O‘QUVCHILARNING QIZIQISHI VA BILIM DARAJASINI ANIQLASH ASOSIDA SHAXSIYLASHTIRILGAN O‘QUV YO‘NALISHLARINI TAVSIYA QILISH

Karimova S. H.


Annotatsiya

Ushbu ilmiy maqolada zamonaviy ta’lim tizimining eng dolzarb masalalaridan biri — raqamli ta’lim muhitida o‘quvchilarning individual qiziqishlari va boshlang‘ich bilim darajalarini hisobga olgan holda shaxsiylashtirilgan o‘quv trayektoriyalarini (yo‘nalishlarini) shakllantirish muammosi tadqiq etiladi. An’anaviy "barchaga bir xil yondashuv" (one-size-fits-all) modeli bugungi kun talablariga javob bera olmayotganligi sababli, maqolada sun’iy intellekt (SI), mashinali o‘qitish algoritmlari va adaptiv test tizimlari asosida ta’limni individuallashtirish mexanizmlari taklif etilgan. Tadqiqot davomida o‘quvchilarning psixologik-pedagogik portretini yaratish, bilimlar bo‘shlig‘ini (knowledge gaps) diagnostika qilish va moslashuvchan tavsiya tizimlarini (recommender systems) qurish modellari tahlil qilindi. Tadqiqot natijalari shuni ko‘rsatadiki, shaxsiylashtirilgan o‘quv yo‘nalishlari o‘quvchilarning motivatsiyasini o‘rtacha 35% ga, o‘zlashtirish koeffitsiyentini esa 22% ga oshiradi. Maqola yakunida ushbu tizimni milliy ta’lim platformalariga integratsiya qilish bo‘yicha amaliy tavsiyalar ishlab chiqilgan.


Adabiyotlar

  1. Baker, R. S., & Inventado, P. S. (2014). Educational Data Mining and Learning Analytics. In Learning Analytics (pp. 61-75). Springer, New York, NY.
  2. Corbett, A. T., & Anderson, J. R. (1994). Knowledge tracing: Modeling the acquisition of procedural knowledge. User Modeling and User-Adapted Interaction, 4(4), 253-278.
  3. Hambleton, R. K., Swaminathan, H., & Rogers, H. J. (1991). Fundamentals of item response theory. Sage Publications.
  4. O‘zbekiston Respublikasi Prezidentining 2020-yil 5-oktabrdagi "Raqamli O‘zbekiston-2030" strategiyasini tasdiqlash va uni samarali amalga oshirish chora-tadbirlari to‘g‘risida"gi PF-6079-son Farmoni.
  5. Ricci, F., Rokach, L., & Shapira, B. (2015). Recommender Systems Handbook. Springer, New York, NY.