жеткізу стратегияларын әзірлеу және LS картасына салынған АЖ ұсынымдар құралын әзірлеу арқылы SCL тәсілін қолдану.SCL әдісінің стратегиясы ретінде АЖ ұсынымдар құралының жобалау ағыны 1-суретте көрсетілген. АЖ ұсыну құралы екі бөлікке бөлінген, соның ішінде ILS қолданатын LS жіктеу механизмі және студенттер үшін ең қолайлы АЖ дисплейі.
Атап айтқанда, ақпараттық қауіпсіздікті ұсыну құралдарының сипаттамалары веб-технологияларды пайдалануды және шешім ағашын машиналық оқытуды пайдалануды қамтиды.Жүйені әзірлеушілер ұялы телефондар мен планшеттер сияқты мобильді құрылғыларға бейімдеу арқылы пайдаланушы тәжірибесі мен ұтқырлығын жақсартады.
Эксперимент екі кезеңде жүргізілді және Малая университетінің стоматология факультетінің студенттері ерікті түрде қатысты.Қатысушылар стоматолог студентінің онлайн m-ILS ағылшын тілінде жауап берді.Бастапқы кезеңде 50 оқушыдан тұратын деректер жинағы шешім ағашының машиналық оқыту алгоритмін үйрету үшін пайдаланылды.Әзірлеу процесінің екінші кезеңінде әзірленген құралдың дәлдігін жақсарту үшін 255 оқушыдан тұратын деректер жинағы пайдаланылды.
Барлық қатысушылар Microsoft Teams арқылы оқу жылына байланысты әр кезеңнің басында онлайн брифинг алады.Зерттеудің мақсаты түсіндірілді және ақпараттандырылған келісім алынды.Барлық қатысушыларға m-ILS қол жеткізуге сілтеме берілді.Әрбір студент сауалнамадағы барлық 44 сұраққа жауап беруді тапсырды.Оларға өзгертілген ILS-ті семестр басталғанға дейін семестрлік үзіліс кезінде өздеріне ыңғайлы уақытта және жерде аяқтау үшін бір апта уақыт берілді.m-ILS түпнұсқа ILS құралына негізделген және стоматологиялық студенттер үшін өзгертілген.Түпнұсқа ILS сияқты ол әрбір FSLSM өлшемінің аспектілерін бағалау үшін пайдаланылатын әрқайсысында 11 элементі бар 44 біркелкі бөлінген элементтерді (a, b) қамтиды.
Құрал әзірлеудің бастапқы кезеңдерінде зерттеушілер 50 стоматолог студенттерінің деректер жинағын пайдалана отырып, карталарды қолмен түсіндірді.FSLM сәйкес жүйе «a» және «b» жауаптарының қосындысын береді.Әрбір өлшем үшін, егер оқушы жауап ретінде «a» таңдаса, LS Белсенді/Перцептивті/Көрнекі/дәйекті деп жіктеледі, ал егер студент жауап ретінде «b»-ді таңдаса, студент рефлексивті/интуитивтік/лингвистикалық болып жіктеледі. ./ ғаламдық оқушы.
Стоматологиялық білім беру зерттеушілері мен жүйе әзірлеушілері арасындағы жұмыс процесін калибрлеуден кейін сұрақтар FLSSM доменіне негізделген таңдалды және әрбір студенттің LS болжамын болжау үшін ML үлгісіне жіберілді.«Қоқыс ішке, қоқыс шығару» - бұл деректер сапасына баса назар аудара отырып, машиналық оқыту саласындағы танымал сөз.Кіріс деректерінің сапасы машиналық оқыту моделінің дәлдігі мен дәлдігін анықтайды.Функцияларды жобалау кезеңінде FLSSM негізінде «a» және «b» жауаптарының қосындысы болып табылатын жаңа мүмкіндіктер жинағы жасалады.Дәрілік заттардың позицияларының сәйкестендіру нөмірлері 1-кестеде келтірілген.
Жауаптар бойынша ұпайды есептеп, оқушының ЖС деңгейін анықтаңыз.Әрбір студент үшін ұпай диапазоны 1-ден 11-ге дейін. 1-ден 3-ке дейінгі ұпайлар бір өлшемдегі оқу қалауларының тепе-теңдігін көрсетеді, ал 5-тен 7-ге дейінгі ұпайлар орташа артықшылықты көрсетеді, бұл студенттер басқаларды оқытуда бір ортаны қалайтынын көрсетеді. .Сол өлшемдегі басқа вариация 9-дан 11-ге дейінгі ұпайлар бір немесе басқа жаққа күшті артықшылықты көрсетеді [8].
Әрбір өлшем бойынша препараттар «белсенді», «шағылыстыратын» және «теңдестірілген» болып топтастырылған.Мысалы, егер студент тағайындалған элемент бойынша «b»-ға қарағанда «a» жиірек жауап берсе және оның ұпайы Өңдеу LS өлшемін білдіретін белгілі бір элемент үшін 5 шегінен асса, ол «белсенді» LS-ке жатады. домен..Дегенмен, оқушылар нақты 11 сұрақта (1-кесте) «a»-дан артық «b»-ді таңдап, 5-тен жоғары ұпай жинаса, оқушылар «рефлексиялық» LS санатына жатқызылды.Ақырында, студент «тепе-теңдік» күйінде болады.Егер ұпай 5 ұпайдан аспаса, бұл LS «процесс» болып табылады.Жіктеу процесі басқа LS өлшемдері, атап айтқанда қабылдау (белсенді/рефлексиялық), енгізу (көрнекі/ауызша) және түсіну (тізбекті/жаһандық) үшін қайталанды.
Шешім ағашының үлгілері жіктеу процесінің әртүрлі кезеңдерінде мүмкіндіктердің әртүрлі жиынтықтарын және шешім қабылдау ережелерін пайдалана алады.Ол танымал жіктеу және болжау құралы болып саналады.Оны атрибут бойынша сынақтарды көрсететін ішкі түйіндер, сынақ нәтижелерін көрсететін әрбір тармақ және сынып белгісін қамтитын әрбір жапырақ түйіні (жапырақ түйіні) бар блок-схема [20] сияқты ағаш құрылымы арқылы ұсынылуы мүмкін.
Әрбір студенттің жауаптары негізінде LS-ді автоматты түрде бағалау және аннотациялау үшін қарапайым ережеге негізделген бағдарлама жасалды.Ережеге негізделген IF операторы пішімін қабылдайды, мұнда «IF» триггерді сипаттайды және «ОНДА» орындалатын әрекетті көрсетеді, мысалы: «Егер X орын алса, онда Y орындаңыз» (Liu et al., 2014).Егер деректер жиыны корреляцияны көрсетсе және шешім ағашының үлгісі дұрыс оқытылып, бағаланса, бұл тәсіл LS және IS сәйкестендіру процесін автоматтандырудың тиімді әдісі бола алады.
Әзірлеудің екінші кезеңінде ұсыныстар құралының дәлдігін жақсарту үшін деректер жинағы 255-ке дейін ұлғайтылды.Деректер жинағы 1:4 қатынасында бөлінген.Деректер жинағының 25% (64) тест жинағы үшін, ал қалған 75% (191) оқу жинағы ретінде пайдаланылды (2-сурет).Модельдің бір деректер жиынында оқытылуына және тексерілуіне жол бермеу үшін деректер жиынын бөлу керек, бұл үлгіні үйренуге емес, есте сақтауға әкелуі мүмкін.Модель оқу жинағында оқытылады және оның сынақ жиынындағы өнімділігін бағалайды — модель бұрын ешқашан көрмеген деректер.
АЖ құралы әзірленгеннен кейін қолданба веб-интерфейс арқылы стоматологиялық студенттердің жауаптары негізінде LS жіктей алады.Веб-негізделген ақпараттық қауіпсіздікті ұсыну құралдары жүйесі Python бағдарламалау тілі арқылы Django негізін сервер ретінде пайдалана отырып құрастырылған.2-кестеде осы жүйені әзірлеуде пайдаланылған кітапханалар тізімі берілген.
Деректер жиыны оқушының LS өлшемдерін автоматты түрде жіктеу үшін оқушы жауаптарын есептеу және шығару үшін шешім ағашының үлгісіне беріледі.
Шатасу матрицасы берілген деректер жиынында шешім ағашының машиналық оқыту алгоритмінің дәлдігін бағалау үшін қолданылады.Сонымен бірге ол классификациялық модельдің өнімділігін бағалайды.Ол модельдің болжамдарын қорытындылайды және оларды нақты деректер белгілерімен салыстырады.Бағалау нәтижелері төрт түрлі мәнге негізделген: True Positive (TP) – модель оң санатты дұрыс болжады, False Positive (FP) – модель оң санатты болжады, бірақ шынайы белгі теріс болды, True Negative (TN) – модель теріс сыныпты дұрыс болжады, ал жалған теріс (FN) – Модель теріс сыныпты болжайды, бірақ шынайы белгі оң.
Содан кейін бұл мәндер Python тіліндегі scikit-learn жіктеу моделінің әртүрлі өнімділік көрсеткіштерін, атап айтқанда дәлдік, дәлдік, еске түсіру және F1 ұпайларын есептеу үшін пайдаланылады.Міне мысалдар:
Еске түсіру (немесе сезімталдық) модельдің m-ILS сауалнамасына жауап бергеннен кейін оқушының LS-ін дәл жіктеу мүмкіндігін өлшейді.
Ерекшелік шынайы теріс жылдамдық деп аталады.Жоғарыдағы формуладан көріп отырғаныңыздай, бұл шынайы негативтердің (TN) шынайы негативтерге және жалған позитивтерге (FP) қатынасы болуы керек.Студенттік препараттарды жіктеудің ұсынылатын құралының бөлігі ретінде ол дәл сәйкестендіруге қабілетті болуы керек.
Шешім ағашының ML үлгісін үйрету үшін пайдаланылған 50 студенттің бастапқы деректер жинағы аннотациялардағы адам қателігіне байланысты салыстырмалы түрде төмен дәлдікті көрсетті (3-кесте).LS ұпайлары мен студенттердің аннотацияларын автоматты түрде есептеу үшін қарапайым ережеге негізделген бағдарламаны жасағаннан кейін, кеңес беру жүйесін оқыту және сынау үшін деректер жиынының көбеюі (255) пайдаланылды.
Көп класты шатастыру матрицасында диагональды элементтер әрбір LS түрі үшін дұрыс болжамдардың санын көрсетеді (4-сурет).Шешім ағашының үлгісін қолдану арқылы барлығы 64 үлгі дұрыс болжалды.Осылайша, бұл зерттеуде диагональды элементтер күтілетін нәтижелерді көрсетеді, бұл модель жақсы жұмыс істейтінін және әрбір LS классификациясы үшін класс белгісін дәл болжайтынын көрсетеді.Осылайша, ұсыныс құралының жалпы дәлдігі 100% құрайды.
Дәлдік, дәлдік, еске түсіру және F1 ұпайларының мәндері 5-суретте көрсетілген. Шешім ағашының үлгісін пайдаланатын ұсынымдар жүйесі үшін оның F1 ұпайы 1,0 «мінсіз» болып табылады, бұл тамаша дәлдік пен еске түсіруді көрсетеді, маңызды сезімталдық пен ерекшелікті көрсетеді құндылықтар.
6-суретте оқыту мен тестілеу аяқталғаннан кейін шешім ағашының үлгісінің визуализациясы көрсетілген.Қатарлы салыстыруда, мүмкіндіктері азырақ дайындалған шешім ағашының үлгісі жоғары дәлдікті және модельді визуализациялауды жеңілдетті.Бұл мүмкіндіктерді азайтуға әкелетін мүмкіндіктерді жобалау модель өнімділігін жақсартудағы маңызды қадам екенін көрсетеді.
Шешім ағашының бақыланатын оқытуды қолдану арқылы LS (енгізу) және IS (мақсатты шығыс) арасындағы салыстыру автоматты түрде жасалады және әрбір LS үшін толық ақпаратты қамтиды.
Нәтижелер 255 оқушының 34,9%-ы бір (1) LS нұсқасын таңдағанын көрсетті.Көпшілігінде (54,3%) екі немесе одан да көп LS басымдықтары болды.Студенттердің 12,2% LS айтарлықтай теңгерімді екенін атап өтті (4-кесте).Сегіз негізгі LS-тен басқа, Малайя университетінің стоматологиялық студенттеріне арналған LS классификацияларының 34 комбинациясы бар.Олардың ішінде қабылдау, көру және қабылдау мен көрудің үйлесімі студенттер баяндаған негізгі LS болып табылады (7-сурет).
4-кестеден көріп отырғанымыздай, оқушылардың көпшілігінде сенсорлық (13,7%) немесе көрнекі (8,6%) LS басым болды.Оқушылардың 12,2%-ы қабылдауды көрумен (перцептивті-визуалды LS) біріктіретіні айтылды.Бұл тұжырымдар студенттердің қалыптасқан әдістер арқылы оқуды және есте сақтауды қалайтынын, нақты және егжей-тегжейлі процедураларды орындайтынын және табиғатта зейінді екенін көрсетеді.Сонымен бірге олар (сызбаларды пайдалану және т.б.) қарап үйренуді ұнатады және ақпаратты топта немесе өз бетінше талқылауға және қолдануға бейім.
Бұл зерттеу студенттердің LS-ін лезде және дәл болжауға және сәйкес АЖ ұсынуға назар аудара отырып, деректерді өңдеуде қолданылатын машиналық оқыту әдістеріне шолу жасайды.Шешім ағашының үлгісін қолдану олардың өмірі мен білім беру тәжірибесімен ең тығыз байланысты факторларды анықтады.Бұл белгілі бір критерийлер негізінде деректер жинағын ішкі санаттарға бөлу арқылы деректерді жіктеу үшін ағаш құрылымын пайдаланатын бақыланатын машиналық оқыту алгоритмі.Ол жапырақ түйінінде шешім қабылданғанша әрбір ішкі түйіннің кіріс мүмкіндіктерінің бірінің мәніне негізделген кіріс деректерін рекурсивті түрде ішкі жиындарға бөлу арқылы жұмыс істейді.
Шешім ағашының ішкі түйіндері m-ILS есебінің кіріс сипаттамаларына негізделген шешімді білдіреді, ал жапырақ түйіндері LS классификациясының соңғы болжамын білдіреді.Зерттеу барысында кіріс мүмкіндіктері мен шығыс болжамдары арасындағы қатынасты қарастыру арқылы шешім қабылдау процесін түсіндіретін және визуализациялайтын шешім ағаштарының иерархиясын түсіну оңай.
Информатика және инженерия салаларында машиналық оқыту алгоритмдері студенттердің түсу емтиханындағы ұпайларына [21], демографиялық ақпаратқа және оқу тәртібіне [22] негізделген оқу үлгерімін болжау үшін кеңінен қолданылады.Зерттеулер алгоритм студенттердің үлгерімін дәл болжағанын және оларға академиялық қиындықтарға ұшырау қаупі бар студенттерді анықтауға көмектесетінін көрсетті.
Стоматологиялық тренингке арналған виртуалды пациент тренажерларын жасауда ML алгоритмдерін қолдану туралы айтылады.Тренажер нақты пациенттердің физиологиялық жауаптарын дәл шығаруға қабілетті және стоматологиялық студенттерді қауіпсіз және бақыланатын ортада оқыту үшін пайдаланылуы мүмкін [23].Бірнеше басқа зерттеулер машиналық оқыту алгоритмдері стоматологиялық және медициналық білім берудің және пациенттерге күтім көрсетудің сапасы мен тиімділігін әлеуетті түрде жақсарта алатынын көрсетеді.Симптомдар мен пациенттердің сипаттамалары сияқты деректер жиынына негізделген стоматологиялық ауруларды диагностикалауға көмектесу үшін машиналық оқыту алгоритмдері пайдаланылды [24, 25].Басқа зерттеулер пациенттердің нәтижелерін болжау, жоғары тәуекелді науқастарды анықтау, жекелендірілген емдеу жоспарларын әзірлеу [26], пародонт емдеу [27] және кариес емдеу [25] сияқты тапсырмаларды орындау үшін машиналық оқыту алгоритмдерін пайдалануды зерттеді.
Стоматологияда машиналық оқытуды қолдану туралы есептер жарияланғанымен, оны стоматологиялық білім беруде қолдану шектеулі болып қалады.Сондықтан, бұл зерттеу стоматологиялық студенттер арасында LS және IS-пен ең тығыз байланысты факторларды анықтау үшін шешім ағашының үлгісін қолдануға бағытталған.
Бұл зерттеудің нәтижелері әзірленген ұсыныс құралының жоғары дәлдігі мен мінсіз дәлдігін көрсетеді, бұл мұғалімдердің бұл құралды пайдалана алатынын көрсетеді.Деректерге негізделген жіктеу процесін пайдалана отырып, ол жекелендірілген ұсыныстар бере алады және оқытушылар мен студенттер үшін білім беру тәжірибесі мен нәтижелерін жақсарта алады.Олардың ішінде ұсыныс құралдары арқылы алынған ақпарат мұғалімдердің таңдаулы оқыту әдістері мен студенттердің оқу қажеттіліктері арасындағы қайшылықтарды шеше алады.Мысалы, ұсынымдар құралдарының автоматтандырылған шығысының арқасында студенттің IP-ін анықтауға және оны сәйкес IP-мен сәйкестендіруге кететін уақыт айтарлықтай қысқарады.Осылайша, қолайлы оқу әрекеттері мен оқу материалдарын ұйымдастыруға болады.Бұл оқушылардың оқудағы оң мінез-құлқын және зейінін шоғырландыру қабілетін дамытуға көмектеседі.Бір зерттеуде студенттерге олардың қалаған LS сәйкес келетін оқу материалдары мен оқу әрекеттерін қамтамасыз ету студенттерге үлкен әлеуетке қол жеткізу үшін әртүрлі әдістермен оқуды біріктіруге, өңдеуге және ләззат алуға көмектесетінін хабарлады [12].Зерттеулер сонымен қатар оқушылардың сабаққа қатысуын жақсартумен қатар, оқушылардың оқу үдерісін түсіну оқыту тәжірибесі мен оқушылармен қарым-қатынасты жақсартуда шешуші рөл атқаратынын көрсетеді [28, 29].
Дегенмен, кез келген заманауи технология сияқты, проблемалар мен шектеулер бар.Олар деректердің құпиялылығына, біржақтылық пен әділдікке, сондай-ақ стоматологиялық білім беруде машиналық оқыту алгоритмдерін әзірлеуге және енгізуге қажетті кәсіби дағдылар мен ресурстарға қатысты мәселелерді қамтиды;Дегенмен, осы салаға қызығушылық пен зерттеулердің артуы машиналық оқыту технологиялары стоматологиялық білім мен стоматологиялық қызметтерге оң әсер етуі мүмкін екенін көрсетеді.
Бұл зерттеудің нәтижелері стоматолог студенттердің жартысы есірткіні «қабылдауға» бейім екенін көрсетеді.Оқушылардың бұл түрі фактілер мен нақты мысалдарды, практикалық бағыттылықты, егжей-тегжейге шыдамдылықты және «визуалды» LS артықшылығын ұнатады, мұнда оқушылар идеялар мен ойларды жеткізу үшін суреттерді, графиканы, түстерді және карталарды пайдалануды қалайды.Ағымдағы нәтижелер стоматологиялық және медициналық студенттерде LS бағалау үшін ILS қолданатын басқа зерттеулермен сәйкес келеді, олардың көпшілігінде перцептивтік және көру LS сипаттамалары бар [12, 30].Далмолин және басқалары студенттерге LS туралы ақпарат беру олардың оқу әлеуетін ашуға мүмкіндік береді деп болжайды.Зерттеушілер мұғалімдер оқушылардың білім беру үдерісін толық түсінгенде, оқушылардың үлгерімі мен оқу тәжірибесін жақсартатын әртүрлі оқыту әдістері мен әрекеттерін жүзеге асыруға болатынын айтады [12, 31, 32].Басқа зерттеулер көрсеткендей, студенттердің LS-ін түзету, сонымен қатар олардың оқу мәнерлерін өздерінің LS-іне сәйкес өзгертуден кейін олардың оқу тәжірибесі мен өнімділігінің жақсарғанын көрсетеді [13, 33].
Оқушылардың оқу қабілеттеріне негізделген оқыту стратегияларын жүзеге асыруға қатысты мұғалімдердің пікірлері әртүрлі болуы мүмкін.Кейбіреулер кәсіби даму мүмкіндіктерін, тәлімгерлік пен қоғамдастықты қолдауды қоса алғанда, бұл тәсілдің артықшылықтарын көрсе, басқалары уақыт пен институционалдық қолдауға алаңдауы мүмкін.Тепе-теңдікке ұмтылу студентке бағытталған көзқарасты қалыптастырудың кілті болып табылады.Университет әкімшілері сияқты жоғары білім беру органдары инновациялық тәжірибелерді енгізу және профессорлық-оқытушылық құрамның дамуына қолдау көрсету арқылы оң өзгерістерді жүргізуде маңызды рөл атқара алады [34].Нағыз серпінді және жауап беретін жоғары білім беру жүйесін құру үшін саясаткерлер саясатқа өзгерістер енгізу, ресурстарды технологияларды біріктіруге жұмсау және студенттерге бағытталған тәсілдерді ілгерілететін құрылымдарды құру сияқты батыл қадамдар жасауы керек.Бұл шаралар қажетті нәтижелерге қол жеткізу үшін өте маңызды.Саралап оқыту бойынша соңғы зерттеулер саралап оқытуды сәтті жүзеге асыру мұғалімдерді үздіксіз оқыту мен дамыту мүмкіндіктерін қажет ететінін анық көрсетті [35].
Бұл құрал студенттерге қолайлы оқу іс-әрекетін жоспарлауға студентке бағытталған тәсілді қолданғысы келетін стоматологиялық мұғалімдерге құнды қолдау көрсетеді.Дегенмен, бұл зерттеу шешім ағашының ML модельдерін пайдаланумен шектеледі.Болашақта ұсыныс құралдарының дәлдігін, сенімділігін және дәлдігін салыстыру үшін әртүрлі машиналық оқыту үлгілерінің өнімділігін салыстыру үшін көбірек деректер жиналуы керек.Сонымен қатар, белгілі бір тапсырма үшін ең қолайлы машиналық оқыту әдісін таңдаған кезде, үлгі күрделілігі мен интерпретация сияқты басқа факторларды ескеру маңызды.
Бұл зерттеудің шектеуі оның тек стоматологиялық студенттер арасында LS және IS картасын құруға бағытталғандығы болып табылады.Сондықтан әзірленген ұсыныстар жүйесі тек стоматологиялық студенттерге сәйкес келетіндерді ұсынады.Өзгерістер жалпы жоғары білім беру студенттері үшін қажет.
Жаңадан әзірленген машиналық оқытуға негізделген ұсыныс құралы студенттердің LS-ін сәйкес АЖ-ға лезде жіктеуге және сәйкестендіруге қабілетті, бұл оны стоматологиялық мұғалімдерге сәйкес оқыту мен оқу әрекеттерін жоспарлауға көмектесетін алғашқы стоматологиялық білім беру бағдарламасына айналдырады.Деректерге негізделген триаж процесін пайдалана отырып, ол жекелендірілген ұсыныстар бере алады, уақытты үнемдейді, оқыту стратегияларын жақсартады, мақсатты араласуға қолдау көрсетеді және үздіксіз кәсіби дамуға ықпал етеді.Оны қолдану стоматологиялық білім берудегі студенттерге бағытталған тәсілдерді алға жылжытады.
Гилак Джани Ассошиэйтед Пресс.Оқушының оқу стилі мен мұғалімнің оқыту стилінің сәйкестігі немесе сәйкес келмеуі.Int J Mod Educ Информатика.2012;4(11):51–60.https://doi.org/10.5815/ijmecs.2012.11.05
Жіберу уақыты: 29 сәуір-2024 ж