INTELIGENTNI SISTEMIZA POUČEVANJE - ailab.si · INTELIGENTNISISTEMIZAPOUČEVANJE POUČEVANJE V RAZREDU POUČEVANJE ENA NA ENA uspešnost pri u čenju število u č encev 84% 98%

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?


POUČEVANJE V RAZREDU POUČEVANJE ENA NA ENA

uspešnost pri učenju

šte

vilo

uče

nce

v

98%84%


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


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


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


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


20 ljudi gre na koncert. Otrok je osemveč kot odraslih.

otroci = ?odrasli = ?

MATHTUTOR


MATHTUTOR


MATHTUTOR


MATHTUTOR


MATHTUTOR


MATHTUTOR


MATHTUTOR


MATHTUTOR


MATHTUTOR


MATHTUTOR


MATHTUTOR


MATHTUTOR


MATHTUTOR


MATHTUTOR


MATHTUTOR


PRIMER IZ ALGEBRE (NADALJEVANJE)


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


SQL TUTOR


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


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



SQL TUTOR



SQL TUTOR



SQL TUTOR



SQL TUTOR



SQL TUTOR



SQL TUTOR



KOMPONENTE INTELIGENTNIH SISTEMOV ZA POUČEVANJE


EKSPERTNO ZNANJE O DOMENI

MODELIRANJE UČENCAPEDAGOŠKO ZNANJE

KOMUNIKACIJSKE VEŠČINE

model domene

model učencamodel učitelja

komunikacijski model

DELOVANJE INTELIGENTNEGA SISTEMA ZA POUČEVANJE


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


model učitelja


ORGANIZACIJA SPOMINA

ČUTNI SPOMIN

KRATKOROČNI SPOMIN

DOLGOROČNI SPOMIN

priklic

shranjevanje

Atkison–Shiffrinov model kognicije in spomina (1971)

OKOLJE

informacije iz zunanjega sveta

odzivanje


KAJ JE NA SLIKI?


Chase & Simon, Teorija skupkov (1973)

KAJ SI LAŽJE ZAPOMNIMO?

povezovanje informacij v skupke (angl. chunks)


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


model učitelja


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

Documents

INTELIGENTNI SISTEMIZA POUČEVANJE - ailab.si · INTELIGENTNISISTEMIZAPOUČEVANJE POUČEVANJE V RAZREDU POUČEVANJE ENA NA ENA uspešnost pri u čenju število u č encev 84% 98%