Adunay usa ka nagkadako nga panginahanglan alang sa pagkat-on nga nakasentro sa mga estudyante (SCL) sa mas taas nga mga institusyon sa edukasyon, lakip ang dentista. Bisan pa, ang SCL adunay limitado nga aplikasyon sa edukasyon sa ngipon. Busa, ang kini nga pagtuon nagtinguha sa pagpalambo sa aplikasyon sa pag-de-dentista pinaagi sa paggamit sa teknolohiya sa pag-undang sa kahoy (LS) sa mga estudyante sa pagkat-on nga adunay usa ka mapuslanon nga himan alang sa pagpalambo . Ang mga Pangako nga Mga Paagi alang sa mga Estudyante sa Dental.
Adunay kinatibuk-an nga 255 nga mga estudyante sa dental gikan sa University of Malaya nga nakompleto ang giusab nga indeks sa mga estilo sa pagkat-on (M-ILs) nga mga butang nga adunay 44 nga mga butang aron ma-classify kini sa ilang tagsatagsa ka LSS. Ang nakolekta nga datos (gitawag nga usa ka dataset) gigamit sa pagdumala sa desisyon sa kahoy nga pagkat-on aron awtomatiko nga magkatugma sa mga estilo sa pagkat-on sa mga estudyante sa labing angay. Ang katukma sa Machine Thorlic-base sa rekomendasyon nga himan unya gisusi.
Ang aplikasyon sa mga modelo sa mga punoan sa desisyon sa usa ka awtomatikong proseso sa pagmamapa tali sa LS (input) ug mao ang (target nga output) alang sa usa ka diha-diha nga lista sa angay nga estudyante sa pag-andar alang sa matag estudyante sa ngipon. Ang rekomendasyon nga himan nga gipakita nga hingpit nga katukma ug paghinumdom sa kinatibuk-ang katukma sa modelo, nga nagpaila nga ang pagpares sa LS adunay maayo nga pagkasensitibo ug katulundon.
Ang usa ka rekomendasyon nga himan base sa usa ka punoan sa desisyon sa ML napamatud-an nga ang katakus niini nga tukma nga katumbas sa mga estilo sa pagkat-on sa mga estudyante sa ngipon nga adunay angay nga mga pamaagi sa pagkat-on. Kini nga himan naghatag kusog nga mga kapilian alang sa pagplano sa mga kurso nga nasentro sa mga estudyante o module nga makapalambo sa kasinatian sa pagkat-on sa mga estudyante.
Ang pagtudlo ug pagkat-on mao ang sukaranang mga kalihokan sa mga institusyon sa edukasyon. Kung nagpalambo sa usa ka taas nga kalidad nga sistema sa edukasyon sa bokasyonal, hinungdanon nga mag-focus sa mga kinahanglanon sa pagkat-on sa mga estudyante. Ang pakigsulti tali sa mga estudyante ug ang ilang palibot sa pagkat-on mahimong matino pinaagi sa ilang LS. Gisugyot sa panukiduki nga ang mga katuyoan nga gituyo sa magtutudlo tali sa mga estudyante sa mga estudyante ug adunay negatibo nga mga sangputanan alang sa pagkat-on sa estudyante, sama sa pagkunhod sa atensyon ug panukmod. Kini dili direkta nga makaapekto sa pasundayag sa estudyante [1,2].
Mao ang usa ka pamaagi nga gigamit sa mga magtutudlo nga maghatag kahibalo ug kahanas sa mga estudyante, lakip ang tabang sa mga estudyante nga makakat-on [3]. Sa kasagaran, ang maayong mga magtutudlo nagplano sa mga estratehiya sa pagtudlo o mao nga ang labing angay sa lebel sa kahibalo sa ilang mga estudyante, ang mga konsepto nga ilang nahibal-an, ug ang ilang yugto sa pagkat-on. Ang teorya, kung ang LS ug match, ang mga estudyante makahimo sa pag-organisar ug paggamit sa usa ka piho nga hugpong sa mga kahanas aron mahibal-an nga epektibo. Kasagaran, ang usa ka plano sa leksyon naglakip sa daghang mga pagbalhin tali sa mga yugto, sama sa pagtudlo sa giya nga praktis o gikan sa gigiyahan nga praktis sa independensidad. Uban niini sa hunahuna, ang epektibo nga mga magtutudlo kanunay nga nagplano sa panudlo sa katuyoan sa pagtukod sa kahibalo ug kahanas [4].
Ang gipangayo alang sa SCL nagtubo sa mga institusyon sa mas taas nga edukasyon, lakip ang dentista. Ang mga estratehiya sa SCL gilaraw aron matubag ang mga panginahanglanon sa pagkat-on sa mga estudyante. Mahimo kini makab-ot, pananglitan, kung ang mga estudyante aktibo nga moapil sa mga kalihokan sa pagkat-on ug mga magtutudlo nga molihok ingon mga facilitator ug responsable sa paghatag og bililhon nga feedback. Giingon nga ang paghatag sa mga materyales sa pagkat-on ug mga kalihokan nga angay sa lebel sa edukasyon sa mga estudyante o pagpalambo sa mga estudyante sa pagkat-on sa mga estudyante [5].
Sa kasagaran nga pagsulti, ang proseso sa pagkat-on sa mga estudyante sa ngipon naimpluwensyahan sa lainlaing mga pamaagi sa klinikal nga gikinahanglan nga buhaton nila ug ang klinikal nga palibot diin sila nagpalambo sa epektibo nga mga kahanas sa interpersonal. Ang katuyoan sa pagbansay mao ang pag-aghat sa mga estudyante sa paghiusa sa mga batakang kahibalo sa dentista nga adunay mga kahanas sa klinikal nga ngipon ug ipadapat ang nakuha nga kahibalo sa mga bag-ong klinikal nga mga kahimtang [6, 7]. Sayo nga panukiduki sa relasyon tali sa LS ug nakit-an nga ang pag-adjust sa mga pamaagi sa pagkat-on nga gipaparpot sa pinalabi nga ls makatabang sa pagpalambo sa proseso sa edukasyon [8]. Girekomenda usab sa mga tagsulat ang paggamit sa lainlaing mga pamaagi sa pagtudlo ug pagtimbangtimbang aron makapahiangay sa pagkat-on ug mga panginahanglanon sa mga estudyante.
Ang mga magtutudlo nakabenepisyo gikan sa pag-apply sa kahibalo sa LS aron matabangan sila nga magdesinyo, mag-uswag, ug magpatuman sa panudlo nga makapalambo sa mga estudyante sa pagkuha sa mas lawom nga kahibalo ug pagsabut sa hilisgutan sa hilisgutan. Ang mga tigdukiduki nakalambo sa daghang mga gamit sa pagtimbang-timbang sa LS nga kasinatian, ang modelo sa FLED-Silverman nga nagkat-on (5, 9, 10]. Sumala sa literatura, kini nga mga modelo sa pagkat-on mao ang kasagaran nga gigamit ug labing gitun-an nga mga modelo sa pagkat-on. Sa karon nga buluhaton sa panukiduki, gigamit ang FSLSM aron mahibal-an ang mga LS sa mga estudyante sa ngipon.
Ang FSLSM usa ka sulud nga gigamit nga modelo alang sa pagtimbangtimbang sa pagpahiangay nga pagkat-on sa engineering. Adunay daghang mga gipatik nga mga buhat sa mga siyensya sa kahimsog (lakip ang tambal, pag-atiman, parmasya ug dentistry) nga makit-an ang mga modelo sa FSLSM. Ang instrumento nga gigamit sa pagsukod sa mga sukat sa LS sa FLSM gitawag nga indeks sa mga estilo sa pagkat-on (8], nga nag-aghat sa upat ka sukod sa LS: Pagproseso (Aktibo / Spectpotal / Intuitive), input (biswal). / verbal) ug pagsabut (sunud-sunod / global) [14].
Ingon sa gipakita sa Figure 1, ang matag Diminasyon sa FSLSM adunay usa ka nagpatigbabaw nga gusto. Sama pananglit, sa sukod sa pagproseso, ang mga estudyante nga adunay "Aktibo" gusto sa pagproseso sa kasayuran pinaagi sa direktang pakigsulti sa mga materyal sa pagkat-on, pagkat-on pinaagi sa pagbuhat, ug lagmit nga makakat-on sa mga grupo. Ang "pagpamalandong" nga LS nagtumong sa pagkat-on pinaagi sa paghunahuna ug gusto nga magtrabaho nga mag-inusara. Ang "pagsabut" nga sukat sa LS mahimong bahinon sa "pagbati" ug / o "intuition." Ang "pagbati" ang mga estudyante mas gusto ang labi ka konkreto nga kasayuran ug praktikal nga mga pamaagi, gitandi ang mga "intuitive" nga mga estudyante ug labi ka bag-ohon ug malupigon sa kinaiyahan. Ang "input" nga sukod sa LS naglangkob sa "biswal" ug "verbal" nga mga estudyante. Ang mga tawo nga adunay "Visual" LS gusto nga magkat-on pinaagi sa mga demonstrasyon sa visual (sama sa mga diagram, mga demonstrasyon sa mga "verbal". Aron "masabtan" ang mga sukat sa LS, ang mga estudyante mahimong bahinon sa "sunud-sunod" ug "global". "Ang mga sunud-sunod nga estudyante nagpalabi sa usa ka linya nga proseso sa panghunahuna ug pagkat-on sa lakang, samtang ang mga tig-eskuyla sa kalibutan adunay usa ka mas maayo nga pagsabut sa ilang nakat-unan.
Karong bag-o, daghang mga tigdukiduki ang nagsugod sa pagsuhid sa mga pamaagi alang sa awtomatikong pagdaghan sa datos nga madasig, lakip ang pag-uswag sa mga bag-ong algorithm ug mga modelo nga makahimo sa paghubad sa daghang mga datos [15, 16]. Pinasukad sa gihatag nga datos, ang pagdumala ml (ang pagkat-on sa makina) makahimo sa paghimo sa mga sumbanan ug hipotheses nga nagtagna sa umaabot nga mga resulta pinasukad sa mga algorithm sa 17]. Sa yano nga paagi, ang mga pagdumala sa mga teknik sa pagkat-on sa makina nag-manipulate sa mga datos sa pag-input ug mga algorithm sa tren. Kini naghimo sa usa ka han-ay nga nagkahiusa o gitagna ang sangputanan pinasukad sa susamang mga kahimtang alang sa gihatag nga datos sa pag-input. Ang panguna nga bentaha sa mga gidumala nga mga algorithm sa pagkat-on sa makina mao ang kaarang sa pag-establisar sa sulundon ug gitinguha nga mga sangputanan [17].
Pinaagi sa paggamit sa mga pamaagi nga gipadagan sa datos ug mga modelo sa pagkontrol sa mga kahoy nga kontrol sa desisyon, posible ang awtomatikong pagtuki sa LS. Ang mga kahoy nga desisyon gitaho nga kaylap nga gigamit sa mga programa sa pagbansay sa lainlaing natad, lakip ang mga siyensya sa panglawas [18, 19]. Sa kini nga pagtuon, ang modelo espesipikong gibansay sa mga nag-develop sa sistema aron mahibal-an ang mga estudyante 'ls ug girekomenda ang labing maayo alang kanila.
Ang katuyoan sa kini nga pagtuon mao ang pag-uswag mao ang mga estratehiya sa paghatud base sa mga estudyante sa mga estudyante ug i-apply ang SCL Paagi pinaagi sa pagpalambo sa usa ka rekomendasyon nga tool nga mapa sa LS. Ang pag-agos sa Disenyo sa IS Recollment Tool ingon usa ka estratehiya sa SCL Paagi gipakita sa Figure 1. Ang ISRIVERICATION TOLS nga gigamit sa ILS Classification nga gigamit ang ILS ug ang labing angay nga ipakita alang sa mga estudyante.
Sa partikular, ang mga kinaiya sa mga gamit sa rekomendasyon sa kasayuran naglakip sa paggamit sa mga teknolohiya sa web ug paggamit sa pagkat-on sa makina sa pag-undang sa desisyon. Ang mga developer sa sistema nagpalambo sa kasinatian ug paglihok sa tiggamit pinaagi sa pagpahiangay kanila sa mga mobile device sama sa mga mobile phone ug tablet.
Ang eksperimento nga gihimo sa duha ka mga yugto ug mga estudyante gikan sa faculty sa dentista sa University of Malaya miapil sa usa ka boluntaryo nga sukaranan. Ang mga partisipante misanong sa usa ka Online nga Estudyante sa Dental nga M-Ils sa Ingles. Sa inisyal nga hugna, usa ka dataset nga 50 nga mga estudyante ang gigamit sa pagbansay sa FEDER TREE MOUCTIC TIPLE ALDIC TIPLE ALDORITHM. Sa ikaduhang hugna sa proseso sa pag-uswag, usa ka dataset nga 255 nga mga estudyante ang gigamit aron mapaayo ang katukma sa naugmad nga instrumento.
Ang tanan nga mga partisipante makadawat usa ka online nga paghugas sa sinugdanan sa matag yugto, depende sa Akademikong Tuig, pinaagi sa Microsoft Teams. Ang katuyoan sa pagtuon gipatin-aw ug nahibal-an ang pagtugot nakuha. Ang tanan nga mga partisipante gihatagan usa ka link aron ma-access ang M-Ils. Ang matag estudyante gitudloan sa pagtubag sa tanan nga 44 nga mga butang sa pangutana. Gihatagan sila usa ka semana aron makompleto ang giusab nga ID sa usa ka oras ug lokasyon nga angay kanila sa panahon sa semester sa wala pa magsugod ang semester. Ang M-Ils gibase sa orihinal nga instrumento sa ID ug giusab alang sa mga estudyante sa ngipon. Susama sa mga orihinal nga ID, kini adunay 44 nga parehas nga gipang-apod-apod nga mga butang (A, B), nga adunay 11 nga mga butang matag usa, nga gigamit sa pagtimbang-timbang sa mga aspeto sa matag sukod sa FSLSM.
Atol sa unang mga yugto sa pag-uswag sa himan, mano-mano ang mga tigdukiduki nga gipunting ang mga mapa gamit ang usa ka dataset nga 50 ka estudyante sa dental. Sumala sa FSLM, ang sistema naghatag og kantidad sa mga tubag nga "A" ug "B". Alang sa matag sukod, kung ang estudyante nagpili sa "usa ka" usa ka tubag, ang mga LS giklasipikar nga aktibo / stectual / study / sunud-sunod, ug kung ang estudyante nga giklasipikar, ang estudyante nga giklasipikar / intuitive / linggwtial . / Global Tearner.
Human ma-calibrate ang workflow sa taliwala sa mga tigdukiduki sa edukasyon sa Dental Education ug mga Pangutana nga gipili base sa Flessm Domain ug gipakaon sa ML MELET aron matagna ang matag estudyante. "Ang basura sa, basura" usa ka popular nga panultihon sa natad sa pagkat-on sa makina, nga adunay gibug-aton sa kalidad sa datos. Ang kalidad sa datos sa pag-input nagtino sa katukma ug katukma sa modelo sa pagkat-on sa makina. Atol sa bahin sa engineering nga yugto, ang usa ka bag-ong bahin nga bahin gihimo nga mao ang kantidad sa mga tubag nga "A" ug "B" nga gibase sa Flssm. Ang mga numero sa pag-ila sa mga posisyon sa droga gihatag sa Talaan 1.
Kalkulado ang iskor pinasukad sa mga tubag ug pagtino sa mga LS sa estudyante. Alang sa matag estudyante, ang score range gikan sa 1 hangtod 11. Ang mga marka gikan sa 1 hangtod 3 nagpaila sa usa ka balanse sa mga gusto sa pagkat-on sa sulod sa parehas nga kalikopan nga nagpili sa usa ka kalikopan nga nagtudlo sa uban . Ang lain nga kalainan sa parehas nga sukod mao nga ang mga marka gikan sa 9 hangtod 11 magbanaag sa usa ka lig-on nga gusto alang sa usa ka tumoy o sa uban pa [8].
Alang sa matag sukod, ang mga droga gi-grupo sa "Aktibo", "Pagpamalandong" ug "Balanse". Sama pananglit, kung ang usa ka estudyante nagtubag sa "usa ka" mas kanunay kaysa "B" sa usa ka gitudlo nga butang ug ang iyang marka nga nagrepresentar sa threshold sa 5 alang sa usa ka partikular nga butang nga nagrepresentar sa pag-aghat sa 5 alang sa usa ka partikular nga butang nga nagrepresentar sa pag-aghat sa 5 alang sa usa ka partikular nga butang nga nagreparar sa dimensyon sa pagproseso, siya sakop sa "Aktibo" Ls Domain. . Bisan pa, ang mga estudyante gi-classified ingon nga "pagpamalandong" ls kung gipili nila ang "b" labi pa sa "usa ka" sa piho nga 11 nga mga pangutana. Sa katapusan, ang estudyante naa sa estado nga "balanse." Kung ang marka dili molapas sa 5 puntos, nan kini usa ka "proseso" ls. Ang proseso sa klasipikasyon gisubli alang sa ubang mga sukat sa LS, nga mao ang pag-atubang (aktibo / pagpamalandong), input (visual / valual / sunud-sunod / Spential).
Ang mga modelo sa kahoy nga desisyon mahimo'g mogamit sa lainlaing mga subset sa mga bahin ug mga lagda sa desisyon sa lainlaing mga yugto sa proseso sa pag-klasipikasyon. Kini giisip nga usa ka popular nga klasipikasyon ug himan sa panagna. Mahimo kini nga girepresentahan gamit ang usa ka istruktura sa kahoy sama sa usa ka flowchart [20], diin adunay mga internal nga mga node nga nagrepresentar sa mga pagsulay pinaagi sa mga resulta sa pagsulay, ug ang mga node sa pagsulay (dahon sa node) nga adunay sulud nga label.
Ang usa ka yano nga programa nga nakabase sa lagda gihimo aron awtomatiko nga puntos ug pag-anunsyo sa matag estudyante sa Student base sa ilang mga tubag. Ang base sa pagmando nagkuha sa porma sa usa ka pahayag, diin "kung" gihubit ang trigger ug "dayon", "kung kini mahitabo," kung q `(liu et al., 2014). Kung ang mga set sa datos nagpakita sa correlation ug ang modelo sa punoan sa desisyon nga husto nga gibansay ug gisusi, kini nga pamaagi mahimong usa ka epektibo nga paagi aron mabalhin ang proseso sa pag-automate sa proseso sa pag-automate sa proseso sa pag-automate sa proseso sa pag-automate sa proseso sa pag-automate sa proseso sa pag-automate sa proseso sa pag-automate sa proseso sa pag-automate sa proseso sa pag-automate sa proseso sa pag-igo sa mga katugbang nga ls ug.
Sa ikaduhang hugna sa pag-uswag, ang dataset nagdugang sa 255 aron mapaayo ang katukma sa rekomendasyon nga himan. Ang datos nga gitakda gibahin sa usa ka 1: 4 nga ratio. 25% (64) sa datos nga gitakda ang gigamit alang sa set sa pagsulay, ug ang nahabilin nga 75% (191) gigamit ingon nga set sa pagbansay (Figure 2). Ang mga datos nga gitakda kinahanglan nga mabahin aron mapugngan ang modelo nga mabansay ug masulayan sa parehas nga set sa datos, nga mahimong hinungdan sa paghinumdom sa modelo imbes nga makahinumdom. Ang modelo gibansay sa set sa pagbansay ug pagtimbangtimbang sa pasundayag niini sa Set-Data nga Set-Data nga wala pa makita.
Sa higayon nga naugmad ang himan, ang aplikasyon mahimong mag-klasipikar sa LS base sa mga tubag sa mga estudyante sa ngipon pinaagi sa usa ka interface sa web. Ang sistema sa kasayuran nga gisulat sa Web Security Tool gitukod gamit ang Python Programming Language gamit ang Django Framework ingon ang backend. Ang Talaan 2 naglista sa mga librarya nga gigamit sa pag-uswag sa kini nga sistema.
Gipakaon ang dataset sa usa ka modelo sa punoan sa desisyon aron makalkulo ug makuha ang mga tubag sa estudyante aron awtomatiko nga magklasipikar sa mga sukod sa Student LS.
Gigamit ang kalibog matrix aron matimbang ang katukma sa usa ka makina nga nakakat-on sa pag-ila sa algorithm sa usa ka gihatag nga datos. Sa parehas nga oras, gitimbang-timbang niini ang pasundayag sa modelo sa klasipikasyon. Gipunting niini ang mga panagna sa modelo ug gitandi kini sa aktuwal nga mga label sa datos. Ang mga resulta sa pagsusi gibase sa upat nga lainlaing mga kantidad: Tinuod nga Positibo (TP) - Ang modelo nga husto nagtagna sa positibo nga kategorya, ang tinuod nga positibo (FPP) - Tinuod nga Negatibo (TN) Ang modelo nga husto nagtagna sa negatibo nga klase, ug sayup nga negatibo (FN) - ang modelo nagtagna sa usa ka negatibo nga klase, apan ang tinuod nga label positibo.
Kini nga mga kantidad gigamit aron makalkulo ang lainlaing mga metriko nga performance sa Scikit-Hibal-i nga modelo sa klasipikasyon sa Python, nga mao ang katukma, katukma, paghinumdom, ug F1 Score. Ania ang mga pananglitan:
Hinumdomi (o pagkasensitibo) gisukod ang abilidad sa modelo sa tukma nga pagklasipikar sa mga LS sa estudyante human matubag ang pangutana sa M-Ils.
Ang pagkaparehas gitawag usa ka tinuud nga negatibo nga rate. Sama sa imong nakita gikan sa pormula sa ibabaw, kini kinahanglan nga ratio sa tinuud nga mga negatibo (TN) sa tinuud nga mga negatibo ug sayup nga mga positibo (FP). Isip bahin sa girekomenda nga himan alang sa pagklasipikar sa mga tambal sa estudyante, kinahanglan kini nga adunay tukma nga pagpaila.
Ang orihinal nga datantet nga 50 nga mga estudyante nga gigamit sa pagbansay sa modelo sa desisyon sa ML ML nagpakita nga medyo ubos nga katukma tungod sa sayup sa tawo sa mga annotasyon (Table 3). Pagkahuman sa paghimo sa usa ka yano nga programa nga nakabase sa balaod aron awtomatiko nga makalkulo ang mga marka sa LS ug mga anotasyon sa estudyante, usa ka nagkadaghan nga mga datasets (255) ang gigamit sa pag-train ug pagsulay sa sistema sa rekomender.
Sa multiclass kalibog matrix, ang mga elemento sa diagonal nagrepresentar sa gidaghanon sa husto nga mga panagna alang sa matag tip sa LS (Hulagway 4). Ang paggamit sa modelo sa punoan sa desisyon, usa ka total nga 64 nga mga sample ang husto nga gitagna. Sa ingon, sa kini nga pagtuon, ang mga elemento sa diagonal nagpakita sa gipaabut nga mga sangputanan, nga nagpaila nga ang modelo naghimo og maayo ug tukma nga gitagna ang label sa klase alang sa matag klasipikasyon sa klase. Sa ingon, ang kinatibuk-ang katukma sa rekomendasyon nga himan 100%.
Ang mga mithi sa katukma, katukma, paghinumdom, ug F1 score gipakita sa Hulagway 5 mga mithi.
Gipakita sa Figure 6 ang usa ka paghanduraw sa modelo sa punoan sa desisyon pagkahuman sa pagbansay ug pagsulay nga nahuman. Sa usa ka kilid nga pagtandi, ang modelo sa kahoy nga desisyon nga nabansay sa mas gamay nga mga bahin nagpakita sa mas taas nga katukma ug mas dali nga paghanduraw sa modelo. Gipakita niini nga ang tampok nga engineering nga nanguna sa pagkunhod usa ka hinungdanon nga lakang sa pagpaayo sa performance sa modelo.
Pinaagi sa pag-apply sa punoan sa desisyon nga gidumala ang pagkat-on, ang pagmamapa tali sa LS (input) ug mao ang (target output) awtomatiko nga nahimo ug adunay detalyado nga kasayuran alang sa matag LS.
Gipakita sa mga resulta nga 34.9% sa 255 nga mga estudyante ang gusto sa usa (1) ls nga kapilian. Ang kadaghanan (54.3%) adunay duha o daghan pa nga gusto sa LS. 12.2% sa mga estudyante nga nakit-an nga ang LS medyo balanse (Table 4). Agi og dugang sa walo ka panguna ls, adunay 34 nga mga kombinasyon sa mga klasipikasyon sa LS alang sa University of Malay Dental nga mga estudyante. Lakip sa mga niini, panglantaw, panan-awon, ug kombinasyon sa pagsabut ug panan-awon mao ang mga nag-unang mga LS nga gitaho sa mga estudyante (Figure 7).
Ingon sa makita gikan sa Table 4, ang kadaghanan sa mga estudyante adunay usa ka labi ka labi nga sensorya (13.7%) o biswal (8.6%) ls. Gikataho nga 12.2% sa mga estudyante nga managsama nga panghunahuna nga adunay panan-aw (stepectual-visual ls). Kini nga mga nahibal-an nagsugyot nga mas gusto sa mga estudyante nga makakat-on ug hinumdoman pinaagi sa natukod nga mga pamaagi, sundon ang piho ug detalyado nga mga pamaagi, ug namati sa kinaiyahan. Sa parehas nga oras, nalipay sila sa pagkat-on pinaagi sa pagtan-aw (gamit ang mga diagram, ug uban pa) ug lagmit nga hisgutan ug i-apply ang kasayuran sa mga grupo o sa ilang kaugalingon.
Kini nga pagtuon naghatag usa ka pagtan-aw sa mga teknik sa pagkat-on sa makina nga gigamit sa pag-atiman sa datos, nga adunay usa ka pagtuon sa gilayon ug tukma nga pagtagna sa mga estudyante sa mga estudyante ug girekomenda ang angay. Ang paggamit sa usa ka modelo sa punoan sa desisyon nagpaila sa mga hinungdan nga labi ka may kalabutan sa ilang mga kasinatian sa kinabuhi ug edukasyon. Kini usa ka gidumala nga hall sa pagkat-on sa makina nga naggamit sa istruktura sa kahoy aron ma-klasipikar ang datos pinaagi sa pagbahin sa usa ka hugpong sa mga datos sa mga subkategorya base sa pipila nga mga sukaranan. Naglihok kini pinaagi sa pag-usab sa pagbahinbahin sa mga data sa pag-input sa mga subset base sa kantidad sa usa sa mga bahin sa input sa matag sulud nga node.
Ang mga internal nga mga node sa punoan sa desisyon nagrepresentar sa solusyon nga gibase sa input nga mga kinaiya sa problema sa M-Ils nga nagrepresentar sa katapusang panagna sa klasipikasyon sa M-ILs. Sa tibuuk nga pagtuon, dali nga masabtan ang hierarchy sa mga desisyon nga mga punoan nga nagpatin-aw ug mahanduraw ang proseso sa desisyon pinaagi sa pagtan-aw sa mga panagna sa pag-input ug mga pag-ihap sa pag-input.
Sa mga uma sa syensya sa kompyuter ug Engineering, ang mga algorithm sa pagkat-on sa makina kaylap nga gigamit aron matagna ang pasundayag sa estudyante nga nakabase sa mga marka sa eksaminasyon [21], Impormasyon sa Demograpiko, ug Pagkat-on sa Demograpiko [22]. Gipakita sa panukiduki nga ang algorithm tukma nga gitagna sa pasundayag sa estudyante ug gitabangan sila nga mailhan ang mga estudyante nga peligro alang sa mga kalisud sa akademiko.
Ang aplikasyon sa ML Algorithms sa pag-uswag sa virtual nga mga simulator sa pasyente alang sa pagbansay sa ngipon gitaho. Ang Simulator adunay tukma nga pag-usab sa mga tubag sa physiological sa tinuod nga mga pasyente ug mahimong magamit sa pagbansay sa mga estudyante sa ngipon sa usa ka luwas ug kontrolado nga palibot [23]. Daghang ubang mga pagtuon nagpakita nga ang mga algorithm sa pagkat-on sa makina mahimo'g makapauswag sa kalidad ug kaarang sa pag-atiman sa ngipon ug medikal. Ang mga algorithm sa pagkat-on sa makina gigamit aron makatabang sa pagdayagnos sa mga sakit sa ngipon nga gibase sa mga set sa datos sama sa mga sintomas ug mga pasyente nga mga kinaiya [24, 25]. Samtang ang uban nga mga pagtuon nagsusi sa paggamit sa mga algorithm sa pagkat-on sa makina aron mahimo ang mga buluhaton sama sa mga pasyente nga adunay peligro sa pasyente, 27], regular nga pagtambal [27]
Bisan kung ang mga taho sa aplikasyon sa pagkat-on sa makina sa dentistry gipatik, ang aplikasyon sa edukasyon sa ngipon nagpabilin nga limitado. Busa, kini nga pagtuon nagtumong sa paggamit sa usa ka modelo sa punoan sa desisyon aron mahibal-an ang mga hinungdan nga adunay kalabutan sa LS ug lakip ang mga estudyante sa ngipon.
Ang mga sangputanan sa kini nga pagtuon nagpakita nga ang naugmad nga rekomendasyon nga himan adunay taas nga katukma ug hingpit nga katukma, nga nagpaila nga ang mga magtutudlo mahimong makabenepisyo sa kini nga himan. Gamit ang usa ka proseso sa pag-classification sa datos, makahatag kini mga personal nga rekomendasyon ug mapaayo ang mga kasinatian sa edukasyon ug mga sangputanan alang sa mga magtutudlo ug estudyante. Lakip sa kanila, ang kasayuran nga nakuha pinaagi sa mga kagamitan sa rekomendasyon mahimong masulbad ang mga panagbangi tali sa gusto sa mga pamaagi sa pagtudlo sa mga magtutudlo ug mga panginahanglanon sa pagkat-on sa mga magtutudlo. Pananglitan, tungod sa awtomatik nga pag-output sa mga himan sa rekomendasyon, ang oras nga gikinahanglan aron mahibal-an ang IP sa estudyante ug ipahiangay kini sa katugbang nga IP mahimong pagkunhod sa IP. Niining paagiha, ang angay nga mga kalihokan sa pagbansay ug mga materyal sa pagbansay mahimong organisado. Nakatabang kini sa pagpalambo sa positibo nga pamatasan sa pagkat-on ug katakus sa pagkat-on ug kaarang sa pag-concentrate. Ang usa ka pagtuon nga gitaho nga naghatag mga estudyante sa mga materyales sa pagkat-on ug mga kalihokan sa pagkat-on nga katumbas sa ilang gusto nga LS makatabang sa mga estudyante nga mag-apil sa mga estudyante aron makab-ot ang labi ka potensyal [12]. Gipakita usab sa panukiduki nga dugang pa sa pagpauswag sa pag-apil sa estudyante sa klase, ang pagsabut sa proseso sa pagkat-on sa mga estudyante adunay usab nga komunikasyon nga mga buhat ug komunikasyon sa mga estudyante [28, 29].
Bisan pa, sama sa bisan unsang modernong teknolohiya, adunay mga problema ug mga limitasyon. Naglakip kini sa mga isyu nga may kalabutan sa pagkapribado sa datos, bias ug kaangayan, ug mga propesyonal nga kahanas ug mga kapanguhaan nga gikinahanglan aron mapalambo ug ipatuman ang mga algorithm sa pagkat-on sa makina sa edukasyon sa ngipon; Bisan pa, ang nagtubo nga interes ug panukiduki sa kini nga lugar nagsugyot nga ang mga teknolohiya sa pagkat-on sa makina mahimong adunay positibo nga epekto sa edukasyon sa ngipon ug mga serbisyo sa ngipon.
Ang mga sangputanan sa kini nga pagtuon nagpakita nga ang katunga sa mga estudyante sa ngipon adunay kiling nga "makit-an" nga mga droga. Kini nga matang sa estudyante adunay gusto alang sa mga kamatuoran ug konkreto nga mga pananglitan, praktikal nga orientaryo, pailub nga detalye, diin gusto sa mga estudyante, mga graphic, graphics, ug mga mapa. Ang karon nga mga resulta nahiuyon sa ubang mga pagtuon gamit ang ID aron mahibal-an ang mga LS sa mga estudyante sa ngipon ug medikal, nga kadaghanan adunay mga kinaiya sa kalig-on sa mga tawo [12, 30]. Ang Dalmolin et Al nagsugyot nga ang pagpahibalo sa mga estudyante bahin sa ilang mga LS nagtugot kanila nga maabut ang ilang potensyal sa pagkat-on. Giila sa mga tigdukiduki nga kung ang mga magtutudlo hingpit nga nakasabut sa proseso sa edukasyon sa mga estudyante, ang lainlaing mga pamaagi sa pagtudlo ug mga kalihokan nga mahimong mapauswag nga kasinatian sa mga estudyante ug 12, 31, 32). Ang uban nga mga pagtuon nagpakita nga ang pag-adjust sa mga estudyante sa mga estudyante nagpakita usab sa mga pag-uswag sa kasinatian sa pagkat-on ug pag-usab sa ilang mga estilo sa pagkat-on aron mahiangay sa ilang kaugalingon nga mga istilo sa 13, 33].
Ang mga opinyon sa mga magtutudlo mahimong magkalainlain bahin sa pagpatuman sa mga pamaagi sa pagtudlo pinasukad sa mga katakus sa pagkat-on sa mga estudyante. Samtang ang uban nakakita sa mga benepisyo sa kini nga pamaagi, lakip ang mga oportunidad sa pag-uswag sa propesyonal, mentorship, ug suporta sa komunidad, ang uban mahimong mabalaka sa suporta sa oras ug institusyonal. Ang pagpaningkamot alang sa balanse mao ang yawi sa paghimo sa usa ka kinaiya nga nasentro sa estudyante. Ang mas taas nga mga awtoridad sa edukasyon, sama sa mga tigdumala sa unibersidad, mahimong hinungdanon nga papel sa pagmaneho sa positibo nga pagbag-o pinaagi sa pagpaila sa mga bag-ong buhat ug pagsuporta sa pag-uswag sa faculty [34]. Aron makamugna ang usa ka tinuud nga dinamikong ug tubag nga mas taas nga sistema sa edukasyon, ang mga magbabalaod kinahanglan nga magbag-o nga mga lakang, sama sa pag-apil sa Palisiya, ug paghimo sa mga pamaagi sa teknolohiya nga nagpasiugda sa mga pamaagi nga nasentro sa estudyante. Kini nga mga lakang kritikal sa pagkab-ot sa gitinguha nga mga sangputanan. Ang bag-o nga panukiduki bahin sa nagkalainlain nga panudlo nagpakita nga ang malampuson nga pagpatuman sa lainlaing panudlo nagkinahanglag nagpadayon nga mga oportunidad sa pagbansay ug 35].
Ang kini nga himan naghatag hinungdanon nga suporta sa mga magtutudlo sa ngipon nga gusto nga mag-uban sa mga kalihokan nga nagplano sa mga estudyante nga mahigalaon sa pagkat-on. Bisan pa, kini nga pagtuon limitado sa paggamit sa mga modelo sa mga punoan sa desisyon sa ML. Sa umaabot, daghang mga datos ang kinahanglan nga makolekta aron itandi ang nahimo nga lainlaing mga modelo sa pagkat-on sa makina aron itandi ang katukma, kasaligan, ug katukma sa mga himan sa rekomendasyon. Dugang pa, kung gipili ang labing angay nga pamaagi sa pagkat-on sa makina alang sa usa ka partikular nga buluhaton, hinungdanon nga hunahunaon ang uban pang mga hinungdan sama sa komplikado nga modelo ug interpretasyon.
Ang usa ka limitasyon sa kini nga pagtuon mao nga kini naka-focus lamang sa pagmamapa sa LS ug lakip ang mga estudyante sa ngipon. Busa, ang naugmad nga sistema sa rekomendasyon magrekomenda lamang sa mga angay alang sa mga estudyante sa ngipon. Gikinahanglan ang mga pagbag-o alang sa paggamit sa kadaghanan nga mas taas nga estudyante sa edukasyon.
Ang bag-ong naugmad nga himan nga may kalabotan sa rekomendasyon nga nakabase sa makina adunay katakus sa pagklasipikar ug katugbang nga mga estudyante sa mga magtutudlo nga may kalabutan sa mga magtutudlo sa edukasyon ug pagkat-on. Gamit ang proseso sa pag-agay sa datos, makahatag kini personal nga mga rekomendasyon, makatipig oras, mapaayo ang mga estratehiya sa pagtudlo, ug suportahan ang padayon nga pag-uswag sa propesyonal. Ang aplikasyon niini magpasiugda sa mga pamaagi nga nasentro sa mga estudyante sa edukasyon sa ngipon.
Gilak Jani Associated Press. Match o mismatch tali sa estilo sa pagkat-on sa estudyante ug estilo sa pagtudlo sa magtutudlo. Int J nga Eduec Computer Science. 2012; 4 (11): 51-60. https://doi.org/10.5815/ijmecs.2012.11.05
Pag-post Oras: Abr-29-2024