STEM गहन शिक्षण दृष्टीकोन

अभियांत्रिकी शिक्षणाच्या जगात अनेक उत्कृष्ट अभ्यासक्रम आहेत, परंतु बर्‍याचदा त्यांच्याभोवती तयार केलेल्या अभ्यासक्रमात एक गंभीर त्रुटी आहे - विविध विषयांमधील सुसंगतता नसणे. एखादी व्यक्ती आक्षेप घेऊ शकते: हे कसे असू शकते?

जेव्हा प्रशिक्षण कार्यक्रम तयार केला जात असेल, तेव्हा प्रत्येक अभ्यासक्रमासाठी पूर्वआवश्यकता आणि एक स्पष्ट क्रम ज्यामध्ये विषयांचा अभ्यास केला पाहिजे. उदाहरणार्थ, एक आदिम मोबाइल रोबोट तयार करण्यासाठी आणि प्रोग्राम करण्यासाठी, आपल्याला त्याची भौतिक रचना तयार करण्यासाठी थोडे यांत्रिकी माहित असणे आवश्यक आहे; ओहम/किर्चहॉफच्या नियमांच्या पातळीवर विजेची मूलभूत माहिती, डिजिटल आणि अॅनालॉग सिग्नलचे प्रतिनिधित्व; अंतराळातील रोबोटच्या समन्वय प्रणाली आणि हालचालींचे वर्णन करण्यासाठी वेक्टर आणि मॅट्रिकसह ऑपरेशन्स; डेटा सादरीकरणाच्या स्तरावर प्रोग्रामिंगची मूलतत्त्वे, साधे अल्गोरिदम आणि नियंत्रण हस्तांतरण संरचना इ. वर्तन वर्णन करण्यासाठी.

हे सर्व विद्यापीठ अभ्यासक्रमांमध्ये समाविष्ट आहे का? अर्थातच आहेत. तथापि, ओहम/किर्चहॉफच्या नियमांमुळे आपल्याला थर्मोडायनामिक्स आणि फील्ड थिअरी मिळते; मॅट्रिक्स आणि वेक्टरसह ऑपरेशन्स व्यतिरिक्त, एखाद्याला जॉर्डन फॉर्मचा सामना करावा लागतो; प्रोग्रामिंगमध्ये, पॉलिमॉर्फिझमचा अभ्यास करा - साध्या व्यावहारिक समस्येचे निराकरण करण्यासाठी नेहमीच आवश्यक नसलेले विषय.

विद्यापीठ शिक्षण व्यापक आहे - विद्यार्थी व्यापक आघाडीवर जातो आणि अनेकदा त्याला मिळालेल्या ज्ञानाचा अर्थ आणि व्यावहारिक महत्त्व दिसत नाही. आम्ही STEM मध्ये (विज्ञान, तंत्रज्ञान, अभियांत्रिकी, गणित या शब्दांमधून) विद्यापीठीय शिक्षणाचा नमुना वळवण्याचा निर्णय घेतला आणि ज्ञानाच्या सुसंगततेवर आधारित एक कार्यक्रम तयार केला, ज्यामुळे भविष्यात पूर्णता वाढू शकेल, म्हणजेच ते. विषयांवर गहन प्रभुत्व सूचित करते.

नवीन विषय क्षेत्र शिकण्याची तुलना स्थानिक क्षेत्र शोधण्याशी केली जाऊ शकते. आणि येथे दोन पर्याय आहेत: एकतर मुख्य खुणा कोठे आहेत आणि ते एकमेकांशी कसे संबंधित आहेत हे समजून घेण्यासाठी आमच्याकडे मोठ्या प्रमाणात तपशीलांसह एक अतिशय तपशीलवार नकाशा आहे ज्याचा अभ्यास करणे आवश्यक आहे (आणि यासाठी खूप वेळ लागतो). ; किंवा आपण एक आदिम योजना वापरू शकता, ज्यावर फक्त मुख्य बिंदू आणि त्यांची संबंधित स्थाने दर्शविली आहेत - असा नकाशा त्वरित योग्य दिशेने जाण्यासाठी पुरेसा आहे, आपण जाताना तपशील स्पष्ट करतो.

आम्ही एका हिवाळी शाळेत सघन STEM शिकण्याच्या दृष्टिकोनाची चाचणी केली, जी आम्ही एमआयटीच्या विद्यार्थ्यांसोबत एकत्र केली जेटब्रेन्स संशोधन.

साहित्याची तयारी

शालेय कार्यक्रमाचा पहिला भाग हा मुख्य भागातील वर्गांचा आठवडा होता, ज्यामध्ये बीजगणित, इलेक्ट्रिकल सर्किट्स, कॉम्प्युटर आर्किटेक्चर, पायथन प्रोग्रामिंग आणि आरओएस (रोबोट ऑपरेटिंग सिस्टम) चा परिचय समाविष्ट होते.

दिशानिर्देश योगायोगाने निवडले गेले नाहीत: एकमेकांना पूरक, ते विद्यार्थ्यांना पहिल्या दृष्टीक्षेपात भिन्न गोष्टी - गणित, इलेक्ट्रॉनिक्स आणि प्रोग्रामिंग यांच्यातील संबंध पाहण्यास मदत करणार होते.

अर्थात, मुख्य उद्दिष्ट भरपूर व्याख्याने देणे हे नव्हते, परंतु विद्यार्थ्यांना नवीन आत्मसात केलेले ज्ञान प्रत्यक्ष व्यवहारात लागू करण्याची संधी देणे हे होते.

बीजगणित विभागात, विद्यार्थी मॅट्रिक्स ऑपरेशन्स आणि समीकरण सोडवण्याच्या पद्धतींचा सराव करू शकतात, जे इलेक्ट्रिकल सर्किट्सचा अभ्यास करण्यासाठी उपयुक्त होते. ट्रान्झिस्टरची रचना आणि त्याच्या आधारे तयार केलेल्या तार्किक घटकांबद्दल जाणून घेतल्यावर, विद्यार्थी प्रोसेसर डिव्हाइसमध्ये त्यांचा वापर पाहू शकतात आणि पायथन भाषेच्या मूलभूत गोष्टी शिकल्यानंतर, त्यामध्ये वास्तविक रोबोटसाठी एक प्रोग्राम लिहा.

डकीटाउन

शक्य असेल तेथे सिम्युलेटरसह काम कमी करणे हे शाळेचे एक ध्येय होते. म्हणून, इलेक्ट्रॉनिक सर्किट्सचा एक मोठा संच तयार केला गेला, जे विद्यार्थ्यांना वास्तविक घटकांमधून ब्रेडबोर्डवर एकत्र केले गेले आणि सराव मध्ये त्यांची चाचणी घ्या आणि डकीटाउनला प्रकल्पांसाठी आधार म्हणून निवडले गेले.

डकीटाउन हा एक मुक्त-स्रोत प्रकल्प आहे ज्यामध्ये डकीबॉट्स नावाचे छोटे स्वायत्त रोबोट आणि ते प्रवास करत असलेल्या रस्त्यांचे नेटवर्क समाविष्ट आहे. डकीबॉट हे रास्पबेरी पाई मायक्रो कॉम्प्युटर आणि सिंगल कॅमेराने सुसज्ज असलेले चाकांचे प्लॅटफॉर्म आहे.

त्यावर आधारित, आम्ही संभाव्य कार्यांचा एक संच तयार केला आहे, जसे की रस्ता नकाशा तयार करणे, वस्तूंचा शोध घेणे आणि त्यांच्या शेजारी थांबणे आणि इतर अनेक. विद्यार्थी स्वतःची समस्या देखील मांडू शकतात आणि ते सोडवण्यासाठी केवळ एक प्रोग्राम लिहू शकत नाहीत तर ते ताबडतोब प्रत्यक्ष रोबोटवर चालवू शकतात.

शिक्षण

व्याख्यानादरम्यान, शिक्षकांनी पूर्व-तयार सादरीकरणे वापरून साहित्य सादर केले. काही वर्ग व्हिडिओवर रेकॉर्ड केले गेले जेणेकरून विद्यार्थी ते घरी पाहू शकतील. व्याख्यानादरम्यान, विद्यार्थ्यांनी त्यांच्या संगणकावरील सामग्री वापरली, प्रश्न विचारले आणि समस्या एकत्र आणि स्वतंत्रपणे सोडवल्या, कधीकधी ब्लॅकबोर्डवर. कामाच्या निकालांवर आधारित, प्रत्येक विद्यार्थ्याचे रेटिंग वेगवेगळ्या विषयांमध्ये स्वतंत्रपणे मोजले गेले.

प्रत्येक विषयातील वर्गांचे आयोजन अधिक तपशीलवार विचार करूया. पहिला विषय रेखीय बीजगणित होता. विद्यार्थ्यांनी एक दिवस वेक्टर आणि मॅट्रिक्स, रेखीय समीकरणांची प्रणाली इत्यादींचा अभ्यास केला. व्यावहारिक कार्ये परस्परसंवादीपणे संरचित केली गेली: प्रस्तावित समस्या वैयक्तिकरित्या सोडवल्या गेल्या आणि शिक्षक आणि इतर विद्यार्थ्यांनी टिप्पण्या आणि टिपा दिल्या.

दुसरा विषय वीज आणि साधे सर्किट्स. विद्यार्थ्यांनी इलेक्ट्रोडायनामिक्सच्या मूलभूत गोष्टी शिकल्या: व्होल्टेज, करंट, रेझिस्टन्स, ओहमचे नियम आणि किर्चहॉफचे नियम. व्यावहारिक कार्ये अंशतः सिम्युलेटरमध्ये केली गेली किंवा बोर्डवर पूर्ण केली गेली, परंतु वास्तविक सर्किट्स जसे की लॉजिक सर्किट्स, ऑसीलेटिंग सर्किट्स इत्यादी तयार करण्यात अधिक वेळ घालवला गेला.

पुढचा विषय आहे कॉम्प्युटर आर्किटेक्चर - एका अर्थाने, भौतिकशास्त्र आणि प्रोग्रामिंगला जोडणारा पूल. विद्यार्थ्यांनी मूलभूत आधाराचा अभ्यास केला, ज्याचे महत्त्व व्यावहारिकपेक्षा सैद्धांतिक आहे. सराव म्हणून, विद्यार्थ्यांनी सिम्युलेटरमध्ये अंकगणित आणि तर्कशास्त्र सर्किट स्वतंत्रपणे डिझाइन केले आणि पूर्ण केलेल्या कार्यांसाठी गुण प्राप्त केले.

चौथा दिवस प्रोग्रामिंगचा पहिला दिवस आहे. पायथन 2 ही प्रोग्रामिंग भाषा म्हणून निवडली गेली कारण ती ROS प्रोग्रामिंगमध्ये वापरली जाणारी भाषा आहे. या दिवसाची रचना खालीलप्रमाणे केली गेली: शिक्षकांनी सामग्री सादर केली, समस्या सोडवण्याची उदाहरणे दिली, तर विद्यार्थी त्यांचे ऐकतात, त्यांच्या संगणकावर बसतात आणि शिक्षकांनी बोर्ड किंवा स्लाइडवर काय लिहिले आहे याची पुनरावृत्ती केली. मग विद्यार्थ्यांनी स्वतःहून तत्सम समस्या सोडवल्या आणि नंतर शिक्षकांद्वारे निराकरणाचे मूल्यांकन केले गेले.

पाचवा दिवस आरओएसला समर्पित होता: मुलांनी रोबोट प्रोग्रामिंगबद्दल शिकले. संपूर्ण शालेय दिवस, विद्यार्थी त्यांच्या संगणकावर बसून, शिक्षकाने बोललेल्या प्रोग्राम कोडवर चालत. ते मूलभूत ROS युनिट्स स्वतः चालवण्यास सक्षम होते आणि डकीटाउन प्रकल्पातही त्यांची ओळख झाली. या दिवसाच्या शेवटी, विद्यार्थी शाळेचा प्रकल्प भाग सुरू करण्यास तयार होते - व्यावहारिक समस्या सोडवणे.

निवडलेल्या प्रकल्पांचे वर्णन

विद्यार्थ्यांना तीन जणांची टीम तयार करून प्रोजेक्ट विषय निवडण्यास सांगण्यात आले. परिणामी, खालील प्रकल्प स्वीकारले गेले:

1. रंग कॅलिब्रेशन. जेव्हा प्रकाशाची परिस्थिती बदलते तेव्हा डकीबॉटला कॅमेरा कॅलिब्रेट करणे आवश्यक आहे, त्यामुळे स्वयंचलित कॅलिब्रेशन कार्य आहे. समस्या अशी आहे की रंग श्रेणी प्रकाशासाठी अत्यंत संवेदनशील असतात. सहभागींनी एक उपयुक्तता लागू केली जी फ्रेममध्ये (लाल, पांढरा आणि पिवळा) आवश्यक रंग हायलाइट करेल आणि प्रत्येक रंगासाठी HSV फॉरमॅटमध्ये श्रेणी तयार करेल.

2. डक टॅक्सी. या प्रकल्पाची कल्पना अशी आहे की डकीबॉट एखाद्या वस्तूजवळ थांबू शकतो, ती उचलू शकतो आणि विशिष्ट मार्गाचा अवलंब करू शकतो. एक चमकदार पिवळा बदक ऑब्जेक्ट म्हणून निवडला गेला.

3. रस्ता आलेख बांधणे. रस्ते आणि चौकांचा आलेख तयार करण्याचे काम आहे. केवळ कॅमेरा डेटावर अवलंबून राहून डकीबॉटला पर्यावरणीय डेटा प्रदान न करता रस्ता आलेख तयार करणे हे या प्रकल्पाचे उद्दिष्ट आहे.

4. पेट्रोलिंग कार. या प्रकल्पाचा शोध विद्यार्थ्यांनीच लावला आहे. त्यांनी एक डकीबॉट, “गस्त”, दुसर्‍याचा, “उल्लंघन करणारा” पाठलाग करण्यास शिकवण्याचा प्रस्ताव दिला. या उद्देशासाठी, ArUco मार्कर वापरून लक्ष्य ओळखण्याची यंत्रणा वापरली गेली. ओळख पूर्ण होताच, काम पूर्ण करण्यासाठी "घुसखोर" ला सिग्नल पाठविला जातो.

रंग कॅलिब्रेशन

कलर कॅलिब्रेशन प्रकल्पाचे ध्येय ओळखण्यायोग्य चिन्हांकित रंगांची श्रेणी नवीन प्रकाश परिस्थितींमध्ये समायोजित करणे हे होते. अशा समायोजनाशिवाय, स्टॉप लाइन, लेन सेपरेटर आणि रस्त्यांच्या सीमा ओळखणे चुकीचे ठरले. सहभागींनी प्रीप्रोसेसिंग मार्कअप कलर पॅटर्नवर आधारित उपाय प्रस्तावित केला: लाल, पिवळा आणि पांढरा.

यातील प्रत्येक रंगात HSV किंवा RGB मूल्यांची प्रीसेट श्रेणी असते. या श्रेणीचा वापर करून, योग्य रंग असलेली फ्रेमची सर्व क्षेत्रे सापडतात आणि सर्वात मोठी निवडली जाते. हे क्षेत्र लक्षात ठेवण्याची गरज असलेला रंग म्हणून घेतला जातो. नंतर नवीन रंग श्रेणीचा अंदाज घेण्यासाठी सरासरी आणि मानक विचलनाची गणना करणे यासारखी सांख्यिकीय सूत्रे वापरली जातात.

ही श्रेणी डकीबॉटच्या कॅमेरा कॉन्फिगरेशन फाइल्समध्ये रेकॉर्ड केली जाते आणि नंतर वापरली जाऊ शकते. वर्णित दृष्टीकोन सर्व तीन रंगांवर लागू केला गेला, शेवटी प्रत्येक मार्कअप रंगासाठी श्रेणी तयार केली.

चाचण्यांनी चिन्हांकित रेषांची जवळजवळ अचूक ओळख दर्शविली, ज्या प्रकरणांमध्ये चिन्हांकित सामग्रीमध्ये चमकदार टेपचा वापर केला गेला, जे प्रकाश स्रोत इतके जोरदारपणे परावर्तित करते की कॅमेऱ्याच्या दृश्य कोनातून खुणा त्याच्या मूळ रंगाकडे दुर्लक्ष करून, पांढरे दिसू लागले.

बदक टॅक्सी

डक टॅक्सी प्रकल्पामध्ये शहरातील बदक प्रवाशाचा शोध घेण्यासाठी अल्गोरिदम तयार करणे आणि नंतर ते आवश्यक ठिकाणी पोहोचवणे समाविष्ट होते. सहभागींनी ही समस्या दोन भागात विभागली: आलेखासह शोध आणि हालचाल.

बदक हे फ्रेममधील कोणतेही क्षेत्र आहे जे पिवळे म्हणून ओळखले जाऊ शकते, त्यावर लाल त्रिकोण (चोच) आहे असे गृहित धरून विद्यार्थ्यांनी बदक शोधले. पुढील फ्रेममध्ये असे क्षेत्र आढळून येताच, रोबोटने त्याच्याकडे जावे आणि नंतर काही सेकंद थांबावे, प्रवाश्याच्या लँडिंगचे अनुकरण केले पाहिजे.

त्यानंतर, संपूर्ण डकीटाउनचा रोड आलेख आणि बॉटची स्थिती आगाऊ मेमरीमध्ये संग्रहित करून, आणि इनपुट म्हणून गंतव्यस्थान प्राप्त करून, आलेखामध्ये मार्ग शोधण्यासाठी डिजक्स्ट्राचा अल्गोरिदम वापरून सहभागी निर्गमन बिंदूपासून आगमन बिंदूपर्यंत एक मार्ग तयार करतात. . आउटपुट कमांडच्या संचाच्या रूपात सादर केले जाते - खालील प्रत्येक छेदनबिंदूवर वळते.

रस्त्यांचा आलेख

या प्रकल्पाचे उद्दिष्ट आलेख तयार करणे हे होते - डकीटाउनमधील रस्त्यांचे जाळे. परिणामी आलेखाचे नोड्स छेदनबिंदू आहेत आणि आर्क्स रस्ते आहेत. हे करण्यासाठी, डकीबॉटने शहर एक्सप्लोर केले पाहिजे आणि त्याच्या मार्गाचे विश्लेषण केले पाहिजे.

प्रकल्पाच्या कामादरम्यान, भारित आलेख तयार करण्याच्या कल्पनेचा विचार केला गेला, परंतु नंतर टाकून दिला, ज्यामध्ये एका काठाची किंमत छेदनबिंदूंमधील अंतर (प्रवासाची वेळ) द्वारे निर्धारित केली जाते. या कल्पनेची अंमलबजावणी खूप श्रम-केंद्रित असल्याचे दिसून आले आणि शाळेमध्ये त्यासाठी पुरेसा वेळ नव्हता.

जेव्हा डकीबॉट पुढील चौकात पोहोचतो, तेव्हा तो छेदनबिंदूच्या बाहेर जाणारा रस्ता निवडतो जो त्याने अद्याप घेतलेला नाही. जेव्हा सर्व छेदनबिंदूंवरील सर्व रस्ते पार केले जातात, तेव्हा छेदनबिंदू संलग्नतेची व्युत्पन्न केलेली यादी बॉटच्या मेमरीमध्ये राहते, जी ग्राफविझ लायब्ररी वापरून प्रतिमेमध्ये रूपांतरित केली जाते.

सहभागींनी प्रस्तावित केलेला अल्गोरिदम यादृच्छिक डकीटाउनसाठी योग्य नव्हता, परंतु शाळेमध्ये वापरल्या जाणार्‍या चार छेदनबिंदू असलेल्या छोट्या शहरासाठी चांगले काम केले. छेदनबिंदू कोणत्या क्रमाने चालवले गेले याचा मागोवा घेण्यासाठी प्रत्येक छेदनबिंदूवर एक ArUco मार्कर जोडण्याची कल्पना होती.
सहभागींनी विकसित केलेल्या अल्गोरिदमचे चित्र आकृतीमध्ये दर्शविले आहे.

पेट्रोलिंग कार

डकीटाउन शहरात उल्लंघन करणाऱ्या बॉटचा शोध घेणे, त्याचा पाठपुरावा करणे आणि त्याला ताब्यात घेणे हे या प्रकल्पाचे ध्येय आहे. ओळखीच्या घुसखोर बॉटच्या शोधात गस्त बॉटने शहराच्या रस्त्याच्या बाहेरील बाजूने फिरणे आवश्यक आहे. घुसखोर शोधल्यानंतर, गस्त बॉटने घुसखोराचे अनुसरण केले पाहिजे आणि त्याला थांबण्यास भाग पाडले पाहिजे.

फ्रेममध्ये बॉट शोधणे आणि त्यात घुसखोर ओळखणे यासाठी कल्पना शोधण्यापासून काम सुरू झाले. टीमने शहरातील प्रत्येक बॉटला मागच्या बाजूला अद्वितीय मार्करसह सुसज्ज करण्याचा प्रस्ताव दिला - ज्याप्रमाणे खऱ्या कारला राज्य नोंदणी क्रमांक असतात. यासाठी ArUco मार्कर निवडले गेले. ते पूर्वी डकीटाउनमध्ये वापरले गेले आहेत कारण ते कार्य करण्यास सोपे आहेत आणि आपल्याला अंतराळातील मार्करचे अभिमुखता आणि ते अंतर निर्धारित करण्यास अनुमती देतात.

पुढे, हे सुनिश्चित करणे आवश्यक होते की गस्त बॉट छेदनबिंदूंवर न थांबता बाह्य वर्तुळात काटेकोरपणे हलविले. डीफॉल्टनुसार, डकीबॉट लेनमध्ये फिरतो आणि स्टॉप लाइनवर थांबतो. मग, रस्त्याच्या चिन्हांच्या मदतीने, तो छेदनबिंदूचे कॉन्फिगरेशन ठरवतो आणि छेदनबिंदूच्या दिशेने जाण्याच्या दिशेने निवड करतो. वर्णन केलेल्या प्रत्येक टप्प्यासाठी, रोबोटच्या मर्यादित राज्य मशीनची एक अवस्था जबाबदार आहे. छेदनबिंदूवरील थांब्यांपासून मुक्त होण्यासाठी, संघाने राज्य मशीन बदलले जेणेकरुन स्टॉप लाईनजवळ आल्यावर, बॉट ताबडतोब चौकातून थेट वाहन चालवण्याच्या स्थितीवर स्विच करेल.

पुढची पायरी म्हणजे घुसखोर बॉट थांबवण्याची समस्या सोडवणे. टीमने असे गृहीत धरले की गस्ती बॉटला शहरातील प्रत्येक बॉट्समध्ये SSH ऍक्सेस असू शकतो, म्हणजेच प्रत्येक बॉटकडे कोणता अधिकृत डेटा आणि कोणता आयडी आहे याबद्दल काही माहिती आहे. अशा प्रकारे, घुसखोराचा शोध घेतल्यानंतर, पेट्रोल बॉटने SSH द्वारे घुसखोर बॉटशी कनेक्ट होण्यास सुरुवात केली आणि त्याची सिस्टम बंद केली.

शटडाउन कमांड पूर्ण झाल्याची पुष्टी केल्यानंतर, गस्त बॉट देखील थांबला.
पेट्रोलिंग रोबोटचे ऑपरेशन अल्गोरिदम खालील आकृतीप्रमाणे दर्शविले जाऊ शकते:

प्रकल्पांवर काम करत आहे

काम स्क्रॅम प्रमाणेच एका स्वरूपात आयोजित केले गेले: दररोज सकाळी विद्यार्थ्यांनी सध्याच्या दिवसासाठी कार्यांची योजना आखली आणि संध्याकाळी त्यांनी केलेल्या कामाचा अहवाल दिला.

पहिल्या आणि शेवटच्या दिवशी, विद्यार्थ्यांनी कार्य आणि ते कसे सोडवायचे याचे वर्णन करणारी सादरीकरणे तयार केली. विद्यार्थ्यांना त्यांच्या निवडलेल्या योजनांचे पालन करण्यास मदत करण्यासाठी, रशिया आणि अमेरिकेतील शिक्षक सतत प्रश्नांची उत्तरे देऊन प्रकल्पांवर काम करणाऱ्या खोल्यांमध्ये उपस्थित होते. संप्रेषण मुख्यतः इंग्रजीतून झाले.

परिणाम आणि त्यांचे प्रात्यक्षिक

प्रकल्पांवर काम एक आठवडा चालले, त्यानंतर विद्यार्थ्यांनी त्यांचे निकाल सादर केले. प्रत्येकाने सादरीकरणे तयार केली ज्यात त्यांनी या शाळेत काय शिकले, त्यांनी कोणते महत्त्वाचे धडे शिकले, त्यांना काय आवडले किंवा काय आवडत नाही याबद्दल बोलले. त्यानंतर प्रत्येक संघाने आपले प्रकल्प सादर केले. सर्व संघांनी त्यांचे कार्य पूर्ण केले.

कलर कॅलिब्रेशनची अंमलबजावणी करणार्‍या टीमने हा प्रकल्प इतरांपेक्षा जलद पूर्ण केला, त्यामुळे त्यांना त्यांच्या कार्यक्रमासाठी कागदपत्रे तयार करण्यासही वेळ मिळाला. आणि रोड ग्राफवर काम करणार्‍या टीमने, अगदी प्रोजेक्ट प्रात्यक्षिकाच्या शेवटच्या दिवशी, त्यांचे अल्गोरिदम सुधारण्याचा आणि दुरुस्त करण्याचा प्रयत्न केला.

निष्कर्ष

शाळा पूर्ण केल्यानंतर, आम्ही विद्यार्थ्यांना मागील क्रियाकलापांचे मूल्यमापन करण्यास सांगितले आणि शाळेने त्यांच्या अपेक्षा किती चांगल्या प्रकारे पूर्ण केल्या, त्यांनी कोणती कौशल्ये आत्मसात केली इत्यादी प्रश्नांची उत्तरे देण्यास सांगितले. सर्व विद्यार्थ्यांनी नमूद केले की त्यांनी संघात काम करणे, कार्ये वितरित करणे आणि त्यांच्या वेळेचे नियोजन करणे शिकले.

विद्यार्थ्यांना त्यांनी घेतलेल्या अभ्यासक्रमांची उपयुक्तता आणि अडचण देखील रेट करण्यास सांगितले होते. आणि येथे मूल्यांकनांचे दोन गट तयार केले गेले: काही अभ्यासक्रमांना फारशी अडचण आली नाही, तर इतरांनी त्यांना अत्यंत कठीण म्हणून रेट केले.

याचा अर्थ असा की शाळेने एखाद्या विशिष्ट क्षेत्रातील नवशिक्यांसाठी प्रवेशयोग्य राहून योग्य स्थान घेतले आहे, परंतु अनुभवी विद्यार्थ्यांद्वारे पुनरावृत्ती आणि एकत्रीकरणासाठी सामग्री देखील प्रदान केली आहे. हे नोंद घ्यावे की प्रोग्रामिंग कोर्स (पायथन) जवळजवळ प्रत्येकाने गुंतागुंतीचा परंतु उपयुक्त म्हणून नोंदविला होता. विद्यार्थ्यांच्या मते, सर्वात कठीण कोर्स "कॉम्प्युटर आर्किटेक्चर" होता.

जेव्हा विद्यार्थ्यांना शाळेच्या सामर्थ्य आणि कमकुवतपणाबद्दल विचारण्यात आले, तेव्हा अनेकांनी प्रतिक्रिया दिली की त्यांना निवडलेली शिकवण्याची शैली आवडली, ज्यामध्ये शिक्षकांनी त्वरित आणि वैयक्तिक सहाय्य प्रदान केले आणि प्रश्नांची उत्तरे दिली.

विद्यार्थ्यांनी असेही नमूद केले की त्यांना त्यांच्या कार्यांचे दैनंदिन नियोजन करण्याच्या पद्धतीमध्ये काम करणे आणि त्यांची स्वतःची मुदत निश्चित करणे आवडते. तोटे म्हणून, विद्यार्थ्यांनी प्रदान केलेल्या ज्ञानाची कमतरता लक्षात घेतली, जी बॉटसह काम करताना आवश्यक होती: कनेक्ट करताना, त्याच्या ऑपरेशनची मूलभूत तत्त्वे आणि तत्त्वे समजून घेणे.

जवळजवळ सर्व विद्यार्थ्यांनी नोंदवले की शाळेने त्यांच्या अपेक्षा ओलांडल्या आहेत आणि हे शाळेच्या आयोजनासाठी योग्य दिशा दर्शवते. अशाप्रकारे, पुढील शाळेचे आयोजन करताना सामान्य तत्त्वे पाळली पाहिजेत, लक्षात घेऊन आणि शक्य असल्यास, विद्यार्थी आणि शिक्षकांनी लक्षात घेतलेल्या त्रुटी दूर करणे, कदाचित अभ्यासक्रमांची यादी किंवा त्यांच्या शिकवण्याच्या वेळेत बदल करणे.

लेख लेखक: टीम मोबाइल रोबोट अल्गोरिदमची प्रयोगशाळा в जेटब्रेन्स संशोधन.

पुनश्च आमच्या कॉर्पोरेट ब्लॉगला नवीन नाव आहे. आता ते जेटब्रेन्सच्या शैक्षणिक प्रकल्पांना समर्पित केले जाईल.

स्त्रोत: www.habr.com