Центральная Научная Библиотека УрО РАН

Инвентарный номер: нет.


    Лукина, Я. В.
    Повышение эффективности обучения информатике магистров 1-го курса по направлению 44.04.01 "Педагогическое образование" с применением элективного курса "Наукометрия в цифровой среде" / Я. В. Лукина // Вестник МГПУ. Серия: информатика и информатизация образования. - 2023. - № 1 (63). - С. 144-152
Кл.слова (ненормированные):
ОБУЧЕНИЕ ИНФОРМАТИКЕ -- КОМПЕТЕНЦИИ -- НАУКОМЕТРИЯ, ЦИФРОВАЯ СРЕДА -- ЭЛЕКТИВНЫЙ КУРС -- ПЕДАГОГИЧЕСКОЕ ОБРАЗОВАНИЕ -- МАГИСТР
Аннотация: Актуальность проблемы исследования обусловлена противоречием между имеющимся современным видением параметров качества образовательных результатов, условий, особенностей, показателей их оценки при выполнении компетентностных требований федерального государственного образовательного стандарта высшего образования и задачами по диагностической эффективности традиционных методов в оценке развитости компетенций. Цель исследования: проверка эффективности обучения информатике магистров 1-го курса по направлению 44.04.01 «Педагогическое образование» с применением элективного курса «Наукометрия в цифровой среде». Задачи исследования: 1) определение критериев эффективности обучения; 2) выбор компетентностно ориентированной диагностики; 3) экспериментальная проверка и оценка эффективности наукометрии как формы обучения информатике магистров 1-го курса по направлению 44.04.01 «Педагогическое образование». На конкретных примерах продемонстрирована модульно-рейтинговая система, которая может быть использована для оценки обучения информатике магистров. В работе показаны критерии эффективности модульно-рейтинговой системы обучения элективному курсу «Наукометрия в цифровой среде».

Найти похожие

Инвентарный номер: нет.


    Мельникова, Е. В.
    Потребности наукометрии и возможности современного машинного обучения как области искусственного интеллекта / Е. В. Мельникова // Научно-техническая информация. Серия 1: Организация и методика информационной работы . - 2023. - № 5. - С. 7-14
Кл.слова (ненормированные):
НАУКОМЕТРИЯ -- БИБЛИОМЕТРИЯ -- НАУКОМЕТРИЧЕСКИЕ ПОКАЗАТЕЛИ -- ГЛУБОКОЕ ОБУЧЕНИЕ -- ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ -- БОЛЬШИЕ ДАННЫЕ -- КЛАССИФИКАЦИЯ -- WEB OF SCIENCE -- SCOPUS -- ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ -- МАШИННОЕ ОБУЧЕНИЕ
Аннотация: Представлена общая характеристика современной наукометрии, ее основных задач и методов исследования. Рассмотрены вопросы применения алгоритмов обычного машинного и глубокого обучения как инструментов искусственного интеллекта в тематической классификации научной литературы. Изложены проблемы и ограничения в классификации литературы по разделам науки в системах индексации и цитирования научной информации. Приводится конкретный пример приложения глубокого обучения для постатейной тематической классификации, разработанного учеными ОАЭ и Иордании на базе сверточных нейронных сетей. Подчеркнуто значение приложений и моделей глубокого обучения для создания корректных классификаций научной литературы, соответствующих реалиям развития науки и способных на этой основе обеспечить повышение точности вычисления наукометрических показателей.

Найти похожие

Описание базы данных

Сиглы отделов ЦНБ УрО РАН

  бр.ф. - Бронированный фонд

  бф - Научно-библиографический отдел

  БХЛ - Фонд художественной литературы

  ИИиА -Фонд исторической литературы в ЦНБ УрО РАН

  ИМЕТ -Отдел ЦНБ в Институте металлургии УрО РАН

  кх - Отдел фондов (книгохранениe)

  МБА - Межбиблиотечный абонемент

  мф - Методический фонд

  ок - Отдел научной каталогизации

  оку - Отдел комплектования и учета

  орф - Обменно-резервный фонд

  пф - Читальный зал деловой и патентной информации

  рк - Фонд редкой книги

  ч/з - Главный читальный зал

  эр - Зал электронных ресурсов

Сиглы библиотек институтов и НЦ УрО РАН

© Международная Ассоциация пользователей и разработчиков электронных библиотек и новых информационных технологий
(Ассоциация ЭБНИТ)