• ni

Mapio arddulliau dysgu a ffefrir gan fyfyrwyr deintyddol na strategaethau dysgu cyfatebol gan ddefnyddio modelau dysgu peiriant coed penderfyniad BMC Addysg Feddygol |

Mae angen cynyddol am ddysgu myfyrwyr-ganolog (SCL) mewn sefydliadau addysg uwch, gan gynnwys deintyddiaeth. Fodd bynnag, mae gan SCL gymhwysiad cyfyngedig mewn addysg ddeintyddol. Felly, nod yr astudiaeth hon yw hyrwyddo cymhwysiad SCL mewn deintyddiaeth trwy ddefnyddio technoleg Dysgu Peiriant Coed Penderfyniad (ML) i fapio'r arddull ddysgu a ffefrir (LS) a strategaethau dysgu cyfatebol (IS) myfyrwyr deintyddol fel offeryn defnyddiol ar gyfer datblygu yw canllawiau . Dulliau addawol ar gyfer myfyrwyr deintyddol.
Cwblhaodd cyfanswm o 255 o fyfyrwyr deintyddol o Brifysgol Malaya yr holiadur Mynegai Arddulliau Dysgu (M-ILS) wedi'i addasu, a oedd yn cynnwys 44 eitem i'w dosbarthu yn eu priod LSS. Defnyddir y data a gasglwyd (a elwir yn set ddata) mewn dysgu coed penderfynol dan oruchwyliaeth i gyd -fynd yn awtomatig ag arddulliau dysgu myfyrwyr â'r rhai mwyaf priodol. Yna mae cywirdeb y peiriant yn seiliedig ar ddysgu yn offeryn argymell yn cael ei werthuso.
Mae cymhwyso modelau coed penderfynu mewn proses fapio awtomataidd rhwng LS (mewnbwn) ac IS (allbwn targed) yn caniatáu ar gyfer rhestr ar unwaith o strategaethau dysgu priodol ar gyfer pob myfyriwr deintyddol. Dangosodd yr offeryn Argymhelliad IS gywirdeb perffaith a dwyn i gof gywirdeb model cyffredinol, gan nodi bod gan baru LS i IS sensitifrwydd a phenodoldeb da.
Mae Offeryn Argymell IS yn seiliedig ar goeden benderfynu ML wedi profi ei gallu i baru arddulliau dysgu myfyrwyr deintyddol yn gywir gyda strategaethau dysgu priodol. Mae'r offeryn hwn yn darparu opsiynau pwerus ar gyfer cynllunio cyrsiau neu fodiwlau sy'n canolbwyntio ar ddysgwyr a all wella profiad dysgu myfyrwyr.
Mae addysgu a dysgu yn weithgareddau sylfaenol mewn sefydliadau addysgol. Wrth ddatblygu system addysg alwedigaethol o ansawdd uchel, mae'n bwysig canolbwyntio ar anghenion dysgu myfyrwyr. Gellir pennu'r rhyngweithio rhwng myfyrwyr a'u hamgylchedd dysgu trwy eu LS. Mae ymchwil yn awgrymu y gall camgymhariadau athrawon rhwng LS myfyrwyr ac IS gael canlyniadau negyddol i ddysgu myfyrwyr, megis llai o sylw a chymhelliant. Bydd hyn yn effeithio'n anuniongyrchol ar berfformiad myfyrwyr [1,2].
Yn ddull a ddefnyddir gan athrawon i roi gwybodaeth a sgiliau i fyfyrwyr, gan gynnwys helpu myfyrwyr i ddysgu [3]. A siarad yn gyffredinol, mae athrawon da yn cynllunio strategaethau addysgu neu a yw hynny'n cyfateb orau â lefel gwybodaeth eu myfyrwyr, y cysyniadau y maent yn eu dysgu, a'u cam dysgu. Yn ddamcaniaethol, pan fydd LS ac yn cyfateb, bydd myfyrwyr yn gallu trefnu a defnyddio set benodol o sgiliau i ddysgu'n effeithiol. Yn nodweddiadol, mae cynllun gwers yn cynnwys sawl trawsnewidiad rhwng camau, megis o addysgu i ymarfer dan arweiniad neu o ymarfer tywysedig i ymarfer annibynnol. Gyda hyn mewn golwg, mae athrawon effeithiol yn aml yn cynllunio cyfarwyddyd gyda'r nod o adeiladu gwybodaeth a sgiliau myfyrwyr [4].
Mae'r galw am SCL yn tyfu mewn sefydliadau addysg uwch, gan gynnwys deintyddiaeth. Mae strategaethau SCL wedi'u cynllunio i ddiwallu anghenion dysgu myfyrwyr. Gellir cyflawni hyn, er enghraifft, os yw myfyrwyr yn cymryd rhan weithredol mewn gweithgareddau dysgu ac athrawon yn gweithredu fel hwyluswyr ac yn gyfrifol am ddarparu adborth gwerthfawr. Dywedir y gall darparu deunyddiau a gweithgareddau dysgu sy'n briodol i lefel addysgol neu ddewisiadau myfyrwyr wella amgylchedd dysgu myfyrwyr a hyrwyddo profiadau dysgu cadarnhaol [5].
A siarad yn gyffredinol, mae proses ddysgu myfyrwyr deintyddol yn cael ei dylanwadu gan y gwahanol weithdrefnau clinigol y mae'n ofynnol iddynt eu perfformio a'r amgylchedd clinigol y maent yn datblygu sgiliau rhyngbersonol effeithiol ynddo. Pwrpas yr hyfforddiant yw galluogi myfyrwyr i gyfuno gwybodaeth sylfaenol am ddeintyddiaeth â sgiliau clinigol deintyddol a chymhwyso'r wybodaeth a gafwyd i sefyllfaoedd clinigol newydd [6, 7]. Mae ymchwil gynnar i'r berthynas rhwng LS ac yn cael ei ddarganfod y byddai addasu strategaethau dysgu a fapiwyd i'r LS a ffefrir yn helpu i wella'r broses addysgol [8]. Mae'r awduron hefyd yn argymell defnyddio amrywiaeth o ddulliau addysgu ac asesu i addasu i ddysgu ac anghenion myfyrwyr.
Mae athrawon yn elwa o gymhwyso gwybodaeth LS i'w helpu i ddylunio, datblygu a gweithredu cyfarwyddyd a fydd yn gwella caffaeliad myfyrwyr o wybodaeth a dealltwriaeth ddyfnach o'r pwnc. Mae ymchwilwyr wedi datblygu sawl teclyn asesu LS, megis model dysgu arbrofol KOLB, model arddull dysgu Felder-Silverman (FSLSM), a model Fleming VAK/VARK [5, 9, 10]. Yn ôl y llenyddiaeth, y modelau dysgu hyn yw'r modelau dysgu a ddefnyddir amlaf ac a astudiwyd fwyaf. Yn y gwaith ymchwil cyfredol, defnyddir FSLSM i asesu LS ymhlith myfyrwyr deintyddol.
Mae FSLSM yn fodel a ddefnyddir yn helaeth ar gyfer gwerthuso dysgu addasol mewn peirianneg. Mae yna lawer o weithiau cyhoeddedig yn y gwyddorau iechyd (gan gynnwys meddygaeth, nyrsio, fferylliaeth a deintyddiaeth) y gellir eu canfod gan ddefnyddio modelau FSLSM [5, 11, 12, 13]. Gelwir yr offeryn a ddefnyddir i fesur dimensiynau LS yn y FLSM yn fynegai arddulliau dysgu (ILS) [8], sy'n cynnwys 44 eitem sy'n asesu pedwar dimensiwn LS: prosesu (gweithredol/myfyriol), canfyddiad (canfyddiad/greddfol), mewnbwn (gweledol). /llafar) a dealltwriaeth (dilyniannol/byd -eang) [14].
Fel y dangosir yn Ffigur 1, mae gan bob dimensiwn FSLSM ffafriaeth ddominyddol. Er enghraifft, yn y dimensiwn prosesu, mae'n well gan fyfyrwyr sydd â “gweithredol” brosesu gwybodaeth trwy ryngweithio'n uniongyrchol â deunyddiau dysgu, dysgu trwy wneud, a thueddu i ddysgu mewn grwpiau. Mae'r LS “myfyriol” yn cyfeirio at ddysgu trwy feddwl ac mae'n well ganddo weithio ar ei ben ei hun. Gellir rhannu dimensiwn “canfod” LS yn “deimlad” a/neu “greddf.” Mae'n well gan fyfyrwyr “teimlo” fwy o wybodaeth goncrit a gweithdrefnau ymarferol, sy'n canolbwyntio ar ffeithiau o'u cymharu â myfyrwyr “greddfol” sy'n well ganddynt ddeunydd haniaethol ac sy'n fwy arloesol a chreadigol eu natur. Mae dimensiwn “mewnbwn” LS yn cynnwys dysgwyr “gweledol” a “llafar”. Mae'n well gan bobl sydd â “gweledol” ddysgu trwy arddangosiadau gweledol (megis diagramau, fideos, neu arddangosiadau byw), ond mae'n well gan bobl â “llafar” ddysgu trwy eiriau mewn esboniadau ysgrifenedig neu lafar. Er mwyn “deall” y dimensiynau LS, gellir rhannu dysgwyr o'r fath yn “ddilyniannol” ac yn “fyd -eang”. “Mae'n well gan ddysgwyr dilyniannol broses feddwl linellol a dysgu gam wrth gam, tra bod dysgwyr byd -eang yn tueddu i fod â phroses feddwl gyfannol a bod ganddyn nhw well dealltwriaeth bob amser o'r hyn maen nhw'n ei ddysgu.
Yn ddiweddar, mae llawer o ymchwilwyr wedi dechrau archwilio dulliau ar gyfer darganfod yn awtomatig sy'n cael ei yrru gan ddata, gan gynnwys datblygu algorithmau a modelau newydd sy'n gallu dehongli llawer iawn o ddata [15, 16]. Yn seiliedig ar y data a ddarperir, mae ML dan oruchwyliaeth (dysgu â pheiriant) yn gallu cynhyrchu patrymau a damcaniaethau sy'n rhagweld canlyniadau yn y dyfodol yn seiliedig ar adeiladu algorithmau [17]. Yn syml, mae technegau dysgu peiriannau dan oruchwyliaeth yn trin data mewnbwn ac algorithmau trên. Yna mae'n cynhyrchu ystod sy'n dosbarthu neu'n rhagweld y canlyniad yn seiliedig ar sefyllfaoedd tebyg ar gyfer y data mewnbwn a ddarperir. Prif fantais algorithmau dysgu peiriannau dan oruchwyliaeth yw ei allu i sefydlu canlyniadau delfrydol a ddymunir [17].
Trwy ddefnyddio dulliau sy'n cael eu gyrru gan ddata a modelau rheoli coed penderfynu, mae'n bosibl canfod LS yn awtomatig. Adroddwyd bod coed penderfyniadau yn cael eu defnyddio'n helaeth mewn rhaglenni hyfforddi mewn amrywiol feysydd, gan gynnwys gwyddorau iechyd [18, 19]. Yn yr astudiaeth hon, cafodd y model ei hyfforddi'n benodol gan ddatblygwyr y system i nodi LS myfyrwyr ac argymell y gorau ar eu cyfer.
Pwrpas yr astudiaeth hon yw datblygu yw strategaethau cyflenwi yn seiliedig ar LS myfyrwyr a chymhwyso'r dull SCL trwy ddatblygu Offeryn Argymhelliad IS wedi'i fapio i LS. Dangosir llif dylunio'r offeryn argymell IS fel strategaeth o'r dull SCL yn Ffigur 1. Rhennir yr offeryn argymell IS yn ddwy ran, gan gynnwys y mecanwaith dosbarthu LS gan ddefnyddio ILS a'r mwyaf addas yw arddangos i fyfyrwyr.
Yn benodol, mae nodweddion offer argymell diogelwch gwybodaeth yn cynnwys defnyddio technolegau gwe a defnyddio dysgu peiriant coed penderfyniad. Mae datblygwyr system yn gwella profiad a symudedd y defnyddiwr trwy eu haddasu i ddyfeisiau symudol fel ffonau symudol a thabledi.
Cynhaliwyd yr arbrawf mewn dau gam a chymerodd myfyrwyr o'r Gyfadran Deintyddiaeth ym Mhrifysgol Malaya ran yn wirfoddol. Ymatebodd y cyfranogwyr i M-ILS ar-lein myfyriwr deintyddol yn Saesneg. Yn y cam cychwynnol, defnyddiwyd set ddata o 50 o fyfyrwyr i hyfforddi'r algorithm dysgu peiriant coed penderfyniad. Yn ail gam y broses ddatblygu, defnyddiwyd set ddata o 255 o fyfyrwyr i wella cywirdeb yr offeryn datblygedig.
Mae'r holl gyfranogwyr yn derbyn sesiwn friffio ar -lein ar ddechrau pob cam, yn dibynnu ar y flwyddyn academaidd, trwy dimau Microsoft. Esboniwyd pwrpas yr astudiaeth a chafwyd caniatâd gwybodus. Cafodd yr holl gyfranogwyr ddolen i gael mynediad i'r M-ILS. Cyfarwyddwyd pob myfyriwr i ateb pob un o'r 44 eitem ar yr holiadur. Rhoddwyd wythnos iddynt gwblhau'r ILs wedi'u haddasu ar y tro a lleoliad sy'n gyfleus iddynt yn ystod yr egwyl semester cyn dechrau'r semester. Mae'r M-ILS yn seiliedig ar yr offeryn ILS gwreiddiol ac wedi'i addasu ar gyfer myfyrwyr deintyddol. Yn debyg i'r ILS gwreiddiol, mae'n cynnwys 44 o eitemau wedi'u dosbarthu'n gyfartal (A, B), gydag 11 eitem yr un, a ddefnyddir i asesu agweddau ar bob dimensiwn FSLSM.
Yn ystod camau cychwynnol datblygu offer, anododd yr ymchwilwyr y mapiau â llaw gan ddefnyddio set ddata o 50 o fyfyrwyr deintyddol. Yn ôl yr FSLM, mae'r system yn darparu swm yr atebion “A” a “B”. Ar gyfer pob dimensiwn, os yw'r myfyriwr yn dewis “A” fel ateb, mae'r LS yn cael ei ddosbarthu fel gweithredol/canfyddiadol/gweledol/dilyniannol, ac os yw'r myfyriwr yn dewis “B” fel ateb, mae'r myfyriwr yn cael ei ddosbarthu fel myfyriol/greddfol/greddfol/ieithyddol . / dysgwr byd -eang.
Ar ôl graddnodi'r llif gwaith rhwng ymchwilwyr addysg ddeintyddol a datblygwyr system, dewiswyd cwestiynau yn seiliedig ar barth FLSSM a'u bwydo i'r model ML i ragweld LS pob myfyriwr. Mae “Garbage In, Garbage Out” yn ddywediad poblogaidd ym maes dysgu peiriannau, gyda phwyslais ar ansawdd data. Mae ansawdd y data mewnbwn yn pennu manwl gywirdeb a chywirdeb y model dysgu peiriant. Yn ystod y cam peirianneg nodwedd, mae set nodwedd newydd yn cael ei chreu sef swm yr atebion “A” a “B” yn seiliedig ar FLSSM. Rhoddir niferoedd adnabod safleoedd cyffuriau yn Nhabl 1.
Cyfrifwch y sgôr yn seiliedig ar yr atebion a phennu LS y myfyriwr. Ar gyfer pob myfyriwr, mae'r ystod sgôr rhwng 1 ac 11. Mae sgoriau o 1 i 3 yn nodi cydbwysedd o ddewisiadau dysgu o fewn yr un dimensiwn, ac mae sgoriau o 5 i 7 yn nodi dewis cymedrol, gan nodi bod myfyrwyr yn tueddu i ffafrio un amgylchedd sy'n dysgu eraill . Amrywiad arall ar yr un dimensiwn yw bod sgoriau o 9 i 11 yn adlewyrchu ffafriaeth gref am un pen neu'r llall [8].
Ar gyfer pob dimensiwn, cafodd cyffuriau eu grwpio yn “weithredol”, yn “fyfyriol” ac yn “gytbwys”. Er enghraifft, pan fydd myfyriwr yn ateb “A” yn amlach na “B” ar eitem ddynodedig ac mae ei sgôr yn fwy na'r trothwy o 5 ar gyfer eitem benodol sy'n cynrychioli'r dimensiwn LS prosesu, mae ef/hi yn perthyn i'r LS “gweithredol” parth. . Fodd bynnag, cafodd myfyrwyr eu dosbarthu fel LS “myfyriol” pan wnaethant ddewis “B” yn fwy nag “A” mewn 11 cwestiwn penodol (Tabl 1) a sgorio mwy na 5 pwynt. Yn olaf, mae'r myfyriwr mewn cyflwr o “ecwilibriwm.” Os nad yw'r sgôr yn fwy na 5 pwynt, yna mae hon yn “broses” LS. Ailadroddwyd y broses ddosbarthu ar gyfer y dimensiynau LS eraill, sef canfyddiad (gweithredol/myfyriol), mewnbwn (gweledol/llafar), a deall (dilyniannol/byd -eang).
Gall modelau coed penderfynu ddefnyddio gwahanol is -setiau o nodweddion a rheolau penderfyniadau ar wahanol gamau o'r broses ddosbarthu. Fe'i hystyrir yn offeryn dosbarthu a rhagfynegiad poblogaidd. Gellir ei gynrychioli gan ddefnyddio strwythur coed fel siart llif [20], lle mae nodau mewnol yn cynrychioli profion yn ôl priodoledd, pob cangen yn cynrychioli canlyniadau profion, a phob nod dail (nod dail) sy'n cynnwys label dosbarth.
Crëwyd rhaglen syml yn seiliedig ar reolau i sgorio ac anodi LS pob myfyriwr yn awtomatig yn seiliedig ar ei ymatebion. Mae ar sail rheolau ar ffurf datganiad IF, lle mae “os” yn disgrifio'r sbardun ac “yna” yn nodi'r weithred sydd i'w chyflawni, er enghraifft: “Os yw X yn digwydd, yna gwnewch Y” (Liu et al., 2014). Os yw'r set ddata yn arddangos cydberthynas a bod y model coeden benderfynu wedi'i hyfforddi a'i werthuso'n iawn, gall y dull hwn fod yn ffordd effeithiol o awtomeiddio'r broses o baru LS ac IS.
Yn ail gam y datblygiad, cynyddwyd y set ddata i 255 i wella cywirdeb yr offeryn argymell. Mae'r set ddata wedi'i rhannu mewn cymhareb 1: 4. Defnyddiwyd 25% (64) o'r set ddata ar gyfer y set prawf, a defnyddiwyd y 75% arall (191) fel y set hyfforddi (Ffigur 2). Mae angen rhannu'r set ddata i atal y model rhag cael ei hyfforddi a'i brofi ar yr un set ddata, a allai beri i'r model gofio yn hytrach na dysgu. Mae'r model wedi'i hyfforddi ar y set hyfforddi ac yn gwerthuso ei berfformiad ar y set prawf - data nad yw'r model erioed wedi'i weld o'r blaen.
Unwaith y bydd yr offeryn IS yn cael ei ddatblygu, bydd y cais yn gallu dosbarthu LS yn seiliedig ar ymatebion myfyrwyr deintyddol trwy ryngwyneb gwe. Mae'r System Offer Argymell Diogelwch Gwybodaeth ar y we wedi'i hadeiladu gan ddefnyddio iaith raglennu Python gan ddefnyddio fframwaith Django fel y backend. Mae Tabl 2 yn rhestru'r llyfrgelloedd a ddefnyddir wrth ddatblygu'r system hon.
Mae'r set ddata yn cael ei bwydo i fodel coeden benderfynu i gyfrifo a thynnu ymatebion myfyrwyr i ddosbarthu mesuriadau LS myfyrwyr yn awtomatig.
Defnyddir y matrics dryswch i werthuso cywirdeb algorithm dysgu peiriant coed penderfyniad ar set ddata benodol. Ar yr un pryd, mae'n gwerthuso perfformiad y model dosbarthu. Mae'n crynhoi rhagfynegiadau'r model ac yn eu cymharu â'r labeli data gwirioneddol. Mae'r canlyniadau gwerthuso yn seiliedig ar bedwar gwerth gwahanol: gwir gadarnhaol (TP) - roedd y model yn rhagweld yn gywir y categori positif, ffug bositif (FP) - roedd y model yn rhagweld y categori positif, ond roedd y gwir label yn negyddol, gwir negyddol (TN) - Roedd y model yn rhagweld yn gywir y dosbarth negyddol, a ffug negyddol (FN) - mae'r model yn rhagweld dosbarth negyddol, ond mae'r gwir label yn bositif.
Yna defnyddir y gwerthoedd hyn i gyfrifo amrywiol fetrigau perfformiad y model dosbarthu SCIKIT-Dysgu yn Python, sef manwl gywirdeb, manwl gywirdeb, galw i gof, a sgôr F1. Dyma enghreifftiau:
Mae dwyn i gof (neu sensitifrwydd) yn mesur gallu'r model i ddosbarthu LS myfyriwr yn gywir ar ôl ateb yr holiadur M-ILS.
Gelwir penodoldeb yn gyfradd negyddol go iawn. Fel y gallwch weld o'r fformiwla uchod, dylai hyn fod yn gymhareb gwir negatifau (TN) i wir negatifau a ffug -bethau ffug (FP). Fel rhan o'r offeryn a argymhellir ar gyfer dosbarthu cyffuriau myfyrwyr, dylai fod yn gallu adnabod yn gywir.
Dangosodd y set ddata wreiddiol o 50 o fyfyrwyr hyfforddi model ML y goeden benderfynu gywirdeb cymharol isel oherwydd gwall dynol yn yr anodiadau (Tabl 3). Ar ôl creu rhaglen syml yn seiliedig ar reolau i gyfrifo sgoriau LS ac anodiadau myfyrwyr yn awtomatig, defnyddiwyd nifer cynyddol o setiau data (255) i hyfforddi a phrofi'r system argymell.
Yn y matrics dryswch aml -wydr, mae'r elfennau croeslin yn cynrychioli nifer y rhagfynegiadau cywir ar gyfer pob math LS (Ffigur 4). Gan ddefnyddio'r model coeden benderfynu, rhagwelwyd cyfanswm o 64 sampl yn gywir. Felly, yn yr astudiaeth hon, mae'r elfennau croeslin yn dangos y canlyniadau disgwyliedig, gan nodi bod y model yn perfformio'n dda ac yn rhagweld label y dosbarth yn gywir ar gyfer pob dosbarthiad LS. Felly, cywirdeb cyffredinol yr offeryn argymell yw 100%.
Dangosir gwerthoedd cywirdeb, manwl gywirdeb, dwyn i gof a sgôr F1 yn Ffigur 5. Ar gyfer y system argymell gan ddefnyddio'r model coeden benderfynu, mae ei sgôr F1 yn 1.0 “perffaith,” sy'n nodi manwl gywirdeb a galw i gof perffaith, gan adlewyrchu sensitifrwydd a phenodoldeb sylweddol gwerthoedd.
Mae Ffigur 6 yn dangos delwedd o'r model coeden benderfynu ar ôl cwblhau hyfforddiant a phrofi. Mewn cymhariaeth ochr yn ochr, roedd y model coeden benderfynu a hyfforddwyd gyda llai o nodweddion yn dangos cywirdeb uwch a delweddu modelau haws. Mae hyn yn dangos bod peirianneg nodwedd sy'n arwain at leihau nodweddion yn gam pwysig wrth wella perfformiad modelau.
Trwy gymhwyso dysgu dan oruchwyliaeth coeden, mae'r mapio rhwng LS (mewnbwn) ac IS (allbwn targed) yn cael ei gynhyrchu'n awtomatig ac mae'n cynnwys gwybodaeth fanwl ar gyfer pob LS.
Dangosodd y canlyniadau fod yn well gan 34.9% o'r 255 o fyfyrwyr un (1) LS. Roedd gan y mwyafrif (54.3%) ddau neu fwy o ddewisiadau LS. Nododd 12.2% o fyfyrwyr fod LS yn eithaf cytbwys (Tabl 4). Yn ogystal â'r wyth prif LS, mae 34 cyfuniad o ddosbarthiadau LS ar gyfer myfyrwyr deintyddol Prifysgol Malaya. Yn eu plith, canfyddiad, gweledigaeth, a'r cyfuniad o ganfyddiad a gweledigaeth yw'r prif LS a adroddwyd gan fyfyrwyr (Ffigur 7).
Fel y gwelir yn Nhabl 4, roedd gan fwyafrif y myfyrwyr synhwyraidd pennaf (13.7%) neu weledol (8.6%) LS. Adroddwyd bod 12.2% o fyfyrwyr yn cyfuno canfyddiad â gweledigaeth (LS canfyddiadol-gweledol). Mae'r canfyddiadau hyn yn awgrymu bod yn well gan fyfyrwyr ddysgu a chofio trwy ddulliau sefydledig, dilyn gweithdrefnau penodol a manwl, ac maent yn sylwgar eu natur. Ar yr un pryd, maent yn mwynhau dysgu trwy edrych (gan ddefnyddio diagramau, ac ati) ac maent yn tueddu i drafod a chymhwyso gwybodaeth mewn grwpiau neu ar eu pennau eu hunain.
Mae'r astudiaeth hon yn darparu trosolwg o dechnegau dysgu peiriannau a ddefnyddir wrth fwyngloddio data, gyda ffocws ar ragfynegi LS myfyrwyr ar unwaith ac yn gywir ac argymell IS addas. Nododd cymhwyso model coeden benderfyniad y ffactorau a oedd yn gysylltiedig agosaf â'u bywyd a'u profiadau addysgol. Mae'n algorithm dysgu peiriant dan oruchwyliaeth sy'n defnyddio strwythur coed i ddosbarthu data trwy rannu set o ddata yn is -gategorïau yn seiliedig ar feini prawf penodol. Mae'n gweithio trwy rannu'n ailadroddus y data mewnbwn yn is -setiau yn seiliedig ar werth un o nodweddion mewnbwn pob nod mewnol nes bod penderfyniad yn cael ei wneud wrth y nod dail.
Mae nodau mewnol y goeden benderfynu yn cynrychioli'r datrysiad yn seiliedig ar nodweddion mewnbwn problem M-ILS, ac mae'r nodau dail yn cynrychioli'r rhagfynegiad dosbarthiad LS terfynol. Trwy gydol yr astudiaeth, mae'n hawdd deall hierarchaeth coed penderfynu sy'n egluro ac yn delweddu'r broses benderfynu trwy edrych ar y berthynas rhwng nodweddion mewnbwn a rhagfynegiadau allbwn.
Ym meysydd Cyfrifiadureg a Pheirianneg, defnyddir algorithmau dysgu peiriannau yn helaeth i ragfynegi perfformiad myfyrwyr yn seiliedig ar eu sgoriau arholiad mynediad [21], gwybodaeth ddemograffig, ac ymddygiad dysgu [22]. Dangosodd ymchwil fod yr algorithm yn rhagweld perfformiad myfyrwyr yn gywir ac yn eu helpu i nodi myfyrwyr mewn perygl am anawsterau academaidd.
Adroddir am gymhwyso algorithmau ML wrth ddatblygu efelychwyr cleifion rhithwir ar gyfer hyfforddiant deintyddol. Mae'r efelychydd yn gallu atgynhyrchu ymatebion ffisiolegol cleifion go iawn yn gywir a gellir ei ddefnyddio i hyfforddi myfyrwyr deintyddol mewn amgylchedd diogel a rheoledig [23]. Mae sawl astudiaeth arall yn dangos y gall algorithmau dysgu peiriannau wella ansawdd ac effeithlonrwydd addysg ddeintyddol a meddygol a gofal cleifion. Defnyddiwyd algorithmau dysgu peiriannau i gynorthwyo i wneud diagnosis o glefydau deintyddol yn seiliedig ar setiau data fel symptomau a nodweddion cleifion [24, 25]. Er bod astudiaethau eraill wedi archwilio'r defnydd o algorithmau dysgu peiriannau i gyflawni tasgau fel rhagweld canlyniadau cleifion, nodi cleifion risg uchel, datblygu cynlluniau triniaeth wedi'u personoli [26], triniaeth periodontol [27], a thriniaeth pydru [25].
Er bod adroddiadau ar gymhwyso dysgu peiriannau mewn deintyddiaeth wedi'u cyhoeddi, mae ei gymhwysiad mewn addysg ddeintyddol yn parhau i fod yn gyfyngedig. Felly, nod yr astudiaeth hon oedd defnyddio model coeden benderfynu i nodi ffactorau sy'n gysylltiedig agosaf â LS ac mae ymhlith myfyrwyr deintyddol.
Mae canlyniadau'r astudiaeth hon yn dangos bod gan yr offeryn argymell datblygedig gywirdeb uchel a chywirdeb perffaith, gan nodi y gall athrawon elwa o'r offeryn hwn. Gan ddefnyddio proses ddosbarthu sy'n cael ei gyrru gan ddata, gall ddarparu argymhellion wedi'u personoli a gwella profiadau a chanlyniadau addysgol i addysgwyr a myfyrwyr. Yn eu plith, gall gwybodaeth a gafwyd trwy offer argymell ddatrys gwrthdaro rhwng dulliau addysgu a ffefrir gan athrawon ac anghenion dysgu myfyrwyr. Er enghraifft, oherwydd allbwn awtomataidd offer argymell, bydd yr amser sy'n ofynnol i nodi IP myfyriwr a'i gyfateb â'r IP cyfatebol yn cael ei leihau'n sylweddol. Yn y modd hwn, gellir trefnu gweithgareddau hyfforddi addas a deunyddiau hyfforddi. Mae hyn yn helpu i ddatblygu ymddygiad dysgu cadarnhaol myfyrwyr a'r gallu i ganolbwyntio. Adroddodd un astudiaeth y gall darparu deunyddiau dysgu a gweithgareddau dysgu sy'n cyd -fynd â'r LS dewisol helpu myfyrwyr i integreiddio, prosesu a mwynhau dysgu mewn sawl ffordd o sicrhau mwy o botensial [12]. Mae ymchwil hefyd yn dangos, yn ogystal â gwella cyfranogiad myfyrwyr yn yr ystafell ddosbarth, bod deall proses ddysgu myfyrwyr hefyd yn chwarae rhan hanfodol wrth wella arferion addysgu a chyfathrebu â myfyrwyr [28, 29].
Fodd bynnag, fel gydag unrhyw dechnoleg fodern, mae problemau a chyfyngiadau. Mae'r rhain yn cynnwys materion sy'n ymwneud â phreifatrwydd data, gogwydd a thegwch, a'r sgiliau a'r adnoddau proffesiynol sydd eu hangen i ddatblygu a gweithredu algorithmau dysgu peiriannau mewn addysg ddeintyddol; Fodd bynnag, mae diddordeb cynyddol ac ymchwil yn y maes hwn yn awgrymu y gallai technolegau dysgu peiriannau gael effaith gadarnhaol ar addysg ddeintyddol a gwasanaethau deintyddol.
Mae canlyniadau'r astudiaeth hon yn dangos bod hanner y myfyrwyr deintyddol yn tueddu i “ganfod” cyffuriau. Mae'n well gan y math hwn o ddysgwr ffeithiau ac enghreifftiau pendant, cyfeiriadedd ymarferol, amynedd am fanylion, a dewis “gweledol”, lle mae'n well gan ddysgwyr ddefnyddio lluniau, graffeg, lliwiau a mapiau i gyfleu syniadau a meddyliau. Mae'r canlyniadau cyfredol yn gyson ag astudiaethau eraill gan ddefnyddio ILS i asesu LS mewn myfyrwyr deintyddol a meddygol, y mae gan y mwyafrif ohonynt nodweddion LS canfyddiadol a gweledol [12, 30]. Mae Dalmolin et al yn awgrymu bod hysbysu myfyrwyr am eu LS yn caniatáu iddynt gyrraedd eu potensial dysgu. Mae ymchwilwyr yn dadlau pan fydd athrawon yn deall yn llawn broses addysgol myfyrwyr, y gellir gweithredu amryw o ddulliau a gweithgareddau addysgu a fydd yn gwella profiad perfformiad a dysgu myfyrwyr [12, 31, 32]. Mae astudiaethau eraill wedi dangos bod addasu LS myfyrwyr hefyd yn dangos gwelliannau ym mhrofiad a pherfformiad dysgu myfyrwyr ar ôl newid eu harddulliau dysgu i weddu i'w LS eu hunain [13, 33].
Gall barn athrawon amrywio o ran gweithredu strategaethau addysgu yn seiliedig ar alluoedd dysgu myfyrwyr. Er bod rhai yn gweld buddion y dull hwn, gan gynnwys cyfleoedd datblygiad proffesiynol, mentoriaeth a chefnogaeth gymunedol, gall eraill boeni am amser a chefnogaeth sefydliadol. Mae ymdrechu am gydbwysedd yn allweddol i greu agwedd sy'n canolbwyntio ar fyfyrwyr. Gall awdurdodau addysg uwch, fel gweinyddwyr prifysgol, chwarae rhan bwysig wrth yrru newid cadarnhaol trwy gyflwyno arferion arloesol a chefnogi datblygu cyfadrannau [34]. Er mwyn creu system addysg uwch wirioneddol ddeinamig ac ymatebol, rhaid i lunwyr polisi gymryd camau beiddgar, megis gwneud newidiadau polisi, neilltuo adnoddau i integreiddio technoleg, a chreu fframweithiau sy'n hyrwyddo dulliau sy'n canolbwyntio ar fyfyrwyr. Mae'r mesurau hyn yn hanfodol i gyflawni'r canlyniadau a ddymunir. Mae ymchwil ddiweddar ar gyfarwyddyd gwahaniaethol wedi dangos yn glir bod angen cyfleoedd hyfforddi a datblygu parhaus i athrawon yn llwyddiannus ar gyfer gweithredu gwahaniaethol i athrawon [35].
Mae'r offeryn hwn yn darparu cefnogaeth werthfawr i addysgwyr deintyddol sydd am gymryd agwedd sy'n canolbwyntio ar y myfyriwr o gynllunio gweithgareddau dysgu sy'n gyfeillgar i fyfyrwyr. Fodd bynnag, mae'r astudiaeth hon wedi'i chyfyngu i'r defnydd o fodelau ML coed penderfynu. Yn y dyfodol, dylid casglu mwy o ddata i gymharu perfformiad gwahanol fodelau dysgu peiriannau i gymharu cywirdeb, dibynadwyedd a manwl gywirdeb offer argymell. Yn ogystal, wrth ddewis y dull dysgu peiriant mwyaf priodol ar gyfer tasg benodol, mae'n bwysig ystyried ffactorau eraill fel cymhlethdod a dehongli modelau.
Cyfyngiad ar yr astudiaeth hon yw ei fod yn canolbwyntio ar fapio LS yn unig a'i fod ymhlith myfyrwyr deintyddol. Felly, bydd y system argymell ddatblygedig yn argymell y rhai sy'n addas ar gyfer myfyrwyr deintyddol yn unig. Mae newidiadau yn angenrheidiol ar gyfer defnydd myfyrwyr addysg uwch yn gyffredinol.
Mae'r offeryn argymell sy'n seiliedig ar ddysgu peiriant sydd newydd ei ddatblygu yn gallu dosbarthu a chyfateb LS myfyrwyr ar unwaith â'r IS cyfatebol, gan ei gwneud y rhaglen addysg ddeintyddol gyntaf i helpu addysgwyr deintyddol i gynllunio gweithgareddau addysgu a dysgu perthnasol. Gan ddefnyddio proses brysbennu sy'n cael ei gyrru gan ddata, gall ddarparu argymhellion wedi'u personoli, arbed amser, gwella strategaethau addysgu, cefnogi ymyriadau wedi'u targedu, a hyrwyddo datblygiad proffesiynol parhaus. Bydd ei gais yn hyrwyddo dulliau sy'n canolbwyntio ar fyfyrwyr o addysg ddeintyddol.
Gress Associated Gilak Jani. Paru neu gamgymhariad rhwng arddull ddysgu'r myfyriwr ac arddull addysgu'r athro. Int J Mod Educ Cyfrifiadureg. 2012; 4 (11): 51–60. https://doi.org/10.5815/ijmecs.2012.11.05


Amser Post: Ebrill-29-2024