인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
Abstract The quality of physical education often faces challenges due to inadequate evaluation methods that fail to provide accurate, real-time teaching evaluation. These challenges influence student performance and overall teaching quality. This article introduces a quality assessment method using fuzzy set theory (QAM-FST) to evaluate physical education teaching. The proposed method extracts and classifies all the available teaching data to compute the students' performance over sessions through fuzzy rough set differentiations over partial and complete derivatives. The complete derivatives identify the factors contributing the maximum to the teaching quality, while the partial derivatives acquire the minimal influence factors. These derivatives are clubbed together through the hierarchical process to identify the precise quality impacting factors and least impacting factors to replace or recommend alternate suggestions. The QAM-FST framework offers a comprehensive, data-driven assessment ensuring the enhancement of PE teaching quality. The QAM-FST outperforms three current models in terms of suggestion accuracy (96.8%), assessment time reduction (22.66%), and total performance evaluation efficiency (16.78%). This data-driven platform guarantees improved physical education instruction quality through actionable insights obtained from real-time feedback.
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
