Search

Straipsnio tikslas yra pristatyti personalizuotų mokomųjų modulių / scenarijų priimtinumo, naudojamumo ir tinkamumo konkretiems besimokantiesiems metodologiją (t. y. modelį ir metodą). Mokomaisiais moduliais / scenarijais čia vadinamos mokomųjų komponentų (mokomųjų objektų, mokomųjų veiklų ir mokomosios aplinkos) metodologinės sekos. Aukštos kokybės mokomieji moduliai turi būti sudaryti iš mokomųjų komponentų, kurie yra optimizuoti konkrečių besimokančių asmenų atžvilgiu pagal jų asmeninius poreikius, t. y. mokymosi stilius. Straipsnyje optimizuoti mokomieji moduliai reiškia mokomuosius modulius, sudarytus iš komponentų, kurie turi aukščiausius tikimybinius tinkamumo rodiklius konkrečių besimokančiųjų atžvilgiu pagal Felderio ir Silverman mokymosi stilių modelį. Straipsnyje pateikta personalizuotų mokomųjų modulių vertinimo metodologija yra grindžiama (1) daigiakriterių sprendimų analizėje gerai žinomais vertinimo kriterijų identifikavimo principais; (2) edukacinių technologijų priimtinumo ir pasitenkinimo modeliu (ETAS-M), grįstu gerai žinomu vieningos technologijų priimtinumo ir naudojamumo teorijos (UTAUT) modeliu, ir (3) tikimybiniais tinkamumo rodikliais mokomųjų komponentų tinkamumui konkretiems besimokantiesiems identifikuoti pagal jų mokymosi stilius. Straipsnyje pristatyta personalizuotų mokomųjų modulių priimtinumo, naudojamumo ir tinkamumo vertinimo metodologija yra absoliučiai nauja mokslo literatūroje, pateikta ir metodologijos įgyvendinimo pavyzdžių, naudojant skirtingus vertinimo kriterijų svorius. Ši metodologija yra taikytina realiose gyvenimo situacijose, kai mokytojai turi padėti mokiniams kurti ir taikyti mokomuosius modulius, kurie yra tinkamiausi pagal jų poreikius, ir tuo būdu pagerinti švietimo kokybę ir efektyvumą.

The paper aims to present a methodology (i.e. model and method) to evaluate suitability, acceptance and use of personalised learning scenarios. High-quality learning scenarios should consist of the learning components (i.e. learning objects, learning activities, and learning environment) optimised to particular students according to their personal needs, e.g. learning styles. In the paper, optimised learning scenarios mean learning scenarios composed of the components having the highest probabilistic suitability indexes to particular students according to Felder–Silverman learning styles model. Personalised learning scenarios evaluation methodology presented in the paper is based on (1) probabilistic suitability indexes to identify learning components suitability to particular students needs according to their learning styles, and (2) Educational Technology Acceptance & Satisfaction Model (ETAS-M) based on well-known Unified Theory on Acceptance and Use of Technology (UTAUT) model.

In the paper, learning scenarios (units) quality evaluation and optimisation problems are analysed. Learning scenarios optimisation is referred here as its personalisation according to learners needs. In the paper, comparative analysis of two popular optimisation methods based on Fuzzy numbers theory and Analytic Hierarchy Process is performed, aiming to measure what method is the most suitable to evaluate the quality of personalised learning scenarios. Learning scenarios quality is referred here as its suitability to learners needs. Research results show that Fuzzy numbers theorybased methods are more suitable to evaluate the quality of personalised learning scenarios.

The paper aims to present an original probabilistic method to creating personalised learning activities and units. The method is based on evaluating learning components suitability to students needs according to their learning styles. In the paper, Felder–Silverman Learning Styles Model and Inquiry Based Learning method suitable to learn Math are used. Expert evaluation method based on Trapezoidal Fuzzy Numbers theory is applied in the research to obtain numerical values of suitability of IBL activities to students learning styles. Personalised learning units should consist of learning components (i.e. learning activities) that are optimal (i.e. the most suitable) to particular students according to their learning styles. Optimal means having the highest suitability index. In the paper, this original probabilistic method is applied to establish probabilistic suitability of IBL activities to particular students.