Використання нейромереж у розпізнаванні та діагностиці навчальних здібностей здобувачів освіти

Анотація

Штучний інтелект вже не є новинкою в усіх сферах людської діяльності. Дослідження в цій галузі з кожним днем розширюються та дають нові знання про машинне навчання. З огляду на технологічний прогрес, на зміну штучному інтелекту приходять нейромережі. Вони вже давно вважаються важливим предметом, на якому слід зосередити зусилля викладачів, щоб забезпечити швидке та ефективне навчання. Актуальність роботи полягає у розкритті потенціалу нейромереж, що використовуються як інструмент аналізу для виявлення критичних аспектів, розпізнавання, діагностики, планування, модернізації та коригування і, зрештою, для покращення досвіду навчання. Можливості рекурентних нейронних мереж, зокрема мереж з довготривалою короткочасною пам’яттю (Long Short-Term Memory) в аналізі природної мови призвели до їх використання для вимірювання схожості навчальних матеріалів та для розпізнавання та діагностики навчальних здібностей здобувачів освіти. Отже, метою статті був розгляд використання штучного інтелекту, зокрема нейромереж, в освітній галузі. В роботі застосовано метод літературного огляду, який уможливив аналіз розвитку цифрового навчання та інструментів, опис технічних нюансів нейромереж, наведення прикладів ролі нейронних мереж у покращенні процесу навчання, аналізі навчальних даних та навчальній підтримці. Результати роботи розкрили методи аналізу траєкторій навчання, прогнозування результатів та навчальної продуктивності. В статті  також описані персоналізовані рекомендації навчальних шляхів за допомогою нейромереж. Крім того, результати дослідження показали, що нейромережі можуть бути ефективним інструментом для розпізнавання та діагностики навчальних здібностей здобувачів освіти. Висновок: з  поширенням глибших знань в цій галузі, нейромережі можуть в найближчому майбутньому отримати додаткові застосування для освіти. Підкреслено потенціал нейронних мереж для  розвитку освіти майбутнього. Нейромережі надають велику кількість різноманітних даних про навчальну поведінку здобувачів. Аналіз траєкторій навчання із імплікацією нейромереж дає уявлення, пов’язані з оптимізацією навчальних процесів, а також можливість прогнозування результатів і продуктивності.