Hoppa till innehåll

Kunskapsbas för dynamiska studier, bedömning och moduler.

Använd referenserna för produktloopen, påståendepolicyn och den tekniska grunden bakom AI-bedömda självstudier.

Så fungerar inlärningsmotorn

Mätning och substansmängd

Gällande siffror, enhetsomvandlingar, substansmängd och formler, samt vanor som upptäcker räknefel.

Reaktioner och stökiometri

Balansering av reaktionsformler, begränsande reaktanter, lösningars koncentration, reaktionstyper och redox.

Atomer, bindningar och namn

Elektronkonfigurationer, periodiska trender, Lewisstrukturer, molekylform och namn på föreningar.

Gaser, energi och syror

Intermolekylära krafter, gaslagar, entalpi, Hess lag samt syror, baser och pH.

Atomer, ljus och bindning

Isotoper, atomspektra, kvanttal, elektronegativitet och hybridisering av orbitaler.

Lösningar, faser och termodynamik

Titreringar, kolligativa egenskaper, fasdiagram, entropi och fri energi samt radioaktivt sönderfall.

Kinetik och jämvikt

Hastighetslagar, halveringstider, aktiveringsenergi, jämviktskonstanter och Le Chateliers princip.

Jämviktsberäkningar och elektrokemi

ICE-tabeller, svaga syror och baser, buffertar, löslighetsprodukter och cellpotentialer.

Att studera på egen hand

Hur övningen anpassas, hur du planerar den och hur du får den att hålla.

Att hjälpa en elev

För lärare, handledare, föräldrar och mentorer som läser av en elevs signaler.

Så underbygger vi påståenden

Källorna bakom varje påstående om modeller eller utvärderingar på den här webbplatsen.

Så fungerar inlärningsmotorn

  • Behandlar varje svar som bevis, inte som ett slutbetyg.
  • Trycker tillbaka när resonemanget verkar rimligt men är ofullständigt.
  • Använder signalen för att välja nästa fråga i stället för att starta om lärhubben.

Produkten förvandlar övning till en löpande modell av förståelse.

  1. Ett svar blir ett belägg.

    Svar, säkerhet, förklaringar och synligt resonemang antyder vad som kan sitta och vad som fortfarande kan vara skört.

  2. Belägg uppdaterar behärskningssignaler.

    Systemet för en löpande, omprövningsbar uppskattning av förståelsen på begreppsnivå i stället för att behandla ett enda svar som ett slutligt resultat.

  3. Grafen styr nästa steg.

    Förkunskaper och relaterade begrepp hjälper till att avgöra om man ska gå vidare, repetera en grund eller ställa en mer träffsäker följdfråga.

Ingen fast kurssekvens.

Robotutor är adaptiv, modelldriven inlärningsinfrastruktur: övning, behärskningsuppskattningar och uppföljningsfrågor anpassas när dina signaler förändras.

  • Evidensbaserad modellering av behärskning

    Belägg från den lärande vägs över tid, så att gissning, osäkerhet och säkert resonemang inte ser likadana ut.

  • Grafbaserad sekvensering

    Begrepp är förbundna med kanter för förkunskaper och relaterade idéer, så en väg kan härledas ur strukturen i stället för en fast lektionsordning.

  • Utmanande frågor

    Frågorna prövar resonemanget bakom ett svar, inklusive gränsfall och ändrade antaganden, så att missuppfattningar blir synliga.

  • Hybridhämtning

    Semantisk likhet och grafgenomsökning kombineras för att förankra svaren både i mening och i uttryckliga begreppsliga relationer.

För kontohjälp, lanseringsfeedback eller produktfrågor, skicka e-post till support@precision-learning.org.