скачать рефераты
  RSS    

Меню

Быстрый поиск

скачать рефераты

скачать рефератыКурсовая работа: Адаптивные и интеллектуальные технологии для Сетевого обучения

Курсовая работа: Адаптивные и интеллектуальные технологии для Сетевого обучения

Питер Брусиловски

Carnegie Technology Education and  Human-Computer Interaction Institute

Carnegie Mellon University

Работа представляет обзор адаптивных и интеллектуальных технологий в среде Сетевого дистанционного обучения. Мы анализируем, какие виды технологий доступны в настоящее время, насколько легко они могут применяться в Сети, и каково место этих технологий в широкомасштабном Сетевом обучении.

1 Введение

Сетевое обучение (СО, Web-based education (WBE)) сейчас является областью усиленного исследования и развития. Выгоды Сетевого обучения ясны: аудиторная независимость и платформенная независимость. Сетевое обучающее программное обеспечение установленное и обслуживаемое в одном месте может использоваться по всему миру тысячами учащихся, имеющих любой вид подключенного к Интернету компьютера. Тысячи программ Сетевого обучения и других образовательных приложений стали доступны в Сети за последние пять лет. Проблема состоит в том, что большинство из них являются не более чем статичными гипертекстовыми страницами. Целью исследований является развитие продвинутых Сетевых  образовательных приложений, которые смогли бы предложить некоторое количество адаптивности и интеллектуальности. Эти особенности стали важны для приложений СО с тех пор, как дистанционные обучаемые в основном стали обучаться сами по себе (обычно из дома). Интеллектуальное и личное содействие, которое могут дать учитель или студент-сокурсник в обычном аудиторном положении, нелегко достижимо. Адаптивность важна для программного обеспечения СО еще и потому, что оно должно использоваться намного более разнообразным множеством студентов, чем любое “однопользовательское” обучающее приложение. Сетевое ПО, разработанное для класса пользователей с одним складом ума, может не подойти другим.

С самых ранних дней Сети некоторое число исследовательских групп применяло различные виды адаптивных и интеллектуальных систем для сайтового и дистанционного СО. Цель этой статьи – краткий обзор работы проделанной в этой области. Обзор сконцентрирован на различных адаптивных и интеллектуальных технологиях. Мы находимся на уровне технологий, способных обеспечить совместимость с ранними статьями по адаптивной гипермедиа и  Сетевым ИОС. Под  адаптивными и интеллектуальными технологиями мы имеем в виду различные пути добавления адаптивной или интеллектуальной функциональности обучающей системе. Технология обычно может быть разобрана на составляющие зерна: технические приемы и методы, которые связаны с различными вариантами функциональности и различными видами ее реализации. В следующем разделе мы проанализируем, какие виды технологий доступны прямо сейчас, и насколько легко их реализовать в Сети. После этого мы обсудим, каково место этих технологий в широкомасштабном Сетевом обучении.

2 Сетевые обучающие системы: обзор технологий

Сетевые адаптивные и интеллектуальные обучающие системы (АИОС) не являются новым видом систем в полном объеме. Исторически, почти все Сетевые АИОС - наследники двух более ранних видов АИОС: интеллектуальных обучающих систем (ИОС) и адаптивных систем гипермедиа. Большинство адаптивных и интеллектуальных технологий применяемых в Сетевых АИОС были напрямую приспособлены либо из области их ИОС, либо из области адаптивной гипермедиа. Как только исследования Сетевых  АИОС станут более зрелыми, они будут производить оригинальные технологии, вдохновленные Сетевой обстановкой. По крайней мере, одна из этих Сетью вдохновленных технологий уже может быть определена (подбор моделей). Этот параграф рассматривает существующие технологии, группируя их по происхождению. Для каждой технологии мы перечисляем существующие Сетевые АИОС и проекты, которые реализуют разновидности этой технологии, и обсуждаем пути ее реализации в Сети.

2.1 Технологии ИОС в Сетевом Обучении

Интеллектуальные обучающие системы – это традиционная область исследований, рассматривающих проблему развития АИОС. Целью различных ИОС является использование знаний о сфере обучения, обучаемом и о стратегиях обучения для обеспечения гибкого индивидуализированного заучивания и обучения. Обзор существующих интеллектуальных обучающих систем, выполненный автором в 1990 году, помог распознать три главные составляющие технологии ИОС: построение последовательности курса обучения, интеллектуальный анализ ответов обучаемого и интерактивная поддержка в решении задач. Все эти технологии были осуществлены в многочисленных ИОС. С 1990 года только одна новая технология (помощь в решении задач основанная на примерах) была добавлена к набору для классификации функциональности, которая не охватывалась тремя основными. Несмотря на то, что рассматриваемый набор технологий ИОС может выглядеть субъективным и неполным, он может быть очень полезен для классификации существующих Сетевых АИОС. Сетевые АИОС, использующие традиционные технологии ИОС, обычно называются Сетевыми ИОС. О первых Сетевых ИОС сообщалось в 1995-1996 гг.. Эти системы до сих пор составляют скорее малую часть в области применения ИОС.

2.1.1 Построение последовательности курса обучения

Целью технологии построения последовательности курса обучения (также называемой технологией учебного планирования) является обеспечение обучаемого наиболее подходящей, индивидуально спланированной последовательностью блоков знаний для заучивания и последовательностью учебных заданий (примеры, вопросы, задачи и т.д.) для занятий. Другими словами, она помогает обучаемому найти "оптимальный путь" через учебный материал. Классическим примером является система BIP. Существует два существенно разных вида построения последовательностей: активные и пассивные. Активное построение последовательности подразумевает наличие цели обучения (подмножество понятий сферы обучения или тем, которыми надо овладеть). Системы с активной последовательностью могут построить лучший индивидуальный путь для достижения цели. Пассивная последовательность (которая также называется корректировкой) является возвращающей технологией и не требует активной цели обучения. Она начинает действовать, когда пользователь не способен решить задачу или ответить на  вопрос (вопросы) правильно. Ее цель предложить пользователю подмножество доступного материала для заучивания, которое может заполнить пробел в знаниях студента для разрешения заблуждения. В системах с активной последовательностью различают системы с жесткой и приспосабливаемой целью обучения. Большинство существующих систем могут провести своих студентов к фиксированной цели обучения – полному множеству понятий сферы обучения. Несколько систем с приспосабливаемой целью позволяют учителю или студенту выбирать подмножество всех понятий сферы обучения как текущую цель. В большинстве систем ИОС с последовательностями возможно выделить два уровня последовательностей: высокий и низкий. Последовательность высокого уровня (или последовательность знаний) определяет следующую подцель заучивания: следующее понятие, набор понятий, тему или урок, которые необходимо выучить. Последовательность низкого уровня (или последовательность заданий) определяет следующее учебное задание (задачу, пример, тест) внутри текущей подцели. Последовательности высокого и низкого уровня часто исполняются различными механизмами. Во многих системах ИОС только один из этих двух механизмов интеллектуальный, например, урок выбирается обучаемым, в то время как учебные задания внутри этого урока адаптивно выбираются системой. Некоторые системы могут управлять только порядком заданий конкретного вида: обычно задач или вопросов. В этом случае можно также назвать последовательность задач или вопросов.

Построение последовательности в настоящее время наиболее популярная технология в Сетевых АИОС. Почти все виды последовательностей упомянутых выше уже реализованы для Сети. Активная последовательность является преобладающим типом. Только несколько систем (InterBook, PAT-InterBook, CALAT, VC Prolog Tutor, and Remedial Multimedia System) могут предоставлять пассивные корректирующие последовательности. Среди систем с активной последовательностью только горстка систем, таких как  ELM-ART-II, AST, ADI, ART-Web, ACE, KBS-Hyperbook и ILESA способны интеллектуально вырабатывать последовательности как высокого, так и низкого уровней. Остальные, такие как Manic, оставляют выбор вида деятельности внутри темы пользователю. И наоборот, некоторые системы, такие как Medtec, оставляют выбор темы пользователю, но могут производить адаптивную последовательность задач внутри темы. Большинство систем поддерживает последовательности с фиксированными целями (равнозначными полному курсу). Только несколько систем поддерживают приспосабливаемые цели заучивания, позволяющие учителю (как в DCG) или обучаемому (как в InterBook и KBS Hyperbook) выбирать индивидуальную цель. Обучаемый может выбрать цель в виде подмножества понятий сферы обучения (InterBook) или программы (KBS Hyperbook).

Активная последовательность в большинстве систем управляется знаниями обучаемого (точнее разницей между знаниями обучаемого и глобальной целью). Однако несколько систем и проектов экспериментируют с использованием предпочтений обучаемого в типе и способах представления доступного учебного материала для управления последовательностью заданий внутри темы. Найдено два интересных случая последовательностей: в системах DCG и SIETTE. DCG  может выдавать продвинутую последовательность образовательного материала, приспособленного к цели обучения. Однако построение последовательности выполняется перед тем, как обучаемый начинает работать с системой производящей статический сетевой курс. SIETTE  является примером Сетевой адаптивной тестирующей системы. Единственный вид учебного материала, которым она обладает, вопросы. Единственное, что она может делать, это – генерировать адаптивную последовательность вопросов для оценивания знаний обучаемого. Системы типа SIETTE неполны по своей природе, и должны использоваться как компоненты распространяемых Сетевых АИОС.

Хотя построение последовательности курса обучения можно рассматривать как старейшую технологию ИОС (она была почти во всех первых ИОС), около 20 лет она была Золушкой среди остальных технологий. Ей уделялось очень мало внимания. Основные исследования ИОС были сконцентрированы вокруг технологий поддержки в решении задач (они будут проанализированы ниже). Поддержка в решении задач рассматривалась как главная обязанность ИОС, в то время как доставка и построение последовательностей образовательного материала предполагались выполняемыми вне системы (обычно учителем-человеком). Конечно, почти нет ИОС, содержащих образовательный материал внутри себя (в отличии от набора задач). Положение с Сетевыми АИОС очень отличается. В среде Сетевого образования целые пласты гранита науки (обычно выстроенного в виде гиперпространства) являются одной из главных привлекательных черт образовательной системы. Здесь (в связи с проблемой "потери в гиперпространстве") технология последовательности курса обучения становится очень важной для указания пути обучаемому в гиперпространстве доступной информации. Также эта технология может быть легко и естественно реализована в Сети: все знания могут быть расположены на сервере и все построения последовательностей могут быть сделаны CGI-скриптом. Не удивительно, что это не только старейшая, но также и наиболее популярная технология Сетевых АИОС.

2.1.2 Поддержка в решении задач

Как это упоминалось выше, в течении многих лет поддержка в решении задач рассматривалась как главная обязанность систем ИОС и главное значение технологии ИОС. Мы установили три технологии поддержки в решении задач: интеллектуальный анализ решений обучаемого, интерактивная поддержка в решении задач и поддержка в решении задач на примерах. Все эти технологии могут помочь студенту в процессе решения образовательной задачи, но делают они это разными способами.

Интеллектуальный анализ решений обучаемого имеет дело с конечными ответами обучаемого на образовательные задачи (как были получены эти ответы неважно). Чтобы считаться интеллектуальным, анализатор решений должен решить, верно решение или нет, найти, что конкретно неправильно или неполно, и, возможно, определить, какие недостающие или неправильные знания могут быть ответственны за ошибку (последнее действие относится к определению знаний). Интеллектуальные анализаторы  могут предоставлять обучаемым далеко идущую обратную связь и обновлять модель обучаемого. Классическим примером является PROUST [Johnson, 1986 #681]. Как можно увидеть в таблицах 1 и 3, число сетевых АИОС  реализующих интеллектуальный анализ решений обучаемого невелико.

Интерактивная поддержка в решении задач более современная и более мощная технология. Вместо ожидания конечного решения эта технология предоставляет обучаемому интеллектуальную помощь на каждом шаге решения задачи. Уровень помощи может быть разным: от оповещения о неправильно сделанном шаге до выдачи совета и выполнения следующего шага за студента. Системы (часто называемые интерактивными тренажерами), в которых реализуется эта технология, могут наблюдать за действиями студента, понимать их и использовать их понимание для предоставления помощи и обновления модели обучаемого. Классический пример - LISP-TUTOR. Эта технология также представлена в Сетевых АИОС (Таблицы 1 и 3).

Технология поддержки в решении задач на примерах самая новая. Эта технология помогает обучаемым решать новые задачи, не выделяя их ошибки, а предлагая примеры успешного решения схожих задач из их более раннего опыта (это могут быть примеры, объясненные им, или задачи решенные ими ранее). Пример: ELM-PE. В Сети эта технология реализована в ELM-ART и ELM-ART-II.

В области традиционных ИОС технология поддержки в решении задач на примерах абсолютно преобладает. Интерактивная поддержка в решении задач является предельной целью почти всех ИОС, в то время как интеллектуальный анализ решений обучаемого часто считается несовершенным, а поддержка в решении задач на примерах слишком редка, чтобы рассматривать ее как соперника. Но опять же, в Сети ситуация меняется:  и интеллектуальный анализ решений обучаемого, и поддержка в решении задач на примерах кажутся в Сети очень естественными и полезными. Обе технологии пассивны (работают по запросу обучаемого) и соответственно могут быть относительно легко реализованы в сети при помощи интерфейса CGI. Более того, старые однопользовательские программы АИОС, использующие эти технологии, могут быть относительно легко размещены в сети реализацией CGI-шлюзов к ним. Неудивительно, что эти технологии были среди первых реализованных для Сети. Важной выгодой применения этих двух технологий в сети является их низкая интерактивность: им обоим обычно требуется только одно взаимодействие между браузером и сервером для цикла решения задачи. А это очень важно в случае медленной Интернет-связи. Эти технологии могут обеспечивать интеллектуальную поддержку в случае, когда трудно использовать более интерактивные технологии. В настоящее время эти технологии преобладают в Сетевой среде над более мощной, но жадной до взаимодействия интерактивной поддержкой в решении задач.

Технология интерактивной поддержки в решении задач последней из технологий ИОС переселилась в Сеть. Проблема в том, что  подход к реализации Сетевых ИОС "наспех" (разработка интерфейсов CGI к старым однопользовательским ИОС), использовавшийся в первых системах, не проявил себя должным образом для этой технологии. Это можно продемонстрировать на примере системы PAT-Online, которая вероятно была первой попыткой реализации интерактивной поддержки в решении задач в Сети. Эта система использует основанный на разновидности CGI-AppleScript интерфейс для однопользовательской системы Репетитор по практической алгебре (Practical Algebra Tutor - PAT). Поскольку интерфейс CGI пассивный, Сетевая версия должна предоставлять обучаемому кнопку "подчинения" для получения обратной связи с системой. Естественно это также добавляло еще одну особенность, которая была важна для обучаемых с медленным Интернет-соединением: возможность требования обратной связи после выполнения нескольких шагов решения задачи. В результате PAT-Online переместилась в категорию интеллектуальных анализаторов задач, точнее в подкатегорию анализаторов, способных анализировать неполные решения (ELM-ART также принадлежит этой подкатегории). Интеллектуальные анализаторы  этой подкатегории можно расположить между традиционными анализаторами и интерактивными репетиторами (в Таблицах 1 и 3 они обозначены ключевым словом "частичная", однако, их нельзя рассматривать как настоящие интерактивные тренажеры).

Страницы: 1, 2


Новости

Быстрый поиск

Группа вКонтакте: новости

Пока нет

Новости в Twitter и Facebook

  скачать рефераты              скачать рефераты

Новости

скачать рефераты

© 2010.