Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот документ:
https://elib.bsu.by/handle/123456789/335046Полная запись метаданных
| Поле DC | Значение | Язык |
|---|---|---|
| dc.contributor.author | Фадеева, К. Н. | |
| dc.date.accessioned | 2025-09-30T08:42:50Z | - |
| dc.date.available | 2025-09-30T08:42:50Z | - |
| dc.date.issued | 2025 | |
| dc.identifier.citation | Трансформация механико-математического и IT-образования в условиях цифровизации : материалы ІІ Междунар. науч.-практ. конф., Респ. Беларусь, Минск, 22–24 апр. 2025 г. В 2 ч. Ч. 1 / Белорус. гос. ун-т ; редкол.: Н. В. Бровка (гл. ред.) [и др.]. – Минск : БГУ, 2025. – С. 206-208. | |
| dc.identifier.isbn | 978-985-881-796-1 | |
| dc.identifier.isbn | 978-985-881-797-8 (ч. 1) | |
| dc.identifier.uri | https://elib.bsu.by/handle/123456789/335046 | - |
| dc.description | Раздел III. Методология и методики обучения естественно-математическим дисциплинам в университетской цифровой образовательной среде | |
| dc.description.abstract | Рассмотрены возможности применения нейронных сетей и алгоритмов машинного обучения для учета уровня знаний, интересов и способностей учащихся. К таким возможностям можно отнести адаптивное тестирование, позволяющее индивидуально подбирать сложность вопросов, анализ нейронными сетями успеваемости для корректирования учебного плана и поддержки отстающих, а также осуществление автоматической обратной связи для мгновенного информирования учащихся | |
| dc.language.iso | ru | |
| dc.publisher | Минск : БГУ | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.subject | ЭБ БГУ::ОБЩЕСТВЕННЫЕ НАУКИ::Народное образование. Педагогика | |
| dc.subject | ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Кибернетика | |
| dc.title | Применение нейронных сетей для персонализации учебного процесса | |
| dc.title.alternative | The use of neural networks to personalize the learning process / K. N. Fadeeva | |
| dc.type | conference paper | |
| dc.description.alternative | The possibilities of using neural networks and machine learning algorithms to take into account the level of knowledge, interests and abilities of students are considered. These features include adaptive testing, which allows you to individually select the complexity of questions, neural network analysis of academic performance to adjust the curriculum and support laggards, as well as automatic feedback to instantly inform students | |
| Располагается в коллекциях: | 2025. Трансформация механико-математического и IT-образования в условиях цифровизации | |
Полный текст документа:
| Файл | Описание | Размер | Формат | |
|---|---|---|---|---|
| 206-208.pdf | 484,78 kB | Adobe PDF | Открыть |
Все документы в Электронной библиотеке защищены авторским правом, все права сохранены.