Það er vaxandi þörf fyrir nemendamiðað nám (SCL) í æðri menntastofnunum, þar með talið tannlækningum.Hins vegar hefur SCL takmarkaða notkun í tannlæknanámi.Þess vegna miðar þessi rannsókn að því að stuðla að beitingu SCL í tannlækningum með því að nota ákvarðanatré vélanám (ML) tækni til að kortleggja æskilegan námsstíl (LS) og samsvarandi námsaðferðir (IS) tannlæknanema sem gagnlegt tæki til að þróa IS leiðbeiningar .Efnilegar aðferðir fyrir tannlæknanema.
Alls fylltu 255 tannlæknanemar frá háskólanum í Malaya út breyttan Index of Learning Styles (m-ILS) spurningalistann, sem innihélt 44 atriði til að flokka þá í viðkomandi LS.Safnaða gögnin (kallað gagnasafn) eru notuð í eftirlitsnámi ákvarðanatrés til að passa sjálfkrafa námsstíl nemenda við viðeigandi IS.Nákvæmni hins vélræna IS ráðleggingarverkfæris er síðan metin.
Notkun ákvörðunartréslíkana í sjálfvirku kortlagningarferli á milli LS (inntak) og IS (markframleiðsla) gerir tafarlausan lista yfir viðeigandi námsaðferðir fyrir hvern tannlæknanema.IS ráðleggingartólið sýndi fullkomna nákvæmni og muna á heildarnákvæmni líkans, sem gefur til kynna að samsvörun LS við IS hafi góða næmni og sértækni.
IS tilmælisverkfæri byggt á ML ákvörðunartré hefur sannað getu sína til að passa nákvæmlega námsstíl tannlæknanema við viðeigandi námsaðferðir.Þetta tól býður upp á öfluga möguleika til að skipuleggja námsmiðaða námskeið eða einingar sem geta aukið námsupplifun nemenda.
Kennsla og nám er grundvallarstarfsemi í menntastofnunum.Við uppbyggingu hágæða verknámskerfis er mikilvægt að huga að námsþörfum nemenda.Samspil nemenda og námsumhverfis þeirra er hægt að ákvarða með LS þeirra.Rannsóknir benda til þess að misræmi sem ætluð er kennara á milli LS og IS nemenda geti haft neikvæðar afleiðingar fyrir nám nemenda, svo sem minni athygli og hvatningu.Þetta mun hafa óbeint áhrif á frammistöðu nemenda [1,2].
IS er aðferð sem kennarar nota til að miðla þekkingu og færni til nemenda, þar á meðal að hjálpa nemendum að læra [3].Almennt séð skipuleggja góðir kennarar kennsluaðferðir eða IS sem passa best við þekkingarstig nemenda þeirra, hugtökin sem þeir eru að læra og námsstig þeirra.Fræðilega séð, þegar LS og IS passa saman, munu nemendur geta skipulagt og notað tiltekið sett af færni til að læra á áhrifaríkan hátt.Venjulega inniheldur kennsluáætlun nokkur umskipti á milli stiga, svo sem frá kennslu yfir í leiðsögn eða frá leiðsögn yfir í sjálfstæða iðkun.Með þetta í huga skipuleggja árangursríkir kennarar kennslu oft með það að markmiði að byggja upp þekkingu og færni nemenda [4].
Eftirspurn eftir SCL fer vaxandi í æðri menntastofnunum, þar á meðal tannlækningum.SCL aðferðir eru hannaðar til að mæta námsþörfum nemenda.Þetta er til dæmis hægt að ná ef nemendur taka virkan þátt í námsverkefnum og kennarar eru leiðbeinendur og bera ábyrgð á að veita verðmæta endurgjöf.Sagt er að útvegun námsefnis og athafna sem hæfir menntunarstigi eða óskum nemenda geti bætt námsumhverfi nemenda og stuðlað að jákvæðri námsupplifun [5].
Almennt séð er námsferli tannlæknanema undir áhrifum frá hinum ýmsu klínísku aðgerðum sem þeir þurfa að framkvæma og klíníska umhverfinu þar sem þeir þróa árangursríka mannlega færni.Tilgangur þjálfunarinnar er að gera nemendum kleift að sameina grunnþekkingu í tannlækningum og klínískri kunnáttu í tannlækningum og beita þeirri þekkingu á nýjar klínískar aðstæður [6, 7].Snemma rannsóknir á tengslum LS og IS komust að því að aðlögun námsaðferða sem kortlögð var að æskilegri LS myndi hjálpa til við að bæta menntunarferlið [8].Þá mæla höfundar með því að nota fjölbreyttar kennslu- og námsmatsaðferðir til að laga sig að námi og þörfum nemenda.
Kennarar njóta góðs af því að beita LS þekkingu til að hjálpa þeim að hanna, þróa og innleiða kennslu sem mun auka öflun nemenda á dýpri þekkingu og skilningi á viðfangsefninu.Vísindamenn hafa þróað nokkur LS matstæki, svo sem Kolb Exeriential Learning Model, Felder-Silverman Learning Style Model (FSLSM) og Fleming VAK/VARK líkan [5, 9, 10].Samkvæmt bókmenntum eru þessi námslíkön þau námslíkön sem eru mest notuð og mest rannsakað.Í yfirstandandi rannsóknarvinnu er FSLSM notað til að meta LS meðal tannlæknanema.
FSLSM er mikið notað líkan til að meta aðlögunarhæft nám í verkfræði.Það eru mörg útgefin verk í heilbrigðisvísindum (þar á meðal læknisfræði, hjúkrun, lyfjafræði og tannlækningar) sem hægt er að finna með FSLSM líkönum [5, 11, 12, 13].Tækið sem notað er til að mæla víddir LS í FLSM kallast Index of Learning Styles (ILS) [8], sem inniheldur 44 atriði sem meta fjórar víddir LS: úrvinnsla (virk/endurspeglandi), skynjun (skynjun/innsæi), inntak (sjónrænt)./verbal) og skilning (röð/alþjóðlegt) [14].
Eins og sýnt er á mynd 1 hefur hver FSLSM vídd ríkjandi val.Til dæmis, í úrvinnsluvíddinni, kjósa nemendur með „virkt“ LS að vinna úr upplýsingum með beinum samskiptum við námsefni, læra með því að gera og hafa tilhneigingu til að læra í hópum.Hið „hugsandi“ LS vísar til náms í gegnum hugsun og vill frekar vinna einn.Hægt er að skipta „skynja“ vídd LS í „tilfinningu“ og/eða „innsæi“.„Finnandi“ nemendur kjósa frekar áþreifanlegri upplýsingar og hagnýt verklag, eru staðreyndamiðaðir samanborið við „innsæi“ nemendur sem kjósa óhlutbundið efni og eru nýstárlegri og skapandi í eðli sínu.„Inntaksvídd“ LS samanstendur af „sjónrænum“ og „munnlegum“ nemendum.Fólk með „sjónræn“ LS vill frekar læra í gegnum sjónræna sýnikennslu (svo sem skýringarmyndir, myndbönd eða lifandi sýnikennslu), en fólk með „munnlegt“ LS vill frekar læra með orðum í skriflegum eða munnlegum skýringum.Til að „skilja“ LS-vídirnar má skipta slíkum nemendum í „röð“ og „alþjóðlega“.„Raðbundnir nemendur kjósa línulegt hugsunarferli og læra skref fyrir skref, á meðan alþjóðlegir nemendur hafa tilhneigingu til að hafa heildrænt hugsunarferli og hafa alltaf betri skilning á því sem þeir eru að læra.
Nýlega hafa margir vísindamenn byrjað að kanna aðferðir fyrir sjálfvirka gagnadrifna uppgötvun, þar á meðal þróun nýrra reiknirita og líkana sem geta túlkað mikið magn af gögnum [15, 16].Byggt á uppgefnu gögnum getur ML (vélanám) undir eftirliti búið til mynstur og tilgátur sem spá fyrir um framtíðarniðurstöður byggðar á smíði reiknirita [17].Einfaldlega sagt, vélanámsaðferðir undir eftirliti vinna með inntaksgögn og þjálfa reiknirit.Það býr síðan til svið sem flokkar eða spáir fyrir um niðurstöðuna á grundvelli svipaðra aðstæðna fyrir veitt inntaksgögn.Helsti kostur stýrðra vélanáms reiknirita er hæfni þess til að koma á kjörnum og æskilegum árangri [17].
Með notkun gagnadrifna aðferða og stjórnunarlíkana á ákvörðunartré er sjálfvirk uppgötvun LS möguleg.Greint hefur verið frá því að ákvörðunartré séu mikið notuð í þjálfunaráætlunum á ýmsum sviðum, þar á meðal heilbrigðisvísindum [18, 19].Í þessari rannsókn var líkanið sérstaklega þjálfað af kerfisframleiðendum til að bera kennsl á LS nemenda og mæla með bestu IS fyrir þá.
Tilgangur þessarar rannsóknar er að þróa IS afhendingaraðferðir byggðar á LS nemenda og beita SCL nálguninni með því að þróa IS meðmælaverkfæri sem kortlagt er á LS.Hönnunarflæði IS meðmæla tólsins sem stefnu SCL aðferðarinnar er sýnt á mynd 1. IS meðmæli tólið er skipt í tvo hluta, þar á meðal LS flokkunarkerfi sem notar ILS og hentugasta IS skjáinn fyrir nemendur.
Sérstaklega eru einkenni ráðleggingatækja um upplýsingaöryggi meðal annars notkun veftækni og notkun vélanáms ákvarðanatrés.Kerfisframleiðendur bæta notendaupplifun og hreyfanleika með því að aðlaga þau að farsímum eins og farsímum og spjaldtölvum.
Tilraunin var gerð í tveimur áföngum og tóku nemendur frá tannlæknadeild háskólans í Malaya þátt í sjálfboðavinnu.Þátttakendur svöruðu m-ILS á netinu hjá tannlæknanema á ensku.Í byrjunarfasa var gagnasafn með 50 nemendum notað til að þjálfa ákvarðanatré vélnámsreikniritsins.Í öðrum áfanga þróunarferlisins var gagnasafn með 255 nemendum notað til að bæta nákvæmni þróaða tækisins.
Allir þátttakendur fá kynningarfund á netinu í upphafi hvers áfanga, allt eftir námsári, í gegnum Microsoft Teams.Tilgangur rannsóknarinnar var útskýrður og upplýst samþykki fengið.Allir þátttakendur fengu hlekk til að fá aðgang að m-ILS.Hverjum nemanda var falið að svara öllum 44 atriðum spurningalistans.Þeir fengu eina viku til að klára breytta ILS á þeim tíma og stað sem hentaði þeim í misserisfríi fyrir upphaf önnar.M-ILS er byggt á upprunalegu ILS tækinu og breytt fyrir tannlæknanema.Svipað og upprunalega ILS inniheldur það 44 jafndreifða hluti (a, b), með 11 hlutum hver, sem eru notuð til að meta þætti hverrar FSLSM víddar.
Á fyrstu stigum þróunar verkfæra, skrifuðu rannsakendur kortin handvirkt með því að nota gagnasafn um 50 tannlæknanema.Samkvæmt FSLM veitir kerfið summan af svörum „a“ og „b“.Fyrir hverja vídd, ef nemandinn velur „a“ sem svar, er LS flokkað sem Virkt/Skynjandi/Sjónrænt/Raðbundið og ef nemandinn velur „b“ sem svar er nemandinn flokkaður sem Hugsandi/innsæi/málfræðilegur ./ alþjóðlegur nemandi.
Eftir að hafa kvarðað vinnuflæði milli tannlæknafræðinga og kerfisframleiðenda voru spurningar valdar út frá FLSSM léninu og færðar inn í ML líkanið til að spá fyrir um LS hvers nemanda.„Sorp inn, sorp út“ er vinsælt orðatiltæki á sviði vélanáms, með áherslu á gagnagæði.Gæði inntaksgagnanna ákvarða nákvæmni og nákvæmni vélnámslíkans.Meðan á eiginleikaverkfræðitímanum stendur er nýtt eiginleikasett búið til sem er summan af svörum „a“ og „b“ byggt á FLSSM.Auðkennisnúmer lyfjastaða eru gefin upp í töflu 1.
Reiknaðu einkunnina út frá svörunum og ákvarðaðu LS nemandans.Fyrir hvern nemanda er stigabilið frá 1 til 11. Einkunnir frá 1 til 3 gefa til kynna jafnvægi milli námsvalkosta innan sömu víddar og einkunnir frá 5 til 7 gefa til kynna hóflegt val, sem gefur til kynna að nemendur hafa tilhneigingu til að kjósa eitt umhverfi sem kennir öðrum .Önnur afbrigði af sömu vídd er að einkunnir frá 9 til 11 endurspegla sterka val á einum eða öðrum enda [8].
Fyrir hverja vídd voru lyf flokkuð í „virkt“, „hugsandi“ og „jafnvægi“.Til dæmis, þegar nemandi svarar „a“ oftar en „b“ á tilteknu atriði og einkunn hans/hennar fer yfir þröskuldinn 5 fyrir tiltekið atriði sem táknar úrvinnslu LS víddina, tilheyrir hann/hún „virku“ LS lén..Hins vegar voru nemendur flokkaðir sem „hugsandi“ LS þegar þeir völdu „b“ meira en „a“ í tilteknum 11 spurningum (tafla 1) og fengu meira en 5 stig.Að lokum er nemandinn í „jafnvægi“.Ef stigið fer ekki yfir 5 stig, þá er þetta „ferli“ LS.Flokkunarferlið var endurtekið fyrir aðrar LS víddir, nefnilega skynjun (virk/hugsandi), inntak (sjónræn/munnleg) og skilning (röð/alþjóðleg).
Ákvörðunartréslíkön geta notað mismunandi undirmengi eiginleika og ákvörðunarreglur á mismunandi stigum flokkunarferlisins.Það er talið vinsælt flokkunar- og spátæki.Það er hægt að tákna það með því að nota trébyggingu eins og flæðirit [20], þar sem eru innri hnútar sem tákna próf eftir eiginleikum, hver grein táknar niðurstöður úr prófunum og hver laufhnút (laufhnút) inniheldur flokksmerki.
Einfalt forrit sem byggir á reglum var búið til til að skora sjálfkrafa og gera athugasemdir við LS hvers nemanda út frá svörum þeirra.Reglubundið er í formi IF-yfirlýsingar, þar sem „IF“ lýsir kveikjunni og „ÞÁ“ tilgreinir aðgerðina sem á að framkvæma, til dæmis: „Ef X gerist, gerðu Y“ (Liu o.fl., 2014).Ef gagnasettið sýnir fylgni og ákvörðunartréslíkanið er rétt þjálfað og metið, getur þessi aðferð verið áhrifarík leið til að gera sjálfvirkan ferlið við að passa LS og IS.
Í öðrum áfanga þróunarinnar var gagnapakkanum aukið í 255 til að bæta nákvæmni meðmælatólsins.Gagnasafninu er skipt í 1:4 hlutfalli.25% (64) af gagnasettinu voru notaðar fyrir prófunarsettið og hin 75% (191) voru notuð sem þjálfunarsett (Mynd 2).Gagnasettið þarf að skipta til að koma í veg fyrir að líkanið sé þjálfað og prófað á sama gagnasettinu, sem gæti valdið því að líkanið man frekar en að læra.Líkanið er þjálfað á þjálfunarsettinu og metur frammistöðu þess á prófunarsettinu - gögn sem líkanið hefur aldrei séð áður.
Þegar IS tólið hefur verið þróað mun forritið geta flokkað LS út frá svörum tannlæknanema í gegnum vefviðmót.Vefbundið ráðleggingakerfi upplýsingaöryggis er byggt með því að nota Python forritunarmálið með Django ramma sem bakenda.Tafla 2 sýnir söfnin sem notuð eru við þróun þessa kerfis.
Gagnapakkinn er færður í ákvörðunartré líkan til að reikna út og draga út svör nemenda til að flokka LS mælingar nemenda sjálfkrafa.
Ruglingsfylki er notað til að meta nákvæmni ákvörðunartrés vélanáms reiknirit á tilteknu gagnasetti.Á sama tíma metur það árangur flokkunarlíkans.Það tekur saman spár líkansins og ber þær saman við raunveruleg gagnamerki.Niðurstöður matsins eru byggðar á fjórum mismunandi gildum: Satt jákvætt (TP) – líkanið spáði rétt fyrir um jákvæða flokkinn, rangt jákvætt (FP) – líkanið spáði fyrir um jákvæða flokkinn, en hið sanna merki var neikvætt, True Negative (TN) – líkanið spáði rétt fyrir um neikvæða flokkinn og rangt neikvætt (FN) - Líkanið spáir fyrir um neikvæðan flokk, en hið sanna merki er jákvætt.
Þessi gildi eru síðan notuð til að reikna út ýmsar frammistöðumælikvarða scikit-learn flokkunarlíkansins í Python, nefnilega nákvæmni, nákvæmni, innköllun og F1 stig.Hér eru dæmi:
Muna (eða næmi) mælir getu líkansins til að flokka LS nemanda nákvæmlega eftir að hafa svarað m-ILS spurningalistanum.
Sérhæfni er kölluð sannur neikvæður hlutfall.Eins og þú sérð af formúlunni hér að ofan ætti þetta að vera hlutfallið af raunverulegum neikvæðum (TN) á móti raunverulegum neikvæðum og fölskum jákvæðum (FP).Sem hluti af ráðlögðu tækinu til að flokka fíkniefni nemenda ætti það að vera hægt að bera kennsl á nákvæmlega.
Upprunalegt gagnasafn 50 nemenda sem notað var til að þjálfa ML líkan ákvarðanatrésins sýndi tiltölulega litla nákvæmni vegna mannlegra mistaka í skýringunum (tafla 3).Eftir að hafa búið til einfalt reglubundið forrit til að reikna sjálfkrafa út LS stig og athugasemdir nemenda, var aukinn fjöldi gagnapakka (255) notaður til að þjálfa og prófa meðmælakerfið.
Í fjölflokka ruglingsfylki tákna ská þættir fjölda réttra spá fyrir hverja LS tegund (Mynd 4).Með því að nota ákvörðunartréslíkanið var spáð rétt fyrir um alls 64 sýni.Þannig, í þessari rannsókn, sýna ská þættir væntanlegar niðurstöður, sem gefur til kynna að líkanið standi sig vel og spáir nákvæmlega fyrir um flokkamerkið fyrir hverja LS flokkun.Þannig er heildar nákvæmni meðmælatólsins 100%.
Gildin fyrir nákvæmni, nákvæmni, innköllun og F1 stig eru sýnd á mynd 5. Fyrir meðmælakerfið sem notar ákvörðunartréslíkanið er F1 stig þess 1,0 „fullkomið“ sem gefur til kynna fullkomna nákvæmni og innköllun, sem endurspeglar verulega næmi og sértækni gildi.
Mynd 6 sýnir sýn á ákvörðunartréslíkanið eftir að þjálfun og prófun er lokið.Í samanburði hlið við hlið sýndi ákvörðunartréslíkanið sem var þjálfað með færri eiginleikum meiri nákvæmni og auðveldari módelsýn.Þetta sýnir að eiginleikatækni sem leiðir til minnkunar eiginleika er mikilvægt skref í að bæta afköst líkans.
Með því að beita ákvörðunartrésstýrðu námi er kortlagningin milli LS (inntak) og IS (markframleiðsla) sjálfkrafa mynduð og inniheldur nákvæmar upplýsingar fyrir hvern LS.
Niðurstöður sýndu að 34,9% af 255 nemendum kusu einn (1) LS valmöguleika.Meirihlutinn (54,3%) var með tvær eða fleiri LS óskir.12,2% nemenda tóku fram að LS væri nokkuð jafnvægi (tafla 4).Til viðbótar við átta helstu LS eru 34 samsetningar LS flokkunar fyrir tannlæknanema háskólans í Malaya.Meðal þeirra eru skynjun, sjón og samsetning skynjunar og sjón helstu LS sem nemendur segja frá (Mynd 7).
Eins og sjá má af töflu 4 var meirihluti nemenda með ríkjandi skynjun (13,7%) eða sjónræn (8,6%) LS.Greint var frá því að 12,2% nemenda sameinuðu skynjun og sjón (perceptual-visual LS).Þessar niðurstöður benda til þess að nemendur vilji frekar læra og muna með viðurkenndum aðferðum, fylgja ákveðnum og nákvæmum verklagsreglum og vera gaumgæfilega í eðli sínu.Á sama tíma njóta þeir þess að læra með því að skoða (nota skýringarmyndir o.s.frv.) og hafa tilhneigingu til að ræða og beita upplýsingum í hópum eða á eigin spýtur.
Þessi rannsókn veitir yfirlit yfir vélanámstækni sem notuð er í gagnavinnslu, með áherslu á að spá fyrir um LS nemenda strax og nákvæmlega og mæla með viðeigandi IS.Notkun ákvörðunartrés líkans greindi þá þætti sem tengdust lífi þeirra og menntunarreynslu.Það er vélrænt reiknirit undir eftirliti sem notar trébyggingu til að flokka gögn með því að skipta safni gagna í undirflokka út frá ákveðnum forsendum.Það virkar með því að skipta inntaksgögnunum aftur í hlutmengi byggt á gildi eins af inntakseiginleikum hvers innri hnúts þar til ákvörðun er tekin á laufhnútnum.
Innri hnútar ákvörðunartrésins tákna lausnina sem byggir á inntakseiginleikum m-ILS vandamálsins og laufhnúðarnir tákna loka LS flokkunarspána.Í gegnum rannsóknina er auðvelt að skilja stigveldi ákvörðunartrjáa sem útskýra og sjá ákvörðunarferlið með því að skoða sambandið milli inntakseiginleika og úttaksspáa.
Á sviði tölvunarfræði og verkfræði eru vélanámsreiknirit víða notuð til að spá fyrir um frammistöðu nemenda út frá stigum í inntökuprófi [21], lýðfræðilegum upplýsingum og námshegðun [22].Rannsóknir sýndu að reikniritið spáði nákvæmlega fyrir um frammistöðu nemenda og hjálpaði þeim að bera kennsl á nemendur í hættu á námserfiðleikum.
Greint er frá beitingu ML reiknirita í þróun sýndarsjúklingherma fyrir tannlæknaþjálfun.Hermirinn er fær um að endurskapa nákvæmlega lífeðlisfræðileg svörun raunverulegra sjúklinga og hægt er að nota hann til að þjálfa tannlæknanema í öruggu og stýrðu umhverfi [23].Nokkrar aðrar rannsóknir sýna að reiknirit fyrir vélanám geta hugsanlega bætt gæði og skilvirkni tannlækna- og læknisfræðslu og umönnun sjúklinga.Vélræn reiknirit hafa verið notuð til að aðstoða við greiningu tannsjúkdóma á grundvelli gagnasetta eins og einkenna og eiginleika sjúklinga [24, 25].Þó að aðrar rannsóknir hafi kannað notkun vélrænna reiknirita til að framkvæma verkefni eins og að spá fyrir um útkomu sjúklinga, bera kennsl á áhættusjúklinga, þróa persónulega meðferðaráætlun [26], tannholdsmeðferð [27] og tannskemmdameðferð [25].
Þrátt fyrir að birtar hafi verið skýrslur um beitingu vélanáms í tannlækningum er notkun þess í tannlæknanámi enn takmörkuð.Þess vegna miðaði þessi rannsókn að því að nota ákvörðunartréslíkan til að bera kennsl á þá þætti sem helst tengjast LS og IS meðal tannlæknanema.
Niðurstöður þessarar rannsóknar sýna að þróað meðmælaverkfæri hefur mikla nákvæmni og fullkomna nákvæmni, sem gefur til kynna að kennarar geti notið góðs af þessu verkfæri.Með því að nota gagnastýrt flokkunarferli getur það veitt sérsniðnar ráðleggingar og bætt námsupplifun og námsárangur fyrir kennara og nemendur.Meðal þeirra geta upplýsingar sem aflað er með meðmælaverkfærum leyst árekstra milli æskilegra kennsluaðferða kennara og námsþarfa nemenda.Til dæmis, vegna sjálfvirkrar framleiðsla meðmælatóla, mun tíminn sem þarf til að bera kennsl á IP nemanda og passa við samsvarandi IP minnka verulega.Þannig er hægt að skipuleggja viðeigandi þjálfunarstarf og fræðsluefni.Þetta hjálpar til við að þróa jákvæða námshegðun nemenda og getu til að einbeita sér.Ein rannsókn greindi frá því að það að veita nemendum námsefni og námsverkefni sem passa við valinn LS getur hjálpað nemendum að samþætta, vinna úr og njóta náms á margan hátt til að ná meiri möguleikum [12].Rannsóknir sýna einnig að auk þess að bæta þátttöku nemenda í kennslustofunni gegnir skilningur á námsferli nemenda einnig mikilvægu hlutverki við að bæta kennsluhætti og samskipti við nemendur [28, 29].
Hins vegar, eins og með alla nútíma tækni, eru vandamál og takmarkanir.Þetta felur í sér málefni sem tengjast persónuvernd gagna, hlutdrægni og sanngirni, og faglega færni og úrræði sem þarf til að þróa og innleiða reiknirit fyrir vélanám í tannlæknanámi;Hins vegar, vaxandi áhugi og rannsóknir á þessu sviði benda til þess að vélanámstækni geti haft jákvæð áhrif á tannlæknafræðslu og tannlæknaþjónustu.
Niðurstöður þessarar rannsóknar benda til þess að helmingur tannlæknanema hafi tilhneigingu til að „skynja“ lyf.Þessi tegund nemenda hefur val á staðreyndum og áþreifanlegum dæmum, hagnýta stefnumörkun, þolinmæði fyrir smáatriðum og „sjónrænt“ LS val, þar sem nemendur kjósa að nota myndir, grafík, liti og kort til að koma hugmyndum og hugsunum á framfæri.Núverandi niðurstöður eru í samræmi við aðrar rannsóknir sem nota ILS til að meta LS hjá tannlækna- og læknanemum, sem flestir hafa einkenni skynjunar og sjónræns LS [12, 30].Dalmolin o.fl. benda til þess að upplýsa nemendur um LS þeirra geri þeim kleift að ná námsmöguleikum sínum.Rannsakendur halda því fram að þegar kennarar skilja menntunarferli nemenda til fulls, sé hægt að innleiða ýmsar kennsluaðferðir og verkefni sem muni bæta frammistöðu og námsupplifun nemenda [12, 31, 32].Aðrar rannsóknir hafa sýnt að aðlögun á LS nemenda sýnir einnig framfarir í námsupplifun og frammistöðu nemenda eftir að þeir hafa breytt námsstíl þeirra til að henta þeirra eigin LS [13, 33].
Skoðanir kennara geta verið mismunandi varðandi innleiðingu kennsluaðferða sem byggja á námsgetu nemenda.Þó að sumir sjái kosti þessarar nálgunar, þar á meðal tækifæri til faglegrar þróunar, leiðbeinanda og samfélagsstuðnings, gætu aðrir haft áhyggjur af tíma og stuðningi stofnana.Að leitast við jafnvægi er lykillinn að því að skapa nemendamiðað viðhorf.Yfirvöld á háskólastigi, eins og háskólastjórnendur, geta gegnt mikilvægu hlutverki við að knýja fram jákvæðar breytingar með því að innleiða nýstárlega starfshætti og styðja við þróun deilda [34].Til að skapa raunverulega kraftmikið og móttækilegt æðri menntakerfi verða stefnumótendur að taka djörf skref, svo sem að gera stefnubreytingar, verja fjármagni til tæknisamþættingar og búa til ramma sem stuðla að nemendamiðuðum aðferðum.Þessar ráðstafanir eru mikilvægar til að ná tilætluðum árangri.Nýlegar rannsóknir á aðgreindri kennslu hafa greinilega sýnt að árangursrík innleiðing á aðgreindri kennslu krefst áframhaldandi þjálfunar og þróunarmöguleika fyrir kennara [35].
Þetta tól veitir dýrmætan stuðning fyrir tannlæknakennara sem vilja taka nemendamiðaða nálgun við að skipuleggja nemendavænt námsstarf.Hins vegar er þessi rannsókn takmörkuð við notkun ákvarðanatrés ML líkana.Í framtíðinni ætti að safna fleiri gögnum til að bera saman frammistöðu mismunandi vélanámslíkana til að bera saman nákvæmni, áreiðanleika og nákvæmni ráðleggingartækja.Að auki, þegar þú velur hentugustu vélanámsaðferðina fyrir tiltekið verkefni, er mikilvægt að huga að öðrum þáttum eins og flókið líkan og túlkun.
Takmörkun þessarar rannsóknar er að hún beindist eingöngu að því að kortleggja LS og IS meðal tannlæknanema.Þess vegna mun þróaða meðmælakerfið aðeins mæla með þeim sem henta tannlæknanemum.Breytingar eru nauðsynlegar fyrir almenna notkun háskólanema.
Hið nýþróaða meðmælaverkfæri sem byggir á vélanámi er fær um að flokka og samræma LS nemenda við samsvarandi IS, sem gerir það að fyrsta tannlæknafræðsluáætluninni sem hjálpar tannlæknum að skipuleggja viðeigandi kennslu- og námsstarfsemi.Með því að nota gagnastýrt prófunarferli getur það veitt persónulegar ráðleggingar, sparað tíma, bætt kennsluaðferðir, stutt markviss inngrip og stuðlað að áframhaldandi faglegri þróun.Umsókn þess mun stuðla að nemendamiðuðum aðferðum við tannlæknafræðslu.
Gilak Jani Associated Press.Samsvörun eða misræmi milli námsstíls nemandans og kennslustíls kennarans.Int J Mod Menntun tölvunarfræði.2012;4(11):51–60.https://doi.org/10.5815/ijmecs.2012.11.05
Birtingartími: 29. apríl 2024