Öğretim Stratejileri  – Eğitim – Essay – Ödev – Tez – Makale – Çeviri – Tez Yazdırma -Tez Yazdırma Fiyatları

Değerlendirme

Değerlendirme, otomatik puanlama şemasının uygulanabilirliğini ampirik olarak doğrulamayı amaçlar. Temel soru, otomatik puanlayıcı tarafından rapor edilen puanların, insan puanlayıcılar tarafından gerçekleştirilen CPS deneme notunun sonuçlarıyla karşılaştırıldığında güvenilir olup olmadığını araştırmaktır.

Pilot değerlendirme için 20 Tayvanlı onuncu sınıf öğrencisinden oluşan bir grup katılımcı olarak kullanıldı. CPS testinin konusu, Yer bilimleri alanındaki enkaz akışı ile ilgilidir. Test, gösterilen yukarıda bahsedilen CPS teorik modeline göre iki bölüme ayrılmıştır.

Testin ilk bölümünde, problem bulma aşamasında, öğrencilerden felaketin gerçekleşmesine neden olabilecek olası faktörlerin neler olduğuna dair düşüncelerini (yani fikir ve açıklama) açıklamaları istendi. Daha sonra problem çözme aşaması olan ikinci bölümde, öğrencilere tehlikenin tekrar insanlara zarar vermesini nasıl önleyebilecekleri sorulmuştur. Bir öğrencinin teste verdiği yanıtlar puanlanırken, yanıtların her bir bölümüne nicel puanlar verilmiş ve bunların birleştirilmesiyle toplam puan elde edilmiştir.

Bu öğrencilerin CPS testine verdikleri cevaplar, sırasıyla otomatik puanlayıcı ve iki alan uzmanı tarafından derecelendirildi. Daha doğrusu, aynı veri seti (yani 20 öğrenciden gelen yanıtlar), alan uzmanları ve bilgisayar programı da dahil olmak üzere çeşitli not verenler tarafından, diğer not verenlerin puanlama sonuçları önceden bildirilmeden tekrar tekrar derecelendirildi. Her bir not veren tarafından rapor edilen puanlar daha sonra korelasyon analizinde kullanılır.

Sonuçlar ve Tartışma

Pearson moment çarpım korelasyonunun istatistiklerini, değerlendiriciler arası güvenilirliğin bir tahmini olarak kullanıyoruz. Korelasyon analizinin sonuçlarını gösterir. tr parametresinin ayarlanması ve farklı benzerlik ölçütlerinin seçimi otomatik puanlama performansını etkileyebileceğinden, bu tür tasarım kararlarına ışık tutmak için otomatik puanlayıcının üç farklı versiyonunun deneysel olarak değerlendirildiğini unutmayın.

Üç versiyon, tr=0 eşiğine sahip TFIDF metriği, tr=0.1 ile TFIDF metriği ve tr=0 ile Jaccard metriğidir. Başlıca bulgular, insandan insana karşılaştırmanın korelasyonunun pozitif, yüksek ve istatistiksel olarak anlamlı olduğunu (r=.89, p<.01) ve Cohen’e göre ilişkili etki büyüklüğü r2=.79’un büyük olduğunu ortaya koydu.

Sonuç, iki insan sınıflandırıcı tarafından rapor edilen puanlama sonuçlarının, otomatik puanlayıcıları değerlendirmek için ölçüt olarak kullanılmak için güvenilir olduğunu göstermektedir. 2) insan-bilgisayar karşılaştırması için korelasyon istatistikleri r .67 ile .82 arasında olup, Tablo 1’in gri renkli alanında gösterildiği gibi pozitif, yüksek ve istatistiksel olarak anlamlıdır (p<.01). r2=.45~.67 katsayıları da büyük olanlardır.

Genel olarak, küçük bir örneklem büyüklüğü ile yürütülen ön ampirik değerlendirme, CPS için önerilen otomatik puanlama şemasının vaadini ortaya koymuştur. En iyi sonuç, r=.78~.82 performansıyla sonuçlanan tr=.1 ile TFIDF kullanan sürümdür. Bu düzeyde değerlendiriciler arası güvenilirlik, çoğu eğitim çalışmasının ihtiyaçlarını karşılayan tatmin edici olmuştur.

araştırma inceleme yoluyla öğretim stratejisi
öğretim yöntem ve teknikleri
öğretim strateji, yöntem ve teknikleri
Sunuş yoluyla öğretim stratejisi
Buluş yoluyla öğretim stratejisi
Öğretim Stratejileri
Öğrenme stratejileri
Öğretim Stratejileri KPSS

Özellikle, önerilen otomatik puanlayıcının performansı, literatürdeki diğer genel otomatik makale derecelendirme sistemleriyle de karşılaştırılabilir. Çoğu sistem, yazı yapılarını veya anlambilimin doğruluğunu belirlemek için geliştirilmiştir.

İnsan-bilgisayar korelasyonları, kısa makale puanlarında r .9 kadar iyi ile r .4 kadar zayıf arasında değişiyor gibi görünüyor. Nispeten konuşursak, golcümüzün performansı üst sıralarda görünüyor. Bununla birlikte, yaklaşımımız hem yöntem hem de amaçlar açısından bu genel puanlayıcılardan ayırt edilebilir.

Diğer otomatik puanlama çalışmalarından farklı olarak, şemamız CPS teorik modellerinin yapısını dikkate alır ve karşılıklı olarak CPS çalışmalarına adadı. Yine de, planımızı geliştirmek için genel otomatik puanlama tarafından geliştirilen yöntemlerin dahil edilmesi konusunda daha fazla araştırma yapmayı hak ediyor.

Bu yazıda, CPS için otomatik bir puanlayıcı geliştirme yaklaşımımızı tanımladık. Şema, CPS testinin iç yapısını göz önünde bulundurarak ve CPS teorileri tarafından karakterize edilen fikir-açıklama ilişkisini modellemek için iki parçalı çizge tabanlı formalizmi benimseyerek bütünsel bir yöntemi göstermektedir. Bu otomatik puanlayıcının güvenilirliği üzerine bir pilot deneysel doğrulama yapıldı ve sonuç, programın CPS test puanlamasının zahmetli görevini otomatikleştirmede umut verici olduğunu gösteriyor.

Bu yazıda bahsedilen ancak derinlemesine detaylandırılmayan bir nokta, graf tabanlı nitel analizlerin işlevidir. İlgili çalışmalar şu anda devam etmektedir ve yakında bildirilecektir. Gelecekteki diğer çalışmalar arasında, büyük bir örneklem büyüklüğü ile tekrarlanan değerlendirmeler yapmak, planın performansını iyileştirmek ve CPS modelini fen eğitimi pedagojisini kişiselleştirmek için bir temel olarak kullanmak yer alıyor.

SWRL Kurallarını Kullanarak Ontoloji Stratejileri Öğretimi

Akıllı ders sistemleri için alandan bağımsız bir çerçeve araştırıyoruz. Bu çerçevede, her bir stratejinin hesaplama prosedürlerinin açık bir temsili de dahil olmak üzere, genel öğretim stratejilerinin temsilini inceliyoruz.

Bu çalışmanın nihai amacı, otomatik olarak çeşitli kural motoru formatlarına dönüştürülebilen ve doğrudan uygulanabilen yeniden kullanılabilir öğretim stratejileri ontolojisinin geliştirilmesidir. Yani, her stratejinin yürütülebilir kodunun spesifikasyonunun çoğunu, ezoterik “programlama” alanından, daha erişilebilir bir genel, düzenlenebilir ve makine tarafından anlaşılabilir ontoloji alanına çıkarmayı öneriyoruz.

Ikeda ve Mizoguchi, daha önce, öğretim hedeflerinin ve öğretim stratejilerinin hiyerarşik bir temsili dahil olmak üzere, ITS’ye yönelik alandan bağımsız bir yaklaşımı düşünmüşlerdir. Rakip stratejiler arasından seçim yapan kuralları gayri resmi olarak tanımlarken, kuralları kullanan bireysel stratejilerin açık temsilini tanımlamazlar.

Öğretim Stratejileri 

Semantik Web teknolojisindeki son gelişmeler, özellikle Semantik Web Kural Dili’nde (SWRL) kuralları düzenlemek için genel araçların geliştirilmesi, ontoloji editörlerinin artık kuralları uygun bir şekilde modellemek ve böylece prosedürel bilgiyi kodlamak için kullanılabileceği olasılığını artırdı.

Bu yazıda, stratejileri kodlamak için SWRL kurallarını kullanan bir öğretim stratejileri ontolojisi sunuyoruz, bir öğretim stratejisi için somut bir SWRL kuralı örneği veriyoruz ve bu kuralların yürütülmesini sağlamak için destekleyici çerçeve için bazı uygulama konularını tartışıyoruz. Ontoloji modellemesi için OWL eklentisi ile Protégé’yi ve SWRL kurallarını düzenlemek için Protégé’nin SWRLTab eklentisini kullanıyoruz.

Bu yazının amaçlarından biri, bu tür bir uygulama için SWRL’nin uygunluğunu ve araçlarının olgunluğunu değerlendirmektir. Bu nedenle, ontolojimizin ayrıntısını, tüm olası öğretim stratejilerinin kapsamlı bir ontolojisi yerine, bazı öğretim stratejilerini somut bir şekilde temsil etmek için yeterli olacak şekilde sınırlandırıyoruz. Mizoguchi, ITS için daha ayrıntılı bir ontoloji kavramları listesi sunar.