ڊينٽل شاگردن جي ترجيحي سکيا جي اندازن کي ڊيسيژن ٽري مشين لرننگ ماڊلز استعمال ڪندي لاڳاپيل سکيا جي حڪمت عملين سان ميپ ڪرڻ. بي ايم سي ميڊيڪل ايجوڪيشن |

اعليٰ تعليمي ادارن ۾، جن ۾ ڏندن جي علاج به شامل آهي، شاگرد-مرڪزي سکيا (SCL) جي ضرورت وڌي رهي آهي. تنهن هوندي به، ڏندن جي تعليم ۾ SCL جو استعمال محدود آهي. تنهن ڪري، هن مطالعي جو مقصد ڏندن جي علاج ۾ SCL جي استعمال کي فروغ ڏيڻ آهي، فيصلي جي وڻ مشين لرننگ (ML) ٽيڪنالاجي کي استعمال ڪندي ڏندن جي شاگردن جي ترجيحي سکيا جي انداز (LS) ۽ لاڳاپيل سکيا جي حڪمت عملين (IS) کي IS هدايتون تيار ڪرڻ لاءِ هڪ مفيد اوزار طور نقشو ڪرڻ لاءِ. ڏندن جي شاگردن لاءِ واعدو ڪندڙ طريقا.
ملايا يونيورسٽي جي ڪُل 255 ڊينٽل شاگردن سکيا جي اندازن جي تبديل ٿيل انڊيڪس (m-ILS) سوالنامو مڪمل ڪيو، جنهن ۾ 44 شيون شامل هيون ته جيئن انهن کي انهن جي لاڳاپيل LS ۾ درجه بندي ڪري سگهجي. گڏ ڪيل ڊيٽا (جنهن کي ڊيٽا سيٽ سڏيو ويندو آهي) نگراني ڪيل فيصلي جي وڻ جي سکيا ۾ استعمال ڪيو ويندو آهي ته جيئن شاگردن جي سکيا جي اندازن کي خودڪار طريقي سان سڀ کان وڌيڪ مناسب IS سان ملائي سگهجي. پوءِ مشين لرننگ تي ٻڌل IS سفارش واري اوزار جي درستگي جو جائزو ورتو ويندو آهي.
LS (ان پٽ) ۽ IS (ٽارگيٽ آئوٽ پُٽ) جي وچ ۾ هڪ خودڪار نقشي سازي جي عمل ۾ فيصلي جي وڻ جي ماڊلز جي درخواست هر ڏندن جي شاگرد لاءِ مناسب سکيا جي حڪمت عملين جي فوري فهرست جي اجازت ڏئي ٿي. IS سفارش واري اوزار مڪمل درستگي ۽ مجموعي ماڊل جي درستگي جي يادگيري جو مظاهرو ڪيو، اهو ظاهر ڪري ٿو ته LS کي IS سان ملائڻ ۾ سٺي حساسيت ۽ خاصيت آهي.
ايم ايل فيصلي جي وڻ تي ٻڌل هڪ آئي ايس سفارش وارو اوزار ڊينٽل شاگردن جي سکيا جي اندازن کي مناسب سکيا جي حڪمت عملين سان صحيح طور تي ملائڻ جي صلاحيت کي ثابت ڪيو آهي. هي اوزار سکيا ڏيندڙ مرڪز ڪورسز يا ماڊلز جي منصوبابندي لاءِ طاقتور آپشن فراهم ڪري ٿو جيڪي شاگردن جي سکيا جي تجربي کي وڌائي سگهن ٿا.
تعليمي ادارن ۾ تدريس ۽ سکيا بنيادي سرگرميون آهن. جڏهن هڪ اعليٰ معيار جي پيشه ورانه تعليمي نظام کي ترقي ڪندي، شاگردن جي سکيا جي ضرورتن تي ڌيان ڏيڻ ضروري آهي. شاگردن ۽ انهن جي سکيا جي ماحول جي وچ ۾ رابطي کي انهن جي LS ذريعي طئي ڪري سگهجي ٿو. تحقيق مان معلوم ٿئي ٿو ته شاگردن جي LS ۽ IS جي وچ ۾ استاد جي ارادي سان بي ترتيبي شاگردن جي سکيا لاءِ منفي نتيجا پيدا ڪري سگهي ٿي، جهڙوڪ ڌيان ۽ حوصلا افزائي ۾ گهٽتائي. اهو اڻ سڌي طرح شاگردن جي ڪارڪردگي کي متاثر ڪندو [1,2].
IS هڪ طريقو آهي جيڪو استادن پاران شاگردن کي علم ۽ صلاحيتون ڏيڻ لاءِ استعمال ڪيو ويندو آهي، جنهن ۾ شاگردن کي سکڻ ۾ مدد ڪرڻ شامل آهي [3]. عام طور تي، سٺا استاد تدريسي حڪمت عمليون يا IS منصوبا ڪندا آهن جيڪي انهن جي شاگردن جي ڄاڻ جي سطح، اهي تصور جيڪي اهي سکي رهيا آهن، ۽ انهن جي سکيا جي مرحلي سان بهترين طور تي ملن ٿا. نظرياتي طور تي، جڏهن LS ۽ IS ملن ٿا، شاگرد مؤثر طريقي سان سکڻ لاءِ صلاحيتن جي هڪ مخصوص سيٽ کي منظم ۽ استعمال ڪرڻ جي قابل هوندا. عام طور تي، هڪ سبق جي منصوبي ۾ مرحلن جي وچ ۾ ڪيترائي منتقلي شامل آهن، جهڙوڪ تدريس کان هدايت واري مشق يا هدايت واري مشق کان آزاد مشق تائين. انهي کي ذهن ۾ رکندي، اثرائتو استاد اڪثر ڪري شاگردن جي ڄاڻ ۽ صلاحيتن کي وڌائڻ جي مقصد سان هدايت جي منصوبابندي ڪندا آهن [4].
اعليٰ تعليمي ادارن ۾، جن ۾ ڏندن جي دوائن جو به شامل آهي، ايس سي ايل جي گهرج وڌي رهي آهي. ايس سي ايل جون حڪمت عمليون شاگردن جي سکيا جي ضرورتن کي پورو ڪرڻ لاءِ ٺاهيون ويون آهن. مثال طور، جيڪڏهن شاگرد سکيا جي سرگرمين ۾ فعال طور تي حصو وٺن ۽ استاد سهولتڪار طور ڪم ڪن ۽ قيمتي موٽ ڏيڻ جا ذميوار هجن، ته اهو حاصل ڪري سگهجي ٿو. چيو ويندو آهي ته شاگردن جي تعليمي سطح يا ترجيحن لاءِ مناسب سکيا جو مواد ۽ سرگرميون فراهم ڪرڻ شاگردن جي سکيا جي ماحول کي بهتر بڻائي سگهي ٿو ۽ مثبت سکيا جي تجربن کي فروغ ڏئي سگهي ٿو [5].
عام طور تي، ڏندن جي شاگردن جي سکيا جو عمل مختلف ڪلينڪل طريقيڪار کان متاثر ٿئي ٿو جيڪي انهن کي انجام ڏيڻ جي ضرورت آهي ۽ ڪلينڪل ماحول جنهن ۾ اهي اثرائتي باهمي صلاحيتن کي ترقي ڪن ٿا. تربيت جو مقصد شاگردن کي ڏندن جي بنيادي ڄاڻ کي ڏندن جي ڪلينڪل صلاحيتن سان گڏ ڪرڻ ۽ حاصل ڪيل ڄاڻ کي نئين ڪلينڪل حالتن ۾ لاڳو ڪرڻ جي قابل بڻائڻ آهي [6، 7]. LS ۽ IS جي وچ ۾ تعلق جي شروعاتي تحقيق مان معلوم ٿيو ته ترجيحي LS سان نقش ڪيل سکيا جي حڪمت عملي کي ترتيب ڏيڻ تعليمي عمل کي بهتر بڻائڻ ۾ مدد ڪندو [8]. ليکڪ شاگردن جي سکيا ۽ ضرورتن کي ترتيب ڏيڻ لاءِ مختلف قسم جي تدريس ۽ تشخيصي طريقن کي استعمال ڪرڻ جي پڻ صلاح ڏين ٿا.
استادن کي LS علم لاڳو ڪرڻ مان فائدو حاصل ٿئي ٿو ته جيئن انهن کي هدايتون ڊزائين ڪرڻ، ترقي ڪرڻ ۽ لاڳو ڪرڻ ۾ مدد ملي سگهي جيڪا شاگردن جي موضوع جي گهري ڄاڻ ۽ سمجھ کي وڌائڻ ۾ مدد ڪندي. محققن ڪيترائي LS تشخيصي اوزار تيار ڪيا آهن، جهڙوڪ ڪولب تجرباتي سکيا ماڊل، فيلڊر-سلورمين لرننگ اسٽائل ماڊل (FSLSM)، ۽ فليمنگ VAK/VARK ماڊل [5، 9، 10]. ادب جي مطابق، اهي سکيا جا ماڊل سڀ کان وڌيڪ استعمال ٿيندڙ ۽ سڀ کان وڌيڪ مطالعو ڪيل سکيا جا ماڊل آهن. موجوده تحقيقي ڪم ۾، FSLSM ڏندن جي شاگردن ۾ LS جو جائزو وٺڻ لاءِ استعمال ڪيو ويندو آهي.
FSLSM انجنيئرنگ ۾ موافق سکيا جي تشخيص لاءِ هڪ وڏي پيماني تي استعمال ٿيندڙ ماڊل آهي. صحت سائنسز (دوا، نرسنگ، فارميسي ۽ ڏندن جي علاج سميت) ۾ ڪيترائي شايع ٿيل ڪم آهن جيڪي FSLSM ماڊلز [5، 11، 12، 13] استعمال ڪندي ڳولي سگهجن ٿا. FLSM ۾ LS جي طول و عرض کي ماپڻ لاءِ استعمال ٿيندڙ اوزار کي سکيا جي اندازن جو انڊيڪس (ILS) [8] سڏيو ويندو آهي، جنهن ۾ LS جي چار طول و عرض جو جائزو وٺڻ واريون 44 شيون شامل آهن: پروسيسنگ (فعال/عڪاسي ڪندڙ)، تصور (ادراک/بدیہی)، ان پٽ (بصري). / زباني) ۽ سمجھ (ترتيب وار/عالمي) [14].
جيئن شڪل 1 ۾ ڏيکاريل آهي، هر FSLSM طول و عرض ۾ هڪ غالب ترجيح آهي. مثال طور، پروسيسنگ طول و عرض ۾، "فعال" LS وارا شاگرد سکيا جي مواد سان سڌو سنئون رابطي ذريعي معلومات کي پروسيس ڪرڻ، ڪرڻ سان سکڻ، ۽ گروپن ۾ سکڻ جو رجحان رکن ٿا. "عڪاسي ڪندڙ" LS سوچڻ ذريعي سکڻ جو حوالو ڏئي ٿو ۽ اڪيلو ڪم ڪرڻ کي ترجيح ڏئي ٿو. LS جي "سمجهڻ" طول و عرض کي "احساس" ۽/يا "وجود" ۾ ورهائي سگهجي ٿو. "احساس" شاگرد وڌيڪ ٺوس معلومات ۽ عملي طريقيڪار کي ترجيح ڏين ٿا، "وجود" شاگردن جي مقابلي ۾ حقيقت تي مبني آهن جيڪي تجريدي مواد کي ترجيح ڏين ٿا ۽ فطرت ۾ وڌيڪ جديد ۽ تخليقي آهن. LS جو "ان پٽ" طول و عرض "بصري" ۽ "زباني" سکيا ڏيندڙن تي مشتمل آهي. "بصري" LS وارا ماڻهو بصري مظاهرن (جهڙوڪ ڊاگرام، وڊيوز، يا لائيو مظاهرن) ذريعي سکڻ کي ترجيح ڏين ٿا، جڏهن ته "زباني" LS وارا ماڻهو تحريري يا زباني وضاحتن ۾ لفظن ذريعي سکڻ کي ترجيح ڏين ٿا. LS طول و عرض کي "سمجهڻ" لاءِ، اهڙن سکيا ڏيندڙن کي "ترتيب" ۽ "عالمي" ۾ ورهائي سگهجي ٿو. "ترتيب وار سکيا ڏيندڙ هڪ لڪير واري سوچ جي عمل کي ترجيح ڏيندا آهن ۽ قدم بہ قدم سکندا آهن، جڏهن ته عالمي سکيا ڏيندڙ هڪ جامع سوچ جو عمل رکندا آهن ۽ هميشه انهن کي بهتر سمجهه هوندي آهي ته اهي ڇا سکي رهيا آهن."
حال ۾، ڪيترن ئي محققن خودڪار ڊيٽا تي هلندڙ دريافت لاءِ طريقا ڳولڻ شروع ڪيا آهن، جن ۾ نئين الگورتھم ۽ ماڊلز جي ترقي شامل آهي جيڪي وڏي مقدار ۾ ڊيٽا جي تشريح ڪرڻ جي قابل آهن [15، 16]. مهيا ڪيل ڊيٽا جي بنياد تي، نگراني ڪيل ايم ايل (مشين لرننگ) نمونن ۽ مفروضن کي پيدا ڪرڻ جي قابل آهي جيڪي الگورتھم جي تعمير جي بنياد تي مستقبل جي نتيجن جي اڳڪٿي ڪن ٿا [17]. سادي لفظن ۾، نگراني ڪيل مشين لرننگ ٽيڪنڪ ان پٽ ڊيٽا کي هٿي وٺرائي ٿي ۽ الگورتھم کي تربيت ڏئي ٿي. اهو پوءِ هڪ رينج پيدا ڪري ٿو جيڪو مهيا ڪيل ان پٽ ڊيٽا لاءِ ساڳين حالتن جي بنياد تي نتيجو کي درجه بندي يا اڳڪٿي ڪري ٿو. نگراني ڪيل مشين لرننگ الگورتھم جو مکيه فائدو مثالي ۽ گهربل نتيجا قائم ڪرڻ جي صلاحيت آهي [17].
ڊيٽا تي هلندڙ طريقن ۽ فيصلي جي وڻ جي ڪنٽرول ماڊلز جي استعمال ذريعي، LS جي خودڪار سڃاڻپ ممڪن آهي. فيصلي جي وڻن کي مختلف شعبن ۾ تربيتي پروگرامن ۾ وڏي پيماني تي استعمال ٿيڻ جي رپورٽ ڪئي وئي آهي، جنهن ۾ صحت سائنس [18، 19] شامل آهن. هن مطالعي ۾، ماڊل کي خاص طور تي سسٽم ڊولپرز پاران شاگردن جي LS جي سڃاڻپ ڪرڻ ۽ انهن لاءِ بهترين IS جي سفارش ڪرڻ لاءِ تربيت ڏني وئي هئي.
هن مطالعي جو مقصد شاگردن جي LS جي بنياد تي IS پهچائڻ جون حڪمت عمليون تيار ڪرڻ ۽ LS سان نقش ٿيل IS سفارشي اوزار کي ترقي ڪندي SCL طريقو لاڳو ڪرڻ آهي. SCL طريقي جي حڪمت عملي جي طور تي IS سفارشي اوزار جي ڊيزائن وهڪري شڪل 1 ۾ ڏيکاريل آهي. IS سفارشي اوزار کي ٻن حصن ۾ ورهايو ويو آهي، جنهن ۾ ILS استعمال ڪندي LS درجه بندي ميڪانيزم ۽ شاگردن لاءِ سڀ کان وڌيڪ مناسب IS ڊسپلي شامل آهن.
خاص طور تي، معلومات جي حفاظت جي سفارش جي اوزارن جي خاصيتن ۾ ويب ٽيڪنالاجي جو استعمال ۽ فيصلي جي وڻ جي مشين لرننگ جو استعمال شامل آهي. سسٽم ڊولپرز صارف جي تجربي ۽ متحرڪيت کي موبائل ڊوائيسز جهڙوڪ موبائل فون ۽ ٽيبليٽ سان ترتيب ڏئي بهتر بڻائيندا آهن.
تجربو ٻن مرحلن ۾ ڪيو ويو ۽ ملايا يونيورسٽي جي فيڪلٽي آف ڊينٽسٽري جي شاگردن رضاڪارانه طور تي حصو ورتو. شرڪت ڪندڙن هڪ ڏندن جي شاگرد جي آن لائن m-ILS جو انگريزي ۾ جواب ڏنو. شروعاتي مرحلي ۾، فيصلي جي وڻ جي مشين لرننگ الگورتھم کي تربيت ڏيڻ لاءِ 50 شاگردن جو ڊيٽا سيٽ استعمال ڪيو ويو. ترقي جي عمل جي ٻئي مرحلي ۾، ترقي يافته اوزار جي درستگي کي بهتر بڻائڻ لاءِ 255 شاگردن جو ڊيٽا سيٽ استعمال ڪيو ويو.
سڀني شرڪت ڪندڙن کي هر مرحلي جي شروعات ۾، تعليمي سال جي لحاظ کان، Microsoft ٽيمن ذريعي هڪ آن لائن بريفنگ ملي ٿي. مطالعي جو مقصد بيان ڪيو ويو ۽ باخبر رضامندي حاصل ڪئي وئي. سڀني شرڪت ڪندڙن کي m-ILS تائين رسائي لاءِ هڪ لنڪ فراهم ڪئي وئي. هر شاگرد کي سوالنامي تي سڀني 44 شين جا جواب ڏيڻ جي هدايت ڪئي وئي. انهن کي هڪ هفتو ڏنو ويو ته اهي سيمسٽر جي شروعات کان اڳ سيمسٽر جي وقفي دوران انهن لاءِ آسان وقت ۽ جڳهه تي تبديل ٿيل ILS مڪمل ڪن. m-ILS اصل ILS اوزار تي ٻڌل آهي ۽ ڏندن جي شاگردن لاءِ تبديل ٿيل آهي. اصل ILS وانگر، ان ۾ 44 برابر ورهايل شيون (a، b) شامل آهن، هر هڪ ۾ 11 شيون آهن، جيڪي هر FSLSM طول و عرض جي پهلوئن جو جائزو وٺڻ لاءِ استعمال ٿينديون آهن.
اوزار جي ترقي جي شروعاتي مرحلن دوران، محققن 50 ڏندن جي شاگردن جي ڊيٽاسيٽ استعمال ڪندي نقشن کي دستي طور تي بيان ڪيو. FSLM جي مطابق، سسٽم جوابن جو مجموعو "a" ۽ "b" مهيا ڪري ٿو. هر طول و عرض لاءِ، جيڪڏهن شاگرد "a" کي جواب طور چونڊيندو آهي، ته LS کي فعال/ادراک/بصري/ترتيب جي طور تي درجه بندي ڪيو ويندو آهي، ۽ جيڪڏهن شاگرد "b" کي جواب طور چونڊيندو آهي، ته شاگرد کي عڪاسي ڪندڙ/بدعتي/لساني طور تي درجه بندي ڪيو ويندو آهي. / عالمي سکيا ڏيندڙ.
ڏندن جي تعليم جي محققن ۽ سسٽم ڊولپرز جي وچ ۾ ڪم جي وهڪري کي ڪيليبريٽ ڪرڻ کان پوءِ، FLSSM ڊومين جي بنياد تي سوال چونڊيا ويا ۽ هر شاگرد جي LS جي اڳڪٿي ڪرڻ لاءِ ML ماڊل ۾ شامل ڪيا ويا. "ڪچرو اندر، ڪچرو ٻاهر" مشين لرننگ جي ميدان ۾ هڪ مشهور چوڻي آهي، جنهن ۾ ڊيٽا جي معيار تي زور ڏنو ويندو آهي. ان پٽ ڊيٽا جي معيار مشين لرننگ ماڊل جي درستگي ۽ درستگي کي طئي ڪري ٿي. فيچر انجنيئرنگ جي مرحلي دوران، هڪ نئون فيچر سيٽ ٺاهيو ويندو آهي جيڪو FLSSM جي بنياد تي "a" ۽ "b" جوابن جو مجموعو آهي. دوا جي پوزيشن جي سڃاڻپ نمبر جدول 1 ۾ ڏنل آهن.
جوابن جي بنياد تي اسڪور جو حساب ڪريو ۽ شاگرد جي LS جو تعين ڪريو. هر شاگرد لاءِ، اسڪور جي حد 1 کان 11 تائين آهي. 1 کان 3 تائين اسڪور ساڳئي طول و عرض اندر سکيا جي ترجيحن جي توازن کي ظاهر ڪن ٿا، ۽ 5 کان 7 تائين اسڪور هڪ معتدل ترجيح کي ظاهر ڪن ٿا، جيڪو ظاهر ڪري ٿو ته شاگرد ٻين کي سيکارڻ لاءِ هڪ ماحول کي ترجيح ڏين ٿا. ساڳئي طول و عرض تي هڪ ٻيو فرق اهو آهي ته 9 کان 11 تائين اسڪور هڪ يا ٻئي آخر لاءِ مضبوط ترجيح کي ظاهر ڪن ٿا [8].
هر طول و عرض لاءِ، دوائن کي "فعال"، "عکاسي" ۽ "متوازن" ۾ ورهايو ويو. مثال طور، جڏهن ڪو شاگرد هڪ مقرر ڪيل شيءِ تي "a" جو جواب "b" کان وڌيڪ ڏئي ٿو ۽ سندس اسڪور پروسيسنگ LS طول و عرض جي نمائندگي ڪندڙ هڪ خاص شيءِ لاءِ 5 جي حد کان وڌيڪ آهي، ته هو "فعال" LS ڊومين سان تعلق رکي ٿو. . جڏهن ته، شاگردن کي "عکاسي" LS جي طور تي درجه بندي ڪيو ويو جڏهن انهن مخصوص 11 سوالن (ٽيبل 1) ۾ "a" کان وڌيڪ "b" چونڊيو ۽ 5 کان وڌيڪ پوائنٽس حاصل ڪيا. آخرڪار، شاگرد "توازن" جي حالت ۾ آهي. جيڪڏهن اسڪور 5 پوائنٽس کان وڌيڪ نه آهي، ته پوءِ اهو هڪ "عمل" LS آهي. درجه بندي جي عمل کي ٻين LS طول و عرض لاءِ بار بار ڪيو ويو، يعني تصور (فعال/عکاسي)، ان پٽ (بصري/زباني)، ۽ سمجھ (ترتيب وار/عالمي).
فيصلي جي وڻ جا ماڊل درجه بندي جي عمل جي مختلف مرحلن تي خاصيتن ۽ فيصلي جي قاعدن جي مختلف ذيلي سيٽ استعمال ڪري سگهن ٿا. ان کي هڪ مشهور درجه بندي ۽ اڳڪٿي جو اوزار سمجهيو ويندو آهي. ان کي هڪ وڻ جي جوڙجڪ جهڙوڪ فلو چارٽ [20] استعمال ڪندي نمائندگي ڪري سگهجي ٿو، جنهن ۾ اندروني نوڊس آهن جيڪي خاصيت جي لحاظ کان ٽيسٽ جي نمائندگي ڪن ٿا، هر شاخ ٽيسٽ جي نتيجن جي نمائندگي ڪن ٿا، ۽ هر ليف نوڊ (ليف نوڊ) جنهن ۾ هڪ ڪلاس ليبل شامل آهي.
هڪ سادو قاعدي تي ٻڌل پروگرام ٺاهيو ويو هو ته جيئن هر شاگرد جي جوابن جي بنياد تي LS کي خودڪار طريقي سان اسڪور ڪري ۽ ان جي تشريح ڪري سگهجي. قاعدي تي ٻڌل هڪ IF بيان جي صورت اختيار ڪري ٿو، جتي "IF" ٽرگر کي بيان ڪري ٿو ۽ "THEN" ڪيل عمل کي بيان ڪري ٿو، مثال طور: "جيڪڏهن X ٿئي ٿو، ته پوءِ Y ڪريو" (Liu et al.، 2014). جيڪڏهن ڊيٽا سيٽ باهمي تعلق ڏيکاري ٿو ۽ فيصلي جي وڻ جو ماڊل صحيح طور تي تربيت يافته ۽ جائزو ورتو ويو آهي، ته هي طريقو LS ۽ IS کي ملائڻ جي عمل کي خودڪار ڪرڻ جو هڪ مؤثر طريقو ٿي سگهي ٿو.
ترقي جي ٻئي مرحلي ۾، سفارش واري اوزار جي درستگي کي بهتر بڻائڻ لاءِ ڊيٽا سيٽ کي 255 تائين وڌايو ويو. ڊيٽا سيٽ کي 1:4 جي تناسب ۾ ورهايو ويو آهي. ڊيٽا سيٽ جو 25٪ (64) ٽيسٽ سيٽ لاءِ استعمال ڪيو ويو، ۽ باقي 75٪ (191) ٽريننگ سيٽ طور استعمال ڪيو ويو (شڪل 2). ماڊل کي ساڳئي ڊيٽا سيٽ تي تربيت ۽ جانچڻ کان روڪڻ لاءِ ڊيٽا سيٽ کي ورهايو وڃي ٿو، جيڪو ماڊل کي سکڻ بدران ياد رکڻ جو سبب بڻجي سگهي ٿو. ماڊل کي ٽريننگ سيٽ تي تربيت ڏني وئي آهي ۽ ٽيسٽ سيٽ تي ان جي ڪارڪردگي جو جائزو وٺندو آهي - ڊيٽا جيڪو ماڊل اڳ ڪڏهن به نه ڏٺو آهي.
هڪ ڀيرو IS ٽول تيار ٿي ويندو، ايپليڪيشن ويب انٽرفيس ذريعي ڏندن جي شاگردن جي جوابن جي بنياد تي LS کي درجه بندي ڪرڻ جي قابل هوندي. ويب تي ٻڌل معلوماتي سيڪيورٽي سفارش وارو اوزار سسٽم پٿون پروگرامنگ ٻولي استعمال ڪندي ٺاهيو ويو آهي جيڪو Django فريم ورڪ کي پس منظر طور استعمال ڪندي آهي. جدول 2 هن سسٽم جي ترقي ۾ استعمال ٿيندڙ لائبريرين جي فهرست ڏئي ٿو.
ڊيٽا سيٽ کي شاگردن جي جوابن جي حساب ۽ ڪڍڻ لاءِ فيصلي واري وڻ جي ماڊل ڏانهن فيڊ ڪيو ويندو آهي ته جيئن شاگردن جي LS ماپن کي خودڪار طريقي سان درجه بندي ڪري سگهجي.
ڪنفيوژن ميٽرڪس کي ڏنل ڊيٽا سيٽ تي فيصلي واري وڻ جي مشين لرننگ الگورتھم جي درستگي جو جائزو وٺڻ لاءِ استعمال ڪيو ويندو آهي. ساڳئي وقت، اهو درجه بندي ماڊل جي ڪارڪردگي جو جائزو وٺندو آهي. اهو ماڊل جي اڳڪٿين جو خلاصو ڪري ٿو ۽ انهن جو مقابلو اصل ڊيٽا ليبلز سان ڪري ٿو. تشخيص جا نتيجا چار مختلف قدرن تي ٻڌل آهن: سچو مثبت (TP) - ماڊل صحيح طور تي مثبت درجي جي اڳڪٿي ڪئي، غلط مثبت (FP) - ماڊل مثبت درجي جي اڳڪٿي ڪئي، پر سچو ليبل منفي هو، سچو منفي (TN) - ماڊل صحيح طور تي منفي طبقي جي اڳڪٿي ڪئي، ۽ غلط منفي (FN) - ماڊل هڪ منفي طبقي جي اڳڪٿي ڪري ٿو، پر سچو ليبل مثبت آهي.
پوءِ اهي قدر پٿون ۾ سائنس-لرن ڪلاسيفڪيشن ماڊل جي مختلف ڪارڪردگي ميٽرڪس جي حساب لاءِ استعمال ڪيا ويندا آهن، يعني درستگي، درستگي، ياد ڪرڻ، ۽ F1 اسڪور. هتي مثال آهن:
ياد (يا حساسيت) ماڊل جي قابليت کي ماپي ٿو ته m-ILS سوالنامي جو جواب ڏيڻ کان پوءِ شاگرد جي LS کي صحيح طور تي درجه بندي ڪري سگهجي.
مخصوصيت کي سچي منفي شرح چئبو آهي. جيئن توهان مٿي ڏنل فارمولي مان ڏسي سگهو ٿا، اهو سچي منفي (TN) جو سچي منفي ۽ غلط مثبت (FP) جو تناسب هجڻ گهرجي. شاگردن جي دوائن جي درجه بندي لاءِ تجويز ڪيل اوزار جي حصي جي طور تي، اهو صحيح سڃاڻپ جي قابل هجڻ گهرجي.
فيصلي جي وڻ جي ايم ايل ماڊل کي تربيت ڏيڻ لاءِ استعمال ٿيندڙ 50 شاگردن جو اصل ڊيٽا سيٽ تشريح ۾ انساني غلطي جي ڪري نسبتاً گهٽ درستگي ڏيکاري ٿو (ٽيبل 3). ايل ايس اسڪور ۽ شاگردن جي تشريح کي خودڪار طريقي سان ڳڻڻ لاءِ هڪ سادي قاعدي تي ٻڌل پروگرام ٺاهڻ کان پوءِ، سفارش ڪندڙ نظام کي تربيت ۽ جانچڻ لاءِ ڊيٽا سيٽن جو وڌندڙ تعداد (255) استعمال ڪيو ويو.
ملٽي ڪلاس ڪنفيوژن ميٽرڪس ۾، ڊاگونل عنصر هر LS قسم لاءِ صحيح اڳڪٿين جي تعداد جي نمائندگي ڪن ٿا (شڪل 4). فيصلي واري وڻ جي ماڊل کي استعمال ڪندي، ڪل 64 نمونن جي صحيح اڳڪٿي ڪئي وئي. اهڙيءَ طرح، هن مطالعي ۾، ڊاگونل عنصر متوقع نتيجا ڏيکارين ٿا، جيڪو ظاهر ڪري ٿو ته ماڊل سٺو ڪم ڪري ٿو ۽ هر LS درجه بندي لاءِ ڪلاس ليبل جي صحيح اڳڪٿي ڪري ٿو. اهڙيءَ طرح، سفارش واري اوزار جي مجموعي درستگي 100٪ آهي.
درستگي، درستگي، يادگيري، ۽ F1 اسڪور جا قدر شڪل 5 ۾ ڏيکاريا ويا آهن. فيصلي جي وڻ جي ماڊل کي استعمال ڪندي سفارش واري نظام لاءِ، ان جو F1 اسڪور 1.0 "مڪمل" آهي، جيڪو مڪمل درستگي ۽ يادگيري کي ظاهر ڪري ٿو، اهم حساسيت ۽ مخصوص قدرن کي ظاهر ڪري ٿو.
شڪل 6 تربيت ۽ جانچ مڪمل ٿيڻ کان پوءِ فيصلي جي وڻ جي ماڊل جو تصور ڏيکاري ٿي. هڪ ٻئي سان مقابلي ۾، گهٽ خاصيتن سان تربيت يافته فيصلي جي وڻ جي ماڊل وڌيڪ درستگي ۽ آسان ماڊل تصور ڏيکاريو. اهو ڏيکاري ٿو ته فيچر انجنيئرنگ جيڪا خاصيت جي گهٽتائي ڏانهن وٺي ٿي، ماڊل جي ڪارڪردگي کي بهتر بڻائڻ ۾ هڪ اهم قدم آهي.
فيصلي جي وڻ جي نگراني ڪيل سکيا کي لاڳو ڪرڻ سان، LS (ان پٽ) ۽ IS (ٽارگيٽ آئوٽ پُٽ) جي وچ ۾ نقشو خودڪار طريقي سان پيدا ٿئي ٿو ۽ هر LS لاءِ تفصيلي معلومات تي مشتمل آهي.
نتيجن مان ظاهر ٿيو ته 255 شاگردن مان 34.9٪ هڪ (1) LS آپشن کي ترجيح ڏني. اڪثريت (54.3٪) ٻه يا وڌيڪ LS ترجيحون هيون. 12.2٪ شاگردن نوٽ ڪيو ته LS ڪافي متوازن آهي (ٽيبل 4). اٺ مکيه LS کان علاوه، ملايا يونيورسٽي جي ڏندن جي شاگردن لاءِ LS درجه بندي جا 34 مجموعا آهن. انهن مان، تصور، نظر، ۽ تصور ۽ نظر جو ميلاپ شاگردن پاران رپورٽ ڪيل مکيه LS آهن (شڪل 7).
جيئن جدول 4 مان ڏسي سگهجي ٿو، شاگردن جي اڪثريت ۾ غالب حسي (13.7٪) يا بصري (8.6٪) LS هو. اهو رپورٽ ڪيو ويو ته 12.2٪ شاگردن تصور کي بصارت سان گڏ ڪيو (ادراک-بصري LS). اهي نتيجا ظاهر ڪن ٿا ته شاگرد قائم ڪيل طريقن ذريعي سکڻ ۽ ياد رکڻ کي ترجيح ڏين ٿا، مخصوص ۽ تفصيلي طريقيڪار تي عمل ڪن ٿا، ۽ فطرت ۾ ڌيان ڏين ٿا. ساڳئي وقت، اهي ڏسڻ سان (ڊاگرام وغيره استعمال ڪندي) سکڻ مان لطف اندوز ٿين ٿا ۽ گروپن ۾ يا پاڻ تي معلومات تي بحث ڪرڻ ۽ لاڳو ڪرڻ جو رجحان رکن ٿا.
هي مطالعو ڊيٽا مائننگ ۾ استعمال ٿيندڙ مشين لرننگ ٽيڪنڪ جو هڪ جائزو فراهم ڪري ٿو، جنهن ۾ شاگردن جي LS جي فوري ۽ صحيح اڳڪٿي ڪرڻ ۽ مناسب IS جي سفارش ڪرڻ تي ڌيان ڏنو ويو آهي. فيصلي واري وڻ جي ماڊل جي درخواست انهن عنصرن جي سڃاڻپ ڪئي جيڪي انهن جي زندگي ۽ تعليمي تجربن سان تمام گهڻو ويجهي سان لاڳاپيل آهن. اهو هڪ نگراني ڪيل مشين لرننگ الگورتھم آهي جيڪو ڪجهه معيارن جي بنياد تي ڊيٽا جي هڪ سيٽ کي ذيلي زمرن ۾ ورهائي ڊيٽا کي درجه بندي ڪرڻ لاءِ وڻ جي جوڙجڪ استعمال ڪري ٿو. اهو هر اندروني نوڊ جي ان پٽ خاصيتن مان هڪ جي قدر جي بنياد تي ان پٽ ڊيٽا کي سب سيٽن ۾ بار بار ورهائي ڪم ڪري ٿو جيستائين ليف نوڊ تي فيصلو نه ڪيو وڃي.
فيصلي جي وڻ جا اندروني نوڊس m-ILS مسئلي جي ان پٽ خاصيتن جي بنياد تي حل جي نمائندگي ڪن ٿا، ۽ ليف نوڊس آخري LS درجه بندي جي اڳڪٿي جي نمائندگي ڪن ٿا. مطالعي دوران، فيصلي جي وڻن جي درجي بندي کي سمجهڻ آسان آهي جيڪي ان پٽ خاصيتن ۽ آئوٽ پُٽ اڳڪٿين جي وچ ۾ تعلق کي ڏسي فيصلي جي عمل کي بيان ڪن ٿا ۽ تصور ڪن ٿا.
ڪمپيوٽر سائنس ۽ انجنيئرنگ جي شعبن ۾، مشين لرننگ الگورتھم وڏي پيماني تي استعمال ڪيا ويندا آهن ته جيئن شاگردن جي داخلا امتحان جي اسڪور [21]، ڊيموگرافڪ معلومات، ۽ سکيا جي رويي [22] جي بنياد تي ڪارڪردگي جي اڳڪٿي ڪري سگهجي. تحقيق ڏيکاري ٿي ته الگورتھم صحيح طور تي شاگردن جي ڪارڪردگي جي اڳڪٿي ڪئي ۽ انهن کي تعليمي مشڪلاتن جي خطري ۾ شاگردن جي سڃاڻپ ڪرڻ ۾ مدد ڪئي.
ڏندن جي تربيت لاءِ ورچوئل مريض سموليٽر جي ترقي ۾ ايم ايل الگورتھم جي استعمال جي رپورٽ ڪئي وئي آهي. سموليٽر حقيقي مريضن جي جسماني ردعمل کي صحيح طور تي ٻيهر پيدا ڪرڻ جي قابل آهي ۽ هڪ محفوظ ۽ ڪنٽرول ٿيل ماحول ۾ ڏندن جي شاگردن کي تربيت ڏيڻ لاءِ استعمال ڪري سگهجي ٿو [23]. ڪيترائي ٻيا مطالعو ڏيکارين ٿا ته مشين لرننگ الگورتھم ممڪن طور تي ڏندن ۽ طبي تعليم ۽ مريضن جي سنڀال جي معيار ۽ ڪارڪردگي کي بهتر بڻائي سگهن ٿا. مشين لرننگ الگورتھم کي ڏندن جي بيمارين جي تشخيص ۾ مدد ڪرڻ لاءِ استعمال ڪيو ويو آهي ڊيٽا سيٽ جي بنياد تي جيئن ته علامتون ۽ مريض جون خاصيتون [24، 25]. جڏهن ته ٻين مطالعي ۾ مشين لرننگ الگورتھم جي استعمال کي دريافت ڪيو ويو آهي ته جيئن مريض جي نتيجن جي اڳڪٿي ڪرڻ، اعليٰ خطري وارن مريضن جي سڃاڻپ ڪرڻ، ذاتي علاج جي منصوبن کي ترقي ڪرڻ [26]، پيريڊونٽل علاج [27]، ۽ ڪيئريز علاج [25].
جيتوڻيڪ ڏندن جي علاج ۾ مشين لرننگ جي استعمال بابت رپورٽون شايع ٿيون آهن، پر ڏندن جي تعليم ۾ ان جو استعمال محدود رهي ٿو. تنهن ڪري، هن مطالعي جو مقصد ڏندن جي شاگردن ۾ LS ۽ IS سان ويجهي سان لاڳاپيل عنصرن جي سڃاڻپ لاءِ فيصلي جي وڻ جي ماڊل کي استعمال ڪرڻ هو.
هن مطالعي جا نتيجا ڏيکارين ٿا ته ترقي يافته سفارش واري اوزار ۾ اعليٰ درستگي ۽ مڪمل درستگي آهي، جنهن مان ظاهر ٿئي ٿو ته استاد هن اوزار مان فائدو حاصل ڪري سگهن ٿا. ڊيٽا تي ٻڌل درجه بندي جي عمل کي استعمال ڪندي، اهو ذاتي سفارشون مهيا ڪري سگهي ٿو ۽ استادن ۽ شاگردن لاءِ تعليمي تجربا ۽ نتيجا بهتر بڻائي سگهي ٿو. انهن مان، سفارش واري اوزارن ذريعي حاصل ڪيل معلومات استادن جي پسنديده تدريسي طريقن ۽ شاگردن جي سکيا جي ضرورتن جي وچ ۾ تڪرار کي حل ڪري سگهي ٿي. مثال طور، سفارش واري اوزارن جي خودڪار آئوٽ پُٽ جي ڪري، شاگرد جي IP کي سڃاڻڻ ۽ ان کي لاڳاپيل IP سان ملائڻ لاءِ گهربل وقت گهٽجي ويندو. هن طريقي سان، مناسب تربيتي سرگرميون ۽ تربيتي مواد منظم ڪري سگهجن ٿا. اهو شاگردن جي مثبت سکيا واري رويي ۽ توجه ڏيڻ جي صلاحيت کي ترقي ڪرڻ ۾ مدد ڪري ٿو. هڪ مطالعي جي رپورٽ موجب شاگردن کي سکيا جو مواد ۽ سکيا جون سرگرميون مهيا ڪرڻ جيڪي انهن جي پسنديده LS سان ملن ٿيون، شاگردن کي وڌيڪ صلاحيت حاصل ڪرڻ لاءِ ڪيترن ئي طريقن سان سکيا کي ضم ڪرڻ، عمل ڪرڻ ۽ لطف اندوز ٿيڻ ۾ مدد ڪري سگهن ٿيون [12]. تحقيق اهو پڻ ڏيکاري ٿي ته ڪلاس روم ۾ شاگردن جي شموليت کي بهتر بڻائڻ کان علاوه، شاگردن جي سکيا جي عمل کي سمجهڻ پڻ تدريس جي طريقن ۽ شاگردن سان رابطي کي بهتر بڻائڻ ۾ اهم ڪردار ادا ڪري ٿو [28، 29].
جڏهن ته، ڪنهن به جديد ٽيڪنالاجي وانگر، مسئلا ۽ حدون آهن. انهن ۾ ڊيٽا جي رازداري، تعصب ۽ انصاف سان لاڳاپيل مسئلا، ۽ ڏندن جي تعليم ۾ مشين لرننگ الگورتھم کي ترقي ۽ لاڳو ڪرڻ لاءِ گهربل پيشه ورانه صلاحيتن ۽ وسيلن شامل آهن؛ جڏهن ته، هن علائقي ۾ وڌندڙ دلچسپي ۽ تحقيق مان ظاهر ٿئي ٿو ته مشين لرننگ ٽيڪنالاجيون ڏندن جي تعليم ۽ ڏندن جي خدمتن تي مثبت اثر وجهي سگهن ٿيون.
هن مطالعي جا نتيجا ظاهر ڪن ٿا ته ڏندن جي شاگردن مان اڌ ۾ منشيات کي "سمجهڻ" جو رجحان هوندو آهي. هن قسم جي سکيا ڏيندڙ کي حقيقتن ۽ ٺوس مثالن، عملي رخ، تفصيل لاءِ صبر، ۽ "بصري" LS ترجيح هوندي آهي، جتي سکيا ڏيندڙ خيالن ۽ خيالن کي پهچائڻ لاءِ تصويرون، گرافڪس، رنگ ۽ نقشا استعمال ڪرڻ کي ترجيح ڏيندا آهن. موجوده نتيجا ڏندن ۽ طبي شاگردن ۾ LS جو جائزو وٺڻ لاءِ ILS استعمال ڪندڙ ٻين مطالعي سان مطابقت رکن ٿا، جن مان گھڻا ۾ ادراڪ ۽ بصري LS جون خاصيتون آهن [12، 30]. ڊالمولين ۽ ٻيا تجويز ڪن ٿا ته شاگردن کي انهن جي LS بابت آگاهي ڏيڻ انهن کي انهن جي سکيا جي صلاحيت تائين پهچڻ جي اجازت ڏئي ٿو. محقق دليل ڏين ٿا ته جڏهن استاد شاگردن جي تعليمي عمل کي مڪمل طور تي سمجهن ٿا، ته مختلف تدريسي طريقا ۽ سرگرميون لاڳو ڪري سگهجن ٿيون جيڪي شاگردن جي ڪارڪردگي ۽ سکيا جي تجربي کي بهتر بڻائينديون [12، 31، 32]. ٻين مطالعي مان ظاهر ٿيو آهي ته شاگردن جي LS کي ترتيب ڏيڻ شاگردن جي سکيا جي تجربي ۽ ڪارڪردگي ۾ بهتري پڻ ڏيکاري ٿو جڏهن انهن جي سکيا جي انداز کي انهن جي پنهنجي LS مطابق تبديل ڪيو ويندو [13، 33].
شاگردن جي سکيا جي صلاحيتن جي بنياد تي تدريسي حڪمت عملين جي نفاذ جي حوالي سان استادن جا رايا مختلف ٿي سگهن ٿا. جڏهن ته ڪجهه هن طريقي جا فائدا ڏسن ٿا، جن ۾ پيشه ورانه ترقي جا موقعا، رهنمائي، ۽ برادري جي مدد شامل آهن، ٻيا شايد وقت ۽ ادارتي مدد بابت پريشان هجن. توازن لاءِ ڪوشش ڪرڻ شاگرد-مرڪزي رويو پيدا ڪرڻ لاءِ اهم آهي. اعليٰ تعليمي اختيارين، جهڙوڪ يونيورسٽي ايڊمنسٽريٽر، جديد طريقا متعارف ڪرائڻ ۽ فيڪلٽي ڊولپمينٽ جي حمايت ڪندي مثبت تبديلي کي هلائڻ ۾ اهم ڪردار ادا ڪري سگهن ٿا [34]. هڪ حقيقي متحرڪ ۽ جوابدار اعليٰ تعليمي نظام ٺاهڻ لاءِ، پاليسي سازن کي جرئتمند قدم کڻڻ گهرجن، جهڙوڪ پاليسي تبديليون ڪرڻ، ٽيڪنالاجي انضمام لاءِ وسيلن کي وقف ڪرڻ، ۽ فريم ورڪ ٺاهڻ جيڪي شاگرد-مرڪزي طريقن کي فروغ ڏين. اهي قدم گهربل نتيجا حاصل ڪرڻ لاءِ اهم آهن. مختلف هدايتن تي تازي تحقيق واضح طور تي ڏيکاريو آهي ته مختلف هدايتن جي ڪامياب عمل درآمد لاءِ استادن لاءِ جاري تربيت ۽ ترقي جا موقعا گهربل آهن [35].
هي اوزار ڏندن جي تعليم ڏيندڙن کي قيمتي مدد فراهم ڪري ٿو جيڪي شاگرد-دوست سکيا جي سرگرمين جي منصوبابندي ڪرڻ لاءِ شاگرد-مرڪز طريقو اختيار ڪرڻ چاهين ٿا. بهرحال، هي مطالعو فيصلي جي وڻ جي ايم ايل ماڊلز جي استعمال تائين محدود آهي. مستقبل ۾، سفارش جي اوزارن جي درستگي، اعتبار ۽ درستگي جو مقابلو ڪرڻ لاءِ مختلف مشين لرننگ ماڊلز جي ڪارڪردگي جو مقابلو ڪرڻ لاءِ وڌيڪ ڊيٽا گڏ ڪيو وڃي. اضافي طور تي، جڏهن ڪنهن خاص ڪم لاءِ سڀ کان وڌيڪ مناسب مشين لرننگ طريقو چونڊيو وڃي، اهو ضروري آهي ته ٻين عنصرن تي غور ڪيو وڃي جهڙوڪ ماڊل پيچيدگي ۽ تشريح.
هن مطالعي جي هڪ حد اها آهي ته اهو صرف ڏندن جي شاگردن ۾ LS ۽ IS جي نقشي تي ڌيان ڏئي ٿو. تنهن ڪري، ترقي يافته سفارش سسٽم صرف انهن جي سفارش ڪندو جيڪي ڏندن جي شاگردن لاءِ مناسب آهن. عام اعليٰ تعليم جي شاگردن جي استعمال لاءِ تبديليون ضروري آهن.
نئون تيار ڪيل مشين لرننگ تي ٻڌل سفارش وارو اوزار شاگردن جي LS کي فوري طور تي لاڳاپيل IS سان درجه بندي ڪرڻ ۽ ملائڻ جي قابل آهي، اهو پهريون ڏندن جي تعليم جو پروگرام بڻائي ٿو جيڪو ڏندن جي استادن کي لاڳاپيل تدريس ۽ سکيا جي سرگرمين جي منصوبابندي ۾ مدد ڪري ٿو. ڊيٽا تي ٻڌل ٽرائيج عمل کي استعمال ڪندي، اهو ذاتي سفارشون مهيا ڪري سگهي ٿو، وقت بچائي سگهي ٿو، تدريسي حڪمت عملين کي بهتر بڻائي سگهي ٿو، ٽارگيٽ ڪيل مداخلت جي حمايت ڪري سگهي ٿو، ۽ جاري پيشه ورانه ترقي کي فروغ ڏئي سگهي ٿو. ان جي درخواست ڏندن جي تعليم لاءِ شاگرد-مرڪزي طريقن کي فروغ ڏيندي.
گلڪ جاني ايسوسيئيٽيڊ پريس. شاگرد جي سکيا جي انداز ۽ استاد جي تدريس جي انداز جي وچ ۾ ميلاپ يا بي ترتيبي. انٽر جي موڊ ايجوڪيشن ڪمپيوٽر سائنس. 2012;4(11):51–60. https://doi.org/10.5815/ijmecs.2012.11.05