Oʻzbekcha
RAQAMLI TEXNOLOGIYALAR VA SUN’IY INTELLEKT ASOSIDA TALABALAR OʻQUV FAOLIYATINI MODELLASHTIRISH
Jurnal
Sun'iy intellektni pedagogik ta'limga tadbiq etishning ustivor yo'nalishlari
Nashr
Sun'iy intellektni pedagogik ta'limga tadbiq etishning ustivor yo'nalishlari
Annotatsiya
Mazkur maqolada zamonaviy raqamli texnologiyalar va sun’iy intellekt asosida talabalar o‘quv faoliyatini modellashtirish masalalari kompleks yondashuv asosida tahlil qilinadi. Tadqiqotda pedagogik dasturiy ta’minotning (PDT) evolyutsiyasi, uning raqamli ta’lim muhitidagi o‘rni hamda learning analytics, adaptive learning va sun’iy intellekt texnologiyalari bilan integratsiyasi ko‘rib chiqiladi. Shuningdek, talabalar o‘quv faoliyatining matematik modeli taklif etilib, u orqali ta’lim samaradorligini baholash imkoniyati asoslab beriladi. Tadqiqot natijalari raqamli ta’lim tizimlarida individual o‘quv trayektoriyalarini shakllantirish va ta’lim sifatini oshirishga xizmat qiladi.
Kalit so‘zlar
raqamli ta’lim
sun’iy intellekt
pedagogik dasturiy ta’minot
learning analytics
o‘quv faoliyati modeli
adaptive learning
Русский
В данной статье рассматривается моделирование учебной деятельности студентов на основе цифровых технологий и искусственного интеллекта. Исследование анализирует эволюцию педагогического программного обеспечения и его интеграцию с современными цифровыми образовательными средами, включая аналитику обучения и адаптивные системы обучения. Предложена математическая модель учебной деятельности студентов для оценки эффективности образования. Результаты способствуют улучшению персонализированных траекторий обучения и повышению качества образования в цифровой среде.
адаптивное обучение
аналитика обучения
искусственный интеллект
цифровое образование
образовательное программное обеспечение
моделирование студентов
English
This article explores the modeling of students’ learning activities based on digital technologies and artificial intelligence. The study examines the evolution of pedagogical software and its integration with modern digital learning environments, including learning analytics and adaptive learning systems. A mathematical model of student learning activity is proposed to evaluate educational effectiveness. The results contribute to improving personalized learning trajectories and enhancing the quality of education in digital environments.
adaptive learning
artificial intelligence
digital education
learning analytics
educational software
student modeling
1. Чернилевский Д.В. Понятие учебного программного обеспечения и его роль в образовании // Педагогическая информатика. – Москва: Наука, 2005. – С. 47-52.
2. Роберт И.В. Использование информационных технологий в учебном процессе // Информатика и образовательные технологии. – Москва: Академия, 2003. – С. 112-118.
3. Машбиц Е.И. Компьютерные обучающие системы и их дидактические возможности // Современные образовательные технологии. – Москва: Просвещение, 2001. – С. 65-72.
4. Wellington J. Classification of Educational Technologies and Their Application Possibilities // Education & Computing. – London: Springer, 1995. – P. 23-30.
5. Гершунский Б.С. Перспективы развития педагогического программного обеспечения // Цифровые технологии в образовании. – Санкт-Петербург: Питер, 2008. – С. 89-95.
6. Siemens G. Learning Analytics: The Emergence of a Discipline // American Behavioral Scientist. – 2013. – Vol. 57(10). – P. 1380-1400.
7. Holmes W., Bialik M., Fadel C. Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. – Boston: Center for Curriculum Redesign, 2019. – P. 45-78.
8. Luckin R. Machine Learning and Human Intelligence: The Future of Education for the 21st Century. – London: UCL Institute of Education Press, 2018. – P. 101-135.
9. OECD. Digital Education Outlook 2021: Pushing the Frontiers with Artificial Intelligence, Blockchain and Robots. – Paris: OECD Publishing, 2021. – P. 56-92.
10. Alavi M., Leidner D.E. Review: Knowledge Management and Knowledge Management Systems: Conceptual Foundations and Research Issues // MIS Quarterly. – 2001. – Vol. 25(1). – P. 107-136.