تقترح هذه الدراسة نموذجا قائما على الألعاب باستخدام شبكات بايزيان لتعزيز التعليم في الابتكار وريادة الأعمال، وتحسين تتبع المعرفة، وحماس التعلم، والقدرة على التكيف. تظهر النتائج دقة عالية (95.6٪) ونتائج أفضل مقارنة بطرق التدريس التقليدية.
يتطلب اشتراك JoVE لعرض هذا المحتوى. تسجيل الدخول أو ابدأ نسخة تجريبية مجانية
مقالة بحثية
تقترح هذه الدراسة نموذجا قائما على الألعاب باستخدام شبكات بايزيان لتعزيز التعليم في الابتكار وريادة الأعمال، وتحسين تتبع المعرفة، وحماس التعلم، والقدرة على التكيف. تظهر النتائج دقة عالية (95.6٪) ونتائج أفضل مقارنة بطرق التدريس التقليدية.
تغمر الألعاب التعليمية المتعلمين في بيئات موقفية لتعزيز التفاعل، مما يعالج الثغرات في مراقبة إتقان المعرفة والحفاظ على الحماس في دورات الابتكار وريادة الأعمال الجامعية. تبني هذه الدراسة آلية منطقية داخلية تربط التعليم الهندي بالسلوك، مستفيدة من شبكات بايزية (BN) للاستدلال الاحتمالي (PR) لتقييم إتقان المتعلمين في المعرفة. استنادا إلى أطر الألعاب التعليمية لتتبع هياكل المعرفة، يقترح نموذج لعبة لتجربة القرارات في التعليم الصناعي الجامعي معززا بخوارزمية تتبع المعرفة العميقة (DKT) المحسنة (تدمج تضمين الميزات وآليات الانتباه). تظهر النتائج أن درجة تعليم ريادة الأعمال ودقة التنبؤ للنموذج تصل إلى 95.6٪ (وهي الأعلى بين النماذج المختبرة)، حيث تظهر جميع عناصر مقياس التقييم تغطية معلوماتية قوية. متوسط درجات المؤشرات يتجاوز 4، مما يعكس تغذية راجعة فعالة. قدرة الطلاب على التكيف مع نموذج الألعاب أعلى بنسبة 2٪ إلى 11٪ مقارنة بالتدريس التقليدي. يقوم التقييم اللحظي المدمج بمواءمة أداء التعلم مع الأهداف التعليمية، مما يمكن من تعديل الاستراتيجية. تكمن قيمة التعليم الهندسي الصناعي في تعزيز الوعي الريادي والقدرة والرغبة في ريادة الأعمال، بينما تعزز وظيفته المهارات العملية مثل دمج الموارد. يحسن النموذج حماس التعلم والقدرة على التكيف والكفاءة، مقدما رؤى لتصميم التعليم التعليمي التعليمي المخصص للكلية.
يهدف التعليم في مجال الابتكار وريادة الأعمال (IE) إلى تنمية المواهب ذات المهارات الريادية والشخصيات الرائدة، مع التركيز على التدريب المرحلي للفكر الابتكاري والقدرات الريادية. ومع ذلك، يفتقر التعليم الحالي إلى الهندسة الصناعية إلى العملية والمناهج التفاعلية، حيث يعتمد بشكل كبير على النظرية ويهمل مهارات حل المشكلات العملية. يمكن للألعاب التعليمية - ذات التفاعل العالي ومحاكاة السيناريوهات - أن تسد هذه الفجوة من خلال تعزيز اتخاذ القرار والعمل الجماعي، مما يجعلها أداة واعدة للتعلم المخصصللتعلم الصناعي 1.
لتحسين كفاءة التدريس في الهندسة الصناعية، دمجت الدراسات السابقة الألعاب في الهندسة ال....
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
تمت الموافقة على هذه الدراسة من قبل لجنة أخلاقيات البحث البشري في جامعة شاوشينغ (رقم الموافقة) SU-2023-IE-058). قدم جميع المشاركين موافقة كتابية مستنيرة قبل جمع البيانات. أجريت التجربة وفقا لإعلان هلسنكي (2013).
تصميم الألعاب لتجربة اتخاذ القرار في تعليم الهندسة الصناعية لطلاب الجامعات
نفذ البحث شبكة بايزية (BN) لتقييم إتقان المتعلمين في الوقت الحقيقي. تم نمذجة كل نقطة معرفة كعقدة مع جداول احتمالية شرطية (CPTs) تحدد التبعيات. وقد خدمت بيانات أداء الطلاب من تفاعلات الألعاب كدليل على الاستدلال الاحتمالي باستخدام مكتبة pgmpy (v0.1.20، بايثون 3.9.7). تم استخدام خوارز....
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
استند التجربة إلى مقياس تقييم الألعاب التعليمية لكارين وهودود، وتم تنظيم أبعاد التقييم والعناصر المناسبة واختيارها للتعديل. يتميز مقياس كارين وهودجود بسلطة عالية وقابلية تطبيق في مجال الألعاب التعليمية، حيث يشمل عدة أبعاد رئيسية للألعاب التعليمية، مثل أسلوب اللعب، والتربية، والتفاعلية، وغيرها. من خلال إدخال وتكييف هذا المقياس، يمكنه تقييم أداء نموذج تجربة القرار التعليمية IE المصمم لطلاب الجامعات بشكل أكثر شمولا ودقة، كما هو موضح في28. علاوة على ذلك، من خلال تحليل.......
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
يعتمد نجاح نموذج تجربة القرار في IE الجامعية على خطوات البروتوكول الحيوية، لا سيما دمج منطق BN لتشخيص المعرفة في الوقت الحقيقي ونموذج تتبع المعرفة العميق المحسن (DKT-FA) في تضمين الميزات ونماذج التتبع العميق (AMs). وقد ضمن تهيئة CPT الدقيق من BN المستند إلى مقابلات الخبراء ومحدثا تدريجيا ببيانات سلوك الطلاب تحديد روابط المعرفة الضعيفة بدقة، بينما أدى تضمين محاولات الإجابة وتكرار طلب المساعدة كميزات إلى تعزيز دقة المدخلات، مما رفع دقة التنبؤ مباشرة إلى 95.6٪. يمكن لحل المشكلات المحتملة، م.......
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
لا توجد مصالح مالية متنافسة في هذه الورقة.
يدعم البحث: دورة الدراسات العليا "الخطة الخمسية الرابعة عشر" لمقاطعة تشجيانغ، دورة الدراسات العليا في العرض الأيديولوجي والسياسة "القيادة والفن والاتصال الإداري" (بموجب منحة رقم 181)؛ صندوق العلوم الإنسانية والاجتماعية التابع لوزارة التعليم (بموجب منحة رقم 23YJC630256).
....الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
| الاسم | الشركة | رقم فهرسي | التعليقات |
|---|---|---|---|
| آدم | مدمج في TensorFlow 2.8.0 | معدل التعلم 0.001 | |
| الثنائية المتقاطعة | مدمج في TensorFlow 2.8.0 | المعايير الافتراضية | |
| C# | النسخة الافتراضية من Unity 2021.3.8f1 | تم استدعاؤه عبر واجهة برمجة تطبيقات Unity C# | |
| كودا | 11.2 | وهو متوافق مع TensorFlow 2.8.0 | |
| شجرة المفصل (JT) | تم تنفيذ PGMPY 0.1.20 | moralize=تثليث دقيق، حدي-ملء | |
| ليبل إنكودر | مدمج في scikit-learn 1.0.2 | مشارك مع scikit-learn | |
| ModelCheckpoint | استدعاء TensorFlow 2.8.0 | استنادا إلى مجموعة التحقق AUC | |
| نومباي | غير محدد (أحدث إصدار مستقر مقبول) | بيئة بايثون 3.9.7 | |
| الباندا | غير محدد (أحدث إصدار مستقر مقبول) | بيئة بايثون 3.9.7 | |
| PGMPY | 0.1.20 | بيئة بايثون 3.9.7 | |
| بايثون | 3.9.7 | بيئة تشغيل خلفية موحدة | |
| سكيكيت-لرن | 1.0.2 | RRID: SCR_002577 | |
| SPSS | 25 | RRID: SCR_002815 | |
| تنسور فلو | 2.8.0 | يتطلب إصدار بطاقة الرسوميات دعم CUDA 11.2 | |
| الوحدة | 2021.3.8 f1 | RRID: SCR_018230 |
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.