ПРОГНОЗУВАННЯ НАСЛІДКІВ ДИДАКТИЧНОГО ПРОЦЕСУ З ВИКОРИСТАННЯМ КРИВИХ ЗАБУВАННЯ

Ключові слова: симуляція дидактичного процесу, моделювання дидактичного процесу, освітня аналогія, криві навчання та забування, освітнє середовище, освіта як мікросистема

Анотація

У статті представлений метод прогнозування наслідків дидактичного процесу з використанням кривих забування. У дидактичному процесі важливу роль відіграють процеси навчання і забування. Важливими є час навчання, кількість повторень і їх розподіл в часі. Ці проблеми можуть бути проаналізовані з використанням детермінованого опису. Потік інформації та навчальний процес можуть бути описані завдяки освітньому середовищу, розробленому автором, що дозволяє створити модель дидактичного процесу, описаного диференціальними рівняннями. Диференціальні рівняння можуть бути представлені у вигляді мережі пов'язаних елементів аналогічно до електричних ланцюгів і представлені у вигляді інтуїтивної схеми. Мережа може бути змодельована з використанням симулятора мікросистем. Використання симулятора микросистем дозволяє моделювати дидактичний процес у часі і прогнозувати його наслідки також після завершення процесу в довгостроковій перспективі. Він також дозволяє прогнозувати повторення також під час дидактичного процесу. Представлений підхід дозволяє легко створювати макромоделі і дозволяє використовувати багато сучасних алгоритмів моделювання. Наведені приклади моделювання дидактичного процесу на основі реальних даних. Представлені короткострокові і довгострокові симуляції для окремих студентів і груп студентів. Наведено приклад прогнозування оптимальних повторень. На підставі отриманих результатів були зроблені відповідні висновки. Питання, що обговорюються в роботі, можуть представляти інтерес для тих, хто займається аналізом і математичним описом дидактичного процесу. Вони також можуть бути цікаві для розробників систем електронного навчання, особливо платформ електронного навчання.

Завантаження

Дані завантаження ще не доступні.

Біографія автора

Paweł Plaskura, Університет Яна Кохановського, філія в Пйотркув Трибунальський,

доктор технічних наук, Факультет соціальних наук

Посилання

Anki. (2017).

https://apps.ankiweb.net

Anzanello, M. J. & Fogliatto, F. S. (2011). Learning curve models and applications: Literature review and research directions. International Journal of Industrial Ergonomics, 41(5), 573–583. doi:10.1016/j.ergon.2011.05.001

Badiru, A. (1992). Computational survey of univariate and bivariate learning curve models.

IEEE Trans. Eng. Manage. 39, 176–188.

El-Bakry, H. (2015). Handling big data in e-learning. International Journal of Advanced Re- search in Computer Science & Technology, 3, 47–51.

Baškarada, S. & Koronios, A. (2013). Data, Information, Knowledge, Wisdom (DIKW): A semi- otic Theoretical and Empirical Exploration of the Hierarchy and its Quality Dimension. Australasian Journal of Information Systems, 18(1).

http:// journal.acs. org.au/index.php/ajis/article/view/748

Birjali, M., Beni-Hssane, A., & Erritali, M. (2018). A novel adaptive e-learning model based on big data by using competence-based knowledge and social learner activities. Applied Soft Computing, 69, 14–32. doi:10.1016/j.asoc.2018.04.030

Bloom’s taxonomy. (2017).

http://www.aritzhaupt.com/eBook_ADDIE/design. html%5C#Introduction_to_Design

Ebbinghaus, H. (1913). Memory: A contribution to experimental psychology. Original work published 1885.

https://web.archive.org/web/20051218083239/

http ://psy.ed.asu.edu:80/%20classics/Ebbinghaus/index.htm

Essa, A. (2016). A possible future for next generation adaptive learning systems. Smart Learning Environments, 3(1), 16. doi:10.1186/s40561-016-0038-y

Gerstner, W. & Kistler, W. (2002). Spiking Neuron Models: Single Neurons, Populations, Plas- ticity. Cambridge University Press.

Heller, O., Mack, W., & Seitz, J. (1991). Replikation der Ebbinghaus’schen Vergessenskurve mit der Ersparnis-methode: Das Behalten und Vergessen als Function der Zeit. Zeitschrift für Psychologie, (199), 3–18.

Ho, C., Ruehli, A., & Brennan, P. (1975). The modified nodal approach to network analysis.

IEEE Trans. Circuits Syst. CAS-22(6), 504–509.

IEEE Standard VHDL Language Reference Manual. (2009). IEEE Std 1076-2008 (Revision of IEEE Std 1076-2002), c1–626. doi:10.1109/IEEESTD.2009.4772740

Jaap, M., Murre, J., & Dros, J. (2015). Replication and Analysis of Ebbinghaus’ Forgetting Curve. Plus One, 2, 396–408. doi:10.1371/journal.pone.0120644

Jaber, M. (Ed.). (2011). Learning curves: Theory, models, and applications. eBook - PDF 2016.

Boca Raton: CRC Press.

Jaber, M. & Saadany, A. (2011). An economic production and manufacturing model with learn- ing effects. International Journal of Production Economics, 131 (1), 115–127.

Lolli, F., Balugani, E., Gamberini, R., Rimini, B., & Rossi, V. (2018). A human-machine learn- ing curve for stochastic assembly line balancing problems. IFAC-PapersOnLine, 51(11), 1186–1191. 16th IFAC Symposium on Information Control Problems in Manufacturing INCOM 2018. doi:10.1016/j.ifacol.2018.08.429

Mazur, J. & Hastie, R. (1978). Learning as accumulation: A re-examination of the learning curve. Psychol. Bull. 85, 1256–1274.

McIntyre, E. (1977). Cost-volume-profit analysis adjusted for learning. Manage. Sci. 24, 149– 160.

Kamhawi, E. (2017). The three tiers architecture of knowledge flow and management activities. October 12, 2010.

http ://www. sciencedirect . com / science / article / pii / S1471772710000321

Murre, J., Meeter, M., & Chessa, A. (2007) In M. Wenger & C. Schuster (Eds.), Statistical and Process Models for Neuroscience and Aging (Chap. Modeling amnesia: Connectionist and mathematical approaches, pp. 119–162). Mahwah, NJ: Lawrence Erlbaum.

Ogrodzki, J. (1986). One-dimensional orthogonal search–a method for a segment approximation to acceptability regions. International Journal of Circuit Theory and Applications. doi:10. 1002/cta.4490140302

Ogrodzki, J. (1994). Circuit simulation methods and algorithms. Boca Raton, USA: CRC Press. Panadero, M. F., Pardo, A., Panadero, J. F., & Andreas, M. (2002). A mathematical model for reusing student learning skills across didactical units. 32nd ASEE/IEEE Frontiers in Education Conference.

Plaskura, P. (2001). Kierowana zdarzeniami symulacja systemów analogowych o opisie behaw- ioralnym (Event-driven simulation of analog systems with behavioral description) (praca doktorska (PhD dissertation), Politechnika Warszawska (Warsaw University of Technol- ogy), Warszawa).

Plaskura, P. (2013a). Symulator mikrosystemów Dero v4. Metody i algorytmy obliczeniowe, modelowanie behawioralne, przykłady. (Microsystems simulator Dero v4. Computational methods and algorithms, behavioral modelling, examples.) AIVA. http://epub.aiva.pl/?isbn=978-83-937245-1-2

Plaskura, P. (2013b). Zaawansowane metody symulacji układów elektronicznych. Metody i algo- rytmy obliczeniowe. (Advanced methods of electronic circuit simulation. Computational methods and algorithms.) AIVA.

http ://epub.aiva.pl/?isbn = 978 - 83 - 937245-0-5

Plaskura, P. (2016). Quela - a platform for managing the didactical process. Матерiали Мiжнародної науково-практичної конференцiї: Методика навчання природничих ди- сциплiн у середнiй та вищiй школi (ХХIII Каришинськi читання), Poltava,Ukraine

Poltava V.G. Korolenko National Pedagogical University, 337–340. Materials of the In- ternational Scientific and Practical Conference: Methodology of teaching natural sciences in secondary and high school (XXIII Karischinskiy reading).

Plaskura, P. (2018a). Assessing the quality of the didactic process on the base of its monitor- ing with the use of ICT. Педагогiчнi науки: теорiя, iсторiя, iнновацiйнi техноло- гiї (Pedagogical Sciences: Theory, History, Innovative Technologies), 76(2), 185–196. doi:10.24139/2312-5993/2018.02/185-196

Plaskura, P. (2018b). Dero 4 simulator as a didactical tool. ABID, 23(1), 44–51. Retrieved from http://abid.cobrabid.pl

Plaskura, P. (2018c). The use of ICT in improving the effectiveness of the didactical process. Педагогiчнi науки: теорiя, iсторiя, iнновацiйнi технологiї, (17), 152–159. http://dspace.pnpu.edu.ua/handle/123456789/9739

Plaskura, P. (2018d). Wykorzystanie technologii informacyjnych do modelowania i monitorowa- nia jakości procesu dydaktycznego (The use of information technology for modelling and monitoring the quality of the didactical process). Piotrków Trybunalski: Wydawnictwo Uniwersytetu Jana Kochanowskiego.

Plaskura, P. (2019a). Educational analogy dedicated for didactical process simulation. Proceed- ings of the 15th International Conference on ICT in Education, Research and Industrial Applications. Integration, Harmonization and Knowledge Transfer. 1, 286–301. http://ceur-ws.org/Vol-2387/20190286.pdf

Plaskura, P. (2019b). Modelling of Forgetting Curves in Educational E-environment. Informa- tion Technologies and Learning Tools, 71(3), 1–11.

Plaskura, P. (2019c). Monitorowanie jakości procesu dydaktycznego z wykorzystaniem ICT (Monitoring the quality of the didactical process with the use of ICT). In M. Leshchenko, O. Zamecka-Zalas, & I. Kiełtyk-Zaborowska (Eds.), Globalne i regionalne konteksty w edukacji wczesnoszkolnej. Wydawnictwo Uniwersytetu Jana Kochanowskiego w Kielcach Filia w Piotrkowie Trybunalskim.

Rao, K., Edelen-Smith, P., & Wailehua, C.-U. (2015). Universal design for online courses: Ap- plying principles to pedagogy. Open Learning: The Journal of Open, Distance and e- Learning, 30(1), 35–52. doi:10.1080/02680513.2014.991300

Rowley, J. (2007). The wisdom hierarchy: Representations of the DIKW hierarchy. Journal of Information Science, 33(2), 163–180. doi:10.1177/0165551506070706

Rubin, D., Hinton, S., & Wenzel, A. (1999). The precise time course of retention

n. Journal of Experimental Psychology: Learning, Memory, and Cognition, 1161–1176.

Senturia, S. (1998). Cad challenges for microsensors, microactuators and microsystems. Proc. of the IEEE, 86, 1611–1626.

SuperMemo. (2017). Retrieved from https://www.supermemo.com

Towill, D. (1990). Forecasting learning curves. International Journal of Forecasting, 6 (1), 25–38.

Whitaker, A. (2012). An Introduction to the Tin Can API. The Training Business.

Wickelgren, W. (1974). Single-trace fragility theory of memory dynamics. Memory and Cog- nition, 2, 775–780.

Womer, N. (1979). Learning curves, production rate and program costs. Management Science, 25 (4), 312–319.

Woźniak, P., Gorzelańczyk, E., & Murakowski, J. (1995). Two components of long-term mem- ory. Acta Neurobiologiae Experimentalis, 55, 301–305.

Woźniak, P. & Gorzelańczyk, E. (1998). Hypothetical molecular correlates of the two-component model of long-term memory. The 7-th International Symposium of the Polish Network of Molecular and Cellular Biology UNESCO/PAS.

xAPI. (2018).

http://www.xapi.com


Переглядів анотації: 163
Завантажень PDF: 146
Опубліковано
2019-09-24
Як цитувати
Plaskura, P. (2019). ПРОГНОЗУВАННЯ НАСЛІДКІВ ДИДАКТИЧНОГО ПРОЦЕСУ З ВИКОРИСТАННЯМ КРИВИХ ЗАБУВАННЯ. Електронне наукове фахове видання “ВІДКРИТЕ ОСВІТНЄ Е-СЕРЕДОВИЩЕ СУЧАСНОГО УНІВЕРСИТЕТУ”, 261-272. https://doi.org/10.28925/2414-0325.2019s25
Розділ
Спецвипуск «Нові педагогічні підходи в STEAM освіті»