| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Datorsistēmas |
| Nosaukums |
Adaptīvo zināšanu novērtēšanas metožu analīze e-apmācību sistēmās |
| Nosaukums angļu valodā |
Analysis of Adaptive Knowledge Assessment Methods in e-Learning Systems |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Aleksejs Jurenoks |
| Recenzents |
Jānis Bicāns |
| Anotācija |
E-apmācību sistēmas kļūst arvien nozīmīgākas izglītībā, pateicoties tehnoloģiju attīstībai un pieaugošajai nepieciešamībai pēc personalizētas mācīšanās.
Šis darbs fokusējas uz adaptīvo zināšanu novērtēšanas metožu, tostarp elementu reakcijas teorijas (IRT) un Beijesa zināšanu izsekošanas (BKT), analīzi, lai uzlabotu mācību procesa efektivitāti un individuālo mācīšanās procesu. Darba mērķis ir izpētīt un novērtēt IRT un BKT efektivitāti un pielietojamību e-apmācību sistēmās. Tika veikts teorētiskais apskats par adaptīvajām metodēm, analizēti modeļu matemātiskie pamati un realizācijas principi. Praktiskajā daļā Moodle platformā izveidots kurss, kurā 90 dalībnieki, sadalīti trīs grupās, veica testus, izmantojot IRT, BKT vai standarta testus. Eksperimenta rezultāti parādīja, ka IRT ir efektīvāka laika ekonomijas ziņā, savukārt BKT nodrošina augstāku gala sekmju līmeni. Abas metodes tika augsti novērtētas dalībnieku ērtības un motivācijas aspektā, uzsverot personalizācijas nozīmi.
Darbs sniedz ieteikumus par modeļu pielietojumu atkarībā no mācību konteksta un piedāvā virzienus turpmākiem pētījumiem.
Darba apjoms: 58 lappuses, 7 tabulas, 9 formulas un 53 izmantotie informācijas avoti. |
| Atslēgas vārdi |
adaptīvā zināšanu novērtēšana, e-apmācība, IRT, BKT |
| Atslēgas vārdi angļu valodā |
adaptive knowledge assessment, e-learning, IRT, BKT |
| Valoda |
lv |
| Gads |
2025 |
| Darba augšupielādes datums un laiks |
28.05.2025 00:10:15 |
