Концепция подключаемой рекомендательной системы заданий для персонализации образовательного процесса
Боковая панель статьи
Основное содержимое статьи
Аннотация
В статье рассматривается концепция подключаемой рекомендательной системы заданий, предназначенной для персонализации образовательного процесса. В условиях цифровой трансформации образования традиционные образовательные платформы и системы управления обучением (LMS) часто не предоставляют достаточно гибких инструментов для адаптации контента под индивидуальные потребности студентов. В ответ на эту проблему предлагается создание рекомендательной системы, которая интегрируется с внешними образовательными модулями, такими как тренажеры, и использует цифровой профиль студента для анализа его образовательных потребностей. Цифровой профиль включает академические данные, поведенческие паттерны и психолого-физиологические показатели, что позволяет системе более точно прогнозировать потребности учащегося и предлагать соответствующие задания. Также рассматриваются методы кластеризации, используемые для группировки студентов с похожими характеристиками, и проблемы, связанные с «холодным стартом» системы. Описанная архитектура системы, основанная на модульности и масштабируемости, позволяет гибко интегрировать различные образовательные сервисы и обеспечивать персонализированное взаимодействие с учащимися. Разработанная система обещает значительно повысить эффективность учебного процесса, улучшая подход к обучению каждого студента.
Скачивания
Информация о статье
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Библиографические ссылки
Брюховецкий, А. А. Разработка рекомендательной системы в сфере онлайн-образования / А. А. Брюховецкий, Е. Н. Мащенко, М. А. Журавель // Перспективные направления развития отечественных информационных технологий : Материалы IХ Всероссийской научно-практической конференции, Севастополь, 19–23 сентября 2023 года. – Севастополь: Севастопольский государственный университет, 2023. – С. 360-370. – EDN: CINQZB.
Токтарова, В. И. Алгоритмы персонализации: виды рекомендаций в цифровых системах обучения / В. И. Токтарова, О. Г. Казанцева // Информация и образование: границы коммуникаций. – 2024. – № 16(24). – С. 74-75. – EDN: LUTEVN.
Живетьев, А. В. Адаптивная выдача учебно-методических материалов на основе моделей нейролингвистического программирования по результатам оценки позы учащегося за компьютером или в аудитории средствами машинного обучения / А. В. Живетьев, М. А. Белов // Computational Nanotechnology. – 2024. – Т. 11, № 3. – С. 81-88. – DOI: 10.33693/2313-223X-2024-11-3-81-88. – EDN: QIUKZS.
Живетьев, А. В. Проблемы управления индивидуальной образовательной траекторией студента на основе цифрового профиля и цифрового следа / А. В. Живетьев, М. А. Белов // Системный анализ в науке и образовании. – 2024. – № 4. – С. 37-44. – EDN: HHKRWA.
Живетьев, А. В. Агломеративная иерархическая кластеризация студентов на основе цифровых профилей с учетом категориальных данных / А. В. Живетьев, М. А. Белов // Автоматизация. Современные технологии. – 2025. – Т. 79, № 4. – C. 185-192. – DOI: 10.36652/0869-4931-2025-79-4-185-192. – EDN: XGFSNL.
Медведская, Ю. И. Реализация алгоритма маппинга объектов передачи данных в базовые сущности программы / Ю. И. Медведская // Электронные системы и технологии : Материалы 59-й научной конференции аспирантов, магистрантов и студентов БГУИР, Минск, 17–21 апреля 2023 года. – Минск: Научное электронное издание, 2023. – С. 246-248. – EDN: ODOUEM