• biz

Qaror daraxti mashinasini o'rganish modellaridan foydalangan holda stomatolog talabalarning afzal ko'rgan o'quv uslublarini mos keladigan o'quv strategiyalari bilan xaritalash BMC Medical Education |

Oliy o‘quv yurtlarida, jumladan, stomatologiyada talabalarga yo‘naltirilgan ta’limga (SCL) ehtiyoj ortib bormoqda.Biroq, SCL stomatologik ta'limda cheklangan qo'llaniladi.Shu sababli, ushbu tadqiqot stomatologiya talabalarining afzal qilingan o'rganish uslubi (LS) va mos keladigan o'rganish strategiyalarini (IS) xaritalash uchun qaror daraxti mashinasini o'rganish (ML) texnologiyasidan foydalangan holda stomatologiyada SCLni qo'llashni rag'batlantirishga qaratilgan. .Stomatologiya talabalari uchun istiqbolli usullar.
Malaya universitetining jami 255 stomatolog talabalari o'zlarining tegishli LS lariga tasniflash uchun 44 ta elementni o'z ichiga olgan o'zgartirilgan o'rganish uslublari indeksi (m-ILS) so'rovnomasini to'ldirishdi.Yig'ilgan ma'lumotlar (ma'lumotlar to'plami deb ataladi) talabalarning o'rganish uslublarini avtomatik ravishda eng mos ATga moslashtirish uchun nazorat ostidagi qarorlar daraxtini o'rganishda qo'llaniladi.Keyin mashinani o'rganishga asoslangan IS tavsiya vositasining aniqligi baholanadi.
LS (kirish) va IS (maqsadli chiqish) o'rtasidagi avtomatlashtirilgan xaritalash jarayonida qaror daraxti modellarini qo'llash har bir stomatolog talabasi uchun tegishli o'rganish strategiyalarining darhol ro'yxatini olish imkonini beradi.ISni tavsiya qilish vositasi mukammal aniqlikni va umumiy model aniqligini eslab qolishni namoyish etdi, bu LS ning ISga mos kelishi yaxshi sezuvchanlik va o'ziga xoslikka ega ekanligini ko'rsatdi.
ML qarorlar daraxtiga asoslangan IS tavsiya vositasi stomatolog talabalarning o'rganish uslublarini tegishli ta'lim strategiyalari bilan to'g'ri moslashtirish qobiliyatini isbotladi.Ushbu vosita talabalarning o'rganish tajribasini oshirishi mumkin bo'lgan o'quvchilarga yo'naltirilgan kurslar yoki modullarni rejalashtirish uchun kuchli imkoniyatlarni taqdim etadi.
O'qitish va o'qitish ta'lim muassasalaridagi asosiy faoliyatdir.Sifatli kasb-hunar ta’limi tizimini ishlab chiqishda asosiy e’tiborni o‘quvchilarning bilim olish ehtiyojlariga qaratish zarur.Talabalar va ularning ta'lim muhiti o'rtasidagi o'zaro ta'sir ularning LS orqali aniqlanishi mumkin.Tadqiqotlar shuni ko'rsatadiki, o'quvchilarning LS va AT o'rtasidagi o'qituvchi tomonidan mo'ljallangan nomuvofiqliklar o'quvchilarning o'rganishi uchun e'tibor va motivatsiyaning pasayishi kabi salbiy oqibatlarga olib kelishi mumkin.Bu bilvosita o'quvchilar faoliyatiga ta'sir qiladi [1,2].
AT oʻqituvchilar tomonidan oʻquvchilarga bilim va koʻnikmalar berish, jumladan, oʻquvchilarni oʻrganishga yordam berish uchun qoʻllaniladigan usuldir [3].Umuman olganda, yaxshi o'qituvchilar o'z o'quvchilarining bilim darajasi, ular o'rganayotgan tushunchalari va o'rganish bosqichiga eng mos keladigan o'qitish strategiyalarini yoki ATni rejalashtiradilar.Nazariy jihatdan, LS va IS mos kelganda, talabalar samarali o'rganish uchun muayyan ko'nikmalar to'plamini tashkil qilishlari va foydalanishlari mumkin bo'ladi.Odatda, dars rejasi bosqichlar orasidagi bir nechta o'tishlarni o'z ichiga oladi, masalan, o'qitishdan boshqariladigan amaliyotga yoki boshqariladigan amaliyotdan mustaqil amaliyotga.Buni hisobga olgan holda, samarali o'qituvchilar ko'pincha o'quvchilarning bilim va ko'nikmalarini shakllantirish maqsadida o'qitishni rejalashtiradilar [4].
Oliy o‘quv yurtlarida, jumladan stomatologiyada SCLga talab ortib bormoqda.SCL strategiyalari talabalarning ta'lim ehtiyojlarini qondirish uchun mo'ljallangan.Bunga, masalan, o'quvchilar o'quv faoliyatida faol ishtirok etsalar va o'qituvchilar fasilitator sifatida harakat qilsalar va qimmatli fikr-mulohazalarni taqdim etish uchun mas'ul bo'lsalar erishish mumkin.Talabalarning ta'lim darajasi yoki afzalliklariga mos keladigan o'quv materiallari va mashg'ulotlarini taqdim etish talabalarning o'quv muhitini yaxshilashi va ijobiy ta'lim tajribasini rag'batlantirishi mumkin [5].
Umuman olganda, stomatolog talabalarning o'quv jarayoniga ular bajarishi kerak bo'lgan turli klinik protseduralar va ularda samarali shaxslararo ko'nikmalarni rivojlantiradigan klinik muhit ta'sir qiladi.Treningning maqsadi talabalarga stomatologiya bo'yicha asosiy bilimlarni stomatologik klinik ko'nikmalar bilan birlashtirish va olingan bilimlarni yangi klinik vaziyatlarda qo'llash imkonini berishdir [6, 7].LS va IS o'rtasidagi munosabatlarga oid dastlabki tadqiqotlar shuni ko'rsatdiki, afzal qilingan LSga moslashtirilgan o'quv strategiyalarini moslashtirish ta'lim jarayonini yaxshilashga yordam beradi [8].Shuningdek, mualliflar o‘quvchilarning bilim va ehtiyojlariga moslashish uchun turli xil o‘qitish va baholash usullaridan foydalanishni tavsiya etadilar.
O'qituvchilar LS bilimlarini qo'llashdan foyda ko'radilar, bu ularga o'quvchilarning mavzu bo'yicha chuqurroq bilim olishlari va tushunishlarini kuchaytiradigan ko'rsatmalarni ishlab chiqish, ishlab chiqish va amalga oshirishga yordam beradi.Tadqiqotchilar Kolb eksperimental o'rganish modeli, Felder-Silverman o'rganish uslubi modeli (FSLSM) va Fleming VAK/VARK modeli kabi bir nechta LS baholash vositalarini ishlab chiqdilar [5, 9, 10].Adabiyotlarga ko'ra, bu o'rganish modellari eng ko'p qo'llaniladigan va eng ko'p o'rganilgan ta'lim modellari hisoblanadi.Joriy tadqiqot ishida FSLSM stomatologiya talabalari orasida LSni baholash uchun ishlatiladi.
FSLSM muhandislik sohasida moslashuvchan ta'limni baholash uchun keng qo'llaniladigan modeldir.Sog'liqni saqlash fanlarida (jumladan, tibbiyot, hamshiralik, farmatsiya va stomatologiya) ko'plab nashr etilgan asarlar mavjud, ularni FSLSM modellari yordamida topish mumkin [5, 11, 12, 13].FLSMda LS o'lchamlarini o'lchash uchun foydalaniladigan vosita O'rganish uslublari indeksi (ILS) [8] deb ataladi, u LS ning to'rtta o'lchovini baholovchi 44 ta elementni o'z ichiga oladi: qayta ishlash (faol/reflektiv), idrok (pertseptiv/intuitiv), kiritish (ingl.)./og'zaki) va tushunish (ketma-ket/global) [14].
1-rasmda ko'rsatilganidek, har bir FSLSM o'lchami ustunlik qiladi.Misol uchun, ishlov berish o'lchovida "faol" LSga ega bo'lgan talabalar o'quv materiallari bilan bevosita aloqada bo'lish orqali ma'lumotni qayta ishlashni afzal ko'radilar, amalda o'rganishadi va guruhlarda o'rganishga moyildirlar."Reflektiv" LS fikrlash orqali o'rganishni anglatadi va yolg'iz ishlashni afzal ko'radi.LSning "sezgi" o'lchovini "hissiyot" va / yoki "sezgi" ga bo'lish mumkin.“Tuyg'u” talabalari mavhum materialni afzal ko'radigan va tabiatan innovatsion va ijodiy xarakterga ega bo'lgan “intuitiv” talabalarga nisbatan aniqroq ma'lumot va amaliy protseduralarni afzal ko'radilar.LSning "kirish" o'lchovi "vizual" va "og'zaki" o'quvchilardan iborat."Vizual" LSga ega odamlar vizual namoyishlar (diagrammalar, videolar yoki jonli namoyishlar kabi) orqali o'rganishni afzal ko'radilar, "og'zaki" LS bo'lgan odamlar esa yozma yoki og'zaki tushuntirishlar orqali so'zlar orqali o'rganishni afzal ko'radilar.LS o'lchamlarini "tushunish" uchun bunday o'quvchilarni "ketma-ket" va "global" ga bo'lish mumkin.“Keyingi o'quvchilar chiziqli fikrlash jarayonini afzal ko'radilar va bosqichma-bosqich o'rganadilar, global o'quvchilar esa yaxlit fikrlash jarayoniga ega bo'ladilar va har doim o'rganayotgan narsalarni yaxshiroq tushunadilar.
So'nggi paytlarda ko'plab tadqiqotchilar ma'lumotlarga asoslangan avtomatik kashfiyotlar usullarini, jumladan, katta hajmdagi ma'lumotlarni izohlashga qodir bo'lgan yangi algoritmlar va modellarni ishlab chiqishni boshladilar [15, 16].Taqdim etilgan ma'lumotlarga asoslanib, nazorat ostidagi ML (mashinalarni o'rganish) algoritmlarni qurish asosida kelajakdagi natijalarni bashorat qiladigan naqsh va gipotezalarni yaratishga qodir [17].Oddiy qilib aytganda, boshqariladigan mashinani o'rganish usullari kiritilgan ma'lumotlarni manipulyatsiya qiladi va algoritmlarni o'rgatadi.Keyin u taqdim etilgan kirish ma'lumotlari uchun o'xshash vaziyatlarga asoslangan natijani tasniflaydigan yoki bashorat qiladigan diapazonni yaratadi.Boshqariladigan mashinani o'rganish algoritmlarining asosiy afzalligi uning ideal va kerakli natijalarni yaratish qobiliyatidir [17].
Ma'lumotlarga asoslangan usullar va qarorlar daraxtini boshqarish modellaridan foydalanish orqali LSni avtomatik aniqlash mumkin.Qaror daraxtlari turli sohalarda, jumladan, sog'liqni saqlash fanlarida o'quv dasturlarida keng qo'llanilishi haqida xabar berilgan [18, 19].Ushbu tadqiqotda, model tizim ishlab chiquvchilari tomonidan talabalarning LSni aniqlash va ular uchun eng yaxshi ISni tavsiya qilish uchun maxsus o'qitildi.
Ushbu tadqiqotning maqsadi talabalarning LSga asoslangan ATni etkazib berish strategiyalarini ishlab chiqish va LS bilan xaritalangan AT tavsiya vositasini ishlab chiqish orqali SCL yondashuvini qo'llashdir.SCL usuli strategiyasi sifatida IS tavsiya vositasini loyihalash oqimi 1-rasmda ko‘rsatilgan. IS tavsiya vositasi ikki qismga bo‘lingan, jumladan, ILS yordamida LS tasniflash mexanizmi va talabalar uchun eng mos IS displey.
Xususan, axborot xavfsizligi bo'yicha tavsiyalar vositalarining xususiyatlariga veb-texnologiyalardan foydalanish va qarorlar daraxti mashinasini o'rganishdan foydalanish kiradi.Tizim ishlab chiquvchilari foydalanuvchi tajribasi va harakatchanligini mobil telefonlar va planshetlar kabi mobil qurilmalarga moslashtirib yaxshilaydi.
Tajriba ikki bosqichda o‘tkazildi va Malaya universitetining stomatologiya fakulteti talabalari ixtiyoriy ravishda ishtirok etishdi.Ishtirokchilar stomatolog talabaning onlayn m-ILS ga ingliz tilida javob berishdi.Dastlabki bosqichda 50 talabadan iborat ma'lumotlar to'plami qaror daraxti mashinasini o'rganish algoritmini o'rgatish uchun ishlatilgan.Rivojlanish jarayonining ikkinchi bosqichida ishlab chiqilgan asbobning aniqligini oshirish uchun 255 talabadan iborat ma'lumotlar to'plamidan foydalanildi.
Barcha ishtirokchilar har bir bosqich boshida Microsoft Teams orqali o‘quv yiliga qarab onlayn brifing oladi.Tadqiqot maqsadi tushuntirildi va xabardor qilingan rozilik olindi.Barcha ishtirokchilarga m-ILSga kirish uchun havola berildi.Har bir talabaga anketadagi barcha 44 ta savolga javob berish topshirildi.Ularga o'zgartirilgan ILSni semestr boshlanishidan oldin semestr tanaffusida o'zlariga qulay vaqtda va joyda to'ldirishlari uchun bir hafta vaqt berildi.m-ILS asl ILS asbobiga asoslangan va stomatologiya talabalari uchun o'zgartirilgan.Asl ILSga o'xshab, u har bir FSLSM o'lchamining aspektlarini baholash uchun ishlatiladigan 11 ta elementdan iborat 44 ta teng taqsimlangan elementni (a, b) o'z ichiga oladi.
Asbobni ishlab chiqishning dastlabki bosqichlarida tadqiqotchilar 50 ta stomatolog talabalar ma'lumotlar to'plamidan foydalangan holda xaritalarni qo'lda izohladilar.FSLMga ko'ra, tizim "a" va "b" javoblar yig'indisini beradi.Har bir o‘lchov bo‘yicha, agar talaba javob sifatida “a” ni tanlasa, LS faol/idrok/vizual/ketma-ket deb tasniflanadi, agar talaba javob sifatida “b”ni tanlasa, o‘quvchi reflektiv/intuitiv/lingvistik deb tasniflanadi. ./ global o'quvchi.
Stomatologiya ta'limi tadqiqotchilari va tizim ishlab chiquvchilari o'rtasidagi ish jarayonini kalibrlashdan so'ng, savollar FLSSM domeni asosida tanlandi va har bir talabaning LSni taxmin qilish uchun ML modeliga kiritildi.“Garbage in, garbage out” – bu ma’lumotlar sifatiga alohida e’tibor qaratilib, mashinani o‘rganish sohasida mashhur gap.Kirish ma'lumotlarining sifati mashinani o'rganish modelining aniqligi va aniqligini belgilaydi.Xususiyatlarni yaratish bosqichida FLSSM asosidagi “a” va “b” javoblarining yig'indisidan iborat yangi xususiyatlar to'plami yaratiladi.Dori vositalarining identifikatsiya raqamlari 1-jadvalda keltirilgan.
Javoblar asosida ballni hisoblang va talabaning LS ni aniqlang.Har bir talaba uchun ball oralig‘i 1 dan 11 gacha. 1 dan 3 gacha bo‘lgan ball bir xil o‘lchovdagi ta’lim imtiyozlarining muvozanatini, 5 dan 7 gacha ball esa o‘rtacha afzallikni ko‘rsatadi, bu esa o‘quvchilarning boshqalarga o‘rgatish uchun bir muhitni afzal ko‘rishini ko‘rsatadi. .Xuddi shu o'lchovdagi yana bir o'zgarish shundaki, 9 dan 11 gacha bo'lgan ballar u yoki bu tomon uchun kuchli afzallikni aks ettiradi [8].
Har bir o'lchov uchun dorilar "faol", "aks ettiruvchi" va "muvozanatli" guruhlarga bo'lingan.Masalan, agar talaba belgilangan element bo‘yicha “b” dan ko‘ra tez-tez “a” ga javob bersa va uning balli “Processing LS” o‘lchamini ifodalovchi ma’lum bir element uchun “5” chegarasidan oshsa, u “faol” LS ga tegishli bo‘ladi. domen..Shu bilan birga, talabalar aniq 11 ta savolda (1-jadval) "a" dan ko'proq "b" ni tanlab, 5 balldan yuqori ball to'plaganlarida, "reflektiv" LS deb tasniflangan.Nihoyat, talaba “muvozanat” holatidadir.Agar ball 5 balldan oshmasa, bu "jarayon" LS.Tasniflash jarayoni boshqa LS o'lchovlari, ya'ni idrok (faol/reflektiv), kiritish (vizual/og'zaki) va tushunish (ketma-ket/global) uchun takrorlandi.
Qaror daraxti modellari tasniflash jarayonining turli bosqichlarida turli xil xususiyatlar va qaror qoidalarining kichik to'plamlaridan foydalanishi mumkin.U mashhur tasniflash va bashorat qilish vositasi hisoblanadi.Uni atribut bo'yicha testlarni ifodalovchi ichki tugunlar, test natijalarini ifodalovchi har bir shoxcha va sinf yorlig'ini o'z ichiga olgan har bir barg tugunlari (barg tugunlari) mavjud bo'lgan oqim diagrammasi [20] kabi daraxt tuzilishi yordamida ifodalanishi mumkin.
Har bir talabaning javoblari asosida LS ni avtomatik tarzda baholash va izohlash uchun oddiy qoidaga asoslangan dastur yaratilgan.Qoidalarga asoslangan IF iborasi shaklini oladi, bu erda "IF" triggerni tavsiflaydi va "THEN" bajariladigan harakatni belgilaydi, masalan: "Agar X sodir bo'lsa, Y qiling" (Liu va boshq., 2014).Agar ma'lumotlar to'plami korrelyatsiyani namoyish qilsa va qarorlar daraxti modeli to'g'ri o'qitilgan va baholangan bo'lsa, bu yondashuv LS va ISni moslashtirish jarayonini avtomatlashtirishning samarali usuli bo'lishi mumkin.
Rivojlanishning ikkinchi bosqichida tavsiya vositasining aniqligini oshirish uchun ma'lumotlar to'plami 255 ga oshirildi.Ma'lumotlar to'plami 1: 4 nisbatda bo'lingan.Ma'lumotlar to'plamining 25% (64) test to'plami uchun, qolgan 75% (191) esa o'quv majmuasi sifatida ishlatilgan (2-rasm).Modelni bir xil ma'lumotlar to'plamida o'rgatish va sinovdan o'tkazishning oldini olish uchun ma'lumotlar to'plamini ajratish kerak, bu esa modelni o'rganish o'rniga eslab qolishga olib kelishi mumkin.Model o'quv to'plamida o'qitiladi va uning sinov to'plamida ishlashini baholaydi - model ilgari hech qachon ko'rmagan ma'lumotlar.
IS vositasi ishlab chiqilgandan so'ng, ilova veb-interfeys orqali stomatolog talabalarning javoblari asosida LSni tasniflashi mumkin bo'ladi.Veb-asoslangan axborot xavfsizligini tavsiya qilish vositalari tizimi Python dasturlash tilidan foydalanib, Django ramkasidan backend sifatida foydalanilgan holda qurilgan.2-jadvalda ushbu tizimni ishlab chiqishda foydalanilgan kutubxonalar keltirilgan.
Ma'lumotlar to'plami talaba LS o'lchovlarini avtomatik ravishda tasniflash uchun talaba javoblarini hisoblash va chiqarish uchun qaror daraxti modeliga beriladi.
Chalkashlik matritsasi ma'lum ma'lumotlar to'plamida qaror daraxti mashinasini o'rganish algoritmining to'g'riligini baholash uchun ishlatiladi.Shu bilan birga, u tasniflash modelining ishlashini baholaydi.U modelning bashoratlarini umumlashtiradi va ularni haqiqiy ma'lumotlar yorliqlari bilan taqqoslaydi.Baholash natijalari to'rt xil qiymatga asoslanadi: Haqiqiy ijobiy (TP) - model ijobiy toifani to'g'ri bashorat qildi, noto'g'ri musbat (FP) - model ijobiy toifani bashorat qildi, ammo haqiqiy belgi salbiy edi, haqiqiy salbiy (TN) - model salbiy sinfni to'g'ri bashorat qildi va noto'g'ri salbiy (FN) - Model salbiy sinfni bashorat qiladi, lekin haqiqiy yorliq ijobiydir.
Keyinchalik bu qiymatlar Python-da scikit-learn tasniflash modelining turli ishlash ko'rsatkichlarini, ya'ni aniqlik, aniqlik, eslab qolish va F1 ballini hisoblash uchun ishlatiladi.Mana misollar:
Eslab qolish (yoki sezuvchanlik) modelning m-ILS so‘rovnomasiga javob bergandan so‘ng o‘quvchining LSni to‘g‘ri tasniflash qobiliyatini o‘lchaydi.
O'ziga xoslik haqiqiy salbiy ko'rsatkich deb ataladi.Yuqoridagi formuladan ko'rinib turibdiki, bu haqiqiy salbiy (TN) ning haqiqiy salbiy va noto'g'ri ijobiy (FP) nisbati bo'lishi kerak.Talabalar uchun dori vositalarini tasniflash uchun tavsiya etilgan vositaning bir qismi sifatida u aniq identifikatsiyalash qobiliyatiga ega bo'lishi kerak.
Qaror daraxti ML modelini o'rgatish uchun foydalanilgan 50 nafar talabaning asl ma'lumotlar to'plami izohlarda inson xatosi tufayli nisbatan past aniqlikni ko'rsatdi (3-jadval).LS ballari va talaba izohlarini avtomatik hisoblash uchun oddiy qoidaga asoslangan dastur yaratilgandan so'ng tavsiya qiluvchi tizimni o'rgatish va sinab ko'rish uchun ko'payib borayotgan ma'lumotlar to'plamlari (255) ishlatilgan.
Ko'p sinfli chalkashlik matritsasida diagonal elementlar har bir LS turi uchun to'g'ri prognozlar sonini ifodalaydi (4-rasm).Qaror daraxti modelidan foydalanib, jami 64 ta namuna to'g'ri bashorat qilingan.Shunday qilib, ushbu tadqiqotda diagonal elementlar kutilgan natijalarni ko'rsatadi, bu model yaxshi ishlashini va har bir LS tasnifi uchun sinf yorlig'ini aniq bashorat qilishini ko'rsatadi.Shunday qilib, tavsiya vositasining umumiy aniqligi 100% ni tashkil qiladi.
Aniqlik, aniqlik, eslab qolish va F1 ball qiymatlari 5-rasmda ko'rsatilgan. Qarorlar daraxti modelidan foydalanadigan tavsiya tizimi uchun uning F1 balli 1,0 “mukammal” bo'lib, mukammal aniqlik va eslab qolishni ko'rsatib, sezilarli sezuvchanlik va o'ziga xoslikni aks ettiradi. qiymatlar.
6-rasmda o'qitish va sinovdan o'tgandan so'ng qaror daraxti modelining vizualizatsiyasi ko'rsatilgan.Yonma-yon taqqoslaganda, kamroq xususiyatlar bilan o'qitilgan qaror daraxti modeli yuqori aniqlik va modelni vizualizatsiya qilishni oson ko'rsatdi.Bu shuni ko'rsatadiki, xususiyatlarni qisqartirishga olib keladigan injiniring model ishlashini yaxshilashda muhim qadamdir.
Qarorlar daraxti nazorati ostida o'rganishni qo'llash orqali LS (kirish) va IS (maqsadli chiqish) o'rtasidagi xaritalash avtomatik ravishda yaratiladi va har bir LS uchun batafsil ma'lumotni o'z ichiga oladi.
Natijalar shuni ko'rsatdiki, 255 talabaning 34,9 foizi bitta (1) LS variantini afzal ko'rgan.Ko'pchilik (54,3%) ikki yoki undan ortiq LS imtiyozlariga ega edi.Talabalarning 12,2% LS juda muvozanatli ekanligini ta'kidladilar (4-jadval).Sakkizta asosiy LS dan tashqari, Malaya universiteti stomatologiyasi talabalari uchun LS tasniflarining 34 ta kombinatsiyasi mavjud.Ular orasida idrok, ko'rish va idrok va ko'rishning kombinatsiyasi o'quvchilar tomonidan bildirilgan asosiy LS hisoblanadi (7-rasm).
4-jadvaldan ko'rinib turibdiki, o'quvchilarning aksariyatida sezgi (13,7%) yoki vizual (8,6%) LS ustunlik qilgan.Ma'lum bo'lishicha, o'quvchilarning 12,2 foizi idrokni ko'rish bilan birlashtirgan (pertseptiv-vizual LS).Bu topilmalar shuni ko'rsatadiki, o'quvchilar belgilangan usullar orqali o'rganishni va eslashni afzal ko'radilar, aniq va batafsil tartiblarga rioya qiladilar va tabiatan diqqatli.Shu bilan birga, ular (diagrammalardan foydalanish va hokazo) qarab o'rganishni yoqtiradilar va ma'lumotlarni guruhlarda yoki mustaqil ravishda muhokama qilish va qo'llashga moyildirlar.
Ushbu tadqiqot ma'lumotlarni qazib olishda qo'llaniladigan mashinani o'rganish usullarining umumiy ko'rinishini taqdim etadi, asosiy e'tibor o'quvchilarning LSni bir zumda va to'g'ri bashorat qilishga va mos ATni tavsiya qilishga qaratilgan.Qaror daraxti modelini qo'llash ularning hayoti va ta'lim tajribasi bilan chambarchas bog'liq bo'lgan omillarni aniqladi.Bu boshqariladigan mashinani o'rganish algoritmi bo'lib, u ma'lum mezonlar asosida ma'lumotlar to'plamini kichik toifalarga bo'lish orqali ma'lumotlarni tasniflash uchun daraxt tuzilishidan foydalanadi.U barg tugunida qaror qabul qilinmaguncha, kirish ma'lumotlarini har bir ichki tugunning kirish xususiyatlaridan birining qiymatiga asoslangan holda rekursiv ravishda kichik to'plamlarga bo'lish orqali ishlaydi.
Qaror daraxtining ichki tugunlari m-ILS muammosining kirish xarakteristikalariga asoslangan yechimni, barg tugunlari esa LS tasnifining yakuniy bashoratini ifodalaydi.Tadqiqot davomida kirish xususiyatlari va chiqish prognozlari o'rtasidagi munosabatni ko'rib chiqish orqali qaror qabul qilish jarayonini tushuntiruvchi va vizualizatsiya qiluvchi qarorlar daraxtlari ierarxiyasini tushunish oson.
Informatika va muhandislik sohalarida talabalarning kirish imtihonlari ballari [21], demografik ma'lumotlar va o'rganish xatti-harakati [22] asosidagi ish faoliyatini bashorat qilish uchun mashinani o'rganish algoritmlari keng qo'llaniladi.Tadqiqotlar shuni ko'rsatdiki, algoritm talabalar samaradorligini aniq bashorat qilgan va ularga akademik qiyinchiliklarga duchor bo'lgan talabalarni aniqlashga yordam bergan.
Stomatologik treninglar uchun virtual bemor simulyatorlarini ishlab chiqishda ML algoritmlarini qo'llash haqida xabar berilgan.Simulyator haqiqiy bemorlarning fiziologik reaktsiyalarini aniq takrorlash qobiliyatiga ega va stomatologiya talabalarini xavfsiz va nazorat qilinadigan muhitda o'qitish uchun ishlatilishi mumkin [23].Bir qator boshqa tadqiqotlar shuni ko'rsatadiki, mashinani o'rganish algoritmlari stomatologiya va tibbiy ta'lim va bemorlarni parvarish qilish sifati va samaradorligini oshirishi mumkin.Mashinani o'rganish algoritmlari simptomlar va bemorning xususiyatlari kabi ma'lumotlar to'plamiga asoslangan tish kasalliklarini tashxislashda yordam berish uchun ishlatilgan [24, 25].Boshqa tadqiqotlar bemorning natijalarini bashorat qilish, yuqori xavfli bemorlarni aniqlash, shaxsiylashtirilgan davolash rejalarini ishlab chiqish [26], periodontal davolash [27] va kariesni davolash [25] kabi vazifalarni bajarish uchun mashinani o'rganish algoritmlaridan foydalanishni o'rgangan.
Stomatologiyada mashinani o'rganishni qo'llash bo'yicha hisobotlar nashr etilgan bo'lsa-da, uning stomatologik ta'limda qo'llanilishi cheklanganligicha qolmoqda.Shu sababli, ushbu tadqiqot stomatologiya talabalari orasida LS va IS bilan eng yaqin bog'liq bo'lgan omillarni aniqlash uchun qaror daraxti modelidan foydalanishga qaratilgan.
Ushbu tadqiqot natijalari shuni ko'rsatadiki, ishlab chiqilgan tavsiyalar vositasi yuqori aniqlik va mukammal aniqlikka ega, bu o'qituvchilar ushbu vositadan foydalanishlari mumkinligini ko'rsatadi.Ma'lumotlarga asoslangan tasniflash jarayonidan foydalanib, u shaxsiylashtirilgan tavsiyalar berishi va o'qituvchilar va talabalar uchun ta'lim tajribasi va natijalarini yaxshilashi mumkin.Ular orasida tavsiya vositalari orqali olingan ma'lumotlar o'qituvchilarning afzal ko'rgan o'qitish usullari va talabalarning o'rganish ehtiyojlari o'rtasidagi ziddiyatlarni hal qilishi mumkin.Misol uchun, tavsiya vositalarining avtomatlashtirilgan chiqishi tufayli talabaning IP-ni aniqlash va uni tegishli IP bilan moslashtirish uchun zarur bo'lgan vaqt sezilarli darajada kamayadi.Shunday qilib, tegishli o'quv mashg'ulotlari va o'quv materiallarini tashkil qilish mumkin.Bu o‘quvchilarning ijobiy o‘rganish xulq-atvorini va diqqatni jamlash qobiliyatini rivojlantirishga yordam beradi.Bir tadqiqot shuni ko'rsatdiki, o'quvchilarga o'zlarining afzal ko'rgan LSga mos keladigan o'quv materiallari va o'quv mashg'ulotlari o'quvchilarga ko'proq potentsialga erishish uchun ko'p usullarda o'rganish, qayta ishlash va zavqlanishga yordam beradi [12].Tadqiqotlar shuni ko‘rsatadiki, o‘quvchilarning darsdagi ishtirokini yaxshilash bilan bir qatorda o‘quvchilarning o‘quv jarayonini tushunish ham o‘qitish amaliyoti va o‘quvchilar bilan muloqotni yaxshilashda hal qiluvchi rol o‘ynaydi [28, 29].
Biroq, har qanday zamonaviy texnologiyada bo'lgani kabi, muammolar va cheklovlar mavjud.Bularga ma'lumotlarning maxfiyligi, tarafkashlik va adolatlilik, shuningdek, stomatologik ta'limda mashinani o'rganish algoritmlarini ishlab chiqish va amalga oshirish uchun zarur bo'lgan professional ko'nikmalar va resurslar bilan bog'liq masalalar kiradi;Biroq, bu sohaga qiziqish ortib borayotgani va tadqiqotlar shuni ko'rsatadiki, mashinani o'rganish texnologiyalari stomatologik ta'lim va stomatologiya xizmatlariga ijobiy ta'sir ko'rsatishi mumkin.
Ushbu tadqiqot natijalari shuni ko'rsatadiki, stomatolog talabalarning yarmi giyohvand moddalarni "idrok qilish" tendentsiyasiga ega.Bu turdagi o‘quvchilarda faktlar va aniq misollar, amaliy yo‘nalish, tafsilotga nisbatan sabr va “vizual” LS afzalligi bor, bunda o‘quvchilar g‘oyalar va fikrlarni etkazish uchun rasmlar, grafiklar, ranglar va xaritalardan foydalanishni afzal ko‘radilar.Joriy natijalar stomatologiya va tibbiyot talabalarida LSni baholash uchun ILSdan foydalanadigan boshqa tadqiqotlar bilan mos keladi, ularning aksariyati idrok va vizual LS xususiyatlariga ega [12, 30].Dalmolin va boshqalar talabalarga o'zlarining LS haqida ma'lumot berish ularning o'quv salohiyatiga erishishga imkon berishini taklif qiladilar.Tadqiqotchilarning ta'kidlashicha, o'qituvchilar o'quvchilarning ta'lim jarayonini to'liq tushunib olsalar, o'quvchilarning faoliyatini va o'rganish tajribasini yaxshilaydigan turli xil o'qitish usullari va tadbirlarini amalga oshirish mumkin [12, 31, 32].Boshqa tadqiqotlar shuni ko'rsatdiki, o'quvchilarning LSni moslashtirish, shuningdek, o'quvchilarning o'rganish uslublarini o'z LSiga mos ravishda o'zgartirgandan so'ng, o'rganish tajribasi va samaradorligining yaxshilanishini ko'rsatadi [13, 33].
O'quvchilarning o'rganish qobiliyatidan kelib chiqqan holda o'qitish strategiyasini amalga oshirish bo'yicha o'qituvchilarning fikrlari har xil bo'lishi mumkin.Ba'zilar ushbu yondashuvning afzalliklarini, jumladan, kasbiy rivojlanish imkoniyatlarini, murabbiylikni va jamoatchilikni qo'llab-quvvatlashni ko'rishsa, boshqalari vaqt va institutsional yordam haqida tashvishlanishlari mumkin.Muvozanatga intilish o‘quvchiga yo‘naltirilgan munosabatni shakllantirishning kalitidir.Universitet ma'muriyatlari kabi oliy ta'lim organlari innovatsion amaliyotlarni joriy etish va professor-o'qituvchilarning rivojlanishini qo'llab-quvvatlash orqali ijobiy o'zgarishlarni amalga oshirishda muhim rol o'ynashi mumkin [34].Haqiqiy dinamik va sezgir oliy ta'lim tizimini yaratish uchun siyosatchilar siyosatga o'zgartirishlar kiritish, resurslarni texnologiya integratsiyasiga sarflash va talabalarga yo'naltirilgan yondashuvlarni targ'ib qiluvchi asoslarni yaratish kabi dadil qadamlar qo'yishlari kerak.Ushbu chora-tadbirlar kerakli natijalarga erishish uchun juda muhimdir.Differentsial ta'lim bo'yicha so'nggi tadqiqotlar shuni ko'rsatdiki, tabaqalashtirilgan ta'limni muvaffaqiyatli amalga oshirish o'qituvchilar uchun doimiy trening va rivojlanish imkoniyatlarini talab qiladi [35].
Ushbu vosita talabalar uchun qulay o'quv faoliyatini rejalashtirishda talabalarga yo'naltirilgan yondashuvni qo'llashni xohlaydigan stomatologiya o'qituvchilariga qimmatli yordam beradi.Biroq, bu tadqiqot qarorlar daraxti ML modellaridan foydalanish bilan cheklangan.Kelajakda tavsiya vositalarining aniqligi, ishonchliligi va aniqligini solishtirish uchun turli xil mashinani o'rganish modellarining ishlashini solishtirish uchun ko'proq ma'lumotlar to'planishi kerak.Bundan tashqari, ma'lum bir vazifa uchun eng mos mashinani o'rganish usulini tanlashda, modelning murakkabligi va talqini kabi boshqa omillarni hisobga olish muhimdir.
Ushbu tadqiqotning cheklovi shundaki, u faqat stomatologiya talabalari orasida LS va ISni xaritalashga qaratilgan.Shuning uchun ishlab chiqilgan tavsiyalar tizimi faqat stomatologiya talabalari uchun mos bo'lganlarni tavsiya qiladi.O'zgartirishlar umumiy oliy ta'lim talabalari foydalanish uchun zarur.
Yangi ishlab chiqilgan mashinani o'rganishga asoslangan tavsiyalar vositasi talabalarning LSni mos keladigan ISga bir zumda tasniflash va moslashtirishga qodir, bu stomatologiya o'qituvchilariga tegishli ta'lim va o'quv faoliyatini rejalashtirishda yordam beradigan birinchi stomatologik ta'lim dasturiga aylanadi.Ma'lumotlarga asoslangan triaj jarayonidan foydalanib, u shaxsiylashtirilgan tavsiyalarni taqdim etishi, vaqtni tejash, o'qitish strategiyasini yaxshilash, maqsadli tadbirlarni qo'llab-quvvatlash va doimiy kasbiy rivojlanishni rag'batlantirishi mumkin.Uning qo'llanilishi stomatologik ta'limga talabalarga yo'naltirilgan yondashuvlarni targ'ib qiladi.
Gilak Jani Associated Press.Talabaning o‘rganish uslubi va o‘qituvchining dars uslubi o‘rtasidagi moslik yoki nomuvofiqlik.Int J Mod Educ Kompyuter fanlari.2012;4(11):51–60.https://doi.org/10.5815/ijmecs.2012.11.05


Xabar vaqti: 29-aprel, 2024-yil