Ga naar inhoud
Niet ingelogdInloggen

Kennisbank voor dynamisch studeren, beoordelen en modules.

Gebruik de naslagwerken voor de productlus, het beleid rond beweringen en de technische onderbouwing van zelfstudie die door AI wordt beoordeeld.

Hoe de leermotor werkt

Meten en het mol

Significante cijfers, eenheidsomrekeningen, mol en formules, en gewoonten die rekenfouten opvangen.

Reacties en stoichiometrie

Vergelijkingen kloppend maken, limiterende reactanten, oplossingsconcentratie, reactietypen en redox.

Atomen, bindingen en namen

Elektronenconfiguraties, periodieke trends, lewisstructuren, moleculaire vorm en namen van verbindingen.

Gassen, energie en zuren

Intermoleculaire krachten, gaswetten, enthalpie, de wet van Hess, en zuren, basen en pH.

Atomen, licht en binding

Isotopen, atoomspectra, kwantumgetallen, elektronegativiteit en hybridisatie van orbitalen.

Oplossingen, fasen en thermodynamica

Titraties, colligatieve eigenschappen, fasediagrammen, entropie en vrije energie, en radioactief verval.

Kinetiek en evenwicht

Snelheidswetten, halveringstijden, activeringsenergie, evenwichtsconstanten en het principe van Le Chatelier.

Evenwichtsberekeningen en elektrochemie

ICE-tabellen, zwakke zuren en basen, buffers, oplosbaarheidsproducten en celpotentialen.

Zelfstandig studeren

Hoe oefenen zich aanpast, hoe je het plant en hoe je het volhoudt.

Een leerling helpen

Voor docenten, bijlesgevers, ouders en mentoren die de signalen van een leerling lezen.

Hoe wij beweringen onderbouwen

De bronnen achter elke uitspraak over een model of evaluatie op deze site.

Hoe de leermotor werkt

  • Behandelt elk antwoord als bewijs, niet als eindcijfer.
  • Duwt terug wanneer een redenering plausibel lijkt maar onvolledig is.
  • Gebruikt het signaal om de volgende vraag te kiezen in plaats van het traject opnieuw te beginnen.

Het product maakt van oefenen een lopend model van begrip.

  1. Een antwoord wordt bewijs.

    Antwoorden, zekerheid, uitleg en zichtbare redenering geven aan wat stevig is en wat nog kwetsbaar kan zijn.

  2. Bewijs werkt de beheersingssignalen bij.

    Het systeem houdt een doorlopende, herzienbare schatting van het begrip op conceptniveau bij, in plaats van één antwoord als eindscore te beschouwen.

  3. De graaf bepaalt de volgende stap.

    Randvoorwaarden en verwante concepten helpen bepalen of je doorgaat, een basis herhaalt of een scherpere vervolgvraag stelt.

Geen vaste cursusvolgorde.

Robotutor is adaptieve, modelgestuurde leerinfrastructuur: oefenen, schattingen van beheersing en vervolgvragen passen zich aan naarmate je signalen veranderen.

  • Op bewijs gebaseerde beheersingsmodellering

    Het bewijs van de leerling wordt in de tijd gewogen, zodat gokken, onzekerheid en zelfverzekerd redeneren er niet allemaal hetzelfde uitzien.

  • Op een graaf gebaseerde volgorde

    Concepten zijn verbonden door voorkennis- en verwante-ideeënverbanden, zodat een leerpad uit de structuur kan worden afgeleid in plaats van uit een vaste lesvolgorde.

  • Tegenvragen stellen

    Vragen onderzoeken de redenering achter een antwoord, inclusief randgevallen en gewijzigde aannames, zodat misvattingen zichtbaar worden.

  • Hybride zoeken

    Semantische gelijkenis en het doorlopen van de graaf worden gecombineerd, zodat antwoorden zowel op betekenis als op expliciete conceptuele verbanden berusten.

Voor hulp bij je account, feedback over de lancering of vragen over het product kun je mailen naar support@precision-learning.org.