رفتن به محتوا
وارد نشده‌ایدورود

پایگاه دانش برای مطالعه پویا، نمره‌گذاری و ماژول‌ها.

از مراجع برای چرخه محصول، سیاست ادعاها و پایه فنی پشت خودآموزی با نمره‌گذاری هوش مصنوعی استفاده کنید.

موتور یادگیری چگونه کار می‌کند

اندازه‌گیری و مول

ارقام بامعنی، تبدیل یکاها، مول و فرمول‌ها، و عادت‌هایی که اشتباهات محاسباتی را پیدا می‌کنند.

واکنش‌ها و استوکیومتری

موازنه معادله‌ها، واکنش‌دهنده‌های محدودکننده، غلظت محلول، انواع واکنش و اکسایش–کاهش.

اتم‌ها، پیوندها و نام‌ها

آرایش الکترونی، روندهای تناوبی، ساختارهای لوویس، شکل مولکول و نام ترکیب‌ها.

گازها، انرژی و اسیدها

نیروهای بین‌مولکولی، قوانین گازها، آنتالپی، قانون هس، و اسیدها، بازها و pH.

اتم‌ها، نور و پیوند

ایزوتوپ‌ها، طیف‌های اتمی، عددهای کوانتومی، الکترونگاتیویته و هیبریداسیون اوربیتال‌ها.

محلول‌ها، فازها و ترمودینامیک

تیتراسیون‌ها، خواص کولیگاتیو، نمودارهای فاز، آنتروپی و انرژی آزاد، و واپاشی هسته‌ای.

سینتیک و تعادل

قانون‌های سرعت، نیمه‌عمرها، انرژی فعال‌سازی، ثابت‌های تعادل و اصل لوشاتلیه.

محاسبه‌های تعادلی و الکتروشیمی

جدول‌های ICE، اسیدها و بازهای ضعیف، بافرها، حاصل‌ضرب‌های انحلال‌پذیری و پتانسیل‌های سلول.

مطالعه به‌تنهایی

تمرین چگونه خودش را تطبیق می‌دهد، چگونه برایش برنامه بریزیم و چگونه آن را ماندگار کنیم.

کمک به یک یادگیرنده

برای معلمان، مربیان، والدین و راهنمایانی که نشانه‌های یادگیرنده را می‌خوانند.

ادعاهای ما چگونه پشتوانه دارند

منبع‌یابیِ پشت هر گزاره درباره مدل یا ارزیابی در این سایت.

موتور یادگیری چگونه کار می‌کند

  • هر پاسخ را شاهد می‌داند، نه نمره نهایی.
  • وقتی استدلال موجه اما ناقص به نظر می‌رسد مقاومت می‌کند.
  • از این سیگنال برای انتخاب پرسش بعدی استفاده می‌کند، نه شروع دوباره مسیر.

محصول تمرین را به مدلی زنده از درک تبدیل می‌کند.

  1. پاسخ به شاهد تبدیل می‌شود.

    پاسخ‌ها، اطمینان، توضیح‌ها و استدلال قابل‌مشاهده نشان می‌دهند چه چیزی ممکن است استوار باشد و چه چیزی هنوز می‌تواند شکننده باشد.

  2. شواهد نشانه‌های تسلط را به‌روز می‌کنند.

    سامانه برآوردی پیوسته و قابل بازنگری از درک در سطح مفهوم نگه می‌دارد، به‌جای آنکه یک پاسخ را نمره نهایی بداند.

  3. گراف گام بعدی را شکل می‌دهد.

    پیش‌نیازها و مفاهیم مرتبط کمک می‌کنند تعیین شود که پیش برویم، یک پایه را مرور کنیم یا پرسش پیگیری دقیق‌تری مطرح کنیم.

یک توالی ثابت درسی نیست.

Robotutor زیرساخت یادگیری تطبیقی و مدل‌محور است: تمرین، برآوردهای تسلط و پرسش‌های پیگیری با تغییر سیگنال‌های شما تنظیم می‌شوند.

  • مدل‌سازی تسلط مبتنی بر شواهد

    شواهد یادگیرنده در طول زمان سنجیده می‌شود تا حدس زدن، عدم قطعیت و استدلال مطمئن همه یکسان به نظر نرسند.

  • توالی‌بندی بومی گراف

    مفاهیم با یال‌های پیش‌نیاز و ایده‌های مرتبط به هم وصل شده‌اند، بنابراین مسیر را می‌توان از ساختار استخراج کرد، نه از ترتیب ثابت درس‌ها.

  • پرسش‌گری چالشی

    پرسش‌ها استدلال پشت پاسخ را می‌آزمایند، از جمله موارد مرزی و فرض‌های تغییریافته، تا باورهای نادرست آشکار شوند.

  • بازیابی ترکیبی

    شباهت معنایی و پیمایش گراف با هم ترکیب می‌شوند تا پاسخ‌ها هم بر معنا و هم بر روابط مفهومی صریح استوار شوند.

برای راهنمایی درباره حساب، بازخورد راه‌اندازی یا پرسش‌های محصول، به support@precision-learning.org ایمیل بزنید.