Analysis and Classification of Factors Contributing to Personalization in E-learning

გიორგი თანდილაშვილი; დავით კაპანაძე; თალიკო ჟვანია; მზია კიკნაძე

doi:10.52340/gs.2024.06.01.12

2.5 სოციალური მეცნიერებები

პერსონალიზებული ელ. სწავლებაზე მოქმედი ფაქტორების ანალიზი და კლასიფიკაცია

https://doi.org/10.52340/gs.2024.06.01.12

ავტორები

გიორგი თანდილაშვილი საქართველოს ტექნიკური უნივერსიტეტი, Georgia
დავით კაპანაძე საქართველოს ტექნიკური უნივერსიტეტი, Georgia
თალიკო ჟვანია საქართველოს ტექნიკური უნივერსიტეტი, Georgia
მზია კიკნაძე საქართველოს ტექნიკური უნივერსიტეტი, Georgia

ანოტაცია
როგორ უნდა ციტირება
Metrics
წყაროები
ლიცენზია

ციფრული ტექნოლოგიების მიერ განხორციელებულმა ტრანსფორმაციამ მნიშვნელოვნად შეცვალა განათლების სფერო, წარმოშვა ინოვაციური მიდგომები, როგორიცაა ელექტრონული სწავლება, რომელიც სცილდება ტრადიციული განათლების ჩვეულ საზღვრებს. ელექტრონული სწავლების ერთ-ერთი განმსაზღვრელი მახასიათებელია პერსონალიზაციის კონცეფცია, რომლის დროსაც სასწავლო მიდგომები და შინაარსი დინამიურად ადაპტირდება ინდივიდუალური მოსწავლის უნიკალურ საჭიროებებსა და პრეფერენციებზე. ნაშრომში მოცემულ კვლევაში წარმოდგენილია კლასიფიცირებული ელექტრონული სწავლების პროცესში პერსონალიზაციის შესაძლებლობები. შემუშავებული კლასიფიკაცია მოიცავს ადაპტური სასწავლო ობიექტების შექმნისა და მიწოდების ფაქტორებს, მოსწავლეზე ორიენტირებული სწავლების მეთოდების გამოყენებას და ინდივიდუალურ მოსწავლის მონაცემებზე დაფუძნებულ პერსონალიზაციას. ეს კლასიფიკაციის სტრუქტურა იძლევა პერსონალიზებული სწავლის პრაქტიკული მოდელების შემუშავების საშუალებას სწავლის მართვის თანამედროვე სისტემების (LMS) მახასიათებლების გამოყენებით, რაც ხელშესახებ სარგებელს სთავაზობს როგორც მოსწავლეებს, ასევე მასწავლებლებს. ეს კვლევა ასევე აძლიერებს აკადემიურ გარემოს, სადაც კარგად არის ორგანიზებული სასწავლო პროცესის სტრუქტურა და რომელიც ასახავს პერსონალიზაციის მრავალფეროვან ფაქტორებს ელექტრონული სწავლების კონტექსტში. სხვადასხვა ფაქტორების კლასიფიკაციითა და განხილვით, კვლევა აჩვენებს თანამედროვე ტექნოლოგიების ინტეგრირების პერსპექტივას პერსონალიზებული საგანმანათლებლო გამოცდილების გაღრმავებაში.

თანდილაშვილი გ., კაპანაძე დ., ჟვანია თ., & კიკნაძე მ. (2024). პერსონალიზებული ელ. სწავლებაზე მოქმედი ფაქტორების ანალიზი და კლასიფიკაცია . ქართველი მეცნიერები, 6(1), 95–102. https://doi.org/10.52340/gs.2024.06.01.12

ჩამოტვირთეთ ციტირება

A. John Martin, M. Maria Dominic and F. Sagayaraj Francis, “Learners Classification for Personalized Learning Experience in e-Learning Systems” International Journal of Advanced Computer Science and Applications (IJACSA), 12(4), 2021. http://dx.doi.org/10.14569/IJACSA.2021.0120485

Akhras, N, F, and Self, A, J, “Modeling the Process, not the Product of Learning” 2020, Computer as Cognitive Tools – No More Walls, pp 3- 28, 2000.

Beesuda Daoruang, Charun Sanrach, The Learning Material Classified Model Using VARK Learning Style, The Impact of the 4th Industrial Revolution on Engineering Education (pp.505-513), March 2020.

Tamar Bitchikashvili, Liliy Petriashvili, and Luka Kavtelishvili Jang. 2023. “DIGITALIZATION OF MANAGEMENT OF A HIGHER EDUCATIONAL INSTITUTION, NATIONAL AND INTERNATIONAL CHALLENGES AND WAYS OF SOLUTION”. World Science, no. 3(81) (September). https://doi.org/10.31435/rsglobal_ws/30092023/8032

Bruner JS. (1967). Towards a Theory of Instruction, Cambridge: Harvard University Press. Retrieved from http://www.hup.harvard.edu/catalog.php?isbn=9780674897014.

https://tech.ed.gov/files/2017/01/NETP17.pdf (Last check 30.01.2024)

Nona Otkhozoria, Lily Petriashvili, Ani Kudukhashvili, and Nino Kakhurashvili. 2023. “COMPARATIVE ANALYSIS OF COMPLEX INFORMATION SYSTEM TESTING METHODS”. World Science, no. 4(82) (November). https://doi.org/10.31435/rsglobal_ws/30122023/8076

George, T., Taliko, Z., & David, K. (2024, January). E-LEARNING PERSONALIZATION MODELS. In The 2nd International scientific and practical conference “Innovations in education: prospects and challenges of today”(January 16-19, 2024) Sofia, Bulgaria. International Science Group. 2024. 389 p. (p. 335).