Upload
others
View
3
Download
0
Embed Size (px)
Citation preview
INTELIGENTNI SISTEMI ZA POUČEVANJE
dr. MATEJ GUID, univ. dipl. ing.
Laboratorij za umetno inteligencoFakulteta za računalništvo in informatiko
Univerza v Ljubljani
junij 2012
POUČEVANJE ENA NA ENA
Poučevanje ena na ena je veliko bolj učinkovito kot poučevanje v razredu.
POUČEVANJE V RAZREDU POUČEVANJE ENA NA ENA
uspešnost pri učenju
šte
vilo
uče
nce
v
Bloom, B. “The 2 Sigma Problem: The Search for Methods of Group Instruction as Effective as One-to-One Tutoring.” Educational Researcher 13 (6), 1984.
98%
Ali lahko izdelamo računalniške sisteme za poučevanje, ki bodo podajali inštrukcije, prilagojene individualnimpotrebam in sposobnostim vsakega posameznika?
INTELIGENTNI SISTEMI ZA POUČEVANJE
POUČEVANJE V RAZREDU POUČEVANJE ENA NA ENA
uspešnost pri učenju
šte
vilo
uče
nce
v
98%84%
INTELIGENTNI SISTEMI ZA POUČEVANJE
Inteligentni sistemi za poučevanje so po učinkovitosti na pol poti med učenjem v razredu in poučevanjem ena na ena.
Woolf, P. Building Intelligent Interactive Tutors: Student-centered strategies for revolutionizing e-learning. Morgan Kaufman, 2008.
PODROČJE: UMETNA INTELIGENCA V IZOBRAŽEVANJU
INTELIGENTNI SISTEMI ZA POUČEVANJE
UMETNA INTELIGENCA
INTERAKTIVNOST
KOGNITIVNA ZNANOST
PEDAGOŠKE VEDE
• računalniška orodja za podporo individualnim učencem
• avtonomno in inteligentno prilagajanje njihovim specifičnim potrebam
Conati, C. “Intelligent Tutoring Systems: New Challenges and Directions.” International Joint Conferences on Artificial Intelligence (IJCAI), 2009.
PREDHODNIKI INTELIGENTNIH SISTEMOV ZA POUČEVANJE
Conati, C. “Intelligent Tutoring Systems: New Challenges and Directions.” International Joint Conferences on Artificial Intelligence (IJCAI), 2009.
0.5σ
RAČUNALNIŠKO PODPRTO POUČEVANJE
primer: www.lumosity.com
Glavna pomanjkljivost: statično, togo obnašanje.Niso se zmožni prilagoditi specifičnim potrebam učencev.
RAČUNALNIŠKO PODPRTO POUČEVANJE: EIS SIMULATION
EIS Simulation: The Change, IT Innovation & People Management Challenge
časovnica: 120 dni
organizacijska struktura neformalne organizacije
izbira odločitve (20 opcij)
spremljanje napredka
SISTEMI ZA RAČUNALNIŠKO PODPRTO POUČEVANJE
Shute & Potska. “Handbook of Research on Educational Communications and Technology.” 1996.
predstavi nalogo
računalnikov odgovor pridobi odgovor učenca
primerjaj odgovora
podaj povratne informacije
pravilno
ukrepi
učni načrt
narobe
Vse odločitve v programu so vnaprej določene.
Ni obravnave notranjega procesa, ki je učenca vodil do rešitve.
VLOGA UMETNE INTELIGENCE
CAI = Computer Assisted Instruction
1. Predstavitve znanja in procesov za učinkovito poučevanje
2. Inteligentno izbiranje najprimernejših nalog in ukrepov
3. Učenje iz preteklih izkušenj
UMETNA INTELIGENCA
INTERAKTIVNOST
KOGNITIVNA ZNANOST
PEDAGOŠKE VEDE
INTELIGENTNI SISTEMI ZA POUČEVANJE
ITS = Intelligent Tutoring Systems
INTELIGENTNI SISTEMI ZA POUČEVANJE: V PRAKSI
CAI = Computer Assisted Instruction ITS = Intelligent Tutoring Systems
Carnegie Learning: Cognitive Tutor
poučevanje matematike
The Andes Physics Tutor
poučevanje fizike
PRIMER IZ ALGEBRE
CAI = Computer Assisted Instruction ITS = Intelligent Tutoring Systems
20 ljudi gre na koncert. Otrok je osemveč kot odraslih.
otroci = ?odrasli = ?
MATHTUTOR
CAI = Computer Assisted Instruction ITS = Intelligent Tutoring Systems
MATHTUTOR
CAI = Computer Assisted Instruction ITS = Intelligent Tutoring Systems
MATHTUTOR
CAI = Computer Assisted Instruction ITS = Intelligent Tutoring Systems
MATHTUTOR
CAI = Computer Assisted Instruction ITS = Intelligent Tutoring Systems
MATHTUTOR
CAI = Computer Assisted Instruction ITS = Intelligent Tutoring Systems
MATHTUTOR
CAI = Computer Assisted Instruction ITS = Intelligent Tutoring Systems
MATHTUTOR
CAI = Computer Assisted Instruction ITS = Intelligent Tutoring Systems
MATHTUTOR
CAI = Computer Assisted Instruction ITS = Intelligent Tutoring Systems
MATHTUTOR
CAI = Computer Assisted Instruction ITS = Intelligent Tutoring Systems
MATHTUTOR
CAI = Computer Assisted Instruction ITS = Intelligent Tutoring Systems
MATHTUTOR
CAI = Computer Assisted Instruction ITS = Intelligent Tutoring Systems
MATHTUTOR
CAI = Computer Assisted Instruction ITS = Intelligent Tutoring Systems
MATHTUTOR
CAI = Computer Assisted Instruction ITS = Intelligent Tutoring Systems
MATHTUTOR
CAI = Computer Assisted Instruction ITS = Intelligent Tutoring Systems
MATHTUTOR
CAI = Computer Assisted Instruction ITS = Intelligent Tutoring Systems
PRIMER IZ ALGEBRE (NADALJEVANJE)
CAI = Computer Assisted Instruction ITS = Intelligent Tutoring Systems
20 ljudi gre na koncert. Otrok je osemveč kot odraslih.
otroci = ?odrasli = ?
otroci = x + 8odrasli = x
otroci + odrasli = 20
x + 8 + x = 202x = 20 - 82x = 12x = 6
= 6 + 8 = = 6 + 8 = = 6 + 8 = = 6 + 8 = 14141414= = = = 6666
SQL TUTOR
CAI = Computer Assisted Instruction ITS = Intelligent Tutoring Systems
SQL TUTOR
CAI = Computer Assisted Instruction ITS = Intelligent Tutoring Systems
Show types of movies for which there are more than 5 movies. Order the results by decreasing number of movies. The number of movies in each category should be shown in a column named NO.
Table Name: MOVIEAttribute: type
SQL TUTOR
CAI = Computer Assisted Instruction ITS = Intelligent Tutoring Systems
Table Name: MOVIEAttribute: type
Show types of movies for which there are more than 5 movies. Order the results by decreasingnumber of movies. The number of movies in each category should be shown in a column named NO.
SQL TUTOR
CAI = Computer Assisted Instruction ITS = Intelligent Tutoring Systems
Show types of movies for which there are more than 5 movies. Order the results by decreasingnumber of movies. The number of movies in each category should be shown in a column named NO.
SQL TUTOR
CAI = Computer Assisted Instruction ITS = Intelligent Tutoring Systems
Show types of movies for which there are more than 5 movies. Order the results by decreasingnumber of movies. The number of movies in each category should be shown in a column named NO.
SQL TUTOR
CAI = Computer Assisted Instruction ITS = Intelligent Tutoring Systems
Show types of movies for which there are more than 5 movies. Order the results by decreasing number of movies. The number of movies in each category should be shown in a column named NO.
SQL TUTOR
CAI = Computer Assisted Instruction ITS = Intelligent Tutoring Systems
Show types of movies for which there are more than 5 movies. Order the results by decreasing number of movies. The number of movies in each category should be shown in a column named NO.
SQL TUTOR
CAI = Computer Assisted Instruction ITS = Intelligent Tutoring Systems
Show types of movies for which there are more than 5 movies. Order the results by decreasing number of movies. The number of movies in each category should be shown in a column named NO.
SQL TUTOR
CAI = Computer Assisted Instruction ITS = Intelligent Tutoring Systems
Show types of movies for which there are more than 5 movies. Order the results by decreasing number of movies. The number of movies in each category should be shown in a column named NO.
SQL TUTOR
CAI = Computer Assisted Instruction ITS = Intelligent Tutoring Systems
CAI = Computer Assisted Instruction ITS = Intelligent Tutoring Systems
KOMPONENTE INTELIGENTNIH SISTEMOV ZA POUČEVANJE
CAI = Computer Assisted Instruction ITS = Intelligent Tutoring Systems
EKSPERTNO ZNANJE O DOMENI
MODELIRANJE UČENCAPEDAGOŠKO ZNANJE
KOMUNIKACIJSKE VEŠČINE
model domene
model učencamodel učitelja
komunikacijski model
DELOVANJE INTELIGENTNEGA SISTEMA ZA POUČEVANJE
Conati, C. “Intelligent Tutoring Systems: New Challenges and Directions.” International Joint Conferences on Artificial Intelligence (IJCAI), 2009.
ITS
model domenekoncepti, pravila, definicije,
procesi, veščine…
generiranje rešitev
modeliranje učenca
izbira aktivnosti
model učitelja
ukrepanje ob napakah…
model učiteljaučni načrt, strategije poučevanja,
ukrepanje ob napakah…
vizualizacija, naravni jeziki, čustva …
komunikacijski modelkomunikacijske strategije,
vizualizacija, naravni jeziki, čustva …
model učencaznanje, cilji, veščine, težave, razpoloženje, izkušnje, lastnosti…
uporabniški vmesnik
računalnikova rešitev (korak)
rešitev učenca (korak)
• nova naloga• nasvet• popravek• navodila• …
POVZETEK
• Komponente inteligentnih sistemov za poučevanje so:• model domene -> domain/expert model
• model učenca -> student model
• model učitelja -> teaching/pedagogocal model
• komunikacijski model -> communication model
• Motivacija za razvoj inteligentnih sistemov za poučevanje:učinkovitost poučevanja ena na ena v primerjavi s poučevanjem v razredu.
• Razlika med računalniško podprtim poučevanjem (CAI) in inteligentnimi sistemi za poučevanje (ITS)ITS ob primerjavi med rešitvijo učenca in računalnika sproti samodejno:
(1) ažurira svojo predstavo o znanju in veščinah učenca, (2) generira in izvrši ustrezne nadaljnje ukrepe.
avtonomno in inteligentno prilagajanje specifičnim potrebam učencev
• Interdisciplinarno področje, kjer umetna inteligenca igra pomembno vlogo
POVZETEK: MALO DRUGAČE
INTELIGENTNI SISTEMI
ZA POUČEVANJE
učinkovitost poučevanja ena na ena
vloga umetne inteligence
model domene
model učenca
komunikacijski model
model učitelja
avtonomno in inteligentno prilagajanje specifičnim potrebam učencev
ORGANIZACIJA SPOMINA
ČUTNI SPOMIN
KRATKOROČNI SPOMIN
DOLGOROČNI SPOMIN
priklic
shranjevanje
Atkison–Shiffrinov model kognicije in spomina (1971)
OKOLJE
informacije iz zunanjega sveta
odzivanje
ORGANIZACIJA SPOMINA
KAJ JE NA SLIKI?
ORGANIZACIJA SPOMINA
Chase & Simon, Teorija skupkov (1973)
KAJ SI LAŽJE ZAPOMNIMO?
povezovanje informacij v skupke (angl. chunks)
ORGANIZACIJA SPOMINA
KAJ JE NA SLIKI?
DEKLARATIVNO IN PROCEDURALNO ZNANJE
DEKLARATIVNO ZNANJE PROCEDURALNO ZNANJE
podatki in informacije (v obliki skupkov)
nezavedna pravila(predelava in povezava informacij)
KOGNITIVNA TEORIJA “ACT-R”:
Kognitivna spretnost je v tem, da znamo spremeniti deklarativno znanje v sistem produkcijskih pravil, ki predstavlja proceduralno znanje.
KOGNITIVNI “TUTORJI”
tipične domene reševanje problemov
predstavitev znanja IF-THEN pravila
interpretacija dejanj učencev sledenje po poti rešitve problema (model tracing)
KONCEPTUALIZACIJA DOMENSKEGA ZNANJA
OSNOVNA TEORIJA REŠITEV PROBLEMA..............................................................
aksiomizakoniformulepravila igre…
pot: pogosto zelo dolga, za človeka težko izvedljiva
KONCEPTUALIZIRANADOMENSKA TEORIJA
deklarativno znanje proceduralno znanje
osnovna pravila igrepremikanje figurpravilo 50-ih potez…mat v kotu barve lovcaosnovna strategija…
postopki v obliki IF-THEN pravilenostavna in kompaktna pravilaenostavno pomnjenje…intuitivno znanje…
ELICITACIJA ZNANJA IZ EKSPERTA
IF ... THEN ...
IF ... THEN ...
...
ABMLargumentirano strojno učenje
razlaga le enega
primera hkratiekspertu je lažje izraziti svoje znanje
izbira najbolj kritičnih
primerovekspert podaja le najbolj relevantno znanje
ekspertovi argumenti
usmerjajo učenjekonsistentnost z ekspertovim znanjem
Možina M. et al. Fighting Knowledge Acquisition Bottleneck with Argument Based Machine Learning. ECAI 2008.
CILJNO ORIENTIRANO UČENJE PRAVIL
• ali je cilj izvedljiv?• ali cilj vodi do napredka?
GBRLciljno orientirano učenje pravil
CILJNO ORIENTIRANO UČENJE PRAVIL: “KRITIČNI” PRIMER
Računalnik vpraša eksperta:
“Kateri cilj predlagaš za belegav tej poziciji?
Kateri so razlogi za predlagani cilj?”
Ekspert:
“Črni kralj se nahaja blizu roba šahovnice, vendar ga bele figure ne omejujejo. Predlagam torej belemu, da omeji črnega kralja.”
CILJNO ORIENTIRANO UČENJE PRAVIL: “PROTIPRIMER”
Računalnik vpraša eksperta:
“Ali bi popravil učenca, če bi v tej poziciji odigral potezo 1.Td1-c1?”
1.Ke7-d7: mat v 6 potezah1.Td1-c1: mat v 11 potezah (precej slabše!)
Ekspert je sprejel izvedbo cilja kot popolnoma sprejemljivo.
Pravilo:IF edist < 3 AND king constrained = false
THEN king constrained = true AND edist should not increase
KONCEPTUALIZACIJA DOMENSKEGA ZNANJA V TEŽAVNI KONČNICI
pridobljena navodila za igranje: v obliki ciljev
avtomatsko generirane komentirane partije z inštrukcijami v obliki ciljev
matiranje z lovcem in konjem:zabeleženi primeri, ko niti eksperti šaha niso znali matirati
rezultat konceptualizacije: hierarhija (le) 11 ciljev
Guid M. et al. Deriving Concepts and Strategies from Chess Tablebases. Advances in Computers and Games, 2009.
NAUČENA PRAVILA IN AVTOMATSKO KOMENTIRANE PARTIJE
REZULTATI PILOTSKEGA EKSPERIMENTA
udeleženci: • trije šahovski začetniki različnih moči• nobeden na začetku ni znal matirati
učna gradiva: • pridobljena navodila za igranje• komentirane partije z inštrukcijami
Pregled učnih gradiv- udeleženci so po treh neuspešnih poizkusih dobili dostop do učnih gradiv
Poskusi matiranja po pregledu učnih gradiv- udeleženci so ponovno poskusili matirati v več zaporednih partijah- po vsaki partiji (vendar ne med partijo) so dobili dostop do učnih gradiv
Vsi trije udeleženci pilotskega eksperimenta so se v kratkem času naučili ustreznegaproceduralnega znanja, ki jim je omogočilo matiranje proti optimalni obrambi računalnika.
KONCEPTUALIZACIJA DOMENSKEGA ZNANJA: POVZETEK
KONCEPTUALIZACIJA DOMENSKEGA
ZNANJA
� razumljiva za človeka� enostavna za pomnjenje� lahko izvedljiva
deklarativno in proceduralno znanjeelicitacija znanja iz eksperta
dolgoročni spomin
ŠE ENA MODROST KOGNITIVNIH “TUTORJEV”: PONAVLJANJE :)
INTELIGENTNI SISTEMI
ZA POUČEVANJE
učinkovitost poučevanja ena na ena
vloga umetne inteligence
model domene
model učenca
komunikacijski model
model učitelja
avtonomno in inteligentno prilagajanje specifičnim potrebam učencev
VPRAŠANJA
http://www.ailab.si/matej/
dr. Matej Guid. Laboratorij za umetno inteligenco, Fakulteta za računalništvo in informatiko, Univerza v Ljubljani. Research Page: http://www.ailab.si/matej