Пошук по сайту...
Відпочинок для дітей! Табір Райдуга. Чорне море, Крим
Портал Знань Портал безперервного навчання

Портал знань — відкриті навчальні матеріали, дистанційне навчання, дистанційне тестування знань

Навчальні матеріали і Тестування знань


Акція! Сайт, що допоможе дітям...

Лабораторія СЕТ | Дослідження, статті, розробки | Переклади англомовних статей | Адаптивні і інтелектуальні освітні системи на основі Інтернет.
П. Брусиловський

Адаптивні і інтелектуальні освітні системи на основі Інтернет.
Петро Брусиловський

Оригінальна версія статті (PDF)
Переклад статті в форматі Microsoft Word

Джерело

International Journal of Artificial Intelligence in Education 13 (2003) 156–169

IOS Press

1560-4292/03/$8.00 © 2003 – IOS Press. All rights reserved

Adaptive and Intelligent Web-based Educational Systems

Peter Brusilovsky, School of Information Sciences, University of Pittsburgh, 135 North

Bellefield Avenue, Pittsburgh, PA 15260, USA

peterb@mail.sis.pitt.edu

Christoph Peylo, Software Logistik im Artland, Friedrichstr. 30, 49610 Quakenbrück,

Germany

christoph.peylo@sla.de

Адаптивні і інтелектуальні освітні системи на основі Інтернет

Адаптивні і інтелектуальні освітні системи на основі Інтернет (від. англ. Adaptive and intelligent Web-based educational systems - AIWBES). Надають альтернативу для традиційного підходу «просто виклади це в Інтернет» в розробці освітнього програмного забезпечення (Brusilovsky & Miller, 2001). AIWBES намагаються бути більш адаптивними за допомогою побудови моделі цілей, переваг та знань для кожного окремого студента, використовуючи цю модель на протязі взаємодії із студентом з метою пристосування до його потреб. Вони також намагаються бути більш інтелектуальними, об’єднуючи і виконуючи деяку діяльність, що традиційно виконується вчителем-людиною – наприклад, інструктування студентів, або перевірка їх неправильного розуміння. Перші інтелектуальні і адаптивні освітні системи для Інтернет були розроблені у 1995-1996 роках (Brusilovsky, Schwarz, & Weber, 1996a; Brusilovsky, Schwarz, & Weber, 1996b; De Bra, 1996; Nakabayashi, et al., 1995; Okazaki, Watanabe, & Kondo, 1996) . З того часу було розроблено і представлено багато цікавих систем. Зацікавленість в забезпеченні дистанційного навчання через Інтернет сильно спонукала ці дослідницькі намагання. Дослідницьке товариство отримувало допомогу забезпеченням ряду конференцій, які об’єднали дослідників, що працюють над AIWBES, їм надали змогу вчитися один від одного і потім пропагувати ідеї цього дослідницького напрямку через он-лайнові праці конференції (Brusilovsky, Henze, & Millán, 2002;Brusilovsky, Nakabayashi, & Ritter, 1997; Peylo, 2000; Stern, Woolf, & Murray, 1998). Число зацікавлених у AIWBES, що сповіщалося на ранніх стадіях їх розвитку під час цих конференцій, з тих пір досягло рівня зрілості. Цей подвійний спеціальний випуск накопичує результати цих конференцій і компонує колекцію публікацій, які представляють стан мистецтва розробки AIWBES.

Мета цієї вступної статті -­­­­ представити більш систематичний погляд на розмаїття сучасних AIWBES і обговорити роль і місце напрямку досліджень AIWBES в області штучного інтелекту у навчанні (AI-Ed). Стаття надає свіжий огляд відомих AIWBES-технологій класифікованих за сферою їх виникнення. Тут також робиться спроба окреслити нову парадигму проектування сучасних AIWBES і спроба порівняти цю парадигму з традиційною парадигмою проектування, що домінувала в області штучного інтелекту у навчанні протягом останніх п’ятнадцяти років.

Адаптивні і інтелектуальні технології для навчальних Інтернет-систем

Тип розвинутих навчальних Інтернет-систем, спроба оглянути які робиться у вступі, найчастіше називають адаптивні навчальні Інтернет-системи, або інтелектуальні навчальні Інтерент-системи. Ці терміни насправді не є синонімами. Говорячи про адаптивні системи ми акцентуємо, що ці системи намагаються бути різними для різних студентів і груп студентів завдяки додаванню до облікового запису інформації, що накопичується в індивідуальній або груповій моделі студентів. Говорячи про інтелектуальні системи ми підкреслюємо, що такі системи застосовують технології з області штучного інтелекту (ШІ) щоб забезпечити користувачам навчальної Інтернет-системи ширшу і кращу підтримку. В той же час більшість систем, про які піде мова в даному вступі можуть бути класифіковані як інтелектуальні і адаптивні одночасно, значне число систем підпадають лише під одну, з цих категорій (Рис.1). Наприклад, багато інтелектуальних діагностичних систем, включаючи German Tutor (Heift, & Nicholson, 2001) та SQL-Tutor (Mitrovic, 2003) є неадаптивними, тобто вони забезпечать ту ж оцінку у відповідь на той самий розв’язок проблеми, незалежно від минулого досвіду роботи студента із системою. З іншого ж боку велика кількість адаптивних гіпермедійних і адаптивних інформаційно-фільтруючих систем, таких як AHA (De Bra, & Calvi, 1998) або WebCOBALT (Mitsuhara, Ochi, Kanenishi, & Yano, 2002) використовують ефективні але дуже прості технології, які можуть бути віднесені до «інтелектуальних» з великою натяжкою. Причиною, зосередитися на обох і адаптивних і інтелектуальних системах в цій публікації є те, що перетин все ще великий, межі між «інтелектуальними» і «не інтелектуальними» все ще не чіткі, і обидві групи без сумніву є предметом зацікавленості співтовариства області штучного інтелекту в навчанні (AI-Ed).

Рис.1. Співвідношення між адаптивними і інтелектуальними

навчальними системами

Існуючі AIWBES дуже різноманітні. Вони надають різні види підтримки як для студентів, так і для вчителів, задіяних в процесі Інтернет-навчання. Щоб допомогти зрозуміти це розмаїття систем та ідей, огляд адаптивного гіпермедіа автора (Brusilovsky, 1996) запропонував зосередитися на адаптивних і інтелектуальних технологіях. Під адаптивними і інтелектуальними технологіями ми маємо на увазі різні по суті шляхи додавання адаптивної і інтелектуальної функціональності у начальну систему. Технологія як правило може бути надалі розкладена на структурно менші техніки і методи, які відповідають різним варіантам цієї функціональності і різним шляхам її реалізації (Brusilovsky, 1996).

Більш ранній огляд (Brusilovsky, 1999) визначив п’ять головних технологій, що використовуються в AIWBES ( Рис.2 ). Ці технології мають прямі корені у двох дослідницьких областях, які добре розвинулись до ери Інтернету – Адаптивне гіпермедіа і Інтелектуальні навчальні системи (ITS). Так як їх застосування в контексті Інтернету було відносно простим, ці технології були першими, що з’явилися в AIWBES і вони можуть розглядатися як «класичні» AIWBES-технології. У відповідності до їх виникнення огляд (Brusilovsky, 1999) групує п’ять класичних технологій у Адаптивні технології гіпермедіа та Інтелектуальні технології навчання (Рис.2). Огляд також визначає і групує у «породжені Інтернетом» технології AIWBES деякі технології, що з’явилися в Інтернеті недавно і не мають прямих коренів у до-Інтернет навчальних системах. Брак прикладів технологій, породжених Інтернетом на момент написання огляду (Brusilovsky, 1999) не дозволив зробити подальшу класифікацію цих технологій.

У цій вступній статті ми слідуємо огляду (Brusilovsky, 1999) у визначені їх коренів і у групуванні схожих AIWBES технологій. Ми лишаємо набір класичних технологій Адаптивного медіа і Інтелектуального навчання незмінними, але підрозділяємо оригінальну групу породжених Інтернетом технологій на три групи: Адаптивна інформаційна фільтрація, Інтелектуальний моніторинг класів і Інтелектуальна підтримка спільних робіт. П’ять результуючих груп технологій і областей їх виникнення показані на рис.3. Таблиця 1. надає добрий огляд цих п’яти груп технологій і простих систем для кожної з груп. Це ще допоможе читачу зрозуміти роль публікацій, представлених в цьому спеціальному виданні (виділено жирним в Табл.1) у загальному контексті роботи над AIWBES. В іншій частині цього розділу коротко описуються технології група за групою, також представляючи статті цього спеціального випуску.

Рис.2. Класичні технології AIWBES і їх виникнення.

Більшість технологій інтелектуального навчання такі: програмування навчального курсу, інтелектуальний аналіз рішень, підтримка розв’язання проблем. Всі ці технології були добре дослідженні в області ITS. Метою технології програмування навчального курсу є забезпечення студента найбільш відповідною індивідуально спланованою послідовністю тем для вивчення і навчальних завдань (приклади, питання, задачі тощо ). Це дає змогу студенту знайти оптимальний шлях через навчальний матеріал. В контексті Інтернет освіти технологія програмування навчального курсу набуває великого значення через свою здатність вести студента через гіперсередовище доступної інформації. Ранніми AIWBES системами, які одними з перших реалізували програмування навчальних курсів, були ELM-ART (Brusilovsky, et al., 1996a) та CALAT (Nakabayashi, Maruyama, Koike, Fukuhara, & Nakamura, 1996). Крім цього системи, описані в спеціальному випуску ELM-ART (Weber, et al., 2001) і KBS-Hyperbook (Henze, et al., 2001) дають два прекрасних приклади програмування курсів. У ELM-ART програмування реалізоване у формі рекомендованих посилань і адаптивної кнопки «Далі». У KBS-Hyperbook це реалізується як рекомендований навчальний шлях.

Рис.3. П’ять груп сучасних технологій AIWBES

Інтелектуальний аналіз рішень має справу із студентськими розв’язками навчальних задач (які можуть змінюватись від простих запитань до комплексних програмних завдань). На відміну від неінтелектуальних перевіряючи інструментів, які здатні лише сказати розв’язок вірний чи ні, інтелектуальні аналізатори можуть сказати, що саме невірно або що розв’язано не повністю, і які пропущені чи невірні знання можуть відповідати за помилку. Інтелектуальні аналізатори здатні забезпечити студента потужною технікою оберненого зв’язку опрацювання помилок і оновленням моделі студента. Через низьку інтерактивність і природну відповідність інтерфейсу подання форм Інтернету, ця технологія була реалізована в Інтернеті одною з перших на таких ранніх AIWBES, як ELM-ART (Brusilovsky, et al., 1996a) та WITS (Okazaki, et al., 1996). Системи SQL-Tutor (Mitrovic, 2003), German Tutor (Heift, et al., 2001) і остання версія ELM-ART (Weber, et al., 2001), представлені у спецвипуску, демонструють декілька шляхів реалізації інтелектуального аналізу рішень у WWW.

Метою інтерактивної підтримки прийняття рішень є забезпечення студента інтелектуальною допомогою на кожному етапі вирішення проблеми – від надання підказки до виконання наступного етапу замість студента. Технологія інтерактивної підтримки прийняття рішень не так популярна у веб-системах, як у окремих інтелектуальних навчальних системах – в основному через проблеми з реалізацією. Як було показано початковими системами, чиста реалізація на стороні сервера, така як PAT-Online (Ritter, 1997) не в змозі активно слідкувати за діями студента і може забезпечувати допомогу лише по запиту. Чиста реалізація на стороні клієнта, така як ADIS (Warendorf, & Tan, 1997) має обмеження по складності. Необхідна функціональність і рівень складності для реалізації інтерактивної підтримки прийняття рішень потребує клієнт-серверної реалізації, такої як AlgeBrain (Alpert, Singley, & Fairweather, 1999), але такі системи складніші в реалізації. Серед систем, описаних в цьому спец.випуску , ActiveMath (Melis та ін.., 2001) реалізує інтерактивну підтримку прийняття рішень у її планувальнику доведень Омега. На додаток до цього ELM-ART (Weber та ін., 2001) представляє унікальний приклад підтримки прийняття рішень на основі прикладів – це інша низько інтерактивна технологія підтримки, що стає багатообіцяючою у контексті Вебу.


Таблиця 1. Технології AIWBES, їх виникнення та системи-представники. Системи, описані у спеціальному випуску позначені жирним шрифтом.

Джерела AIWBES-технологій

Технології

Приклади систем

Адаптивне гіпермедіа

Адаптивна підтримка навігації

Адаптивне подання

AHA (De Bra, et al., 1998)

InterBook (Brusilovsky, Eklund, & Schwarz, 1998)

KBS-Hyperbook (Henze, & Nejdl, 2001)

MetaLinks (Murray, 2003)

ActiveMath (Melis, et al., 2001)

ELM-ART (Weber, & Brusilovsky, 2001)

INSPIRE (Papanikolaou, Grigoriadou, Kornilakis, & Magoulas, Submitted)

Адаптивна фільтрація інформації

Фільтрація на основі вмісту

Спільна фільтрація

MLTutor (Smith, & Blandford, 2003)

WebCOBALT (Mitsuhara, et al., 2002)

Інтелектуальний моніторинг класу (нагляд за класом)

HyperClassroom (Oda, Satoh, & Watanabe, 1998)

Інтелектуальне спільне навчання

Адаптивне формування груп для допомоги

Адаптивна підтримка співробітництва (тренери та наставники)

Віртуальні студенти

PhelpS (Greer, et al., 1998)

HabiPro (Vizcaíno, Contreras, Favela, & Prieto, 2000)

COLER (Constantino Gonzalez, Suthers, & Escamilla De Los Santos,

2003)

EPSILON (Soller, & Lesgold, 2003)

Інтелектуальне навчання

Програмування (планування) курсу навчання

Інтелектуальний аналіз рішень

Підтримка прийняття рішень

VC-Prolog-Tutor (Peylo, Teiken,

Rollinger, & Gust, 1999)

SQL-Tutor (Mitrovic, 2003)

German Tutor (Heift, et al., 2001)

ActiveMath (Melis, et al., 2001)

ELM-ART (Weber, et al., 2001)


Адаптивне подання та адаптивна підтримка навігації – дві найбільші технології, що розглядаються системами адаптивного гіпертексту та адаптивного гіпермедіа. Метою технології адаптивного подання є пристосування вмісту кожного вузла (сторінки) до цілей студента, знань і іншої інформації, що зберігається в моделі студента. У системі адаптивного подання сторінки є не статичними, а такими, що адаптивно генеруються або збираються для кожного користувача. ActiveMath (Melis, та ін. ,2001), описаний в даному спец. випуску, представляє один з найширших серед існуючих прикладів адаптивного подання. На додаток ELM-ART (Weber, та ін., 2001) демонструє спеціальну форму адаптивного подання – адаптивні попередження про освітній стан поточної сторінки. MetaLinks (Murray, 2003) демонструє адаптивне подання для «оповідального зглажуання».

Метою технології підтримки адаптивної навігації є допомога студенту зорієнтуватися і переміщуатися у гіперпросторі за допомогою зміни вигляду видимих посилань. Наприклад, система адаптивного гіпермедіа може адаптивно сортувати, анотувати, або частково сховати посилання поточної сторінки для того, щоб спростити вибір, куди пересуватися далі. Підтримка адаптивної навігації розділяє ту саму мету, що й програмування курсу навчання – допомогти студенту знайти оптимальний шлях через навчальний матеріал. В той же час підтримка адаптивної навігації менше управляюча і більше «сумісницька» ніж традиційне програмування: вона провадить студента, залишаючи йому можливість самостійно обрати наступний элемент знань для вивчення, наступне завдання для розв’язання. У контексті WWW, де гіпермедіа є базовою організаційною парадигмою, підтримка адаптивної навігації стає як природною, так і ефективною. Вона була серед трьох найперших технологій AIWBES, використаних у таких системах як ELM-ART (Brusilovsky, та ін. , 1996a), InterBook (Brusilovsky, Schwarz, & Weber, 1996c), і стала можливо найпопулярнішою технологією у AIWBES. Половина систем, які представлені у цьому спецвипуску використовують цю технологію. . KBSHyperbook (Henze, та ін. , 2001), ActiveMath (Melis, та ін. , 2001) та ELM-ART (Weber,та ін.,2001) демонструють декілька варіантів адаптивної анотації (коментування) посилань. MLTutor (Smith, та ін. , 2003) використовує сортування та генерацію посилань.

Адаптивна фільтрація інформації (AIF - Adaptive information filtering) – класична технологія з області інформаційного пошуку. Її мета – знайти декілька елементів, що відповідають інтересам користувача, у великому об’ємі (текстових) документів. У Інтерент ця технологія була використана як у пошуковому контексті, так і в контексті перегляду. Вона була застосована для пристосування результатів веб-пошуку, із використанням фільтрації і впорядкування і для вироблення рекомендацій щодо найбільш відповідних документів серед отриманого набору, використовуючи генерацію посилань. Хоча механізми, що використовуються у системах AIF, дуже відрізняються від механізмів адаптивного гіпермедіа, на рівні інтерфейсу AIF для Інтерент найчастіше використовують техніку підтримки адаптивної навігації. Існує два принципово різних типи механізмів AIF, які можуть розглядатися, як дві різні технології AIF – фільтрація на основі вмісту і сумісна фільтрація. Перша спирається на вміст документа, тоді як остання абсолютно ігнорує вміст, намагаючись замість цього підібрати користувачів, які будуть зацікавлені в однакових документах. Сучасна технологія AIF широко використовує технології машинного навчання, особливо це стосується фільтрації на основі контенту. Будучи дуже популярною у області інформаційних систем, AIF не використовувалися у навчальному контексті у минулому. Об’єм навчального вмісту був порівняно невеликим, і потреба спрямовувати користувача до найбільш підходящого матеріалу з легкістю підтримувалася адаптивним програмуванням (плануванням) і адаптивним гіпермедіа. Однак Інтернет з його великою кількістю не індексованих відкритих освітніх ресурсів зробив AIF-технологію дуже привабливою для освітян. MLTutor (Smith, et al.,2003), описаний у цьому спецвипуску представляє один перших цікавих прикладів застосування фільтрації інформації на основі вмісту у навчанні. Навчальний приклад сумісницького AIF можна знайти у WebCOBALT (Mitsuhara, et al., 2002).

Інтелектуальне сумісне (колективне) навчання – цікава група технологій, розроблена на роздоріжжі двох областей, що початково були далеко одна від одної: комп’ютерна підтримка колективного навчання (CSCL) та інтелектуальні навчаючі системи (ITS). Сучасний напрямок роботи у використанні штучного інтелекту для підтримки колективного навчання призводить до збільшення рівня взаємодії цих двох областей. Тоді як рання робота над інтелектуальним колективним навчанням була виконана у до-Інтеренет (до-веб) контексті (Chan, & Baskin, 1990; Hoppe, 1995), сьогодні маємо Інтернет та Навчання на основі Інтернет, що забезпечили як платформу, так і зростаючий попит на на такий тип технології. У Навчанні на основі Інтернет потреба у інструментах підтримки колективного навчання є критичною, тому що студенти рідко (чи ніколи) особисто зустрічаються один з одним. Інтелектуальні технології можуть корінним чином розширити міць простих інструментів підтримки колективної роботи (таких як групи потокових дискусій та спільні дошки), що надаються різними системами управління курсами. На даний момент ми можемо зазначити як мінімум три окремі технології у групі інтелектуального колективного навчання: адаптивне формування групи та рівноправна допомога, адаптивна підтримка співробітництва та віртуальні студенти. Хороший приклад підтримки адаптивного співробітництва представлений у роботі COLER (Constantino Gonzalez,et al., 2003), описаній у даному спецвипуску.

Технології адаптивного формування груп і рівноправної допомоги намагаються використовувати знання про співпрацюючих членів групи (найчастіше ці знання представлені у моделях студента) для формування підходящої групи для різних типів колективних завдань. Ранні приклади включають формування груп для спільного розв’язання задачі (Hoppe, 1995; Ikeda, Go, & Mizoguchi, 1997) та пошук найбільш компетентного члена групи для відповіді на питання (McCalla, et al., 1997). Обидві течії роботи зараз розвиваються. Команди-початківці узагальнили і розширили свою роботу (Greer, et al., 1998; Mühlenbrock, Tewissen, & Hoppe, 1998), а ряд нових команд розпочали дослідження в цьому напрямку. Технології для адаптивної підтримки співробітництва намагаються забезпечити інтерактивну підтримку колективного процесу так само, як системи інтерактивної підтримки проблем допомагають окремому студенту у розв’язанні проблеми. Використовуючи деякі знання про хороші і погані зразки співробітництва (які надаються авторами системи або отримуються із журналів спілкування), системи підтримки співробітництва, такі як COLER (Constantino Gonzalez, et al., 2003) або EPSILON (Soller, et al., 2003), можуть тренувати або консультувати членів колективу. Це новий напрямок роботи, який проте швидко розвивається, він бере свої ідеї із класичних областей навчання, таких як ITS (інтелектуальні навчаючі системи) та CSCL (колективне навчання з комп’ютерною підтримкою). На відміну, технологія віртуальних студентів порівняно стара. Замість підтримуючого навчання або співробітництва з позиції старшого над студентами (викладач або консультант) ця технологія намагається ввести різні типи рівноправних віртуальних партнерів у навчальне середовище: навчаючий партнер (Chan, et al., 1990), учень або навіть порушник порядку (Frasson, Mengelle, Aïmeur, & Gouardères, 1996). У контексті освіти на основі Інтернет (WBE), де студенти спілкуються головним чином через низько пропускні канали (електронна пошта, чат, форуми), віртуальний студент стає дуже привабливим уособленням для реалізації різних стратегій підтримки. Ми очікуємо більших досліджень у цьому напрямку та його подальшої інтеграції з напрямками анімованих агентів та інтелектуальної підтримки співробітництва. Інтелектуальний моніторинг класів – інша AIWBES-технологія, мотивована WBE (освітою на основі Інтернет). У контексті WBE «віддалений викладач» не може бачити вирази нерозуміння або загубленості на обличчях студентів. З таким чітким браком оберненого зв’язку стає дуже важко визначити проблемних студентів , що потребують додаткової уваги, ярких студентів, яким слід кинути виклик, так само й визначення частин навчального матеріалу, які є занадто легкими, занадто складними, або незрозумілими. Системи освіти на основі Інтернет можуть відслідковувати кожну дію студента, проте це майже неможливо для викладача-людини знайти який-небудь сенс у великому об’ємі даних, що збирається системою. Системи інтелектуального моніторингу класу (нагляду за класом) намагаються використовувати штучний інтелект, щоб допомогти викладачу в в даній ситуації. Цей напрямок роботи було започатковано у HyperClassroom (Oda, et al., 1998), де використовувалася нечітка технологія для визначення студентів WBE, що опинилися в тупику. До недавнього часу HyperClassroom була єдиним прикладом у цьому роді, проте останні два роки принесли декілька інших прикладів (Merceron, & Yacef, 2003; Romero, Ventura, Bra, & Castro, 2003). Більш ранній огляд (Brusilovsky, 1999) групував інтелектуальний моніторинг класу разом з інтелектуальною підтримкою співробітництва. Наразі ми доводимо, що ця течія роботи повинна мати свою власну групу, так як вона зосереджена на відмінних цілях (підтримка викладача) та покладається на відмінну групу технологій ШІ (штучного інтелекту) (головним чином добування інформації і машинне навчання). В той же час, деякі системи (Chen, & Wasson, 2002; Mbala, Reffay, & Chanier, 2002), які наглядають за процесом співпраці але звітують про проблеми викладачу, замість того, щоб впливати на саму співпрацю, займають місце посередині між моніторингом класу та підтримкою співробітництва. Нажаль у цьому випуску не представлено жодного прикладу інтелектуального нагляду за класом, і до сих пір ми не мали змоги визначити різні технології у рамках даного класу. Проте ми сподіваємося, що цей напрямок роботи буде зростати в найближчому майбутньому.


Адаптивні і інтелектуальні освітні системи на основі Інтернет: зміна парадигми AI-ED?

Аналіз адаптивних і інтелектуальних освітніх систем для Інтернет на рівні технологій показує, що вони мають багато спільного з до-Інтернет системами. Чи повинні ми розглядати AIWBES тільки як реалізацію для Веб ідей, розглянутих раніше? Чи можемо ми сказати, що єдиною різницею між Інтернет і до-Інтернет адаптивними і інтелектуальними системами є платформа реалізації? Ми стверджуємо, що різниця між Інтелектуальними навчаючими системами (ITS) 1980 і 1990 і новим родом Інтернет систем, які стали популярними в кінці 1990-х рр. є якісною. Тоді як на рівні індивідуальних технологій ми з легкістю можемо помітити схожість між Інтернет і до-Інтернет системами, на рівні всієї системи ми можемо спостерігати скоріше великі відмінності у головному фокусі цих систем, їх контексті застосування, і в загальному наборі характеристик, що підтримуються. Нова платформа і новий контекст застосування Інтернет систем породжує значну зміну розробницької парадигми. Адаптивні і інтелектуальні освітні систем на основі Інтернет формують нову розробницьку парадигму у області штучного інтелекту у освіті. Якщо ми проаналізуємо різноманітність адаптивних і інтелектуальних освітніх систем, розроблених з часів народження області AI-Ed (штучний інтелект у освіті) у 1970р., ми зможемо виділити по меншій мірі три значних розробницьких парадигми (Табл.2). Рухаючою силою найперших AI-Ed-систем було бажання виправити очевидні проблеми домінуючого комп’ютеризованого навчання (Computer-Assisted Instruction - CAI) : забезпечити більш інтелектуальне оцінювання знань студента, аніж традиційні питання «так-ні» і питання вибору з декількох варіантів, а також більш адаптивне слідування навчальних фрагментів, аніж у традиційному лінійному і гілчастому підходах (Carbonell, 1970). Такі системи було названо інтелектуальні САІ (ІСАІ) або АІ-САІ. ІСАІ не намагалися змінити середовище застосування, яке добре встановилося, і головні цілі систем САІ, які полягали у передачі знань до студента із наступним пересвідченням їх засвоєння. Як САІ так і ІСАІ намагалися замінити все або частину навчання у класах. Найбільшими інтелектуальними технологіями були планування (Brown, Burton, & Zdybel, 1973; Carbonell, 1970; Koffman, & Perry, 1976) і інтелектуальний аналіз рішень (Brown, & Burton, 1978). Переважною комп’ютерною платформою початкових САІ були класичні мейнфрейми і (пізніше) мінікомп’ютери. Нова парадигма «навчання» була встановлена в кінці 1970 established (Burton, & Brown, 1979; Clancey, 1979). Надалі вона розповсюджувалася школою Джона Андерсена і стала домінуючою у 1980 і на початку 1990 рр. Чемпіони нової парадигми проголосили, що основною роботою систем AI-Ed не є заміна викладача у класі у поданні нового матеріалу, але забезпечення індивідуальним наставником, який зможе підтримувати студентів у процесі розв’язання освітніх проблем і формуванні процедурних знань. З тих пір старе ім’я «АІ-САІ» більше не мало значення, нові системи і вся область обрало ім’я Інтелектуальні Навчаючі Системи (Intelligent Tutoring Systems - ITS). На рівні технологій зміна була більш поступовою – нова технологія інтерактивної підтримки прийняття рішень (розв’язання задач) швидко ставала домінуючою, тоді як відносний об’єм роботи у старих технологіях поступово зменшувався. Зацікавленість у плануванні (визначенні послідовності) зменшилася, коли більшість ITS відмовилися мати справу з поданням освітнього матеріалу, залишивши це викладачам. Щодо інтелектуального аналізу рішень, це було визначено як другорядне у порівнянні з технологією прийняття рішень: справжнім викликом було розробити повністю інтерактивну підтримку. Зміна середовища застосування і домінуючих технологій була підтримана (прибічники технологій можуть сказати «підштовхнута») зміною платформи реалізації від мейнфреймів до персональних комп’ютерів з їх можливостями реалізації привабливих інтерфейсів прийняття рішень.


Таблиця 2

Порівняння найбільших парадигм AI-Ed

Парадигма АІ-САІ

Штучний інтелект у комп’ютеризованому навчанні

Парадигма ITS

Інтелектуальні навчаючі системи

Парадигма AIWBES

Штучний інтелект у освітніх системах на основі Інтерент

Період часу

1970-ті рр.

1980-1990 рр.

Кінець 1990 – 2000 рр.

Мета

Заміна примітивних САІ у передачі знань

Підтримка прийняття рішень (розв’язання задач)

Всебічна підтримка

Середовище

Класні кімнати без учителів

Класна кімната з помічником або самонавчання

Незалежне самонавчання

Навчальний матеріал

Весь навчальний матеріал знаходиться в системі, найчастіше це презентації, але також вправи і задачі

Немає матеріалу для подання, але проблеми (задачі) завжди присутні

Багатий навчальний матеріал он-лайн: презентації, приклади, задачі (проблеми)

Технології

Планування (програмування) курсів навчання і інтелектуальний аналіз рішень є центральними технологіями

Планування курсів або адаптивне гіпермедіа відсутні.

Інтерактивна підтримка рішень (розв’язання задач) – центральна технологія

Широке використання адаптивного гіпермедіа. Планування навчальних курсів і інтелектуальний аналіз рішень знову стають широко розповсюдженими. З’являється рід технологій, які надихаються Вебом (WWW).

Завершеність системи

Усі системи концентруються на окремій інтелектуальній технології

Більшість системи концентруються на окремій інтелектуальній технології

Більшість системи концентруються на декількох інтелектуальних технологіях

Платформа

Мейнфрейми і мінікомп’ютери

Персональні комп’ютери

WWW

Те, що ми спостерігаємо зараз - це нова зміна парадигми, яка також спонукається до якоїсь міри зміною платформи і середовища застосування. Мотивуючим середовищем застосування освітніх систем для Інтерент (WBE) є, природно, освіта на основі Інтернет. У цьому середовищі, коли відсутній учитель, наставник, або навіть рівноправний партнер, освітня система має забезпечити одночасне рішення для всіх потреб студентів. Стара мотивація «подати знання» повернулася у центр уваги і навіть стала домінуючою (так нове покоління систем WBE обрали подавати необхідний освітній матеріал, використовуючи гнучкий гіпертекст замість жорстких САІ ). Це добре продемонстроване підгрупою систем, представлених у даному спецвипуску – більшість з них включають (або хоча б зосереджені) подання матеріалів онлайнових курсів – з адаптацією, як у MetaLinks, KBS-Hyperbook, ActiveMath, ELM-ART, MLTutor, або без неї, як у German Tutor. Потреба у підтримці прийняття рішень залишається в центрі уваги. Нові потреби, специфічні для сучасних WBE стали критичними – такі як підтримка колективної роботи та потреба підтримки віддаленого викладача, який працює з невидимим класом. Ця ситуація призвела до появи нових технологій, так само як і до зміни у використанні набору відомих технологій. Адаптивне планування знову стало популярним – сьогодні разом із адаптивним гіпермедіа і адаптивним відбором (фільтрацією) інформації. Інтелектуальний аналіз рішень став більш привабливим, ніж інтерактивна підтримка прийняття рішень (розв’язку задач), через свою природну здатність до застосування у слабко інтерактивному протоколі HTTP. Технології колективного навчання і нагляду за класом стали цікавою новою ціллю для застосування технологій штучного інтелекту. І, що більш важливо, набір потреб, які підтримані у окремій системі, так само, як і набір застосованих в системі технологій, помітно збільшився. В той час, коли майже всі до-Інтерент системи засереджувалися на конкретній потребі, просуваючись і розширюючи одну з відомих технологій, більшість AIWBES використовують кілька технологій і стають більш завершеними у розумінні освітньої системи «все в одному». Ця тенденція чітко продемонстрована у системі ELM-ART (Weber, et al., 2001), яка представлена у цьому спецвипуску. У той час, як ELM-PE (Weber, & Möllenberg, 1995), прототип ELM-ART, була чисто системою підтримки прийняття рішень, ELM-ART, яку рухали потреби WBE, стала дуже багатогранною системою, яка підтримує майже всі потреби студентів і викладачів.

Перспективи адаптивних і інтелектуальних освітніх систем на основі Інтернет

Адаптивні і інтелектуальні освітні системи на основі Інтернет формують нову захоплюючу течію роботи в області AI-Ed. Як показано у статтях, включених у цей спецвипуск, WWW дає можливість застосувати набагато ширшу різноманітність технологій ШІ у освітньому контексті. Це приносить велику кількість нових дослідницьких викликів і багато можливостей для комбінації досліджень AI-Ed із кількома сусідніми областями. WWW також забезпечує відмінну платформу для реалізації для дослідників AI-Ed. Системи, які розроблені для Інтернет, мають більший відрізок життя і кращу видимість. Дослідницька ідея, реалізована у Веб-системі, має набагато кращі шанси вплинути на дослідницьке співтовариство, аніж ідея, яка представлена просто на папері. Більше того, AIWBES з їх простотою доступу та видимості мають набагато більші шанси вплинути на професіоналів, що працюють в області Інтерент-освіти. Ми очікуємо, що ідеї, розроблені у цих системах і самі системи матимуть зростаюче застосування на практиці Інтернет-освіти. Це дозволить AI-Ed, як області досліджень, надати більший імпульс на удосконалення щоденного освітнього процесу. Як запрошені редактори, ми сподіваємося, що публікації, зібрані у цьому спецвипуску нададуть як хороший огляд області, що з’являється, так і хороше натхнення для тих, хто щойно увійшов у цю сферу.

Література

Alpert, S. R., Singley, M. K., & Fairweather, P. G. (1999). Deploying Intelligent Tutors on the Web: An
Architecture and an Example. International Journal of Artificial Intelligence in Education, 10,
183-197. Available online at http://cbl.leeds.ac.uk/ijaied/abstracts/Vol_10/alpert.html.
Brown, J. S., & Burton, R. R. (1978). Diagnostic models for procedural bugs in basic mathematical skills.
Cognitive Science, 2, 155-192.
Brown, J. S., Burton, R. R., & Zdybel, F. (1973). A model-driven question-answering system for mixedinitiative
computer-assisted instruction. IEEE Transactions on Systems, Man and Cybernetics,
3(1), 248-257.
Brusilovsky, P. (1996). Methods and techniques of adaptive hypermedia. User Modeling and User-
Adapted Interaction, 6(2-3), 87-129.
Brusilovsky, P. (1999). Adaptive and Intelligent Technologies for Web-based Education. Künstliche
Intelligenz, (4), 19-25. Available online at http://www2.sis.pitt.edu/~peterb/papers/KIreview.
html.
166 P. Brusilovsky and C. Peylo/ Adaptive and Intelligent Web-based Educational Systems
Brusilovsky, P., Eklund, J., & Schwarz, E. (1998). Web-based education for all: A tool for developing
adaptive courseware. Computer Networks and ISDN Systems, 30(1-7), 291-300.
Brusilovsky, P., Henze, N., & Millán, E. (Ed.). (2002). Proceedings of the workshop on Adaptive Systems
for Web-Based Education at the 2nd International Conference on Adaptive Hypermedia and
Adaptive Web-Based Systems (AH'2002). Málaga, Spain: University of Malaga.
Brusilovsky, P., & Miller, P. (2001). Course Delivery Systems for the Virtual University. In T. Tschang, &
T. Della Senta (Eds.) Access to Knowledge: New Information Technologies and the Emergence of
the Virtual University, (pp. 167-206.). Amsterdam: Elsevier Science. Available online at
http://www2.sis.pitt.edu/~peterb/papers/UNU.html.
Brusilovsky, P., Nakabayashi, K., & Ritter, S. (Eds.). (1997). Proceedings of the Workshop "Intelligent
Educational Systems on the World Wide Web" at AI-ED'97, 8th World Conference on Artificial
Intelligence in Education. Kobe, Japan: ISIR.
Brusilovsky, P., Schwarz, E., & Weber, G. (1996a). ELM-ART: An intelligent tutoring system on World
Wide Web. In C. Frasson, G. Gauthier, & A. Lesgold (Eds.) Third International Conference on
Intelligent Tutoring Systems, ITS-96 (Vol. 1086, pp. 261-269). Berlin: Springer Verlag, Available
online at http://www.contrib.andrew.cmu.edu/~plb/ITS96.html.
Brusilovsky, P., Schwarz, E., & Weber, G. (1996b). A tool for developing adaptive electronic textbooks on
WWW. In H. Maurer (Ed.), Proceedings of WebNet'96, World Conference of the Web Society,
(pp. 64-69). October 15-19, 1996. San Francisco, CA, AACE. Available online at
http://www.contrib.andrew.cmu.edu/~plb/WebNet96.html.
Brusilovsky, P., Schwarz, E., & Weber, G. (1996c). A tool for developing hypermedia-based ITS on
WWW. Proceedings of Workshop "Architectures and Methods for designing Cost-Effective and
Reusable ITSs" at the Third International Conference on Intelligent Tutoring Systems, ITS-96,
June 12-14, 1996. Montreal.
Burton, R. R., & Brown, J. S. (1979). An investigation of computer coaching for informal learning
activities. International Journal on the Man-Machine Studies, 11, 5-24.
Carbonell, J. R. (1970). AI in CAI: An artificial intelligence approach to computer aided instruction. IEEE
Transactions on Man-Machine Systems0.5 MMS-11(4), 190-202.
Chan, T. W., & Baskin, A. B. (1990). Learning companion systems. In C. Frasson, & G. Gauthier (Eds.),
Intelligent Tutoring Systems: At the crossroads of artificial intelligence and education (pp. 6-33).
Norwood: Ablex Publishing.
Chen, W., & Wasson, B. (2002). An instructional assistant agent for distributed collaborative learning. In
S. A. Cerri, G. Gouardères, & F. Paraguaçu (Eds.), 6th International Conference on Intelligent
Tutoring Systems, ITS'2002 (Vol. 2363, pp. 609-618). Berlin: Springer-Verlag.
Clancey, W. J. (1979). Tutoring rules for guiding a case method dialog. International Journal on the Man-
Machine Studies, 11, 25-49.
Constantino Gonzalez, M. A., Suthers, D., & Escamilla De Los Santos, J. G. (2003). Coaching web-based
collaborative learning based on problem solution differences and participation. International
Journal of Artificial Intelligence in Education, 13(2-4), 261-297.
De Bra, P., & Calvi, L. (1998). AHA! An open Adaptive Hypermedia Architecture. The New Review of
Hypermedia and Multimedia, 4, 115-139.
De Bra, P. M. E. (1996). Teaching Hypertext and Hypermedia through the Web. Journal of Universal
Computer Science, 2(12), 797-804. Available online at
http://www.iicm.edu/jucs_2_12/teaching_hypertext_and_hypermedia.
Frasson, C., Mengelle, T., Aïmeur, E., & Gouardères, G. (1996). An actor-based architecture for intelligent
tutoring systems. In C. Frasson, G. Gauthier, & A. Lesgold (Eds.), Third International Conference
on Intelligent Tutoring Systems, ITS-96 (Vol. 1086, pp. 57-65). Berlin: Springer Verlag.
P. Brusilovsky and C. Peylo/ Adaptive and Intelligent Web-based Educational Systems 167
Greer, J., McCalla, G., Collins, J., Kumar, V., Meagher, P., & Vassileva, J. (1998). Supporting Peer Help
and Collaboration in Distributed Workplace Environments. International Journal of Artificial
Intelligence in Education, 9, 159-177. Available online at
http://cbl.leeds.ac.uk/ijaied/abstracts/Vol_9/greer.html.
Heift, T., & Nicholson, D. (2001). Web delivery of adaptive and interactive language tutoring.
International Journal of Artificial Intelligence in Education, 12(4), 310-324.
Henze, N., & Nejdl, W. (2001). Adaptation in open corpus hypermedia. International Journal of Artificial
Intelligence in Education, 12(4), 325-350. Available online at
http://cbl.leeds.ac.uk/ijaied/abstracts/Vol_12/henze.html.
Hoppe, U. (1995). Use of multiple student modeling to parametrize group learning. In J. Greer (Ed.),
Artificial Intelligence in Education, Proceedings of AI-ED'95, 7th World Conference on Artificial
Intelligence in Education (pp. 234-249). 16-19 August 1995. Washington, DC, AACE.
Ikeda, M., Go, S., & Mizoguchi, R. (1997). Opportunistic group formation. In B. d. Boulay, & R.
Mizoguchi (Eds.), AI-ED'97, 8th World Conference on Artificial Intelligence in Education
Amsterdam: IOS.
Koffman, E. B., & Perry, J. M. (1976). A model for generative CAI and concept selection. International
Journal on the Man-Machine Studies, 8, 397-410.
Mbala, A., Reffay, C., & Chanier, T. (2002). Integrating of automatic tools got displaying interaction data
in computer environments for distance learnings. In S. A. Cerri, G. Gouardères, & F. Paraguaçu
(Ed.), 6th International Conference on Intelligent Tutoring Systems, ITS'2002 (Vol. 2363, pp.
841-850). Berlin: Springer-Verlag.
McCalla, G. I., Greer, J. E., Kumar, V. S., Meagher, P., Collins, J. A., Tkatch, R., & Parkinson, B. (1997).
A peer help system for workplace training. In B. d. Boulay, & R. Mizoguchi (Eds.), AI-ED'97, 8th
World Conference on Artificial Intelligence in Education (pp. 183-190). Amsterdam: IOS.
Melis, E., Andrès, E., Büdenbender, J., Frishauf, A., Goguadse, G., Libbrecht, P., Pollet, M., & Ullrich, C.
(2001). ActiveMath: A web-based learning environment. International Journal of Artificial
Intelligence in Education, 12(4), 385-407.
Merceron, A., & Yacef, K. (2003). A Web-based tutoring tool with mining facilities to improve learning
and teaching. In U. Hoppe, F. Verdejo, & J. Kay (Eds.), AI-Ed'2003 (pp. 201-208). Amsterdam:
IOS Press.
Mitrovic, A. (2003). An Intelligent SQL Tutor on the Web. International Journal of Artificial Intelligence
in Education, 13(2-4), 171-195.
Mitsuhara, H., Ochi, Y., Kanenishi, K., & Yano, Y. (2002). An adaptive Web-based learning system with a
free-hyperlink environment. In P. Brusilovsky, N. Henze, & E. Millán (Eds.), Proceedings of
Workshop on Adaptive Systems for Web-Based Education at the 2nd International Conference on
Adaptive Hypermedia and Adaptive Web-Based Systems, AH'2002 (pp. 81-91). May 28, 2002.
Málaga, Spain.
Mühlenbrock, M., Tewissen, F., & Hoppe, H. U. (1998). A Framework System for Intelligent Support in
Open Distributed Learning Environments. International Journal of Artificial Intelligence in
Education, 9, 256-274. Available online at
http://cbl.leeds.ac.uk/ijaied/abstracts/Vol_9/muehlenbr.html.
Murray, T. (2003). MetaLinks: Authoring and affordances for conceptual and narrative flow in adaptive
hyperbooks. International Journal of Artificial Intelligence in Education, 13(2-4), 197-231.
Nakabayashi, K., Koike, Y., Maruyama, M., Touhei, H., Ishiuchi, S., & Fukuhara, Y. (1995). An
intelligent tutoring system on World-Wide Web: Towards an integrated learning environment on a
distributed hypermedia. In H. Maurer (Ed.), Educational Multimedia and Hypermedia,
Proceedings of ED-MEDIA'95 - World conference on educational multimedia and hypermedia,
(pp. 488-493). June 17-21, 1995. Graz, Austria, AACE.
168 P. Brusilovsky and C. Peylo/ Adaptive and Intelligent Web-based Educational Systems
Nakabayashi, K., Maruyama, M., Koike, Y., Fukuhara, Y., & Nakamura, Y. (1996). An intelligent tutoring
system on the WWW supporting interactive simulation environments with a multimedia viewer
control mechanism. In H. Maurer (Ed.), Proceedings of WebNet'96, World Conference of the
Web Society, (pp. 366-371). October 15-19, 1996. San Francisco, CA, AACE. Available online at
http://www.contrib.andrew.cmu.edu/~plb/WebNet96.html.
Oda, T., Satoh, H., & Watanabe, S. (1998). Searching deadlocked Web learners by measuring similarity of
learning activities. Proceedings of Workshop "WWW-Based Tutoring" at 4th International
Conference on Intelligent Tutoring Systems (ITS'98), August 16-19, 1998. San Antonio, TX.
Available online at http://www.sw.cas.uec.ac.jp/~watanabe/conference/its98workshop1.ps.
Okazaki, Y., Watanabe, K., & Kondo, H. (1996). An Implementation of an intelligent tutoring system
(ITS) on the World-Wide Web (WWW). Educational Technology Research, 19(1), 35-44.
Papanikolaou, K. A., Grigoriadou, M., Kornilakis, H., & Magoulas, G. D. (Submitted). Personalising the
interaction in a Web-based Educational Hypermedia System: the case of INSPIRE. User
Modeling and User Adapted Interaction.
Peylo, C. (Ed.). (2000). Proceedings of the International Workshop on Adaptive and Intelligent Webbased
Education Systems held in conjunction with 5th International Conference on Intelligent
Tutoring Systems (ITS'2000). Ösnabrück: Institute for Semantic Information Processing,
University of Ösnabrück.
Peylo, C., Teiken, W., Rollinger, C., & Gust, H. (1999). Der VC-Prolog-Tutor: Eine Internet-basierte
Lernumgebung. Künstliche Intelligenz, 13(4), 32-35.
Ritter, S. (1997). Pat Online: A Model-tracing tutor on the World-wide Web. In P. Brusilovsky, K.
Nakabayashi, & S. Ritter (Eds.), Proceedings of Workshop "Intelligent Educational Systems on
the World Wide Web" at AI-ED'97, 8th World Conference on Artificial Intelligence in Education,
(pp. 11-17). 18 August 1997. Kobe, Japan, ISIR. Available online at
http://www.contrib.andrew.cmu.edu/~plb/AIED97_workshop/Ritter/Ritter.html.
Romero, C., Ventura, S., Bra, P. D., & Castro, C. d. (2003). Discovering prediction rules in AHA! courses.
In P. Brusilovsky, A. Corbett, & F. d. Rosis (Eds.), 9th International User Modeling Conference
(Vol. 2702, pp. 25-34). Berlin: Springer Verlag.
Smith, A. S. G., & Blandford, A. (2003). MLTutor: An Application of Machine Learning Algorithms for
an Adaptive Web-based Information System. International Journal of Artificial Intelligence in
Education. 13(2-4), 233-260. Available online at
http://www.cogs.susx.ac.uk/ijaied/abstracts/Vol_13/smith.html.
Soller, A., & Lesgold, A. (2003). A computational approach to analysing online knowledge sharing
interaction. In U. Hoppe, F. Verdejo, & J. Kay (Eds.), AI-ED'2003 (pp. 253-260). Amsterdam:
IOS Press.
Stern, M., Woolf, B. P., & Murray, T. (Eds.). (1998). Proceedings of the workshop on Intelligent Tutoring
Systems on the Web at 4th International Conference on Intelligent Tutoring Systems (ITS'98). San
Antonio, TX: St. Mary University.
Vizcaíno, A., Contreras, J., Favela, J., & Prieto, M. (2000). An adaptive collaborative environment to
develop good habits in programming. In G. Gauthier, C. Frasson, & K. VanLehn (Eds.), 5th
International Conference on Intelligent Tutoring Systems, ITS'2000 (Vol. 1839, pp. 262-271).
Berlin: Springer-Verlag.
Warendorf, K., & Tan, C. (1997). ADIS - An animated data structure intelligent tutoring system or Putting
an interactive tutor on the WWW. In P. Brusilovsky, K. Nakabayashi, & S. Ritter (Eds.),
Proceedings of Workshop "Intelligent Educational Systems on the World Wide Web" at AI-ED'97,
8th World Conference on Artificial Intelligence in Education, (pp. 54-60). 18 August 1997. Kobe,
Japan, ISIR. Available online at
http://www.contrib.andrew.cmu.edu/~plb/AIED97_workshop/Warendorf/Warendorf.html.
P. Brusilovsky and C. Peylo/ Adaptive and Intelligent Web-based Educational Systems 169
Weber, G., & Brusilovsky, P. (2001). ELM-ART: An adaptive versatile system for Web-based instruction.
International Journal of Artificial Intelligence in Education. 12(4), 351-384. Available online at
http://cbl.leeds.ac.uk/ijaied/abstracts/Vol_12/weber.html.
Weber, G., & Möllenberg, A. (1995). ELM-Programming-Environment: A Tutoring System for LISP
Beginners. In K. F. Wender, F. Schmalhofer, & H.-D. Böcker (Eds.), Cognition and Computer
Programming (pp. 373-408). Norwood, NJ: Ablex.

Переклад: Сергій Титенко, Лабораторія СЕТ

Коментарі відвідувачів (0)
[ Показати коментарі ]

Додайте власний коментар
Автор

Коментар

Кількість входів в цьому місяці : 6241
Приєднуйтесь!
Сторінки, близькі за змістом
©2006-2017 Лабораторія СЕТ, Сергій Титенко
При використанні матеріалів посилання, гіперпосилання для web-ресурсів, на www.setlab.net обов'язкове
Зв'язок: lab@setlab.net 
Лабораторія СЕТ powered by FreshKnowledge
Студія Інновацій — Розробляємо розумні сайти
Rambler's Top100 НТУУ "КПІ"
Друзі і партнери
Український рейтинг TOP.TOPUA.NET