İçeriğe geç

Dinamik çalışma, değerlendirme ve modüller için bilgi bankası.

Yapay zekâ ile değerlendirilen kendi kendine çalışmanın ürün döngüsü, iddia politikası ve teknik temelleri için referansları kullanın.

Öğrenme motoru nasıl çalışır

Ölçme ve mol

Anlamlı rakamlar, birim dönüşümleri, mol ve formüller ile hesaplama hatalarını yakalayan alışkanlıklar.

Tepkimeler ve stokiyometri

Denklem denkleştirme, sınırlayıcı bileşenler, çözelti derişimi, tepkime türleri ve redoks.

Atomlar, bağlar ve adlandırma

Elektron dizilimleri, periyodik özellikler, Lewis yapıları, molekül geometrisi ve bileşik adları.

Gazlar, enerji ve asitler

Moleküller arası kuvvetler, gaz yasaları, entalpi, Hess yasası ile asitler, bazlar ve pH.

Atomlar, ışık ve bağlanma

İzotoplar, atom spektrumları, kuantum sayıları, elektronegatiflik ve orbital hibritleşmesi.

Çözeltiler, fazlar ve termodinamik

Titrasyonlar, koligatif özellikler, faz diyagramları, entropi ve serbest enerji ile nükleer bozunma.

Kinetik ve denge

Hız yasaları, yarı ömürler, aktivasyon enerjisi, denge sabitleri ve Le Chatelier ilkesi.

Denge hesapları ve elektrokimya

ICE tabloları, zayıf asitler ve bazlar, tamponlar, çözünürlük çarpımları ve hücre potansiyelleri.

Kendi başınıza çalışmak

Alıştırmanın nasıl uyum sağladığı, nasıl planlanacağı ve kalıcı hâle nasıl getirileceği.

Bir öğrenene yardım etmek

Bir öğrenenin işaretlerini okuyan öğretmenler, özel öğretmenler, ebeveynler ve akıl hocaları için.

İddialarımızı nasıl ortaya koyuyoruz

Bu sitedeki her model veya değerlendirme ifadesinin dayandığı kaynaklar.

Öğrenme motoru nasıl çalışır

  • Her yanıtı nihai bir puan değil, kanıt olarak ele alır.
  • Akıl yürütme makul görünse de eksik olduğunda karşı çıkar.
  • Sinyali, parkura baştan başlamak yerine bir sonraki soruyu seçmek için kullanır.

Ürün, alıştırmayı sürekli gelişen bir anlama modeline dönüştürür.

  1. Bir yanıt kanıta dönüşür.

    Yanıtlar, güven düzeyi, açıklamalar ve görünür akıl yürütme, nelerin sağlam olabileceğini ve nelerin hâlâ kırılgan kalabileceğini gösterir.

  2. Kanıt, ustalık sinyallerini günceller.

    Sistem, tek bir yanıtı nihai puan saymak yerine, kavram düzeyindeki anlayışa dair sürekli ve gözden geçirilebilir bir tahmin tutar.

  3. Graf bir sonraki adımı şekillendirir.

    Ön koşullar ve ilgili kavramlar, ilerlemeye, bir temeli yeniden gözden geçirmeye veya daha keskin bir ek soru sormaya karar vermeye yardımcı olur.

Sabit bir ders sırası değil.

Robotutor, uyarlanabilir ve model odaklı bir öğrenme altyapısıdır: sinyalleriniz değiştikçe alıştırma, ustalık tahminleri ve takip soruları da ayarlanır.

  • Kanıta dayalı ustalık modellemesi

    Öğrenci kanıtı zaman içinde tartılır; böylece tahmin yürütme, belirsizlik ve kendinden emin akıl yürütme birbirinin aynısı görünmez.

  • Graf tabanlı sıralama

    Kavramlar ön koşul ve ilgili fikir bağlarıyla birbirine bağlıdır; böylece sabit bir ders sırası yerine yapıdan bir yol türetilebilir.

  • Karşıt sorgulama

    Sorular, bir yanıtın ardındaki akıl yürütmeyi, uç durumlar ve değişen varsayımlar dahil, sınar; böylece kavram yanılgıları görünür hâle gelir.

  • Hibrit getirme

    Yanıtların hem anlama hem de açık kavramsal ilişkilere dayanması için anlamsal benzerlik ve graf dolaşımı birleştirilir.

Hesap yardımı, lansman geri bildirimi veya ürün soruları için support@precision-learning.org adresine e-posta gönderin.