Побудова статистичних моделей на прикладі методу головних компонент (PCA – Principal Component Analysis) у педагогічних дослідженнях із використанням штучного інтелекту (CHATGPT3.5)
Особливості використання ChatGPT як інструментарію для проведення статистичного аналізу, побудови та візуалізації моделей у педагогічних дослідженнях. Його застосування для отримання статистичних результатів досліджень, зменшення розмірності даних.
| Рубрика | Педагогика |
| Вид | статья |
| Язык | украинский |
| Дата добавления | 16.09.2024 |
| Размер файла | 34,6 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
Размещено на http://www.allbest.ru/
Комунальний заклад «Запорізький обласний інститут післядипломної педагогічної освіти» Запорізької обласної ради
Побудова статистичних моделей на прикладі методу головних компонент (PCA - Principal Component Analysis) у педагогічних дослідженнях із використанням штучного інтелекту (CHATGPT3.5)
Дмитро Фролов,
кандидат сільськогосподарських наук, доцент кафедри дидактики та методик навчання природничо-математичних дисциплін
м. Запоріжжя
Анотація
У статті наведений аналіз можливостей побудови статистичних моделей у педагогічних дослідженнях з використанням штучного інтелекту (ChatGPT3.5). Для побудови статистичних моделей автор наводить частину даних моніторингового дослідження: визначення стану STEM-освіти у Запорізькій області. Числові відповіді в анкетах, зібраних за допомогою GoogleForms, відображають бальну оцінку від 1 до 5, за Р Лайкертом. Для візуалізації отриманого коду Pythonбуло використано середовище Colaboratory. Віковий розподіл для досліджень був такий: молоді вчителі до 50 років, учителі середнього віку (51-60), учителі старшого віку - понад 60 років.
Використання як інструментарію ChatGPTдля проведення статистичного аналізу, побудови та візуалізації моделей у педагогічних дослідженнях є доцільним, оскільки під час спілкування із ChatGPTрозширюється розуміння досліджуваної проблеми та відбувається процес навчання й розвитку самого дослідника-педагога. Встановлено також, що ChatGPTможна використовувати не тільки для отримання різних статистичних результатів досліджень, зменшення розмірності даних і візуалізації отриманих даних, що покращує зорове сприйняття отриманих даних під час проведення аналізу й інтерпретації результатів різних досліджень.
За результатами методу головних компонент установлено, що в розподілі в першій компоненті вік відіграє головну роль, а у другій компоненті - STEM, група молодих учителів має більшу схильність до STEM-освіти. Учителі середнього віку також мають хист до STEM-освіти, хоча, можливо, менший, ніж у молодших. Учителі старшого віку не проявляють такого великого інтересу до STEM-освіти, як досліджувані молодшої та середньої вікових групам.
Ключові слова: штучний інтелект, статистична модель, метод головних компонент, моніторинг, дослідження, STEM-освіта, вікові групи.
Abstract
Building statistical models on the example of the Principal Component Analysis (Pca) method in pedagogical research using artificial intelligence (ChatGPT 3.5)
DmytroFrolov
Candidate of Agricultural Sciences at the Department of Didactics and Methods of Teaching Natural and
Mathematical Disciplines
Municipal! nstitution «Zaporizhzhia Regional Institute of the Postgraduate Pedagogic Education» of Zaporizhzhia
Regional Council, Zaporizhzhia,
The purpose of this paper is to analyze the possibilities of building statistical models in pedagogical research using artificial intelligence (ChatGPT 3.5). The methodology involves analyzing a part of the data from the monitoring study of the situation with STEM education in Zaporizhzhia region. The numerical answers in the questionnaires collected using Google Forms reflect a score from 1 to 5, according to R. Likert, where 1 - completely disagree; 2 - disagree; 3 - somewhere in the middle; 4 - agree; 5 - completely agree. The Colaboratory environment was used to visualize the resulting Python code. The age distribution for the study was as follows: young teachers under 50, middle-aged teachers 51-60, and older teachers over 60. Findings. In Zaporizhzhia Regional Institute of Postgraduate Pedagogical Education, the following results of the principal components method were obtained in the course of research on determining the state of STEM education. In the case when age plays a major role in the first component and STEM in the second component, it means that the first component reflects the dependence on age, and the second component reflects the dependence on the degree of interest in STEM education. Such a distribution of components allows us to build a graph on which we can analyze the impact of age and interest in STEM education on the distribution in the data set. Thus, according to the graph, it can be concluded that the group of young teachers has a greater inclination towards STEM education. Middle-aged teachers also have some influence on STEM education, although perhaps less than younger teachers. Older teachers do not show as much interest in STEM education compared to younger and middle - aged teachers. In addition, recommendations and guidelines are provided. Originality. The article provides indicative examples of the use of artificial intelligence and examples of processing pedagogical research to obtain various statistical models and their further analysis. The practical value of the article is to reflect the role of artificial intelligence in building statistical models in pedagogical research and visualizing the data obtained. Conclusions. The use of ChatGPT as a tool for statistical analysis and model building and visualization in pedagogical research is not only possible, but in our opinion, it is also appropriate. Communication with ChatGPT expands the understanding of the problem under study and the process of learning and development of the researcher-pedagogue. However, it should be noted that ChatGPT requires several cycles of code processing to obtain the final product: downloading data, obtaining different code variants, combining them, and using various additional environments to display the Python programming language. In addition, it should be noted that the resulting code is not always working, contains even syntax errors, and it is recommended to constantly direct ChatGPT to obtain the desired end result.
It has also been found that ChatGPT can be used not only to obtain various statistical results of research but also to visualize the data obtained, which in turn improves the visual perception of the data obtained when analyzing and interpreting the results of various studies.
Key words: artificial intelligence, statistical model, method of principal components, monitoring, research, STEM education, age distribution.
Основна частина
Актуальність роботи. Штучний інтелект (далі - ШІ) і машинне навчання все частіше використовуються для аналізу поведінки людини з метою автоматичного передбачення побажань користувачів і часу, коли їм це потрібно (існують спеціальні додатки, які полегшують, наприклад, замовлення продовольчих товарів, перегляд фільмів і прослуховування музики тощо). Окрім цього, штучний інтелект і машинне навчання мають широкий попит використання в різних сферах промисловості (так, український стартап, виведений у промислове впровадження компанією «SoftElegance» (Київ), робить прогнозування споживання електроенергії з точністю 98%; робото - технічні комплекси в галузі зварювання компанії «Triada-Welding» (Запоріжжя). На основі проведеного І.Г. Яненковою огляду джерел інформації, виявлення особливостей штучного інтелекту й узагальнення наявних його тлумачень, пропонується визначати поняття «штучний інтелект» як «здатність автоматичних систем здобувати, використовувати, обробляти та створювати нове знання» [1]. Одним з окремих напрямів використання ШІ є аналіз даних і опрацювання великих масивів даних (BigData).
У педагогіці та психології, як зазначає С.У Гончаренко, для систематизації й аналізу отриманих даних використовуються методи математичного та статистичного аналізу з метою обґрунтування об'єктивних висновків. Методи математичної статистики міцно увійшли в педагогіку тоді, коли вона почала активно застосовувати педагогічний експеримент як метод наукового дослідження, де вимірюванням різних параметрів, чинників, ознак відводиться важлива роль [2, с. 201].
Педагогічні експерименти часто називають «нестрогими», маючи на увазі неоднозначність інтерпретації отриманих результатів. Для отримання результатів належного обґрунтування та необхідної статистичної обробки. І навпаки, коректне використання статистичних методів дозволяє сформулювати досить однозначні висновки. У цьому вбачається важливість статистичних методів як у дослідженнях педагогічного спрямування, так і у практичній діяльності педагогів [3, с. 10].
Автори О.В. Акімова, Н.В. Захарченко проаналізували низку авторефератів, дисертацій, статей та інших матеріалів педагогічних досліджень і акцентують увагу на тому, що деякі з них не є бездоганними з погляду організації експерименту, оброблення та представлення його результатів. Автори також наголошують, що обробляють дані й люди з гуманітарною освітою, яка не передбачає вивчення методів математичної статистики та можливостей їх реалізації за допомогою сучасних комп'ютерних засобів. Окрім цього, автори наголошують, що в молодих науковців не має формуватися ставлення до математичної обробки результатів дослідно-експериментальної роботи як до другорядного явища [4].
Статистичні методи, як-от описова статистика, теорія статистичного висновку та теорія планування експериментів, використовуються для оброблення даних і формування висновків на основі емпіричних даних. Використання цих методів і статистичних моделей допомагає зрозуміти процеси, що відбуваються в освіті та розвитку особистості, і вдосконалити методи навчання та виховання [5].
Прикладом статистичної моделі прогнозування є регресійний аналіз і канонічна кореляція, параметри яких перебувають під впливом неврахованих змінних. У кореляційних дослідженнях, що виявляють лише статистичні зв'язки, ставлять завдання спрогнозувати можливості вимірюваних педагогічних характеристик індивіда або групи [6].
Окрім цього, системні дослідження в медичній науці й освіті дуже часто ґрунтуються на даних зі значною кількістю ознак. Тому актуальною є проблема зменшення розмірності досліджуваних даних і водночас збереження даних із якомога більшою варіацією. Під зменшення розмірності зазвичай розуміють процес перетворення багатовимірних даних (у значенні великої кількості атрибутів) на простір із набагато меншим розміром. Із суто практичних причин (можливість легкої візуалізації) дані зазвичай зменшуються до двох або трьох вимірів. Варто зазначити, що галузь скорочення розмірності є дуже широкою, тут існує багато різних підходів, одним із яких є метод головних компонент (PCA) [7]. Метод головних компонент (далі - МГК; англ. Principalcomponentanalysis (далі - PCA)) - метод факторного аналізу у статистиці, який використовує ортогональне перетворення множини спостереженьіз можливо пов'язаними змінними (сутнос - тями, кожна з яких набуває різних числових значень) на множину змінних без лінійної кореляції, які називаються головними компонентами [8].
Отже, актуальність досліджуваної тематики дозволяє сформулювати подальшу мету даної роботи як проведення аналізу можливостей штучного інтелекту ChatGPT3.5 здійснювати статистичне оброблення отриманих даних різних педагогічних досліджень.
Матеріал і результати досліджень. Для апробації ChatGPT3.5 [9] було використано частину даних моніторингового дослідження визначення стану STEM-освіти у Запорізькій області. Для візуалізації отриманого коду використано середовище Colaboratory[10], числові відповіді в анкетах відображають бальну оцінку від 1 до 5, за Р. Лайкертом, де 1 - цілком не згоден; 2 - не згоден; 3 - десь посередині; 4 - згоден; 5 - цілком згоден [11].
Перший етап роботи розпочався із запиту про здатність ChatGPTпровести аналіз методу головних, за умови завантаження даних? Після отримання відповіді була завантажена таблиця даних відповідей анкет здійсненого дослідження (табл. 1).
У таблиці номер стовпчика відповідає питанню в анкеті:
1. Вік (повних років).
2. STEM-освіта впливає на зацікавленість здобувачів освіти процесом навчання?
3. Розвиток STEM-освіти впливає на комплексне пізнання здобувачами освіти природних процесів і явищ?
4. STEM-освіта впливає на розвиток загальних компетентностей у здобувачів освіти?
5. Запровадження окремого міжгалузевого інтегрованого курсу STEMпідвищить обізнаність здобувачів освіти у природничих предметах?
6. Розвиток STEM-освіти впливає на підвищення кількості тих, хто бажає отримати технічні й інженерні спеціальності?
7. Чи вважаєте Ви достатньою підтримку держави у сфері розвитку STEM-освіти свого регіону?
8. Чи вважаєте Ви достатньою підтримку держави у сфері розвитку дистанційної освіти у воєнний період? 9. Чи вважаєте Ви, що у воєнний період реформу НУШ потрібно було поставити на паузу? 10. Чи вважаєте Ви, що у воєнний період розвиток STEM-освіти потрібно згорнути, а зосередитись варто на розширеному викладанні базових дисциплін (фізика, біологія, хімія, географія)? 11. Чи вважаєте Ви, що STEM-освіту в сучасних умовах потрібно відокремити від школи, а її розвитком мають опікуватись позашкільні заклади (гуртки, секції, центри тощо)? 12. Чи вважаєте Ви, що виконання будь-яких STEM-проєктів у сучасних умовах можна розглядати як один із варіантів психологічної релаксації для дітей (дозволяють відволікатись від зовнішніх тривог, новин, негативних чинників тощо).
Таблиця 1. Завантажений до ChatGPT3.5 масив даних педагогічного дослідження
|
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
|
|
32 |
5 |
5 |
5 |
5 |
5 |
5 |
1 |
5 |
3 |
3 |
3 |
|
|
32 |
5 |
5 |
5 |
5 |
5 |
3 |
3 |
2 |
4 |
4 |
5 |
|
|
58 |
5 |
4 |
5 |
4 |
4 |
2 |
2 |
3 |
2 |
2 |
4 |
|
|
55 |
5 |
5 |
5 |
5 |
4 |
2 |
4 |
3 |
3 |
3 |
5 |
|
|
54 |
5 |
5 |
5 |
5 |
5 |
3 |
3 |
3 |
3 |
3 |
3 |
|
|
53 |
5 |
5 |
5 |
5 |
3 |
2 |
3 |
3 |
2 |
2 |
4 |
|
|
64 |
5 |
5 |
5 |
4 |
4 |
2 |
1 |
3 |
2 |
3 |
4 |
|
|
48 |
5 |
5 |
5 |
5 |
5 |
3 |
3 |
3 |
1 |
1 |
5 |
|
|
65 |
5 |
5 |
5 |
5 |
5 |
3 |
3 |
4 |
4 |
1 |
3 |
|
|
51 |
5 |
5 |
5 |
5 |
5 |
1 |
4 |
1 |
2 |
2 |
5 |
|
|
60 |
5 |
5 |
5 |
4 |
5 |
1 |
2 |
5 |
5 |
2 |
4 |
|
|
53 |
5 |
5 |
5 |
4 |
4 |
4 |
4 |
3 |
3 |
3 |
4 |
|
|
36 |
5 |
5 |
5 |
5 |
5 |
4 |
4 |
2 |
2 |
2 |
4 |
|
|
56 |
4 |
5 |
4 |
4 |
4 |
3 |
3 |
3 |
4 |
4 |
5 |
|
|
36 |
3 |
3 |
3 |
2 |
2 |
1 |
1 |
5 |
4 |
5 |
5 |
|
|
42 |
5 |
5 |
5 |
5 |
5 |
3 |
4 |
3 |
3 |
2 |
4 |
|
|
62 |
4 |
4 |
5 |
5 |
4 |
2 |
4 |
4 |
4 |
1 |
4 |
|
|
65 |
5 |
5 |
4 |
4 |
4 |
4 |
4 |
4 |
3 |
3 |
4 |
|
|
49 |
4 |
4 |
4 |
5 |
4 |
3 |
4 |
3 |
2 |
2 |
4 |
Після завантаження масиву даних до ChatGPTним було запропоновано створити масив даних мовою Pythonі наведено короткий код, після чого ми надали команду щодо написання програми для здійснення обрахунку методу головних компонент. Після кількох маніпуляцій отримали повідомлення про готовий код програми обрахунку (табл. 2).
Коли запропонував здійснити розрахунок і отримати готові результати, то отримав відповідь щодо неможливості відображення результатів програмного коду, для реалізації подальшого нашого проєкту потрібно відповідне середовище симуляції роботи коду мовою Python. На запит, чи може ChatGPTнадати посилання до таких середовищ роботи з кодом, була отримана негативна відповідь, проте надані назви середовищ, які можуть допомогти. Після декількох невдалих спроб із різними варіантами середовищ ми зупинилися на ресурсі Colaboratory. Після завантаження коду до Colaboratoryз'ясувалось, що ChatGPTробить навіть синтаксичні помилки.
Після повідомлення ChatGPTпро неправильний код ШІ перевірив і визнав, що має помилки, після чого надав останній варіант коду.
Тут варто зазначити, що під час роботи із ChatGPTкорисно ставити йому протилежні, сумнівні та суперечливі запитання, тоді результат виходить більш точним, тобто код програми вивірений і точніший.
Завантаження коду до Colaboratoryта його подальше опрацювання дозволили отримати такі результати: вигляд графіка перших двох компонент. Також на цьому етапі вносились додаткові правки в код для покращення візуалізації отриманих досліджень, наприклад щодо кольорової диференціації точок на графіку методу головних компонент.
На графіку відношення між віком і компонентоюSTEM-освіти відображено у вигляді розсіювання точок (рис. 1). Перша компонента (PrincipalComponent1) відповідає напряму з найбільшою дисперсією в даних після застосування аналізу головних компонент (PCA). Це означає, що ця компонента захоплює найбільший рівень зміни в наших даних.
З погляду візуалізації ми можемо побачити, як точки розсіюються вздовж першої компоненти. Що далі розташована точка від центра координат (0,0), то більше вона має вплив на визначення цієї компоненти. Отже, ми можемо оцінити, які вікові групи мають подібні або відмінні характеристики щодо STEM-освіти за першою компонентою.
Якщо точки однієї вікової групи утворюють групу або кластер поблизу одна одної на графіку, це може вказувати на схожість їхніх характеристик щодо STEM-освіти. І навпаки, якщо точки різних вікових груп розташовані далеко одна від одної, це може свідчити про відмінності стосовно STEM-освіти між цими групами.
Після проведеного аналізу розсіювань даних на графіку можна стверджувати, що за результатами методу головних компонент установлено такі закономірності розподілу даних. У розподілі в першій компоненті вік відіграє головну роль, а у другій компоненті - STEM-освіта, група молодих учителів має більшу схильність до STEM-освіти. Учителі середнього віку також мають хист до STEM-освіти, хоча, можливо, менший, ніж у молодших. Учителі старшого віку не проявляють великого інтересу до STEM-освіти порівняно з молодшими та середніми досліджуваними віковими групами.
штучний інтелект візуалізація статистичний
Таблиця 2. Робочий код для методу головних компонент
|
Сторінка 2 |
||
|
import numpy as np |
# Застосовуємо PCAіз двома компонентами |
|
|
import matplotlib.pyplot as plt |
pca= PCA (n_components=2) |
|
|
from sklearn.preprocessing import StandardScaler |
pca.fit (scaled data) |
|
|
from sklearn.decomposition import PCA |
transformed data = pca.transform (scaled data) |
|
|
# Дані |
# Визначаємо вікові групи |
|
|
data = np.array([ |
young age indices = [i for i, age in enumerate (data[:, 0]) if |
|
|
[32, 5, 5, 5, 5, 5, 5, 1, 5, 3, 3, 3], |
age < 50] |
|
|
[32, 5, 5, 5, 5, 5, 3, 3, 2, 4, 4, 5], |
middle age indices = [i for i, age in enumerate (data[:, 0]) |
|
|
[58, 5, 4, 5, 4, 4, 2, 2, 3, 2, 2, 4], |
if 50 <= age <= 60] |
|
|
[55, 5, 5, 5, 5, 4, 2, 4, 3, 3, 3, 5], |
old age indices = [i for i, age in enumerate (data[:, 0]) if |
|
|
[54, 5, 5, 5, 5, 5, 3, 3, 3, 3, 3, 3], |
age > 60] |
|
|
[53, 5, 5, 5, 5, 3, 2, 3, 3, 2, 2, 4], |
# Зображення нових ознак на графіку з різними |
|
|
[64, 5, 5, 5, 4, 4, 2, 1, 3, 2, 3, 4], |
кольорами для різних вікових груп |
|
|
[48, 5, 5, 5, 5, 5, 3, 3, 3, 1, 1, 5], |
plt.figure (figsize=(8, 6)) |
|
|
[65, 5, 5, 5, 5, 5, 3, 3, 4, 4, 1, 3], |
plt.scatter (transformed data [young age indices, |
|
|
[51, 5, 5, 5, 5, 5, 1, 4, 1, 2, 2, 5], |
0], transformed data [young age indices, 1], |
|
|
[60, 5, 5, 5, 4, 5, 1, 2, 5, 5, 2, 4], |
^Ьє^Молодший вік') |
|
|
[53, 5, 5, 5, 4, 4, 4, 4, 3, 3, 3, 4], |
plt.scatter (transformed data [middle age indices, 0], |
|
|
[36, 5, 5, 5, 5, 5, 4, 4, 2, 2, 2, 4], |
transformed data [middle age indices, 1], label-Середній |
|
|
[56, 4, 5, 4, 4, 4, 3, 3, 3, 4, 4, 5], |
вік') |
|
|
[36, 3, 3, 3, 2, 2, 1, 1, 5, 4, 5, 5], |
plt.scatter (transformed data [old age indices, 0], |
|
|
[42, 5, 5, 5, 5, 5, 3, 4, 3, 3, 2, 4], |
transformed data [old age indices, 1], label-Старший |
|
|
[62, 4, 4, 5, 5, 4, 2, 4, 4, 4, 1, 4], |
вік') |
|
|
[65, 5, 5, 4, 4, 4, 4, 4, 4, 3, 3, 4], |
plt.xlabel('Вік') |
|
|
[49, 4, 4, 4, 5, 4, 3, 4, 3, 2, 2, 4] |
plt.ylabelCСтем') |
|
|
]) |
plt.title ('Principal Component Analysis') |
|
|
# Стандартизуємо дані |
plt.legend() |
|
|
scaler= StandardScaler() |
plt.grid(True) |
|
|
scaled_data = scaler.fit_transform(data) |
plt.show() |
Висновки. Установлено, що молоді вчителі мають більшу схильність до STEM-освіти. Учителі середнього віку також мають хист до STEM - освіти, хоча, можливо, менший, ніж у молодших. Учителі старшого віку не проявляють великого інтересу до STEM-освіти порівняно з молодшими та середніми досліджуваними віковими групами.
Також з'ясовано, що ChatGPTможна використовувати не тільки для отримання різних статистичних результатів досліджень, зменшення розмірності даних та їх візуалізації, що покращує візуальне сприйняття отриманих даних під час проведення аналізу й інтерпретації результатів різних дослідженнях.
Використання як інструментарію ChatGPTдля проведення статистичного аналізу педагогічних досліджень є не тільки можливим, але, на нашу думку, і доцільним. Оскільки під час спілкування із ChatGPTрозширюється розуміння досліджуваної проблеми та відбувається процес навчання й розвитку самого дослідника-педагога. Але потрібно врахувати, що ChatGPTдля отримання кінцевого продукту потрібно кілька циклів опрацювання коду: завантаження даних, отримання різних варіантів коду, їх подальше поєднання та використання різноманітних додаткових середовищ для відображення мови програмування Python.
Перспективою подальших досліджень є вивчення спроможності ChatGPTпровести кластерний аналіз у педагогічних дослідженнях.
Література
1. Яненкова І.Г Переваги та ризики використання штучного інтелекту в Україні та світі. Ефективнаекономіка.2020. №4. DOI: 10.32702/2307-2105-2020.4.19.
2. Гончаренко С.У Педагогічні дослідження. Методологічні поради молодим науковцям. Київ; Вінниця: ДОВ «Вінниця», 2008. 278 с.
3. Руденко В.М. Математико-статистичніметоди в педагогічнихдослідженнях: навчальнийпосібник. Рівне: Волинськіобереги, 2012. 584 с.
4. Акімова О.В., Захарченко Н.В. Статистичніметоди в педагогічнихдослідженнях. Інноваційнапедагогіка. 2020. Vol. 1. №20. P. 68-71. https://doi. org/10.32843/2663-6085-2020-20-1-14.
5. Гаркуша С.В. Методиматематичної статистики в педагогічнихдослідженнях: навчально-методичнийпосібник для аспірантів. Чернігів, 2019. 72 с.
6. Шроль Т.С. Теоретико-методологічніосновизастосуванняматематичнихметодів в педагогічнихдослідженнях. НауковийчасописНаціональногопедагогічногоуніверситетуімені М.П. Драгоманова. Серія 5 «Педагогічні науки: реалії та перспективи». Київ: Вид-во НПУ ім. М.П. Драгоманова, 2011. Вип. 27. С. 344-349.
7. Зменшеннявимірності для прогнозуванняпрогресу у проблемах медичноїосвіти: на основіпідходуPCA/ В.П. Марценюк та ін. Медичнаінформатикатаінженерія. 2018. №4. С. 16-24. https://doi.org/10.11603/ mie.1996-1960.2018.4.9840.
8. Principal Manifolds for Data Visualisation and Dimension Reduction / A. Gorban et al. (Eds.). LNCSE 58, Springer, Berlin; Heidelberg; New York, 2007. 359 р.
9. ChatGPT - OpenAI (Gpt 3.5). URL: https://chat.openai.com/c/e11bbdc9-c70a-4582-b49c-2d5401d138f2 (дата звернення: 29.03.2024).
10. Google Colaboratory. URL: https://colab.research.google.com/drive/ 1j21C7wpY94amt2hWy_8DkC-
gkl0F2m-Nf? hl=m#scrollTo=Wf5KrEb6vrkR (дата звернення: 29.03.2024).
11. 40 найкращихприкладівшкалиЛайкерта. URL: https://ahaslides.com/uk/blog/likert-scale-examples/(дата звернення: 29.03.2024).
References
1. Yanenkova, I. (2020). Advantages and risks of artificial intelligence using in Ukraine and in the world. Efek - tyvnaekonomika [Online], vol. 4, available at: http://www. economy.nayka.com.ua/? op=1&z=7820 (Last accessed: 29.03.2024). DOI: 10.32702/2307-2105-2020.4.19.
2. Honcharenko, S. (2008). Pedahohichnidoslidzhen - nya. Metodolohichniporadymolodymnaukovtsyam [Pedagogical research. Methodological advice to young scientists]. Kyyiv; Vinnytsya: DOV «Vinnytsya» [in Ukrainian].
3. Rudenko, V. (2012). Matematyko-statystychnimetody v pedahohichnykhdoslidzhennyakh: navchal'nyyposibnyk [Mathematical-statistical methods in pedagogical research: a study guide]. Rivne: Volyns'kioberehy [in Ukrainian].
4. Akimova, O.V., &Zakharchenko, N.V (2020). Staty - stychnimetody v pedahohichnykhdoslidzhennyakh [Statistical methods in pedagogicalresearch]. Innovative pedagogy. 20 (1). S. 68-71. https://doi.org/10.32843/2663-6085 - 2020-20-1-14.
5. Harkusha, S.V. (2019). Metodymatematych - noyistatystykyvpedahohichnykhdoslidzhennyakh. Navchal'no-metodychnyyposibnykdlyaaspirantiv [Methods of mathematical statistics in pedagogical research. Educational and methodological manual for graduate students]. Chernihiv [in Ukrainian].
6. Shrol', T.S. (2011). Teoretyko-metodolohichniosnovyzastosuvannyamatematychnykhmetodiv v pedahohichnykhdoslidzhennyakh [Theoretical and methodological foundations of the application of mathematical methods in pedagogical research]. NaukovyychasopysNatsinal'nohopedahohichnohouniversytetuimeni M.P. Drahomanova. Seriya 5 «Pedihohichninauky: realiyi ta perspektyvy»: naukovevydannya/ M-voosvityinaukyUkrayiny, NPU im. M.P. Drahomanova. Kyiv: Vyd-vo NPU im. M.P. Drahomanova, Vyp. 27. S. 344-349.
7. Martseniuk, V P., Dronyak, Y.V., &Tsikorska, I.V. (2019). Reduction of dimension for prediction of progress in problems of medical education: an approach based. Medical Informatics and Engineering, (4). S. 16-24.
8. Gorban, A., Kegl, B., Wunsch, D., Zinovyev, A. (Eds.) (2007). Principal Manifolds for Data Visualisation and Dimension Reduction, LNCSE 58, Springer, Berlin - Heidelberg - New York.
9. ChatGPT - OpenAI (Gpt 3.5). URL: https://chat.ope - nai.com /c/e11bbdc9-c70a-4582-b49c-2d5401d138f2 (дата звернення: 29.03.2024).
10. Google Colaboratory. URL: https://colab.research.google.com/dri ve/1j21C7wpY94amt2hWy_8DkC-gkl0F2m-Nf? hl=ru#scrollTo= Wf5KrEb6vrkR / (Last accessed: 29.03.2024).
11. 40 Best Likert Scale Examples. URL: https:// ahaslides.com/uk/ blog/likert-scale-examples/ (Last accessed: 29.03.2024).
Размещено на Allbest.ru
...Подобные документы
Аналіз моделі експериментальної роботи вчителя щодо застосування методів педагогічних досліджень. Сутність інструментів, за допомогою яких розв’язуються ті чи інші проблеми педагогіки. Класифікація та етапи проведення методів педагогічних досліджень.
курсовая работа [37,8 K], добавлен 11.04.2015Значення та використання ділових ігор у процесі вивчення дисципліни "Методика навчання соціально-педагогічних дисциплін". Характеристика основних етапів конструювання ділової гри. Особливості та реалізація психолого-педагогічних принципів ділових ігор.
статья [20,6 K], добавлен 07.02.2018Розгляд філантропізму як соціального феномену і виявлення його передумов. Характеристика педагогічних ідей німецьких філантропістів. Дослідження педагогічних поглядів Й.Б. Базедова; опис шляхів творчого використання його досвіду у середній школі.
курсовая работа [50,5 K], добавлен 23.12.2014Вивчення суті поняття "пізнавальний інтерес", педагогічних умов його формування. Виявлення ефективних педагогічних умов використання практичної спрямованості для формування пізнавального інтересу в учнів 8 класу на прикладі теми "Різноманітність тварин".
курсовая работа [1,1 M], добавлен 05.12.2011Актуальність принципів Болонської декларації в процесі розбудови вищої школи. Особливості впровадження модульно-рейтингової системи в навчальний процес. Роль експерименту у педагогічних дослідженнях. Поєднання аудиторної і самостійної роботи студентів.
дипломная работа [623,0 K], добавлен 14.06.2012Характеристика сучасного уроку, як цілісної системи: типологія, структура, вимоги. Вивчення особливостей проведення уроку історії, з використанням педагогічних технологій (модульні, особистісно-орієнтовані, проектні, ігрові, інтерактивні технології).
курсовая работа [60,2 K], добавлен 29.01.2010Огляд концепцій обдарованості в психолого-педагогічних дослідженнях. Проблеми, психологічні особливості обдарованих дітей та актуальні задачі організації їх навчання. Напрямки розвитку та функції особистісно-зорієнтованого навчання обдарованих дітей.
дипломная работа [78,1 K], добавлен 10.05.2011Загальні положення інформаційного забезпечення наукових досліджень. Визначення, властивості та види інформації. Документальні джерела інформації та їх використання у наукових дослідженнях. Методика роботи над друкованими літературними джерелами.
реферат [27,3 K], добавлен 28.01.2011Аналіз введення системи комп’ютерних технологій в сучасній школі, переваги і недоліки. Методика проведення уроків із використанням комп’ютерів, практичне використання. Відповідність знань педагогічних та учнівських кадрів до впроваджуваної даної системи.
курсовая работа [33,9 K], добавлен 14.11.2010Проблеми та методика використання бесіди як методу навчання в теорії та практиці в початковій школі, стан використання бесіди на уроках курсу "Я і Україна". Реалізація педагогічних умов організації бесіди у 3 класі; результати експериментальної роботи.
дипломная работа [66,9 K], добавлен 07.11.2009Визначення та класифікація педагогічних технологій. Інноваційні педагогічні технології як основа ефективності організації навчально-виховного процесу. Використання гнучких технологій модульно-рейтингового навчання слухачів та курсантів ВНЗ МВС України.
контрольная работа [68,8 K], добавлен 05.07.2009Організація науково-дослідної роботи в Україні. Завдання Державного фонду фундаментальних досліджень: фінансова підтримка, сприяння науковим контактам та підтримка міжнародного наукового співробітництва. Система підготовки науково-педагогічних кадрів.
реферат [35,3 K], добавлен 06.01.2015Методологічна парадигма та особливості розвитку гендерних досліджень. Перспективи впровадження гендерної освіти в Україні. Дослідження впливу гендерних стереотипів на процес соціалізації дитини. Висвітлення проблем спільного та роздільного навчання.
дипломная работа [117,2 K], добавлен 30.10.2013Сукупність сценаріїв навчальних занять та тестувань, розроблених за вимогами навчального плану дисципліни "Методи та системи штучного інтелекту". Специфіка його реалізації в мережевому оточенні кафедри, в інтерактивному режимі проходження курсу навчання.
курсовая работа [756,8 K], добавлен 19.05.2014Суть колового методу тренування, вимоги та доцільність його використання. Досвід застосування вчителями досліджуваного методу. Загальна характеристика практики застосування колового методу тренування на уроках фізичної культури в загальноосвітній школі.
курсовая работа [1,6 M], добавлен 05.01.2014Проектування педагогічних систем професійно-технічної освіти. Підготовка педагогічних кадрів нової генерації ПТО. Основні аспекти концепції розвитку ПТО в Україні. Використання інформаційних технологій у підготовці висококваліфікованих робітників.
курсовая работа [921,0 K], добавлен 24.10.2010Аналіз сучасних систем комп'ютерних математичних концепцій та їх можливостей. Особливість застосування їх в навчальному процесі та наукових дослідженнях. Сутність обчислювального режиму в Maple. Проведення навчання математиці школярів в програмі Derive.
статья [23,3 K], добавлен 18.08.2017Проходження вчителями курсів підвищення кваліфікації. Поглиблення соціально-гуманітарних, психологічних знань. Підвищення педагогічної майстерності, фахової кваліфікації педагогічних працівників. Формування вмінь використання новітніх освітніх технологій.
реферат [20,6 K], добавлен 19.05.2015Аналіз психолого-педагогічних досліджень із розвитку рухової діяльності дітей раннього віку. Використання рухливих ігор як засобу фізичного виховання діяльність дітей раннього віку. Методика проведення загальнорозвиваючих фізичних вправ в дитячому садку.
курсовая работа [216,5 K], добавлен 17.06.2019Поняття та види педагогічних комунікацій. Особливості сприйняття вербальних і невербальних компонентів молодшими школярами. Розвиток індивідуальності дитини на музичних заняттях. Аналіз зв'язку спілкування із формуванням міжособистісних відносин у класі.
курсовая работа [120,3 K], добавлен 09.11.2010
