Объединение экспертных систем и адаптивной гипермедиа технологии в веб-интерфейс системы образования. Авторы:Ioannis Hatzilygeroudis, Christos Giannoulis and Constantinos Koutsojannis

Объединение экспертных систем и адаптивной гипермедиа технологии в веб-интерфейс системы образования

Авторы: Ioannis Hatzilygeroudis, Christos Giannoulis and Constantinos Koutsojannis
Перевод: Е.Э.Мощенский
Источник: University of Patras, Dept of Computer Engineering. & Informatics 26500 Patras, Hellas (Greece)

Аннотация

В этой статье мы представляем веб-интеллектуальную систему образования, чтобы помочь студентам в контексте курса ИИ. Мы сосредоточимся на адаптивности аспектов системной оценки студентво. Адаптивность относится к способности системы к адаптации обучения к потребностям студентов, указанные характеристики модели обучаемого.

Оценка студента относится к оценке уровня знаний студента, который является одним из наиболее важных характеристик, в отношении учебной концепций. Адаптивные гипермедиа методы, как и графические ссылочные аннотации, и уникальные технологии, т.е. правило основания экспертной системы, которые используются для достижения вышеуказанных целей. Оценка системы показали обнадеживающие результаты по мере ее использования и их обучения беспокоит.

1. Введение

Интеллектуальные обучающие системы (ИОС), представляют собой популярный тип интеллектуальных систем образования. ИОС учитывает, пользователя и уровень навыков адаптированную презентацию учебного материала к потребностям и способностям отдельных пользователей. Это достигается с помощью искусственного интеллекта (ИИ) методы для представления педагогических решений, а также область знаний и информации относительно каждого студента. ИОС, как правило, разработаны как автономные системы. Тем не менее, появление WWW породило ряд сервисных ИОС [1], типа Web-Based интеллектуальные обучающие системы (WBIESs) [4].

Другой тип образовательных систем адаптивной образовательной систем гипермедиа (AEHSs) [1]. Этот тип системы специально разработаны для сред гипертекст, такие как WWW. Основные услуги, предлагаемые для их пользователей являются адаптивными представлениями содержания обучения и адаптивной навигации путем адаптации странице гиперссылки. По сравнению с «классическими» ИОС, они предлагают большее чувство свободы для пользователя, так как они позволяют выполнять навигации для пользователя адаптированных образовательных страницах. Кроме того, динамически создавать или адаптировать образовательные страницы в отличие от "классического" ИОС, в которой содержание образовательного страниц обычно статичны. Повышение AEHSs с аспектами и техники из ИОС создает другой тип WBIESs. Хотя WBIESs можно рассматривать как продукты комбинации ИОС и AEHSs, большинство существующих систем используют методы, главным образом приходящих с одного из этих типов систем (например, [2, 4, 5]) Итак, WBIESs, использование методов с обеих сторон ее происхождения – это интересный случай. В этой статье мы представляем WBIES, который использует методы адаптивной гипермедиа (например помечиванием) для планирования урока и основанного на правилах экспертных систем для оценки студента. Структура работы состоит в следующем.

2. Архитектура системы

Архитектура системы состоит из четырех основных компонентов: База данных вопросов (QDB), пользовательский интерфейс (UI), LISP приложений (LA) и адаптивной гипермедиа приложений (AHA). AHA состоит из трех других компонентов: модель предметной области (DM), моделирования студента (SM) и модуля экспертной системы (ЭС). Пользователем системы является индивидуальный студента. SM- компонент содержит всю необходимую информацию о студентах, как и их предпочтения, интересы, уровень знаний и т.д. Когда студент входит в систему в первый раз начальный профиль установлен на его / ее (с помощью запроса), поэтому система имеет начальные данные для адаптации.

Студент общается с системой через пользовательский интерфейс, который контролирует весь процесс обучения. Встроенный блок управления используется для достижения этой цели. Репетиторство часть системы, по сути, AHA подсистемы. Учебный материал, понятия и их структура сохраняются в DM. DM определяет общую последовательность, в которой понятия должны быть представлены, и предпосылкой отношения между понятиями.

Адаптация системы к пользователю необходимо сделать, с компонентом SM, которая содержит информацию о его / ее индивидуальных особенностей и прогресса. SM, после получения соответствующей информации от DM и QDB, создает соответствующий тест. После того, как студент опубликовал его / ее ответы на тест, система оценивает его / ее с помощью ES. SM ЭС дает всю необходимую информацию и ЭС возвращает свой результат в SM. Затем пользовательский интерфейс представлен результат. AHA реализацию моментов другого вида адаптации: адаптивного представления и адаптивной навигации. Она собирает все необходимые знания из SM, DM информацию и отправляет ее на презентацию устройства.

3. Знания о предметной области.

Домен электронной системы, на данный момент, касается логики предикатов как язык представления знаний. Знания предметной области структурирована в древовидную, кстати, называется областью дерева. Корень дерева является поле выше. Поле разбито по предметам и предметам по темам, которые являются листьями дерева. Каждая тема рассматривается ряд понятий. Темы могут иметь общие понятия. Дерево доменов отображается в области навигации пользовательского интерфейса (в левой части экрана). С этого дерева студент может выбрать тему, которая представляет собой цели обучения. Каждый раздел соответствует теме страницы, которая является ASP-страницы. Только тем, в дереве доменов, соответствуют отображаемым материала. Выбранная тема странице представлено в область содержимого (который находится в центре и правой части экрана). Каждая тема страница содержит упорядоченный список понятий. Каждая концепция связана с соответствующей страницы концепции. Концепция страниц являются настоящим учебным материалом. Учебный материал, помимо концепции страниц, включает в себя все доступные вопросы, которые хранятся в QDB и используются для создания тестов, упомянутых в разделе 2. Каждая тема страница содержит ссылку на тест. Каждый тест состоит из ряда вопросов, посвященных изучению понятий этой темы.

4. Модель пользователя

Модель пользователя имеет индивидуальные особенности ученика. Эти характеристики включают в себя некоторую демографическую информацию, стиль обучения и уровня знаний. Demograph IC информация представляет личность студента и включает его / ее имя, пароль, адрес электронной почты, его / ее имя и пола. Студент может выбрать один из трех стилей обучения: теоретик, прагматик и конструктивистский. Теоретик следующий

«традиционный» способ обучения: теория-пример-упражнения. С другой стороны, конструктивистский предпочитает наоборот: упражнений-пример-теория. Наконец, прагматик любит последовательности: примеры-теория-упражнения.

Уровенем знаний является оценка знаний студента о концепции, темы, предмета или области. Уровень знаний для поля число, указывающее процент от полученных знаний. Как значения уровня знаний вычисляется для каждого элемента.

5. Экспертная система

Структура экспертной системы (ЭС) показана состоит из базы (FB), базы правил (РБ) и двигатель JESS вывода (JESS IE). FB и RB составляют его знания электронной базы (КБ). ЭС представляет собой основанный на правилах экспертной системы реализации в JESS, которая является оболочкой экспертной системы [3]. FB содержит факты, которые создаются из данных задачи, в то время как РБ содержит правила, используемые IE для решения проблем. Теперь давайте посмотрим, как ЭС помогает в вычислении CL для данного понятия C. Изначально данные, полученные от ответы студента на тест преобразуется в соответствующие факты. Экспертная система обрабатывает эти факты с помощью правил РБ, в соответствии с инструкциями JESS IE и выводит значения уровня знаний студента к концепции, связанной с составлением тестов. Правила представляют собой способ репетитора и оценивает ответы студента.

Источники литературы

1. Brusilovsky, P. and Paylo, C., “Adaptive and Intelligent Web-Based Educational Systems”. International Journal of AI in Education 13, 156-169, 2003.

2. El-Khouly M. M., Far B. H. & Koono Z., “Expert tutoring system for teaching computer programming languages”. Expert Systems with Applications, 18, 27-32, 2000.

3. E. Friedman-Hill, “Jess in Action: Rule-Based Systems in Java”, Manning Publications Company, 2003.

4.I. Hatzilygeroudis (Guest Editor), Special Issue on AI Techniques in Web-Based Educational Systems, International Journal on AI Tools (IJAIT), 13(2), 2004.

5.I. Hatzilygeroudis, C. Giannoulis and C. Koutsojannis, “A Web-Based Education System for Predicate Logic”, Proceedings of the IEEE ICALT-2004, Aug. 30-Sept. 1, 2004, Joensuu, Finland, IEEE Computer Society, 106-110.