| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Datorsistēmas |
| Nosaukums |
Adaptīvo algoritmu analīze studiju procesa personalizācijas kontekstā |
| Nosaukums angļu valodā |
Analysis of adaptive algorithms in the context of study process personalization |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Natālija Prokofjeva |
| Recenzents |
Egons Lavendelis |
| Anotācija |
Adaptīvās mācību sistēmas ir paradigmas maiņa izglītībā, kuras mērķis ir pielāgot mācību individuālām izglītojamo vajadzībām, vienlaikus uzlabojot iesaistīšanos un mācīšanās rezultātus. Šajā darbā ir apskatīta adaptīvu algoritmu ieviešana un efektivitāte studiju procesu personalizēšanai informācijas tehnoloģiju - kontekstā. Darbs salīdzina tradicionālās fiksētā satura pieejas ar dinamiskajiem personalizācijas algoritmiem, lai noteiktu, vai adaptīvās mācību sistēmas var uzlabot izglītības rezultātus, un aplūko dažādus personalizācijas algoritmu veidus un novērtējot to skaitļošanas sarežģītību, tehniskās realizācijas prasības un piemērotus lietošanas gadījumus. Darbā analizēti kritiskie izglītības tehnoloģiju integrācijas panākumu faktori, gūstot atziņas no veiksmīgām starptautiskām ieviešanām, piemēram, Dienvidkorejas pielāgotais - personalizētais studiju process. Darba eksperimentālajā daļā ir izstrādātas un testētas divas atsevišķas lietojumprogrammas: tradicionāla novērtēšanas programma ar fiksētu, lineāru arhitektūru un personalizēta sistēma ar dinamisku grūtības pielāgošanu, balstoties uz lietotāja sniegumu. Personalizētajā ieviešanā izmantoti pastiprināšanas mācīšanās principi jautājumu sarežģītības pielāgošanai, ieviests kontekstuāls padomu mehānisms un veikta snieguma rādītāju izsekošana, lai pielāgotu lietotāja pieredzi. Eksperimentālo rezultātu salīdzinošā analīze parāda ievērojamas personalizētās pieejas priekšrocības, un konstatējumi atbalsta ideju, ka adaptīvie algoritmi var būtiski uzlabot mācību pieredzi, nodrošinot optimāli izaicinošu saturu. Darbā tiek izstrādātas vadlīnijas algoritmu turpmākai optimizācijai, izmantojot mašīnmācīšanās modeļu pilnveidošanu, reāllaika algoritmu uzlabojumus, lietotāju segmentācijas stratēģijas un XAI (Explainable AI) pieejas. Arī tiek izklāstīts ietvars personalizācijas algoritmu izvēlei un īstenošanai izglītības informācijas sistēmās, uzsverot infrastruktūras novērtēšanu, datu kvalitātes izvērtēšanu, arhitektūras apsvērumus, integrācijas standartus, iteratīvo izstrādi un uzturēšanas stratēģijas. |
| Atslēgas vārdi |
adaptīvie algoritmi, personalizēta mācīšanās, vienuma atbildes teorija, datorizētā adaptīvā testēšana |
| Atslēgas vārdi angļu valodā |
adaptive algorithms, personalized learning, item response theory, computer-based adaptive testing |
| Valoda |
lv |
| Gads |
2025 |
| Darba augšupielādes datums un laiks |
27.05.2025 23:33:29 |
