Personalizace e-learningových kurzů
Každý student je jedinečný, má své problémy, potřeby a také se od ostatních může lišit tím, jakou má úroveň znalostí, dovedností a jaký má styl učení. Některým vyhovuje, když jsou dány podrobné instrukce, některým naopak to, když je zadání volnější a můžou více projevit svou kreativitu. Některým se učí lépe, pokud je materiál hezky vizuálně zpracován, jiným pomáhá o tématu diskutovat nebo pracovat ve skupinách, někteří si musí věci prakticky vyzkoušet, aby si je dokázali osvojit. Proto, abychom mohli maximalizovat a urychlit proces učení studentů, je ideální vzdělávací proces, kurikulum a vzdělávací prostředí jednotlivým studentům přizpůsobovat. Tomu se říká personalizace. Tento typ vzdělávání může být realizován pomocí různých metod a technologií, a to včetně e-learningových kurzů.
Co je to personalizovaný e-learning
Tradiční e-learningové kurzy se skládají z pevně daných lekcí, které jsou určené pro všechny studenty a přepokládají, že všichni studenti mají podobné preference, schopnosti a znalosti (Benhamdi, Babouri a Chiky, 2017). Pokud je ale brán ohled na styl učení studentů, na úroveň jejich znalostí nebo na jiné parametry, jedná se o personalizovaný e-learning. Tento typ e-learningu, který je přizpůsobený studentům, má pozitivní vliv na efektivitu jejich učení se (Wang, 2014).
Jak funguje personalizace
K tomu, aby bylo možné vytvořit e-learning, který je přizpůsobený potřebám a charakteristikám studentů, je potřeba uvážit několik oblastí. První oblast se týká pedagogiky. Jedná se o učební materiály, různé pedagogické modely a strategie, zdroje k učení, učební objekty, obsah kurzu, vzdělávací aktivity, strukturu lekce, způsob testování a další (Ghallabi, Essalmi, Jemni a Kinshuk, 2022).
Další oblast je zaměřená na informace o studentovi. E-learning je možné personalizovat na základě různých kritérií. Může jím být již zmíněný styl učení studentů nebo úroveň znalostí, ale také osobnostní rysy studentů, jejich emoční a motivační stav, cíle, jejich předchozí výkony, kognitivní schopnosti a podobně (Ghallabi & spol., 2022).
V neposlední řadě je potřeba uvážit, jak budou nastaveny adaptivní mechanismy, tedy to, jaké metody, techniky a technologie využít, aby e-learning vyhovoval konkrétnímu studentovi a odpovídal jeho potřebám a charakteristikám (Ghallabi & spol., 2022).
Existuje mnoho způsobů, jak personalizovat e-learningové kurzy nebo některé jeho elementy. Lze je personalizovat pomocí adaptivních testů, na základě předchozího chování nebo výkonu studentů a dalších metod. Tyto metody pak mohou být implementovány s pomocí různých technologií a softwaru. Hojně je v této oblasti využívána umělá inteligence, a to jak při klasifikaci studentů, tak při doporučování samotných kurzů nebo učebních materiálů (Moubayed, Injadat, Nassif, Lutfiyya a Shami, 2018). Například Liu a Ardakni (2022) ve své studii zkoumali možnost a efektivnost využití strojového učení při doporučování kurzů nebo učebních materiálů na základě emočního stavu studentů.
Zdroje:
BENHAMDI, Soulef, Abdesselam BABOURI a Raja CHIKY, 2017. Personalized recommender system fPor e-Learning environment. Education and Information Technologies [online]. 22(4), 1455–1477 [cit. 2023–03–23]. ISSN 1360–2357. Dostupné z: doi:10.1007/s10639–016–9504-y
GHALLABI, Sameh, Fathi ESSALMI, Mohamed JEMNI a KINSHUK, 2022. Reuse of e-learning personalization components. Smart Learning Environments [online]. 9(1) [cit. 2023–03–23]. ISSN 2196–7091. Dostupné z: doi:10.1186/s40561–022–00214-w
LIU, Xinyang a Saeid Pourroostaei ARDAKANI, 2022. A machine learning enabled affective E-learning system model. Education and Information Technologies [online]. 27(7), 9913–9934 [cit. 2023–03–23]. ISSN 1360–2357. Dostupné z: doi:10.1007/s10639–022–11010-x
MOUBAYED, Abdallah, Mohammadnoor INJADAT, Ali Bou NASSIF, Hanan LUTFIYYA a Abdallah SHAMI, 2018. E-Learning: Challenges and Research Opportunities Using Machine Learning & Data Analytics. IEEE Access [online]. 6, 39117–39138 [cit. 2023–03–23]. ISSN 2169–3536. Dostupné z: doi:10.1109/ACCESS.2018.2851790
WANG, Tzu-Hua, 2014. Developing an assessment-centered e-Learning system for improving student learning effectiveness. Computers & Education [online]. 73, 189–203 [cit. 2023–03–23]. ISSN 03601315. Dostupné z: doi:10.1016/j.compedu.2013.12.002
