Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://elibrary.kdpu.edu.ua/xmlui/handle/123456789/2889
Назва: Актуальність розробки моделі адаптивного навчання
Інші назви: The relevance of developing a model of adaptive learning
Автори: Тищенко, Єлизавета Юріївна
Стрюк, Андрій Миколайович
Ключові слова: education
adaptive learning
adaptive testing
освіта
адаптивне навчання
адаптивне тестування
Дата публікації: 27-гру-2018
Видавництво: Arnold E. Kiv, Serhiy O. Semerikov, Vladimir N. Soloviev, Andrii M. Striuk
Бібліографічний опис: Tyshchenko Ye. Yu. The relevance of developing a model of adaptive learning / Yelyzaveta Yu. Tyshchenko, Andrii M. Striuk // Computer Science & Software Engineering : Proceedings of the 1st Student Workshop (CS&SE@SW 2018), Kryvyi Rih, Ukraine, November 30, 2018 / Edited by : Arnold E. Kiv, Serhiy O. Semerikov, Vladimir N. Soloviev, Andrii M. Striuk. – P. 109-115. – (CEUR Workshop Proceedings (CEUR-WS.org), Vol. 2292). – Access mode : http://ceur-ws.org/Vol-2292/paper12.pdf
Короткий огляд (реферат): The learning process can be made most effective by transferring the educational process to the electronic environment. Thanks to adaptive testing, the accuracy, quality, reliability of training and student interest are enhanced, which allows him to be more motivated. This is a new approach for the student to master most of the information. The introduction of an adaptive testing system ensures the improvement of student learning performance. From the proper organization of the control of knowledge depends on the effectiveness of the educational process. Adaptive testing involves changing the sequence of tasks in the testing process itself, taking into account the answers to the tasks already received. In the process of passing the test, a personality model is built that learns for later use in selecting the following testing tasks, depending on the level of knowledge of the student and his individual characteristics. When calculating the assessment, the adaptive testing system takes into account the probability that the student can guess the answer, the number of attempts to pass the test and the average result achieved during all attempts. The complex of tasks for adaptive testing can be developed taking into account a separate type of perception of information by each student, that is, the student is offered tasks that he is able to cope with and which are interesting for him, which means he is more confident in his abilities and aims at successful completion of the course. Процес навчання можна зробити найбільш ефективним за рахунок переносу освітнього процесу в електронне середовище. Завдяки адаптивному тестуванню підвищується точність, якість, достовірність навчання та зацікавленість студента, яка дозволяє йому бути більш вмотивованим. Це новий підхід для засвоєння студентом більшої частини інформації. Введення системи адаптивного тестування гарантує покращення показників засвоєння матеріалу студентами. Від правильної організації контролю знань залежить ефективність системи навчально-виховного процесу. Адаптивне тестування передбачає зміну послідовності завдань у самому процесі тестування з урахуванням відповідей на вже отримані завдання. У процесі проходження тесту будується модель особи, яка навчається, для подальшого використання при виборі наступних завдань тестування залежно від рівня знань студента та його індивідуальних особливостей. При обчисленні оцінки адаптивна система тестування враховує ймовірність, що студент може вгадати відповідь, кількість спроб пройти тест і середній результат, досягнений за час усіх спроб. Комплекс завдань для адаптивного тестування може бути розроблений з урахування окремого виду сприйняття інформації кожним учнем, тобто студенту пропонуються завдання, з якими він в змозі впоратися і які цікаві саме йому, а значить він більш впевнений в своїх силах і націлений на успішне закінчення курсу.
Опис: 1. Семеріков С. О. Побудова найпростішої системи тестового контролю знань на основі Web-технологій / Семеріков С. О., Теплицький І. О. // Науковий часопис Національного педагогічного університету імені М. П. Драгоманова. – Серія № 2. Комп’ютерно-орієнтовані системи навчання : зб. наукових праць / Редрада. – К. : НПУ імені М. П. Драгоманова, 2004. – №1 (8) – С. 106-116. 2. Моісеєнко Н. В. Мобільне інформаційно-освітнє середовище вищого навчального закладу / Моісеєнко Н. В., Моісеєнко М. В., Семеріков С. О. // Вісник Черкаського університету. Серія «Педагогічні науки». – 2016. – № 11. – С. 20-27. 3. Борогев В. В. Психолого-педагогические основы системы адаптивного обучения / В. В. Борогев // Наука и школа. – 2001. – № 2. – С. 12-15. 4. Semerikov S. O. Computer Simulation of Neural Networks Using Spreadsheets: The Dawn of the Age of Camelot [Electronic resource] / Serhiy O. Semerikov, Illia O. Teplytskyi, Yuliia V. Yechkalo, Arnold E. Kiv // Augmented Reality in Education : Proceedings of the 1st International Workshop (AREdu 2018). Kryvyi Rih, Ukraine, October 2, 2018 / Edited by : Arnold E. Kiv, Vladimir N. Soloviev. – P. 122-147. – (CEUR Workshop Proceedings (CEUR-WS.org), Vol. 2257). – Access mode : http://ceur-ws.org/Vol-2257/paper14.pdf. 5. Karpicke J. D. The Critical Importance of Retrieval for Learning / Jeffrey D. Karpicke, Henry L. Roediger III. – Science. – 2008. – Vol. 319. – Issue 5865. – P. 966-968. – DOI : 10.1126/science.1152408. 6. Brown P. C. Make It Stick: The Science of Successful Learning / Peter C. Brown, Henry L. Roediger III, Mark A. McDaniel. – Cambridge : Belknap Press, 2014. – 336 p. 7. Растригин Л. А. Адаптивное обучение с моделью обучаемого / Л. А. Растригин, М. Х. Эренштейн ; Риж. политехн. ин-т им. А. Я. Пельше. – Рига : Зинатне, 1988. – 160 с. 8. Кравченко О. М. Модель інтелектуальної контролюючої підсистеми з багаторівневим адаптивним тестуванням / О. М. Кравченко, Ж. М. Плакасова // Східно-Європейський журнал передових технологій. – 2010. – № 4/2 (46). – С. 21-25. 9. Катеринчук І. С. Інтелектуальна система автоматизованого контролю знань студентів вищих навчальних закладів / Катеринчук І. С., Кравчук В. В., Кулик В. М., Рачок Р. В. // Інформаційні технології в освіті. – Вип. 4. – Херсон : Вид-во ХДУ, 2009. – С. 139- 147. – DOI : 10.14308/ite000100. 10. Пермякова О. С. Застосування нейронних мереж у задачах прогнозування / О. С. Пермякова, С. О. Семеріков // Молодий науковець XXI століття : матеріали Міжнародної науково-практичної конференції (Кривий Ріг, 17–18 листопада 2008 р.). – Кривий Ріг : Видавничий центр КТУ, 2008. – С. 237-239. 11. Markova O. M. СoCalc as a Learning Tool for Neural Network Simulation in the Special Course “Foundations of Mathematic Informatics” [Electronic resource] / Oksana Markova, Serhiy Semerikov, Maiia Popel // ICT in Education, Research and Industrial Applications. Integration, Harmonization and Knowledge Transfer 2018 : Proceedings of the 13th International Conference on ICT in Education, Research and Industrial Applications. Integration, Harmonization and Knowledge Transfer. Volume II: Workshops (ICTERI, 2018). Kyiv, Ukraine, May 14-17, 2018 / Edited by : Vadim Ermolayev, Mari Carmen Suárez-Figueroa, Vitaliy Yakovyna, Vyacheslav Kharchenko, Vitaliy Kobets, Hennadiy Kravtsov, Vladimir Peschanenko, Yaroslav Prytula, Mykola Nikitchenko, Aleksander Spivakovsky. – P. 388-403. – (CEUR Workshop Proceedings (CEUR-WS.org), Vol. 2104). – Access mode : http://ceur-ws.org/Vol-2104/paper_204.pdf.
URI (Уніфікований ідентифікатор ресурсу): http://elibrary.kdpu.edu.ua/xmlui/handle/123456789/2889
https://doi.org/10.31812/123456789/2889
ISSN: 1613-0073
Розташовується у зібраннях:Кафедра інформатики та прикладної математики

Файли цього матеріалу:
Файл Опис РозмірФормат 
paper12.pdfArticle483.54 kBAdobe PDFПереглянути/Відкрити


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.