Подход к формированию индивидуальных сценариев обучения на основе имитационного моделирования

Gespeichert in:
Bibliographische Detailangaben
Titel: Подход к формированию индивидуальных сценариев обучения на основе имитационного моделирования
Autoren: Gorokhov, A. V., Vlasova, N. A, Shirokova, K. N.
Verlagsinformationen: Российский государственный профессионально-педагогический университет, 2022.
Publikationsjahr: 2022
Schlagwörter: КАЧЕСТВО ОБРАЗОВАНИЯ, QUALITY OF EDUCATION, ИНДИВИДУАЛЬНАЯ ТРАЕКТОРИЯ ОБУЧЕНИЯ, COMPETENCE MODEL, КОМПЕТЕНТНОСТНАЯ МОДЕЛЬ, МУЛЬТИАГЕНТНАЯ МОДЕЛЬ, INDIVIDUAL LEARNING TRAJECTORY, MULTI-AGENT MODEL
Beschreibung: This paper is a continuation of our research in the field of synthesis of distance learning scenarios based on competency-based models of professional activity and the student. The development of the approach to the formation of training scenarios based on the reference competence model of professional activity is proposed [1]. To support the generation of individual scenarios (trajectories) of learning, a multi-agent model of the educational process is used. This approach makes it possible to obtain the best trajectories from the point of view of the accepted quality criteria by repeated simulation.
Работа является продолжением исследований в области синтеза сценариев дистанционного обучения на основе компетентностных моделей профессиональной деятельности и обучаемого. Предлагается развитие подхода формирования сценариев обучения на основе эталонной компетентностной модели профессиональной деятельности [1]. Для поддержки генерации индивидуальных сценариев (траекторий) обучения используется мультиагентная модель образовательного процесса. Такой подход позволяет путем многократной имитации получить наилучшие траектории с точки зрения принятых критериев качества.
Publikationsart: Article
Dateibeschreibung: application/pdf
Sprache: Russian
DOI: 10.17853/2587-6910-2022-06-23-26
Zugangs-URL: https://elar.rsvpu.ru/handle/123456789/42078
Dokumentencode: edsair.od......3377..b8f7f2503e334b19d07fb1ac36c28b2c
Datenbank: OpenAIRE