Технології і методи функціонування інтелектуальних систем безперервного навчання

При проектуванні СБН слід враховувати багатий досвід в області розробки інтелектуальних навчаючих систем (ITS) і адаптивних гіпермедіа-систем. Деякі технології, що застосовуються в навчальних Web-системах, беруть також свій початок в таких технологіях як машинне навчання, Data Mining, інформаційний пошук та в інших галузях штучного інтелекту. Адаптивні і інтелектуальні системи навчання широко розглянуті в роботах [19-34]. Аналіз цих робіт дозволив зробити огляд ключових технологій і методів, що застосовуються в таких системах.

Адаптивні гіпермедіа-системи – це усі гіпермедіа-системи, які зберігають особливості користувача в моделі користувача і застосовують цю модель для адаптації до користувача різних візуальних аспектів системи. Іншими словами система повинна задовольняти трьом критеріям: вона має бути гіпертекстовою або гіпермедійною, вона повинна мати модель користувача і вона повинна адаптувати свій гіпермедіа-простір, використовуючи цю модель. [19]

Інтелектуальні навчаючі системи (Intelligent Tutoring Systems, ITS) – це комп’ютерні навчальні системи, що містять моделі освітнього контенту, які визначають чому потрібно навчати і викладацькі стратегії, які визначають, як потрібно навчати. Такі системи роблять висновки щодо оволодіння студентами тими чи іншими темами або завданнями з метою динамічної адаптації контенту або стилю викладання. Моделі контенту (або бази знань, експертні системи чи симуляції) надають цим системам глибини, завдяки чому студенти «вчаться, діючи» в реалістичному і смисловому контексті. [20].

На рис.1 подаються методи і технології, що супроводжують адаптивні гіпермедіа-системи і інтелектуальні навчаючі системи та можуть бути застосовані для потреб систем підтримки безперервного навчання.

Рис. 1. Методи і технології для інтелектуальних систем безперервного навчання.

Методи адаптивних гіпермедіа-систем [21–23]. Адаптація контенту та адаптація навігації – дві найбільші технології, що розглядаються системами адаптивного гіпертексту та адаптивного гіпермедіа. Метою технології адаптивного контенту 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 для кожного користувача.

Метою технології адаптивної навігації є допомога студенту зорієнтуватися і переміщуватися 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 «партнерська» ніж традиційне програмування: вона провадить студента, залишаючи йому можливість самостійно обрати наступний елемент знань для вивчення, наступне завдання для розв’язання. У контексті WWW, де гіпермедіа є базовою організаційною парадигмою, підтримка адаптивної навігації природною і ефективною.

Адаптивна фільтрація інформації (АФІ) – класична технологія з області інформаційного пошуку. Її мета – знайти декілька елементів, що відповідають інтересам користувача, у великому об’ємі (текстових) документів. У Інтернет 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 АФІ, дуже відрізняються від механізмів адаптивного гіпермедіа, на рівні інтерфейсу АФІ для Інтернет найчастіше використовують техніку адаптивної навігації.

Існує два принципово різних типи механізмів АФІ, які можуть розглядатися, як дві різні технології АФІ – фільтрація на основі вмісту і колективна 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 АФІ широко використовує технології машинного навчання, особливо це стосується фільтрації на основі вмісту. Будучи дуже популярною у області інформаційних систем, АФІ проте 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 відкритих освітніх ресурсів зробив АФІ-технологію дуже привабливою для освітян.

Методи інтелектуальних систем навчання [20, 21] 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 контролюючих інструментів, які здатні вказати лише на вірність або хибність розв’язку, 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 зворотнього зв’язку опрацювання помилок і оновленням моделі студента. Через низьку інтерактивність і адекватність інтерфейсу Інтернет-форм ця технологія була реалізована в Інтернеті одною з перших.

Метою інтерактивної підтримки прийняття рішень є забезпечення студента інтелектуальною допомогою на кожному етапі вирішення проблеми – від надання підказки до повного виконання наступного етапу замість студента. Технологія інтерактивної підтримки прийняття рішень не так популярна у Web-системах, як у окремих інтелектуальних навчальних системах – в основному через проблеми з реалізацією. Як було показано початковими системами, чиста реалізація на стороні сервера не в змозі активно слідкувати за діями студента і може забезпечувати допомогу лише по запиту. Чиста реалізація на стороні клієнта має обмеження по складності. Необхідна функціональність і рівень складності для реалізації інтерактивної підтримки прийняття рішень потребує клієнт-серверної реалізації, але такі системи складніші в реалізації. Слід згадати, що Web-технологія асинхронного обміну даними AJAX надає відповідну технічну платформу для реалізації алгоритмів інтерактивної підтримки прийняття рішень на основі WWW.

Методи інтелектуального колективного навчання [21]. Інтелектуальне колективне навчання – група технологій, розроблена на перехресті двох областей, що початково були далеко одна від одної: комп’ютерна підтримка колективного навчання та інтелектуальні навчаючі системи (ІНС). Сучасний напрямок роботи у використанні штучного інтелекту для підтримки колективного навчання призводить до збільшення рівня взаємодії цих двох областей. Ранні роботи в області інтелектуального колективного навчання виконувались у до-Інтеренет контексті. Сьогодні ж Інтернет та дистанційна освіта забезпечили як платформу, так і зростаючий попит на технології такого типу. У Інтернет-освіті потреба у інструментах підтримки колективного навчання є критичною, тому що студенти рідко особисто зустрічаються один з одним. Інтелектуальні технології можуть корінним чином розширити можливості 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 і партнерства, адаптивна підтримка співробітництва та віртуальні студенти.

Технології адаптивного формування груп і партнерства намагаються використовувати знання про співпрацюючих членів групи (найчастіше ці знання представлені у моделях студента) для формування підходящої групи для різних типів колективних завдань. Це можна застосувати, наприклад, для задач по формуванню груп для спільного розв’язання задач та пошуку найбільш компетентного члена групи для відповіді на питання.

Технології для адаптивної підтримки співробітництва намагаються забезпечити інтерактивну підтримку колективного процесу так само, як системи інтерактивної підтримки прийняття рішень допомагають окремому студенту у розв’язанні проблеми. Використовуючи деякі знання про хороші і погані зразки співробітництва (які закладаються на етапі розробки системи або отримуються із журналів спілкування), системи підтримки співробітництва можуть тренувати або консультувати членів колективу. Технологія віртуальних студентів порівняно стара. Замість підтримуючого навчання або співробітництва з позиції старшого над студентами (викладача або консультанта) ця технологія намагається ввести різні типи рівноправних віртуальних партнерів у навчальне середовище, наприклад навчаючий партнер, учень або навіть порушник порядку. У контексті Інтернет-освіти, де студенти спілкуються головним чином через низько пропускні канали (електронна пошта, чат, форуми), віртуальний студент стає дуже привабливим уособленням для реалізації різних стратегій підтримки. Перспективною є інтеграція цього методу з напрямками анімованих агентів та інтелектуальної підтримки співробітництва.

Інтелектуальний моніторинг класів – технологія, дуже актуальна для дистанційної освіти. У контексті Інтернет-освіти «віддалений викладач» не може бачити вирази нерозуміння або загубленості на обличчях студентів. З таким чітким браком зворотного зв’язку стає дуже важко визначити проблемних студентів, що потребують додаткової уваги, яскравих студентів, яким слід кинути виклик. Так само важким є і визначення частин навчального матеріалу, які є занадто легкими, занадто складними, або незрозумілими. Системи освіти на основі Інтернет можуть відслідковувати кожну дію студента, проте викладачу майже неможливо самостійно зробити необхідні висновки на основі великого об’єму даних, які збираються системою. Системи інтелектуального моніторингу класу намагаються використовувати штучний інтелект, щоб допомогти викладачу в даній ситуації. Ця течія роботи зосереджена на підтримці викладача та покладається на такі технології штучного інтелекту як інтелектуальний аналіз даних (Data Mining) і машинне навчання. Можливим є також інтеграція інтелектуального моніторингу класу із адаптивною підтримкою співробітництва з метою інформування викладача про хід колективної студентської роботи і про потребу його особистого втручання для підтримки процесу.

Дата добавления: 2015-05-24