Бүсчлэлийн дагуу бага насны хүүхдийн чадамжийг машин сургалтын арга ашиглан гаргах нь
DOI:
https://doi.org/10.56380/mjer.v31.1.5Түлхүүр үгс:
HCPC, PCA, MCA, MFA, Machine LearningХураангуй
Энэхүү өгүүлэл нь сургуулийн өмнөх насны хүүхдийн хөгжлийн ахицын үнэлгээ, орон нутаг болон бүсчлэлийн дагуух судалгаанд тулгуурласан. Энд судалгааг сургалтын хөтөлбөр дэх математик чадамжийг үнэлэх даалгаварт ажилд тулгуурлан 3 – 5 насны оролцогчдын математик чадамжийг машин сургалтын арга, аргачлал ашиглан нас болон бүсийн ангилалт, тооцоолол, төсөө болон нийтлэг, онцлог шинж чанаруудад харьцуулалт хийн гаргана. Эдгээр хүчин зүйлсэд дүн шинжилгээ хийснээр оролцогчдын чадамж нас болон бүсээс хамаарч өөрчлөгддөг болохыг харж болно. Судалгааны түүвэр нь "Сургуулийн өмнөх насны цэцэрлэгийн" 450 оролцогчид болно. Энэ бүгдээс харахад нийт оролцогчдын чадамжийн үнэлгээ, сургалтын хөтөлбөр дэх үнэлгээ, нас, бүсийн ангилалт, нийтлэг болон хувь шинж чанар, ижил төсөөтэй байдал үнэлгээнүүдийг гарган харж болохоор байна. Боловсролын мэдээллийн сан, сургалтын системд машин сургалтын арга, аргачлал ашиглах нь сургалтын чанар, оролцогчдын чадамж үнэлэх, нас болон бүсийн ангилалт, харьцуулалт хийн гаргаж байна. Иймд багш, сурган хүмүүжүүлэгч болон бодлого зохицуулагч нарт ажлын үнэлгээ, тайлан гаргахад ач холбогдолтой юм.
Таталтын тоо
Ашигласан материал
Constantin, 2. #. (2021. 28). Distributing participation int design: Addressing challenges of a global pandemic. Int J Child Computer Interact, p. 100255.
Documentation, R. (2020). HCPC: Hierarchical Clustering on Principle Components (HCPC).
Giannakos, M. (. (2022). Learning Technology and Child – Computer Interaction. In Experimental Studies in Learning Technology and Child – Computer Interaction . Cham: Springer International Publishing, (pp. 7-14).
Giovanni Troiano. (2019). Is My Game OK Dr. Scratch?: Exploring Programming and Computational Thinking Development via Metrics in Students – Designed Serious Games for STEM. . The Interaction Design and Children, DOI:10.1145/3311927.3323152.
Haiyan Bai, X. L. (2022). Machine Learning Method for High Dimensional Education Data. Journal of Methods and Measurement in the Social Sciences, Vol. 13, No.1, 1-14,.
Han, J. K. (2011). Data mining: concepts and techniques. S.-S. t. f. h.-t. d. analysis. . Retrieved from HCPC - Hierarchical Clustering on Principal Components .
Jing Yang, Z. W. (2022). Interface Design Evaluation of Educational APP for Pre-School Children Based on Analytic Hierarchy Process. DOI: 10.54941/ahfe1001724.
Jing Zhang. (2025). Machine Learning Based Big Data Analytics for Education in Curriculum Reforms,. Applied Mathematics and Nonlinear Sciences 10(1),, DOI:10.2478/amns-2025-0135.
John F. Pane. (2002). A Programming System for Children that is Designed for Usability.
Lukasz Kidzinski. (2015). A Tutorial on Machine Learning in Educational Science. The 2nd International Conference on Smart Learning Environments, (pp. DOI:10.1007/978-981-287-868-7_54).
Ministry of education and science. (2019). Preschool Curriculum and Recommendations for Implementation. UB, Mongolia.
N., A. (2020). Child–Computer Interaction in times of a pandemic. Christopher Frauenberger. , https://doi.org/10.1016/j.ijcci.2020.1002012212-8689.
Román – Gonzálezв. (2017). Which cognitive abilities underlie computational thinking? Criterion validity of the Computational Thinking Test. . Computers in Human Behavior 72(2):678–691, DOI:10.1016/j.chb.2016.08.047.
(n.d.). Retrieved from https://www.eec.mn .
Company, 8. (2021). Retrieved from https://www.eec.mn
Company, G. (2021). Retrieved from https://www.legalinfo.mn
Company, I. (2021). Unified legal information system. Retrieved from https://www.legalinfo.mn
