Adaptive Education Platform : ระบบวิเคราะห์พฤติกรรมการเรียนรู้ แนะนำเนื้อหาเฉพาะบุคคล

 เทคโนโลยีจะออกมาในลักษณะของ STEM Base บูรณาการความรู้ระหว่าง 4 สาขาวิชา ได้แก่ วิทยาศาสตร์ เทคโนโลยี วิศวกรรมศาสตร์ และคณิตศาสตร์ ซึ่งมีบทบาทสำคัญอย่างยิ่งต่อการศึกษาในปัจจุบัน และเป็นโครงการที่อยู่ในเทรนด์ของโลก การวิเคราะห์พฤติกรรมการเรียนรู้ส่วนใหญ่จะนำไปใช้กับ e-Learning ซึ่งในประเทศและต่างประเทศ มีการใช้ e-Learning อย่างแพร่หลาย เช่น Coursera Plus, Conicle, OpenDurian เป็นต้น

ระบบที่มีอยู่ในปัจจุบันยังมีบางประเด็นที่น่าจะเพิ่มเติมได้ e-Learning ทั่วไป ส่วนใหญ่เนื้อหาจะเป็น PDF, VDO หากต้องการเพิ่มวิชาเฉพาะ เช่น STEM ต้องใช้เนื้อหาในรูปแบบอื่นที่ทำให้การเรียนรู้ดีขึ้น อีกทั้งส่วนที่ยังขาดใน e-learning ปัจจุบันก็คือ เครื่องมือที่ติดตามพฤติกรรมการเรียนรู้อย่างละเอียดมาก ๆ ซึ่งยังไม่มีการนำเครื่องมือติดตามตัวอื่นมาใช้ ไม่ว่าจะเป็นการติดตามพฤติกรรมการอ่าน pdf การดู vdo หรือ การใช้งาน simulator แล้วยังเรื่อง coding วิทยาการข้อมูล ปัญญาประดิษฐ์ ซึ่งเน้นทักษะการลงมือปฏิบัติก็ยังไม่มี ที่สำคัญยังไม่สนับสนุนให้สร้างเนื้อหาที่มีการติดตามพฤติกรรมการเรียนรู้ได้ แต่เราจะสร้างเครื่องมือ และเปิดโอกาสให้คนอื่น ๆ สามารถนำเครื่องมือไปใช้ติดตามพฤติกรรมบน e-Learning ที่มีอยู่ได้

โครงสร้างของระบบ แบ่งออกเป็น 3 ส่วน ได้แก่

1. ส่วนจัดการเนื้อหา Learning Management System, LMS
2. ส่วนเครื่องมือ Adaptive Education Components, AE
3. ส่วนโครงสร้างพื้นฐานAdaptive Infrastructure

Learning Management System, LMS ระบบแนะนำเนื้อหาการเรียนรู้เฉพาะบุคคล ที่เหมาะสมสำหรับผู้เรียน โดยใช้เป็นเครื่องมือสำหรับการประเมินศักยภาพการเรียนรายวิชา เพื่อแนะนำเนื้อหาที่สอดคล้องและเหมาะสมสำหรับผู้เรียนเฉพาะบุคคล สำหรับหน่วยงานที่มีระบบการเรียน e-Learning เป็นของตนเอง หน่วยงานสามารถเลือกใช้เครื่องมือตามรูปแบบเนื้อหาที่ต้องการ แยกส่วนการวิเคราะห์ และแสดงผลนั้นได้เลย ไม่จำเป็นต้องใช้ร่วมกันทั้งหมดก็ได้

Adaptive Education Components, AE ระบบติดตามพฤติกรรมการเรียนรู้ ประกอบด้วย เครื่องมือติดตามพฤติกรรม 3 รูปแบบ

1. เครื่องมือติดตามพฤติกรรมการอ่าน PDF ซึ่งจะวิเคราะห์พฤติกรรมการอ่าน โดยวัดจากความสนใจ ระยะเวลาที่อยู่กับเนื้อหาของผู้เรียน ระบบสามารถบันทึกกิจกรรมการเรียนรู้ของผู้เรียน ผ่านการพลิกหน้า การจดบันทึก การทำไฮไลต์ ขณะที่ผู้เรียน ๆ ผ่าน e-book ระบบจะวิเคราะห์การเรียนรู้จาก PDF และนำมาแสดงผลการติดตาม
2. Coding Simulator ติดตามพฤติกรรม การเขียนคำสั่งโดยการลากและวาง Block บนบอร์ดจำลองเพื่อดูความเข้าใจ ความถูกต้อง และนำไปวิเคราะห์การและติดตามผู้เรียน
3. Chatbot ช่วยในส่วนคำถามคำตอบ โดย chatbot จะส่งคำถามให้ผู้เรียนหลายระดับ ถ้าผู้เรียนสามารถตอบคำถามระดับใดได้ดี Chatbot ก็จะคัดเลือกคำถามที่เหมาะสมให้กับผู้เรียน

Adaptive Infrastructure ออกแบบโครงสร้างให้รองรับการเพิ่มเครื่องมือติดตามพฤติกรรม และจะมีการส่งผลการวิเคราะห์ของเครื่องมือนั้นไปที่ Adaptive analytics เพื่อประมวลผลรวม ซึ่งเก็บอยู่บนอยู่บน MECA แพลตฟอร์มคลาวด์เซอร์วิส ปัจจุบันเปิดให้บริการอยู่