STEM गहन अध्ययन दृष्टिकोण

ईन्जिनियरिङ् शिक्षाको संसारमा धेरै उत्कृष्ट पाठ्यक्रमहरू छन्, तर प्रायः तिनीहरूको वरिपरि बनाइएको पाठ्यक्रम एउटा गम्भीर त्रुटिबाट ग्रस्त हुन्छ - विभिन्न विषयहरू बीच राम्रो समन्वयको कमी। कसैले विरोध गर्न सक्छ: यो कसरी हुन सक्छ?

जब एक प्रशिक्षण कार्यक्रम गठन भइरहेको छ, पूर्व शर्तहरू र एक स्पष्ट क्रम जसमा अनुशासनहरू अध्ययन गर्नुपर्दछ प्रत्येक पाठ्यक्रमको लागि संकेत गरिएको छ। उदाहरण को लागी, एक आदिम मोबाइल रोबोट को निर्माण र कार्यक्रम को लागी, तपाईले यसको भौतिक संरचना बनाउन को लागी अलिकति मेकानिक्स जान्न आवश्यक छ; ओम/किर्चोफको नियमको स्तरमा बिजुलीको आधारभूत कुराहरू, डिजिटल र एनालग संकेतहरूको प्रतिनिधित्व; अन्तरिक्षमा रोबोटको समन्वय प्रणाली र चालहरू वर्णन गर्न भेक्टरहरू र म्याट्रिकहरूसँग सञ्चालनहरू; डाटा प्रस्तुतीकरणको स्तरमा प्रोग्रामिङका आधारभूत कुराहरू, साधारण एल्गोरिदमहरू र नियन्त्रण स्थानान्तरण संरचनाहरू, आदि। व्यवहार वर्णन गर्न।

के यो सबै विश्वविद्यालय पाठ्यक्रमहरूमा समावेश छ? अवश्य पनि छ। जे होस्, ओम/किर्चोफको नियमले हामीले थर्मोडायनामिक्स र फिल्ड थ्योरी पाउँछौं; matrices र vectors को साथ अपरेसन को अतिरिक्त, जोर्डन फारमहरु संग व्यवहार गर्नुपर्छ; प्रोग्रामिङमा, बहुरूपता अध्ययन गर्नुहोस् - विषयहरू जुन एक साधारण व्यावहारिक समस्या समाधान गर्न सधैं आवश्यक पर्दैन।

विश्वविद्यालय शिक्षा व्यापक छ - विद्यार्थी फराकिलो मोर्चामा जान्छ र अक्सर उसले प्राप्त गरेको ज्ञानको अर्थ र व्यावहारिक महत्व देख्दैन। हामीले STEM (विज्ञान, प्रविधि, ईन्जिनियरिङ्, गणित शब्दहरूबाट) मा विश्वविद्यालय शिक्षाको प्रतिमान बदल्ने निर्णय गर्‍यौं र भविष्यमा पूर्णतामा बृद्धि गर्न अनुमति दिँदै ज्ञानको सुसंगततामा आधारित कार्यक्रम सिर्जना गर्ने निर्णय गर्‍यौं, अर्थात्। विषयहरूको गहन निपुणतालाई बुझाउँछ।

नयाँ विषय क्षेत्र सिक्नुलाई स्थानीय क्षेत्र अन्वेषणसँग तुलना गर्न सकिन्छ। र यहाँ दुईवटा विकल्पहरू छन्: या त हामीसँग धेरै विस्तृत विवरणहरू छन् जसलाई अध्ययन गर्न आवश्यक छ (र यसले धेरै समय लिन्छ) मुख्य स्थलचिन्हहरू कहाँ छन् र तिनीहरू कसरी एक अर्कासँग सम्बन्धित छन् भनेर बुझ्नको लागि। ; वा तपाइँ एक आदिम योजना प्रयोग गर्न सक्नुहुन्छ, जसमा केवल मुख्य बिन्दुहरू र तिनीहरूको सापेक्ष स्थितिहरू संकेत गरिएको छ - यस्तो नक्सा तुरुन्तै सही दिशामा जान सुरु गर्न पर्याप्त छ, तपाइँ जाँदा विवरणहरू स्पष्ट गर्दै।

हामीले जाडो विद्यालयमा गहन STEM सिकाउने दृष्टिकोणको परीक्षण गर्‍यौं, जुन हामीले MIT विद्यार्थीहरूसँग मिलेर JetBrains अनुसन्धान।

सामाग्री को तयारी

विद्यालय कार्यक्रमको पहिलो भाग मुख्य क्षेत्रहरूमा एक हप्ताको कक्षा थियो, जसमा बीजगणित, विद्युतीय सर्किट, कम्प्युटर वास्तुकला, पाइथन प्रोग्रामिङ र ROS (रोबोट अपरेटिङ सिस्टम) को परिचय समावेश थियो।

दिशाहरू संयोगले छनोट गरिएका थिएनन्: एकअर्कालाई पूरक बनाउँदै, तिनीहरूले विद्यार्थीहरूलाई पहिलो नजरमा फरक देखिने चीजहरू - गणित, इलेक्ट्रोनिक्स र प्रोग्रामिङहरू बीचको सम्बन्ध हेर्न मद्दत गर्नु पर्ने थियो।

निस्सन्देह, मुख्य लक्ष्य धेरै व्याख्यान दिनु थिएन, तर विद्यार्थीहरूलाई नयाँ हासिल गरेको ज्ञानलाई व्यवहारमा लागू गर्ने मौका दिनु थियो।

बीजगणित खण्डमा, विद्यार्थीहरूले म्याट्रिक्स अपरेशनहरू र समीकरणहरूको समाधान गर्ने प्रणालीहरू अभ्यास गर्न सक्थे, जुन विद्युतीय सर्किटहरू अध्ययन गर्न उपयोगी थियो। ट्रान्जिस्टरको संरचना र यसको आधारमा बनाइएका तार्किक तत्वहरूको बारेमा सिकेर, विद्यार्थीहरूले प्रोसेसर उपकरणमा तिनीहरूको प्रयोग देख्न सक्थे, र पाइथन भाषाको आधारभूत कुराहरू सिके पछि, यसमा वास्तविक रोबोटको लागि एउटा कार्यक्रम लेख्न सक्थे।

डकीटाउन

स्कूलको लक्ष्यहरू मध्ये एउटा सम्भव भएसम्म सिमुलेटरहरूसँग काम कम गर्नु थियो। त्यसकारण, इलेक्ट्रोनिक सर्किटहरूको ठूलो सेट तयार गरिएको थियो, जसलाई विद्यार्थीहरूले वास्तविक कम्पोनेन्टहरूबाट ब्रेडबोर्डमा भेला गर्न र अभ्यासमा तिनीहरूलाई परीक्षण गर्नुपर्दछ, र डकीटाउनलाई परियोजनाहरूको आधारको रूपमा रोजिएको थियो।

Duckietown एउटा खुला स्रोत परियोजना हो जसमा Duckiebots भनिने साना स्वायत्त रोबोटहरू र उनीहरूसँगै यात्रा गर्ने सडकहरूको नेटवर्कहरू समावेश छन्। डकीबोट रास्पबेरी पाई माइक्रो कम्प्युटर र एकल क्यामेराले सुसज्जित पाङ्ग्रे प्लेटफर्म हो।

यसको आधारमा, हामीले सम्भावित कार्यहरूको सेट तयार गरेका छौं, जस्तै सडक नक्सा निर्माण गर्ने, वस्तुहरूको खोजी गर्ने र तिनीहरूको छेउमा रोक्ने, र अन्य धेरै। विद्यार्थीहरूले पनि आफ्नै समस्या प्रस्ताव गर्न सक्छन् र यसलाई समाधान गर्न कार्यक्रम मात्र लेख्दैनन्, तर तुरुन्तै वास्तविक रोबोटमा पनि चलाउन सक्छन्।

शिक्षण

व्याख्यानको क्रममा, शिक्षकहरूले पूर्व-तयार प्रस्तुतीकरणहरू प्रयोग गरी सामग्रीहरू प्रस्तुत गरे। केही कक्षाहरू भिडियोमा रेकर्ड गरिएका थिए ताकि विद्यार्थीहरूले तिनीहरूलाई घरमै हेर्न सकून्। व्याख्यानको समयमा, विद्यार्थीहरूले आफ्नो कम्प्युटरमा सामग्रीहरू प्रयोग गरे, प्रश्नहरू सोधे, र समस्याहरू सँगै र स्वतन्त्र रूपमा समाधान गरे, कहिलेकाहीं ब्ल्याकबोर्डमा। कामको नतिजाको आधारमा, प्रत्येक विद्यार्थीको मूल्याङ्कन फरक-फरक विषयहरूमा गणना गरिएको थियो।

हामी प्रत्येक विषयमा कक्षा सञ्चालनलाई थप विस्तारमा विचार गरौं। पहिलो विषय रेखीय बीजगणित थियो। विद्यार्थीहरूले भेक्टरहरू र म्याट्रिकहरू, रेखीय समीकरणहरूको प्रणालीहरू, आदि अध्ययन गर्न एक दिन बिताए। व्यावहारिक कार्यहरू अन्तरक्रियात्मक रूपमा संरचित थिए: प्रस्तावित समस्याहरू व्यक्तिगत रूपमा हल गरियो, र शिक्षक र अन्य विद्यार्थीहरूले टिप्पणी र सुझावहरू प्रदान गरे।

दोस्रो विषय बिजुली र सरल सर्किट छ। विद्यार्थीहरूले इलेक्ट्रोडायनामिक्सका आधारभूत कुराहरू सिके: भोल्टेज, वर्तमान, प्रतिरोध, ओमको नियम र किर्चफको नियमहरू। व्यावहारिक कार्यहरू आंशिक रूपमा सिम्युलेटरमा वा बोर्डमा पूरा भएका थिए, तर वास्तविक सर्किटहरू जस्तै तर्क सर्किटहरू, ओसिलिटिंग सर्किटहरू, इत्यादि निर्माण गर्न बढी समय खर्च भयो।

अर्को विषय कम्प्युटर आर्किटेक्चर हो - एक अर्थमा, भौतिक विज्ञान र प्रोग्रामिंग जोड्ने पुल। विद्यार्थीहरूले मौलिक आधारको अध्ययन गरे, जसको महत्त्व व्यावहारिक भन्दा सैद्धान्तिक छ। अभ्यासको रूपमा, विद्यार्थीहरूले सिमुलेटरमा अंकगणित र तर्क सर्किटहरू स्वतन्त्र रूपमा डिजाइन गरे र पूरा कार्यहरूको लागि अंकहरू प्राप्त गरे।

चौथो दिन कार्यक्रमको पहिलो दिन हो। Python 2 लाई प्रोग्रामिङ भाषाको रूपमा रोजिएको थियो किनभने यो ROS प्रोग्रामिङमा प्रयोग गरिएको हो। यस दिनलाई निम्नानुसार संरचना गरिएको थियो: शिक्षकहरूले सामग्री प्रस्तुत गरे, समस्याहरू समाधान गर्ने उदाहरणहरू दिए, जबकि विद्यार्थीहरूले तिनीहरूलाई सुने, तिनीहरूको कम्प्युटरमा बसेर, र शिक्षकले बोर्ड वा स्लाइडमा के लेखे दोहोर्याए। त्यसपछि विद्यार्थीहरूले आफैले समान समस्याहरू समाधान गरे, र समाधानहरू पछि शिक्षकहरूले मूल्याङ्कन गरे।

पाँचौं दिन ROS लाई समर्पित थियो: केटाहरूले रोबोट प्रोग्रामिङको बारेमा सिके। पूरै विद्यालय दिन, विद्यार्थीहरू आफ्नो कम्प्युटरमा बसे, शिक्षकले बोलेको प्रोग्राम कोड चलाएर। तिनीहरू आफ्नै आधारमा आरओएस एकाइहरू चलाउन सक्षम थिए र डकीटाउन परियोजनामा ​​पनि परिचय गराइयो। यस दिनको अन्त्यमा, विद्यार्थीहरू स्कूलको परियोजना भाग सुरु गर्न तयार थिए - व्यावहारिक समस्याहरू समाधान गर्दै।

चयन गरिएका परियोजनाहरूको विवरण

विद्यार्थीहरूलाई तीन जनाको टोली बनाउन र परियोजनाको विषय छान्न भनियो। फलस्वरूप, निम्न परियोजनाहरू अपनाए:

1. रंग क्यालिब्रेसन। Duckiebot लाई प्रकाश अवस्था परिवर्तन हुँदा क्यामेरा क्यालिब्रेट गर्न आवश्यक छ, त्यसैले त्यहाँ एक स्वचालित क्यालिब्रेसन कार्य छ। समस्या यो हो कि रंग दायरा प्रकाश को लागी धेरै संवेदनशील छ। सहभागीहरूले फ्रेम (रातो, सेतो र पहेँलो) मा आवश्यक रङहरू हाइलाइट गर्ने र HSV ढाँचामा प्रत्येक रङका लागि दायराहरू निर्माण गर्ने एक उपयोगिता लागू गरे।

2. डक ट्याक्सी। यस परियोजनाको विचार यो हो कि डकीबोट कुनै वस्तुको नजिकै रोक्न सक्छ, यसलाई उठाउन र निश्चित मार्ग अनुसरण गर्न सक्छ। एउटा चम्किलो पहेंलो बतख वस्तुको रूपमा छनोट गरिएको थियो।

3. सडक ग्राफको निर्माण। सडक र चोकको ग्राफ निर्माण गर्ने काम छ । यस परियोजनाको लक्ष्य भनेको क्यामेरा डेटामा मात्र भर परेर डकीबोटलाई प्राथमिक वातावरणीय डेटा प्रदान नगरी सडक ग्राफ निर्माण गर्नु हो।

4. गस्ती कार। यो परियोजना विद्यार्थी आफैंले आविष्कार गरेका हुन् । तिनीहरूले एउटा डकीबोट, एक "गश्ती", अर्कोलाई "उल्लंघन गर्ने" लाई पछ्याउन सिकाउने प्रस्ताव गरे। यस उद्देश्यका लागि, ArUco मार्कर प्रयोग गरेर लक्ष्य पहिचानको संयन्त्र प्रयोग गरिएको थियो। पहिचान पूरा हुने बित्तिकै, काम पूरा गर्न "घुसखोर" लाई संकेत पठाइन्छ।

रंग क्यालिब्रेसन

कलर क्यालिब्रेसन प्रोजेक्टको लक्ष्य नयाँ प्रकाश अवस्थाहरूमा पहिचान गर्न मिल्ने मार्किङ रङहरूको दायरा समायोजन गर्नु थियो। त्यस्ता समायोजन बिना, स्टप लाइनहरू, लेन सेपरेटरहरू र सडक सीमाहरूको पहिचान गलत भयो। सहभागीहरूले मार्कअप रङ ढाँचाहरू: रातो, पहेंलो र सेतो प्रिप्रोसेसिङमा आधारित समाधान प्रस्ताव गरे।

यी प्रत्येक रङमा HSV वा RGB मानहरूको प्रिसेट दायरा हुन्छ। यो दायरा प्रयोग गरेर, उपयुक्त रङहरू भएको फ्रेमका सबै क्षेत्रहरू फेला पर्छन्, र सबैभन्दा ठूलो चयन गरिन्छ। यो क्षेत्रलाई सम्झनु पर्ने रङको रूपमा लिइन्छ। नयाँ रङ दायरा अनुमान गर्नको लागि औसत र मानक विचलन गणना गर्ने जस्ता सांख्यिकीय सूत्रहरू प्रयोग गरिन्छ।

यो दायरा Duckiebot को क्यामेरा कन्फिगरेसन फाइलहरूमा रेकर्ड गरिएको छ र पछि प्रयोग गर्न सकिन्छ। वर्णित दृष्टिकोण सबै तीन रङहरूमा लागू गरिएको थियो, अन्ततः प्रत्येक मार्कअप रङहरूको लागि दायराहरू बनाउँदै।

परीक्षणहरूले मार्किङ लाइनहरूको लगभग पूर्ण पहिचान देखाएको छ, मार्किङ सामग्रीहरूले चमकदार टेप प्रयोग गरेको अवस्थामा बाहेक, जसले प्रकाश स्रोतहरू यति बलियो रूपमा प्रतिबिम्बित गर्दछ कि क्यामेराको हेराइ कोणबाट चिन्हहरू सेतो देखिन्थ्यो, यसको मूल रङको पर्वाह नगरी।

डक ट्याक्सी

डक ट्याक्सी परियोजनाले शहरमा बतख यात्रु खोज्नको लागि एल्गोरिदम निर्माण गर्ने, र त्यसपछि आवश्यक बिन्दुमा ढुवानी गर्ने काम समावेश गरेको थियो। सहभागीहरूले यस समस्यालाई दुई भागमा विभाजन गरे: ग्राफको साथ पत्ता लगाउने र आन्दोलन।

विद्यार्थीहरूले बतख भनेको फ्रेमको कुनै पनि क्षेत्र हो जुन पहेंलो रूपमा चिन्न सकिन्छ, त्यसमा रातो त्रिकोण (चुचो) राखिएको हो भन्ने धारणा बनाएर बतख पत्ता लगाउने काम गरे। अर्को फ्रेममा यस्तो क्षेत्र पत्ता लाग्ने बित्तिकै, रोबोटले त्यहाँ पुग्नुपर्छ र त्यसपछि यात्रुको अवतरणको अनुकरण गर्दै केही सेकेन्डको लागि रोकिनुपर्छ।

त्यसपछि, सम्पूर्ण डकीटाउनको सडक ग्राफ र बटको स्थितिलाई मेमोरीमा अग्रिम भण्डारण गरी, र इनपुटको रूपमा गन्तव्य प्राप्त गर्दै, सहभागीहरूले ग्राफमा मार्गहरू फेला पार्न Dijkstra को एल्गोरिदम प्रयोग गरी प्रस्थान बिन्दुबाट आगमन बिन्दुसम्मको बाटो बनाउँछन्। । आउटपुट आदेशहरूको सेटको रूपमा प्रस्तुत गरिएको छ - तलका प्रत्येक चौराहहरूमा घुमाउँछ।

सडकको ग्राफ

यस परियोजनाको लक्ष्य ग्राफ निर्माण गर्नु थियो - डकीटाउनमा सडकहरूको नेटवर्क। नतिजा ग्राफको नोडहरू प्रतिच्छेदहरू हुन्, र आर्कहरू सडकहरू हुन्। यो गर्नको लागि, Duckiebot ले शहर अन्वेषण र यसको मार्ग विश्लेषण गर्नुपर्छ।

परियोजनामा ​​कामको क्रममा, भारित ग्राफ सिर्जना गर्ने विचारलाई विचार गरिएको थियो, तर त्यसपछि खारेज गरियो, जसमा किनाराको लागत चौराहहरू बीचको दूरी (यात्रा गर्न समय) द्वारा निर्धारण गरिन्छ। यस विचारको कार्यान्वयन धेरै श्रम-गहन भएको थियो, र स्कूल भित्र यसको लागि पर्याप्त समय थिएन।

जब डकीबोट अर्को चौराहेमा पुग्छ, यसले चौराहेबाट बाहिर निस्कने सडक छनोट गर्छ जुन अझैसम्म नपुगेको छ। जब सबै चौराहहरूमा सबै सडकहरू पार गरिसकेपछि, बटको मेमोरीमा छेउछाउको जेनेरेट गरिएको सूची रहन्छ, जुन ग्राफभिज लाइब्रेरी प्रयोग गरेर छविमा रूपान्तरण हुन्छ।

सहभागीहरूले प्रस्ताव गरेको एल्गोरिथ्म अनियमित डकीटाउनको लागि उपयुक्त थिएन, तर स्कूल भित्र प्रयोग गरिएको चार चौराहहरूको सानो शहरको लागि राम्रोसँग काम गर्‍यो। प्रतिच्छेदनहरू चलाइएको क्रमलाई ट्र्याक गर्नको लागि प्रतिच्छेदन पहिचानकर्ता समावेश गर्ने प्रत्येक छेउमा ArUco मार्कर थप्ने विचार थियो।
सहभागीहरूले विकसित गरेको एल्गोरिदमको रेखाचित्र चित्रमा देखाइएको छ।

पेट्रोल कार

यस परियोजनाको लक्ष्य डकीटाउन शहरमा उल्लङ्घन गर्ने बोटलाई खोजी, पछ्याउने र हिरासतमा राख्नु हो। एक गस्ती बोट एक ज्ञात घुसपैठ बट खोज्दै, एक शहर सडक को बाहिरी रिंग संग सारिनुपर्छ। एक घुसपैठकर्ता पत्ता लगाए पछि, गस्ती बोटले घुसपैठकर्तालाई पछ्याउनुपर्दछ र उसलाई रोक्नको लागि जबरजस्ती गर्नुपर्छ।

काम फ्रेममा बट पत्ता लगाउने र यसमा घुसपैठ गर्ने व्यक्तिलाई पहिचान गर्ने विचारको खोजीबाट सुरु भयो। टोलीले सहरमा प्रत्येक बोटलाई पछाडि एक अद्वितीय मार्करसहित सुसज्जित गर्ने प्रस्ताव राख्यो - जस्तै वास्तविक कारहरूमा राज्य दर्ता नम्बरहरू छन्। यस उद्देश्यका लागि ArUco मार्करहरू छानिएका थिए। तिनीहरू डकीटाउनमा पहिले प्रयोग गरिएका छन् किनभने तिनीहरूसँग काम गर्न सजिलो छ र तपाईंलाई अन्तरिक्षमा मार्करको अभिमुखीकरण र यसको दूरी निर्धारण गर्न अनुमति दिन्छ।

अर्को, यो सुनिश्चित गर्न आवश्यक थियो कि गस्ती बोट चौराहहरूमा नरोकिइकन बाहिरी सर्कलमा कडाईका साथ सारियो। पूर्वनिर्धारित रूपमा, डकीबोट लेनमा सर्छ र स्टप लाइनमा रोकिन्छ। त्यसपछि, सडक संकेतहरूको मद्दतले, उसले चौराहेको कन्फिगरेसन निर्धारण गर्दछ र चौराहेको बाटोको दिशाको बारेमा छनौट गर्दछ। वर्णन गरिएका प्रत्येक चरणहरूको लागि, रोबोटको परिमित राज्य मेसिनको राज्यहरू मध्ये एक जिम्मेवार छ। चौराहेमा स्टपहरूबाट छुटकारा पाउनको लागि, टोलीले राज्य मेसिन परिवर्तन गर्‍यो ताकि जब स्टप लाइनमा पुग्दा, बोट तुरुन्तै चौराहेबाट सीधा ड्राइभ गर्ने स्थितिमा स्विच भयो।

अर्को चरण घुसपैठ बट रोक्न समस्या समाधान गर्न थियो। टोलीले अनुमान गर्‍यो कि गस्ती बोटले शहरका प्रत्येक बटहरूमा SSH पहुँच गर्न सक्छ, अर्थात्, कुन प्राधिकरण डाटा र प्रत्येक बोटसँग कुन आईडी छ भन्ने बारे केही जानकारी छ। यसरी, घुसपैठकर्ता पत्ता लगाएपछि, गस्ती बोटले SSH मार्फत घुसपैठकर्ता बोटमा जडान गर्न थाल्यो र यसको प्रणाली बन्द गर्यो।

बन्द आदेश पूरा भएको पुष्टि गरेपछि, गस्ती बोट पनि रोकियो।
गस्ती रोबोट को सञ्चालन एल्गोरिथ्म निम्न रेखाचित्र रूपमा प्रतिनिधित्व गर्न सकिन्छ:

परियोजनाहरूमा काम गर्दै

काम स्क्रम जस्तै ढाँचामा संगठित गरिएको थियो: हरेक बिहान विद्यार्थीहरूले वर्तमान दिनको लागि कार्यहरू योजना बनाउँथे, र बेलुका तिनीहरूले गरेको कामको रिपोर्ट गरे।

पहिलो र अन्तिम दिनमा, विद्यार्थीहरूले कार्य र यसलाई कसरी समाधान गर्ने भनेर वर्णन गर्दै प्रस्तुतीकरणहरू तयार गरे। विद्यार्थीहरूलाई उनीहरूको छनौट योजनाहरू पछ्याउन मद्दत गर्न, रूस र अमेरिकाका शिक्षकहरू निरन्तर रूपमा कोठाहरूमा उपस्थित थिए जहाँ परियोजनाहरूमा काम भएको थियो, प्रश्नहरूको जवाफ दिँदै। सञ्चार मुख्यतया अंग्रेजीमा भएको थियो।

परिणाम र तिनीहरूको प्रदर्शन

परियोजनाहरूमा काम एक हप्ता सम्म चल्यो, त्यसपछि विद्यार्थीहरूले आफ्नो नतिजा प्रस्तुत गरे। सबैजनाले प्रस्तुतीकरणहरू तयार गरे जसमा उनीहरूले यस विद्यालयमा के सिकेका थिए, उनीहरूले सिकेका सबैभन्दा महत्त्वपूर्ण पाठहरू के थिए, उनीहरूलाई के मन पर्यो वा मन पर्दैन भन्ने बारे कुरा गरे। त्यसपछि प्रत्येक टोलीले आफ्नो परियोजना प्रस्तुत गरे। सबै टोलीले आ-आफ्नो काम पूरा गरेका छन्।

रङ क्यालिब्रेसन कार्यान्वयन गर्ने टोलीले अरूहरू भन्दा छिटो परियोजना पूरा गर्यो, त्यसैले तिनीहरूसँग उनीहरूको कार्यक्रमको लागि कागजातहरू तयार गर्ने समय पनि थियो। र सडक ग्राफमा काम गर्ने टोलीले, परियोजना प्रदर्शन अघिको अन्तिम दिनमा पनि, तिनीहरूको एल्गोरिदमहरू परिष्कृत र सच्याउने प्रयास गरे।

निष्कर्षमा

विद्यालय पूरा गरेपछि, हामीले विद्यार्थीहरूलाई विगतका गतिविधिहरूको मूल्याङ्कन गर्न र विद्यालयले उनीहरूका अपेक्षाहरू कत्तिको राम्ररी पूरा गर्यो, उनीहरूले हासिल गरेका सीपहरू, आदि बारे प्रश्नहरूको जवाफ दिन आग्रह गर्यौं। सबै विद्यार्थीहरूले उनीहरूले टोलीमा काम गर्न, कार्यहरू बाँडफाँड गर्न र आफ्नो समय योजना गर्न सिकेका थिए।

विद्यार्थीहरूलाई उनीहरूले लिएका पाठ्यक्रमहरूको उपयोगिता र कठिनाइ मूल्याङ्कन गर्न पनि भनियो। र यहाँ मूल्याङ्कनका दुई समूहहरू बनाइयो: केही पाठ्यक्रमहरूले धेरै कठिनाइ प्रस्तुत गरेनन्, अरूले तिनीहरूलाई अत्यन्तै गाह्रो रूपमा मूल्याङ्कन गरे।

यसको मतलब यो हो कि विद्यालयले एक विशेष क्षेत्रमा शुरुवातकर्ताहरूको लागि पहुँचयोग्य रहन सही स्थिति लिएको छ, तर अनुभवी विद्यार्थीहरूद्वारा पुनरावृत्ति र समेकनका लागि सामग्री पनि उपलब्ध गराएको छ। यो ध्यान दिनु पर्छ कि प्रोग्रामिंग कोर्स (पाइथन) लगभग सबैले असहज तर उपयोगीको रूपमा उल्लेख गरेका थिए। विद्यार्थीहरूका अनुसार सबैभन्दा कठिन पाठ्यक्रम "कम्प्युटर आर्किटेक्चर" थियो।

जब विद्यार्थीहरूलाई विद्यालयको सबलता र कमजोरीहरूको बारेमा सोधियो, धेरैले उनीहरूलाई छनौट गरिएको शिक्षण शैली मन परेको प्रतिक्रिया दिए, जसमा शिक्षकहरूले तुरुन्त र व्यक्तिगत सहायता प्रदान गरे र प्रश्नहरूको जवाफ दिए।

विद्यार्थीहरूले आफ्ना कार्यहरूको दैनिक योजना र आफ्नै समयसीमा सेट गर्ने मोडमा काम गर्न मन पराएको पनि टिप्पणी गरे। हानिको रूपमा, विद्यार्थीहरूले प्रदान गरिएको ज्ञानको कमीलाई नोट गरे, जुन बोटसँग काम गर्दा आवश्यक थियो: जडान गर्दा, यसको सञ्चालनको आधारभूत र सिद्धान्तहरू बुझ्दै।

लगभग सबै विद्यार्थीहरूले विद्यालयले उनीहरूका अपेक्षाहरू नाघ्यो, र यसले विद्यालयलाई व्यवस्थित गर्नको लागि सही दिशालाई संकेत गर्दछ। तसर्थ, अर्को विद्यालयको आयोजना गर्दा सामान्य सिद्धान्तहरूलाई ध्यानमा राखेर र सम्भव भएमा, विद्यार्थी र शिक्षकहरूले उल्लेख गरेका कमीकमजोरीहरूलाई हटाउन, पाठ्यक्रमहरूको सूची वा तिनीहरूको पढाउने समय परिवर्तन गर्नुपर्दछ।

लेख लेखक: टोली मोबाइल रोबोट एल्गोरिदम को प्रयोगशाला в JetBrains अनुसन्धान।

PS हाम्रो कर्पोरेट ब्लगको नयाँ नाम छ। अब यो JetBrains को शैक्षिक परियोजनाहरूमा समर्पित हुनेछ।

स्रोत: www.habr.com