Crescit necessitas doctrinae discipulo-centratae (SCL) in institutionibus educationis superioris, etiam in arte dentaria. Attamen SCL applicationem limitatam in educatione dentaria habet. Ergo, hoc studium applicationem SCL in arte dentaria promovere intendit, utens technologia doctrinae automaticae (ML) arboris decisionis ad delineandum stilum discendi praeferendum (LS) et strategias discendi correspondentes (IS) discipulorum dentariorum, tamquam instrumentum utile ad normas SI evolvendas. Methodi promittentes discipulis dentariis.
Discipuli artis dentalis ex Universitate Malayae, in summa ducenti quinquaginta quinque, Indicem Stylorum Discendi modificatum (m-ILS) perfecerunt, quod quadraginta quattuor res continebat ad eos in suas LS distribuendos. Data collecta (dataset appellata) in disciplina arboris decisionis supervisae adhibentur ad stylos discendi discipulorum cum aptissimo SI automatice aptandos. Deinde accuratio instrumenti commendationis SI, in doctrina machinali fundati, aestimatur.
Applicatio exemplorum arborum decisionum in processu automato designationis inter LS (input) et IS (target output) permittit statim indicem idonearum strategiarum discendi pro singulis discipulis dentalibus. Instrumentum commendationis IS demonstravit perfectam accuratiam et memoriam accuratiae exempli totius, indicando congruentiam LS cum IS habere bonam sensibilitatem et specificitatem.
Instrumentum commendationis Systematis Informationis (IS), quod arbore decisionum ML innititur, facultatem suam demonstravit accurate coniungendi modos discendi discipulorum medicinae dentali cum congruentibus strategiis discendi. Hoc instrumentum praebet optiones efficaces ad cursus vel modulos discipulo-centratos designandos, qui experientiam discendi discipulorum augere possunt.
Docere et discere actiones fundamentales in institutionibus educationis sunt. Cum systema educationis vocationalis altae qualitatis evolvitur, interest necessitates discipulorum discere intendere. Interactio inter discipulos et ambitum discendum per eorum LS determinari potest. Investigationes suggerunt discrepantias inter LS et IS discipulorum, a magistris propositas, consequentias negativas in discendo discipulorum habere posse, ut attentionem et motivationem imminutam. Hoc indirecte perfunctionem discipulorum afficiet [1,2].
Systema Informationis (SI) est methodus a magistris adhibita ad scientiam et artes discipulis tradendas, inter quas discipulis adiuvandis ut discant [3]. Generaliter loquendo, boni magistri rationes docendi vel SI excogitant quae optime congruunt cum gradu scientiae discipulorum suorum, notionibus quas discunt, et stadio discendi. Theoretice, cum LS et SI congruunt, discipuli poterunt ordinare et uti certo artium ordine ad efficaciter discendum. Typice, consilium lectionis plures transitiones inter gradus includit, ut a docendo ad praxim directam vel ab praxi directa ad praxim independentem. Hoc in mente habentes, magistri efficaces saepe instructionem excogitant cum fine augendi scientiam et artes discipulorum [4].
Postulatio SCL (Science and Learning Learning) crescit in institutionibus educationis superioris, etiam in arte dentaria. Strategiae SCL destinantur ad necessitates discipulorum discendi implendas. Hoc fieri potest, exempli gratia, si discipuli active in actionibus discendi participant et magistri tamquam moderatores agunt et responsabiles sunt pro praebendis recensionibus utilibus. Dicitur materiam et actiones discendi praebere quae gradui educationis vel praeferentiis discipulorum congruunt ambitum discendi discipulorum emendare et experientias discendi positivas promovere posse [5].
Generaliter loquendo, processus discendi discipulorum artis dentariae afficitur a variis proceduris clinicis quas perficere debent et ab ambitu clinico in quo efficaces artes interpersonales evolvunt. Propositum institutionis est discipulos idoneos esse ut scientiam fundamentalem artis dentariae cum artibus clinicis dentariis coniungant et scientiam acquisitam ad novas condiciones clinicas applicent [6, 7]. Investigationes priores in relationem inter LS et IS invenerunt adaptationem rationum discendi ad LS praeferendum accommodatam processum educationalem meliorare [8]. Auctores etiam commendant ut variis methodis docendi et aestimandi utaris ad discendum et necessitates discipulorum accommodandas.
Magistri utilitatem capiunt ex applicatione scientiae doctrinae dentalis (LS) ad doctrinam designandam, explicandam, et exsequendam quae acquisitionem discipulorum ad altiorem cognitionem et intellectum materiae augebit. Investigatores plura instrumenta aestimationis LS excogitaverunt, ut Modelum Discendi Experientiale Kolb, Modelum Stili Discendi Felder-Silverman (FSLSM), et Modelum Fleming VAK/VARK [5, 9, 10]. Secundum litteras, haec exempla discendi sunt frequentissime adhibita et maxime investigata. In praesenti opere investigationis, FSLSM adhibetur ad LS inter discipulos dentales aestimandum.
FSLSM est exemplar late adhibitum ad discendum adaptivum in arte ingeniaria aestimandum. Multa opera edita in scientiis salutis (inter quas medicina, cura, pharmacia et odontologia) inveniri possunt quae utentes exemplaribus FSLSM inveniri possunt [5, 11, 12, 13]. Instrumentum ad dimensiones LS in FLSM metiendas adhibitum Index Stylorum Discendi (ILS) appellatur [8], qui 44 elementa continet quae quattuor dimensiones LS aestimant: processum (activum/reflexivum), perceptionem (perceptivam/intuitivum), inputum (visualem/verbalem) et intellectum (sequentialem/globalem) [14].
Ut in Figura 1 demonstratur, quaeque dimensio FSLSM praeferentiam dominantem habet. Exempli gratia, in dimensione processus, discipuli cum LS "activa" informationem per interactionem directam cum materiis discendis tractare malunt, discunt faciendo, et in gregibus discere solent. LS "reflexiva" ad discendum per cogitationem refert et soli laborare mavult. Dimensio "percipiens" LS in "sensum" et/vel "intuitionem" dividi potest. Discipuli "sentientes" informationem concretiorem et rationes practicas malunt, factis student, comparati cum discipulis "intuitivis" qui materiam abstractam praeferunt et natura magis innovativi et creativi sunt. Dimensio "input" LS discentes "visuales" et "verbales" constat. Homines cum LS "visualibus" per demonstrationes visuales (ut diagrammata, videos, vel demonstrationes vivas) discere malunt, dum homines cum LS "verbali" per verba in explicationibus scriptis vel oralibus discere malunt. Ad dimensiones LS "intelligendas", tales discipuli in "sequentiales" et "globales" dividi possunt. "Discentes sequentiales processum cogitationis linearem praeferunt et gradatim discunt, dum discipuli globales processum cogitationis holisticum habere solent et semper meliorem intelligentiam eorum quae discunt habent."
Nuper, multi investigatores methodos inventionis automaticae datis impulsae explorare coeperunt, inter quas evolutio novorum algorithmorum et exemplorum quae magnas copias datorum interpretari possunt [15, 16]. Innixa datis provisis, ML (machine learning) supervisa exemplaria et hypotheses generare potest quae eventus futuros praedicunt secundum constructionem algorithmorum [17]. Simpliciter dictum, technicae machinationis discendi supervisae data inputata manipulant et algorithmos exercent. Deinde seriem generant quae eventum classificat vel praedicit secundum condiciones similes pro datis inputatis. Praecipuum commodum algorithmorum machinationis discendi supervisae est facultas eorum ad eventus ideales et desideratos statuendos [17].
Per usum methodorum datis impulsarum et exemplorum moderationis arboris decisionis, detectio automatica LS fieri potest. Arbores decisionis late in programmatibus eruditionis in variis campis, inter quas scientiae salutis, adhibitae esse relatae sunt [18, 19]. In hoc studio, exemplum a creatoribus systematis specialiter exercitatum est ut LS discipulorum identificaret et optimum IS pro eis commendaret.
Propositum huius studii est rationes traditionis Systematis Informationis (SI) evolvere, in LS (Lingua Laboris) discipulorum fundatas, et methodum SCL (Linguae Secundariae Computatralis) applicare per instrumentum commendationis SI ad LS (Lingua Laboris) conexum evolvendum. Ordo designandi instrumenti commendationis SI, tamquam strategia methodi SCL, in Figura 1 ostenditur. Instrumentum commendationis SI in duas partes dividitur, inter quas mechanismus classificationis LS utens ILS et repraesentatio SI discipulis aptissima.
Praesertim, inter proprietates instrumentorum commendationis securitatis informationum sunt usus technologiarum interretialium et usus doctrinae automaticae per arborem decisionum. Elaboratores systematum experientiam usoris et mobilitatem emendant, ea ad machinas mobiles, ut telephona mobilia et tabulas, adaptando.
Experimentum duobus gradibus peractum est, discipulis Facultatis Odontologiae apud Universitatem Malayae sponte interfuerunt. Participes interrogationi m-ILS discipuli Odontologiae Anglice scripto responderunt. In primo gradu, collectio notitiarum quinquaginta discipulorum ad algorithmum machinalem discendi arboris decisionis exercendum adhibita est. In secundo gradu processus evolutionis, collectio notitiarum ducentorum quinquaginta quinque discipulorum ad accuratiam instrumenti evoluti emendandam adhibita est.
Omnes participes initio cuiusque stadii, pro anno academico, per Microsoft Teams instructiones electronicas accipiunt. Propositum studii explicatum est et consensus informatus obtentus est. Omnibus participibus nexus ad m-ILS accedendum datus est. Quisque discipulus iussi est omnibus 44 quaestionibus in questionario respondere. Una hebdomas eis data est ad ILS modificatum tempore et loco sibi commodo durante intervallo semestris ante initium semestris complendum. m-ILS in instrumento ILS originali fundatur et pro discipulis dentalibus modificatum est. Similis ILS originali, continet 44 quaestiones aequaliter distributas (a, b), cum 11 quaestionibus singulis, quae ad aestimandos aspectus cuiusque dimensionis FSLSM adhibentur.
Initialibus instrumenti evolutionis gradibus, investigatores mappas manu adnotaverunt, utentes collectione data quinquaginta discipulorum medicinae dentali. Secundum FSLM, systema summam responsorum "a" et "b" praebet. Pro qualibet dimensione, si discipulus "a" ut responsum eligit, LS classificatur ut Activa/Perceptiva/Visualis/Sequentialis, et si discipulus "b" ut responsum eligit, discipulus classificatur ut Reflexiva/Intuitiva/Linguistica/discens globalis.
Postquam processus operis inter investigatores educationis dentalis et fabricatores systematum calibratus est, quaestiones secundum dominium FLSSM selectae sunt et in exemplar ML insertae sunt ad LS (Low-of-Studio, Learning) singulorum discipuli praedicendum. "Garbage in, garbage out" (Si quisquiliae intrant, quisquiliae exeunt) est dictum vulgare in campo doctrinae automaticae, cum pondere in qualitate datorum. Qualitas datorum inputatorum praecisionem et accuratiam exempli doctrinae automaticae determinat. Per tempus machinationis proprietatum, novus grex proprietatum creatur, qui est summa responsionum "a" et "b" secundum FLSSM. Numeri identificationis positionum medicamentorum in Tabula 1 dantur.
Puncta secundum responsa computa et LS discipuli determina. Pro quolibet discipulo, scala punctorum ab 1 ad 11 est. Puncta ab 1 ad 3 aequilibrium praeferentiarum discendi intra eandem dimensionem indicant, et puncta a 5 ad 7 praeferentiam moderatam indicant, significantes discipulos unum ambitum alios docendo praeferre solere. Alia variatio eiusdem dimensionis est quod puncta a 9 ad 11 praeferentiam fortem pro uno fine vel altero reflectunt [8].
Pro singulis dimensionibus, medicamenta in "activam", "reflexivam" et "aequilibratam" digesta sunt. Exempli gratia, cum discipulus saepius "a" quam "b" in quaestione designata respondet et eius puncta limen 5 pro quaestione specifica dimensionem Processus LS repraesentante excedit, ad dominium LS "activum" pertinet. Attamen, discipuli ut LS "reflexivi" classificati sunt cum "b" plus quam "a" in undecim quaestionibus specificis (Tabula 1) elegerunt et plus quam 5 puncta consecuti sunt. Denique, discipulus in statu "aequilibrii" est. Si puncta 5 puncta non excedit, tunc haec LS "processualis" est. Processus classificationis pro aliis dimensionibus LS repetitus est, scilicet perceptione (activa/reflexiva), inputu (visuali/verbali), et comprehensione (sequentiali/globali).
Modela arborum decisionis varias partes proprietatum et regularum decisionis in variis stadiis processus classificationis adhibere possunt. Instrumentum populare classificationis et praedictionis habetur. Repraesentari potest utens structura arborea, qualis est diagramma fluxus [20], in qua nodi interni sunt probationes per attributum repraesentantes, quisque ramus eventus probationum repraesentans, et quisque nodus folii (nodus folii) titulum classis continens.
Simplex programma, regulis innixum, creatum est ad LS (Low-In-Leave) cuiusque discipuli, secundum responsa eorum, automatice aestimandum et annotandum. Regulae innixum formam enuntiationis IF (Si) accipit, ubi "IF" incitamentum describit et "THEN" actionem peragendam specificat, exempli gratia: "Si X accidit, tum Y fac" (Liu et al., 2014). Si copia datorum correlationem exhibet et exemplar arboris decisionis rite exercitatum et aestimatum est, haec methodus efficax modus esse potest ad processum congruendi LS et IS automatizandum.
In secunda parte evolutionis, numerus datorum ad 255 auctus est ut accuratio instrumenti commendationis augeretur. Series datorum proportione 1:4 dividitur. 25% (64) eiusdem copiae datorum ad copiam probationis adhibita est, et reliqua 75% (191) ad copiam institutionis (Figura 2) adhibita est. Series datorum dividenda est ne exemplar in eadem copia instituatur et probetur, quod exemplar efficere potest ut meminerit potius quam discat. Exemplar in copia institutionis instituitur et suam efficaciam in copia probationis aestimat—datis quas exemplar numquam antea vidit.
Instrumento IS evoluto, applicatio LS per interfaciem interretialem secundum responsa discipulorum medicinae dentali classificare poterit. Systema instrumenti commendationis securitatis informationis interretialis lingua programmandi Python constructum est, Django ut systema administrativum adhibens. Tabula II bibliothecas in evolutione huius systematis adhibitas enumerat.
Collectio datorum in exemplar arboris decisionis transmittitur ad responsa discipulorum calculanda et extrahenda, ut mensurae LS discipulorum automatice classificentur.
Matrix confusionis adhibetur ad aestimandam accuratiam algorithmi machinalis discendi arboris decisionis in dato datorum indice. Simul, aestimat efficaciam exemplaris classificationis. Summarizat praedictiones exemplaris et eas cum veris notis datorum comparat. Resultata aestimationis in quattuor valoribus diversis fundantur: Verum Positivum (TP) – exemplar recte categoriam positivam praedixit, Falsum Positivum (FP) – exemplar recte categoriam positivam praedixit, sed vera nota negativa erat, Verum Negativum (VN) – exemplar recte classem negativam praedixit, et Falsum Negativum (FN) – exemplar classem negativam praedixit, sed vera nota positiva est.
Hi valores deinde adhibentur ad varias mensuras perfunctionis exemplaris classificationis scikit-learn in Python calculandas, videlicet praecisionem, praecisionem, revocationem, et punctum F1. Hic sunt exempla:
Recordatio (vel sensitivitas) facultatem exemplaris accurate classificandi LS discipuli postquam quaestionario m-ILS responderunt metitur.
Specificitas "ratio vera negativa" appellatur. Ut ex formula supra videre potes, haec debet esse proportio verorum negativorum (VN) ad vera negativa et falsos positivos (FP). Ut pars instrumenti commendati ad medicamenta discipulorum classificanda, accuratam identificationem habere debet.
Prima collectio datorum quinquaginta discipulorum, quae ad exemplar ML arboris decisionis exercendum adhibita est, accuratiam relative humilem propter errorem humanum in annotationibus ostendit (Tabula 3). Post creationem programmatis simplicis secundum regulas ad notas LS et annotationes discipulorum automatice calculandas, numerus crescens collectionum datorum (255) ad systema commendationis exercendum et probandum adhibitus est.
In matrice confusionis multiclassis, elementa diagonalia numerum praedictionum correctarum pro quolibet typo LS repraesentant (Figura 4). Usi modello arboris decisionis, summa 64 exemplorum recte praedicta est. Ergo, in hoc studio, elementa diagonalia exspectata eventa ostendunt, indicantes modellom bene fungi et accurate praedicere titulum classis pro qualibet classificatione LS. Ergo, accuratio generalis instrumenti commendationis est 100%.
Valores accuratae, praecisionis, revocationis, et notae F1 in Figura 5 monstrantur. Pro systemate commendationis quod exemplar arboris decisionis utitur, nota F1 est 1.0 "perfecta," quae praecisionem et revocationem perfectam indicat, valores sensibilitatis et specificitatis significantes reflectens.
Figura VI visualizationem exemplaris arboris decisionis ostendit postquam exercitatio et probatio perfectae sunt. In comparatione iuxta se, exemplar arboris decisionis cum paucioribus notis exercitatum maiorem accuratiam et faciliorem visualizationem exemplaris ostendit. Hoc demonstrat machinationem notarum ad reductionem notarum ducere gradum magni momenti esse in melioratione effectu exemplaris.
Adhibendo discendi supervisam arborem decisionum, diagramma inter LS (input) et IS (target output) automatice generatur et informationes singulares pro singulis LS continet.
Eventus ostenderunt 34.9% ex 255 discipulis unam (1) optionem LS praetulisse. Pars maior (54.3%) duas vel plures LS praefert. 12.2% discipulorum animadverterunt LS satis aequilibratum esse (Tabula 4). Praeter octo LS principales, 34 combinationes classificationum LS pro discipulis dentalibus Universitatis Malayae exstant. Inter eas, perceptio, visio, et combinatio perceptionis et visionis sunt LS principales a discipulis relatae (Figura 7).
Ut ex Tabula IV videri potest, maior pars discipulorum praedominantem sensualem (13.7%) vel visualem (8.6%) LS habuit. Relatum est 12.2% discipulorum perceptionem cum visione (LS perceptivo-visuale) coniunxisse. Haec inventa suggerunt discipulos per methodos constitutas discere et meminisse malle, rationes specificas et accuratas sequi, et natura attentos esse. Simul, gaudent discendo spectando (diagrammatibus utentes, etc.) et informationes in gregibus vel per se discutere et applicare solent.
Hoc studium conspectum praebet artium discendi automatici (machine learning) in fodina datorum adhibitarum, cum attentione ad praedicendum statim et accurate progressum (LS) discipulorum et commendandum Systema Informationis (IS) idoneum. Usus exemplaris arboris decisionis factores maxime coniunctos cum eorum vitae et experientiis educationalibus identificavit. Est algorithmus discendi automatici supervisatus qui structuram arboream adhibet ad data classificanda dividendo seriem datorum in subcategorias secundum certa criteria. Operatur dividendo recursive data inputata in subcategorias secundum valorem unius ex proprietatibus inputatis cuiusque nodi interni donec decisio in nodo folii fiat.
Nodi interni arboris decisionis solutionem secundum proprietates inputatae problematis m-ILS repraesentant, nodi autem foliacei praedictionem classificationis LS finalem repraesentant. Per totum studium, facile est intellegere hierarchiam arborum decisionis quae processum decisionis explicant et visualizant, inspiciendo relationem inter proprietates inputatas et praedictiones exitus.
In campis scientiae computatralis et artis ingeniariae, algorithmi machinalis discendi late adhibentur ad praedicendum progressum discipulorum secundum notas examinum ingressus [21], informationes demographicas, et mores discendi [22]. Investigationes demonstraverunt algorithmum accurate praedixisse progressum discipulorum et eis adiuvisse ut discipulos periculo difficultatum academicarum obnoxios cognoscerent.
Applicatio algorithmorum machinationis automaticae (MA) in evolutione simulatorum virtualum aegrotorum ad institutionem dentalem refertur. Simulator capax est accurate reproducendi responsa physiologica aegrotorum verorum et adhiberi potest ad discipulos dentales in ambitu tuto et moderato instituendos [23]. Plura alia studia ostendunt algorithmos machinationis discendi qualitatem et efficaciam educationis dentalis et medicae necnon curae aegrotorum potentialiter emendare posse. Algorithmi machinationis discendi adhibiti sunt ad auxilium in diagnosi morborum dentalium secundum collectiones datorum ut symptomata et proprietates aegrotorum [24, 25]. Dum alia studia usum algorithmorum machinationis discendi ad peragenda officia exploraverunt, ut praedicere exitus aegrotorum, identificare aegrotos periculi alti, elaborare consilia curationis personalisata [26], curationem periodontalem [27], et curationem caries [25].
Quamquam relationes de applicatione doctrinae automaticae in arte dentaria divulgatae sunt, eius applicatio in educatione dentaria adhuc limitata manet. Quapropter, hoc studium propositum habuit ut exemplar arboris decisionis adhiberet ad factores maxime cum LS et IS inter discipulos dentarios coniunctos identificandos.
Eventus huius studii ostendunt instrumentum commendationis elaboratum magnam et perfectam accuratam praecisionem habere, quod indicat magistros ex hoc instrumento utilitatem capere posse. Utiendo processu classificationis datis impulso, commendationes personalizatas praebere et experientias educationales atque exitus pro educatoribus et discipulis emendare potest. Inter eas, informationes per instrumenta commendationis obtentae conflictus inter modos docendi a magistris praeferendos et necessitates discendi discipulorum resolvere possunt. Exempli gratia, propter exitum automatum instrumentorum commendationis, tempus requisitum ad IP discipuli identificandum et cum IP correspondenti comparandum significanter reducetur. Hoc modo, actiones et materiae disciplinae idoneae ordinari possunt. Hoc adiuvat ad mores discendi positivos discipulorum et facultatem concentrandi evolvendum. Unum studium rettulit discipulis materias et actiones discendi praebendas quae LS praeferendae congruunt, discipulos adiuvare posse ut multis modis discendi integrentur, perficiant, et fruantur ad maiorem potentiam assequendam [12]. Investigatio etiam ostendit, praeter participationem discipulorum in schola emendandam, intellectum processus discendi discipulorum etiam munus criticum agere in emendandis modis docendi et communicatione cum discipulis [28, 29].
Attamen, ut cum qualibet technologia moderna, difficultates et limitationes exstant. Hae includunt quaestiones ad secretum datorum, praejudicium et aequitatem pertinentes, et ad artes professionales et opes necessarias ad algorithmos machinales discendi in educatione dentali evolvendos et adhibendos; nihilominus, crescens studium et investigatio in hac area suggerit technologias machinales discendi effectum positivum in educationem dentalem et officia dentalia habere posse.
Eventus huius studii indicant dimidium discipulorum dentalium proclivitatem habere ad medicamenta "percipienda". Huiusmodi discipuli praeferentiam habet ad facta et exempla concreta, orientationem practicam, patientiam ad singula, et praeferentiam "visualem" linguae linguae (LS), ubi discipuli malunt uti imaginibus, graphicis, coloribus, et mappis ad ideas et cogitationes exprimendas. Eventus currentes congruunt cum aliis studiis quae utuntur ILS ad LS aestimandum in discipulis dentalibus et medicinae, quorum plerique habent notas LS perceptivae et visualis [12, 30]. Dalmolin et al. suggerunt informationem discipulorum de LS suis permittere eos ad potentiam discendi pervenire. Investigatores argumentantur cum magistri plene intellegunt processum educationis discipulorum, varias methodos docendi et actiones adhiberi posse quae discipulorum actionem et experientiam discendi emendabunt [12, 31, 32]. Alia studia demonstraverunt adaptationem LS discipulorum etiam ostendere emendationes in experientia et actione discendi discipulorum postquam eorum modi discendi mutati sunt ad sua LS aptanda [13, 33].
Sententiae magistrorum variare possunt de exsecutione rationum docendi secundum facultates discendi discipulorum. Dum quidam utilitates huius modi vident, inter quas occasiones progressionis professionalis, mentorship, et auxilium communitatis, alii de tempore et auxilio institutionali solliciti esse possunt. Aequilibrium conari est clavis ad creandum animum discipulo centratum. Auctoritates educationis superioris, ut administratores universitatum, partes magnas agere possunt in promovenda mutatione positiva per introductionem rationum novarum et sustentationem progressionis facultatis [34]. Ut systema educationis superioris vere dynamicum et responsivum creetur, legislatores audaces gradus capere debent, ut mutationes rationum faciendas, opes integrationi technologiae dedicandas, et structuras creandas quae modos discipulo centratos promovent. Hae mensurae necessariae sunt ad optatos eventus consequendos. Investigationes recentes de instructione differentiata clare demonstraverunt exsecutionem prosperam instructionis differentiatae requirere continuas occasiones formationis et progressionis magistris [35].
Hoc instrumentum auxilium pretiosum praebet educatoribus artis dentalis qui modum discipulo-centratum ad actiones discendi discipulis amicas ordinandas adhibere volunt. Attamen, hoc studium ad usum exemplorum machinationis discendi (MA) arborum decisionum limitatur. In futuro, plura data colligi debent ad comparandam efficaciam variorum exemplorum machinationis discendi, ut accuratio, fides, et praecisio instrumentorum commendationis comparentur. Praeterea, cum methodus machinationis discendi aptissima pro certo opere eligitur, interest alias res considerare, ut complexitatem et interpretationem exemplorum.
Huius studii limitatio est quod solum in mappando LS et IS inter discipulos artis dentariae intenta est. Ergo, systema commendationis elaboratum solum eos commendabit qui discipulis artis dentariae idonei sunt. Mutationes necessariae sunt ad usum generalem discipulorum educationis superioris.
Instrumentum commendationis nuper elaboratum, doctrina automatica innixum, statim LS (Linguae Systematis Informationis) discipulorum cum Systemate Informationis (IS) correspondenti classificare et coniungere potest, quod primum programma educationis dentalis facit quod educatoribus dentalibus adiuvat in consiliis docendi et discendi pertinentibus. Processu selectionis datis impulso utens, commendationes personalizatas praebere, tempus servare, rationes docendi emendare, interventiones specificas sustinere, et progressionem professionalem continuam promovere potest. Eius applicatio modos educationis dentalis in discipulo centratos promovebit.
Gilak Jani, Associated Press. *Congruentia vel inaequalitas inter modum discendi discipuli et modum docendi magistri*. Int J Mod Educ Computer Science. 2012;4(11):51–60. https://doi.org/10.5815/ijmecs.2012.11.05
Tempus publicationis: XXIX Aprilis MMXXIV