The Development And Evaluation Of Personalized Learning Material Based On A Profiling Algorithm For Polytechnic Students In Learning Algebra

• Main Author: Mohamed Mokmin, Nur Azlina
• Format: Thesis
• Language: English
• Published: 2016
• Subjects: P87-96 Communication. Mass media
• Online Access: http://eprints.usm.my/32237/

Matematik adalah asas untuk pengajian kejuruteraan, terutamanya bagi pelajar kejuruteraan di politeknik Malaysia. Topik algebra pula adalah topik penting dalam matematik terutama bagi program kejuruteraan. Kajian-kajian lepas menunjukkan teknik pembelajaran tersesuai diri mampu meningkatkan kefahaman pelajar. Oleh itu, kajian ini dilakukan untuk mereka bentuk dan membangunkan satu aplikasi menggunakan teknologi Sistem Tutor Pintar (STP) untuk pembelajaran tersesuai diri bagi pembelajaran matematik. Teknologi ini membantu pembelajaran tersesuai diri dengan memberi cadangan bahan pembelajaran paling sesuai. Cadangan ini dilakukan melalui pengiraan algorithma Penaakulan Berasaskan Kes (PBK) dengan mencari persamaan antara profil baru dan profil yang disimpan di dalam pangkalan data. Cadangan dari profil yang mempunyai nilai persamaan paling tinggi digunakan sebagai rujukan. Gaya pembelajaran dan pengetahuan awalan pelajar digunakan sebagai maklumat untuk membentuk profil pelajar. Terdapat dua versi bahan ujian yang dibina: Pembelajaran Tersuai Diri (PTD) yang merujuk pelajar kepada nilai profil persamaan paling tinggi dan Pembelajaran secara Bukan Tersesuai Diri (PBTD) yang merujuk kepada nilai profil persamaan paling rendah. Mathematics is the foundation for engineering studies, especially for Malaysian polytechnics engineering students. Algebra is an important topic in mathematics, especially in engineering programs. Previous research shows that personalization techniques can increase student understanding. Thus, the aim of this study was to design and develop an application that utilized Intelligent Tutoring System (ITS) technology for the personalization of mathematics learning. This technology has the ability to help with the personalization of student learning by recommending the most suitable learning materials. The recommendation is computed using a Case-based Reasoning (CBR) algorithm by finding the similarity between the new submitted profile and the stored profiles in the database. The solution given by the most similar cases is used as a reference. Prior learning and mathematics learning style are the two parameters of a student's profile.