REPUBLIKA E SHQIPËRISË

UNIVERSITETI I TIRANËS

FAKULTETI I EKONOMISË

DETYRË KURSI

Tema: Agjentët dhe web services në sistemet e-learning

Punoi: Grupi nr. 4 Pranoi:

Jerina Boçi Elira Hoxha

Elona Ujka Blerina Vika

Eni Çuko

1- Hyrje Elona Ujka

E-learning eshte zhvilluar vrullshem ne dekadat e fundit. Me daljen e teknologjive gjithmon e me te zhvilluara si sherbimet Web, zhvillimi i sistemeve te lehta, fleksibel dhe inteligjente te e-learning eshte bere realitet. Kjo detyre eshte nje pamje e arkitektures novatore te sistemeve E-learning bazuar ne sherbimet web dhe ne agjentet inteligjente. Kjo arkitekture siguron nje model fleksibel integrimi ne te cilin te gjithe komponentet e mesimit dhe aplikimet jane te lidhura lehte dhe mund te shperndahen ne Internet. Gjithashtu, permes perdorimit te agjenteve, mesimi mund te pershtatet ne menyre inteligjente per llojin specifik te permbajtjes dhe nevojave te perdoruesve te vecante.

Zhvillimet e fundit ne Inteligjencen Artificiale (IA) i lejojne zhvilluesve te kurseve te perfshijne mjete diagnostikuese, role inteigjente dhe sisteme udheheqese ne procesin e te mesuarit. Perfitimet e IA perfshijne nderveprimin ne kohe reale, permiresimin e vazhdueshem te permbajtjes dhe nje trajtim te integruar te mesimit qe i jep studenteve kuptimin se si nje teme hyn ne nje kurs te caktuar dhe se si ky kurs ze vend ne te gjithe kurriulen e veprimtarise. Kjo mund te behet ne menyra te ndryshme si psh. permes perdorimit te simulimeve virtuale

Shpesh sistemet e sotshme i konsiderojne nxenesit e e-learning si nje grup te njetrajtshem dhe me sjellje te pandryshueshme. Si rrjedhoje te gjitheve u jepet i njejti ekran. Praktikisht te gjithe sistemet kane mungese autonomie dhe jane shume te njetrajtshem per te plotesuar pritshmerite e reja te mesimit te personalizuar. Ne fakt, aspekte te tilla si personaliteti i nxenesit, permbajtja dhe rendesia behen vertet te rendesishme nese dikush do qe te kete nje mesim vertete te personalizuar. Vec kesaj, kerkuesit ne fushen e edukimit kane treguar se nuk eshte e mundur te gjendet nje strategji i pergjithme e mesimdhenies nese kemi parasysh ndryshimet mes njerezve, por eshte e mundshme ta shikosh mesimin si nje rezultat i ndeveprimev te pasura, koherente dhe dinamike. Kjo eshte arsyeja kryesore qe vizioni i ri i teknologjise se mesimdhenies bazohet ne multiagjente dhe mesimin perms makinave.

2- Themelet

2.1 Koncepte bazë

Nje shebim Web eshte nje sistem softwerik i dizenjuar per te mbeshtetur bashkeveprimin makine-makine neper rrjet. Ka nje nderfaqe te pershkruar ne nje format te procesueshem ne kompjuter. Sisteme te tjere bashkeveprojne me Sherbimet Web nje nje menyre te percaktuar nga pershkrimi i tij duke perdorur mesazhet SOAP, zakonisht te percjella duke perdorur HTTP me nje serializim XML ne bashkeveprim me standarte te tjera te lidhura me Web.

2.2 Komponentët e programit

Nje komponent programi eshte nje njesi perberese me nderfaqe te percaktuara ne kontrate dhe vetem varesi konteksti. Nje komponent programi mund te vendoset i pavarur dhe eshte subjekt i krijimit nga pale te treta.

Nje komponent programi eshte nje njesi perberese qe eshte dizenjuar per tu riperdorur dhe kombinuar me komponente te tjere ne entitete me te medha softwerike, ne te njejten menyre se si perdoren sot komponentet mekanik dhe elektronike. Ne kete detyre ne do te shohim se si komponentet mund te riperdoren dhe kombinohen. Nuk ka nje perkufizim te pranuar universal per nje komponent programi.

3- E-Learning

3.1 Përvoja akademike me e-learning

Sot, avantazhet e ofruara nga edukimi e-learning jane te rrenjosura thelle ne metodat e avancuara te trasmetimit te njohurive. Eshte gjeresisht e pranuar se perfitimet kryesore te e-learning ne pergjithesi dhe ato te mesimit te bazuar ne Web ne vecanti, mbi mesimin tradicional ne klase mund te permblidhen ne kostot ekonomike dhe cilesine e tij ne rritje te shpejte, disponueshmerine ne cdo kohe, kudo dhe per kedo. Ka shume sisteme dhe web-site qe i dedikohen e-learning. Me poshte jane disa nga eksperiencat me te spikatura.

3.2 Përvoja e KSU-UFAS

Projekti UFAS-KSU eshte nje projekt i perbashket midis Université Ferhat Abbas Setif, Algjeri (UFAS), dhe King Saud University (KSU), kohet e fundit eshte bashkuar edhe Qassim University, Arabia Saudite. Synimi i ketij projekti eshte perdorimi i gjere i UML (Unified Modeling Language) per zhvillimin e platformave te matshme per edukimin ne distance. Aplikimi baze bazohet ne zhvillimin e DSS-ve (Decision Support Systems) si jane aplikuar ne zhvillimin e kurikulave. Nje nga synimet e tjera te rendesishme eshte te bashkoje ne te njejten platforme, udhezuesit, dizenjuesit e kurseve dhe perdoruesit per nje zhvillim me te mire, permiresim dhe perdorim te materialit mesimdhenes. Ne fillim ky projekti u vendos brenda kuadrit te inciatives se ashtuquajtur EMEDIS, nje perpjekje e madhe Euro-Mesdhetare per promovimin e Teknologjise se Informacionit ne Bashkimin Europian dhe ne 12 shtete te tjera Mesdhetare.

3.3 Ripërcaktimi i e-learning npm Agjentëve Inteligjentë

Teknikisht platforma e agjentit mban disa agjente programe, secili prej tyre ka nje “inteligjence” te pavarur, e cila mund te levize ne menyre te pavarur ne formen e “kodit te levizshem” ne platformat e tjera agjent. Secili program agjent permban nje liste me regjistra UDDI per te gjetur permbajtjen edukuese, dhe nje liste me platforma te tjera te njohura agjent te cilat mund ti perkasin LCMS-ve te tjera. Agjentet mund ti perditesojne listat e tyre duke komunikuar me agjentet e tjere duke perdour nje protokoll komunikimi te paracaktuar.

Duke perdorur nje nderfaqe komunikimi te lehte per perdoruesin, veprimet e platformes agjent mund te therriten per te thirrur nje agjent me fjalet kyce te kerkimit si parametra. Me pas nje agjent perdor nje regjister UDDI per te gjetur nje LO dhe te therrase veprimin getMetadata i cili duhe te jete i implementuar ne cdo LO te sherbimit Web.

Ne fund, agjenti krahason metadatat dhe fjalet kyce te kerkimit per perputhje te mundshme dhe i paraqet rezultatin e kerkimit perdoruesit.

4- Sistemet Multi-Agjent Jeina Boçi

Një sistem multi-agjent (MAS) është një sistem i përbërë nga agjentë inteligjentë të shumëfishtë që bashkëveprojnë me njëri-tjetrin. Sistemet multi-agjent mund të përdoren për të zgjidhur probleme të vështirë ose të pamundur për tu zgjidhur nga një agjent i vetëm ose një sistem monolit. Shembuj të problemeve të cilët janë të përshtatshëm për sistemet e kërkimit multi-agjent përfshijnë tregtinë on-line, përgjigjen ndaj katastrofave dhe modelimin e strukturave shoqërore.

4.1 Teknologjitë e dizenjimit të Multi-Agjentëve

Agjenti i realizuar në program (duke përfshirë agjentin inteligjent) lidhet me programin e automatizuar të mësimdhënies që mund të veprojë pa ndërhyrjen e përdoruesit. Krijimi i programeve agjent u bë para mbledhjes së opinioneve për ‘sistemet e hapura’ që bazohen në arkitekturën klient-server. Ka gjithsej dy modele të këtij bashkëveprimi: : “thin client- fat server” “fat-client-thin server”.

Në modelin e parë ‘fat server’ krijon aksesin në burime dhe aplikimet ndodhen në kompjuterin klient. Në modelin e dytë aplikimi klient funksione ndërfaqe dhe dhe serveri bashkon të gjitha pjesët e programit. Dy modelet mund të përdoren bashkërisht në krijimin e sistemeve multiagjent. Në këtë proces mund të aplikohet trajtimi statik në të cilin arrihet vetëm dërgimi i të dhënave ose teknika dinamike për dërgime të sigurta të dhënash dhe kod programi.

Teknika dinamike bazohet në modelin e agjentëve të lëvizshëm që mund të lëvizin në rrjet. Ata mund të largohen nga kompjuteri klient dhe të vendosen në serverin tjetër për të përdorur veprimet e tij dhe më pas mund të rikthehen nëse është e nevojshme. Përdorimi i agjentëve të lëvizshëm ka pasoja pozitive dhe negative. Për këtë arsye përdorimi i tyre këshillohet në rastet e mëposhtme: zvogëlimi i kohës dhe kostos së transmetimit të të dhënave, zgjerimi i burimeve të kufizuara lokale, zbutja e koordinimit (sinkronizimit) dhe implementimi i llogaritjeve sinkrone.

4.2 Sistemi Multi-Agjent F-SMILE

Puna e sistemit në mjedisin multi-agjent të mësimit inteligjent mund të sigurojë mbikëqyrje të përshtatshme të bazuar në modelimin e nxënësit përmes shërbimeve Web. Sistemi është quajtur Web F-SMILE dhe ka si qëllim të ndihmojë përdoruesit e rinj të mësojnë se si të përdorin ruajtjen e file-ve në kompjuterat e tyre. F-SMILE përbëhet nga një Agjent i Modelimit të Nxënësit (Learner Modelling Agent, LMA), një Agjent Këshillues, një Agjent Mbikëqyrës dhe një Agjent i drejtuar nga të Folurit.

“Agjenti LM vëzhgon vazhdimisht nxënësin dhe në rast se dyshon se përdoruesi gjendet në një situatë të vështirë përpiqet të gjejë se cili ka qenë shkaku i problemit. Kjo bëhet duke kërkuar për veprime të ngjashme me atë që ka dhënë nxënësi dhe që do të ishin më të përshtatshme në lidhje me synimet e supozuara që ka nxënësi. Këto veprime alternative i dërgohen Agjentit Këshillues, i cili është përgjegjës për zgjedhjen e veprimit më të përshtatshëm që i duhet këshilluar këtij nxënësi. Zgjedhja e veprimit alternativ më të mirë bazohet në informacionin rreth nxënësit që ka mbledhur Agjenti LM dhe një teorie njohëse. Në rast se problemi i nxënësit ishte për shkak të mungesës së njohurive, Agjenti Mbikëqyrës aktivizohet në mënyrë që të gjenerojë një mësim të përshtatshëm në përputhje me këtë përdorues specifik. Kur këshilla dhe mësimi korrespondues janë gati, ato i dërgohen Agjentit të drejtuar nga të Folurit, i cili është përgjegjës për mundësimin e ndërveprimit me përdoruesin në një mënyrë më ‘njerëzore’ dhe më të lehtë për përdoruesin. ”

“Arkitektura multi-agjent është e hapur dhe e zgjerueshme. Për më tepër, përdorimi i metodologjisë multi-agjent ka avantazhin e shpërbërjes së inteligjencës së sistemit në njësi me autonomi (agjentë) që thjeshton detyrën e dizenjimit, ndërtimit dhe përmirësimit të agjentëve individualë. ”

4.3 Sistemi Multi-Agjent aLFanet

LMS-ja inteligjente (iLMS) aLFanet është rezultat i zhvillimit të tre fushave të ndërlidhura: Sistemet Inteligjente të Mbikëqyrjes (Intelligent Tutoring Systems (ITS)), Sistemet Hipermedia të Përshtatshme (Adaptive Hypermedia Systems (AHS)) dhe Sistemet e Mësimit Bashkëpunues të Mbështetura në Kompjuter (Computer Supported Collaborative Learning (CSCL) systems).

aLFanet gjeneron faqe web në mënyrë dinamike dhe u siguron nxënësve shërbime edukimi të përshtatshme në bazë të nevojave individuale dhe bashkëpunuese të përdoruesit. Nevojat individuale bazohen në informacionin personal të përdoruesit (p.sh. stili i të mësuarit, mungesa e njohurive, preferencat e mësimit, etj) ndërkohë që nevojat bashkëpunuese fokusohen në lidhjet midis përdoruesve (p.sh. kontakti me studentë me karakteristika të ngjashme, akses në komente të lidhura ose materiale të dërguara nga nxënës të tjerë, bashkëpunim me një grup pune të caktuar etj.). Modelet e avancuara pedagogjike, të bazuara në konceptin e të mësuarit aktiv dhe të përshtatshëm, mund të specifikohen nga autorët e kursit në kohen e dizenjimit për të mbështetur ndërveprimet e përdoruesve në kohën e ekzekutimit.

Qëllimi kryesor i sistemeve të përshtatshëm është ti sigurojë përdoruesit akses efiçent në sajt duke i prezantuar së pari linqet dhe materialet që mund të jenë me interes. Për të zgjidhur këtë problem aplikohen forma të ndryshme të modelit të përdoruesit. Në veçanti merren parasysh përdoruesi, përdorimi dhe të dhënat e mjedisit. Ka dy rrugë për zhvillimin e këtyre modeleve. Së pari, të aplikohen rregulla të paracaktuara për situata që ngrihen gjatë ndërveprimit të studentit, e cila përfshin njohjen e situatave që më parë. Së dyti, të mësosh modelet e përdoruesit nga të dhënat e mbledhura nga ndërveprimet e tij. Për këtë, janë aplikuar disa teknika të mësimit përmes makinerive.

Teknika e mëvonshme që është e aplikueshme ka qindra përdorues që presin disa qindra kurse të mbështetura nga një LMS e hapur. Për me saktë, kjo është situata të cilës duhet t’i adresohet aLFanet. Në këtë rast, ndërkohë që bashkëveprojnë me sistemin, përdoruesit sigurojnë një gamë të gjerë eksperiencash që janë të paparashikueshme dhe varen shumë në profilin e tyre (interesat, nevojat, njohuritë, preferencat, stili i të mësuarit, etj.). Prej tyre do të dalin profile dhe eksperienca të ngjashme të cilat mund të përdoren për të mbështetur detyrat e përshtatshme për nxënësit dhe udhëheqësit.

Kjo lloj përshtatjeje, e quajtur përshtatje e bashkëveprimit, merret me sigurimin e mbështetjes përdoruesve ndërkohë që bashkëveprojnë brenda një kursi. Në këtë mënyrë, udhëheqësit dhe nxënësit marrin në akses të përshtatshëm të shërbimeve që duhet të përdorin, të përmbajtjeve dhe aktiviteteve me të cilat duhet të punojnë, të përdoruesve që duhet të kontaktojnë etj. Për të bërë të mundur këtë një grup kompleks modelesh duhet të menaxhohet nga Moduli i Përshtatjes. Modelet mund të sigurohen në dy mënyra: statike, dhënë drejtpërdrejt sistemit, ose prejardhur a mësuar nga vetë sistemi, duke llogaritur gjithçka që ka ndodhur më parë. Të dyja teknikat kanë avantazhet dhe disavantazhet e veta.

Modelet statikë që janë plotësuar që më parë nuk mund t’i bëjnë ballë diversitetit të përdoruesve, shërbimeve dhe konteksteve (situatave). Më tej, nevojat e përdoruesve zhvillohen në kohë dhe me ndryshimin e rrethanave. Për të siguruar një përshtatje dinamike me nevojat aktuale në çdo kohë dhe situatë, është e nevojshme të përditësohet vazhdimisht informacioni i ruajtur në këto modele. Për të menaxhuar varietetin e detyrave për tu zgjidhur në aLFanet, një teknikë hibride, e cila kur lind nevoja kombinon metodat e bazuara në njohuri dhe teknikat e mësimit makinë, përdoret për të përfaqësuar modelet.

Moduli i Përshtatjes përfshin një hierarki me dy nivele të arkitekturave multi-agjent që punon në mënyrë autonome për të zgjidhur detyrat e nevojshme të përshtatjes të bazuara në njohuritë që këta agjentë mund të përftojnë. Modulet:

1- Moduli i Konfigurimit.( Configuration Module) Përfshin administrimin e agjentëve, konfigurimin e sistemeve multi-agjent dhe konfigurimin e detyrave të përshtatjes.

2- Nënsistemet e Rekomandimeve. Ka për detyrë të performojë një detyrë përshtatjeje për çdo kërkesë nga Dispeçeri. Agjenti Koordinator merr kërkesat dhe i kërkon Agjentit Rekomandues për përgjigje të mundshme të detyrës së përshtatjes.

3- Nënsistemet e Modelit.( Model Subsystem) Agjentët e Modelit menaxhojnë modelet që ruajnë njohuritë e sistemit.

4-Nënsistemet e Modelimit. (Modelling Subsystem) Ka për detyrë të mësojë njohurinë që do të përdoret për të zgjidhur detyrat e përshtatjes dhe për të përditësuar këtë njohuri dhe të implementojë çështjet e diskutuara më sipër. Një arkitekturë tjetër multi-agjent (ajo e nivelit të ulët) përdoret brenda këtij moduli. Agjentët e nivelit të parë, të quajtur Agjentë të Mësimit Makinë (Machine Learning (ML)), implementojnë algoritme të ndryshme të mësimit makinë, si algoritme të mbikëqyrura, (p.sh. gjetja e ngjashmërive, pemët e vendimit, vektorët mbështetës) dhe algoritme të pa mbikëqyrura (p.sh. grumbullimi dhe fqinji me largësi k)

4.4 MASHA

Sistemet e-learning të bazuara në agjentë lejojnë bashkëveprimin midis studentëve dhe Web-siteve të e-learning, duke u dhëne studentëve sugjerime të dobishme rreth burimeve edukative të disponueshme. Në këto sisteme, përgjithësisht çdo student monitorohet nga një agjent student, ndërkohë që çdo sajt e-learning është i lidhur me një agjent sajti. Sidoqoftë, këto sisteme nuk janë të aftë të mbështesin studentët të cilët përdorin pajisje të ndryshme si PC, palmar, celular etj. Sistemi multi-agjent që menaxhon përshtatshmerinë (Multi-Agent System Handling Adaptivity (MASHA)) është një sistem i ri multi-agjent i cili shfaqet si një kandidat premtues për të kaluar kufizime të tilla. Sidoqoftë, në rastin e komuniteteve të mëdha agjent, detyrat si të studentit dhe të agjentit të sajtit në MASHA mund të rezultojnë dukshëm të rënda.

Për të përballuar këtë problem, është propozuar një zgjerim i sistemit MASHA, MASHA-EL, i konceptuar posaçërisht për të mbështetur e-learning. Në këtë sistem, një studenti që përdor një pajisje të caktuar i sigurohet një pajisje agjent, dhe çdo web site e-learning lidht nga ana e tij me një agjent mësues. Kur një student viziton sajtin e e-learning të agjentit mësuesduke përdorur një pajisje të dhënë, agjenti mësues i siguron rekomandime të dobishme duke konsideruar edhe pajisjen në përdorim. Në vitet e fundit, sistemet multi-agjent (MAS) kanë arritur sukses gjithmonë e me të madh.

4.5 Implementimi në edukimin e-learning

Teknologjia e agjentëve është aplikuar në tipe të ndryshme aplikimesh për edukimin: në dizenjimin e mjediseve të barabarta ndihmëse, agjentë për gjetje informacioni, agjentë për përpunim të informacionit të studentëve, agjentë mbikëqyrës, agjentë për kontrollin e detyrave dhe agjentë për mbështetje on-line të grupeve studentore. Kohët e fundit, sistemet e e-learning bazuar në agjentë gjithashtu janë përdorur për të ekzekutuar mekanizma ndërveprimi dhe bashkëpunimi në një mjedis të komunitetit në rrjet. Përfundimisht, modeli i llogaritjes bazuar në agjent është veçanërisht i përshtatshëm për zhvillimin e mjediseve të bazuara në web për mësimin e shpërndarë përshtatës.

DALE (Distributed Adaptive Learning Environment) integron agjentët dhe objektet mësuese në kontekstin e një sistemi të shpërndarë. Ata përdorin programet agjentë inteligjentë për të siguruar inteligjencën kyçe për të përshtatur në mënyrë dinamike përmbajtjen me nevojat e nxënësve të veçantë. Një studim empirik i bërë për të vlerësuar efektivitetin e agjentëve inteligjentë në mësimdhënien on-line tregoi se agjentët mund të përmirësojnë shkallët e plotësimit, kënaqësinë e nxënësit dh motivimin.

5- Arkitektura

Ndërtimi i një sistemi të pacentralizuar duke kombinuar disa shërbime Web për të arritur të njëjtin funksionalitet si në sistemet tradicionale e-learning çon në probleme të menaxhimit të përmbajtjes për nxënësit dhe kërkimit për shërbime për të arritur funksionalitetin e dëshirueshëm në momentin e kërkimit.

5.2 COBRA

Karakteristika kryesore e teknologjisë së orientuar në objekte DCOM është mundësia për integrimin e aplikimeve që realizohet përmes programimit të ndryshëm të teknologjive. Në aplikimin e Java RMI krijohen objektet dhe metodat për përpunimin e te dhënave, dhe zëvendësimi i tyre bëhet në kompjuterat klient.

Teknologjia COBRA është një nga mjetet më fleksibël për realizimin e aplikimeve të shpërndara. Avantazhi i tij kryesor në krahasim me Java RMI është Gjuha e Përshkrimit të

Ndërfaqes (Interface Description Language IDL) si një mjet i unifikuar komunikimi dhe metode ndërveprimi me aplikimet e tjera.

5.3 ABED

Teknika ABED (Agent-Based Intellectual Environment for Education) është një sinergji interaktive midis e-learning tradicional dhe agjentëve dhe përfaqëson një metodologji alternative ndaj sistemeve aktuale të edukimit e-learning.

Veprimtaria e përgjithshme në ABED

Pas kompilimit me standardet e adoptuara LOM dhe SCROM, strategjia ABED studion procesin e përfshirë në zhvillimin e sistemeve jo të orientuara në objekte dhe pa agjentë, duke kulminuar me përdorimin e sistemeve të orientuara ne objekte (përmes UML-ve) pa agjentë. Agjentët futen në shtresat e tretë dhe të katërt

Pavarësisht se elementët e mjedisit që dallon çdo agjent ndryshojnë nga njëri agjent në tjetrin, të gjithë agjentët kanë sjellje të përgjithshme të ngjashme të përshkruar në katër hapat e mëposhtëme.

· Initialization (Inocializimi)

I njëjti mjedis ndahet nga të gjithë multiagjentët, nga objekte që përfaqësojnë zgjidhjen e ndërtuar nga studenti, nga objekte që përshkruajnë problemin e zgjidhur dhe nga objekte të thjeshta që përfaqësojnë sjelljen e mundshme. Agjentët inicializohen në një gjendje joaktive, që do të thotë se ata nuk mund të zgjedhin asnjë veprim.

· First interaction (Ndërveprimi i parë)

Agjentët ndjejnë mjedisin. Nëse një agjent ndjen në mjedis praninë e elementëve që përfaqëson, ai bëhet aktiv. Meqë agjenti është aktiv, ai është i aftë të zgjedhë një ose më shumë grupe veprimesh të mundshme. Nga ana tjetër, nëse elementët që përfaqëson agjenti nuk ndodhen në mjedis, atëherë agjenti qëndron joaktiv.

· Stabilization (Stabilizimi)

Kur nuk ndjehen ndryshime të rëndësishme në gjendjen dhe veprimet e agjentit, diagnostikimi konsiderohet i përfunduar. Gjendja e një agjenti kushtëzohet nga prania e elementëve të ndjerë në mjedis. Një agjent joaktiv nuk ka të drejtë të zgjedhë veprime. Kur një agjent joaktiv kënaqet, ai e ndryshon gjendjen e tij dhe bëhet aktiv. Një agjent aktiv është i aftë të ndikojë agjentët e tjerë për shkak të aktivitetit të tij. Një agjent aktiv mund të bëhet përsëri joaktiv nëse të paktën një nga elementët që ai përfaqëson nuk gjendet më në mjedis.

Aplikime të mundshme të ABED

1- Të plotësojë nevojat e studentëve dhe të ofrojë udhëzime për aftësi më të mira studiuese. (Guida eksplicite për mësimin e materialeve specifike.)

2- Të ofrojë metoda novatore për përmirësimin e ndërveprimit dhe feedback-ut ndërmjet studentëve dhe instruktorëve. (Përfshin balancimin e ngarkesës për punonjësit, disponueshmërinë, mungesën, mësimet shtesë dhe disponueshmërinë e infrastrukturës për çdo nxënës.)

3- Për të përmirësuar dizenjimin, planifikimin dhe organizimin e kurseve dhe parapritja e kufizimeve kompjuterike të gjetura në e-learning tradicionale. (Menaxhimi i orareve, të dhënat e kurrikulave, klasifikimi i subjekteve sipas shpeshtësisë së përdorimit, kurset e lidhura, frekuenca dhe skedulat.)

4- Për të identifikuar zhvillimin e mësimdhënies dhe fazat kyçe të procesit që përfshijnë dizenjimin, zhvillimin, vlerësimin dhe rishikimin e kursit. (Temat, përmbajtjet, zgjatja e kursit, cilësitë e mësimdhënies, cilësime automatike të fletëve dhe përpunim i asistuar i materialeve të kursit.)

5- Për të vendosur udhëzime për vlerësimin e orientuar në agjentë të kursit duke specifikuar llojet e vlerësimeve. (Përcaktimi i provimit, skedula dhe frekuenca, shpërndarja dhe klasifikimi i subjekteve, renditja, notat, promovimi, mungesa dhe shpërndarja e rezultateve.)

6- Të lejojë ‘e-learning institution management’ (Menaxhimi i trusteve, trustet dhe themeluesit, klasifikimi i institucioneve, infrastruktura, përkufizimi dhe klasifikimi.)

7- Të shtrojë pyetje të zakonshme kërkimore si mësimi i bazuar në agjent vs. E-learning tradicional, rëndesia e multiagjentëve dhe kostot vs. Përfitimet. ( Kontribuimi në një fushë të re kërkimore.)

5.4 BSC për sistemet e-learning të përshtatshme

Sipas metodologjisë BSC impakti i implementimit të një sistemi informacioni, në këtë rast sistemi e-learning i përshtatshëm, në performancën universitare mund të matet në katër mënyra të ndryshme:

1- përmirësimi i cilësisë së sistemit IT

2- përmirësimi i efiçencës dhe efektivitetit të proceseve akademike dhe mbështetëse

3- rritja e kënaqësisë së përdoruesve

4- kosto më e mirë performance

Përfitimet kryesore qe duhet të arrihen nga implementimi i sitemeve e-learning të përshtatshëm në universitet:

Kategotia e BSC Objektivat kryesore Matësit kyç

Menaxhimi i burimevePërdorim efiçent, efektiv

dhe transparent i buxhetitTCO

PërbërësitAkses më i mirë i të

mësuarit; arritje dhe cilësi e lartë akademike

Kënaqja e pjestarëve me përmbajtjen mesimit,

shkallët e mbajtjes

Proceset akademike dhe mbështetëse

Procese efiçente dhe efektive

Performanca e procesit të studimit, koha e procesit të

trainimit

Njerëzit dhe teknologjia

Zgjidhje bazuar në standarde, të pavarura nga gjuha e platforma. Personel

kompetent

Fleksibilitet, mbështetje e standardeve, lehtësi

integrimi, menaxhueshmëri, funksionalitet BPM i sistemit

e-learning

6- Karakteristikat e LMS dhe LCM S Eni Çuko

Pjesa kryesore e nje sistemi e-learning, e cila eshte nen kontroll te nje administratori, zakonisht perbehet nga nje sistem manaxhimi te te mesuarit, LMS (learning management system) ose te nje LCMS (learning content management system). Nje LMS kryen funksione si manaxhimi i nxenesve dhe profileve te tyre, analiza e progresit te tyre, lehtesimi i bashkepunimit dhe skedulimi i aktiviteteve. Nje LCMS ka per funksion manaxhimin e permbajtjes se mesimit qe zakonisht ruhet ne nje databaze. Perpos kesaj, nje LCMS lehteson riperdorimin e permbajtjes dhe ben shperndarjen e saj permes interfaces dhe presentation layers. LMS perfshihet tek LCMS sepse LCMS kryen funkionet si te LMS ashtu dhe te LCMS.

Duke perdorur nje run-time system, permbajtja e mesimit e ruajtur ne nje LCMS behet e disponueshme nga nxenesit. Gjate procesit te mesimit, nxenesit mund te drejtohen nga trajneret. Sistemet E-learning zakonisht duhet te perballen me nje grup teper heterogjen nxenesish, te cilet

mund te kene aftesi te ndryshme te sasise se kohes dhe parave qe jane te gatshem te paguajne. Per kete arsye, eshte e nevojshme nje shkalle e larte fleksibiliteti, psh duke lejuar integrimin e nje varieteti materialesh, duke patur mundesine e devijimit nga nje rradhe e percaktuar veprimesh, ose personalizimi

6.1 Web Services

Web Services jane komponente te pavarur software qe perdorin Internetin si nje infrastrukture komunikimi dhe kompozimi. Ne nje thirrje te thjeshte te nje Web service, nje klient mund te perdor nje regjister UDDI (Universal Description Discovery and Integration) dhe nje protokoll UDDI per te gjetur nje server qe hoston nje sherbim. UDDI shpesh konsiderohet si Faqet e Verdha te web services. Nje UDDI eshte nje direktori e web services qe kane XML files qe pershkruajne nje biznes dhe sherbimet qe ai ofron. Ne do te perdorim UDDI ne arkitekturen tone. Me pas kerkohet nga serveri nje dokument WSDL (Web Services Description Language), qe pershkruan operacionet e suportuara nga nje sherbim. Pra WDSL jep pershkrimin e nje web service. Cdo web service ka nje WSDL file qe eshte pergjithesisht nje XML file qe pershkruan nje set mesazhesh SOAP dhe sesi mesazhet shkembehen midis web service dhe klienteve. Per thirrjen mund te perdoret protokolli SOAP (Simple Object Access Protocol), i cili ndertohet mbi HTTP per te transportuar te dhena. SOAP eshte nje protokoll i shkembimit te mesazheve qe perdoret per te komunikuar midis web services dhe klienteve te tyre. Avantazhi kryesor i teknologjise web service eshte komunikimi cross-platform. Ne treg sot ndodhen dy konkurente te medhenj ne teknologjine web service: Microsoft and Sun. Te dy keto perdorin standarte dhe protokolle te permendura me siper (SOAP, XML, WDSL dhe UDDI)

6.2 Infrastruktura e Web Service

Ne nje model web service-based, si klienti ashtu dhe ofruesit e web service nuk i njohin detajet e implementimit. Nqs nje klient do te perdore nje web service, atij do ti duhet te kaloje kater faza: direktoria, zbulimi, pershkrimi dhe te dhenat. Figura e meposhtme paraqet nje infrastrukture web service. Sherbimet e direktorive si UDDI ofrojne nje vend qendror per te ruajtur dhe publikuar informacionin per web services. Klienti kerkon nje direktori dhe gjen nje URL. Ne fazen e dyte nje klient dergon nje kerkese per dokumente te pershkrimit te sherbimeve. Serveri kthen dokumentin e gjetur qe i ben te njohur klientit prezencen e web service dhe vendndodhjen e tij. Ne fazen e trete klienti dergon kerkesen e tij per nje web service te vecante. Pershkrimi i sherbimit dergohet nga serveri ne format XML qe specifikon formatin e mesazheve qe web service mund te kuptoje.

Ne fazen e fundit klienti kerkon web service XML qe eshte i aktivizuar qe ta perdore ate. Serveri dergon pergjigjen e kerkuar te klienti. Per te aktivizuar komunikimin midis sistemeve web service perdoren formate te hapura wire. Keto te fundit jane protokolle qe mund te kuptohen nga cdo sistem qe eshte i afte te suportoje standarte te web-it, si HTTP dhe SOAP

6.3 Agjentet inteligjente software

Nje agjent software eshte nje entitet i procesimit te te dhenave I cili nxjerr ne menyre te pavarur materiale te deleguara nga nje perdorues, por gjithashtu nje pjese software i cili mund te operoje mbi veten ose nje tjeter entitet. Agjentet software funksionojne ne nje mjedis te vecante i cili eshte shpesh i populluar nga agjente dhe procese te tjera. Ata mesojne nga eksperimentet e tyre, komunikojne dhe bashkepunojne me agjente te tjere, dhe, nese kerkohet, levizin ne rrjeta dhe Internet. Nje agjent inteligjent software ka karakteristika si levizshmeria, aftesi e nderveprimit (shprehja e sjelljes sociale dhe adaptive), aftesi e bashkepunimit, te te mesuarit dhe te arsyetimit, bazuar ne njohuri te caktuara.

Keto aftesi, te cilat mund te perdoren per personalizimin dhe perzgjedhjen e informacionit, motivojne perdorimin e agjenteve inteligjent software ne kontekstin e sistemeve te edukimit.

6.4 Web-Service-based LCMS qe suportojne agjente inteligjent software

Ne kete pjese do prezantojme arkitekturen e nje LCMS te bazuar ne Web services, e cila eshte shtuar qe te suportoje agjentet software. I gjithe funksionimi i LCMS duke perfshire dhe permbajtjet e mesimeve jane implementuar si Web services. Ne figure ilustrohen komponentet e LCMS dhe nderlidhjet e tyre. Ne kete figure , Web services jane paraqitur me drejtkendesha qe permbajne nje emer njesoj si dhe operacionet me te rendesishme. Arkitektura eshte dizenjuar ne nje menyre te tille qe nje nxenes ka nevoje vetem per nje browser interneti per te perdorur LCMS.

6.5 Arkitektura e pergjithshme

Arkitektura e LCMS ka per qellim te koordinoje te gjitha aktivitetet e lidhura me mesimin dhe manaxhimin e materialeve te mesimit. Kompjuteri i nje nxenesi ndervepron direkt me nje LCMS gjate nje seance mesimi. Te gjitha Web services e nje LCMS duhet gjithashtu te jene te aksesueshme permes faqeve te Web-it, ne menyre qe nxenesit ti duhet vetem nje Web browser per te perdorur LCMS.

Ne hapin e pare nxenesi duhet te prezantohet me LCMS, qe realizohet nga nje sherbim login i LCMS. Ky sherbim behet nga nje database me te drejta aksesi.

Pasi nxenesi logohet , ai mund te aksesoje nje faqe Webi per kurs manaxhimi, funksionimi i te cilit eshte implementuar ne nje course management service. Nxenesi mund te kerkoje per kurse te pershtashme me nje operacion searchLOB, i cili kerkon objekte mesimi me ndihmen e platforms se agjentit, e implementuar gjithashtu si nje Web service. Operacioni bookLOB thirret per nje kurs qe eshte gjetur nga nje agjent. Nje pjesmarrje ne mesim behet e mundur duke thirrur operacionin execLOB ne remote LO.

Nje sherbim ontologjik mund te suportoje kerkimin semantic per kurset. Ai permban nje ontologji duke perkufizuar marredheniet semantike midis Web services qe ofrojne objekte mesimi. Keshtu per shembull, per nje term si “programim”, eshte e mundur te arrihen rezultate si “C++”, “Java”, ose “Prolog.” Sherbimi i autorsise ofron nje mjedis qe krijon, editon, dhe publikon permbajtje e-learning ne regjister permbajtje, ne menyre qe te gjendet nga LCMS.

LCMS mund te perfshije dhe sherbime te tjera. Ne discussion boards ose ne chat rooms nxenesit mund te komunikojne ne menyre interactive me instruktoret ose nxenes te tjere dhe te bejne pyetje.

Nje monitor progresi kompozon rezultatet nga te gjitha leksionet ne nje overview te pergjithshme; kjo perdoret vetem per te krijuar certifikatat. Nje sherbim llogaritje manaxhon te gjitha proceset qe jane te lidhura me aspektet financiare. Ajo tregon, psh, te gjitha kurset e prenotuara ose faturat qe duhet te paguaj nje individ. Si perfundim duhet permendur qe funksionimi i LCMS mund te zgjerohet nga Web service te tjere, te cilet mund te ofrohen ne

menyre interne ose eksterne nga ofrues te tjere ne Web. Nga ky pikeveshtrim, nje LCMS nuk eshte me nje system i vetem I bazuar ne nje server, por nje koleksion sherbimesh qe mund te ofrohet nga shites te ndryshem ne vende te ndryshme te botes. Kjo gjithashtu lehteson ekonomine e shkalles, sepse, psh, nje kompani mund te specializohet ne kontabilitet dhe te integroje sherbimin e saj ne shume LCMS. Nje avantazh tjeter eshte rikonfigurimi. Psh, nje universitet mund te zgjedhe te integroje te gjithe sherbimet ne figuren e meposhtme, ndersa nje kompani mund te anashkaloje ontologjine, chat-in, dhe sherbimin e autorsise

Cdo agjent software permban nje liste te perbere nga regjistra UDDI per te gjetur permbajtje educative, dhe nje liste me platforma agjentesh te njohura, te cilat mund ti perkasin LCMS-ve te tjera. Agjentet mund te update-in listat e tyre duke komunikuar me agjente te tjere duke perdorur nje protokoll komunikimi te percaktuar. Me pas, nje agjent perdor nje regjister UDDI per tu lokalizuar ne nje LO dhe per te thirrur operacionin getMetadata, i cili duhet implementuar ne cdo Web-service-LO. Ne fund, agjenti krahason metadaten dhe kerkimin e keywords per perputhje te mundshme dhe prezanton rezultatet e kerkimit te perdoruesi.

6.6 Arkitektura e propozuar

Arkitektura jone e e-learning ka dy komponente, client-end dhe server-end. Te dy fundet jane te lidhura me internetin me sete te njejta protokolli si: HTTP, SOAP dhe XML.

Tipe te ndryshme te paisjeve kompjuterike jane prezente ne sistemin client-end qe perdor platforma te ndryshme. Nga ana tjeter sistemi server-side perdor nje platforme unike qe duhet te komunikoje ne nje mjedis heterogjen duke perdorur protokolle interneti standart based dhe ofron sherbime ne nje menyre robust dhe te shkallezuar. Ne kemi sugjeruar nje user agent ne client-side nderkohe qe server-end konsiston ne agjente inteligjente te bazuar ne web service. Keta mund te jene gjithashtu agjente te levizshem per kerkim dhe zbulim ne rrjeta te tjera e-learning. Ne vijim do te pershkuhet sistemi client-end dhe server-end.

6.7 Client-End

Ne figure duket qarte se sistemi client-side permban paisje te ndryshme kompjuterike dhe platform. Disa perdorues mund te perdorin kompjutera, te tjere perdorin paisje wireless qe te aksesojne sherbime mesimi. Ne kemi sugjeruar nje agjent nderfaqes qe punon ne client-side. Ky agjent interface mund te ekzekutohet ne cdo platforme dhe versionet duhet te jene te ndryshme ne pershtatje me paisjet hardware kompjuterike si memoria, fuqia e procesimit dhe ruajtja. Ne kete rast, platforma JAVA eshte e pershtatshme per zhvillimin e agjenteve nderfaqes ne menyre te tille qe ata mund te ekzekutohen ne cdo paisje kompjuterike e cfaredo platforme qofte. Ne i kemi kategorizuar paisjet kompjuterike qe te krijohen versione te ndryshme te user agent per cdo kategori. Kategoria e paisjeve kompjuterike mund te jete nje desktop PC, PDA, telefon cellular etj.

User agent duhet te jete i konfigurueshem nga useri qe duhet te specifikoje frekuencen e user agjent dhe kontaktin server agent, perdorimin e procesorit, perdorimin e memories dhe bandwidth-in e memories etj. User agent mund te jape nje performance te optimizuar duke u bazuar mbi keto konfigurime. User agent ka gjithashtu rutina per te mundesuar performance midis agjenteve web service based nga ana e serverit, gjithashtu dhe mbledhjen e materialeve te tjera te mesimit nga web-i. SOAP perdoret per komunikimin midis user agent dhe agjentit web service based. Nje user agent mund te kerkoje informacion nga agjenti server-side ne bazen e profilit te perdoruesit dhe profilit te paisjes. Profile i perdoruesit specifikon moshen e perdoruesit, zonen e studimit, interesat etj, ndersa profili i paisjes specifikon fuqine e procesimit te paisjeve kompjuterike, memorien, ruajtjen etj. User agent ka gjithashtu animacione dhe karakteristika te ligjerates per te qene interaktiv me perdoruesin dhe per te patur perqendrimin e userit gjate mesimit. User agent eshte i domosdoshem edhe per mesuesit dhe autoret kur ata jane duke zhvilluar permbajtjet e mesimit. Ajo mund te sugjeroje fjale kyce per LOM dhe materiale te tjera mesimi si asetet SCORM duke kerkuar asset metadata ne servera ne menyre qe riperdorimi i permbajtjes se mesimit te rritet

6.8 Server-end

Sistemi server-end i arkitektures e-learning perbehet nga disa komponente qe perfshijne agjente inteligjente web service based, database dhe sherbime edukative. Keta agjente inkorporohen me web services. Keta agjente mund te perdorin SOAP, XML dhe HTTP per te komunikuar ne rrjet.

LMS ne rrjeta te tjera mund te lidhet me shtresen e web service dhe te aksesoje objektet e mesimit. Qellimi kryesor i ADL eshte riperdorimi i permbajtjes se mesimit ne nje mjedis network-u.

Databaza perdoret per te ruajtur profilet e perdoruesve dhe te dhena te tjera te rendesishme dhe mund te aksesohet permes web service. Agjentet mund te perdorin databazen per te ruajtur informacion te rendesishem mbi perdorues te autorizuar duke perdorur profilet e tyre kur ata nuk jane online. Nga kjo pikepamje agjentet inteligjente mund te punojne ne nje mjedis te shkeputur dhe te ofrojne informacion te ruajtur nderkohe qe ata jane online. Nqs nje perdorues kerkon sherbime edukative, agjenti inteligjent mund te jete i levizshem dhe te zhvendoset ne nje rrjete per te zbuluar sherbimin edukativ te kerkuar per perdoruesin. Ata mund te kerkojne gjithashtu per lajme te rendesishme, objekte mesimi, libra, forume, kurse, ore mesimi, laborator etj, dhe zbulojne sherbime te shtuara kohet e fundit dhe ti reklamoje ato te klientet dhe web sites. Jo vetem klientet individual mund te disponojne keto sherbime por dhe rrjeta te tjera e-learning mund te aksesojne agjentet inteligjent dhe sherbimet edukative duke perdorur SOAP.

6.9 Perfitimet

Duke integruar web service dhe teknologjine e agjenteve inteligjente ne mund te arrijme mjaft benefite qe nuk mund te arrihen nga metoda te zakonshme. Disa nga benefitet me te medha ne arkitekture jane:

Service-Oriented: arkitektura e-learning bazohet ne aspekte service-oriented. Duke perdorur web services dhe teknologjine e agjenteve inteligjente mund te ofrohen permbajtje educative ne formen e sherbimeve te ndryshme si libraria dixhitale, LMS, klasa virtual, laboratore virtual, sherbime autorsie etj. Perdoruesi mund te shtoje aq sherbime sa deshiron duke shtuar shtresen web service

Riperdorimi: riperdorimi I permbajtjeve te mesimit rritet me ndihmen e web services. Cdo sistem i manaxhimit te mesimit mund te aksesoje objektet e mesimit dhe sherbime te tjera edukative, dhe ta perdore sipas menyres se vet permes mesazheve SOAP-based.

Shkallezimi: kjo arkitekture ofron nje mjedis te shkallezuar ku perdoruesi mund te zhvilloje sherbimet e tij lehtesisht pa nderprere arkitekturen. Perdoruesi mund te shtoje web services edukative te reja dhe te regjistroje sherbimin e tij duke perdorur UDDI ose sherbime te tjera direktorie.

Ruajtja: maint i sherbimeve edukative lehtesohet sepse keto te fundit ndahen ne kategori dhe funksione

Fleksibiliteti: agjentet jane gjithmone fleksibel sepse ata mund te levizin ne nje rrjete per te gjetur informacion; agjentet e bazuar ne web service mund te komunikojne me web service te tjere ne nje rrjete duke perdorur protokolle standard-based si SOAP.

Pershtatja: nje klient mund te pershtase user agentin e tij duke konfiguruar perdorimin e memories, perdorimin e procesorit, frekuencen e gjetjes se informacionit nga server agent dhe shume gjera te tjera. User profile luan gjithashtu nje rol te rendesishem ne customizing interesat e userit.

Interaktiviteti: qellimi kryesor I nje user agent ne client-side eshte te ofroje interaktivitet me perdoruesin. Nje user agent mund te jete I domosdoshem ne mbajtjen e perqendrimit te perdoruesit kundrejt objektivave te mesimit, dhe gjithashtu per zhvillimin e permbajtjeve te mesimit.

7- Përfundime Jerina Boçi

7.1 Prespektiva Akademike dhe e Proçeseve mbështetëse

Kjo perspektivë i referohet proceseve të brendshme, si akademike ashtu edhe mbështetëse. Matësit e bazuar në këtë perspektivë lejojnë të dallosh se sa mirë po ecën organizata, dhe nëse shërbimet janë në përputhje me kërkesat e përdoruesve. Në këtë rast duhet ti jepet përgjigje pyetjeve: Në cilat procese duhet të shkëlqejmë? Cilat janë prioritetet strategjike për proceset e ndryshme? Cilat krijojnë kënaqësi tek përdoruesi? Matësit kryesorë brenda perspektivës janë efektiviteti, efiçenca dhe cilësia e procesit.

7.2 Prespektiva njerëzore dhe teknologjike

Kjo perspektivë përfshin trajnimin e personelit dhe kulturën e korporatës në vetë-përmirësimin si të korporatës dhe të individit. Në një organizatë me personel të ditur, njerëzit- depozita e vetme e njohurive, janë burimi kryesor. Në klimën e sotshme të ndryshimeve të shpejta, po bëhet e domosdoshme të jesh në një gjendje të vazhdueshme të të mësuarit. Përdorimi i sistemeve mbështetëse të informacionit të integruar, fleksibël, të sigurt dhe me standarde të hapura janë një ndër faktorët për të arritur suksesin në një botë në ndryshim të vazhdueshëm.

7.3 Avantazhet e përdorimit të teknikës së Sistemeve multi-agjentë në e-learning.

Shpërndan burimet dhe kapacitetet kompjuterike në një rrjet agjentësh të ndërlidhur.

Lejon ndërlidhjen dhe bashkëveprimin e sistemeve të ndryshme. Duke ndërtuar një mbështjellës agjent rreth një sistemi të tillë, ata mund të inkorporohen në një shoqëri agjent.

Modelon problemet në terma të ndërveprimit autonom të agjentëve përbërës, që po provon se është një mënyrë më e natyrshme e përfaqësimit të shpërndarjes së detyrave, planifikimit në grup, preferencave të përdoruesve, mjediseve të hapura etj.

Gjen, përzgjedh dhe koordinon tërësisht në mënyrë efiçente informacione nga burime që janë të shpërndara gjeografikisht.

Siguron zgjidhje në situata ku ekspertiza është e shpërndarë në hapësirë dhe në kohë.

Përmirëson performancën e përgjithshme të sistemit, sidomos nga ana e efiçencës kompjuterike, besueshmërisë, shtrirjes, qëndrueshmërisë, mirëmbajtjes, fleksibilitetit dhe ripërdorimit.

7.4 Konkluzione Eni Çuko

Arkitektura service-oriented per e-learning rrit interoperability, riperdorimin, shkallezimin, qendrueshmerine, fleksibilitetin, customization dhe interadtivitetin ne nje mjedis heterogjen e-learning. Duke perdorur web services dhe teknologjine e agjenteve inteligjente eshte e lehte te programohen sherbimet ne server-end. User agents ne client-side mund te kryejne disa funksione. Kjo ndihmos ne arritjen e qellimit te ADL per riperdorimin e SCORM midis LMS distributive. Objektivat e mesimit dhe asetet gjithashtu mund te aksesohen lehtesisht nga autoret dhe dizenjuesit instruktorial.