Максим Усов. Лекция «Адаптивное обучение математике с использованием машинного обучения» скачать в хорошем качестве

Максим Усов. Лекция «Адаптивное обучение математике с использованием машинного обучения»

Основатель компании ENBISYS, руководитель департамента исследований в сквозных технологиях и машинном обучении, разработчик и преподаватель дисциплины «Машинное обучение» в Томском государственном университете Максим Усов выступил с лекцией «Адаптивное обучение математике с использованием машинного обучения. Перспективы и технологии адаптивного обучения будущего». Он рассказал об основных тенденциях, которые произошли в процессе получения знаний у школьников и студентов. «Если нынешние студенты еще способны получать знания запросом в интернет – то есть „загуглить“, то нынешние школьники возрасте 10-12 лет отказались от этого. Они отправляют поисковый запрос в чат друзей и тем самым становятся менее самостоятельными в принятии решений. И, конечно же, перенесут эту особенность на обучение в вузе. Наблюдается расстройство внимания и недостаточность погружения в тему. Студент уже не может, как 10-15 лет назад, прийти домой и уделить занятиям два часа. С учетом этой тенденции применение адаптивных технологий становится особенно актуальным. «Особенность адаптивных технологий в образовании заключается в том, что новый контент подается маленькими дозированными порциями, которые можно усвоить за 15-20 минут. Надо закрепить навык и прерваться. А потом вернуться. Почитал выполнил задание, закрепил знание. Таким образом, ученик добивается микропобед. И каждой микропобедой ему надо поделиться, сообщить друзьям», – привел пример визионер. Само обучение меняется, становится: ➡ индивидуализировано, то есть адапативно. Учитывает возможности и компетенции каждого ученика; ➡ гранулировано. Новые знания предлагаются в формате микроконтента; ➡ социализировано; ➡ непрерывно. «Индивидуальный контент для обучающегося обеспечивается за счет использования умного алгоритма. Его задача в системе адаптивного обучения – распознать профиль ученика, исключить эмоциональные факторы и выбрать его траекторию. На каждом шаге обучения алгоритм с учетом успехов ученика должен выбрать оптимальный следующий шаг (какое-то более сложное упражнение или теорию). Нейросеть распознает профиль ученика по его цифровому следу и оценивает вероятность: решит ученик упражнение или не решит. Если уровень вероятности 70–75%, значит, ученик скорее всего решит и научится новому, если приложит усилия. А фрагменты теоретического материала становятся мостиком между упражнениями. Их можно вставлять в цепочку заданий и тем самым формировать оптимальную траекторию обучения», – пояснил Максим Усов. #Остров1022 #Edu2035 #ВизионерыОстрова