コンテンツへ移動
未サインインサインイン

動的な学習、採点、モジュールのためのナレッジベース。

AIが採点する自己学習の背景にある、製品のループ、主張に関するポリシー、技術的な根拠については、こちらの資料をご利用ください。

学習エンジンの仕組み

測定とモル

有効数字、単位換算、モルと化学式、計算ミスを見つけるための習慣。

反応と化学量論

反応式の係数合わせ、限定反応物、溶液の濃度、反応の種類、酸化還元。

原子、結合、命名

電子配置、周期律、ルイス構造、分子の形、化合物の命名。

気体、エネルギー、酸

分子間力、気体の法則、エンタルピー、ヘスの法則、酸・塩基・pH。

原子、光、結合

同位体、原子スペクトル、量子数、電気陰性度、軌道の混成。

溶液、相、熱力学

滴定、束一的性質、状態図、エントロピーと自由エネルギー、核の崩壊。

反応速度と平衡

速度式、半減期、活性化エネルギー、平衡定数、ルシャトリエの原理。

平衡の計算と電気化学

ICE表、弱酸と弱塩基、緩衝液、溶解度積、電池電位。

ひとりで学ぶ

練習がどう適応するか、どう計画するか、どうすれば定着するか。

学習者を支える

学習者のサインを読み取る教師、チューター、保護者、メンターのために。

主張の根拠の示し方

このサイトでのモデルや評価に関する記述の裏付けとなる出典。

学習エンジンの仕組み

  • 各回答を最終的なスコアではなく、証拠として扱います。
  • 筋は通っているように見えても不十分な推論には、反論を返します。
  • そのシグナルを使って次の質問を選び、学習ハブを最初からやり直すことはしません。

この製品は、練習を理解度の継続的なモデルに変えます。

  1. 回答が証拠になる。

    回答、自信度、説明、そして見える形の推論から、何が定着していそうか、何がまだ不安定かが見えてきます。

  2. 証拠が習熟のシグナルを更新する。

    システムは、1つの回答を最終的なスコアとして扱うのではなく、概念レベルの理解について、見直し可能な推定を継続的に保ちます。

  3. グラフが次の一手を決める。

    前提知識と関連する概念をもとに、先へ進むか、土台を復習するか、さらに鋭い追加の質問をするかを判断します。

固定されたコースの順序ではありません。

Robotutorは、適応型でモデル駆動の学習基盤です。あなたのシグナルが変わるにつれて、練習、習熟度の推定、フォローアップの質問が調整されます。

  • 証拠にもとづく習熟度モデリング

    学習者の証拠は時間をかけて重み付けされるため、当てずっぽう、迷い、確信のある推論が同じようには扱われません。

  • グラフに基づく順序づけ

    概念は前提関係と関連する考えのエッジでつながっているため、固定されたレッスン順ではなく、構造から学習の道筋を導き出せます。

  • 反証的な質問

    質問は、境界ケースや前提の変更も含めて回答の背後にある推論を探り、誤解が見えるようにします。

  • ハイブリッド検索

    意味的な類似性とグラフの探索を組み合わせ、回答を意味と明示的な概念間の関係の両方に根ざしたものにします。

アカウントに関するヘルプ、ローンチへのご意見、製品に関するご質問は、support@precision-learning.orgまでメールでお寄せください。