Стоматологияны қоса алғанда, жоғары оқу орындарында студентке бағытталған оқытуға (SCL) деген қажеттілік артып келеді. Дегенмен, SCL стоматологиялық білім беруде шектеулі қолданылуы бар. Сондықтан, бұл зерттеу стоматологиялық студенттердің қалаған оқу стилін (LS) және сәйкес оқу стратегияларын (IS) IS нұсқауларын әзірлеудің пайдалы құралы ретінде картаға түсіру үшін шешім ағашы машиналық оқыту (ML) технологиясын пайдалану арқылы стоматологияда SCL қолдануды ілгерілетуге бағытталған. Стоматологиялық студенттер үшін перспективалы әдістер.
Малая университетінің 255 стоматологиялық студенті өзгертілген Оқу стильдерінің индексі (m-ILS) сауалнамасын толтырды, онда оларды тиісті LS-ге жіктеу үшін 44 тармақ бар. Жиналған деректер (деректер жиынтығы деп аталады) студенттердің оқу стильдерін ең қолайлы IS-ке автоматты түрде сәйкестендіру үшін бақыланатын шешім ағашында оқытуда қолданылады. Содан кейін машиналық оқытуға негізделген IS ұсыныс құралының дәлдігі бағаланады.
LS (кіріс) және IS (мақсатты шығыс) арасындағы автоматтандырылған картаға түсіру процесінде шешім ағашы модельдерін қолдану әрбір стоматологиялық студент үшін тиісті оқу стратегияларының тізімін дереу жасауға мүмкіндік береді. IS ұсыныс құралы LS-ті IS-ке сәйкестендірудің жақсы сезімталдығы мен ерекшелігін көрсететін мінсіз дәлдікті және жалпы модель дәлдігін көрсетті.
ML шешім ағашына негізделген ақпараттық технологияларды ұсыну құралы стоматологиялық студенттердің оқу стильдерін тиісті оқу стратегияларымен дәл сәйкестендіру мүмкіндігін дәлелдеді. Бұл құрал студенттердің оқу тәжірибесін жақсарта алатын оқушыға бағытталған курстарды немесе модульдерді жоспарлаудың тиімді нұсқаларын ұсынады.
Оқыту және оқу білім беру мекемелеріндегі негізгі іс-шаралар болып табылады. Жоғары сапалы кәсіптік білім беру жүйесін әзірлеу кезінде оқушылардың оқу қажеттіліктеріне назар аудару маңызды. Оқушылар мен олардың оқу ортасы арасындағы өзара әрекеттесуді олардың оқу бағдарламалары арқылы анықтауға болады. Зерттеулер мұғалімнің оқушылардың оқу бағдарламалары мен оқу бағдарламалары арасындағы сәйкессіздіктері оқушылардың оқуына кері әсер етуі мүмкін екенін, мысалы, назар аудару мен мотивацияның төмендеуін көрсетеді. Бұл оқушылардың үлгеріміне жанама түрде әсер етеді [1,2].
ХБ – мұғалімдер оқушыларға білім мен дағдыларды беру үшін, соның ішінде оқушылардың оқуына көмектесу үшін қолданатын әдіс [3]. Жалпы алғанда, жақсы мұғалімдер оқушыларының білім деңгейіне, үйреніп жатқан тұжырымдамаларына және оқу кезеңіне ең жақсы сәйкес келетін оқыту стратегияларын немесе ХБ жоспарлайды. Теориялық тұрғыдан алғанда, ХБ және ХБ сәйкес келгенде, оқушылар тиімді оқу үшін белгілі бір дағдылар жиынтығын ұйымдастырып, пайдалана алады. Әдетте, сабақ жоспары кезеңдері арасында бірнеше ауысуды қамтиды, мысалы, оқытудан басшылыққа алынған тәжірибеге немесе басшылыққа алынған тәжірибеден тәуелсіз тәжірибеге. Осыны ескере отырып, тиімді мұғалімдер көбінесе оқушылардың білімі мен дағдыларын қалыптастыру мақсатында оқытуды жоспарлайды [4].
Жоғары оқу орындарында, соның ішінде стоматологияда SCL-ге деген сұраныс артып келеді. SCL стратегиялары студенттердің оқу қажеттіліктерін қанағаттандыру үшін жасалған. Мысалы, егер студенттер оқу іс-шараларына белсенді қатысса және мұғалімдер модератор ретінде әрекет етсе және құнды кері байланыс беруге жауапты болса, бұған қол жеткізуге болады. Студенттердің білім деңгейіне немесе қалауына сәйкес келетін оқу материалдары мен іс-шараларды ұсыну студенттердің оқу ортасын жақсартып, оң оқу тәжірибесін дамытуға ықпал ете алады деп айтылады [5].
Жалпы алғанда, стоматология студенттерінің оқу процесіне олар орындауы тиіс әртүрлі клиникалық процедуралар және тиімді тұлғааралық дағдыларды дамытатын клиникалық орта әсер етеді. Оқытудың мақсаты - студенттерге стоматологияның негізгі білімдерін стоматологиялық клиникалық дағдылармен біріктіруге және алынған білімді жаңа клиникалық жағдайларға қолдануға мүмкіндік беру [6, 7]. LS және IS арасындағы байланысты ерте зерттеу оқу стратегияларын қалаған LS-ге сәйкестендіру білім беру процесін жақсартуға көмектесетінін көрсетті [8]. Авторлар сонымен қатар студенттердің оқуы мен қажеттіліктеріне бейімделу үшін әртүрлі оқыту және бағалау әдістерін қолдануды ұсынады.
Мұғалімдер оқушылардың терең білім алуын және пәнді түсінуін жақсартатын нұсқаулықты жобалауға, әзірлеуге және енгізуге көмектесу үшін LS білімін қолданудан пайда көреді. Зерттеушілер Колбтың тәжірибелік оқыту моделі, Фельдер-Сильверманның оқыту стилінің моделі (FSLSM) және Флемингтің VAK/VARK моделі [5, 9, 10] сияқты бірнеше LS бағалау құралдарын әзірледі. Әдебиеттерге сәйкес, бұл оқыту модельдері ең жиі қолданылатын және ең көп зерттелген оқыту модельдері болып табылады. Қазіргі зерттеу жұмысында FSLSM стоматологиялық студенттер арасында LS бағалау үшін қолданылады.
FSLSM - инженерияда бейімделгіш оқытуды бағалау үшін кеңінен қолданылатын модель. Денсаулық сақтау ғылымдарында (медицина, мейірбике ісі, фармация және стоматологияны қоса алғанда) FSLSM модельдерін пайдаланып табуға болатын көптеген жарияланған еңбектер бар [5, 11, 12, 13]. FLSM-де LS өлшемдерін өлшеу үшін қолданылатын құрал Оқу стильдерінің индексі (ILS) деп аталады [8], ол LS төрт өлшемін бағалайтын 44 элементтен тұрады: өңдеу (белсенді/рефлексивті), қабылдау (перцептивті/интуитивті), енгізу (визуалды). /вербалды) және түсіну (тізбекті/жаһандық) [14].
1-суретте көрсетілгендей, FSLSM-нің әрбір өлшемі басым басымдыққа ие. Мысалы, өңдеу өлшемінде «белсенді» ОЖ бар оқушылар ақпаратты оқу материалдарымен тікелей әрекеттесу арқылы өңдеуді, іс-әрекет арқылы үйренуді және топта оқуға бейім. «Рефлексиялық» ОЖ ойлау арқылы оқуды білдіреді және жалғыз жұмыс істегенді жөн көреді. ОЖ-ның «қабылдау» өлшемін «сезіну» және/немесе «интуиция» деп бөлуге болады. «Сезіну» оқушылары нақты ақпарат пен практикалық процедураларды қалайды, абстрактілі материалды қалайтын және табиғаты бойынша инновациялық және шығармашылыққа бейім «интуитивті» оқушылармен салыстырғанда фактілерге бағдарланған. ОЖ-ның «енгізу» өлшемі «визуалды» және «вербальды» оқушылардан тұрады. «Көрнекі» ОЖ бар адамдар көрнекі демонстрациялар (мысалы, диаграммалар, бейнелер немесе тікелей демонстрациялар) арқылы үйренуді жөн көреді, ал «вербальды» ОЖ бар адамдар жазбаша немесе ауызша түсіндірмелердегі сөздер арқылы үйренуді жөн көреді. ОЖ өлшемдерін «түсіну» үшін мұндай оқушыларды «тізбекті» және «жаһандық» деп бөлуге болады. «Тізбектей оқитындар сызықтық ойлау процесін қалайды және біртіндеп үйренеді, ал жаһандық оқушылар тұтас ойлау процесіне ие және әрқашан не үйреніп жатқанын жақсы түсінеді».
Жақында көптеген зерттеушілер деректерге негізделген автоматты түрде ашу әдістерін, соның ішінде үлкен көлемдегі деректерді түсіндіруге қабілетті жаңа алгоритмдер мен модельдерді әзірлеуді зерттей бастады [15, 16]. Берілген деректерге сүйене отырып, бақыланатын машиналық оқыту (машиналық оқыту) алгоритмдерді құру негізінде болашақ нәтижелерді болжайтын үлгілер мен гипотезаларды жасай алады [17]. Қарапайым тілмен айтқанда, бақыланатын машиналық оқыту әдістері кіріс деректерін басқарады және алгоритмдерді оқытады. Содан кейін ол берілген кіріс деректері үшін ұқсас жағдайларға негізделген нәтижені жіктейтін немесе болжайтын диапазон жасайды. Бақыланатын машиналық оқыту алгоритмдерінің басты артықшылығы - оның идеалды және қажетті нәтижелерді белгілеу мүмкіндігі [17].
Деректерге негізделген әдістер мен шешім ағашын басқару модельдерін пайдалану арқылы LS-ті автоматты түрде анықтау мүмкін болады. Шешім ағаштары денсаулық сақтау ғылымдарын қоса алғанда, әртүрлі салалардағы оқу бағдарламаларында кеңінен қолданылатыны туралы хабарланған [18, 19]. Бұл зерттеуде модель жүйе әзірлеушілерімен студенттердің LS-ін анықтау және олар үшін ең жақсы ИС ұсыну үшін арнайы оқытылды.
Бұл зерттеудің мақсаты - студенттердің оқу бағдарламаларына негізделген ақпараттық технологияларды жеткізу стратегияларын әзірлеу және оқу бағдарламаларына сәйкестендірілген ақпараттық технологияларды ұсыну құралын әзірлеу арқылы SCL тәсілін қолдану. SCL әдісінің стратегиясы ретінде ақпараттық технологияларды ұсыну құралының жобалау ағыны 1-суретте көрсетілген. ақпараттық технологияларды ұсыну құралы екі бөлікке бөлінген, оның ішінде ILS қолданатын ақпараттық технологияларды жіктеу механизмі және студенттер үшін ең қолайлы ақпараттық технологияларды көрсету.
Атап айтқанда, ақпараттық қауіпсіздік бойынша ұсыныс құралдарының сипаттамаларына веб-технологияларды пайдалану және шешім ағашын машиналық оқытуды пайдалану жатады. Жүйе әзірлеушілері пайдаланушы тәжірибесі мен мобильділігін ұялы телефондар мен планшеттер сияқты мобильді құрылғыларға бейімдеу арқылы жақсартады.
Тәжірибе екі кезеңде жүргізілді және Малайя университетінің стоматология факультетінің студенттері ерікті түрде қатысты. Қатысушылар стоматология студентінің ағылшын тіліндегі онлайн m-ILS тестіне жауап берді. Бастапқы кезеңде шешім қабылдау ағашын машиналық оқыту алгоритмін оқыту үшін 50 студенттен тұратын деректер жиынтығы пайдаланылды. Әзірлеу процесінің екінші кезеңінде әзірленген құралдың дәлдігін арттыру үшін 255 студенттен тұратын деректер жиынтығы пайдаланылды.
Барлық қатысушылар оқу жылына байланысты әр кезеңнің басында Microsoft Teams арқылы онлайн брифинг алады. Зерттеудің мақсаты түсіндіріліп, хабардар келісім алынды. Барлық қатысушыларға m-ILS-ке кіру сілтемесі берілді. Әрбір студентке сауалнамадағы барлық 44 сұраққа жауап беру тапсырылды. Оларға семестр басталғанға дейін семестрлік үзіліс кезінде өздеріне ыңғайлы уақытта және жерде өзгертілген ILS-ті толтыру үшін бір апта уақыт берілді. m-ILS түпнұсқа ILS құралына негізделген және стоматологиялық студенттер үшін өзгертілген. Бастапқы ILS-ке ұқсас, ол әрбір FSLSM өлшемінің аспектілерін бағалау үшін қолданылатын әрқайсысы 11 сұрақтан тұратын 44 біркелкі бөлінген сұрақтан (a, b) тұрады.
Құралды әзірлеудің бастапқы кезеңдерінде зерттеушілер 50 стоматологиялық студенттің деректер жиынтығын пайдаланып карталарға қолмен түсініктеме берді. FSLM сәйкес, жүйе «a» және «b» жауаптарының қосындысын береді. Әрбір өлшем үшін, егер студент жауап ретінде «a» таңдаса, LS белсенді/перцептивті/визуалды/тізбекті болып жіктеледі, ал егер студент жауап ретінде «b» таңдаса, студент рефлексивті/интуитивті/лингвистикалық/жаһандық оқушы ретінде жіктеледі.
Стоматологиялық білім беру саласындағы зерттеушілер мен жүйе әзірлеушілері арасындағы жұмыс процесін калибрлегеннен кейін, сұрақтар FLSSM доменіне негізделген таңдалды және әрбір студенттің LS болжау үшін ML моделіне енгізілді. «Қоқыс кірсе, қоқыс шығады» - машиналық оқыту саласында деректер сапасына баса назар аударатын танымал мақал. Енгізілген деректердің сапасы машиналық оқыту моделінің дәлдігі мен дәлдігін анықтайды. Функцияларды жобалау кезеңінде FLSSM негізіндегі «a» және «b» жауаптарының қосындысы болып табылатын жаңа функциялар жиынтығы жасалады. Дәрілік заттардың позицияларының сәйкестендіру нөмірлері 1-кестеде келтірілген.
Жауаптарға сүйене отырып, ұпайды есептеп, студенттің оқу үлгерімін анықтаңыз. Әрбір студент үшін ұпай диапазоны 1-ден 11-ге дейін. 1-ден 3-ке дейінгі ұпайлар бір өлшемдегі оқу қалауларының тепе-теңдігін, ал 5-тен 7-ге дейінгі ұпайлар орташа қалауды көрсетеді, бұл оқушылардың бір ортаны басқаларына оқытуды қалайтынын көрсетеді. Сол өлшемдегі тағы бір өзгеріс - 9-дан 11-ге дейінгі ұпайлар бір немесе басқа мақсатқа күшті қалауды көрсетеді [8].
Әрбір өлшем үшін дәрі-дәрмектер «белсенді», «рефлексивті» және «теңгерімді» болып топтастырылды. Мысалы, студент белгіленген сұраққа «b»-ға қарағанда жиі «a» жауабын бергенде және оның ұпайы өңдеу LS өлшемін білдіретін белгілі бір сұрақ үшін 5 шекті мәннен асып кеткенде, ол «белсенді» LS доменіне жатады. Дегенмен, студенттер нақты 11 сұрақта (1-кесте) «a»-ға қарағанда «b» жауабын таңдап, 5 ұпайдан артық жинаған кезде «рефлексивті» LS ретінде жіктелді. Соңында, студент «тепе-теңдік» күйінде болады. Егер ұпай 5 ұпайдан аспаса, онда бұл «процесстік» LS. Жіктеу процесі басқа LS өлшемдері, атап айтқанда қабылдау (белсенді/рефлексивті), енгізу (визуалды/вербальды) және түсіну (тізбекті/жаһандық) үшін қайталанды.
Шешім ағашы модельдері жіктеу процесінің әртүрлі кезеңдерінде әртүрлі мүмкіндіктер жиынтығын және шешім қабылдау ережелерін пайдалана алады. Ол танымал жіктеу және болжау құралы болып саналады. Оны блок-схема [20] сияқты ағаш құрылымын пайдаланып көрсетуге болады, онда атрибут бойынша тесттерді білдіретін ішкі түйіндер, тест нәтижелерін білдіретін әрбір тармақ және сынып белгісі бар әрбір жапырақ түйіні (жапырақ түйіні) бар.
Әрбір оқушының жауаптарына негізделген LS-ін автоматты түрде бағалап, түсініктеме беру үшін қарапайым ережеге негізделген бағдарлама жасалды. Ережеге негізделген IF операторы түрінде болады, мұндағы «IF» триггерді сипаттайды, ал «THEN» орындалатын әрекетті көрсетеді, мысалы: «Егер X орын алса, онда Y орындаңыз» (Liu et al., 2014). Егер деректер жиынтығы корреляцияны көрсетсе және шешім ағашы моделі дұрыс оқытылған және бағаланған болса, бұл тәсіл LS және IS сәйкестендіру процесін автоматтандырудың тиімді тәсілі бола алады.
Әзірлеудің екінші кезеңінде ұсыныс құралының дәлдігін арттыру үшін деректер жиынтығы 255-ке дейін ұлғайтылды. Деректер жиынтығы 1:4 қатынасында бөлінген. Деректер жиынтығының 25%-ы (64) сынақ жиынтығы үшін пайдаланылды, ал қалған 75%-ы (191) оқыту жиынтығы ретінде пайдаланылды (2-сурет). Модельдің сол деректер жиынтығында оқытылып, тексерілуіне жол бермеу үшін деректер жиынтығын бөлу қажет, бұл модельдің үйренудің орнына есте сақтауына әкелуі мүмкін. Модель оқыту жиынтығында оқытылады және өзінің жұмысын сынақ жиынтығында бағалайды - модель бұрын-соңды көрмеген деректер.
АЖ құралы жасалғаннан кейін, қолданба веб-интерфейс арқылы стоматологиялық студенттердің жауаптарына негізделген LS жіктей алады. Веб-негізделген ақпараттық қауіпсіздік бойынша ұсыныс құралдары жүйесі Django фреймворкін артқы жағы ретінде пайдалана отырып, Python бағдарламалау тілін пайдаланып жасалған. 2-кестеде осы жүйені әзірлеуде пайдаланылған кітапханалар көрсетілген.
Деректер жиынтығы студенттердің жауаптарын есептеу және алу үшін шешім ағашы моделіне беріледі, бұл студенттердің LS өлшемдерін автоматты түрде жіктеуге мүмкіндік береді.
Шатастыру матрицасы берілген деректер жиынындағы шешім ағашының машиналық оқыту алгоритмінің дәлдігін бағалау үшін қолданылады. Сонымен қатар, ол жіктеу моделінің 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 шын белгісі теріс болды, True Negative (TN) – модель теріс класты дұрыс болжады және False Negative (FN) – модель теріс класты болжайды, бірақ шын белгісі оң.
Бұл мәндер Python тіліндегі scikit-learn жіктеу моделінің әртүрлі өнімділік көрсеткіштерін, атап айтқанда дәлдік, дәлдік, еске түсіру және F1 ұпайын есептеу үшін қолданылады. Міне, мысалдар:
Еске түсіру (немесе сезімталдық) модельдің m-ILS сауалнамасына жауап бергеннен кейін студенттің оқу үлгерімін дәл жіктеу қабілетін өлшейді.
Нақтылық шынайы теріс көрсеткіш деп аталады. Жоғарыдағы формуладан көріп отырғаныңыздай, бұл шынайы теріс нәтижелердің (ТН) шынайы теріс нәтижелерге және жалған оң нәтижелерге (ЖО) қатынасы болуы керек. Студенттік дәрілерді жіктеуге арналған ұсынылған құралдың бөлігі ретінде ол дәл анықтауға қабілетті болуы керек.
Шешім ағашының ML моделін оқыту үшін пайдаланылған 50 студенттің бастапқы деректер жиынтығы аннотациялардағы адам қателігіне байланысты салыстырмалы түрде төмен дәлдікті көрсетті (3-кесте). LS ұпайлары мен студенттердің аннотацияларын автоматты түрде есептеу үшін қарапайым ережеге негізделген бағдарлама жасалғаннан кейін, ұсыныс жүйесін оқыту және тексеру үшін деректер жиынтығының (255) саны артып келе жатты.
Көп класты шатастыру матрицасында диагональды элементтер әрбір LS түрі үшін дұрыс болжамдар санын білдіреді (4-сурет). Шешім ағашы моделін қолдана отырып, барлығы 64 үлгі дұрыс болжанған. Осылайша, бұл зерттеуде диагональды элементтер күтілетін нәтижелерді көрсетеді, бұл модельдің жақсы жұмыс істейтінін және әрбір LS жіктемесі үшін сынып белгісін дәл болжайтынын көрсетеді. Осылайша, ұсыныс құралының жалпы дәлдігі 100% құрайды.
Дәлдік, дәлдік, еске түсіру және F1 ұпайының мәндері 5-суретте көрсетілген. Шешім ағашы моделін қолданатын ұсыныс жүйесі үшін оның F1 ұпайы 1,0 «мінсіз» болып табылады, бұл мінсіз дәлдік пен еске түсіруді білдіреді, бұл маңызды сезімталдық пен ерекшелік мәндерін көрсетеді.
6-суретте оқыту және тестілеу аяқталғаннан кейінгі шешім ағашы моделінің визуализациясы көрсетілген. Қатар салыстыруда, аз мүмкіндіктермен оқытылған шешім ағашы моделі жоғары дәлдікті және модельді визуализациялауды жеңілдетті. Бұл мүмкіндіктерді азайтуға әкелетін мүмкіндіктерді жобалау модель өнімділігін жақсартудағы маңызды қадам екенін көрсетеді.
Шешім ағашы арқылы басқарылатын оқытуды қолдану арқылы LS (енгізу) және IS (мақсатты шығыс) арасындағы байланыс автоматты түрде жасалады және әрбір LS үшін егжей-тегжейлі ақпаратты қамтиды.
Нәтижелер 255 студенттің 34,9%-ы бір (1) LS нұсқасын таңдағанын көрсетті. Көпшілігінің (54,3%) екі немесе одан да көп LS артықшылығы болды. Студенттердің 12,2%-ы LS-тің өте теңгерімді екенін атап өтті (4-кесте). Сегіз негізгі LS-тен басқа, Малайя университетінің стоматология студенттері үшін LS жіктемесінің 34 комбинациясы бар. Олардың ішінде қабылдау, көру және қабылдау мен көру үйлесімі студенттер хабарлаған негізгі LS болып табылады (7-сурет).
4-кестеден көрініп тұрғандай, оқушылардың көпшілігінде сенсорлық (13,7%) немесе көру (8,6%) LS басым болды. Оқушылардың 12,2%-ы қабылдауды көрумен (перцептуалды-визуалды LS) біріктіргені туралы хабарланды. Бұл нәтижелер оқушылардың белгіленген әдістер арқылы үйренуді және есте сақтауды жөн көретінін, нақты және егжей-тегжейлі процедураларды орындайтынын және зейінді екенін көрсетеді. Сонымен қатар, олар қарап (диаграммаларды пайдаланып және т.б.) оқуды ұнатады және ақпаратты топтарда немесе өз бетінше талқылауға және қолдануға бейім.
Бұл зерттеу деректерді өндіруде қолданылатын машиналық оқыту әдістеріне шолу жасайды, студенттердің оқу үлгерімін лезде және дәл болжауға және тиісті ақпараттық технологияларды ұсынуға бағытталған. Шешім ағашы моделін қолдану олардың өмірі мен білім беру тәжірибесімен ең тығыз байланысты факторларды анықтады. Бұл белгілі бір критерийлерге негізделген деректер жиынтығын ішкі санаттарға бөлу арқылы деректерді жіктеу үшін ағаш құрылымын пайдаланатын бақыланатын машиналық оқыту алгоритмі. Ол жапырақ түйінінде шешім қабылданғанға дейін әрбір ішкі түйіннің кіріс ерекшеліктерінің бірінің мәніне негізделген кіріс деректерін ішкі жиындарға рекурсивті түрде бөлу арқылы жұмыс істейді.
Шешім ағашының ішкі түйіндері m-ILS есебінің кіріс сипаттамаларына негізделген шешімді, ал жапырақ түйіндері LS жіктеуінің соңғы болжамын білдіреді. Зерттеу барысында кіріс ерекшеліктері мен шығыс болжамдары арасындағы байланысты қарастыру арқылы шешім қабылдау процесін түсіндіретін және визуализациялайтын шешім ағаштарының иерархиясын түсіну оңай.
Информатика және инженерия салаларында машиналық оқыту алгоритмдері студенттердің оқу үлгерімін олардың түсу емтиханындағы ұпайларына [21], демографиялық ақпаратқа және оқу мінез-құлқына [22] негізделген болжау үшін кеңінен қолданылады. Зерттеулер алгоритм студенттердің үлгерімін дәл болжағанын және оларға академиялық қиындықтарға тап болу қаупі бар студенттерді анықтауға көмектескенін көрсетті.
Стоматологиялық оқытуға арналған виртуалды пациент симуляторларын әзірлеуде ML алгоритмдерін қолдану туралы хабарланады. Симулятор нақты пациенттердің физиологиялық реакцияларын дәл қайталай алады және стоматологиялық студенттерді қауіпсіз және бақыланатын ортада оқыту үшін пайдаланылуы мүмкін [23]. Басқа да бірнеше зерттеулер машиналық оқыту алгоритмдерінің стоматологиялық және медициналық білім беру мен пациенттерге күтім жасаудың сапасы мен тиімділігін арттыруы мүмкін екенін көрсетеді. Машиналық оқыту алгоритмдері симптомдар мен пациенттердің сипаттамалары сияқты деректер жиынтығына негізделген стоматологиялық ауруларды диагностикалауға көмектесу үшін қолданылды [24, 25]. Ал басқа зерттеулер пациенттердің нәтижелерін болжау, жоғары қауіпті пациенттерді анықтау, жеке емдеу жоспарларын әзірлеу [26], пародонт емдеу [27] және кариесті 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 қала береді. Сондықтан, бұл зерттеу стоматология студенттері арасында LS және IS-пен ең тығыз байланысты факторларды анықтау үшін шешім ағашы моделін пайдалануды мақсат етті.
Бұл зерттеудің нәтижелері әзірленген ұсыныс құралының жоғары дәлдікке және мінсіз дәлдікке ие екенін көрсетеді, бұл мұғалімдердің бұл құралдан пайда көре алатынын көрсетеді. Деректерге негізделген жіктеу процесін пайдалана отырып, ол жеке ұсыныстар бере алады және педагогтар мен оқушылар үшін білім беру тәжірибесі мен нәтижелерін жақсарта алады. Олардың ішінде ұсыныс құралдары арқылы алынған ақпарат мұғалімдердің қалаған оқыту әдістері мен оқушылардың оқу қажеттіліктері арасындағы қайшылықтарды шеше алады. Мысалы, ұсыныс құралдарының автоматтандырылған шығысына байланысты оқушының зияткерлік әлеуетін анықтау және оны сәйкес зияткерлік әлеуетімен сәйкестендіру үшін қажетті уақыт айтарлықтай қысқарады. Осылайша, тиісті оқу іс-шаралары мен оқу материалдарын ұйымдастыруға болады. Бұл оқушылардың оң оқу мінез-құлқын және зейін қою қабілетін дамытуға көмектеседі. Бір зерттеуде оқушыларға қалаған оқу материалдары мен оқу іс-шараларын ұсыну оқушыларға үлкен әлеуетке жету үшін оқуды бірнеше жолмен біріктіруге, өңдеуге және ләззат алуға көмектесетіні айтылған [12]. Зерттеулер сонымен қатар оқушылардың сабаққа қатысуын жақсартумен қатар, оқушылардың оқу процесін түсіну оқыту тәжірибелерін және оқушылармен қарым-қатынасты жақсартуда да маңызды рөл атқаратынын көрсетеді [28, 29].
Дегенмен, кез келген заманауи технологиядағыдай, проблемалар мен шектеулер бар. Оларға деректердің құпиялылығына, бейтараптылыққа және әділдікке, сондай-ақ стоматологиялық білім беруде машиналық оқыту алгоритмдерін әзірлеу және енгізу үшін қажетті кәсіби дағдылар мен ресурстарға қатысты мәселелер кіреді; Дегенмен, бұл саладағы қызығушылық пен зерттеулердің артуы машиналық оқыту технологияларының стоматологиялық білім беру мен стоматологиялық қызметтерге оң әсер етуі мүмкін екенін көрсетеді.
Бұл зерттеудің нәтижелері стоматология студенттерінің жартысы дәрі-дәрмектерді «қабылдауға» бейім екенін көрсетеді. Бұл типтегі оқушылар фактілер мен нақты мысалдарға, практикалық бағытқа, егжей-тегжейлі шыдамдылыққа және «визуалды» LS артықшылығына ие, мұнда оқушылар идеялар мен ойларды жеткізу үшін суреттерді, графиканы, түстерді және карталарды пайдалануды жөн көреді. Ағымдағы нәтижелер стоматологиялық және медициналық студенттердің LS бағалау үшін ILS қолданатын басқа зерттеулермен сәйкес келеді, олардың көпшілігінде қабылдау және көру LS сипаттамалары бар [12, 30]. Далмолин және т.б. студенттерге өздерінің LS туралы хабарлау олардың оқу әлеуетіне жетуге мүмкіндік береді деп болжайды. Зерттеушілер мұғалімдер студенттердің оқу процесін толық түсінген кезде, студенттердің үлгерімі мен оқу тәжірибесін жақсартатын әртүрлі оқыту әдістері мен іс-шараларын енгізуге болады деп тұжырымдайды [12, 31, 32]. Басқа зерттеулер студенттердің LS түзету студенттердің оқу стильдерін өздерінің LS-іне сәйкестендіргеннен кейін оқу тәжірибесі мен үлгерімінің жақсарғанын көрсететінін көрсетті [13, 33].
Мұғалімдердің оқушылардың оқу қабілеттеріне негізделген оқыту стратегияларын енгізуге қатысты пікірлері әртүрлі болуы мүмкін. Кейбіреулер бұл тәсілдің артықшылықтарын, соның ішінде кәсіби даму мүмкіндіктерін, тәлімгерлікті және қоғамдастықтың қолдауын көрсе, басқалары уақыт пен институционалдық қолдауға алаңдауы мүмкін. Тепе-теңдікке ұмтылу студентке бағытталған көзқарасты қалыптастырудың кілті болып табылады. Университет әкімшілігі сияқты жоғары білім беру органдары инновациялық тәжірибелерді енгізу және оқытушылардың дамуын қолдау арқылы оң өзгерістерді енгізуде маңызды рөл атқара алады [34]. Шынымен динамикалық және жауап беретін жоғары білім беру жүйесін құру үшін саясаткерлер саясатқа өзгерістер енгізу, технологияларды интеграциялауға ресурстар бөлу және студентке бағытталған тәсілдерді насихаттайтын құрылымдар жасау сияқты батыл қадамдар жасауы керек. Бұл шаралар қажетті нәтижелерге қол жеткізу үшін өте маңызды. Сараланған оқыту бойынша жақында жүргізілген зерттеулер сараланған оқытуды сәтті енгізу мұғалімдер үшін үздіксіз оқыту және дамыту мүмкіндіктерін қажет ететінін анық көрсетті [35].
Бұл құрал студентке ыңғайлы оқу іс-әрекеттерін жоспарлауда студентке бағытталған тәсілді қолданғысы келетін стоматологиялық оқытушыларға құнды қолдау көрсетеді. Дегенмен, бұл зерттеу шешім ағашының ML модельдерін пайдаланумен шектеледі. Болашақта ұсыныс құралдарының дәлдігін, сенімділігін және дәлдігін салыстыру үшін әртүрлі машиналық оқыту модельдерінің өнімділігін салыстыру үшін көбірек деректер жиналуы керек. Сонымен қатар, белгілі бір тапсырма үшін ең қолайлы машиналық оқыту әдісін таңдаған кезде модельдің күрделілігі мен түсіндірмесі сияқты басқа факторларды ескеру маңызды.
Бұл зерттеудің шектеушілігі - ол тек стоматология студенттері арасында LS және IS карталарын жасауға бағытталған. Сондықтан, әзірленген ұсыныс жүйесі тек стоматология студенттеріне қолайлыларын ұсынады. Жалпы жоғары білім беру студенттерінің пайдалануы үшін өзгерістер қажет.
Жаңадан жасалған машиналық оқытуға негізделген ұсыныс құралы студенттердің оқу үлгерімін тиісті ақпараттық жүйелермен бірден жіктеп, сәйкестендіре алады, бұл оны стоматологиялық оқытушыларға тиісті оқыту және оқу іс-әрекеттерін жоспарлауға көмектесетін алғашқы стоматологиялық білім беру бағдарламасы етеді. Деректерге негізделген сұрыптау процесін қолдана отырып, ол жеке ұсыныстар бере алады, уақытты үнемдейді, оқыту стратегияларын жақсартады, мақсатты араласуларды қолдайды және үздіксіз кәсіби дамуға ықпал етеді. Оны қолдану стоматологиялық білім беруге студентке бағытталған тәсілдерді ілгерілетеді.
Гилак Джани, Associated Press. Оқушының оқу стилі мен мұғалімнің оқыту стилінің сәйкестігі немесе сәйкессіздігі. Int J Mod Educ Computer Science. 2012;4(11):51–60. https://doi.org/10.5815/ijmecs.2012.11.05
Жарияланған уақыты: 2024 жылғы 29 сәуір