Обучение в интеллектуальных системах доклад
Обновлено: 30.04.2024
Учитывать взаимодействие человека и машины начали давно. Многие изобретатели и учёные подходили к этому вопросу с юмором. Юмор выражается по-разному и может приносить материальную пользу создателю машинизированных систем.
Знаменитый изобретатель Томас Алва Эдисон (1847-1931 гг.) удивлял своих знакомых, приходящих к нему в гости тем, что входная калитка его дома тяжело открывается.
- Неужели такой умный человек не может починить собственную калитку?! - спрашивали многие посетители.
- С калиткой всё в порядке, - отвечал иногда изобретатель. - Просто она соединена с насосом домашнего водопровода и вы, каждый раз открывая её, накачиваете в цистерну несколько литров воды.
То́мас А́лва Э́дисон - американский изобретатель и предприниматель, получивший в США 1093 патента и около 3 тысяч в других странах мира; создатель фонографа; усовершенствовал телеграф, телефон, киноаппаратуру, разработал один из первых коммерчески успешных вариантов электрической лампы накаливания. Именно он предложил использовать в начале телефонного разговора слово "алло".
Приёмы, подобные " калитке Эдисона ", используются для наполнения информационных систем новыми сведениями. При использовании поисковых систем пользователь сообщает системе то, что ему интересно и тем самым корректирует интересы самой системы.
При регистрации в новой социальной сети в регистрационной форме, кроме своих интересов, пользователю может быть предложено рассказать смешной анекдот, а затем окажется, что в этой соцсети самый полный сборник лучших народных анекдотов.
При заполнении тестов (в том числе и графических), опросов, капчей (captсha - система подтверждения действий пользователя) и выставлении лайков происходит обучение интеллектуальных систем.
Обучение интеллектуальных систем с помощью Captcha
Многие пользователи при скачивании файлов, заполнении анкет, форм обращения проходят этап подтверждения своих действий через графический тест Captcha . В таком тесте обычно предлагается указать курсором мыши участок фотографии, на котором изображён конкретный образ (автомобиль, человек, элемент местности и др.).
Таким способом система может предлагать пользователям "разметить фотографию", чтобы потом обработать их разметку и самообучиться распознаванию новых образов. Человек обучает информационную систему и параллельно подтверждает, что пользователь является живым человеком, а не программным роботом для скачивания контента.
В подобной человеческой разметке представленных фотографий заключена первичная система распознавания образов. Искусственный интеллект базируется на системе человеческого восприятия и делает на этой основе собственные выводы.
Псевдоумная поисковая система без собственного распознавания графики может быть написана всего несколькими десятками строк программного кода. Такая система будет хранить все результаты человеческой обработки изображений и сможет выдавать их по запросам ключевых слов, которые предварительно разметили на изображении люди (пользователи). Такими были первые поисковики картинок в Интернете, основанные на принципе "калитки Эдисона" - информацию (чистую воду в цистерну) накачивали пользователи.
Современные системы также потребляют результаты "необременительного труда" пользователей, но обладают большей самостоятельностью в оценке содержимого и могут синтезировать новые данные (изображения, созданные роботами-художниками).
Результаты системы Captcha можно использовать для различных психологических исследований, которые производятся на законной основе. Если собрать обезличенные данные системы подтверждения пользователя, на которой пользователь должен вписать в поле число, изображённое на картинке и замаскированное различными штрихами линиями (графическими помехами), то можно не только обучить распознаванию электронную систему но в целом определить границы эффективности человеческого зрения.
При многочисленном использовании такой системы подтверждения могут накапливаться картинки, на которых человек не смог распознать числа - это и будут графические элементы, содержащие труднораспознаваемые человеком образы.
Если у исследователей существует массив изображений, которые обучаемая система не распознаёт, то его можно проверить среди пользователей и выделить часть графической информации, которую человек обрабатывает, а искусственный интеллект пока нет. Так можно разработать систему камуфлированного написания , недоступного распознаванию через системы компьютерного зрения.
Разработчики, с целью дообучения своих интеллектуальных систем, именно так и поступают: проверяют нераспознанное машиной через человеческое зрение и возвращают положительные результаты в систему для создания новых алгоритмов.
Подобные необременительные взаимодействия между пользователем и электронной информационной системой называются обучением типа "Человек-Компьютер" и направлены на развитие биологической и технической сферы.
Дополнительные материалы по теме этой статьи:
24 октября 2019 года.
автор: юрист Демешин Сергей Владимирович.
Участвуйте в обсуждении , пройдите опрос об интересных темах будущих публикаций (ссылка опроса в описании канала, также в описании указаны правила комментирования публикаций).
На сегодняшний день остро встала проблема подготовки программистов. Информационные технологии развиваются быстрее, чем другие отрасли, постоянно растет объем экспорта программного обеспечения, также увеличивается и внутренний рынок. Главное условие роста данного рынка – это быстрый рост числа квалифицированных программистов различных профилей.
Выпускникам ВУЗов в дальнейшем приходится работать в команде при разработке программных продуктов. Но многие из них к этому не готовы. Поэтому актуальна проблема подготовки студентов к работе в
группах. Работая в группе, студенты научатся общаться между собой,
делиться мнениями, находить компромисс и отстаивать свое мнение. В рамках работы со студентами разрабатывается интеллектуальная обучающая система. Ее разрабатывают студенты в процессе групповой работы. Данная разработка будет применяться в процессе обучения студентов.
Проблемно-ориентированное обучение является одним из наиболее важных достижений в современной системе образования. Проблемноориентированное обучение основывается на предположении о том, что лица, которые заинтересованы решить проблему, будут искать информацию и другие прикладные знания, которые необходимые для решения этой проблемы. Однако проблемно-ориентированный подход не означает, что преподаватель просто ожидает решения проблем от студентов. Преподаватель должен следить за индивидуальным прогрессом каждой группы, помогать устранять заблуждения, а также увидеть правильное направление для решения проблемы. Предполагается использовать проблемно-ориентированное обучение для подготовки программистов.
В рамках работы научно-исследовательской группы Discovery Studio факультета информатики Магнитогорского государственного университета поставлена задача разработки интеллектуальной обучающей системы. В результате обзора современных технологий была выбрана
технология мультиагентных систем.
Развитие интеллектуальных обучающих систем
Понятие интеллектуальных обучающих систем (ИОС) зародилось в
1970 году в работах Дж. Карбонелла, в 80-е годы XX века были предложены различные классификации обучающих систем, включая ИОС в работах таких ученых как В. Стефанюк, П. Брусиловский, В. Петрушин. В 1995-1996 гг. были разработаны первые адаптивные сетевые обучающие. Большинство адаптивных сетевых обучающих систем основаны на технологиях, разработанных в области адаптивной гипермедии и интеллектуальных обучающих систем (ИОС). В начале 2000 года происходит следующий шаг в развитии ИОС – появление агентноориентированных ИОС с наличием агента интерфейса преподавателя, агента интерфейса обучаемого, агента координатора взаимодействий, агента доступа к знаниям в процессе обучения, агента онтологий.
Обзор существующих интеллектуальных обучающих систем, дает следующие виды технологий в интеллектуальных обучающих системах [8]:
Построение последовательности курса обучения, данная технология позволит обеспечить обучаемого индивидуально спроектированным курсом обучения, разработанным специально для него. Технология реализована в следующих системах: ELM-ART-II, InterBook, Tutor, KBSHyperbook и других.
Интеллектуальный анализ решений обучаемого – технология, определяющая верно ли предложенное обучаемым решение, или нет, анализирующая его на допущенные ошибки и полноту, также возможно
определение недостающих знаний, которые привели к совершению
ошибки. Примером применения данной технологии служит система PROUST.
Интерактивная поддержка в решении задач – технология, которая позволяет предоставлять обучаемому помощь на каждом шаге решения задачи. На практике данная технология реализована в LISP-TUTOR.
Технология поддержки в решении задач на примерах основывается на опыте решения задач обучаемым, позволяет решать новые задачи на основе примеров из ранее решенных. Пример реализации: ELM-ART.
Особенности ИОС основанной на мультиагентах
обучаемого, интерактивная поддержка в решении задач, помощь в
решении задач основанная на примерах. Для решения поставленной задачи предполагается использование агентов. Агентские технологии предполагают использование программных агентов, которые обладают некоторыми знаниями об окружающем мире, данные знания позволят агентам принимать решения в заданной проблемой области без участия пользователя. Особенностью технологии является возможность создания
В каждой дисциплине предполагается выделить следующие блоки: Теоретический материал. Данный класс дробится на темы и подтемы. Практика. Данный класс отражает варианты практических заданий,
которые необходимо выполнить обучаемому в изучаемом курсе. Задания данного класса сопровождаются необходимым теоретическим материалом, подсказками, способствующие выполнению.
Хрестоматия. Данный класс представляет дополнительные материалы, способствующие изучению предмета, отражает подходы к решению нестандартных задач. Материалы могут представлены как в виде текста, так и в виде мультимедиа материалов.
Глоссарий. Отражает основные термины курса, связан с классом
Контроль. Представлен контрольными точками курса, задачами, которые необходимо решить, для перехода на следующий этап обучения.
Статистика. Данный класс представлен набором показателей, по которым оцениваются результаты обучения курса.
Для накопления опыта преподавателей предполагается использовать прецедентный подход. В процессе обучения с помощью ИОС будет накапливаться база знаний прецедентов. При первом обращении студента
к ИОС определяется его личные когнитивные, креативные особенности,
умение работать. Данная информация в дальнейшем позволит составить наиболее подходящие и успешные методики. Предполагается разработка онтологии приемов и методик, применяемых преподавателем при чтении дисциплины с учетом индивидуальных способностей обучаемых. При обращении к данной базе знаний агент сможет, зная индивидуальные особенности студента подобрать оптимальную модель обучения.
В эпоху быстро проистекающей цифровизации практически всех сегментов человеческого бытия образование, которое всегда являлось базисом в процессах генерации и передачи знаний, не могло остаться в стороне от такого современного направления развития, как искусственный интеллект (ИИ). Это обусловлено не только трендом на обновление учебного процесса, но и пониманием, что необходимым условием нового лидерства в глобальной конкуренции и, в условиях наблюдаемой в развитых странах 4-й промышленной революции, является успешное создание и развитие отечественных программных платформ с интегрированным ИИ на основе нейронных сетей и больших данных ( Big Data ).
1. Определение ИИ
В классическом понимании ИИ (англ. artificial intelligence, AI) определяется как свойство интеллектуальных систем выполнять творческие функции, которые традиционно считаются прерогативой человека. Это включает в себя науку и технологию создания интеллектуальных машин на основе компьютерных программ [1].
2. Искусственный интеллект и образование как новейшая экосистема
При этом потенциал ИИ применительно к сфере передачи массива знаний поколению школьников и студентов представляется необычайно широким. В первую очередь, максимальные ожидания от эффекта применения ИИ в образовательных процессах связаны с созданием и внедрением ранее не существующих инновационных методов обучения. Это включает в себя новые формы генерации знаний (интеллектуальные экспертные системы на основе Big Data ); новые каналы коммуникации знаний на основе программ с ИИ в диалоговых системах: компьютер - ученик, компьютер - студент (аспирант), ученик - учитель, студент (аспирант) - преподаватель; новые формы подачи информации с акцентом на визуализацию; новые формы контроля усвояемости учебных материалов; учет индивидуальных и, в первую очередь, интеллектуальных особенностей субъектов образовательного процесса (школьников и студентов), а также другие направления.
Фактически массовое внедрение ИИ в систему образования бросает серьезный вызов существующей системе образования.
3. ИИ адаптирует уроки под индивидуальные особенности ученика
Некоторое время назад Фламандский регион Бельгии решился на принципиально новый подход в обучении. Его администрация подписала контракт с британской ИИ-платформой Century Tech об использовании новых обучающих методик, использующих нейрофизиологию и обработку данных для персонализации процесса обучения в школах и университетах [3], [4]. Этим сделан первый шаг давать знания с учетом интеллектуальных и физиологических особенностей обучаемых. В ближайшие пять лет технология Century Tech будет развёрнута во всех 700 фламандских школах. Предполагается, что искусственный интеллект поможет адаптировать уроки под индивидуальные особенности каждого ученика.
4. Трансформация функций педагога
5. Трансформация образования и проблемы обучения
Среди многих педагогов существует мнение, что традиционные для вузов методы обучения не способствуют развитию инновационных талантов [5]. Традиционный метод преподавания в аудитории является продуктом эпохи индустриализации, который характеризуется стандартизацией, однако в значительной степени игнорирует индивидуальные потребности студентов. Нейронные сети, как форма ИИ, в свою очередь, предлагают зачастую уникальные решения, которые невозможно реализовать на базе человеческого мышления. Хорошим примером здесь являются программы распознавания образов.
6. Вопрос коммуникации: Отношения между учителем и учеником
Дальнейшая трансформация ИИ в сферу образования подвергнет изменениям отношения между ключевыми субъектами образования – теми, кто учит, и теми, кто учится [2].
Повышению качества процесса образования могут способствовать направляющие и консультативные функции ИИ, подсказывая оптимальные персонализированные тактики обучения. Подобные функции внедряются в систему Smart Sparrow, где можно отслеживать прогресс каждого ученика. Говоря про изменение канала коммуникации знаний, надо привести в пример проведенный компанией PricewaterhouseCoopers (PwС) опрос. По его данным 58% менеджеров и технологических экспертов уверены, что уже к 2022 году ИИ сможет заменить личного репетитора [2].
7. Вопрос доступности ИИ-среды в школе
8. Последствия применения ИИ в образовании
Представляется, что функционирование системы образования на основе ИИ потребует серьезного анализа не только путей развития и его перспектив, но и последствий в разрезе психологического, социального и гуманитарного аспектов. Да, несомненно, что ИИ привнесет новые технологии генерации и передачи и усвоения знаний, которые придадут новые импульсы развитию науки и экономики. Одновременно возникают риски как появления неких "сверхлюдей", которые удачно интегрируются в сферу ИИ, так и заведомых аутсайдеров, которым " не светят" никакие социальные лифты.. Особенно, если эта оценка будет публичной. А это грозит классово нестабильным делением общества на "интеллектуалов и творцов", на средне-умных середнячков и на социальных неудачников. Впрочем, подобное деление в обществе было всегда, но ИИ это может провести в угрожающе резких границах.
9. ИИ против клипового мышления
В настоящее время у моего поколения признанной проблемой восприятия и усвоения новой информации является так называемое "клиповое мышление". Оно формирует мысленные и зрительные образы по тем же принципам, что и видеоклипы. В результате индивид воспринимает окружающую действительность как последовательность никак не связанных между собой явлений, а не как однородную структуру, которая подразумевает под собой взаимосвязь всех частиц. Клиповое мышление называют глобальным преобразованием человеческой природы и огромной проблемой для образования.
ИИ, по моему мнению, в данном случае будет нести функцию коррекции визуальных образов в сторону их лучшего запоминания, выстраивания их логической взаимосвязи.
Список литературы и интернет-источников:
(дата обращения 5.12.2019г.);
В течение последних нескольких десятилетий мы стали свидетелями роста активного обучения интеллектуальных обучающих систем (ITS). Этот рост объясняется тем, что люди добились хороших результатов в области машинного и глубокого обучения, включая глубокое отслеживание знаний (DKT). ITS — это модель, которая с применением принципов и методов искусственного интеллекта (AI) будет отслеживать ход обучения студентов и предсказывать для него правильность следующих задач. Кроме того, изучаемая модель может быть использована для разработки интеллектуальных учебных планов и упрощает интерпретацию и обнаружение структуры в задачах учеников. Я пишу эту статью с надеждой на то, что я улучшу знания людей, интересующихся автоматизацией обучения на компьютере.
Ключевые слова: Intelligent Tutoring System, искусственный интеллект, электронное обучение.
For the last several decades, we have been witnessing the growth of active learning of the intelligent tutoring system (ITS). This increase is explained by the fact that people have achieved good performance in the field of machine and deep learning, including deep knowledge tracing(DKT). The ITS is an integrated software system that applies the principles and methods of artificial intelligence (AI) to the problems and needs of teaching and learning. In addition, the model studied can be used to develop intellectual curricula and makes it easy to interpret and discover structure in student tasks. I write this paper with the hope that I will improve the knowledge of people interested in e — learning by computer.
Электронное обучение — это средство обучения, которое включает в себя само-мотивацию, коммуникацию, эффективность и технологии. Поскольку существует ограниченное социальное взаимодействие, учащиеся должны быть сами заинтересованы в обучении. Данный метод требует, чтобы учащиеся часто общались друг с другом и инструктором чтобы выполнять свои назначенные задачи. Электронное обучение компетентно, поскольку оно устраняет расстояния, потому что контент для электронного обучения разработан информацией, к которой можно получить доступ с компьютера. Чаще всего это веб — сайты, где учащиеся могут получать доступ к онлайн- ресурсам через интернет.
Электронное обучение полезно для образования, корпораций и для всех типов учащихся. Он доступен по цене, экономит время и дает измеримые результаты. Электронное обучение можно определить как обучение с использованием электронных средств: приобретение знаний и навыков с использованием электронных технологий, таких как компьютерные и интернет-курсы, а также локальные и глобальные сети. Другое определение электронного обучения — это образование через интернет, сеть, или автономный компьютер. Это, по сути, передача навыков и знаний, связанных с сетью. Электронное обучение относится к использованию электронных приложений и процессов для обучения (Rodica and Anca, 2009).
Приложения и процессы электронного обучения включают в себя веб-обучение, компьютерное обучение, виртуальные классы и цифровое сотрудничество. Содержимое предоставляется через интернет, интранет/экстранет, аудио или видеоленту, спутниковое телевидение и электронное обучение на компакт-дисках. Основное внимание уделяется приобретению человеком новых знаний с поддержкой технологического построенного процесса. Моделирование, близкое к реальному миру, является ответом на конструктивистские теории обучения, требующие обучения на местах с высокой степенью участия ученика. Одна из вероятных причин отсутствия успеха заключается в том, что простое размещение лекций в интернете не тренируется. Потенциальным решением этой проблемы является использование обучающего программного обеспечения, такого как Intelligent Tutoring Systems (ITS) со встроенным искусственным интеллектом.
Процесс обучения можно рассматривать как процесс:
– приобретение информации и опыта обработки;
– получение информации и опыта обработки, которые влияют на долгосрочное изменение сознания ученика;
– приобретение информации и опыта обработки, в которых учащийся интегрирует новую информацию и опыт в свою текущую базу знаний;
– получение информации и опыта обработки, в которых учащийся воспринимает, выбирает и интегрирует новую информацию и опыт в свою текущую базу знаний, тем самым меняя ее;
– получение информации и опыта обработки, при которой учащийся выбирает и создает знания, которые являются полезными и подходящими для него и в свою очередь использует это для управления и определения его собственного процесса непрерывного обучения;
– обучение, которое становится индивидуальным процессом взаимодействия между индивидуумом и его средой, в которой активно строится субъективная реальность ученика.
В этой статье описывается концепция интеграции компонентов ITS для систем электронного обучения и делаются выводы.
Подход, известный как ITS, преследовали исследователи в области образования, психологии и искусственного интеллекта. Цель ITS — предоставить преимущества индивидуальной инструкции. Это позволяет учащимся практиковать свои навыки, выполняя задачи в высоко интерактивных учебных средах.
Как правило, компьютерные системы, такие как CAL (компьютерное обучение) или CBT (компьютерное обучение), используют традиционные учебные методы, предоставляя обучение учащимся без учета модели знаний учащегося. Таким образом, эти инструкции иногда не могут помочь учащимся индивидуально.
Напротив, ITS оценивает действия каждого учащегося в этих интерактивных средах и разрабатывает модель своих знаний, навыков и опыта. Основываясь на модели учащегося, он может адаптировать учебные стратегии с точки зрения как содержания, так и стиля, а также предоставляет соответствующие объяснения, подсказки, примеры, демонстрации и практические проблемы для каждого учащегося.
Чтобы предоставить соответствующую обучающую программу, система ITS состоит из трех типов знаний, организованных в четыре отдельных программных модуля. (как показано на рисунке 1)
Рис. 1. Компоненты ITS
2.1.1 Экспертная модель
Экспертная модель представляет собой компьютерное представление знаний предметного эксперта (декларативные знания) и способности решения проблем (процедурные знания). Это знание позволяет ITS сравнивать действия и выборы учащегося с экспертами, чтобы оценить, что он или она делает и не знает.
2.1.2. Модель учащегося
Модель учащегося — это уровень знаний ученика, когда он / она взаимодействует с системой репетиторства. Модель оценивает эффективность каждого учащегося по его / ее поведению во время взаимодействия с системой репетиторства, чтобы определить его или ее знания, способности восприятия и навыки рассуждений. Модель будет генерировать доказательства и использует вывод, чтобы предоставить ряд соответствующих инструкций каждому учащемуся.
2.1.3. Учебная модель
Учебная модель содержит знания для принятия решений о тактике обучения. Он опирается на диагностические процессы модели ученика для принятия решений о том, что, когда и как представлять информацию более компактному. Например, если ученик был оценен как новичок в конкретной процедуре, эта модель покажет некоторые пошаговые демонстрации процедуры, прежде чем просить пользователя выполнить процедуру самостоятельно. Когда ученик приобретает опыт, эта модель может решить представить все более сложные сценарии. Кроме того, эта модель может также выбирать темы, моделирование и примеры, которые имеют отношение к уровню знаний учащегося.
2.1.4. Модель интерфейса
Модель интерфейса важна как среда связи и обучающая среда, которая может поддерживать учащегося в задаче. Он также может выступать в качестве внешнего представления экспертной модели и учебной модели.
Эти виды обучающих систем могут предоставить учащемуся широкий выбор практических примеров исследований базы данных наряду с индивидуальной обратной связью для решения каждого конкретного исследования. Более того, это очень удобно для учащихся, которым нужно практиковать и учиться в своем собственном темпе.
Системы Hypermedia становятся все более популярными как инструменты для доступа пользователей к информации, ориентированной на пользователя. Они, как правило, предлагают пользователям большую свободу перемещения по большому гиперпространству. Adaptive Hypermedia (AH) объединяет Hypermedia с пользовательским моделированием (Брусиловский, 1996). Контент, представленный системой, адаптирован к знаниям пользователя, целям и предпочтениям, поддерживая модель пользователя. В контексте образовательной гипермедии темы, предложенные учащемуся для последующего изучения, будут определяться существующими знаниями учащегося (Брусиловский, 1998). AH направлены на преодоление этих проблем путем предоставления адаптивной навигационной поддержки и адаптивного контента (Kaplan C, Fenwick J и Chen J, 1993). Адаптация (или персонализация) основана на модели пользователя, которая представляет соответствующие аспекты пользователя, такие как предпочтения, знания и интересы. Система собирает информацию о пользователе, наблюдая за использованием приложения и, в частности, наблюдая поведение браузера пользователя.
Адаптивная гипермедиа строит модель целей, предпочтений и знаний каждого отдельного пользователя и использует эту модель во время взаимодействия с пользователем, чтобы адаптировать гипертекст к потребностям этого пользователя (Brusilovsky, 2001). Например, учащемуся в адаптивной образовательной системе гипермедиа будет дана презентация, которая специально адаптирована к его или ее знанию предмета и предлагаемому набору наиболее релевантных ссылок для дальнейшего продвижения (Papanikolaou, Mabbott et al, 2006). Адаптивная электронная энциклопедия будет персонализировать содержание статьи, чтобы расширить существующие знания и интересы пользователя (Milosavljevic, M., 1997). Виртуальный музей адаптирует представление каждого посещенного объекта к индивидуальному пути пользователя через музей (Oberlander, J., O'Donell, M., Mellish, C. and Knott, A., 1998).
Адаптивная презентация предназначена для адаптации содержимого гипермедиа-страницы к целям пользователя, знаниям и другой информации, хранящейся в пользовательской модели. Для использования адаптивного представления может быть несколько причин. Два типичных случая в области образования — это сравнительные объяснения и варианты объяснения. Идея сравнительных объяснений заключается в том, чтобы связать новый контент с существующим знанием ученика.
Адаптивная навигация помогает пользователям находить свои пути в гиперпространстве, адаптируя представление ссылок к целям, знаниям и другим характеристикам отдельного пользователя. Адаптивная презентация и адаптивная навигация имеют компонент, показывающий взаимосвязь элементов на рисунке 2.
Рис. 2. Компоненты ITS
ITS должен был поддерживать ученика в процессе решения проблем. Предполагалось, что требуемое знание приобретается вне системы, например, посещая лекцию или читая книгу. Наряду с ростом компьютерных возможностей все больше и больше IT-разработчики сочли разумным предоставить ITS и учебный материал в электронной форме в одном пакете. Очень скоро стало ясно, что гипертекст или гипермедиа предоставляют лучший вариант для организации онлайнового учебного материала (Hockemeyer, C., Albert, D, 1999). Комбинация ITS и AH была естественной отправной точкой для исследования адаптивной образовательной гипермедиа в AITS.
Adaptive Hypermedia и Intelligent Tutoring Systems (AITS) — эффективные методы компьютерного обучения. Однако в настоящее время работа была посвящена объединению этих систем. Предлагается комбинированная система, использующая для систем электронного обучения, чтобы управлять соединением и персонализировать обучение на основе адаптации к стилю обучения учащихся. AITS будет служить комбинированной моделью для двух систем, позволяя им делиться информацией о достижениях учащегося. Этот уровень связи между концептуальной инструкцией и практикой навыков обеспечит повышение эффективности обучения.
Основные термины (генерируются автоматически): ITS, электронное обучение, AITS, учащийся, опыт обработки, DKT, знание, компьютерное обучение, получение информации, система.
Читайте также: