Raj-eGyan2.0

Android -Appanalys Och Granskning: Raj-eGyan2.0, Utvecklad Av DoIT&C, GoR. Listad I Utbildning -Kategorin. Den Nuvarande Versionen Är 2022.006, Uppdaterad 07/11/2022 . Enligt Användare Recensioner På Google Play: Raj-eGyan2.0. Uppnått Över 659 Installationer. Raj-eGyan2.0 Har För Närvarande 1 Recensioner, Genomsnittlig Betyg 5.0 Stjärnor

Egyan2.0 är avsedd att ge omfattande täckning genom överensstämmelse med universell design av lärande med fokus på flera intelligensmodell för lärande förutom flerdimensionell kognitiv utvärderingsram.
Rajasthan Govt är engagerad i att erbjuda nya kapaciteter till lärarnas lärares experter för att möjliggöra dem till att skapa omfattande digitala innehåll i Hindi och engelska. Det syftar också till att kontextualisera internationellt engelska innehåll till återanvändbar hindi -ekvivalent, till och med olika dialekter, genom att använda enkla att använda verktyg utan behov av teknisk övergivenhet.
flexibel, anpassningsbar och skalbar för funktioner som
1. Samarbetsram för förälder lärares samarbete för att möjliggöra synlighet av alla klasser/ämnen som görs tillgängliga via skolans anslutna app. Appen skulle ge länkar till föreskrivna kursutrustning och video relaterade till ämnet som behandlas på dagen. där genom att ge föräldrar, som inte är kompetenta i ämnen, en möjlighet att förstå och hjälpa sina avdelningar att förstå helt.
2. Blandad undervisning eller vänd klassrumsmodell för lärande - där i lärare skulle kunna ge en personlig touch till lärandet av varje elev. Lärarens kan tilldela kurser och bedömningar, informera eleverna om nya evenemang, aktiviteter. De kommer också att kunna se inlämnade bedömningar och ge betyg tillsammans med feedback och anteckningar.
3. Bedömningsramar, som kan utvidgas till specialiserad ström, generera rapporter för elever och lärare för att ha högsta nivåer av lärande och bidrag. Alla lärare med mest rekommenderad / visad kurs skulle felaktigt / stimulera för deras bidrag i framtiden.
4. Multidimensionell inlärningsanalys Egyan skulle förvänta sig att bli en fullfjädrad kognitiv inlärningsplattform där i personlig bedömning och rekommendationsmotorfunktioner förväntas som framtida anpassning.

Read more