Dr. A. KANAGARAJ / Dr. S. SHARMILA
Librería Samer Atenea
Librería Aciertas (Toledo)
Kálamo Books
Librería Perelló (Valencia)
Librería Elías (Asturias)
Donde los libros
Librería Kolima (Madrid)
Librería Proteo (Málaga)
Uczenie się społeczno-emocjonalne (SEL) ma kluczowe znaczenie dla sukcesu akademickiego i ogólnego dobrostanu uczniów, jednak ocena tych kompetencji pozostaje wyzwaniem ze względu na ich subiektywny i niekognitywny charakter. Tradycyjne metody, takie jak ankiety i obserwacje nauczycieli, często nie są dokładne i spójne. Aby temu zaradzić, zaproponowano ramy oceny oparte na uczeniu maszynowym, integrujące różne źródła danych, takie jak zachowanie, uczestnictwo i wyniki uczniów. Identyfikując wzorce i klasyfikując poziomy umiejętności SEL, modele uczenia maszynowego zmniejszają ludzkie uprzedzenia i zwiększają niezawodność. Takie podejście oparte na danych nie tylko zapewnia obiektywny pomiar, ale także zapewnia predykcyjny wgląd w rozwój SEL uczniów. Nauczyciele mogą wykorzystać te spostrzeżenia do projektowania ukierunkowanych interwencji i spersonalizowanego wsparcia, ostatecznie czyniąc ocenę kompetencji SEL bardziej dokładną, skalowalną i skuteczną.