Return to search

Внедрение методов машинного обучения в технологию онлайн образования с целью персонализации траектории студента : магистерская диссертация / Implementation of machine learning methods into eLearning to ensure personalized education of the student

Актуальность работы состоит в необходимости персонального онлайн обучения, включая высокое качество передачи знаний одновременно с автоматизацией и уменьшением затрат со стороны модераторов курса. Невозможность существующих систем обеспечить этим многих пользователей ведет к поиску новых подходов. Научная новизна основана на внедрении технологии интеллектуального чат бота с функциями обработки естественного языка в среду обучения и новом подходе к выполнению заданий, исключающем лимиты времени и количества попыток проверить ответ, а также декомпозиция сложных задач на шаги. Это позволит ученикам достичь правильный ответ самостоятельно, тем самым повышая вовлечение и мотивацию понять трудную тему. Работа содержит следующие стадии: литературный анализ, моделирование, проектирование, реализация, результаты и прогноз. Благодаря предложенному решению больше пользователей получат возможность внедрить приложение и распространить знания с улучшенной средой онлайн обучения. Студенты смогут иметь поддержку в течение всего образовательного процесса в любое время, а их прогресс будет обеспечен анализом данных и методами машинного обучения. / The relevance of the work is grounded by the necessity of the personalized online learning, including the high-quality education providing with better automation and less efforts from moderators` side. Inability of the current systems to open these opportunities for many users leads to the exploration of new approaches. The scientific novelty is based on the embedment of the intellectual chatbot technology with Natural Language Processing features into the learning environment and the new approach of the assignments` accomplishment, which inferences the elimination of the time and attempt limits as well as complex tasks on steps segmentation. It gives the possibility for learners to reach the correct answer in more independent way, thereby increasing the engagement and motivation to perceive the difficult topics. The work contains stages: Literature analysis, Modeling, Designing, Implementation, Results and Forecast. Due to the solution more users are able to employ the application and distribute the knowledge with improved eLearning environment. The students get the opportunity to have the support during the educational process any time and their progress is maintained by the data analysis and advanced technologies.

Identiferoai:union.ndltd.org:urfu.ru/oai:elar.urfu.ru:10995/119856
Date January 2022
CreatorsЗахарова, Е. С., Zakharova, E. S.
ContributorsЧернавин, П. Ф., Chernavin, P. F., УрФУ. Институт радиоэлектроники и информационных технологий – РТФ, Базовая кафедра «Аналитика больших данных и методы видеоанализа»
Publisherб. и.
Source SetsUral Federal University
LanguageEnglish
Detected LanguageRussian
TypeMaster's thesis, info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Formatapplication/pdf
RightsПредоставлено автором на условиях простой неисключительной лицензии, http://elar.urfu.ru/handle/10995/31613

Page generated in 0.0023 seconds