Adaptivní učení: jak technologie bourá bariéry ve vzdělávání

Senior viceprezident a hlavní technologický ředitel společnosti Ciena, síťové systémy, služby a softwarová společnost.

getty

nástup pandemie vedl k adaptivnímu učení, konceptu, který přetváří učebnu a zlepšuje vzdělávání. Adaptivní učení zahrnuje použití personalizované, tech-based vyučovací metody. Tento model zajišťuje, že studenti mají rovné příležitosti k úspěchu navzdory jakýmkoli rozdílům ve stylu učení, tempu a preferencích.

se zavedenými adaptivními vzdělávacími systémy lze výkon a reakce studenta na digitální obsah analyzovat v reálném čase a na základě těchto údajů upravit lekce. Například, pokud student pokračuje v boji s konkrétním předmětem nebo lekcí, síť „vezme na vědomí“ a upraví vzdělávací zkušenost tak, aby vyhovovala individuálním potřebám studenta.

adaptivní vzdělávací systémy kombinují více technologií, včetně umělé inteligence (AI), streamování a archivovaného videa, pohlcující smíšené reality a gamifikačních systémů. Současné používání těchto aplikací náročných na šířku pásma však klade větší důraz na síť a nárůst vzdálených vzdělávacích, vzdělávacích a domácích sítí. Vzdělávací instituce a domácí učebny, které nejsou na tyto dopravní rázy připraveny, mohou zaznamenat neplánované přetížení sítě nebo dokonce výpadky — často v nejhorším možném okamžiku, například během online zkoušek.

aby adaptivní učení prospívalo, musí být základní komunikační síť naprogramována tak, aby se automaticky přizpůsobila měnícím se potřebám koncových uživatelů.

injekční programovatelnost

adaptivní výukové aplikace jsou obvykle umístěny v datovém centru školního obvodu nebo ve veřejném cloudu. Závisí na síti, která je rychlá, odolná a spolehlivá, takže studenti mají přístup k aplikacím odkudkoli a kdykoli. Pokud dojde k přetížení šířky pásma, problémům s latencí nebo velkým výpadkům, mohou studenti čelit ztracenému času výuky, který může ovlivnit jejich výkon. V průzkumu Centra pro digitální vzdělávání téměř třetina respondentů okresu K-12 uvedla, že obavy o spolehlivost jejich sítí je udržují v noci.

díky Programovatelné síťové infrastruktuře je síť transformována ze statické na dynamickou pomocí vrstvy softwarové inteligence. Tato vrstva sleduje telemetrii ze síťové infrastruktury a může se rozhodovat v reálném čase, aby se zabránilo odpojení, výpadkům, přetížení a latenci. Programovatelná infrastruktura vyžaduje programovatelnou strukturu s adaptivním učením, aby mohla přesměrovat připojení a kapacitu podle potřeby a pomoci vyhnout se zpoždění nebo zpoždění v uživatelské zkušenosti. Umožňuje síti přizpůsobit se pomocí údajů o výkonu v reálném čase a podle potřeby je překonfigurovat, aby podporovaly adaptivní výukové aplikace běžící nad ním. To zajišťuje, že studenti a učitelé jsou nejen propojeni, ale také těží z pohlcujícího a poutavějšího učebního prostředí.

Big Data = Big Insights

významné množství dat je vytvořeno v Programovatelné infrastruktuře. Tato „velká data“ lze použít k odhalení trendů o spotřebě zdrojů, vzorcích provozu, zranitelnostech, které by mohly způsobit zpoždění nebo zpoždění v připojení a další. S těmito informacemi se síť může automaticky naučit a přizpůsobit se měnícím se potřebám v průběhu času. V podstatě, síť může proměnit velký objem dat do žalovatelné postřehy, které nařídí síť automaticky upravit podle potřeby. Síť také poskytuje malá data, což jsou ty jednodušší momenty, jako je potřeba zákazníka (v tomto případě vzdělávací instituce) pro další kapacitu sítě k pokrytí události, jako je kombinovaná skupinová lekce. Tyto události vyžadují rychlé síťové odpovědi, které lze provést pomocí robustní analýzy.

s těmito informacemi mohou poskytovatelé sítí a provozovatelé datových center provozovat zásady založené na datech, které bezpečně reagují na potřeby uživatele v reálném čase. Jakmile jsou učiněna rozhodnutí, může lidský operátor-nebo ještě lépe automatizované systémy používající předdefinované zásady – vstoupit a schválit nebo změnit věci podle potřeby k optimalizaci sítě.

automatizace pro špičkový výkon

lidská chyba je hlavní příčinou výpadků sítě. Průzkum 2018 o spolehlivosti serveru Information Technology Intelligence Corps zjistil, že lidská chyba je zodpovědná za 58% výpadků sítě. Síťová analytika, inteligence a automatizace pomáhají eliminovat chyby a zlepšovat výkon při provádění úkolů, jako je načítání přístupových řadičů, zajišťování směrovačů nebo konfigurace tunelů dopravního inženýrství za účelem optimalizace dopravy a zmírnění přetížení.

schopnost automatizovat více sítí pomocí softwarově definovaného řízení je zásadní pro zajištění špičkového výkonu. Když sítě mohou spolupracovat s API a přesouvat data efektivně a rychle z bodu do bodu, adaptivní výukové aplikace mohou běžet bez problémů. Síťový rámec, který se může přizpůsobit, umožňuje operátorům zjednodušit správu sítě a vytvořit end-to-end automatizaci i napříč hybridními sítěmi s více dodavateli nebo doménami.

adaptivní učení v pohybu

když mají studenti a instruktoři mobilitu umožněnou cloudovými technologiemi, omezení fyzické učebny již nevytvářejí překážky učení. Aby se adaptivní učení uchytilo, musí být studenti také vybaveni správnými zařízeními, včetně tabletů, chytrých telefonů a notebooků, které nabízejí flexibilitu učit se odkudkoli a kdykoli.

školy a další vzdělávací instituce přijímají adaptivní učení. Aby co nejlépe využili své investice, budou muset spolupracovat se svými poskytovateli služeb na řešení problémů s připojením předem a zajistit, aby jejich síťová infrastruktura byla vybudována pomocí softwarové inteligence a programovatelnosti, aby se mohla přizpůsobit měnícím se požadavkům vzdáleného a digitálního učení.

Forbes Technology Council je komunita pouze pro pozvání pro špičkové CIO, CTO a technologické manažery. Mám nárok?

Následujte mě na LinkedIn. Podívejte se na mé webové stránky.