Ci hè un bisognu di crescente per l'apprendimentu di u centru cummerciale (SCL) in istituzioni di educazione superiore, cumprese a dentista. Tuttavia, SCL hà applicazione limitata in l'educazione dentale. Dunque, stu studiu hà scopu di prumove l'applicazione di SC In Dentistry utilizendu strategie di macchina apprendimentu (ml) tecnulugia (hè) di studienti apprenditive cum'è una strumentu utile per u sviluppu . Metudi prometenti per i studienti dentali.
Un totale di 255 studenti dentali da l'Università di Malaya Cumincianu l'indice mudificata di stili di apprendimentu (M-ILS) chì cuntene 44 oggetti per classificà in u so rispettu. I dati racolti (chjamati un dataset) hè adupratu in l'arburu di decisione tutelata chì hà da cunghjuntà automaticamente i stili di apprendimentu di i studienti à u più adattatu. L'accuratezza di a macchina à l'apprendimentu basatu hè a strumentu di raccomandazione hè allora valutata.
L'applicazione di i mudelli di l'arburi di decisione in un prucessu di cartulare automatizatu trà ls (input) è hè (pruduzzione destinata) permette una lista immediata di ogni studiente adenticu. A tool hè dimustrazione di a raccomandazione dimustrata è ricurdà una precisione di u mudellu generale, indicendu chì a currispondenza hè hà una bona sensibilità è a specificità.
Un strumentu di raccomandazione basata nantu à un arburu di decisione ML hà dimustratu a so capacità di cuncorda accuratamente i stili di apprendimentu dentale cù strategie d'apprendimentu adattatu. Questa strumenta furnisce opzioni putenti per i corsi o doluli centrati in a pianificazione chì ponu rinfurzà l'esperienza di studienti di studienti.
L'insignamentu è l'aprili sò attività fundamentali in l'istituzioni educattivi. Quandu si sviluppa un sistema di educazione prufessiunale di alta qualità, hè impurtante di fucalizza nantu à i bisogni di l'aprenu di i studienti. L'interazione trà i studienti è u so ambiente d'aprenu pò esse determinatu à traversu u so ls. A ricerca suggerisce chì i motivi di u maestru trà i studienti di i studienti è ponu avè cunsequenze negative per l'apprendimentu di u studiente, cum'è a diminuzione di l'attenzione è a motivazione. Questu infiderà indirettamente afecta u rendimentu di u studiente [1,2].
Hè un metudu utilizatu da i prufessori per impartà a cunniscenza è a cumpetenze à i studienti, cumpresi i studienti amparà [3]. In generale Parlà, "Mindistori Pianuanu strategie d'insignamentu è hè u megliu un partintu u livellu di u so studente di a cunniscenza, i cuncetti sò amparendu, è a so stadiu di amparà, è a so stadiu di l'amparera. Terugrafia, quandu LS è hè partita, i studienti pudareranu urganizà è aduprate un inseme specificu di cumpetenze per amparà in modu efficace. Tipicamenti, un pianu di lezziò include parechje transione trà tappe, cum'è da l'insignamentu di pràtica o da pratica guidate à a pratica indipindente. Cù questu in mente, i prufessori effittivi anu spessu à pianificà l'istruzzioni cù l'obiettivu di a cunniscenza è abilità di i studienti [4].
A dumanda di scl hè cresce in istituzioni educati più superiori, cumprese u dessistu. E strategie SCL sò pensati per scuntrà i bisogni di l'apprendimentu di i studienti. Questu pò esse uttenuti, se i studienti participanu attivamente à l'attività di apprendimentu è i prufessori chì agiscenu cum'è facilitanti è sò rispunsevuli di furnisce un feedback preziosu. Si dice chì furnisce i materiali è e attività di l'apressu di i studienti ponu migliurà l'ambiente di l'apprendimentu di i studienti è prumove l'esperienze di apprendimentu pusitivu [5].
Unisce generalmente, u prucessu di aprenu di i studenti di i studienti dentali sò informati da e diverse prove seguite si deve esse necessariu è l'ambiente clinicu in quale sviluppanu abilità interpersonali effettivi. U scopu di u furmazione hè di permette à i studienti di unisce una cunniscenza basica di obilificà cumpetenze cliniche dentali è applicate l'cunuscenza acquistata à novi situazione clinica [6, 7]. A prima ricerca in a relazione trà ls è si trova chì l'aghjustamentu di strategie di apprendimentu maturi à l'ic preferitu aiutaria à migliurà u prucessu educativu [8]. L'autori anu cunsigliatu ancu d'utilizà una varietà di metudi d'insignamentu è di valutazione per adattà à l'apprendimentu di i studienti è i bisogni.
I prufessori permettenu di applicà i cunniscenze per aiutà micca desight, sviluppà, è implementa nantu à l'acquistu di i studienti è capiscenu di u sughjettu. I ricercatori anu sviluppatu parechji struiti di voci di LS, cum'è u mudellu di apparizione di u Kolb, u mudellu di apprendimentu di u LULE-SILTBELD) è a FLEMLING VAK / VELLE VILE [5, 9, 10 anni]. Sicondu a literatura, sti mudelli di apprendimentu sò i mudelli di apprendimentu più cumune è u più studiente. In u travagliu di ricerca attuale, fslsm hè adupratu per valutà ls trà i studienti dentali.
FSLSM hè un mudellu largamente usatu per evaluà l'apprendimentu adattativu in ingegneria. Ci hè parechje opere publicate in ecienze sanitta (cumpresa medicina, infermiera, farmacia è dodistica) chì ponu truvà l'altri mudelli [5, 11. L'instrumentu usatu per misurà e dimensioni di ls in u FLSM hè chjamatu l'Indice di Stili di Amparazione (8], chì cuntene 44 articuli di LS: Traspettativa (Perceptiva (Percepzione), input (visuale). / verbale) è capiscitura (sequenziale / globale) [14].
Comu si mostra in a Figura 1, ogni dimensione FSLSM hà una preferenza dominante. Per esempiu, In a dimensione di trasfurgimentu, studenti cun "active" preferenu à processà infurmazioni cun materiale direttamente cù materiali di apprendre, è tendenu à amparà in gruppi. U "riflettente" si riferisce à amparà à traversu u pensamentu è preferite travaglià solu. A dimensione "percezione" di ls pò esse divisa in "sentimentu" è / o "intuizione". "Sensazione" i studienti preferiscenu più infurmazioni di cimentu è e prucedure pratiche, sò undientati di "intuitive" chì preferiscenu materiale astrattu è sò più innovatoriali. A "dimensione" input "di ls hè custituita da i studienti" visuali "è" verbali ". E persone cun "visuale" preferenu amparà à traversu i manifestazioni visuale (cum'è diagrammi, o a ghjente di e persone chì sò preferite per amparà à traversu e spiegazioni scritte o orali. Per "capisce" e dimensioni ls, tali studienti ponu esse divisi in "sequenziale" è "glubale". "Learners sequenziali preferenu un prucessu di penseru lineale è amparà u passu per passu, mentre chì i studenti mundiale tendenu à avè un prucessu di pensamentu olista è sempre un megliu capitu di ciò chì sempre anu da amparà.
Recentemente, tette i circadori anu iniziatu à spiegà a scurazione di spiegà i metudi automatica, cumpresu u sviluppu di i novi algoriti è mudelli capaci di interprezzà grandi quantità di dati [15 "16 Basatu nantu à i dati furniti, supervisa a macchina (l'apprendimentu di a macchina) hè capace di generà mudelli è l'ipotesi chì predenu i risultati futuri basati nantu à a custruzzione di l'algoritmi [17]. Simply messi, tecniche di l'apprendre Machine Supervisatu Manipulate i dati di input di i dati è l'algoritmi. Allora genera una gamma chì classifica o predice u risultatu basatu nantu à e situazioni simili per i dati di input prevista. U vantaghju principali di l'algoritmi di l'apprendre Machine Supervisatu hè a so capacità di stabilisce i risultati ideali è desiderati [17].
Attraversu l'usu di i metudi di i Dati è i Modelli di cuntrollu di u cuntrollu di a decisione, a rilevazione automatica di LS hè pussibule. L'arbureti anu dichjaratu hè statu rapportatu bè in furmazione prugrammi in diversi campi, cumprese Scienze di Salute [18 anni;]. In stu studiu, u mudellu era specificamente furmatu da i sviluppatori di u sistema per identificà i ls di i studienti è cunsigliatu u megliu hè per elli.
U scopu di stu studiu hè di sviluppà e strategie di spedizione basatu nantu à l'approcciu di i studienti è applicate u romettu approcciu sviluppendu un strumentu di raccomandazione maped à LS. U flussu di cuncepimentu di u strumentu di cunsigliatu cum'è una strategia di u metudu di Scl hè divisa in duie parte, cumprese u mecatore di classificazione à u LS è u più adattatu hè visualizà per i studienti.
In particulare, e caratteristiche di recomandazioni di raccoglie strumenti di sicurezza includenu l'utilie di tecnulugie web è l'usu di a decisione macchina d'amparà. I sviluppatori di u sistema migliurà l'esperienza di l'utilizatore è a mobilità vi adattanu à i dispositi mobili cum'è i telefuni mobili è tablette.
L'esperimentu hè statu realizatu in duie tappe è studenti di a facultà di denticria à l'Università di Malaya hà participatu à una basa voluntaria. I participanti anu rispostu à un M-ILS Dentale di u Dentale in Inglese. In a fase iniziale, una dati di 50 studienti era usata per entrerà l'algoriti di l'armariu di macchina d'arriente macchina. In a seconda fase di u prucessu di sviluppu, una dati di 255 studienti eranu usati per migliurà l'accuratezza di u strumentu sviluppatu.
Tutti i participanti ricevuti un mandendu in ligna à u principiu di ogni tappa, sicondu à l'annu accademicu, via e squadre di Microsoft. U scopu di u studiu hè statu spiegatu l'accunsentu è informatu hè stata ottenuta. Tutti i participanti sò stati furniti cù un ligame per accede à i m-ils. Ogni studiente hè statu urdinatu di risponde à tutti i 44 partiti in u questionariu. Ci sò stati datu una settimana per compie u modificatu ILs in un tempu è u locu cunvene à elli durante u semestru rompe prima di u principiu di u semestru. U M-ILS hè basatu nantu à l'instrumentu originale ILS è mudificatu per i studienti dentali. Simonà à u originale ILS, cuntene 44 perempie distribuita (A, B), cù 11 articuli ognunu, chì sò usati per a valutazioni d'aspetti di ogni fslsm dimensione.
Durante e tappe assiziale di u sviluppu di strumenti, i ricercatori manualmente enutevanu e carte usendu una dati di dati di 50 studienti denti. Sicondu u FSLM, u sistema furnisce a summa di risposte "a" è "b". Per ogni dimensione, se u studiente selezziunate "A" cum'è una risposta, u Ls hè classificatu cum'è attivu / sequente / sequenza, è u studiente, u studiente hè riflessivu / Linguistica / Linguistica / Linguistica / Linguistica / Linguistica / Linguistica / Linguistica / Linguistica / Linguistica / Linguistica / Linguistica / Linguistica / Linguistica / Linguistica / Linguistica . / studiente glubale.
Dopu calibrà u flowowing <br> Difficillori di educazione Dentali, e dumande di u sistema sò stati scelti basati in u duminiu di Flsm per predicà i studienti di u ML. "Baschi in, basura" hè una parolla populari in u campu di l'amparera, cù un'imfasis u qualità di a data. A qualità di i dati di input determina a precisione è l'accuratezza di u mudellu di apprendimentu di a macchina. Durante a fase di ingenieria di a funziunalità, una nova funzione hè creata quale hè a somma di risposte "A" è "B" Basatu nantu à a Flsm. I numeri d'identificazione di e pusizioni di droga sò datu in a Tabella 1.
Calculate a partitura basata nantu à e risposte è determinate u ls di u studiente. Per ogni studiente, a range di partitura hè da 1 à 11. Scores da 1 à 3 à l'equilibriu di e preferenze, è partite da una preferenza moderata, indicendu chì i studienti anu da amparà à l'altri . Una altra variazione nantu à a stessa dimensione hè chì u puntuazione da 9 à 11 riflette una forte preferenza per una punta o l'altru [8].
Per ogni dimensione, e droghe sò stati agrupati in "attivu", "riflettati" è "equilibratu". Per esempiu, quandu un studiente risponde "un" più spessu di "b" nantu à un elementu designatu è u so puntuazione supera a dimensione di 5 per a dimensione di u "attivu" Dominiu. . Tuttavia, i studienti sò stati classificati cum'è "riflettenti" quandu anu sceltu "B" più di "A" in specifiche 11 dumande (Tabella 1) è hà puntuatu più di 5 punti. Finalmente, u studiente hè in un statu di "equilibriu". Se u score ùn supera micca 5 punti, allora questu hè un "prucessu" ls. U prucessu di classificazione hè stata ripetuta per l'altre dimensione di LS, à dì a percepzione (Attiva / riflettente), input (visuale / verbale), è capiscitura (sequenzia / glubale).
I mudelli di l'arburi di decisione ponu usà suministru sfarenti di caratteristiche è e regule di decisione in diverse tappe di u prucessu di classificazione. Hè cunsideratu una strumentu di classificazione pupulari è di prediczione. Pò esse rapprisintatu di aduprà una struttura arbulu cum'è una florchart [20], In quale sutne di prova internaziunale per l'attributu, ogni ramu rappresentante (node di foglia) chì cuntene una etichetta di foglia.
Un prugramma simili a regula hè stata creata per punta à automaticamente è annunzià u vostru studiente basatu in e so risposte. A regule basata a forma di una dichjarazione, induve "se" descrive u grillu è "allora" specificà l'azzione, per esempiu: "SI" (Liu et-Al. Se u set di dati mostra correlazione è u mudellu d'arburu è evaluatu, questu discorsu pò esse un modu efficau di prufessiunale per a matta KS è hè.
In a seconda fase di sviluppu, u dati era aumentatu à 255 per migliurà l'accuratezza di l'utillita di recomandazione. U set di dati hè divisu in un rapportu 1: 4: U 25% (64) di u set di dati hè stata aduprata per u set di prova, è u restu di u 75% (191) hè stata aduprata cum'è u set di furmazione (Figura 2). L'usativu di dati ùn deve micca splt per prevene u mudellu di travagliu è pruvatu nantu à u stessu set di dati, chì puderia pruvucà u mudellu per ricordi più cà amparà. U mudellu hè furmatu nantu à u furmazione stabilitu è valutà a so prestazione nantu à u test Set-Datu u mudellu ùn hà mai vistu prima.
Una volta hè sviluppatu hè sviluppatu, l'applicazione sarà inviziendu iSTA in basa di e risposte di studenti Dentali via una interfaccia web. L'infurmazione interante di u situ web di a Cunsumazione di a RECOMANDAZIONE SCINZIONE hè custruita aduprendu a lingua pitonaggi Programante usendu U quadru di Django cum'è u backkend. Tabella 2 elenchi i bibliotecari utilizate in u sviluppu di questu sistema.
U dataset hè alimentatu à un mudellu di decisione per calculà è estrattà e risposte di i studienti per classificà automaticamente e misure di i studienti.
L'matrice di cunfusione hè aduprata per valuta l'accuratura di una macchina d'arrezzione di una minacciata di l'arbulu. In listessu tempu, valutazione La funza di u mudellu di classificazione. Summarà i previsioni di u mudellu è l'anu compara à l'etichette di dati attuali. I risultati di valutazione sò basati nant'à quattru valori differenti: Veru pusitivi (TP) - U mudellu currettamente a categuria, falsedia (fp) - U mudellu statu negativu è a vera etichetta (TN) - U mudellu hà preditu bè a classe negativa, è falsa negativa (FN) - U mudellu predice una classa negativa, ma l'etichetta vera hè pusitiva.
Questi valori sò dopu usate per calculà diverse metricification di ricuori di l'classificazione di classificazione di a pitoneta in Python, a Pagina Precisione, Precisione, recallà, u partitura di F1. Eccu esempi:
Ricurdà (o sensibilità) misura l'abilità di u mudellu per classificà accuratamente un studiente dopu à risponde à u questionariu M-ILS.
A specificità hè chjamata vera tarifa negativa. Comu pudete vede da a formula sopra, questu deve esse u ratio di i veri negativi (TN) à i veri negativi è falsi pusitivi (FP). Comu parte di l'utillita cunsigliata per a classificazione di e droghe di i studienti, deve esse capace di precisa l'identificazione.
U dataset originale di 50 studenti utilizati per furmà u mudellu di a decisione ml mostrò relativamente bassu à pocu bassu per l'errore umanu in l'annotazioni (Tabella 3). Dopu à creà un prugramma basatu nantu à a regula simplice di calculà automaticamente i puntuazioni di l'studiente, un numeru di dati di dati di dati (255) sò stati usati per furmà u sistema racogmante.
In a matrice di cunfusione multiclass, l'elementi diagonali rapprisentanu u numeru di previsioni curretti per ogni tipu LS (Figura 4). Aduprendu u mudellu di l'arburu di decisione, un totale di 64 mostri eranu previsti currettamente. Cusì, in stu studiu, l'elementi diagonali mostra i risultati previstu, indendu chì u mudellu eseitu è preghjudiziu accuratamente a classificazione di classe. Cusì, l'accurata generale di l'utente di cunsigliatu hè 100%.
I valori di a accuràzione, precisione, recallà, è F1 PIU PATITTÀ PER I COZICO DI REGECESSAZIONE, a so pagina di decisione hè diferente "in a perfettu, riflettendu significativa sensibilità è specifiche significativu valori.
A Figura 6 mostra una visualizazione di u mudellu di l'arburu di decisione dopu a furmazione è a prova sò finite. In un paragone laterale, u mudellu di u mulinu di a decisione sò furmati cù menu caratteristiche mostrate una precisione di l'accurata è di u mudellu più faciule. Questa mostra chì presentanu l'ingegneria chì porta à a riduzione di a funzione hè un passu impurtante in a migliurà u rendimentu di mudellu.
Applicendu l'arburetu di a decisione di l'arburi di a decisione trà LS (input) è hè (output di destinazione) hè automaticamente generata è cuntene informazioni detallate per ogni ls.
I risultati mostranu chì 34,9% di i 255 studenti preferiscenu unu (1) Opzione LS. A maiurità (54,3%) hà avutu duie o più preferenze di ls. 12,2% di i studienti hà nutatu chì ls hè abbastanza equilibratu (Tabella 4). In più di ottu ls principali, ci sò 34 cumminazzioni di classificazioni di LS per l'Università di Malaya Studenti Dentali. Frà, percepzione, visione, è a cumbinazione di percepzione è di a visione sò i principali chì sò i principali chì anu dichjaratu da i studienti (Figura 7).
Comu pò esse vistu da tavulinu 4, a misità di i studienti avianu un sensore predominante (13.7%) o visuale (8,6%) ls. Hè stata signalata chì u 12,2% di i studienti cumminati percepzione cù a visione (perceptu u ls visuale. Queste screce suggeriscenu chì i studienti preferiscenu amparà e ricurdà per e prucedure stabiliti, seguitate e prucedui specifiche, è sò attenti in natura. À u stessu tempu, gode di amparà à circà (usendu diagrammi, etc.) è tende à discutiri è applicà infurmazioni in gruppi.
Stu studiu furnisce una disturba di apprendimentu di a macchina utilizata in i dati di dati, cù un focus nantu à e predica istantaneamente è accuratamente i studienti è cunsigliatu hè adattatu. L'applicazione di un mudellu di arbulu di decisione identificò i fatturi più strettamente ligati à a so vita è l'esperienze educativa. Hè un algoritmu di l'apprendimentu supervisatu chì usa una struttura d'arbre per classificà i dati di dividendu un inseme di dati in a subcategorii basati nantu à certi criterii. Funziona da dividendu input in e dati input in sottumette basati nantu à u valore di una di e caratteristiche di ogni locu pocu finu à una decisione.
L'annu annu di u marinu di decisione rapprisintanu a soluzione basatu nantu à e caratteristiche di input è u prublema MPS, è e capi foglie rapprisintanu a previsione di i classificazione LS finale. In tuttu u studiu, hè faciule da capisce a gerarchia di l'arburi di decisione chì spiega è visualizà u prucessu di decisione cercanu à a relazione trà e caratteristiche di l'input.
In i campi di l'informatica Scienza è ingegneria, Algoritmi di l'amparera hè preventata per predicà u performance studentamente basatu nantu à u so puntu di l'esame di l'entrata [21], cumportazione demografica "22]. A ricerca hà dimustratu chì l'algoritmu hà previstu u rendimentu di u studente è hà aiutatu à identificà i studienti in risicu per e difficultà accademiche.
L'applicazione di l'algoritmi ML in u sviluppu di i simulatori di u paziente virtuale per a furmazione dentale hè informata. U simulatore hè capace di ripruduce precisamente e risposte fisiulogiche di i veri pazienti è ponu esse usati per entrenà i studienti dentali in un ambiente sicuru è cuntrullatu [23]. Diversi altri studii mostranu chì l'algoritmi di l'amparera pò migliurà a qualità è l'efficienza di educazione dentale è medica è a cura di i pazienti. L'algoritmi d'amparamentu machine sò stati usati per assistisce à l'diagnostiche di e malatie dentali basati nantu à i set di dati cum'è sintomi è e caratteristiche di u paziente [24, 25]. Mentre altri studii anu scupertu l'usu di Algoriti di l'apprendimentu di a Machine cum'è prediche risultati di u pazienti, in u trattamentu di u trattamentu personalizatu [26], u trattamentu periodontale [27], trattamentu periore [25].
Eppuru chì i rapporti nantu à l'applicazione di l'apprendimentu di a macchina in u dentistulu sò stati publiciti, a so richienza in Dental educazione resta limitata. Dunque, stu studiu hà intesu per aduprà un mudellu d'arbulu decisione per identificà fattori più fattenu cù ls è è trà i studenti polacchi.
I risultati di stu studiu mostra chì l'utenti di cunsigli cunsigliata sviluppata è accuratura perfetta, indendu chì i maestri ponu bagnà da questu strumentu. Aduprendu un prucessu di classificazione di a dati guidata di dati, pò furnisce cunsiglii persunalizati è migliurà sperienze educativi è risultati educati per l'educatori è studienti. Frà elli, l'infurmazione ottenuta per strumenti di cumpacenza ponu risolve i cunflitti trà i metudi di l'insignamentu di i prufessori è i metudi di l'apprendre di i studienti. Per esempiu, a causa di a diventa automatizzata di arnesi di cunsiglii di cunsiglii, u tempu deve esse identificà un iP di un studiente è cuncorda cù l'IP currispondente serà significativamente ridutta. In questu modu, attività di furmazione adattata è i materiali di furmazione ponu esse urganizati. Questu aiuta à sviluppà u cumpurtamentu di l'apprendimentu pusitivu di i studienti è a capacità di cuncentrazione. Un studiu hà riportatu chì furnisce i studienti cù l'azzioni di apprendimentu è l'apprendimentu chì si ponu aiutà i studienti, u prucessu, è godite l'apprendre u più grande potenziale [12]. A ricerca ancu si affissenu chì in più di a propria processione di studienti in a scola di l'apprentizione di i studienti face un rilicu di i studienti in bole cratavità in misura di pratiche è cumunicazione cù studenti [28, 29].
Tuttavia, cume cù alcuna tecnulugia muderna, ci sò prublemi è limitazioni. Queste include i prublemi rilativi à a privacy di dati, e scarità, è e cumpetenze prufessiunali è e risorse prufessiunali avianu per sviluppà è implementà algoriti macchine; Tuttavia, crescente interesse è ricerca in sta zona suggerisce chì i tecnulugii di apprendimentu di macchina puderanu avè un impattu positivu nantu à un serviziu dentale è servizii dentali.
I risultati di stu studiu indicanu chì a mità di i studienti dentali anu una tendenza à "percepisce" droghe. Stu tipu di studiente hà una preferenza è l'esempii béton, una orientazione pratica, pacienza, e pariginarii, e stampe, colori, e menu di dimostra. I risultati currenti sò in modu cumportanu cù altri studii aduprenduli iStili per valutà ls in studienti dentali, a maiò parte di quale anu caratteristiche di ls [12, 30]. Dalmolin et al suggerisce chì informanu i studienti nantu à i so ls li permette di ghjunghje à u so potenziale di apprendimentu. I circadori chì discutiri, chì i prufessori capiscenu cumplettamente u prucessu educativu di i studienti è l'attività pò esse implementata chì migliurà a performance di i studienti è di l'apprendimentu di u 32]. Altri studi anu mustratu chì l'aghjustà i lce di studienti in l'esperienza di l'apprendimentu di i studienti dopu avè cambiatu u cambicu di stili per addriver i Ls [13].
L'opinioni di i prufessori ponu varià in quantu à l'implementazione di e strategie d'insignamentu basatu nantu à e capacità di apprendimentu di i studienti. Mentre ellu certe vede i benefici di stu approcciu, cumpresu opportunità di sviluppu, a misenta, u supportu di a cumunità, l'altri ponu esse preoccupati di u tempu è Supportu istituziunale. Strive per l'equilibriu hè chjave per creà una attitudine centrata di studenti. L'autorità di educazione superiore, cum'è l'amministratori di l'imaghjinu, ponu ghjucà un rolu impurtante in cunduce un cambiamentu pusitivu per intrucià e practiche innovante è u 34]. Per creà un sistema industriale veramente tinamicu è rispettu, i palificazione anu da piglià passi dudiali, cum'è l'attualità di a pulitica, è creendu integrazione chì prumove l'approcci centristati. Queste misure sò critiche per ottene i risultati desiderati. Ricerca recente nantu à struzzioni differenziate hà chjaramente l'implementazione riescita di struzzioni differenziati è opportunità in scopu per i prufessioni [35].
Questa strumenta furnisce un sustegnu preziosu à l'educatori dentali chì volenu piglià un approcciu di u centru di u studiente per pianificà l'attività di apprendimentu amichevule di i studienti. Tuttavia, stu studiu hè limitatu à l'usu di i mudelli ML di decisione. In u futuru, più dati deve esse rotacciatu per paragunà a rendimentu di sfarenti mudelli di l'apprendimentu per partura l'estribui di recomandazione. Inoltre, quandu sceglie u metudu di amparà a più particulare Machine per un compitu particular Machine, hè impurtante per puderà cunsiderà altri fatturi cume a cumplessione è interpretazione.
Una limitazione di stu studiu hè chì u solu focu annantu à carting Ls è hè trà i studenti Dentali. Dunque, u sistema cunsigliatu sviluppatu hà solu cunsigliatu solu chì ci sò adattati per studenti dentali. I cambiamenti sò necessarii per l'usu di studiente di l'educazione superiore superiore.
L'utillata di racoltazione rivelazione sviluppata hè capace di classificà istantaneamente i studienti è currispondenti à i studienti è a face u primu prugramma di intenzione di l'insignamentu è l'attività di l'apprendimentu Dental. Utilizendu un prucessu di triage di dati - guidanu cunsiglii persunalizati, salvate i stratigie persunalizati, blendì strategie, sustinzioni destinati à l'interentu, è prumove u sviluppu prufessiunale, è prumove Sgolatu Sviluppu prufessiunale, A so applicazione prumove l'approcci di u Studiente à l'studiente à l'educazione dentale.
Gilak Jani Press. Match o un scontru trà u stilu di apprendimentu di u studiente è u stile di insegnamentu di u maestru. Int j mod educ computer scienza. 2012; 4 (11): 51-60. https://Doi.org/10,5815/ijmecs.2012.11.105
Tempu post: Apr-29-2024