Adunay nagkadako nga panginahanglan alang sa pagkat-on nga nakasentro sa estudyante (SCL) sa mga institusyon sa taas nga edukasyon, lakip ang dentistry.Bisan pa, ang SCL adunay limitado nga aplikasyon sa edukasyon sa ngipon.Busa, kini nga pagtuon nagtumong sa pagpalambo sa paggamit sa SCL sa dentistry pinaagi sa paggamit sa decision tree machine learning (ML) nga teknolohiya aron mapa ang gusto nga estilo sa pagkat-on (LS) ug katugbang nga mga estratehiya sa pagkat-on (IS) sa mga estudyante sa dental isip usa ka mapuslanon nga himan alang sa pagpalambo sa mga giya sa IS. .Nagsaad nga mga pamaagi alang sa mga estudyante sa dental.
Kinatibuk-ang 255 ka mga estudyante sa dental gikan sa Unibersidad sa Malaya ang nakakompleto sa giusab nga Index of Learning Styles (m-ILS) nga pangutana, nga adunay 44 ka mga butang aron sa pagklasipikar niini ngadto sa ilang tagsa-tagsa ka LS.Ang nakolekta nga datos (gitawag nga dataset) gigamit sa supervised decision tree nga pagkat-on aron awtomatikong ipares ang mga estilo sa pagkat-on sa mga estudyante ngadto sa pinakahaom nga IS.Ang katukma sa tool sa rekomendasyon sa IS nga nakabase sa pagkat-on sa makina gisusi dayon.
Ang paggamit sa mga modelo sa decision tree sa usa ka automated mapping nga proseso tali sa LS (input) ug IS (target output) nagtugot sa diha-diha nga listahan sa angay nga mga estratehiya sa pagkat-on alang sa matag dental nga estudyante.Gipakita sa tool sa rekomendasyon sa IS ang hingpit nga katukma ug paghinumdom sa kinatibuk-ang katukma sa modelo, nga nagpakita nga ang pagpares sa LS sa IS adunay maayo nga pagkasensitibo ug piho.
Usa ka himan sa rekomendasyon sa IS nga gibase sa usa ka punoan sa desisyon sa ML napamatud-an ang katakus niini sa tukma nga pagpares sa mga istilo sa pagkat-on sa mga estudyante sa dental nga adunay angay nga mga estratehiya sa pagkat-on.Kini nga himan naghatag kusog nga mga kapilian alang sa pagplano sa mga kurso nga nakasentro sa tigkat-on o mga module nga makapauswag sa kasinatian sa pagkat-on sa mga estudyante.
Ang pagtudlo ug pagkat-on maoy sukaranang mga kalihokan sa mga institusyong pang-edukasyon.Kung nagpalambo sa usa ka taas nga kalidad nga sistema sa edukasyon sa bokasyonal, hinungdanon nga ipunting ang mga panginahanglanon sa pagkat-on sa mga estudyante.Ang interaksyon tali sa mga estudyante ug sa ilang palibot sa pagkat-on mahimong matino pinaagi sa ilang LS.Gisugyot sa panukiduki nga ang dili pagtugma nga gituyo sa magtutudlo tali sa LS ug IS sa mga estudyante mahimong adunay negatibo nga sangputanan sa pagkat-on sa estudyante, sama sa pagkunhod sa atensyon ug kadasig.Kini dili direkta nga makaapekto sa pasundayag sa estudyante [1,2].
Ang IS usa ka pamaagi nga gigamit sa mga magtutudlo aron mahatagan ang kahibalo ug kahanas sa mga estudyante, lakip ang pagtabang sa mga estudyante nga makakat-on [3].Sa kinatibuk-an, maayo nga mga magtutudlo nagplano sa mga estratehiya sa pagtudlo o IS nga labing haum sa lebel sa kahibalo sa ilang mga estudyante, ang mga konsepto nga ilang nakat-unan, ug ang ilang yugto sa pagkat-on.Sa teoriya, kung magtugma ang LS ug IS, ang mga estudyante makahimo sa pag-organisar ug paggamit sa usa ka piho nga hugpong sa mga kahanas aron makat-on nga epektibo.Kasagaran, ang plano sa leksyon naglakip sa daghang mga transisyon tali sa mga yugto, sama sa pagtudlo ngadto sa giya nga praktis o gikan sa giya nga praktis ngadto sa independente nga praktis.Uban niini nga hunahuna, ang epektibo nga mga magtutudlo kanunay nga nagplano sa panudlo nga adunay katuyoan sa pagtukod sa kahibalo ug kahanas sa mga estudyante [4].
Ang panginahanglan alang sa SCL nagkadako sa mga institusyon sa taas nga edukasyon, lakip ang dentistry.Ang mga estratehiya sa SCL gidisenyo aron matubag ang mga panginahanglanon sa pagkat-on sa mga estudyante.Mahimo kini nga makab-ot, pananglitan, kung ang mga estudyante aktibong moapil sa mga kalihokan sa pagkat-on ug ang mga magtutudlo molihok isip mga facilitator ug responsable sa paghatag og bililhong feedback.Giingon nga ang paghatag sa mga materyal sa pagkat-on ug mga kalihokan nga angay sa lebel sa edukasyon o gusto sa mga estudyante makapauswag sa palibot sa pagkat-on sa mga estudyante ug makapauswag sa mga positibo nga kasinatian sa pagkat-on [5].
Sa kinatibuk-an, ang proseso sa pagkat-on sa mga estudyante sa dental naimpluwensyahan sa lainlaing mga pamaagi sa klinika nga kinahanglan nila buhaton ug ang klinikal nga palibot diin sila nagpalambo sa epektibo nga kahanas sa interpersonal.Ang katuyoan sa pagbansay mao ang paghimo sa mga estudyante nga makombinar ang sukaranan nga kahibalo sa dentistry sa mga kahanas sa klinika sa ngipon ug magamit ang nakuha nga kahibalo sa bag-ong mga kahimtang sa klinika [6, 7].Ang sayo nga panukiduki sa relasyon tali sa LS ug IS nakit-an nga ang pag-adjust sa mga estratehiya sa pagkat-on nga gimapa sa gusto nga LS makatabang sa pagpauswag sa proseso sa edukasyon [8].Girekomenda usab sa mga tagsulat ang paggamit sa lainlaing mga pamaagi sa pagtudlo ug pagtasa aron ipahiangay sa pagkat-on ug panginahanglan sa mga estudyante.
Makabenepisyo ang mga magtutudlo gikan sa paggamit sa kahibalo sa LS aron matabangan sila sa pagdesinyo, pagpalambo, ug pagpatuman sa panudlo nga makapauswag sa pag-angkon sa mga estudyante sa mas lawom nga kahibalo ug pagsabut sa hilisgutan.Ang mga tigdukiduki nakahimo og daghang mga himan sa pagtasa sa LS, sama sa Kolb Experiential Learning Model, ang Felder-Silverman Learning Style Model (FSLSM), ug ang Fleming VAK/VARK Model [5, 9, 10].Sumala sa literatura, kini nga mga modelo sa pagkat-on mao ang labing sagad nga gigamit ug labing gitun-an nga mga modelo sa pagkat-on.Sa kasamtangan nga trabaho sa panukiduki, ang FSLSM gigamit sa pag-assess sa LS sa mga estudyante sa dental.
Ang FSLSM kay kaylap nga gigamit nga modelo para sa pagtimbang-timbang sa adaptive learning sa engineering.Adunay daghang gipatik nga mga buhat sa siyensya sa kahimsog (lakip ang medisina, nursing, parmasya ug dentistry) nga makit-an gamit ang mga modelo sa FSLSM [5, 11, 12, 13].Ang instrumento nga gigamit sa pagsukod sa mga dimensyon sa LS sa FLSM gitawag nga Index of Learning Styles (ILS) [8], nga adunay 44 ka butang nga nag-assess sa upat ka dimensyon sa LS: pagproseso (aktibo/reflective), perception (perceptual/intuitive), input (biswal)./berbal) ug pagsabot (sequential/global) [14].
Sama sa gipakita sa Figure 1, ang matag dimensyon sa FSLSM adunay dominanteng gusto.Pananglitan, sa dimensyon sa pagproseso, ang mga estudyante nga adunay "aktibo" nga LS gusto nga magproseso sa kasayuran pinaagi sa direktang pakig-uban sa mga materyal sa pagkat-on, pagkat-on pinaagi sa pagbuhat, ug hilig sa pagkat-on sa mga grupo.Ang "reflective" nga LS nagtumong sa pagkat-on pinaagi sa paghunahuna ug mas gusto nga magtrabaho nga mag-inusara.Ang "pagtan-aw" nga dimensyon sa LS mahimong bahinon sa "pagbati" ug / o "intuition."Gipalabi sa mga estudyante nga "pagbati" ang labi ka konkreto nga kasayuran ug praktikal nga mga pamaagi, gipunting sa kamatuoran kung itandi sa mga "intuitive" nga mga estudyante nga gusto ang abstract nga materyal ug labi ka bag-o ug mamugnaon sa kinaiyahan.Ang "input" nga dimensyon sa LS naglangkob sa "visual" ug "verbal" nga mga estudyante.Ang mga tawo nga adunay "visual" LS mas gusto nga magkat-on pinaagi sa biswal nga mga demonstrasyon (sama sa mga diagram, video, o live nga mga demonstrasyon), samtang ang mga tawo nga adunay "verbal" nga LS mas gusto nga makat-on pinaagi sa mga pulong sa sinulat o binaba nga mga pagpasabut.Aron "masabtan" ang mga sukod sa LS, ang maong mga estudyante mahimong bahinon sa "sequential" ug "global"."Ang mga sequential nga mga estudyante mas gusto sa usa ka linear nga proseso sa panghunahuna ug pagkat-on sa lakang sa lakang, samtang ang mga global nga mga estudyante lagmit adunay usa ka holistic nga proseso sa panghunahuna ug kanunay adunay mas maayo nga pagsabut sa ilang nakat-unan.
Bag-ohay lang, daghang mga tigdukiduki ang nagsugod sa pagsuhid sa mga pamaagi alang sa awtomatik nga pagkadiskobre nga gipadagan sa datos, lakip ang pag-uswag sa bag-ong mga algorithm ug mga modelo nga makahimo sa paghubad sa daghang mga datos [15, 16].Pinasukad sa gihatag nga datos, ang gidumala nga ML (pagkat-on sa makina) makahimo og mga sumbanan ug mga pangagpas nga nagtagna sa umaabot nga mga sangputanan base sa pagtukod sa mga algorithm [17].Sa yanong pagkasulti, ang gidumala nga mga teknik sa pagkat-on sa makina nagmaniobra sa datos sa pag-input ug nagbansay sa mga algorithm.Naghimo kini og usa ka han-ay nga nagklasipikar o nagtagna sa resulta base sa susama nga mga sitwasyon alang sa gihatag nga data sa input.Ang nag-unang bentaha sa gidumala nga mga algorithm sa pagkat-on sa makina mao ang abilidad niini sa pag-establisar og maayo ug gitinguha nga mga resulta [17].
Pinaagi sa paggamit sa data-driven nga mga pamaagi ug decision tree control models, ang automatic detection sa LS posible.Ang mga punoan sa desisyon gikataho nga kaylap nga gigamit sa mga programa sa pagbansay sa lainlaing natad, lakip ang mga siyensya sa kahimsog [18, 19].Niini nga pagtuon, ang modelo espesipikong gibansay sa mga nag-develop sa sistema aron mailhan ang LS sa mga estudyante ug irekomenda ang labing kaayo nga IS alang kanila.
Ang katuyoan niini nga pagtuon mao ang pagpalambo sa mga estratehiya sa paghatud sa IS base sa LS sa mga estudyante ug paggamit sa pamaagi sa SCL pinaagi sa pag-ugmad ug himan sa rekomendasyon sa IS nga gimapa sa LS.Ang dagan sa disenyo sa IS recommendation tool isip estratehiya sa SCL method gipakita sa Figure 1. Ang IS recommendation tool gibahin sa duha ka bahin, lakip ang LS classification mechanism gamit ang ILS ug ang pinakahaom nga IS display para sa mga estudyante.
Sa partikular, ang mga kinaiya sa mga himan sa rekomendasyon sa seguridad sa impormasyon naglakip sa paggamit sa mga teknolohiya sa web ug sa paggamit sa pagkat-on sa makina sa decision tree.Ang mga nag-develop sa sistema nagpauswag sa kasinatian sa tiggamit ug paglihok pinaagi sa pagpahiangay niini sa mga mobile device sama sa mga mobile phone ug tablet.
Ang eksperimento gihimo sa duha ka yugto ug ang mga estudyante gikan sa Faculty of Dentistry sa Unibersidad sa Malaya miapil sa boluntaryong basehan.Ang mga partisipante mitubag sa online m-ILS sa usa ka dental nga estudyante sa English.Sa inisyal nga hugna, usa ka dataset sa 50 ka mga estudyante ang gigamit sa pagbansay sa decision tree machine learning algorithm.Sa ikaduhang hugna sa proseso sa pagpalambo, usa ka dataset sa 255 ka mga estudyante ang gigamit aron mapalambo ang katukma sa naugmad nga instrumento.
Ang tanang partisipante makadawat og online briefing sa sinugdanan sa matag yugto, depende sa academic year, pinaagi sa Microsoft Teams.Gipatin-aw ang katuyoan sa pagtuon ug nakuha ang nahibal-an nga pagtugot.Ang tanan nga mga partisipante gihatagan og usa ka link aron ma-access ang m-ILS.Gisugo ang matag estudyante sa pagtubag sa tanang 44 ka butang sa questionnaire.Gihatagan sila og usa ka semana aron makompleto ang giusab nga ILS sa usa ka oras ug lokasyon nga kombenyente kanila sa panahon sa semester break sa dili pa magsugod ang semester.Ang m-ILS gibase sa orihinal nga instrumento sa ILS ug giusab alang sa mga estudyante sa dental.Susama sa orihinal nga ILS, kini adunay 44 nga parehas nga giapod-apod nga mga butang (a, b), nga adunay 11 nga mga butang matag usa, nga gigamit sa pagtimbang-timbang sa mga aspeto sa matag dimensyon sa FSLSM.
Atol sa unang mga yugto sa pag-uswag sa himan, ang mga tigdukiduki mano-mano nga nag-annotate sa mga mapa gamit ang usa ka dataset sa 50 ka mga estudyante sa dental.Sumala sa FSLM, ang sistema naghatag sa sumada sa mga tubag "a" ug "b".Sa matag dimensyon, kon ang estudyante mopili sa "a" isip tubag, ang LS maklasipikar nga Aktibo/Perceptual/Visual/Sequential, ug kon ang estudyante mopili sa "b" isip tubag, ang estudyante maklasipikar nga Reflective/Intuitive/Linguistic ./ global nga tigkat-on.
Human ma-calibrate ang dagan sa trabaho tali sa mga tigdukiduki sa edukasyon sa ngipon ug mga nag-develop sa sistema, gipili ang mga pangutana base sa domain sa FLSSM ug gipakaon sa modelo sa ML aron matagna ang LS sa matag estudyante.Ang "Garbage in, garbage out" usa ka sikat nga panultihon sa natad sa pagkat-on sa makina, nga adunay gibug-aton sa kalidad sa datos.Ang kalidad sa data sa pag-input nagtino sa katukma ug katukma sa modelo sa pagkat-on sa makina.Atol sa bahin sa feature engineering, usa ka bag-ong feature set ang gihimo nga mao ang sumada sa mga tubag “a” ug “b” base sa FLSSM.Ang mga numero sa pag-ila sa mga posisyon sa droga gihatag sa Talaan 1.
Kalkulahin ang iskor base sa mga tubag ug tinoa ang LS sa estudyante.Alang sa matag estudyante, ang sakup sa iskor gikan sa 1 hangtod 11. Ang mga marka gikan sa 1 hangtod 3 nagpaila sa balanse sa mga gusto sa pagkat-on sa parehas nga dimensyon, ug ang mga marka gikan sa 5 hangtod 7 nagpaila sa kasarangan nga gusto, nga nagpakita nga ang mga estudyante lagmit nga gusto ang usa ka palibot nga nagtudlo sa uban .Ang laing kalainan sa parehas nga dimensyon mao nga ang mga marka gikan sa 9 hangtod 11 nagpakita sa usa ka kusgan nga gusto sa usa ka tumoy o sa lain [8].
Alang sa matag dimensyon, ang mga tambal gi-grupo sa "aktibo", "reflective" ug "balanse".Pananglitan, kung ang usa ka estudyante motubag sa "a" nga mas kanunay kaysa "b" sa usa ka gitudlo nga aytem ug ang iyang marka molapas sa threshold nga 5 alang sa usa ka partikular nga aytem nga nagrepresentar sa Processing LS nga dimensyon, siya nahisakop sa "aktibo" nga LS domain..Bisan pa, ang mga estudyante giklasipikar nga "reflective" LS sa dihang gipili nila ang "b" labaw pa sa "a" sa piho nga 11 nga mga pangutana (Table 1) ug nakakuha og labaw sa 5 puntos.Sa katapusan, ang estudyante anaa sa usa ka kahimtang sa "equilibrium."Kung ang iskor dili molapas sa 5 puntos, nan kini usa ka "proseso" nga LS.Ang proseso sa klasipikasyon gisubli alang sa ubang mga sukod sa LS, nga mao ang perception (aktibo/reflective), input (visual/verbal), ug comprehension (sequential/global).
Ang mga modelo sa decision tree mahimong mogamit sa lain-laing mga subset sa mga feature ug mga lagda sa desisyon sa lain-laing ang-ang sa proseso sa klasipikasyon.Giisip kini nga usa ka popular nga klasipikasyon ug himan sa pagtagna.Mahimo kini irepresentar gamit ang istruktura sa kahoy sama sa flowchart [20], diin adunay mga internal nga node nga nagrepresentar sa mga pagsulay pinaagi sa kinaiya, ang matag sanga nagrepresentar sa mga resulta sa pagsulay, ug ang matag buko sa dahon (leaf node) nga adunay label sa klase.
Usa ka yano nga programa nga gibase sa lagda gihimo aron awtomatiko nga maka-iskor ug mag-annotate sa LS sa matag estudyante base sa ilang mga tubag.Ang gibase sa lagda nagkinahanglan sa porma sa usa ka IF nga pahayag, diin ang "IF" naghulagway sa trigger ug ang "THEN" nagtino sa aksyon nga ipahigayon, pananglitan: "Kung ang X mahitabo, nan buhaton ang Y" (Liu et al., 2014).Kung ang set sa datos nagpakita sa correlation ug ang modelo sa punoan sa desisyon husto nga gibansay ug gisusi, kini nga pamaagi mahimo nga usa ka epektibo nga paagi aron ma-automate ang proseso sa pagpares sa LS ug IS.
Sa ikaduhang hugna sa kalamboan, ang dataset gidugangan ngadto sa 255 aron mapausbaw ang katukma sa himan sa rekomendasyon.Ang set sa datos gibahin sa usa ka ratio nga 1: 4.Ang 25% (64) sa set sa datos gigamit alang sa set sa pagsulay, ug ang nahabilin nga 75% (191) gigamit ingon set sa pagbansay (Figure 2).Ang set sa datos kinahanglan nga bahinon aron mapugngan ang modelo nga mabansay ug masulayan sa parehas nga set sa datos, nga mahimong hinungdan nga mahinumduman ang modelo kaysa makat-on.Ang modelo gibansay sa training set ug nagtimbang-timbang sa performance niini sa test set-data nga wala pa makita sa modelo kaniadto.
Sa higayon nga maugmad na ang tool sa IS, ang aplikasyon makahimo sa pagklasipikar sa LS base sa mga tubag sa mga estudyante sa dental pinaagi sa web interface.Ang web-based information security recommendation tool system gitukod gamit ang Python programming language gamit ang Django framework isip backend.Ang talaan 2 naglista sa mga librarya nga gigamit sa pagpalambo niini nga sistema.
Ang dataset gipakaon sa usa ka modelo sa decision tree aron makalkula ug makuha ang mga tubag sa estudyante aron awtomatiko nga maklasipikar ang mga pagsukod sa LS sa estudyante.
Ang confusion matrix gigamit sa pagtimbang-timbang sa katukma sa usa ka decision tree machine learning algorithm sa gihatag nga data set.Sa parehas nga oras, gisusi niini ang pasundayag sa modelo sa klasipikasyon.Gisumada niini ang mga panagna sa modelo ug gitandi kini sa aktuwal nga mga label sa datos.Ang mga resulta sa ebalwasyon gibase sa upat ka lain-laing mga bili: Tinuod nga Positibo (TP) - ang modelo sa husto nga pagtagna sa positibo nga kategoriya, Bakak Positibo (FP) - ang modelo nagtagna sa positibo nga kategoriya, apan ang tinuod nga label negatibo, Tinuod nga Negatibo (TN) - ang modelo husto nga gitagna ang negatibo nga klase, ug ang sayup nga negatibo (FN) - Ang modelo nagtagna sa usa ka negatibo nga klase, apan ang tinuod nga label positibo.
Kini nga mga kantidad gigamit dayon aron makalkula ang lainlaing mga sukatan sa pasundayag sa modelo sa klasipikasyon sa scikit-learn sa Python, nga mao ang katukma, katukma, paghinumdom, ug marka sa F1.Ania ang mga pananglitan:
Ang paghinumdom (o pagkasensitibo) nagsukod sa katakus sa modelo sa tukma nga pagklasipikar sa LS sa estudyante human matubag ang pangutana sa m-ILS.
Ang espesipiko gitawag nga tinuod nga negatibo nga rate.Sama sa imong makita gikan sa pormula sa ibabaw, kini kinahanglan nga ang ratio sa tinuod nga negatibo (TN) ngadto sa tinuod nga negatibo ug bakak nga mga positibo (FP).Isip kabahin sa girekomendar nga himan alang sa pagklasipikar sa mga tambal sa estudyante, kini kinahanglan nga makahimo sa tukma nga pag-ila.
Ang orihinal nga dataset sa 50 ka mga estudyante nga gigamit sa pagbansay sa decision tree ML nga modelo nagpakita sa medyo ubos nga katukma tungod sa sayop sa tawo sa mga anotasyon (Table 3).Human sa paghimo sa usa ka yano nga programa nga nakabase sa lagda aron awtomatiko nga makalkula ang mga marka sa LS ug mga anotasyon sa estudyante, usa ka pagtaas sa gidaghanon sa mga datasets (255) ang gigamit sa pagbansay ug pagsulay sa sistema sa pagrekomenda.
Sa multiclass confusion matrix, ang diagonal nga mga elemento nagrepresentar sa gidaghanon sa husto nga mga panagna alang sa matag matang sa LS (Figure 4).Gamit ang modelo sa punoan sa desisyon, usa ka kinatibuk-an nga 64 nga mga sample ang husto nga gitagna.Busa, niini nga pagtuon, ang diagonal nga mga elemento nagpakita sa gipaabot nga mga resulta, nga nagpakita nga ang modelo maayo ug tukma nga pagtagna sa label sa klase alang sa matag LS nga klasipikasyon.Busa, ang kinatibuk-ang katukma sa himan sa rekomendasyon mao ang 100%.
Ang mga kantidad sa katukma, katukma, paghinumdom, ug F1 nga marka gipakita sa Figure 5. Alang sa sistema sa rekomendasyon nga gigamit ang modelo sa punoan sa desisyon, ang marka sa F1 niini 1.0 "perpekto," nga nagpaila sa hingpit nga katukma ug paghinumdom, nga nagpakita sa hinungdanon nga pagkasensitibo ug piho. mga mithi.
Ang Figure 6 nagpakita sa usa ka pagtan-aw sa modelo sa decision tree pagkahuman sa pagbansay ug pagsulay.Sa usa ka kiliran nga pagtandi, ang modelo sa punoan sa desisyon nga gibansay nga adunay gamay nga mga bahin nagpakita sa mas taas nga katukma ug mas dali nga pagtan-aw sa modelo.Gipakita niini nga ang feature engineering nga nagdala ngadto sa feature reduction usa ka importante nga lakang sa pagpaayo sa performance sa modelo.
Pinaagi sa pag-apply sa decision tree supervised learning, ang pagmapa tali sa LS (input) ug IS (target output) awtomatik nga mamugna ug adunay detalyadong impormasyon para sa matag LS.
Ang mga resulta nagpakita nga 34.9% sa 255 ka mga estudyante mipili sa usa (1) ka LS nga opsyon.Ang kadaghanan (54.3%) adunay duha o daghan pa nga gusto sa LS.12.2% sa mga estudyante nakamatikod nga ang LS medyo balanse (Table 4).Dugang pa sa walo ka nag-unang LS, adunay 34 ka kombinasyon sa LS classifications para sa University of Malaya dental nga mga estudyante.Lakip niini, ang perception, vision, ug ang kombinasyon sa perception ug vision mao ang nag-unang LS nga gitaho sa mga estudyante (Figure 7).
Sama sa makita sa Talaan 4, kadaghanan sa mga estudyante adunay usa ka nag-una nga sensory (13.7%) o biswal (8.6%) LS.Gikataho nga 12.2% sa mga estudyante ang naghiusa sa panglantaw sa panan-awon (perceptual-visual LS).Kini nga mga nahibal-an nagsugyot nga ang mga estudyante gusto nga magkat-on ug mahinumdom pinaagi sa natukod nga mga pamaagi, pagsunod sa piho ug detalyado nga mga pamaagi, ug matinagdanon sa kinaiyahan.Sa samang higayon, nalingaw sila sa pagkat-on pinaagi sa pagtan-aw (gamit ang mga diagram, ug uban pa) ug hilig sa paghisgot ug paggamit sa impormasyon sa mga grupo o sa ilang kaugalingon.
Kini nga pagtuon naghatag ug usa ka kinatibuk-ang ideya sa mga pamaagi sa pagkat-on sa makina nga gigamit sa data mining, nga adunay pagtutok sa dihadiha ug tukma nga pagtagna sa LS sa mga estudyante ug pagrekomendar sa angay nga IS.Ang paggamit sa usa ka modelo sa decision tree nagpaila sa mga hinungdan nga labing suod nga may kalabutan sa ilang kinabuhi ug mga kasinatian sa edukasyon.Kini usa ka gidumala nga algorithm sa pagkat-on sa makina nga naggamit usa ka istruktura sa kahoy aron maklasipikar ang mga datos pinaagi sa pagbahin sa usa ka set sa datos sa mga subcategory base sa piho nga pamatasan.Naglihok kini pinaagi sa balik-balik nga pagbahin sa input data ngadto sa mga subset base sa bili sa usa sa mga feature sa input sa matag internal node hangtud nga ang usa ka desisyon gihimo sa leaf node.
Ang internal nga mga node sa decision tree nagrepresentar sa solusyon base sa input nga mga kinaiya sa m-ILS nga problema, ug ang mga leaf node nagrepresentar sa katapusang LS classification prediction.Sa tibuok nga pagtuon, sayon nga masabtan ang hierarchy sa mga punoan sa desisyon nga nagpatin-aw ug nagtan-aw sa proseso sa desisyon pinaagi sa pagtan-aw sa relasyon tali sa mga bahin sa input ug mga panagna sa output.
Sa natad sa computer science ug engineering, ang mga algorithm sa pagkat-on sa makina kaylap nga gigamit sa pagtagna sa pasundayag sa estudyante base sa ilang mga marka sa eksaminasyon sa pagsulod [21], impormasyon sa demograpiko, ug pamatasan sa pagkat-on [22].Gipakita sa panukiduki nga tukma nga gitagna sa algorithm ang pasundayag sa estudyante ug gitabangan sila sa pag-ila sa mga estudyante nga peligro sa mga kalisud sa akademiko.
Ang aplikasyon sa ML algorithm sa pagpalambo sa virtual pasyente simulators alang sa dental pagbansay-bansay gitaho.Ang simulator makahimo sa tukma nga pagkopya sa mga tubag sa physiological sa tinuod nga mga pasyente ug mahimong magamit sa pagbansay sa mga estudyante sa dental sa luwas ug kontrolado nga palibot [23].Daghang uban pang mga pagtuon nagpakita nga ang mga algorithm sa pagkat-on sa makina mahimo’g mapauswag ang kalidad ug kaepektibo sa edukasyon sa ngipon ug medikal ug pag-atiman sa pasyente.Ang mga algorithm sa pagkat-on sa makina gigamit aron matabangan sa pagdayagnos sa mga sakit sa ngipon base sa mga set sa datos sama sa mga sintomas ug mga kinaiya sa pasyente [24, 25].Samtang ang ubang mga pagtuon nagsuhid sa paggamit sa mga algorithm sa pagkat-on sa makina aron sa paghimo sa mga buluhaton sama sa pagtagna sa mga resulta sa pasyente, pag-ila sa mga pasyente nga adunay taas nga risgo, pagpalambo sa personal nga mga plano sa pagtambal [26], periodontal treatment [27], ug caries treatment [25].
Bisan kung ang mga taho bahin sa aplikasyon sa pagkat-on sa makina sa dentistry gipatik, ang aplikasyon niini sa edukasyon sa ngipon nagpabilin nga limitado.Busa, kini nga pagtuon nagtumong sa paggamit sa usa ka modelo sa decision tree aron mahibal-an ang mga hinungdan nga labing suod nga nalangkit sa LS ug IS sa mga estudyante sa dental.
Ang mga resulta niini nga pagtuon nagpakita nga ang naugmad nga himan sa rekomendasyon adunay taas nga katukma ug hingpit nga katukma, nga nagpakita nga ang mga magtutudlo makabenepisyo niini nga himan.Gamit ang proseso sa klasipikasyon nga gipatuyok sa datos, makahatag kini og personal nga mga rekomendasyon ug makapauswag sa mga kasinatian ug resulta sa edukasyon para sa mga magtutudlo ug mga estudyante.Taliwala niini, ang impormasyon nga nakuha pinaagi sa mga himan sa rekomendasyon makasulbad sa mga panagbangi tali sa gusto sa mga magtutudlo nga pamaagi sa pagtudlo ug sa mga panginahanglan sa pagkat-on sa mga estudyante.Pananglitan, tungod sa automated nga output sa mga himan sa rekomendasyon, ang oras nga gikinahanglan sa pag-ila sa IP sa estudyante ug pagpares niini sa katugbang nga IP makunhuran pag-ayo.Niining paagiha, ang angay nga mga kalihokan sa pagbansay ug mga materyal sa pagbansay mahimong maorganisar.Nakatabang kini sa pagpalambo sa positibo nga pamatasan sa pagkat-on sa mga estudyante ug abilidad sa pagkonsentrar.Usa ka pagtuon nagtaho nga ang paghatag sa mga estudyante og mga materyal sa pagkat-on ug mga kalihokan sa pagkat-on nga mohaum sa ilang gusto nga LS makatabang sa mga estudyante nga mahiusa, maproseso, ug malingaw sa pagkat-on sa daghang mga paagi aron makab-ot ang mas dako nga potensyal [12].Gipakita usab sa panukiduki nga dugang sa pagpauswag sa partisipasyon sa estudyante sa klasehanan, ang pagsabut sa proseso sa pagkat-on sa mga estudyante adunay hinungdanon usab nga papel sa pagpauswag sa mga gawi sa pagtudlo 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 kalabotan sa pagkapribado sa datos, pagpihig ug kaangayan, ug ang propesyonal nga kahanas ug kahinguhaan nga gikinahanglan aron mapalambo ug mapatuman ang mga algorithm sa pagkat-on sa makina sa edukasyon sa ngipon;Bisan pa, ang nagkadako 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 serbisyo sa ngipon.
Ang mga resulta niini nga pagtuon nagpakita nga katunga sa mga estudyante sa dental adunay kalagmitan sa "pagtan-aw" sa mga droga.Kini nga matang sa tigkat-on adunay gusto sa mga kamatuoran ug konkreto nga mga ehemplo, praktikal nga oryentasyon, pailub alang sa detalye, ug usa ka "visual" nga gusto sa LS, diin ang mga estudyante mas gusto nga mogamit og mga hulagway, mga graphic, mga kolor, ug mga mapa sa pagpahayag sa mga ideya ug mga hunahuna.Ang karon nga mga resulta nahiuyon sa ubang mga pagtuon gamit ang ILS aron masusi ang LS sa mga estudyante sa dental ug medikal, kadaghanan kanila adunay mga kinaiya sa perceptual ug visual LS [12, 30].Gisugyot ni Dalmolin et al nga ang pagpahibalo sa mga estudyante bahin sa ilang LS nagtugot kanila sa pagkab-ot sa ilang potensyal sa pagkat-on.Nangatarungan ang mga tigdukiduki nga kung hingpit nga masabtan sa mga magtutudlo ang proseso sa edukasyon sa mga estudyante, ang lainlaing mga pamaagi ug kalihokan sa pagtudlo mahimong ipatuman nga makapauswag sa pasundayag ug kasinatian sa pagkat-on sa mga estudyante [12, 31, 32].Gipakita sa ubang mga pagtuon nga ang pag-adjust sa LS sa mga estudyante nagpakita usab og mga pag-uswag sa kasinatian sa pagkat-on ug pasundayag sa mga estudyante human sa pagbag-o sa ilang mga estilo sa pagkat-on aron mohaum sa ilang kaugalingong LS [13, 33].
Ang mga opinyon sa mga magtutudlo mahimong magkalahi mahitungod sa pagpatuman sa mga estratehiya sa pagtudlo base sa mga abilidad sa pagkat-on sa mga estudyante.Samtang nakita sa uban ang mga benepisyo niini nga pamaagi, lakip ang mga oportunidad sa pagpauswag sa propesyonal, pagtudlo, ug suporta sa komunidad, ang uban mahimong nabalaka bahin sa oras ug suporta sa institusyon.Ang pagpaningkamot alang sa balanse mao ang yawe sa pagmugna og usa ka kinaiya nga nakasentro sa estudyante.Ang mga awtoridad sa mas taas nga edukasyon, sama sa mga administrador sa unibersidad, mahimong adunay hinungdanon nga papel sa pagduso sa positibo nga pagbag-o pinaagi sa pagpaila sa mga bag-ong gawi ug pagsuporta sa pag-uswag sa faculty [34].Aron makamugna og tinuod nga dinamiko ug responsive nga sistema sa mas taas nga edukasyon, ang mga magbubuhat sa polisiya kinahanglang mohimo ug maisugon nga mga lakang, sama sa paghimog mga kausaban sa polisiya, pagdeboto sa mga kahinguhaan sa paghiusa sa teknolohiya, ug pagmugna og mga gambalay nga nagpasiugda sa mga pamaagi nga nakasentro sa estudyante.Kini nga mga lakang hinungdanon aron makab-ot ang gitinguha nga mga sangputanan.Ang bag-o nga panukiduki sa lainlain nga panudlo tin-aw nga nagpakita nga ang malampuson nga pagpatuman sa lainlain nga panudlo nanginahanglan padayon nga pagbansay ug mga oportunidad sa pag-uswag alang sa mga magtutudlo [35].
Kini nga himan naghatag ug bililhong suporta sa mga magtutudlo sa ngipon nga gustong mohimo ug paagi nga nakasentro sa estudyante sa pagplano sa mga kalihokan sa pagkat-on nga mahigalaon sa estudyante.Bisan pa, kini nga pagtuon limitado sa paggamit sa mga modelo sa decision tree ML.Sa umaabot, daghang mga datos ang kinahanglan makolekta aron itandi ang pasundayag sa lainlaing mga modelo sa pagkat-on sa makina aron itandi ang katukma, kasaligan, ug katukma sa mga himan sa rekomendasyon.Dugang pa, kung nagpili sa labing angay nga pamaagi sa pagkat-on sa makina alang sa usa ka partikular nga buluhaton, hinungdanon nga tagdon ang ubang mga hinungdan sama sa pagkakomplikado sa modelo ug paghubad.
Ang usa ka limitasyon sa kini nga pagtuon mao nga kini nakapunting lamang sa pagmapa sa LS ug IS sa mga estudyante sa dental.Busa, ang naugmad nga sistema sa rekomendasyon magrekomenda lamang sa mga angay alang sa mga estudyante sa dental.Ang mga pagbag-o gikinahanglan alang sa kinatibuk-ang paggamit sa estudyante sa taas nga edukasyon.
Ang bag-ong naugmad nga himan sa rekomendasyon nga nakabase sa pagkat-on sa makina makahimo dayon sa pagklasipikar ug pagpares sa LS sa mga estudyante sa katugbang nga IS, nga naghimo niini nga una nga programa sa edukasyon sa ngipon aron matabangan ang mga magtutudlo sa ngipon sa pagplano sa mga may kalabotan nga kalihokan sa pagtudlo ug pagkat-on.Gamit ang usa ka proseso sa triage nga gipatuyok sa datos, makahatag kini og personal nga mga rekomendasyon, makadaginot sa oras, mapausbaw ang mga estratehiya sa pagtudlo, suportahan ang gipunting nga mga interbensyon, ug ipasiugda ang padayon nga paglambo sa propesyonal.Ang aplikasyon niini magpasiugda sa mga pamaagi nga nakasentro sa estudyante sa edukasyon sa ngipon.
Gilak Jani Associated Press.Match o mismatch tali sa estilo sa pagkat-on sa estudyante ug sa estilo sa pagtudlo sa magtutudlo.Int J Mod Educ Computer Science.2012;4(11):51–60.https://doi.org/10.5815/ijmecs.2012.11.05
Panahon sa pag-post: Abr-29-2024