Hybrid evolutionary algorithm for effective adaptive teaching of medical students

Abstract

The article investigates three evolutionary algorithms are analyzed: genetic algorithm (GA), particle swarm algorithm (PSO) and ant colony algorithm (ACO) to assess their ability to adapt curriculum to different characteristics of students, including their level of knowledge, learning style, practical skills and pace of study. The study compares effectiveness for each evolutionary algorithm creating flexible curricula that meet the individual needs of each student. Based on the analysis, the author proposes a hybrid algorithm that combines the advantages of each of the approaches considered. The article discusses the features of the hybrid algorithm, its ability to quickly adapt the learning process, improve individual learning efficiency and improve the quality of medical training. The proposed hybrid approach was tested in simulation conditions, which demonstrated its advantages in ensuring effective personalization of learning, avoiding local minima, and responding flexibly to changes in students' performance.

У статті досліджено застосування еволюційних алгоритмів для оптимізації процесу навчання студентів медичних спеціальностей, з акцентом на індивідуалізацію освітніх траєкторій. Проаналізовано три основні підходи: генетичний алгоритм (GA), алгоритм рою часток (PSO) та мурашиний алгоритм (ACO) – для оцінки їхньої здатності адаптувати навчальні плани відповідно до різних характеристик студентів, зокрема рівня знань, стилю навчання, практичних навичок та темпу засвоєння матеріалу. У ході дослідження порівняно їхню ефективність у створенні гнучких навчальних програм, що відповідають індивідуальним потребам кожного студента. На основі проведеного аналізу запропоновано гібридний алгоритм, який поєднує переваги кожного з розглянутих підходів. У статті обговорено особливості гібридного алгоритму, його здатність швидко адаптувати навчальний процес, покращувати індивідуальну ефективність навчання та підвищувати якість підготовки медичних фахівців. Запропонований гібридний підхід було протестовано у симуляційних умовах, що продемонструвало його переваги в забезпеченні ефективної персоналізації навчання, уникненні локальних мінімумів та гнучкому реагуванні на зміни у потребах студентів.