Systems for Diagnosing the Cognitive Abilities of Students Based on Neural Network Technologies
DOI:
https://doi.org/10.5281/zenodo.14244903Keywords:
artificial intelligence, cognitive assessment, automated testing, personalised learningAbstract
Diagnostics of students' cognitive abilities using neural network technologies is a promising area, as it allows automating and personalising the process of assessing academic achievement. The purpose of the study is to analyse the development and implementation of systems for diagnosing students' cognitive abilities based on neural network technologies, which allows automating the process of assessing cognitive characteristics and providing a personalised approach to learning. The analysis is aimed at systematising modern approaches, methods and tools used to assess such cognitive characteristics as attention, memory, creativity and information processing speed. The analysis of the literature confirms that the use of artificial intelligence technologies in education has significant potential for improving diagnostic methods and the quality of learning. The application of such approaches can facilitate the integration of innovative solutions into the educational process.
References
Буртовий, С. В., Чубенко, В. А., & Василюк-Зайцева, С. В. (2024). Використання нейромереж у розпізнаванні та діагностиці навчальних здібностей здобувачів освіти. Академічні візії, (29). Retrieved from https://academy-vision.org/index.php/av/article/view/971
Дерев’янко, С. П., Примак, Ю. В., & Ющенко, І. М. (2020). Штучний інтелект та емоційний штучний інтелект як феномени сучасної когнітивної психології. Наукові записки Національного університету «Острозька академія». Серія «Психологія», 11, 115-119. https://doi.org/10.25264/2415-7384-2020-11-115-119
Краснощок, І., Демченко, О., & Кравцова, Т. (2023). Практичні аспекти розвитку soft skills в освітніх закладах України: використання інноваційних методик та технологій. Перспективи та інновації науки, 10(28), 246–256. https://doi.org/10.52058/2786-4952-2023-10(28)-246-256
Литвинова, І. Л., Балабанова, К. В., & Різак, Г. В. (2024). Технології та інновації для покращення психологічного комфорту здобувачів освіти в онлайн-освіті. Вісник науки та освіти, 4(22), 148-163. https://doi.org/10.52058/2786-6165-2023-11(17)
Наливайко, О. О. (2023). Перспективи використання нейромереж у вищій освіті України. Інформаційні технології і засоби навчання, 97(5), 1–17. https://doi.org/10.33407/itlt.v97i5.5322
Nesterchuk, N., Grygus, I., Levtukh, M., Kudriavtsev, A., & Sokolowski, D. (2020). Impact of the wellness programme on the students’ quality of life. Journal of Physical Education and Sport, 20(Supplement issue 2), 929–938. https://doi.org/10.7752/jpes.2020.s2132
Guan, C., Mou, J., & Jiang, Z. (2020). Artificial intelligence innovation in education: A twenty-year data-driven historical analysis. International Journal of Innovation Studies, 4(4), 134-147. https://doi.org/10.1016/j.ijis.2020.09.001
Fu, E. Y., Ngai, G., Leong, H. V., Chan, S. C., & Shek, D. T. (2023). Using attention-based neural networks for predicting student learning outcomes in service-learning. Education and Information Technologies, 28, 13763-13789. https://doi.org/10.1007/s10639-023-11592-0
Li, G., Hu, Y., Shuai, J., Yang, T., Zhang, Y., Dai, S., & Xiong, N. (2022). Neural NCD: A Neural Network Cognitive Diagnosis Model Based on Multi-Dimensional Features. Applied Sciences, 12(19), 9806. https://doi.org/10.3390/app12199806
Volzhenin, K., Changeux, J. P., & Dumas, G. (2022). Multilevel development of cognitive abilities in an artificial neural network. Proceedings of the National Academy of Sciences of the United States of America, 119(39), e2201304119. https://doi.org/10.1073/pnas.2201304119
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Larysa Filippova, Nataliia Kyrychenko, Nadiia Strelok
This work is licensed under a Creative Commons Attribution 4.0 International License.