1 / 17

Adaptivno generiranje i kombiniranje materijala za učenje

FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA Prezentacija seminarskog rada na diplomskom studiju. Adaptivno generiranje i kombiniranje materijala za učenje. Goran Pogačić Voditelj : d oc.dr.sc . Marin Golub. 2. lipnja 2009. Sadržaj. Uvod Model domene Model studenta Algoritmi Zaključak. Uvod.

zeke
Télécharger la présentation

Adaptivno generiranje i kombiniranje materijala za učenje

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA Prezentacija seminarskog rada na diplomskom studiju Adaptivno generiranje i kombiniranje materijala za učenje Goran Pogačić Voditelj:doc.dr.sc.Marin Golub 2. lipnja 2009.

  2. Sadržaj • Uvod • Model domene • Model studenta • Algoritmi • Zaključak

  3. Uvod • Adaptivni edukacijski sustavi

  4. Uvod • Dva glavna problema prilikom izrade: • kako će gradivo biti prikazano u sustavu • kako će sustav podučavati studenta gradivu

  5. Model domene • Primjer – PIPI • programske petlje, funkcije i rekurzije • petlje su: for, while i do-while • segment gradiva

  6. Model domene • Segment može biti: • tema • koncept • Postoji li veza • između segmenata • gradiva?

  7. Model domene • Preduvjetna veza:

  8. Model domene • Modeliramo usmjerenim grafom!

  9. Model domene • Postoje i dokumenti i zadatci

  10. Model studenta • David Kolb • konkretno iskustvo (CE) • apstraktna konceptualizacija (AC) • aktivno eksperimentiranje (AE) • reflektirajuće promatranje (RO)

  11. Model studenta • koordinatni sustav

  12. Algoritmi • Nekoliko glavnih funkcija: • prikaziCvor() • genPutUcenja() • pronadiSljedeciCvor() • prikaziPutUcenja()

  13. Algoritmi Funkcija prikaziCvor() • provjerava preduvjete • put učenja

  14. Algoritmi Funkcije genPutUcenja() i pronadiSljedeciCvor() • nedeterminizam • Kriterij odabira: • slijedno učenje • sadržajnost unutar podtema • težina

  15. Algoritmi - adaptivnost Funkcija prikaziPutUcenja() • prikazuje dokumente čvora (tip dokumenta – određeni čvor) • postavlja zadatke o čvoru (ispitivanje znanja o gradivu) • ukoliko je potrebno, promjena tipa

  16. Zaključak Adaptivni edukacijski sustavi • pomoć pri učenju • povratna informacija o Vašem znanju • lakša organizacija predmeta Budući planovi • detaljno testiranje

  17. Hvala!

More Related