Vai al contenuto

Base di conoscenza per studio dinamico, valutazione e moduli.

Usa i riferimenti per il ciclo del prodotto, la politica sulle affermazioni e le basi tecniche dello studio autonomo valutato dall'IA.

Come funziona il motore di apprendimento

Misura e mole

Cifre significative, conversioni di unità, moli e formule, e abitudini che individuano gli errori di calcolo.

Reazioni e stechiometria

Bilanciamento delle equazioni, reagenti limitanti, concentrazione delle soluzioni, tipi di reazione e redox.

Atomi, legami e nomi

Configurazioni elettroniche, tendenze periodiche, strutture di Lewis, forma molecolare e nomenclatura dei composti.

Gas, energia e acidi

Forze intermolecolari, leggi dei gas, entalpia, legge di Hess, acidi, basi e pH.

Atomi, luce e legami

Isotopi, spettri atomici, numeri quantici, elettronegatività e ibridazione degli orbitali.

Soluzioni, fasi e termodinamica

Titolazioni, proprietà colligative, diagrammi di fase, entropia ed energia libera, e decadimento nucleare.

Cinetica ed equilibrio

Leggi cinetiche, tempi di dimezzamento, energia di attivazione, costanti di equilibrio e principio di Le Chatelier.

Calcoli di equilibrio ed elettrochimica

Tabelle ICE, acidi e basi deboli, tamponi, prodotti di solubilità e potenziali di cella.

Studiare da soli

Come si adatta la pratica, come pianificarla e come renderla duratura.

Aiutare chi impara

Per insegnanti, tutor, genitori e mentori che leggono i segnali di chi sta imparando.

Come formuliamo le affermazioni

Le fonti dietro ogni affermazione su modelli o valutazioni presente in questo sito.

Come funziona il motore di apprendimento

  • Tratta ogni risposta come un'evidenza, non come un voto finale.
  • Obietta quando il ragionamento sembra plausibile ma è incompleto.
  • Usa il segnale per scegliere la domanda successiva invece di ricominciare l'hub di apprendimento da capo.

Il prodotto trasforma la pratica in un modello continuo della comprensione.

  1. Una risposta diventa un'evidenza.

    Risposte, grado di sicurezza, spiegazioni e ragionamento visibile suggeriscono ciò che potrebbe essere solido e ciò che potrebbe essere ancora fragile.

  2. Le evidenze aggiornano i segnali di padronanza.

    Il sistema mantiene una stima continua e rivedibile della comprensione a livello di concetto, invece di considerare una singola risposta come un punteggio definitivo.

  3. Il grafo plasma la mossa successiva.

    Prerequisiti e concetti correlati aiutano a decidere se andare avanti, ripassare una base o porre una domanda di approfondimento più incisiva.

Non una sequenza fissa di corso.

Robotutor è un'infrastruttura di apprendimento adattiva e basata su modelli: la pratica, le stime di padronanza e le domande successive si adattano al variare dei tuoi segnali.

  • Modellazione della padronanza basata sulle evidenze

    Le evidenze su chi impara vengono ponderate nel tempo, così tirare a indovinare, l'incertezza e il ragionamento sicuro non appaiono tutti uguali.

  • Sequenziamento nativo su grafo

    I concetti sono collegati da archi di prerequisito e di idee correlate, così un percorso può derivare dalla struttura invece che da un ordine fisso delle lezioni.

  • Domande oppositive

    Le domande indagano il ragionamento dietro una risposta, compresi i casi limite e le ipotesi modificate, così le idee sbagliate diventano visibili.

  • Recupero ibrido

    Similarità semantica e attraversamento del grafo vengono combinati per fondare le risposte sia sul significato sia sulle relazioni concettuali esplicite.

Per assistenza con l'account, feedback sul lancio o domande sul prodotto, scrivi a support@precision-learning.org.