Застосування теорії свідчень у адаптивних курсах корпоративних систем дистанційного навчання
Ключові слова:
теорія Демпстера-Шафера, навчальний профіль, адаптивні моделі, корпоративне дистанційне навчання, компетенціїАнотація
Розглянуто перспективи застосування окремих математичних інструментів для адаптації курсів у корпоративних системах дистанційного навчання. Ідентифіковано особливості корпоративних систем дистанційного навчання – характеристики осіб, що навчаються, характеристики навчальних курсів та показники ефективності. Показано, що адаптація дистанційних курсів у таких системах повинна відбуватися передусім на основі аналізу компетенцій. Компетенції визначаються в результаті тестування та аналізу результатів тесту за допомогою теорії свідчень Демпстера-Шафера. Подальша адаптація курсів відбувається за допомогою моделі генерації контенту на основі компетенцій.
Посилання
Essalmi, F., Ayed, L. J. B., Jemni, M., Kinshuk, Graf, S. (2010). A fully personalization strategy of E-learning scenarios. Computers in Human Behavior, 26 (4), 581–591. doi: 10.1016/j.chb.2009.12.010
Esichaikul, V., Lamnoi, S., & Bechter, C. (2011). Student modelling in adaptive e-learning systems. Knowledge management and e-learning: An international journal, 3(3), 342-355
Mahajan, R. (2014). Web Usage Mining for Building an Adaptive e-Learning Site: A Case Study. International Journal of e-Education, e-Business, e-Management and e-Learning, 4 (4), 283–291. doi: 10.7763/ijeeee.2014.v4.343
Kardan, A. A., Aziz, M., Shahpasand, M. (2015). Adaptive systems: a content analysis on technical side for e-learning environments. Artificial Intelligence Review, 44 (3), 365–391. doi: 10.1007/s10462-015-9430-1
Halawa, M. S., Hamed, E. M. R., Shehab, M. E. (2015). Personalized E-learning recommendation model based on psychological type and learning style models. 2015 IEEE Seventh International Conference on Intelligent Computing and Information Systems (ICICIS). 577–583. doi: 10.1109/intelcis.2015.7397281
Thalmann, S. (2014). Adaptation criteria for the personalised delivery of learning materials: A multi-stage empirical investigation. Australasian Journal of Educational Technology, 30 (1), 45–60. doi: 10.14742/ajet.235
Truong, H. M. (2016). Integrating learning styles and adaptive e-learning system: Current developments, problems and opportunities. Computers in Human Behavior, 55, 1185–1193. doi: 10.1016/j.chb.2015.02.014
Modritscher, F. Gult, C., Garsia, B., Maurer, Y. (2004). Enhancement of SCORM to support adaptive e-learning within the scope of the research project AdeLE. Proceedings of World Conference on E-Learning, 2499–2505. Available at: http://bernstein.iicm.tugraz.at:8080/about/Homepages/cguetl/publications/2004/Moedritscher%20et%20al.%202004%20-%20ELEARN.pdf
Almohammadi K., Hagras H., Alghazzaawi, D., Aldabbagh, G. (2016). User-centric adaptive learning system based on interval type-2 fuzzy logic for massively crowded e-learning platforms. Journal of Artificial Intelligence and Soft Computing Research, 6 (2), 81–101.
Abyaa, A., Idrissi, M. K., Bennani, S. (2016). Towards an adult learner model in an online learning environment. IEEE 15th International Conference on Information Technology Based Higher Education and Training, 1–6. doi: 10.1109/ithet.2016.7760735
E-learning market trends and forecast 2017-2021. (2016). DOCEBO. Available at: https://www.docebo.com/elearning-market-trends-report-2017-2021/
IMS Reusable Definition of Competency or Educational Objective - Best Practice and Implementation Guide Version 1.0 Final Specification. (2002). IMS Global Learning Consortium. Available at: https://www.imsglobal.org/competencies/rdceov1p0/imsrdceo_bestv1p0.html
Csikszentmihalyi, M. (1990). Flow: the psychology of optimal experience. New York : Harperperennial
Joo, Y. J., Lim, K. Y., Kim, S. M. (2012). A model for predicting learning flow and achievement in corporate e-learning. Journal of Educational Technology & Society, 15 (1), 313–335. Available at: https://search.proquest.com/docview/1287024892?accountid=131940
Marcos, L., Pages, C., Martinez, J. J. Gutierrez, J. A. (2008). Competency-based Learning Object Sequencing using Particle Swarms. Tools in Artificial Intelligence. Available at: https://www.intechopen.com/books/tools_in_artificial_intelligence/competency-based_learning_object_sequencing_using_particle_swarms. doi: 10.5772/6091
Nesmiian, Yu.Yu., & Shyrokopetlieva M.S. (2010). Pro pidkhid do stvorennia modeli korystuvacha v adaptyvnii systemi navchannia. Eastern European Journal of Enterprise Technologies, 4 (2 (46)), 60–63. Available at: http://journals.uran.ua/eejet/article/view/2931/2734
Mazorchuk, M. S., Dobriak, V. S., Emelianov, P. S. (2016). Metody i modeli analiza kachestva testovykh zadanyi i modelirovanie kompiuternoho adaptivnoho testirovaniia v systemakh dystantsyonnoho obucheniia. Otkrytye informatsyonnye i kompiuternye integrirovannye tekhnolohii, 73, 103–117
Liuger D. F. (2003). Iskusstvennii intellekt. Stratehii i metody reshenyia slozhnykh problem, Moscow: Izdatelskyi dom «Viliams», 864.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2017 Олег Євгенович Іларіонов, Ніна Миколаївна Іларіонова, Петро Миколайович Сорока
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
