มีความต้องการการเรียนรู้ที่เน้นนักเรียนเป็นศูนย์กลาง (SCL) เพิ่มมากขึ้นในสถาบันอุดมศึกษา รวมถึงสาขาทันตกรรมอย่างไรก็ตาม SCL มีข้อจำกัดในการประยุกต์ใช้ในด้านการศึกษาด้านทันตกรรมดังนั้น การศึกษานี้จึงมีจุดมุ่งหมายเพื่อส่งเสริมการประยุกต์ใช้ SCL ในทางทันตกรรมโดยใช้เทคโนโลยี Decision Tree Machine Learning (ML) เพื่อสร้างแผนที่รูปแบบการเรียนรู้ที่ต้องการ (LS) และกลยุทธ์การเรียนรู้ที่สอดคล้องกัน (IS) ของนักศึกษาทันตแพทย์ ในฐานะเครื่องมือที่มีประโยชน์ในการพัฒนาแนวทาง IS .วิธีการที่มีแนวโน้มสำหรับนักศึกษาทันตแพทย์
นักศึกษาทันตแพทย์ทั้งหมด 255 คนจากมหาวิทยาลัย Malaya กรอกแบบสอบถาม Index of Learning Styles (m-ILS) ที่แก้ไขแล้ว ซึ่งมี 44 รายการเพื่อจำแนกพวกเขาเป็น LS ตามลำดับข้อมูลที่รวบรวม (เรียกว่าชุดข้อมูล) จะใช้ในการเรียนรู้แบบต้นไม้การตัดสินใจที่มีการควบคุมดูแล เพื่อจับคู่รูปแบบการเรียนรู้ของนักเรียนกับ IS ที่เหมาะสมที่สุดโดยอัตโนมัติจากนั้นจะมีการประเมินความแม่นยำของเครื่องมือแนะนำ IS ตามการเรียนรู้ของเครื่อง
การใช้แบบจำลองต้นไม้ตัดสินใจในกระบวนการสร้างแผนที่อัตโนมัติระหว่าง LS (อินพุต) และ IS (เอาต์พุตเป้าหมาย) ช่วยให้สามารถจัดทำรายการกลยุทธ์การเรียนรู้ที่เหมาะสมสำหรับนักศึกษาทันตแพทย์แต่ละคนได้ทันทีเครื่องมือแนะนำ IS แสดงให้เห็นถึงความแม่นยำที่สมบูรณ์แบบและการเรียกคืนความแม่นยำของโมเดลโดยรวม ซึ่งบ่งชี้ว่าการจับคู่ LS กับ IS มีความละเอียดอ่อนและความจำเพาะที่ดี
เครื่องมือแนะนำ IS ตามแผนผังการตัดสินใจของ ML ได้พิสูจน์ความสามารถในการจับคู่รูปแบบการเรียนรู้ของนักศึกษาทันตกรรมกับกลยุทธ์การเรียนรู้ที่เหมาะสมได้อย่างแม่นยำเครื่องมือนี้มีตัวเลือกที่มีประสิทธิภาพสำหรับการวางแผนหลักสูตรหรือโมดูลที่เน้นผู้เรียนเป็นศูนย์กลาง ซึ่งสามารถปรับปรุงประสบการณ์การเรียนรู้ของนักเรียนได้
การเรียนการสอนเป็นกิจกรรมพื้นฐานในสถาบันการศึกษาเมื่อพัฒนาระบบอาชีวศึกษาคุณภาพสูง สิ่งสำคัญคือต้องให้ความสำคัญกับความต้องการการเรียนรู้ของนักเรียนปฏิสัมพันธ์ระหว่างนักเรียนและสภาพแวดล้อมการเรียนรู้สามารถกำหนดได้ผ่าน LSการวิจัยชี้ให้เห็นว่าความไม่ตรงกันระหว่างเจตนาของครูระหว่าง LS และ IS ของนักเรียนอาจส่งผลเสียต่อการเรียนรู้ของนักเรียน เช่น ความสนใจและแรงจูงใจลดลงซึ่งจะส่งผลทางอ้อมต่อประสิทธิภาพของนักเรียน [1,2]
IS เป็นวิธีการที่ครูใช้เพื่อถ่ายทอดความรู้และทักษะให้กับนักเรียน รวมถึงช่วยให้นักเรียนเรียนรู้ [3]โดยทั่วไปแล้ว ครูที่ดีจะวางแผนกลยุทธ์การสอนหรือ IS ที่ตรงกับระดับความรู้ของนักเรียน แนวคิดที่กำลังเรียนรู้ และขั้นตอนการเรียนรู้ของนักเรียนมากที่สุดตามทฤษฎีแล้ว เมื่อ LS และ IS ตรงกัน นักเรียนจะสามารถจัดระเบียบและใช้ชุดทักษะเฉพาะเพื่อเรียนรู้ได้อย่างมีประสิทธิภาพโดยทั่วไป แผนการสอนประกอบด้วยการเปลี่ยนผ่านระหว่างขั้นตอนต่างๆ หลายครั้ง เช่น จากการสอนไปสู่การฝึกปฏิบัติแบบมีคำแนะนำ หรือจากการฝึกปฏิบัติแบบมีแนวทางไปสู่การฝึกปฏิบัติอิสระด้วยเหตุนี้ ครูที่มีประสิทธิภาพจึงมักวางแผนการสอนโดยมีเป้าหมายในการสร้างความรู้และทักษะของนักเรียน [4]
ความต้องการ SCL กำลังเพิ่มขึ้นในสถาบันอุดมศึกษา รวมถึงสาขาทันตกรรมกลยุทธ์ SCL ได้รับการออกแบบมาเพื่อตอบสนองความต้องการการเรียนรู้ของนักเรียนสิ่งนี้สามารถบรรลุผลสำเร็จได้ เช่น หากนักเรียนมีส่วนร่วมในกิจกรรมการเรียนรู้อย่างกระตือรือร้น และครูทำหน้าที่เป็นผู้อำนวยความสะดวกและรับผิดชอบในการให้ข้อเสนอแนะที่มีคุณค่ากล่าวกันว่าการจัดหาสื่อการเรียนรู้และกิจกรรมที่เหมาะสมกับระดับการศึกษาหรือความชอบของนักเรียนสามารถปรับปรุงสภาพแวดล้อมการเรียนรู้ของนักเรียนและส่งเสริมประสบการณ์การเรียนรู้เชิงบวก [5]
โดยทั่วไป กระบวนการเรียนรู้ของนักศึกษาทันตแพทย์ได้รับอิทธิพลจากขั้นตอนทางคลินิกต่างๆ ที่พวกเขาจำเป็นต้องปฏิบัติ และสภาพแวดล้อมทางคลินิกที่พวกเขาพัฒนาทักษะความสัมพันธ์ระหว่างบุคคลที่มีประสิทธิผลวัตถุประสงค์ของการฝึกอบรมคือเพื่อให้นักเรียนสามารถผสมผสานความรู้พื้นฐานด้านทันตกรรมเข้ากับทักษะทางคลินิกทันตกรรม และนำความรู้ที่ได้รับมาใช้กับสถานการณ์ทางคลินิกใหม่ ๆ [6, 7]การวิจัยเบื้องต้นเกี่ยวกับความสัมพันธ์ระหว่าง LS และ IS พบว่าการปรับกลยุทธ์การเรียนรู้ที่แมปกับ LS ที่ต้องการจะช่วยปรับปรุงกระบวนการศึกษา [8]ผู้เขียนยังแนะนำให้ใช้วิธีการสอนและการประเมินที่หลากหลายเพื่อปรับให้เข้ากับการเรียนรู้และความต้องการของนักเรียน
ครูจะได้รับประโยชน์จากการประยุกต์ใช้ความรู้ของ LS เพื่อช่วยในการออกแบบ พัฒนา และดำเนินการสอนที่จะช่วยเพิ่มพูนความรู้และความเข้าใจในเนื้อหาที่ลึกซึ้งยิ่งขึ้นของนักเรียนนักวิจัยได้พัฒนาเครื่องมือประเมิน LS หลายอย่าง เช่น Kolb Experiential Learning Model, Felder-Silverman Learning Style Model (FSLSM) และ Fleming VAK/VARK Model [5, 9, 10]ตามวรรณกรรม โมเดลการเรียนรู้เหล่านี้เป็นรูปแบบการเรียนรู้ที่ใช้กันมากที่สุดและมีการศึกษามากที่สุดในงานวิจัยปัจจุบัน FSLSM ใช้เพื่อประเมิน LS ในหมู่นักศึกษาทันตแพทยศาสตร์
FSLSM เป็นรูปแบบที่ใช้กันอย่างแพร่หลายในการประเมินการเรียนรู้แบบปรับตัวในด้านวิศวกรรมมีผลงานตีพิมพ์มากมายในสาขาวิทยาศาสตร์สุขภาพ (รวมถึงการแพทย์ การพยาบาล เภสัชกรรม และทันตกรรม) ที่สามารถพบได้โดยใช้แบบจำลอง FSLSM [5, 11, 12, 13]เครื่องมือที่ใช้ในการวัดมิติของ LS ใน FLSM เรียกว่า Index of Learning Styles (ILS) [8] ซึ่งประกอบด้วย 44 รายการประเมินสี่มิติของ LS: การประมวลผล (แอคทีฟ/ไตร่ตรอง) การรับรู้ (การรับรู้/สัญชาตญาณ) อินพุต (ภาพ)/วาจา) และความเข้าใจ (ตามลำดับ/ทั่วโลก) [14]
ดังแสดงในรูปที่ 1 แต่ละมิติ FSLSM มีการกำหนดค่าตามความชอบที่โดดเด่นตัวอย่างเช่น ในมิติการประมวลผล นักเรียนที่มี LS แบบ "กระตือรือร้น" ชอบที่จะประมวลผลข้อมูลโดยการโต้ตอบกับสื่อการเรียนรู้โดยตรง เรียนรู้จากการลงมือทำ และมีแนวโน้มที่จะเรียนรู้เป็นกลุ่มLS แบบ "สะท้อน" หมายถึงการเรียนรู้ผ่านการคิดและชอบทำงานคนเดียวมิติ “การรับรู้” ของ LS สามารถแบ่งออกเป็น “ความรู้สึก” และ/หรือ “สัญชาตญาณ”นักเรียนที่มี "ความรู้สึก" ชอบข้อมูลที่เป็นรูปธรรมมากกว่าและขั้นตอนการปฏิบัติ เน้นที่ข้อเท็จจริง เมื่อเทียบกับนักเรียนที่ "มีสัญชาตญาณ" ที่ชอบเนื้อหาที่เป็นนามธรรม และมีนวัตกรรมและสร้างสรรค์โดยธรรมชาติมากกว่ามิติ "ข้อมูลนำเข้า" ของ LS ประกอบด้วยผู้เรียน "ภาพ" และ "วาจา"ผู้ที่มี LS “ทางภาพ” ชอบที่จะเรียนรู้ผ่านการสาธิตด้วยภาพ (เช่น แผนภาพ วิดีโอ หรือการสาธิตสด) ในขณะที่ผู้ที่มี LS “ทางวาจา” ชอบที่จะเรียนรู้ผ่านคำศัพท์ในการอธิบายที่เป็นลายลักษณ์อักษรหรือด้วยวาจาหากต้องการ "เข้าใจ" มิติของ LS ผู้เรียนดังกล่าวสามารถแบ่งออกเป็น "ตามลำดับ" และ "ทั่วโลก"“ผู้เรียนตามลำดับชอบกระบวนการคิดเชิงเส้นและเรียนรู้ทีละขั้นตอน ในขณะที่ผู้เรียนทั่วโลกมีแนวโน้มที่จะมีกระบวนการคิดแบบองค์รวมและมักจะเข้าใจสิ่งที่พวกเขากำลังเรียนรู้ได้ดีขึ้น
เมื่อเร็ว ๆ นี้ นักวิจัยจำนวนมากได้เริ่มสำรวจวิธีการสำหรับการค้นพบที่ขับเคลื่อนด้วยข้อมูลโดยอัตโนมัติ รวมถึงการพัฒนาอัลกอริธึมและแบบจำลองใหม่ที่สามารถตีความข้อมูลจำนวนมากได้ [15, 16]จากข้อมูลที่ให้มา ML (การเรียนรู้ของเครื่อง) ที่ได้รับการดูแลสามารถสร้างรูปแบบและสมมติฐานที่ทำนายผลลัพธ์ในอนาคตตามการสร้างอัลกอริทึม [17]พูดง่ายๆ ก็คือ เทคนิคการเรียนรู้ของเครื่องภายใต้การดูแลจะจัดการข้อมูลอินพุตและฝึกอัลกอริธึมจากนั้นจะสร้างช่วงที่จัดประเภทหรือคาดการณ์ผลลัพธ์ตามสถานการณ์ที่คล้ายกันสำหรับข้อมูลอินพุตที่ให้มาข้อได้เปรียบหลักของอัลกอริธึมการเรียนรู้ของเครื่องภายใต้การดูแลคือความสามารถในการสร้างผลลัพธ์ในอุดมคติและที่ต้องการ [17]
ด้วยการใช้วิธีการที่ขับเคลื่อนด้วยข้อมูลและแบบจำลองการควบคุมแบบแผนผังการตัดสินใจ ทำให้สามารถตรวจจับ LS โดยอัตโนมัติได้มีรายงานว่าแผนผังการตัดสินใจถูกนำมาใช้กันอย่างแพร่หลายในโครงการฝึกอบรมในสาขาต่างๆ รวมถึงวิทยาศาสตร์สุขภาพ [18, 19]ในการศึกษานี้ โมเดลดังกล่าวได้รับการฝึกอบรมเป็นพิเศษจากนักพัฒนาระบบเพื่อระบุ LS ของนักเรียน และแนะนำ IS ที่ดีที่สุดสำหรับพวกเขา
วัตถุประสงค์ของการศึกษานี้คือเพื่อพัฒนากลยุทธ์การส่งมอบ IS โดยอิงตาม LS ของนักเรียน และประยุกต์ใช้แนวทาง SCL โดยการพัฒนาเครื่องมือแนะนำ IS ที่แมปกับ LSขั้นตอนการออกแบบเครื่องมือแนะนำ IS เพื่อเป็นกลยุทธ์ของวิธี SCL แสดงในรูปที่ 1 เครื่องมือแนะนำ IS แบ่งออกเป็นสองส่วน รวมถึงกลไกการจำแนก LS ที่ใช้ ILS และการแสดง IS ที่เหมาะสมที่สุดสำหรับนักเรียน
โดยเฉพาะอย่างยิ่ง ลักษณะของเครื่องมือแนะนำความปลอดภัยของข้อมูลรวมถึงการใช้เทคโนโลยีเว็บและการใช้การเรียนรู้ของเครื่องในแผนผังการตัดสินใจนักพัฒนาระบบปรับปรุงประสบการณ์ผู้ใช้และความคล่องตัวโดยการปรับให้เข้ากับอุปกรณ์เคลื่อนที่ เช่น โทรศัพท์มือถือและแท็บเล็ต
การทดลองดำเนินการในสองขั้นตอน และนักศึกษาจากคณะทันตแพทยศาสตร์ มหาวิทยาลัยมลายาเข้าร่วมตามความสมัครใจผู้เข้าร่วมตอบ m-ILS ออนไลน์ของนักศึกษาทันตแพทย์เป็นภาษาอังกฤษในระยะเริ่มแรก ชุดข้อมูลของนักเรียน 50 คนจะถูกนำมาใช้ในการฝึกอบรมอัลกอริทึมการเรียนรู้ของเครื่องโครงสร้างการตัดสินใจในระยะที่สองของกระบวนการพัฒนา ชุดข้อมูลของนักเรียน 255 คนถูกนำมาใช้เพื่อปรับปรุงความแม่นยำของเครื่องมือที่พัฒนาขึ้น
ผู้เข้าร่วมทุกคนจะได้รับการบรรยายสรุปออนไลน์ในช่วงเริ่มต้นของแต่ละขั้นตอน โดยขึ้นอยู่กับปีการศึกษา ผ่านทาง Microsoft Teamsวัตถุประสงค์ของการศึกษาได้รับการอธิบายและได้รับความยินยอมโดยแจ้งให้ทราบผู้เข้าร่วมทุกคนได้รับลิงก์เพื่อเข้าถึง m-ILSนักเรียนแต่ละคนได้รับคำสั่งให้ตอบแบบสอบถามทั้งหมด 44 ข้อพวกเขามีเวลาหนึ่งสัปดาห์ในการทำ ILS ที่แก้ไขแล้วให้เสร็จตามเวลาและสถานที่ที่สะดวกระหว่างปิดภาคเรียนก่อนเริ่มภาคเรียนm-ILS มีพื้นฐานมาจากเครื่องมือ ILS ดั้งเดิมและได้รับการปรับเปลี่ยนสำหรับนักศึกษาทันตแพทย์เช่นเดียวกับ ILS ดั้งเดิม ประกอบด้วยรายการที่มีการกระจายเท่าๆ กัน 44 รายการ (a, b) โดยแต่ละรายการมี 11 รายการ ซึ่งใช้ในการประเมินแง่มุมต่างๆ ของแต่ละมิติ FSLSM
ในระหว่างระยะเริ่มแรกของการพัฒนาเครื่องมือ นักวิจัยได้ใส่คำอธิบายประกอบแผนที่ด้วยตนเองโดยใช้ชุดข้อมูลของนักศึกษาทันตแพทย์ 50 คนตาม FSLM ระบบจะให้ผลรวมของคำตอบ "a" และ "b"สำหรับแต่ละมิติ หากนักเรียนเลือก "a" เป็นคำตอบ LS จะถูกจัดประเภทเป็น คล่องแคล่ว/การรับรู้/ภาพ/ลำดับ และหากนักเรียนเลือก "b" เป็นคำตอบ นักเรียนจะถูกจัดประเภทเป็นแบบไตร่ตรอง/สัญชาตญาณ/ภาษาศาสตร์ ./ ผู้เรียนระดับโลก
หลังจากปรับเทียบขั้นตอนการทำงานระหว่างนักวิจัยด้านการศึกษาด้านทันตกรรมและนักพัฒนาระบบแล้ว คำถามจะถูกเลือกตามโดเมน FLSSM และป้อนลงในแบบจำลอง ML เพื่อทำนาย LS ของนักเรียนแต่ละคน“ขยะเข้า ขยะออก” เป็นคำพูดยอดนิยมในด้านการเรียนรู้ของเครื่อง โดยเน้นที่คุณภาพของข้อมูลคุณภาพของข้อมูลอินพุตจะกำหนดความแม่นยำและความแม่นยำของโมเดลการเรียนรู้ของเครื่องในระหว่างขั้นตอนวิศวกรรมคุณลักษณะ จะมีการสร้างชุดคุณลักษณะใหม่ซึ่งเป็นผลรวมของคำตอบ "a" และ "b" ตาม FLSSMหมายเลขประจำตัวของตำแหน่งยาแสดงไว้ในตารางที่ 1
คำนวณคะแนนตามคำตอบและกำหนด LS ของนักเรียนสำหรับนักเรียนแต่ละคน ช่วงคะแนนคือตั้งแต่ 1 ถึง 11 คะแนนตั้งแต่ 1 ถึง 3 บ่งบอกถึงความสมดุลของการตั้งค่าการเรียนรู้ภายในมิติเดียวกัน และคะแนนจาก 5 ถึง 7 บ่งชี้ว่ามีความพึงพอใจในระดับปานกลาง ซึ่งบ่งชี้ว่านักเรียนมีแนวโน้มที่จะชอบสภาพแวดล้อมแบบเดียวกับการสอนผู้อื่น .รูปแบบอื่นในมิติเดียวกันคือคะแนนตั้งแต่ 9 ถึง 11 สะท้อนถึงความชอบที่ชัดเจนสำหรับปลายด้านหนึ่งหรืออีกด้าน [8]
ในแต่ละมิติ ยาจะถูกจัดกลุ่มเป็น "ออกฤทธิ์" "สะท้อน" และ "สมดุล"ตัวอย่างเช่น เมื่อนักเรียนตอบ "a" บ่อยกว่า "b" ในรายการที่กำหนดและคะแนนของเขา/เธอเกินเกณฑ์ที่ 5 สำหรับรายการใดรายการหนึ่งที่แสดงถึงมิติการประมวลผล LS เขา/เธอจะอยู่ใน LS ที่ "ใช้งานอยู่" โดเมน.-อย่างไรก็ตาม นักเรียนถูกจัดประเภทเป็น LS แบบ "สะท้อนแสง" เมื่อพวกเขาเลือก "b" มากกว่า "a" ในคำถามเฉพาะ 11 ข้อ (ตารางที่ 1) และได้คะแนนมากกว่า 5 คะแนนในที่สุด นักเรียนก็อยู่ในสภาวะ "สมดุล"หากคะแนนไม่เกิน 5 คะแนน แสดงว่านี่คือ "กระบวนการ" LSกระบวนการจำแนกประเภทซ้ำแล้วซ้ำอีกสำหรับมิติ LS อื่นๆ ได้แก่ การรับรู้ (แอคทีฟ/ไตร่ตรอง) ข้อมูลนำเข้า (ภาพ/วาจา) และความเข้าใจ (ตามลำดับ/ทั่วโลก)
แบบจำลองแผนผังการตัดสินใจสามารถใช้ชุดย่อยของคุณลักษณะและกฎการตัดสินใจที่แตกต่างกันในขั้นตอนต่างๆ ของกระบวนการจำแนกประเภทถือเป็นเครื่องมือจำแนกและทำนายยอดนิยมมันสามารถแสดงได้โดยใช้โครงสร้างต้นไม้ เช่น ผังงาน [20] ซึ่งมีโหนดภายในที่แสดงถึงการทดสอบตามคุณลักษณะ แต่ละกิ่งที่แสดงถึงผลการทดสอบ และแต่ละโหนดใบ (โหนดใบ) ที่มีป้ายกำกับคลาส
โปรแกรมที่อิงกฎอย่างง่ายถูกสร้างขึ้นเพื่อให้คะแนนและใส่คำอธิบายประกอบ LS ของนักเรียนแต่ละคนโดยอัตโนมัติตามคำตอบของพวกเขาตามกฎจะใช้รูปแบบของคำสั่ง IF โดยที่ “IF” อธิบายทริกเกอร์และ “THEN” ระบุการกระทำที่จะดำเนินการ ตัวอย่างเช่น “ถ้า X เกิดขึ้น ให้ทำ Y” (Liu et al., 2014)หากชุดข้อมูลแสดงความสัมพันธ์และโมเดลแผนผังการตัดสินใจได้รับการฝึกอบรมและประเมินผลอย่างเหมาะสม แนวทางนี้อาจเป็นวิธีที่มีประสิทธิภาพในการทำให้กระบวนการจับคู่ LS และ IS เป็นไปโดยอัตโนมัติ
ในระยะที่สองของการพัฒนา ชุดข้อมูลเพิ่มขึ้นเป็น 255 เพื่อปรับปรุงความแม่นยำของเครื่องมือแนะนำชุดข้อมูลจะแบ่งออกเป็นอัตราส่วน 1:4ชุดข้อมูล 25% (64) ถูกใช้สำหรับชุดทดสอบ และอีก 75% (191) ที่เหลือถูกใช้เป็นชุดการฝึก (รูปที่ 2)ชุดข้อมูลจำเป็นต้องแยกออกเพื่อป้องกันไม่ให้โมเดลได้รับการฝึกอบรมและทดสอบกับชุดข้อมูลเดียวกัน ซึ่งอาจทำให้โมเดลจดจำแทนที่จะเรียนรู้แบบจำลองได้รับการฝึกฝนในชุดการฝึกและประเมินประสิทธิภาพในชุดทดสอบ ซึ่งเป็นข้อมูลที่แบบจำลองไม่เคยเห็นมาก่อน
เมื่อเครื่องมือ IS ได้รับการพัฒนา แอปพลิเคชันจะสามารถจำแนก LS ตามการตอบสนองของนักศึกษาทันตแพทย์ผ่านทางอินเทอร์เฟซเว็บระบบเครื่องมือแนะนำความปลอดภัยของข้อมูลบนเว็บสร้างขึ้นโดยใช้ภาษาการเขียนโปรแกรม Python โดยใช้เฟรมเวิร์ก Django เป็นแบ็กเอนด์ตารางที่ 2 แสดงรายการไลบรารีที่ใช้ในการพัฒนาระบบนี้
ชุดข้อมูลจะถูกป้อนให้กับโมเดลแผนผังการตัดสินใจเพื่อคำนวณและแยกคำตอบของนักเรียนเพื่อจัดประเภทการวัด LS ของนักเรียนโดยอัตโนมัติ
เมทริกซ์ความสับสนใช้เพื่อประเมินความถูกต้องของอัลกอริทึมการเรียนรู้ของเครื่องแบบต้นไม้การตัดสินใจในชุดข้อมูลที่กำหนดในขณะเดียวกันก็ประเมินประสิทธิภาพของแบบจำลองการจำแนกประเภทโดยจะสรุปการคาดการณ์ของแบบจำลองและเปรียบเทียบกับป้ายกำกับข้อมูลจริงผลการประเมินขึ้นอยู่กับค่าที่แตกต่างกัน 4 ค่า ได้แก่ True Positive (TP) – โมเดลทำนายหมวดหมู่เชิงบวกได้อย่างถูกต้อง False Positive (FP) – โมเดลทำนายหมวดหมู่เชิงบวก แต่ป้ายกำกับที่แท้จริงเป็นลบ True Negative (TN) – แบบจำลองทำนายคลาสเชิงลบได้อย่างถูกต้อง และลบลวง (FN) – แบบจำลองทำนายคลาสเชิงลบ แต่ป้ายกำกับที่แท้จริงนั้นเป็นค่าบวก
จากนั้นค่าเหล่านี้จะถูกนำมาใช้ในการคำนวณตัวชี้วัดประสิทธิภาพต่างๆ ของโมเดลการจำแนกประเภท scikit-learn ใน Python ได้แก่ ความแม่นยำ ความแม่นยำ การเรียกคืน และคะแนน F1นี่คือตัวอย่าง:
การเรียกคืน (หรือความไว) วัดความสามารถของแบบจำลองในการจำแนก LS ของนักเรียนอย่างแม่นยำ หลังจากตอบแบบสอบถาม m-ILS
ความจำเพาะเรียกว่าอัตราลบที่แท้จริงดังที่คุณเห็นจากสูตรข้างต้น นี่ควรเป็นอัตราส่วนของค่าลบที่แท้จริง (TN) ต่อค่าลบจริงและค่าบวกลวง (FP)ในฐานะที่เป็นส่วนหนึ่งของเครื่องมือที่แนะนำในการจำแนกประเภทยาสำหรับนักเรียน ยานี้ควรมีความสามารถในการระบุตัวตนที่ถูกต้อง
ชุดข้อมูลดั้งเดิมของนักเรียน 50 คนที่ใช้ในการฝึกอบรมโมเดล ML ของแผนผังการตัดสินใจมีความแม่นยำค่อนข้างต่ำเนื่องจากข้อผิดพลาดของมนุษย์ในคำอธิบายประกอบ (ตารางที่ 3)หลังจากสร้างโปรแกรมตามกฎง่ายๆ เพื่อคำนวณคะแนน LS และคำอธิบายประกอบของนักเรียนโดยอัตโนมัติ ชุดข้อมูลจำนวนเพิ่มขึ้น (255) จะถูกนำมาใช้ในการฝึกอบรมและทดสอบระบบผู้แนะนำ
ในเมทริกซ์ความสับสนแบบหลายคลาส องค์ประกอบในแนวทแยงแสดงถึงจำนวนการคาดการณ์ที่ถูกต้องสำหรับ LS แต่ละประเภท (รูปที่ 4)เมื่อใช้แบบจำลองต้นไม้ตัดสินใจ สามารถทำนายตัวอย่างได้ถูกต้องทั้งหมด 64 ตัวอย่างดังนั้นในการศึกษานี้ องค์ประกอบในแนวทแยงจะแสดงผลลัพธ์ที่คาดหวัง ซึ่งบ่งชี้ว่าแบบจำลองทำงานได้ดีและทำนายป้ายกำกับคลาสสำหรับการจำแนกประเภท LS แต่ละประเภทได้อย่างถูกต้องดังนั้นความแม่นยำโดยรวมของเครื่องมือแนะนำคือ 100%
ค่าความแม่นยำ ความแม่นยำ การเรียกคืน และคะแนน F1 แสดงในรูปที่ 5 สำหรับระบบการแนะนำโดยใช้โมเดลแผนผังการตัดสินใจ คะแนน F1 เท่ากับ 1.0 “สมบูรณ์แบบ” บ่งบอกถึงความแม่นยำและการจดจำที่สมบูรณ์แบบ สะท้อนถึงความไวและความเฉพาะเจาะจงที่มีนัยสำคัญ ค่านิยม
รูปที่ 6 แสดงภาพแบบจำลองแผนผังการตัดสินใจหลังจากการฝึกอบรมและการทดสอบเสร็จสิ้นในการเปรียบเทียบแบบเทียบเคียงกัน แบบจำลองแผนผังการตัดสินใจที่ได้รับการฝึกด้วยคุณลักษณะที่น้อยกว่าจะแสดงความแม่นยำที่สูงกว่าและการแสดงภาพแบบจำลองที่ง่ายขึ้นนี่แสดงให้เห็นว่าวิศวกรรมฟีเจอร์ที่นำไปสู่การลดฟีเจอร์เป็นขั้นตอนสำคัญในการปรับปรุงประสิทธิภาพของโมเดล
ด้วยการใช้การเรียนรู้ที่มีการควบคุมดูแลแบบต้นไม้การตัดสินใจ การทำแผนที่ระหว่าง LS (อินพุต) และ IS (เอาต์พุตเป้าหมาย) จะถูกสร้างขึ้นโดยอัตโนมัติและมีข้อมูลโดยละเอียดสำหรับ LS แต่ละรายการ
ผลการวิจัยพบว่า 34.9% ของนักเรียน 255 คนชอบตัวเลือก LS หนึ่ง (1) รายการส่วนใหญ่ (54.3%) มีการตั้งค่า LS สองรายการขึ้นไปนักเรียน 12.2% สังเกตว่า LS ค่อนข้างสมดุล (ตารางที่ 4)นอกจาก LS หลักทั้ง 8 รายการแล้ว ยังมีการจัดหมวดหมู่ LS รวมกัน 34 รายการสำหรับนักศึกษาทันตแพทย์ของมหาวิทยาลัย Malayaในบรรดาสิ่งเหล่านั้น การรับรู้ การมองเห็น และการผสมผสานระหว่างการรับรู้และการมองเห็นเป็น LS หลักที่นักเรียนรายงาน (รูปที่ 7)
ดังที่เห็นได้จากตารางที่ 4 นักเรียนส่วนใหญ่มีประสาทสัมผัสที่โดดเด่น (13.7%) หรือการมองเห็น (8.6%) LSมีรายงานว่านักเรียน 12.2% รวมการรับรู้เข้ากับการมองเห็น (LS การรับรู้และการมองเห็น)ผลการวิจัยเหล่านี้ชี้ให้เห็นว่านักเรียนต้องการเรียนรู้และจดจำผ่านวิธีการที่กำหนดไว้ ปฏิบัติตามขั้นตอนที่เฉพาะเจาะจงและละเอียด และมีความเอาใจใส่โดยธรรมชาติในเวลาเดียวกัน พวกเขาสนุกกับการเรียนรู้โดยการดู (ใช้แผนภาพ ฯลฯ) และมีแนวโน้มที่จะอภิปรายและประยุกต์ข้อมูลเป็นกลุ่มหรือด้วยตนเอง
การศึกษานี้ให้ภาพรวมของเทคนิคการเรียนรู้ของเครื่องที่ใช้ในการขุดข้อมูล โดยมุ่งเน้นไปที่การทำนาย LS ของนักเรียนในทันทีและแม่นยำ และการแนะนำ IS ที่เหมาะสมการใช้แบบจำลองต้นไม้ตัดสินใจระบุปัจจัยที่เกี่ยวข้องมากที่สุดกับชีวิตและประสบการณ์ทางการศึกษาของพวกเขาเป็นอัลกอริธึมการเรียนรู้ของเครื่องภายใต้การดูแลที่ใช้โครงสร้างแบบต้นไม้เพื่อจำแนกข้อมูลโดยการแบ่งชุดข้อมูลออกเป็นหมวดหมู่ย่อยตามเกณฑ์ที่กำหนดมันทำงานโดยการแบ่งข้อมูลอินพุตออกเป็นชุดย่อยแบบวนซ้ำตามค่าของคุณสมบัติอินพุตอย่างใดอย่างหนึ่งของแต่ละโหนดภายในจนกว่าจะมีการตัดสินใจที่โหนดปลายสุด
โหนดภายในของแผนผังการตัดสินใจแสดงถึงวิธีแก้ปัญหาตามคุณลักษณะอินพุตของปัญหา m-ILS และโหนดปลายสุดแสดงถึงการทำนายการจำแนกประเภท LS ขั้นสุดท้ายตลอดการศึกษา เป็นเรื่องง่ายที่จะเข้าใจลำดับชั้นของแผนผังการตัดสินใจ ซึ่งอธิบายและแสดงภาพกระบวนการตัดสินใจโดยดูที่ความสัมพันธ์ระหว่างคุณลักษณะอินพุตและการทำนายผลลัพธ์
ในสาขาวิทยาการคอมพิวเตอร์และวิศวกรรมศาสตร์ อัลกอริธึมการเรียนรู้ของเครื่องจักรถูกนำมาใช้กันอย่างแพร่หลายในการทำนายผลการเรียนของนักเรียนโดยพิจารณาจากคะแนนสอบเข้า [21] ข้อมูลประชากร และพฤติกรรมการเรียนรู้ [22]การวิจัยแสดงให้เห็นว่าอัลกอริทึมทำนายผลการเรียนของนักเรียนได้อย่างแม่นยำ และช่วยให้พวกเขาระบุนักเรียนที่เสี่ยงต่อปัญหาทางวิชาการ
มีการรายงานการประยุกต์ใช้อัลกอริธึม ML ในการพัฒนาเครื่องจำลองผู้ป่วยเสมือนสำหรับการฝึกอบรมทางทันตกรรมเครื่องจำลองสามารถสร้างการตอบสนองทางสรีรวิทยาของผู้ป่วยจริงได้อย่างแม่นยำ และสามารถใช้เพื่อฝึกอบรมนักศึกษาทันตแพทย์ในสภาพแวดล้อมที่ปลอดภัยและมีการควบคุมได้ [23]การศึกษาอื่นๆ อีกหลายชิ้นแสดงให้เห็นว่าอัลกอริธึมการเรียนรู้ของเครื่องสามารถปรับปรุงคุณภาพและประสิทธิภาพของการศึกษาด้านทันตกรรมและการแพทย์และการดูแลผู้ป่วยได้อัลกอริธึมการเรียนรู้ของเครื่องถูกนำมาใช้เพื่อช่วยในการวินิจฉัยโรคทางทันตกรรมโดยอิงตามชุดข้อมูล เช่น อาการและลักษณะผู้ป่วย [24, 25]ในขณะที่การศึกษาอื่นๆ ได้สำรวจการใช้อัลกอริธึมการเรียนรู้ของเครื่องเพื่อดำเนินการต่างๆ เช่น การทำนายผลลัพธ์ของผู้ป่วย การระบุผู้ป่วยที่มีความเสี่ยงสูง การพัฒนาแผนการรักษาส่วนบุคคล [26] การรักษาปริทันต์ [27] และการรักษาโรคฟันผุ [25]
แม้ว่ารายงานเกี่ยวกับการประยุกต์ใช้การเรียนรู้ของเครื่องในทางทันตกรรมจะได้รับการเผยแพร่แล้ว แต่การประยุกต์ใช้ในด้านการศึกษาด้านทันตกรรมยังคงมีจำกัดดังนั้น การศึกษานี้จึงมีวัตถุประสงค์เพื่อใช้แบบจำลองต้นไม้การตัดสินใจเพื่อระบุปัจจัยที่เกี่ยวข้องมากที่สุดกับ LS และ IS ในหมู่นักศึกษาทันตแพทย์
ผลการศึกษาครั้งนี้แสดงให้เห็นว่าเครื่องมือแนะนำที่พัฒนาขึ้นมีความแม่นยำสูงและแม่นยำสมบูรณ์แบบ ซึ่งบ่งชี้ว่าครูจะได้รับประโยชน์จากเครื่องมือนี้การใช้กระบวนการจำแนกประเภทที่ขับเคลื่อนด้วยข้อมูล สามารถให้คำแนะนำส่วนบุคคล และปรับปรุงประสบการณ์และผลลัพธ์ทางการศึกษาสำหรับนักการศึกษาและนักเรียนข้อมูลที่ได้รับผ่านเครื่องมือแนะนำสามารถแก้ไขข้อขัดแย้งระหว่างวิธีการสอนที่ครูชื่นชอบและความต้องการการเรียนรู้ของนักเรียนตัวอย่างเช่น เนื่องจากเครื่องมือแนะนำเอาท์พุตอัตโนมัติ เวลาที่ใช้ในการระบุ IP ของนักเรียนและจับคู่กับ IP ที่เกี่ยวข้องจะลดลงอย่างมากด้วยวิธีนี้จึงสามารถจัดกิจกรรมการฝึกอบรมและสื่อการฝึกอบรมที่เหมาะสมได้ซึ่งจะช่วยพัฒนาพฤติกรรมการเรียนรู้เชิงบวกของนักเรียนและความสามารถในการมีสมาธิการศึกษาชิ้นหนึ่งรายงานว่าการจัดหาสื่อการเรียนรู้และกิจกรรมการเรียนรู้ที่ตรงกับ LS ที่ต้องการให้กับนักเรียนสามารถช่วยให้นักเรียนบูรณาการ ประมวลผล และเพลิดเพลินกับการเรียนรู้ในหลายวิธีเพื่อให้บรรลุศักยภาพที่มากขึ้น [12]การวิจัยยังแสดงให้เห็นว่านอกเหนือจากการปรับปรุงการมีส่วนร่วมของนักเรียนในห้องเรียนแล้ว การทำความเข้าใจกระบวนการเรียนรู้ของนักเรียนยังมีบทบาทสำคัญในการปรับปรุงแนวทางการสอนและการสื่อสารกับนักเรียน [28, 29]
อย่างไรก็ตาม เช่นเดียวกับเทคโนโลยีสมัยใหม่อื่นๆ ก็มีปัญหาและข้อจำกัดอยู่เช่นกันซึ่งรวมถึงประเด็นที่เกี่ยวข้องกับความเป็นส่วนตัวของข้อมูล อคติและความยุติธรรม และทักษะทางวิชาชีพและทรัพยากรที่จำเป็นในการพัฒนาและใช้อัลกอริธึมการเรียนรู้ของเครื่องในการศึกษาด้านทันตกรรมอย่างไรก็ตาม ความสนใจและการวิจัยที่เพิ่มขึ้นในสาขานี้ชี้ให้เห็นว่าเทคโนโลยีการเรียนรู้ของเครื่องอาจส่งผลเชิงบวกต่อการศึกษาด้านทันตกรรมและบริการทันตกรรม
ผลการศึกษาครั้งนี้ระบุว่านักศึกษาทันตแพทย์ครึ่งหนึ่งมีแนวโน้มที่จะ "รับรู้" ยาผู้เรียนประเภทนี้ชอบข้อเท็จจริงและตัวอย่างที่เป็นรูปธรรม แนวทางการปฏิบัติ ความอดทนในรายละเอียด และความชอบ LS แบบ "ภาพ" โดยผู้เรียนชอบใช้รูปภาพ กราฟิก สี และแผนที่เพื่อถ่ายทอดความคิดและความคิดผลลัพธ์ปัจจุบันสอดคล้องกับการศึกษาอื่นๆ ที่ใช้ ILS ในการประเมิน LS ในนักศึกษาทันตแพทย์และแพทย์ ซึ่งส่วนใหญ่มีลักษณะเฉพาะของ LS การรับรู้และการมองเห็น [12, 30]Dalmolin และคณะแนะนำว่าการแจ้งนักเรียนเกี่ยวกับ LS ทำให้พวกเขาสามารถเข้าถึงศักยภาพการเรียนรู้ของตนเองได้นักวิจัยให้เหตุผลว่าเมื่อครูเข้าใจกระบวนการศึกษาของนักเรียนอย่างถ่องแท้ วิธีการสอนและกิจกรรมต่างๆ สามารถนำไปใช้ได้ ซึ่งจะช่วยปรับปรุงประสิทธิภาพและประสบการณ์การเรียนรู้ของนักเรียน [12, 31, 32]การศึกษาอื่นๆ แสดงให้เห็นว่าการปรับ LS ของนักเรียนยังแสดงให้เห็นการปรับปรุงประสบการณ์การเรียนรู้และประสิทธิภาพของนักเรียนหลังจากเปลี่ยนรูปแบบการเรียนรู้ให้เหมาะกับ LS ของตนเอง [13, 33]
ความคิดเห็นของครูอาจแตกต่างกันไปเกี่ยวกับการนำกลยุทธ์การสอนไปใช้ตามความสามารถในการเรียนรู้ของนักเรียนแม้ว่าบางคนจะมองเห็นประโยชน์ของแนวทางนี้ รวมถึงโอกาสในการพัฒนาทางวิชาชีพ การให้คำปรึกษา และการสนับสนุนจากชุมชน แต่บางคนก็อาจกังวลเกี่ยวกับเวลาและการสนับสนุนจากสถาบันการมุ่งมั่นเพื่อความสมดุลเป็นกุญแจสำคัญในการสร้างทัศนคติที่นักเรียนเป็นศูนย์กลางหน่วยงานระดับอุดมศึกษา เช่น ผู้บริหารมหาวิทยาลัย สามารถมีบทบาทสำคัญในการขับเคลื่อนการเปลี่ยนแปลงเชิงบวกโดยการแนะนำแนวทางปฏิบัติที่เป็นนวัตกรรมและสนับสนุนการพัฒนาคณาจารย์ [34]ในการสร้างระบบการศึกษาระดับอุดมศึกษาที่มีพลวัตและตอบสนองอย่างแท้จริง ผู้กำหนดนโยบายจะต้องดำเนินการตามขั้นตอนที่ชัดเจน เช่น การเปลี่ยนแปลงนโยบาย การทุ่มเททรัพยากรเพื่อการบูรณาการเทคโนโลยี และการสร้างกรอบการทำงานที่ส่งเสริมแนวทางที่เน้นนักเรียนเป็นศูนย์กลางมาตรการเหล่านี้มีความสำคัญอย่างยิ่งต่อการบรรลุผลตามที่ต้องการการวิจัยล่าสุดเกี่ยวกับการสอนที่แตกต่างแสดงให้เห็นอย่างชัดเจนว่าการดำเนินการสอนที่แตกต่างให้ประสบความสำเร็จนั้นจำเป็นต้องได้รับการฝึกอบรมและโอกาสในการพัฒนาอย่างต่อเนื่องสำหรับครู [35]
เครื่องมือนี้ให้การสนับสนุนอันมีค่าแก่นักการศึกษาด้านทันตกรรมที่ต้องการใช้แนวทางที่เน้นนักเรียนเป็นศูนย์กลางในการวางแผนกิจกรรมการเรียนรู้ที่เป็นมิตรต่อนักเรียนอย่างไรก็ตาม การศึกษานี้จำกัดเฉพาะการใช้แบบจำลอง ML แบบแผนผังการตัดสินใจในอนาคต ควรรวบรวมข้อมูลเพิ่มเติมเพื่อเปรียบเทียบประสิทธิภาพของโมเดลการเรียนรู้ของเครื่องต่างๆ เพื่อเปรียบเทียบความแม่นยำ ความน่าเชื่อถือ และความแม่นยำของเครื่องมือแนะนำนอกจากนี้ เมื่อเลือกวิธีการเรียนรู้ของเครื่องที่เหมาะสมที่สุดสำหรับงานเฉพาะ สิ่งสำคัญคือต้องพิจารณาปัจจัยอื่นๆ เช่น ความซับซ้อนของโมเดลและการตีความ
ข้อจำกัดของการศึกษานี้คือ มุ่งเน้นไปที่การทำแผนที่ LS และ IS ในหมู่นักศึกษาทันตแพทย์เท่านั้นดังนั้นระบบการแนะนำที่พัฒนาขึ้นจะแนะนำเฉพาะผู้ที่เหมาะกับนักศึกษาทันตแพทย์เท่านั้นการเปลี่ยนแปลงมีความจำเป็นสำหรับการใช้งานทั่วไปของนักเรียนระดับอุดมศึกษา
เครื่องมือแนะนำการเรียนรู้ของเครื่องที่พัฒนาขึ้นใหม่สามารถจำแนกและจับคู่ LS ของนักเรียนกับ IS ที่สอดคล้องกันได้ทันที ทำให้เป็นโปรแกรมการศึกษาด้านทันตกรรมโครงการแรกที่ช่วยให้นักการศึกษาด้านทันตกรรมวางแผนกิจกรรมการสอนและการเรียนรู้ที่เกี่ยวข้องการใช้กระบวนการคัดแยกที่ขับเคลื่อนด้วยข้อมูล สามารถให้คำแนะนำส่วนบุคคล ประหยัดเวลา ปรับปรุงกลยุทธ์การสอน สนับสนุนการแทรกแซงแบบกำหนดเป้าหมาย และส่งเสริมการพัฒนาทางวิชาชีพอย่างต่อเนื่องการประยุกต์ใช้จะส่งเสริมแนวทางการศึกษาด้านทันตกรรมที่เน้นนักเรียนเป็นศูนย์กลาง
กิลัก เจนี แอสโซซิเอตเต็ด เพรส.ตรงกันหรือไม่ตรงกันระหว่างรูปแบบการเรียนรู้ของนักเรียนกับรูปแบบการสอนของครูInt J Mod Educ วิทยาศาสตร์คอมพิวเตอร์2012;4(11):51–60.https://doi.org/10.5815/ijmecs.2012.11.05
เวลาโพสต์: 29 เมษายน-2024