✖


Jump to content

Интеллектуальная система обучения

Интеллектуальная система обучения ( ИТС ) – это компьютерная система немедленных и индивидуальных инструкций или обратной связи , которая имитирует репетиторов-людей и направлена ​​на предоставление учащимся . [1] человека обычно не требуя вмешательства учителя- . [2] ИТС преследуют общую цель – обеспечить осмысленное и эффективное обучение с использованием различных компьютерных технологий. Существует множество примеров использования ИТС как в формальном образовании, так и в профессиональной среде, в которых они продемонстрировали свои возможности и ограничения. Существует тесная связь между интеллектуальным обучением, теориями когнитивного обучения и дизайном; и продолжаются исследования по повышению эффективности ITS. ITS обычно стремится воспроизвести продемонстрированные преимущества индивидуального индивидуального обучения в контекстах, где в противном случае учащиеся имели бы доступ к индивидуальному обучению от одного учителя (например, классные лекции) или вообще без учителя. (например, домашнее задание онлайн). [3] ИТС часто разрабатываются с целью предоставить доступ к высококачественному образованию каждому учащемуся.

История

[ редактировать ]

Ранние механические системы

[ редактировать ]
Обучающая машина Скиннера 08

Возможность создания разумных машин обсуждалась на протяжении веков. В 17 веке Блез Паскаль создал первую вычислительную машину, способную выполнять математические функции, которую просто назвали « Калькулятор Паскаля» . В это время математик и философ Готфрид Вильгельм Лейбниц представил себе машины, способные рассуждать и применять правила логики для разрешения споров. [4] Эти ранние работы вдохновили последующие разработки.

Концепция интеллектуальных машин для обучения возникла еще в 1924 году, когда Сидни Пресси из Университета штата Огайо создал механическую обучающую машину для обучения студентов без учителя-человека. [5] [6] Его машина очень напоминала пишущую машинку с несколькими клавишами и окном, в котором обучающийся задавал вопросы. Машина Pressey позволяла пользователю вводить данные и обеспечивала немедленную обратную связь, записывая их баллы на счетчике. [7]

На Пресси оказал влияние Эдвард Л. Торндайк , теоретик обучения и педагогический психолог из Педагогического колледжа Колумбийского университета конца 19 - начала 20 веков. Торндайк сформулировал законы, позволяющие максимизировать обучение. Законы Торндайка включали закон эффекта , закон осуществления и закон новизны . По более поздним стандартам обучающая и испытательная машина Пресси не считалась бы разумной, поскольку она управлялась механически и основывалась на одном вопросе и ответе за раз. [7] но это создало ранний прецедент для будущих проектов.

К 1950-м и 1960-м годам появились новые взгляды на обучение. Беррус Фредерик «Б.Ф.» Скиннер из Гарвардского университета не согласился с теорией обучения Торндайка и обучающей машиной Пресси. Скорее, Скиннер был бихевиористом , который считал, что учащиеся должны строить свои ответы, а не полагаться на признание. [6] Он также сконструировал обучающую машину с пошаговой механической системой, которая вознаграждала учащихся за правильные ответы на вопросы. [6]

Ранние электронные системы

[ редактировать ]

В период после Второй мировой войны механические двоичные системы уступили место электронным машинам на основе двоичных чисел. Эти машины считались разумными по сравнению со своими механическими аналогами, поскольку они обладали способностью принимать логические решения. Однако изучение определения и распознавания машинного интеллекта все еще находилось в зачаточном состоянии.

Алан Тьюринг , математик, логик и ученый-компьютерщик, связал вычислительные системы с мышлением. В одной из его самых известных статей был описан гипотетический тест для оценки интеллекта машины, который стал известен как тест Тьюринга . По сути, в ходе теста человек общается с двумя другими агентами, человеком и компьютером, задавая вопросы обоим получателям. Компьютер проходит тест, если он может ответить таким образом, что человек, задающий вопросы, не сможет отличить другого человека от компьютера. Тест Тьюринга по своей сути использовался более двух десятилетий в качестве модели для текущего развития ИТС. Главным идеалом систем ИТС является эффективное общение. [7] Еще в 1950-х годах появились программы, демонстрирующие интеллектуальные функции. Работы Тьюринга, а также более поздние проекты таких исследователей, как Аллен Ньюэлл, Клиффорд Шоу и Херб Саймон, продемонстрировали программы, способные создавать логические доказательства и теоремы. Их программа The Logic Theorist продемонстрировала сложные манипуляции с символами и даже генерацию новой информации без прямого контроля человека и, по мнению некоторых, является первой программой искусственного интеллекта. Такие прорывы вдохновили бы новую область искусственного интеллекта, официально названную в 1956 году Джоном Маккарти на Дартмутской конференции . [4] Эта конференция стала первой в своем роде, посвященной ученым и исследованиям в области искусственного интеллекта.

Терминал PLATO V CAI в 1981 году.

Во второй половине 1960-х и 1970-х годов появилось множество новых проектов CAI (обучение с помощью компьютера), основанных на достижениях информатики. Создание языка программирования АЛГОЛ в 1958 году позволило многим школам и университетам начать разработку программ компьютерного обучения (CAI). Разработку этих проектов финансировали крупные поставщики компьютеров и федеральные агентства США, такие как IBM, HP и Национальный научный фонд. [8] Ранние реализации в образовании были сосредоточены на программированном обучении (PI), структуре, основанной на компьютеризированной системе ввода-вывода. Хотя многие поддержали эту форму обучения, было ограничено количество доказательств, подтверждающих ее эффективность. [7] Язык программирования LOGO был создан в 1967 году Уолли Фёрзейгом , Синтией Соломон и Сеймуром Пейпертом как язык, оптимизированный для обучения. PLATO, образовательный терминал с дисплеями, анимацией и сенсорным управлением, который может хранить и доставлять большие объемы учебного материала, был разработан Дональдом Битцером в Университете Иллинойса в начале 1970-х годов. Наряду с этим во многих странах, включая США, Великобританию и Канаду, было инициировано множество других проектов CAI. [8]

В то же время, когда интерес к CAI возрастал, Хайме Карбонелл предположил, что компьютеры могут выступать в роли учителя, а не просто инструмента (Carbonell, 1970). [9] Появится новая перспектива, ориентированная на использование компьютеров для разумного обучения учащихся, под названием «Интеллектуальное компьютерное обучение» или «Интеллектуальные системы обучения» (ИТС). Там, где CAI использовал бихевиористский взгляд на обучение, основанный на теориях Скиннера (Dede & Swigger, 1988), [10] ITS основывался на работах в области когнитивной психологии, информатики и особенно искусственного интеллекта. [10] В это время произошел сдвиг в исследованиях ИИ, поскольку системы перешли от логического фокуса предыдущего десятилетия к системам, основанным на знаниях — системы могли принимать разумные решения на основе предварительных знаний (Бьюкенен, 2006). [4] Такая программа была создана Сеймуром Пейпертом и Ирой Гольдштейн, которые создали Dendral — систему, которая предсказывала возможные химические структуры на основе существующих данных. Дальнейшая работа начала демонстрировать аналогичные рассуждения и языковую обработку. Эти изменения с акцентом на знания имели большое значение для того, как компьютеры могут использоваться в обучении. Однако технические требования ITS оказались выше и сложнее, чем у систем CAI, и системы ITS в настоящее время не имели большого успеха. [8]

Ко второй половине 1970-х годов интерес к технологиям CAI начал угасать. [8] [11] Компьютеры по-прежнему были дорогими и не такими доступными, как ожидалось. Разработчики и преподаватели негативно реагировали на высокую стоимость разработки программ CAI, недостаточное обеспечение подготовки инструкторов и нехватку ресурсов. [11]

Микрокомпьютеры и интеллектуальные системы

[ редактировать ]

Революция микрокомпьютеров в конце 1970-х и начале 1980-х годов помогла возобновить разработку CAI и дать толчок развитию систем ITS. Персональные компьютеры, такие как Apple 2 , Commodore PET и TRS-80, сократили ресурсы, необходимые для владения компьютерами, и к 1981 году 50% школ США использовали компьютеры (Chambers & Sprecher, 1983). [8] В нескольких проектах CAI Apple 2 использовалась в качестве системы для реализации программ CAI в средних школах и университетах, включая проект Британской Колумбии и проект Университета штата Калифорния в 1981 году. [8]

В начале 1980-х годов цели интеллектуального компьютерного обучения (ICAI) и ITS отошли от своих корней в CAI. Поскольку CAI все больше фокусировался на более глубоком взаимодействии с контентом, созданным для конкретной области интересов, ITS стремился создать системы, ориентированные на знание задачи и способность обобщать эти знания неспецифическими способами (Larkin & Chabay, 1992). [10] Ключевые цели, поставленные перед ITS, заключались в том, чтобы иметь возможность обучать выполнению задачи, а также выполнять ее, динамически адаптируясь к ситуации. При переходе от систем CAI к системам ICAI компьютеру придется различать не только правильный и неправильный ответ, но и тип неправильного ответа, чтобы корректировать тип инструкции. Исследования в области искусственного интеллекта и когнитивной психологии послужили основой для новых принципов ITS. Психологи рассмотрели, как компьютер может решать проблемы и выполнять «разумные» действия. Программа ITS должна иметь возможность представлять, хранить и извлекать знания и даже осуществлять поиск в собственной базе данных, чтобы получать собственные новые знания для ответа на вопросы обучающихся. По сути, ранние спецификации ITS или (ICAI) требуют, чтобы он «диагностировал ошибки и адаптировал исправления на основе диагноза» (Shute & Psotka, 1994, стр. 9). [7] Идея диагностики и исправления до сих пор используется при программировании ITS.

Ключевым прорывом в исследованиях ИТС стало создание The LISP Tutor — программы, которая реализовала принципы ИТС на практике и показала многообещающие эффекты, повышающие успеваемость учащихся. LISP Tutor был разработан и исследован в 1983 году как система ITS для обучения студентов языку программирования LISP (Corbett & Anderson, 1992). [12] Преподаватель LISP мог выявить ошибки и предоставить конструктивную обратную связь учащимся во время выполнения упражнения. Было обнаружено, что система сокращает время, необходимое для выполнения упражнений, и одновременно улучшает результаты тестов учащихся (Corbett & Anderson, 1992). [12] Примерно в это же время начинают развиваться и другие системы ITS, включая TUTOR, созданный Logica в 1984 году в качестве общего учебного инструмента. [13] и ПАРНАС, созданный в Университете Карнеги-Меллон в 1989 году для обучения языкам. [14]

Современные ИТС

[ редактировать ]

После внедрения первоначальной ИТС больше исследователей создали несколько ИТС для разных студентов. В конце 20 века интеллектуальные инструменты обучения (ИТТ) были разработаны в рамках проекта «Византия», в котором участвовали шесть университетов. ITT были создателями систем репетиторства общего назначения, и многие учебные заведения получили положительные отзывы при их использовании. (Киншук, 1996) [15] Этот разработчик, ITT, будет создавать интеллектуальный обучающий апплет (ITA) для различных предметных областей. Разные учителя создали ITA и накопили большой запас знаний, к которым другие могли получить доступ через Интернет. После создания ИТС учителя могли скопировать ее и изменить для использования в будущем. Эта система была эффективной и гибкой. Однако Киншук и Патель считали, что ИТС не была разработана с образовательной точки зрения и не была разработана с учетом реальных потребностей студентов и преподавателей (Киншук и Патель, 1997). [16] В недавних работах использовались этнографические и дизайнерские методы исследования. [17] изучить, как ИТС на самом деле используются студентами [18] и учителя [19] в самых разных контекстах, часто выявляя непредвиденные потребности, которые они удовлетворяют, не удовлетворяют, а в некоторых случаях даже создают.

Современные ИТС обычно пытаются воспроизвести роль учителя или помощника преподавателя и все больше автоматизировать педагогические функции, такие как постановка задач, выбор проблем и формирование обратной связи. Однако, учитывая текущий сдвиг в сторону моделей смешанного обучения, недавняя работа над ITS начала фокусироваться на том, как эти системы могут эффективно использовать дополнительные преимущества обучения под руководством учителя. [20] или сверстник, [21] при использовании в совмещенных классах или других социальных контекстах. [22]

Существовало три проекта ИТС, функционировавших на основе диалогового диалога: AutoTutor , Atlas (Freedman, 1999), [23] и почему2. Идея этих проектов заключалась в том, что, поскольку студенты лучше всего учатся, формируя знания сами, программы начинаются с наводящих вопросов для студентов, а ответы выдаются в крайнем случае. Студенты AutoTutor сосредоточились на ответах на вопросы о компьютерных технологиях, студенты Atlas сосредоточились на решении количественных задач, а студентыWhy2 сосредоточились на качественном объяснении физических систем. (Грессер, ВанЛен и другие, 2001 г.) [24] Другие подобные системы обучения, такие как Andes (Gertner, Conati и VanLehn, 1998). [25] склонны давать учащимся подсказки и немедленную обратную связь, когда у них возникают проблемы с ответом на вопросы. Они могли угадывать свои ответы и давать правильные ответы без глубокого понимания концепций. Исследование проводилось с участием небольшой группы студентов, использующих Атлас и Анды соответственно. Результаты показали, что учащиеся, использующие Atlas, добились значительных успехов по сравнению со студентами, использовавшими Andes. [26] Однако, поскольку вышеупомянутые системы требуют анализа диалогов учащихся, их еще предстоит усовершенствовать, чтобы можно было управлять более сложными диалогами.

Структура

[ редактировать ]

Интеллектуальные системы обучения (ИТС) состоят из четырех основных компонентов, основанных на общем консенсусе среди исследователей (Нвана, 1990; [27] Фридман, 2000; [28] Нкамбу и др., 2010 г. [29] ):

  1. Модель домена
  2. Студенческая модель
  3. Модель репетиторства и
  4. Модель пользовательского интерфейса

Модель предметной области (также известная как когнитивная модель или модель экспертных знаний) построена на теории обучения, такой как теория ACT-R , которая пытается принять во внимание все возможные шаги, необходимые для решения проблемы. Более конкретно, эта модель «содержит концепции, правила и стратегии решения проблем изучаемой области. Она может выполнять несколько ролей: как источник экспертных знаний, стандарт для оценки успеваемости учащегося или для обнаружения ошибок и т. д. ." (Нкамбу и др., 2010, стр. 4). [29] Другой подход к разработке моделей предметной области основан на теории обучения Стеллана Олссона на ошибках производительности. [30] известное как моделирование на основе ограничений (CBM). [31] В этом случае модель предметной области представлена ​​как набор ограничений на правильные решения. [32] [33]

Модель студента можно рассматривать как наложение на модель предметной области. Он считается основным компонентом ИТС, в котором особое внимание уделяется когнитивным и аффективным состояниям учащихся и их развитию по мере продвижения процесса обучения. По мере того, как учащийся шаг за шагом выполняет процесс решения проблем, ITS участвует в процессе, называемом трассировкой модели . Каждый раз, когда модель студента отклоняется от модели предметной области, система определяет или помечает , что произошла ошибка. С другой стороны, в репетиторах, основанных на ограничениях, модель ученика представлена ​​как наложение на набор ограничений. [34] Репетиторы на основе ограничений [35] оценить решение учащегося по набору ограничений и определить удовлетворенные и нарушенные ограничения. Если есть какие-либо нарушенные ограничения, решение учащегося является неправильным, и ITS предоставляет обратную связь по этим ограничениям. [36] [37] Преподаватели, основанные на ограничениях, предоставляют как отрицательную обратную связь (т. е. обратную связь об ошибках), так и положительную обратную связь. [38]

Модель репетитора принимает информацию из моделей предметной области и студента и делает выбор в отношении стратегий и действий репетитора. В любой момент процесса решения проблемы учащийся может запросить указания о том, что делать дальше, относительно его текущего местоположения в модели. Кроме того, система распознает, когда учащийся отклоняется от правил модели, и обеспечивает своевременную обратную связь для учащегося, что приводит к более короткому периоду времени для достижения навыков владения целевыми навыками. [39] Модель наставника может содержать несколько сотен продукционных правил, которые, можно сказать, существуют в одном из двух состояний: изученного или необученного . Каждый раз, когда учащийся успешно применяет правило к задаче, система обновляет оценку вероятности того, что учащийся усвоил правило. Система продолжает учить учащихся выполнять упражнения, требующие эффективного применения правила, до тех пор, пока вероятность того, что правило выучено, не достигнет минимум 95%. [40]

Отслеживание знаний отслеживает прогресс учащегося от проблемы к проблеме и создает профиль сильных и слабых сторон относительно правил производства. Система когнитивного обучения, разработанная Джоном Андерсоном в Университете Карнеги-Меллон, представляет информацию, полученную в результате отслеживания знаний, в виде скиллометра — визуального графика успехов учащегося в каждом из отслеживаемых навыков, связанных с решением задач по алгебре. Когда учащийся запрашивает подсказку или отмечается ошибка, данные отслеживания знаний и счетчик навыков обновляются в режиме реального времени.

Компонент пользовательского интерфейса «объединяет три типа информации, необходимой для ведения диалога: знания о моделях интерпретации (чтобы понять говорящего) и действиях (чтобы генерировать высказывания) в диалогах; знания предметной области, необходимые для передачи контента; и необходимые знания». для передачи намерения» (Padayachee, 2002, стр. 3). [41]

Нкамбу и др. (2010) упоминают Child's (1990). [27] обзор различных архитектур, подчеркивающий прочную связь между архитектурой и парадигмой (или философией). Нвана (1990) заявляет: «[Это] почти редкость найти две ИТС, основанные на одной и той же архитектуре, [что] является результатом экспериментального характера работ в этой области» (стр. 258). Далее он объясняет, что разные философии репетиторства подчеркивают разные компоненты процесса обучения (т.е. предметную область, ученика или преподавателя). Архитектурный проект ИТС отражает этот акцент, и это приводит к множеству архитектур, ни одна из которых по отдельности не может поддерживать все стратегии обучения (Nwana, 1990, цитируется по Nkambou et al., 2010). Более того, проекты ИТС могут различаться в зависимости от относительного уровня интеллекта компонентов. Например, проект, посвященный интеллекту в модели предметной области, может генерировать решения сложных и новых проблем, поэтому что у студентов всегда могут быть новые проблемы для работы, но у них могут быть только простые методы обучения этим проблемам, в то время как система, которая концентрируется на множественных или новых способах преподавания конкретной темы, может счесть достаточным менее сложное представление этого содержания. [28]

Методы проектирования и разработки

[ редактировать ]

Если не считать различий между архитектурами ИТС, каждая из которых подчеркивает разные элементы, разработка ИТС во многом аналогична любому проектирования обучения процессу . Корбетт и др. (1997) обобщил проектирование и разработку ИТС как состоящую из четырех повторяющихся этапов: (1) оценка потребностей, (2) анализ когнитивных задач, (3) первоначальная реализация наставником и (4) оценка. [42]

Первый этап, известный как оценка потребностей, является общим для любого процесса проектирования обучения, особенно для разработки программного обеспечения. Это включает в себя анализ учащихся , консультации с профильными экспертами и/или преподавателями. Этот первый шаг является частью развития экспертной/знанной и студенческой сферы. Цель состоит в том, чтобы определить цели обучения и наметить общий план учебной программы; Крайне важно не компьютеризировать традиционные концепции, а разработать новую структуру учебной программы, определяя задачу в целом и понимая возможное поведение учащихся при решении задачи и, в меньшей степени, поведение преподавателя. При этом необходимо учитывать три важнейших аспекта: (1) вероятность того, что учащийся сможет решить проблемы; (2) время, необходимое для достижения этого уровня успеваемости, и (3) вероятность того, что ученик будет активно использовать эти знания в будущем. Еще один важный аспект, требующий анализа, — экономическая эффективность интерфейса. Кроме того, необходимо оценить входные характеристики преподавателей и учащихся, такие как предварительные знания, поскольку обе группы будут пользователями системы. [42]

Второй этап, когнитивный анализ задач, представляет собой детальный подход к программированию экспертных систем с целью разработки действительной вычислительной модели необходимых знаний для решения проблем. Основные методы разработки модели предметной области включают: (1) опрос экспертов предметной области, (2) проведение протокольных исследований «думай вслух» с экспертами предметной области, (3) проведение исследований «думай вслух» с новичками и (4) наблюдение за преподаванием и обучением. поведение. Хотя первый метод используется чаще всего, эксперты обычно не способны сообщить о когнитивных компонентах. Методы «думай вслух», при которых эксперта просят сообщить вслух, о чем он/она думает при решении типичных задач, позволяют избежать этой проблемы. [42] Наблюдение за реальным онлайн-взаимодействием между преподавателями и студентами предоставляет информацию, связанную с процессами, используемыми при решении проблем, что полезно для построения диалога или интерактивности в системах обучения. [43]

Третий этап, начальная реализация с репетитором, включает в себя создание среды решения проблем, обеспечивающей и поддерживающей аутентичный процесс обучения. За этим этапом следует серия оценочных мероприятий в качестве заключительного этапа, который также аналогичен любому проекту разработки программного обеспечения. [42]

Четвертый этап оценки включает в себя (1) пилотные исследования для подтверждения базового удобства использования и образовательного воздействия; (2) формирующие оценки разрабатываемой системы, включая (3) параметрические исследования, изучающие эффективность функций системы, и, наконец, (4) итоговые оценки конечного эффекта наставника: скорости обучения и асимптотических уровней достижений. [42]

различные авторские инструменты , включая ASPIRE, Для поддержки этого процесса и создания интеллектуальных наставников были разработаны [44] инструменты разработки Cognitive Tutor (CTAT), [45] ПОДАРОК, [46] Строитель ПОМОЩИ [47] и инструменты AutoTutor. [48] Целью большинства этих авторских инструментов является упрощение процесса разработки преподавателей, позволяя людям с меньшим опытом, чем профессиональные программисты ИИ, разрабатывать интеллектуальные системы обучения.

Восемь принципов проектирования и разработки ИТС

Андерсон и др. (1987) [49] изложил восемь принципов интеллектуального проектирования наставников, а Корбетт и др. (1997) [42] позже подробно разработав эти принципы, выделив всеобъемлющий принцип, который, по их мнению, определяет разумный дизайн наставника, они назвали этот принцип следующим образом:

Принцип 0: Интеллектуальная система обучения должна позволять ученику работать до успешного завершения решения проблем.

  1. Представлять компетентность студента как производственный набор.
  2. Сообщите о структуре цели, лежащей в основе решения проблемы.
  3. Дайте инструкции в контексте решения проблемы.
  4. Способствовать абстрактному пониманию знаний о решении проблем.
  5. Минимизируйте нагрузку на рабочую память.
  6. Обеспечьте немедленную обратную связь об ошибках.
  7. Регулируйте размер детализации инструкций по мере обучения.
  8. Содействие последовательному приближению к целевому навыку. [42]

Использование на практике

[ редактировать ]

Все это представляет собой значительный объем работы, даже если стали доступны авторские инструменты, облегчающие задачу. [50] Это означает, что создание ИТС возможно только в ситуациях, когда они, несмотря на относительно высокие затраты на разработку, все же сокращают общие затраты за счет снижения потребности в людях-инструкторах или достаточного повышения общей производительности. Такие ситуации возникают, когда необходимо одновременно обучать большие группы или требуется множество повторяющихся усилий по обучению. В качестве примера можно привести ситуации технической подготовки, такие как подготовка новобранцев и математика в средней школе. Один конкретный тип интеллектуальной системы обучения, Cognitive Tutor , был включен в учебные программы по математике во многих средних школах США, что позволило улучшить результаты обучения учащихся на выпускных экзаменах и стандартизированных тестах. [51] Интеллектуальные системы обучения были созданы, чтобы помочь учащимся изучать географию, схемы, медицинский диагноз, компьютерное программирование, математику, физику, генетику, химию и т. д. Интеллектуальные системы обучения языку (ILTS), например эта [52] во-первых, преподавать естественный язык изучающим первый или второй язык. ILTS требует специализированных инструментов обработки естественного языка, таких как большие словари, а также морфологические и грамматические анализаторы с приемлемым охватом.

Приложения

[ редактировать ]

Во время быстрого расширения веб-бума новые парадигмы компьютерного обучения, такие как электронное обучение и распределенное обучение, предоставили прекрасную платформу для идей ИТС. Области, в которых используются ITS, включают обработку естественного языка , машинное обучение , планирование, многоагентные системы , онтологии , семантическую сеть , а также социальные и эмоциональные вычисления. Кроме того, другие технологии, такие как мультимедиа, объектно-ориентированные системы , моделирование, симуляция и статистика, также были связаны или объединены с ITS. Исторически нетехнологические области, такие как педагогика и психология, также испытали влияние успеха ITS. [53]

В последние годы [ когда? ] , ITS начала отходить от поиска и включать ряд практических приложений. [54] ИТС распространились на многие важные и сложные когнитивные области, и результаты были далеко идущими. Системы ИТС прочно заняли свое место в рамках формального образования, а также нашли свое применение в сфере корпоративного обучения и организационного обучения. ITS предлагает учащимся несколько возможностей, таких как индивидуальное обучение, своевременная обратная связь и гибкость во времени и пространстве.

Хотя интеллектуальные системы обучения возникли в результате исследований в области когнитивной психологии и искусственного интеллекта, в настоящее время их можно найти в образовании и организациях. Интеллектуальные системы обучения можно найти в онлайн-среде или в традиционных компьютерных классах, они используются в классах K-12, а также в университетах. Существует ряд программ, ориентированных на математику, но можно найти применение в медицинских науках, овладении языком и других областях формализованного обучения.

Сообщения об улучшении понимания, вовлеченности, отношения, мотивации и академических результатов учащихся способствовали постоянному интересу к инвестициям и исследованиям этих систем. Персонализированный характер интеллектуальных систем обучения дает преподавателям возможность создавать индивидуальные программы. В сфере образования существует множество интеллектуальных систем обучения, исчерпывающего списка не существует, но некоторые из наиболее влиятельных программ перечислены ниже.

Образование

[ редактировать ]

По состоянию на май 2024 года репетиторы по искусственному интеллекту составляют пять из 20 лучших образовательных приложений в Apple App Store , причем два лидера — китайские разработчики. [55]

Репетитор по алгебре
PAT (PUMP Algebra Tutor или Practice Algebra Tutor), разработанный Питтсбургским репетиторским центром продвинутого познания при Университете Карнеги-Меллон , вовлекает студентов в решение фиксированных задач обучения и использует современные алгебраические инструменты для вовлечения студентов в решение проблем и обмен результатами. Цель PAT — использовать предварительные знания и повседневный опыт учащегося в области математики для содействия его росту. Успех PAT хорошо задокументирован (например, Управление оценки и исследований государственных школ округа Майами-Дейд) как со статистической (результаты учащихся), так и с эмоциональной (отзывы учащихся и преподавателей) точки зрения. [56]
SQL-Репетитор
SQL-Репетитор [57] [58] — это первый репетитор, основанный на ограничениях, разработанный Группой интеллектуального компьютерного обучения (ICTG) Кентерберийского университета , Новая Зеландия. SQL-Tutor учит студентов извлекать данные из баз данных с помощью оператора SQL SELECT. [59]
Репетитор по ЕЭЗ
Репетитор по ЕЭЗ [60] — это учебное пособие на основе ограничений (разработанное ICTG), которое обучает концептуальному проектированию баз данных с использованием модели Entity Relationship. Более ранней версией EER-Tutor был KERMIT, автономный репетитор по ER-моделированию, который приводил к значительному улучшению знаний студентов после одного часа обучения (с величиной эффекта 0,6). [61]
COLLECT-UML
COLLECT-UML [62] — это репетитор на основе ограничений, который поддерживает пары учащихся, совместно работающих над диаграммами классов UML. Преподаватель обеспечивает обратную связь на уровне предметной области, а также по вопросам сотрудничества.
СтоичРепетитор
СтоичРепетитор [63] [64] — это интеллектуальный сетевой репетитор, который помогает старшеклассникам изучать химию, в частности раздел химии, известный как стехиометрия. Он использовался для изучения различных принципов и методов обучения, таких как рабочие примеры. [65] [66] и вежливость. [67] [68]
Репетитор по математике
Репетитор по математике (Бил, Бек и Вульф, 1998) помогает учащимся решать словесные задачи, используя дроби, десятичные дроби и проценты. Преподаватель записывает показатели успеха, пока ученик работает над задачами, и одновременно предлагает ученику последующие, подходящие для рычага, задачи, над которыми он может работать. Последующие задачи выбираются в зависимости от способностей учащегося, и оценивается желаемое время, в течение которого учащийся должен решить задачу. [69]
Электронный учитель
eTeacher (Schiaffino et al., 2008) — интеллектуальный агент или педагогический агент , который поддерживает персонализированную помощь в электронном обучении. Он создает профили студентов, наблюдая за успеваемостью студентов на онлайн-курсах. Затем eTeacher использует информацию об успеваемости учащихся, чтобы предложить персонализированные курсы действий, призванные помочь им в процессе обучения. [70]
ЗОС ФУД
ZOSMAT был разработан для удовлетворения всех потребностей реального класса. Он следует за учеником и направляет его на разных этапах процесса обучения. Эта система ITS, ориентированная на учащихся, делает это путем записи прогресса в обучении учащегося, а программа обучения меняется в зависимости от усилий учащегося. ZOSMAT можно использовать как для индивидуального обучения, так и в реальной учебной среде под руководством преподавателя. [71]
РЕАЛП
REALP был разработан, чтобы помочь учащимся улучшить понимание прочитанного, предоставляя читателю лексическую практику и предлагая персонализированную практику с полезными, аутентичными материалами для чтения, собранными из Интернета. Система автоматически строит модель пользователя в зависимости от успеваемости учащегося. После чтения студенту дается серия упражнений на основе целевой лексики, обнаруженной при чтении. [72]
CIRCSIM-Репетитор
CIRCSIM_Tutor — это интеллектуальная система обучения, которая используется студентами-медиками первого курса Иллинойского технологического института. Он использует сократовский язык, основанный на естественном диалоге, чтобы помочь учащимся научиться регулировать кровяное давление. [73]
Почему2-Атлас
Why2-Atlas — это ITS, которая анализирует объяснения учащихся принципов физики. Студенты вводят свою работу в виде абзацев, и программа преобразует их слова в доказательство, делая предположения об убеждениях учащихся, основанные на их объяснениях. При этом выявляются заблуждения и неполные объяснения. Затем система решает эти проблемы посредством диалога со студентом и просит его исправить свое эссе. Прежде чем процесс будет завершен, может произойти несколько итераций. [74]
СмартТьютор
Университет Гонконга (HKU) разработал SmartTutor для удовлетворения потребностей студентов непрерывного образования. Персонализированное обучение было определено как ключевая потребность в образовании взрослых в HKU, и SmartTutor стремится удовлетворить эту потребность. SmartTutor обеспечивает поддержку студентов, сочетая интернет-технологии, образовательные исследования и искусственный интеллект. [75]
АвтоТьютор
AutoTutor помогает студентам колледжей изучить компьютерное оборудование, операционные системы и Интернет на вводном курсе компьютерной грамотности, моделируя модели дискурса и педагогические стратегии преподавателя-человека. AutoTutor пытается понять ввод данных учащимся с клавиатуры, а затем формулирует диалоговые ходы с обратной связью, подсказками, исправлениями и подсказками. [76]
АктивМатематика
ActiveMath — это адаптивная веб-среда обучения математике. Эта система направлена ​​на улучшение дистанционного обучения, дополнение традиционного обучения в классе и поддержку индивидуального обучения и обучения на протяжении всей жизни. [77]
ESC101-ИТС
Индийский технологический институт, Канпур, Индия, разработал ESC101-ITS, интеллектуальную систему обучения вводным задачам программирования.
АдаптироватьЭррекс
[78] — это адаптивный интеллектуальный репетитор, который использует интерактивные примеры ошибок, чтобы помочь учащимся освоить десятичную арифметику. [79] [80] [81]

Корпоративное обучение и промышленность

[ редактировать ]

Generalized Intelligent Framework for Tutoring (GIFT) — образовательное программное обеспечение, предназначенное для создания компьютерных систем обучения. Разработанный Исследовательской лабораторией армии США с 2009 по 2011 год, GIFT был выпущен для коммерческого использования в мае 2012 года. [82] GIFT имеет открытый исходный код и не зависит от домена, его можно загрузить онлайн бесплатно. Программное обеспечение позволяет преподавателю разработать программу обучения, которая может охватывать различные дисциплины путем корректировки существующих курсов. Он включает в себя инструменты курсовой работы, предназначенные для использования исследователями, разработчиками учебных материалов, преподавателями и студентами. [83] GIFT совместим с другими учебными материалами, такими как презентации PowerPoint, которые можно интегрировать в программу. [83]

ШЕРЛОК «ШЕРЛОК» используется для обучения технических специалистов ВВС диагностике проблем в электрических системах самолетов F-15. ITS создает ошибочные принципиальные схемы систем, которые обучаемый может найти и диагностировать. ITS предоставляет диагностические показания, позволяющие обучаемому решить, связана ли неисправность с проверяемой цепью или где-то еще в системе. Обратная связь и рекомендации предоставляются системой, а помощь доступна по запросу. [84]

Кардиологический репетитор Целью Cardiac Tutor является поддержка медицинского персонала передовыми методами сердечной поддержки. Преподаватель рассказывает о проблемах с сердцем, и, используя различные шаги, студенты должны выбрать различные вмешательства. Cardiac Tutor предоставляет подсказки, устные советы и обратную связь, чтобы персонализировать и оптимизировать обучение. В результате каждой симуляции, независимо от того, смогли ли студенты успешно помочь своим пациентам, создается подробный отчет, который студенты затем просматривают. [85]

КОДЫ Cooperative Music Prototype Design — это веб-среда для совместного создания музыкальных прототипов. Он был разработан для поддержки пользователей, особенно неспециалистов в музыке, в создании музыкальных произведений методом прототипирования. Музыкальные примеры (прототипы) можно многократно тестировать, воспроизводить и модифицировать. Одним из главных аспектов CODES является взаимодействие и сотрудничество создателей музыки и их партнеров. [86]

Эффективность

[ редактировать ]

Оценка эффективности программ ИТС проблематична. ИТС сильно различаются по дизайну, реализации и образовательной направленности. Когда ИТС используются в классе, системой пользуются не только учащиеся, но и учителя. Такое использование может создать препятствия для эффективной оценки по ряду причин; в первую очередь из-за вмешательства учителей в обучение учащихся.

Учителя часто имеют возможность вводить в систему новые задачи или корректировать учебную программу. Кроме того, учителя и сверстники часто взаимодействуют со студентами, пока они учатся с помощью ITS (например, во время индивидуального занятия в компьютерном классе или во время аудиторных лекций между лабораторными занятиями) таким образом, что это может повлиять на их обучение с помощью программного обеспечения. [20] Предыдущие исследования показывают, что подавляющее большинство обращений учащихся за помощью в классах, использующих ITS, могут происходить полностью за пределами программного обеспечения, а это означает, что характер и качество обратной связи со сверстниками и учителями в конкретном классе могут быть важным посредником в обучении учащихся. эти контексты. [18] Кроме того, такие аспекты климата в классе, как общий уровень комфорта учащихся при публичном обращении за помощью, [17] или степень, в которой учитель физически активен при наблюдении за отдельными учениками [87] могут добавить дополнительные источники вариаций в зависимости от контекста оценки. Все эти переменные составляют оценку комплекса ИТС, [88] и может помочь объяснить различия в результатах различных оценочных исследований. [89]

Несмотря на присущие сложности, многочисленные исследования пытались измерить общую эффективность ИТС, часто путем сравнения ИТС с преподавателями-людьми. [90] [91] [92] [3] Обзоры ранних систем ITS (1995) показали величину эффекта d = 1,0 по сравнению с отсутствием репетиторства, тогда как для наставников-людей размер эффекта был равен d = 2,0. [90] В гораздо более позднем обзоре современных ИТС, проведенном Куртом ВанЛеном (2011 г.), было обнаружено, что не было статистической разницы в величине эффекта между экспертными индивидуальными преподавателями и ИТС, основанными на шагах. [3] Некоторые отдельные ИТС были оценены более положительно, чем другие. Исследования, проведенные с помощью Algebra Cognitive Tutor, показали, что студенты ITS превзошли студентов, которых обучал классный руководитель, в решении стандартных тестовых задач и задач по решению реальных проблем. [93] Последующие исследования показали, что эти результаты были особенно выражены у учащихся со специальным образованием, не носителей английского языка и из малообеспеченных семей. [94]

Более поздний метаанализ показывает, что ITS могут превосходить эффективность как CAI, так и репетиторов-людей, особенно при измерении с помощью местных (специфичных) тестов, а не стандартизированных тестов. «Учащиеся, получившие интеллектуальное обучение, превзошли учеников обычных классов в 46 (или 92%) из 50 контролируемых оценок, а улучшение успеваемости было достаточно большим, чтобы считаться существенным в 39 (или 78%) из 50 исследований. Медиана ES в 50 исследованиях составила 0,66, что считается эффектом от умеренного до высокого для исследований в области социальных наук. Это примерно эквивалентно улучшению результатов тестов с 50-го до 75-го процентиля. Это выше типичного. Эффекты от других форм обучения. Мета-анализ C.-LC Kulik and Kulik (1991), например, показал, что средний показатель ES, равный 0,31, в 165 исследованиях обучения с помощью CAI примерно в два раза выше. Эффект ITS также выше. Эффект от обучения людей выше, чем обычно. Как мы видели, программы обучения людей обычно повышают результаты тестов учащихся примерно на 0,4 стандартных отклонения по сравнению с контрольными уровнями. Разработчики ITS давно задались целью улучшить успех обучения CAI и соответствовать этому успеху. человеческого обучения. Наши результаты показывают, что разработчики ИТС уже достигли обеих этих целей... Хотя эффекты были от умеренных до сильных в оценках, в которых измерялись результаты с помощью разработанных на местах тестов, они были гораздо меньшими в оценках, в которых измерялись результаты с помощью стандартизированных тестов. Средний ES в исследованиях с использованием локальных тестов составил 0,73; средний ES в исследованиях со стандартизированными тестами составил 0,13. Это несоответствие не является чем-то необычным для метаанализов, которые включают как локальные, так и стандартизированные тесты... локальные тесты, скорее всего, хорошо согласуются с целями конкретных учебных программ. Имеющиеся в наличии стандартизированные тесты обеспечивают более свободную посадку. ... Мы убеждены, что как местные, так и стандартизированные тесты предоставляют важную информацию об эффективности обучения, и, когда это возможно, оба типа тестов должны быть включены в оценочные исследования». [95]

Некоторыми признанными сильными сторонами ITS являются их способность обеспечивать немедленную обратную связь «да» или «нет», индивидуальный выбор задач, подсказки по запросу и поддержку дальнейшего обучения. [3] [96]

Ограничения

[ редактировать ]

Интеллектуальные системы обучения дороги как в разработке, так и во внедрении. Этап исследований прокладывает путь к разработке коммерчески жизнеспособных систем. Однако этап исследования часто обходится дорого; это требует сотрудничества и вклада экспертов в данной области, сотрудничества и поддержки отдельных лиц как в организациях, так и на организационных уровнях. Еще одним ограничением на этапе разработки является концептуализация и разработка программного обеспечения в рамках бюджетных и временных ограничений. Существуют также факторы, ограничивающие внедрение интеллектуальных наставников в реальный мир, в том числе длительные сроки разработки и высокая стоимость создания компонентов системы. Большая часть этих затрат является результатом создания компонентов контента. [29] Например, опросы показали, что кодирование часа онлайн-обучения занимает 300 часов времени разработки обучающего контента. [97] Аналогичным образом, для создания Cognitive Tutor соотношение времени разработки и времени обучения составило не менее 200:1 часов. [90] Высокая стоимость разработки часто затмевает повторение усилий для реального применения. [98] Интеллектуальные системы обучения, как правило, коммерчески невыгодны для реальных приложений. [98]

Критика используемых в настоящее время интеллектуальных систем обучения - это педагогика немедленной обратной связи и последовательностей подсказок, которые встроены в систему, чтобы сделать систему «интеллектуальной». Эту педагогику критикуют за неспособность развить у учащихся глубокое обучение. Когда учащимся предоставляется контроль над способностью получать подсказки, создаваемая реакция обучения является отрицательной. Некоторые ученики сразу же обращаются к подсказкам, прежде чем попытаться решить проблему или выполнить задание. Когда это возможно, некоторые ученики используют подсказки до предела – получают как можно больше подсказок как можно быстрее – чтобы быстрее выполнить задание. Если учащиеся не учитывают отзывы или подсказки системы обучения и вместо этого увеличивают догадки до тех пор, пока не будут получены положительные отзывы, учащийся, по сути, учится поступать правильно по неправильным причинам. Большинство систем обучения в настоящее время неспособны обнаружить поверхностное обучение или отличить продуктивную борьбу от непродуктивной (хотя см., например, [99] [100] ). По этим и многим другим причинам (например, адаптация базовых моделей к конкретным группам пользователей) [101] ), эффективность этих систем может значительно различаться у разных пользователей. [102]

Еще одна критика интеллектуальных систем обучения заключается в неспособности системы задавать ученикам вопросы для объяснения их действий. Если учащийся не изучает предметный язык, ему становится труднее добиться более глубокого понимания, совместной работы в группах и перевода предметного языка в письменную форму. Например, если студент не «говорит о науке», утверждается, что он не погружается в культуру науки, что затрудняет написание научных статей или участие в совместных командных усилиях. Интеллектуальные системы обучения подвергались критике за то, что они были слишком «инструктивистскими» и удаляли из обучения внутреннюю мотивацию, социальный контекст обучения и контекстный реализм. [103]

Следует принимать во внимание практические проблемы, связанные со склонностью спонсоров/органов власти и пользователей адаптировать интеллектуальные системы обучения. [98] Во-первых, у кого-то должно быть желание внедрить ИТС. [98] Кроме того, орган власти должен признать необходимость интеграции интеллектуального программного обеспечения для обучения в текущую учебную программу и, наконец, спонсор или орган власти должен предложить необходимую поддержку на всех этапах разработки системы, пока она не будет завершена и внедрена. [98]

Оценка интеллектуальной системы обучения является важным этапом; однако зачастую это сложно, дорого и отнимает много времени. [98] Несмотря на то, что в литературе представлены различные методы оценки, не существует руководящих принципов выбора подходящего метода(ов) оценки для использования в конкретном контексте. [104] [105] Необходимо провести тщательную проверку, чтобы убедиться, что сложная система делает то, что заявлена. Эта оценка может проводиться во время проектирования и ранней разработки системы для выявления проблем и руководства модификациями (т. е. формативная оценка). [106] Напротив, оценка может проводиться после завершения работы системы для подтверждения формальных утверждений о конструкции, поведении или результатах, связанных с завершенной системой (т. е. суммирующая оценка). [106] Огромная проблема, вызванная отсутствием стандартов оценки, привела к игнорированию стадии оценки в некоторых существующих ИТС. [104] [105] [106]

Улучшения

[ редактировать ]

Интеллектуальные системы обучения менее способны, чем репетиторы-люди, в области диалога и обратной связи. Например, преподаватели-люди способны интерпретировать аффективное состояние ученика и потенциально адаптировать обучение в ответ на это восприятие. Недавняя работа направлена ​​на изучение потенциальных стратегий преодоления этих ограничений ИТС, чтобы сделать их более эффективными.

Диалог

Наставники-люди обладают способностью понимать тон и интонации человека в диалоге и интерпретировать это, чтобы обеспечить постоянную обратную связь в ходе продолжающегося диалога. В настоящее время разрабатываются интеллектуальные системы обучения, пытающиеся имитировать естественные разговоры. Чтобы получить полный опыт общения, компьютер необходимо запрограммировать во многих различных областях; включая способность понимать тон, интонацию, язык тела и выражение лица, а затем реагировать на них. Диалог в ИТС можно использовать для того, чтобы задавать конкретные вопросы, которые помогут учащимся ориентироваться и получать информацию, одновременно позволяя учащимся формировать свои собственные знания. [107] Развитие более сложного диалога в рамках ИТС было в центре внимания некоторых текущих исследований, частично направленных на устранение ограничений и создание более конструктивистского подхода к ИТС. [108] Кроме того, некоторые текущие исследования сосредоточены на моделировании природы и эффектов различных социальных сигналов, которые обычно используются в диалоге репетиторов и подопечных, чтобы построить доверие и взаимопонимание (которые, как было доказано, оказывают положительное влияние на обучение учащихся). [109] [110]

Эмоциональный аффект

Растущий объем работ рассматривает роль влияния на обучение с целью разработки интеллектуальных систем обучения, которые могут интерпретировать и адаптироваться к различным эмоциональным состояниям. [111] [112] Люди не только используют когнитивные процессы в обучении, но и аффективные процессы, через которые они проходят, также играют важную роль. Например, учащиеся учатся лучше, если у них есть определенный уровень неуравновешенности (разочарования), но недостаточный для того, чтобы учащийся почувствовал себя полностью перегруженным. [111] Это побудило аффективные вычисления начать создавать и исследовать интеллектуальные системы обучения, которые могут интерпретировать аффективные процессы человека. [111] ITS может быть разработан для чтения выражений лица человека и других признаков аффекта в попытке найти и настроить оптимальное аффективное состояние для обучения. При этом возникает множество сложностей, поскольку аффект выражается не одним, а несколькими способами, поэтому для того, чтобы ИТС была эффективной в интерпретации аффективных состояний, может потребоваться мультимодальный подход (тон, выражение лица и т. д.). [111] Эти идеи создали новую область внутри ITS — системы аффективного обучения (ATS). [112] Одним из примеров ITS, которая устраняет аффект, является Gaze Tutor, который был разработан для отслеживания движений глаз учащихся и определения того, скучно ли им или отвлечено, а затем система пытается повторно вовлечь ученика. [113]

Построение взаимопонимания

На сегодняшний день большинство ИТС сосредоточены исключительно на когнитивных аспектах репетиторства, а не на социальных отношениях между системой репетиторства и учеником. Как показывает парадигма «Компьютеры — социальные субъекты» , люди часто проецируют социальную эвристику на компьютеры. Например, в наблюдениях за маленькими детьми, взаимодействующими с Сэмом, помощником по замку , агентом, рассказывающим истории, дети взаимодействовали с этим смоделированным ребенком во многом так же, как с человеческим ребенком. [114] Было высказано предположение, что для эффективной разработки ITS, обеспечивающей взаимопонимание с учащимися, ITS должен имитировать стратегии непосредственного обучения, поведение, которое преодолевает кажущуюся социальную дистанцию ​​между учащимися и учителями, например, улыбка и обращение к учащимся по имени. [115] Что касается подростков, Ogan et al. На основе наблюдений за близкими друзьями, обучающими друг друга, можно утверждать, что для того, чтобы ITS установила взаимопонимание на уровне сверстника со студентом, вероятно, необходим более сложный процесс построения доверия, который в конечном итоге может потребовать, чтобы система обучения обладала способностью эффективно реагировать и даже производить, казалось бы, грубое поведение, чтобы смягчить мотивационные и эмоциональные факторы учащихся посредством игривых шуток и насмешек. [116]

Обучаемые агенты

Традиционно ITS берут на себя роль автономных наставников, однако они также могут брать на себя роль подопечных с целью обучения посредством обучающих упражнений. Имеющиеся данные свидетельствуют о том, что обучение посредством преподавания может быть эффективной стратегией, способствующей самообъяснению, улучшению чувства самоэффективности , а также повышению успеваемости и запоминаемости. [117] Чтобы воспроизвести этот эффект, можно поменяться ролями ученика и ИТС. Этого можно достичь, спроектировав ITS так, чтобы он выглядел как обучаемый, как в случае с арифметической игрой с обучаемым агентом. [118] и Мозг Бетти. [119] Другой подход заключается в том, чтобы студенты обучали агента машинного обучения, который может научиться решать проблемы путем демонстрации и обратной связи по правильности, как в случае с системой APLUS, созданной с помощью SimStudent. [120] Чтобы воспроизвести образовательный эффект обучения путем обучения обучаемых агентов, обычно поверх них создается социальный агент, который задает вопросы или вводит в замешательство. Например, Бетти из Betty's Brain предложит учащемуся задать вопросы, чтобы убедиться, что он понял материал, а Стейси из APLUS предложит пользователю объяснить отзывы, предоставленные учащимся.

См. также

[ редактировать ]

Ссылки

[ редактировать ]
  1. ^ Джозеф Псотка, Шэрон А. Муттер (1988). Интеллектуальные системы обучения: извлеченные уроки . Лоуренс Эрлбаум Ассошиэйтс. ISBN  978-0-8058-0192-7 .
  2. ^ Арнау-Гонсалес, Пабло; Аревалило-Эррас, Мигель; Луиза, Ромина Альборнос-Де; Арнау, Дэвид (01 июня 2023 г.). «Методологический подход, обеспечивающий взаимодействие на естественном языке в интеллектуальной системе обучения» . Компьютерная речь и язык . 81 : 101516. doi : 10.1016/j.csl.2023.101516 . ISSN   0885-2308 .
  3. ^ Перейти обратно: а б с д ВанЛен, К. (2011). «Относительная эффективность человеческого обучения, интеллектуальных систем обучения и других систем обучения». Педагог-психолог . 46 (4): 197–221. дои : 10.1080/00461520.2011.611369 . S2CID   16188384 .
  4. ^ Перейти обратно: а б с Бьюкенен, Б. (2006). (Очень) краткая история искусственного интеллекта. Журнал AI 26 (4). стр.53-60.
  5. ^ «Сидни Пресси» . Краткая история учебного дизайна . Архивировано из оригинала 11 июля 2023 года.
  6. ^ Перейти обратно: а б с Фрай, Э. (1960). Дихотомия обучающей машины: Скиннер против Пресси. Психологические отчеты(6) 11-14. Издательство Южного университета.
  7. ^ Перейти обратно: а б с д и Шут, В.Дж., и Псотка, Дж. (1994). Интеллектуальные системы обучения: прошлое, настоящее и будущее. Управление по работе с персоналом, отдел кадров и исследований персонала. стр. 2-52
  8. ^ Перейти обратно: а б с д и ж Чемберс Дж. и Спречер Дж. (1983). Компьютерное обучение: его использование в классе. Энглвуд Клиффс, Нью-Джерси: Prentice-Hall Inc.
  9. ^ Карбонелл, Хайме Р. (1970). «ИИ в CAI: подход к компьютерному обучению на основе искусственного интеллекта». Транзакции IEEE в человеко-машинных системах . 11 (4): 190–202. дои : 10.1109/TMMS.1970.299942 .
  10. ^ Перейти обратно: а б с Ларкин Дж. и Чабай Р. (ред.). (1992). Компьютерное обучение и интеллектуальные системы обучения: общие цели и дополнительные подходы. Хиллсдейл, Нью-Джерси: Lawrence Erlbaum Associates.
  11. ^ Перейти обратно: а б Андерсон, К. (1986). «Компьютерное обучение». Журнал медицинских систем . 10 (2): 163–171. дои : 10.1007/bf00993122 . ПМИД   3528372 . S2CID   29915101 .
  12. ^ Перейти обратно: а б Корбетт, А.Т., и Андерсон, младший (1992). Исследование интеллектуальной системы обучения LISP в области приобретения навыков. Ларкин Дж. и Чабай Р. (ред.) Компьютерное обучение и интеллектуальные системы обучения: общие цели и дополнительные подходы (стр. 73–110) Энглвуд Клиффс, Нью-Джерси: Prentice-Hall Inc.
  13. ^ Форд, Л. Новая интеллектуальная система обучения (2008), Британский журнал образовательных технологий, 39 (2), 311-318.
  14. ^ Байлин, А., Левин, Л. Введение: интеллектуальное обучение языку с помощью компьютера (1989) Компьютеры и гуманитарные науки, 23, 3-11
  15. ^ Киншук (1996). Компьютерное обучение для студентов начального уровня, изучающих бухгалтерский учет. Докторская диссертация, Университет Де Монфор, Англия, июль 1996 г.
  16. ^ Киншук и Ашок Патель. (1997) Концептуальная основа для интеллектуальных систем обучения через Интернет. Передача знаний, II, 117-24.
  17. ^ Перейти обратно: а б Шофилд, Дж.В., Эйрих-Фалцер, Р., и Бритт, К.Л. (1994). Учителя, компьютерные репетиторы и преподавание: репетитор с искусственным интеллектом как агент перемен в классе. Американский журнал исследований в области образования , 31 (3), 579–607.
  18. ^ Перейти обратно: а б Оган А., Уокер Э., Бейкер Р.С., Реболледо Мендес Г., Хименес Кастро М., Лаурентино Т. и Де Карвальо А. (май 2012 г.). Сотрудничество в использовании когнитивных наставников в Латинской Америке: полевое исследование и рекомендации по проектированию. В материалах конференции SIGCHI по человеческому фактору в вычислительных системах (стр. 1381-1390). АКМ.
  19. ^ Гольштейн, К., Макларен, Б.М., и Алевен, В. (март 2017 г.). Интеллектуальные наставники в качестве помощников учителей: изучение потребностей учителей в аналитике в реальном времени в смешанных классах. В материалах Седьмой Международной конференции по аналитике обучения и знаниям (стр. 257-266). АКМ.
  20. ^ Перейти обратно: а б Миллер, В.Л., Бейкер, Р.С., Лабрум, М.Дж., Петше, К., Лю, Ю.Х., и Вагнер, А.З. (март 2015 г.). Автоматическое обнаружение превентивных исправлений учителями в классах Reasoning Mind. В материалах Пятой Международной конференции по аналитике обучения и знаниям (стр. 290–294). АКМ.
  21. ^ Дизиол Д., Уокер Э., Раммель Н. и Кёдингер КР (2010). Использование интеллектуальных технологий репетитора для реализации адаптивной поддержки совместной работы студентов. Обзор педагогической психологии , 22 (1), 89-102.
  22. ^ Бейкер, RS (2016). Глупые системы обучения, умные люди. Международный журнал искусственного интеллекта в образовании , 26 (2), 600-614.
  23. ^ Фридман, Р. 1999. Атлас: менеджер плана для смешанного и мультимодального диалога. (1999) Семинар AAAI по разведке смешанной инициативы
  24. ^ Грессер, Артур К., Курт ВанЛен, Кэролин П. Роуз, Памела В. Джордан и Дерек Хартер. (2001) Интеллектуальные системы обучения с разговорным диалогом. Журнал «Ал» 22.4, 39–52.
  25. ^ Гертнер, А.; Конати, К. ; и ВанЛен, К. (1998) Процедурная помощь в Андах; Генерация подсказок с использованием модели студента байесовской сети. Искусственный интеллект, 106-111.
  26. ^ Шелби, Р.Н.; Шульце, КГ; Трейси, диджей; Уинтерсгилл, MC; ВанЛен, К.; и Вайнштейн А. (2001) Оценка наставника Анд.
  27. ^ Перейти обратно: а б Нвана, HS (1990). «Интеллектуальные системы обучения: обзор». Обзор искусственного интеллекта . 4 (4): 251–277. дои : 10.1007/bf00168958 . S2CID   206771063 .
  28. ^ Перейти обратно: а б Фридман, Р. (2000). «Что такое интеллектуальная система обучения?» . Интеллект . 11 (3): 15–16. дои : 10.1145/350752.350756 . S2CID   5281543 .
  29. ^ Перейти обратно: а б с Нкамбу Р., Мидзогучи Р. и Бурдо Дж. (2010). Достижения в области интеллектуальных систем обучения. Гейдельберг: Спрингер.
  30. ^ Олссон, С. (1996) Обучение на ошибках производительности. Психологическое обозрение, 103, 241–262.
  31. ^ Олссон, С. (1992) Студенческое моделирование на основе ограничений. Искусственный интеллект в образовании, 3(4), 429-447.
  32. ^ Митрович, А., Олссон, С. (2006) Представление знаний на основе ограничений для индивидуализированного обучения. Информатика и информационные системы, 3(1), 1-22.
  33. ^ Олссон, С., Митрович, А. (2007) Верность и эффективность представления знаний для интеллектуальных систем обучения. Технология, обучение, познание и обучение, 5 (2), 101–132.
  34. ^ Митрович А. и Олссон С. (1999) Оценка преподавателя, основанного на ограничениях, для языка баз данных. Межд. Дж. Искусственный интеллект в образовании, 10 (3-4), 238-256.
  35. ^ Митрович, А. (2010) Пятнадцать лет наставников, основанных на ограничениях: чего мы достигли и куда мы идем. Пользовательское моделирование и взаимодействие с пользователем, 22 (1-2), 39-72.
  36. ^ Митрович, А., Мартин, Б., Суравира, П. (2007) Интеллектуальные наставники для всех: методология моделирования на основе ограничений, системы и авторская работа. Интеллектуальные системы IEEE, 22(4), 38-45.
  37. ^ Захаров К., Митрович А., Олссон С. (2005) Микроинженерия обратной связи в EER-Tutor. В: К.К. Луи, Г. МакКалла, Б. Бредевег, Дж. Бройкер (ред.) Proc. Искусственный интеллект в образовании AIED 2005, IOS Press, стр. 718-725.
  38. ^ Митрович А., Олссон С., Барроу Д. (2013) Эффект положительной обратной связи в интеллектуальной системе обучения, основанной на ограничениях. Компьютеры и образование, 60(1), 264–272.
  39. ^ Андерсон, Х.; Кедингер, М. (1997). «Интеллектуальное репетиторство идет в школу большого города». Международный журнал искусственного интеллекта в образовании . 8 : 30–43.
  40. ^ Корбетт, Альберт Т. и Андерсон, Джон Р., «Моделирование учащихся и повышение квалификации у репетитора по компьютерному программированию» (2008). Кафедра психологии. Документ 18. http://repository.cmu.edu/psychology/18 .
  41. ^ Падаячи И. (2002). Интеллектуальные системы обучения: архитектура и характеристики.
  42. ^ Перейти обратно: а б с д и ж г Корбетт А.Т., Кёдингер, К.Р., и Андерсон, младший (1997). Интеллектуальные системы обучения. В М.Г. Хеландере, Т.К. Ландауэре и П.В. Прабху (ред.), Справочник по взаимодействию человека и компьютера (стр. 849–874). Амстердам: Эльзевир.
  43. ^ Шах, Фархана; Марта Эвенс; Джоэл Майкл; Аллен Ровик (2002). «Классификация студенческих инициатив и ответов преподавателей на занятиях с клавиатурой на клавиатуру». Дискурсивные процессы . 33 (1): 23–52. CiteSeerX   10.1.1.20.7809 . дои : 10.1207/s15326950dp3301_02 . S2CID   62527862 .
  44. ^ Митрович А., Мартин Б., Суравира П., Захаров К., Милик Н., Холланд Дж. и Макгиган Н. (2009). ASPIRE: авторская система и среда развертывания для преподавателей, основанных на ограничениях. Международный журнал искусственного интеллекта в образовании, 19 (2), 155–188.
  45. ^ Алевен, В., Макларен, Б.М., Сьюэлл, Дж., ван Вельсен, М., Попеску, О., Деми, С., Рингенберг, М. и Кедингер, К.Р. (2016). Репетиторы по отслеживанию примеров: интеллектуальная разработка репетиторов для непрограммистов. Международный журнал искусственного интеллекта в образовании, 26 (1), 224-269. дои: 10.1007/s40593-015-0088-2
  46. ^ Соттиларе, Р. (2012). Соображения по разработке онтологии обобщенной интеллектуальной структуры обучения. На конференции I3M по моделированию обороны и внутренней безопасности (DHSS 2012).
  47. ^ Раззак, Л., Патварчки, Дж., Алмейда, С.Ф., Вартак, М., Фэн, М., Хеффернан, NT, и Кёдингер, КР (2009). The Assistment Builder: Поддержка жизненного цикла создания контента системы обучения. IEEE Transactions on Learning Technologies, 2 (2), 157–166.
  48. ^ Най, Б.Д., Грассер, AC, и Ху, X. (2014). AutoTutor и семья: обзор 17 лет обучения естественному языку. Международный журнал искусственного интеллекта в образовании, 24 (4), 427–469. doi:10.1007/s40593-014-0029-5.
  49. ^ Андерсон Дж., Бойл К., Фаррелл Р. и Райзер Б. (1987). Когнитивные принципы в разработке компьютерных репетиторов. В П. Моррисе (ред.), Моделирование познания . Нью-Йорк: Джон Уайли.
  50. ^ Пример инструмента разработки ITS см. в разделе « Инструменты разработки когнитивного обучения».
  51. ^ Кёдингер, КР ; Корбетт, А. (2006). «Когнитивные репетиторы: технологии, приносящие науку в класс». В Сойере, К. (ред.). Кембриджский справочник по наукам об обучении . Издательство Кембриджского университета. стр. 61–78. OCLC   62728545 .
  52. ^ Шаалан, Халид Ф. (февраль 2005 г.). «Интеллектуальная компьютерная система изучения языка для изучающих арабский язык». Изучение языка с помощью компьютера . 18 (1 и 2): 81–108. дои : 10.1080/09588220500132399 .
  53. ^ Рамос К., Рамос К., Фрассон К. и Рамачандран С. (2009). Введение в специальный выпуск о реальном применении интеллектуальных систем обучения., 2 (2) 62-63.
  54. ^ https://trac.v2.nl/export/.../Intelligent%20Tutoring%20Systems.pdf [ постоянная мертвая ссылка ]
  55. ^ Ляо, Рита (25 мая 2024 г.). «Репетиторы по искусственному интеллекту незаметно меняют методы обучения детей в США, а ведущие приложения родом из Китая» . ТехКранч . Проверено 28 мая 2024 г.
  56. ^ Оценка программы когнитивного преподавателя алгебры I Шнейдермана - Государственные школы округа Майами-Дейд, Управление оценки и исследований, Майами, Флорида. сентябрь 2001 г.
  57. ^ Митрович, А. (1998) Изучение SQL с компьютерным репетитором. 29-й технический симпозиум ACM SIGCSE, стр. 307-311.
  58. ^ Митрович, А. (1998) Опыт реализации моделирования на основе ограничений в SQL-Tutor. Учеб. ITS'98, Б. Геттл, Х. Хальф, К. Редфилд, В. Шут (ред.), стр. 414–423.
  59. ^ Митрович, А. (2003) Интеллектуальный наставник по SQL в Интернете. Межд. Дж. Искусственный интеллект в образовании, 13(2-4), 173-197.
  60. ^ Захаров К., Митрович А., Олссон С. (2005) Микроинженерия обратной связи в EER-Tutor. В: К. К. Луи, Г. МакКалла, Б. Бредевег, Дж. Бройкер (ред.) Proc. Искусственный интеллект в образовании AIED 2005, IOS Press, стр. 718-725.
  61. ^ Суравира П., Митрович А., Интеллектуальная система обучения для моделирования отношений между сущностями. Межд. J. Искусственный интеллект в образовании, том. 14, № 3-4, 375-417, 2004.
  62. ^ Багаи, Н., Митрович, А., Ирвин, В. Поддержка совместного обучения и решения проблем в среде CSCL на основе ограничений для диаграмм классов UML. Межд. Дж. CSCL, том. 2, нет. 2–3, стр. 159–190, 2007.
  63. ^ "Дом" . stoichtutor.cs.cmu.edu .
  64. ^ Макларен, Б.М., Лим, С., Ганьон, Ф., Ярон, Д., и Кёдингер, КР (2006). Изучение эффектов персонализированного языка и рабочих примеров в контексте интеллектуального онлайн-преподавателя. В М. Икеда, К.Д. Эшли и TW. Чан (ред.), Труды 8-й Международной конференции по интеллектуальным системам обучения (ITS-2006), Конспекты лекций по информатике, 4053 (стр. 318-328). Берлин: Шпрингер.
  65. ^ Макларен, Б.М., Лим, С., и Кёдингер, КР (2008). Когда и как часто следует давать учащимся проработанные примеры? Новые результаты и краткое изложение текущего состояния исследований. В BC Love, K. McRae и VM Sloutsky (ред.), Труды 30-й ежегодной конференции Общества когнитивных наук (стр. 2176-2181). Остин, Техас: Общество когнитивных наук.
  66. ^ Макларен Б.М., Ван Гог Т., Ганоэ К., Карабинос М. и Ярон Д. (2016). Эффективность проработанных примеров по сравнению с ошибочными примерами, обучаемым решением задач и решением задач в классных экспериментах. Компьютеры в поведении человека, 55, 87–99.
  67. ^ Макларен, Б.М., ДеЛиу, К.Э., и Майер, Р.Э. (2011). Вежливые интеллектуальные репетиторы через Интернет: могут ли они улучшить обучение в классах? Компьютеры и образование, 56 (3), 574–584. doi: 10.1016/j.compedu.2010.09.019.
  68. ^ Макларен, Б.М., ДеЛиу, К.Э., и Майер, Р.Э. (2011). Эффект вежливости при обучении с интеллектуальными преподавателями через Интернет. Международный журнал человеко-компьютерных исследований, 69 (1-2), 70-79. doi:10.1016/j.ijhcs.2010.09.001
  69. ^ Бил, Ч.Р., Бек, Дж., и Вульф, Б. (1998). Влияние интеллектуального компьютерного обучения на математическую самооценку девочек и их убеждения в ценности математики. Доклад представлен на ежегодном собрании Американской ассоциации исследований в области образования.
  70. ^ Скьяффино С., Гарсия П. и Аманди А. (2008). eTeacher: Предоставление индивидуальной помощи студентам, обучающимся онлайн. Компьютеры и образование 51, 1744–1754 гг.
  71. ^ Келес, А.; Окак, Р.; Келес, А.; Гулку, А. (2009). «ZOSMAT: интеллектуальная веб-система обучения для процесса преподавания и обучения». Экспертные системы с приложениями . 36 (2): 1229–1239. дои : 10.1016/j.eswa.2007.11.064 .
  72. ^ Хеффернан, Н.Т., Тернер, Т.Э., Лоренко, АЛН, Макасек, Массачусетс, Нуццо-Джонс, Г., и Кёдингер, КР (2006). ASSISTment Builder: К анализу экономической эффективности создания ИТС. Представлено на выставке FLAIRS2006, Флорида.
  73. ^ «Проект интеллектуальной системы обучения CIRCSIM-Tutor в Технологическом институте Иллинойса и Медицинском колледже Раша» .
  74. ^ aroque.bol.ucla.edu/pubs/vanLehnEtAl-its02-architectureWhy.pdf
  75. ^ Чунг, Б.; Хуэй, Л.; Чжан, Дж.; Ю, С.М. (2003). «SmartTutor: интеллектуальная система обучения взрослых через Интернет». Журнал систем и программного обеспечения . 68 : 11–25. дои : 10.1016/s0164-1212(02)00133-4 .
  76. ^ Грассер, А.С., Вимер-Гастингс, К., Вимер-Гастингс, П., Кройц, Р. и TRG. (1999). AutoTutor: симуляция репетитора-человека. Журнал исследований когнитивных систем 1, 35-51
  77. ^ Мелис, Э., и Зикманн, Дж. (2004). Activemath: интеллектуальная система обучения математике. В Р. Тадеушевиче, Л. А. Заде, Л. Рутковски, Дж. Сикманне (ред.), 7-я Международная конференция «Искусственный интеллект и мягкие вычисления» (ICAISC), Конспекты лекций по AI LNAI 3070. Спрингер-Верлаг 91-101
  78. ^ «Проект AdaptErrEx» .
  79. ^ Макларен, Б.М., Адамс, Д.М., и Майер, RE (2015). Эффекты отсроченного обучения на ошибочных примерах: изучение десятичных дробей с помощью веб-репетитора. Международный журнал искусственного интеллекта в образовании, 25 (4), 520-542.
  80. ^ Адамс, Д., Макларен, Б.М., Майер, Р.Э., Гогуадзе, Г., и Исотани, С. (2013). Ошибочные примеры как желаемая трудность. Ин Лейн Х.К., Яцеф К., Мостоу Дж. и Павлик П. (ред.). Материалы 16-й Международной конференции по искусственному интеллекту в образовании (AIED 2013). LNCS 7926 (стр. 803-806). Шпрингер, Берлин.
  81. ^ Макларен, Б.М., Адамс, Д., Дуркин, К., Гогуадзе, Г. Майер, Р.Э., Риттл-Джонсон, Б., Сосновский, С., Исотани, С., и Ван Вельсен, М. (2012). Человеку свойственно ошибаться, а объяснять и исправлять — божественно: изучение интерактивных примеров с ошибками с учениками средней школы. В А. Равенскрофте, С. Линдштедте, К. Дельгадо Клоосе и Д. Эрнандекс-Лео (ред.), Труды EC-TEL 2012: Седьмая Европейская конференция по технологическому обучению, LNCS 7563 (стр. 222-235). Шпрингер, Берлин.
  82. ^ «Обзор - ПОДАРОК ​​- Портал ПОДАРОК» . www.gifttutoring.org . Проверено 30 июля 2018 г.
  83. ^ Перейти обратно: а б Синатра, Энн М.; Гольдберг, Бенджамин С.; Соттиларе, Роберт А. (1 сентября 2014 г.). «Общая интеллектуальная система обучения (GIFT) как инструмент для специалистов в области человеческого фактора, Обобщенная интеллектуальная система обучения (GIFT) как инструмент для специалистов в области человеческого фактора». Материалы ежегодного собрания Общества человеческого фактора и эргономики . 58 (1): 1024–1027. дои : 10.1177/1541931214581214 . ISSN   1541-9312 . S2CID   111915804 .
  84. ^ Лажуа, СП; Лесголд, А. (1989). «Обучение на рабочем месте: среда практики с компьютерным обучением как новая форма ученичества». Машинное обучение . 3 :7–28.
  85. ^ Элиот, К., и Вульф, Б. (1994). Рассуждения о пользователе в системе обучения в реальном времени, основанной на моделировании. В материалах четвертой международной конференции по моделированию пользователей, 121-126.
  86. ^ МИЛЕТТО, Э.М., ПИМЕНТА, М.С., ВИКАРИ, РМ, и ФЛОРЕС, Л.В. (2005). КОДЫ: веб-среда для совместного создания музыкальных прототипов. Организованный звук, 10 (3), 243–253.
  87. ^ Гольштейн, К., Макларен, Б.М., и Алевен, В. (март 2017 г.). SPACLE: исследование обучения в виртуальных и физических пространствах с использованием пространственных повторов. В материалах Седьмой Международной конференции по аналитике обучения и знаниям (стр. 358-367). АКМ.
  88. ^ Интеллектуальные системы обучения, глава 37 / Corbett, Koedinger & Anderson / Chapter 37 (оригинал, стр. 849-874) 14, получено 21 мая 2012 г. по адресу http://act-r.psy.cmu.edu/papers/173/Chapter_37_Intelligent_Tutoring_Systems. pdf. Архивировано 17 июня 2012 г. в Wayback Machine.
  89. ^ Карам Р., Пейн Дж. Ф., Гриффин Б. А., Робин А., Филлипс А. и Догерти Л. (2016). Изучение масштабной реализации учебной программы по смешанной алгебре I на основе технологий. Исследования и разработки образовательных технологий , 1-27.
  90. ^ Перейти обратно: а б с Андерсон-младший; Корбетт, AT; Кедингер, КР; Пеллетье, Р. (1995). «Когнитивные наставники: извлеченные уроки» . Журнал обучающих наук . 4 (2): 167–207. дои : 10.1207/s15327809jls0402_2 . S2CID   22377178 .
  91. ^ Кристманн, Э.; Бэджетт, Дж. (1997). «Прогрессивное сравнение влияния компьютерного обучения на успеваемость учащихся средних школ». Журнал исследований вычислительной техники в образовании . 29 (4): 325–338. дои : 10.1080/08886504.1997.10782202 .
  92. ^ Флетчер, JD (2003). Доказательства обучения на основе инструкций с использованием технологий. В HF O'Neil & R. Perez (ред.), Применение технологий в образовании: взгляд на обучение (стр. 79–99). Махва, Нью-Джерси: Эрлбаум.
  93. ^ Кедингер, КР; Андерсон-младший; Хэдли, Вашингтон; Марк, Массачусетс (1997). «Интеллектуальное репетиторство идет в школу в большом городе». Международный журнал искусственного интеллекта в образовании . 8 : 30–43.
  94. ^ Плано, Г.С. (2004). «Влияние когнитивного репетитора по алгебре на отношение и успеваемость учащихся в курсе алгебры в 9-м классе». Неопубликованная докторская диссертация, Университет Сетон Холл, Саут-Ориндж, Нью-Джерси .
  95. ^ Кулик, Джеймс А.; Флетчер, Джей Ди (2016). «Эффективность интеллектуальных систем обучения: метааналитический обзор» . Обзор образовательных исследований . 86 : 42–78. дои : 10.3102/0034654315581420 . S2CID   7398389 .
  96. ^ Кёдингер, Кеннет; Алвен, Винсент (2007). «Изучение дилеммы помощи в экспериментах с когнитивными преподавателями». Educ Psychol Rev. 19 (3): 239–264. CiteSeerX   10.1.1.158.9693 . дои : 10.1007/s10648-007-9049-0 . S2CID   339486 .
  97. ^ Мюррей, Т. (1999). Создание интеллектуальных систем обучения: анализ современного состояния. Международный журнал искусственного интеллекта в образовании (IJAIED), 10, 98–129.
  98. ^ Перейти обратно: а б с д и ж Полсон, Марта К.; Ричардсон, Дж. Джеффри, ред. (1988). Основы интеллектуальных систем обучения. Лоуренс Эрльбаум.
  99. ^ Бейкер Р., Гауда С., Корбетт А. и Окампо Дж. (2012). На пути к автоматическому определению того, является ли обучение учащихся поверхностным. В интеллектуальных системах обучения (стр. 444-453). Шпрингер Берлин/Гейдельберг.
  100. ^ Кезер Т., Клинглер С. и Гросс М. (апрель 2016 г.). Когда остановиться?: к универсальной образовательной политике. В материалах шестой Международной конференции по аналитике обучения и знаниям (стр. 289–298). АКМ.
  101. ^ Окумпо Дж., Бейкер Р., Гауда С., Хеффернан Н. и Хеффернан К. (2014). Популяционная достоверность моделей интеллектуального анализа данных в образовании: тематическое исследование по выявлению аффектов. Британский журнал образовательных технологий , 45 (3), 487-501.
  102. ^ Кедингер, К.; Алевен, В. (2007). «Изучение дилеммы помощи в экспериментах с когнитивными наставниками». Обзор педагогической психологии . 19 (3): 239–264. CiteSeerX   10.1.1.158.9693 . дои : 10.1007/s10648-007-9049-0 . S2CID   339486 .
  103. ^ Джонассен, Д.Х., и Ривз, Т.К. (1996). Обучение с помощью технологий: использование компьютеров в качестве инструментов познания. В Д.Х. Йонассене (ред.), Справочник исследований в области образовательных коммуникаций и технологий (стр. 693–719). Нью-Йорк: Макмиллан.
  104. ^ Перейти обратно: а б Икбал А., Опперманн Р., Патель А. и Киншук (1999). Классификация методов оценки интеллектуальных систем обучения. В У. Аренд, Э. Эберле и К. Питшке (ред.) Эргономика программного обеспечения '99 - Дизайн информационных миров, Лейпциг: Б. Г. Тойбнер, Штутгарт, 169–181.
  105. ^ Перейти обратно: а б Симер, Дж., и Ангелидес, MC (1998). Комплексный метод оценки полных интеллектуальных систем обучения. Системы поддержки принятия решений, 22(1), 85–102.
  106. ^ Перейти обратно: а б с Марк, Массачусетс, Грир, Дж.Э. (1993). Методики оценки интеллектуальных систем обучения. Журнал искусственного интеллекта в образовании, 4, 129–129.
  107. ^ Грасснер AC, Курт ВанЛен, CPR, Джордан, П. и Хартер, Д. (2001). Интеллектуальные системы обучения с диалоговым диалогом. Журнал «АИ», 22(4), 39.
  108. ^ Грессер, AC, Чипман, П., Хейнс, Британская Колумбия, и Олни, А. (2005). AutoTutor: интеллектуальная система обучения со смешанным диалогом., 48 (4) 612-618.
  109. ^ Чжао Р., Папангелис А. и Касселл Дж. (август 2014 г.). К диадической вычислительной модели управления взаимопониманием для взаимодействия человека и виртуального агента. На Международной конференции по интеллектуальным виртуальным агентам (стр. 514–527). Международное издательство Спрингер.
  110. ^ Мадайо, Массачусетс, Оган, А., и Касселл, Дж. (2016, июнь). Влияние ролей дружбы и репетиторства на стратегии взаимного обучения сверстников. На Международной конференции по интеллектуальным системам обучения (стр. 423-429). Международное издательство Спрингер.
  111. ^ Перейти обратно: а б с д Д'Мелло, К.; Грасснер, А. (2012). «Динамика аффективных состояний при сложном обучении». Обучение и инструкция . 22 (2): 145–157. doi : 10.1016/j.learninstruc.2011.10.001 . S2CID   53377444 .
  112. ^ Перейти обратно: а б Саррафзаде, А.; Александр, С.; Дадгостар, Ф.; Фан, К.; Бигдели, А. (2008). — Откуда ты знаешь, что я не понимаю? Взгляд на будущее интеллектуальных систем обучения». Компьютеры в поведении человека . 24 (4): 1342–1363. doi : 10.1016/j.chb.2007.07.008 . hdl : 10652/2040 .
  113. ^ Д'Мелло, С.; Олни, А.; Уильямс, К.; Хейс, П. (2012). «Взгляд-наставник: интеллектуальная система обучения, реагирующая на взгляд» . Международный журнал человеко-компьютерных исследований . 70 (5): 377–398. дои : 10.1016/j.ijhcs.2012.01.004 .
  114. ^ Касселл, Жюстин (январь 2004 г.). «К модели развития технологий и грамотности: системы прослушивания историй». Журнал прикладной психологии развития . 25 (1): 75–105. дои : 10.1016/j.appdev.2003.11.003 . ISSN   0193-3973 . S2CID   9493253 .
  115. ^ Ван, Нин; Гратч, Джонатан (сентябрь 2009 г.). «Раппорт и выражение лица». 2009 г. 3-я Международная конференция по аффективным вычислениям и интеллектуальному взаимодействию и семинары . IEEE. стр. 1–6. дои : 10.1109/acii.2009.5349514 . ISBN  9781424448005 . S2CID   9673056 .
  116. ^ Оган, Эми; Финкельштейн, Саманта; Уокер, Эрин; Карлсон, Райан; Касселл, Жюстин (2012), «Грубость и взаимопонимание: оскорбления и успехи в обучении при взаимном обучении», Интеллектуальные системы обучения , Конспекты лекций по информатике, том. 7315, Springer Berlin Heidelberg, стр. 11–21, CiteSeerX   10.1.1.477.4527 , doi : 10.1007/978-3-642-30950-2_2 , ISBN  9783642309496 , S2CID   14315990
  117. ^ Фиорелла, Логан; Майер, Ричард Э. (октябрь 2013 г.). «Относительные преимущества обучения путем преподавания и продолжительность обучения». Современная педагогическая психология . 38 (4): 281–288. doi : 10.1016/j.cedpsych.2013.06.001 . ISSN   0361-476X .
  118. ^ Парето, Лена; Арвемо, Тобиас; Даль, Ильва; Хааке, Магнус; Гульц, Агнета (2011), «Влияние арифметической игры с обучаемым агентом на понимание математики, отношение и самоэффективность», Искусственный интеллект в образовании , Конспекты лекций по информатике, том. 6738, Springer Berlin Heidelberg, стр. 247–255, doi : 10.1007/978-3-642-21869-9_33 , ISBN  9783642218682 , S2CID   17108556
  119. ^ БИСВАС, ГАУТАМ; ЧОН, ХОГЁН; КИННЕБРЮ, ДЖОН С.; ЯЗЫКА, БРАЙАН; РОСКО, РОД (июль 2010 г.). «Измерение навыков саморегулируемого обучения посредством социальных взаимодействий в обучаемой агентской среде». Исследования и практика в области обучения, усовершенствованного с помощью технологий . 05 (2): 123–152. дои : 10.1142/s1793206810000839 . ISSN   1793-2068 .
  120. ^ Мацуда, Нобору; Коэн, Уильям В.; Кёдингер, Кеннет Р.; Кайзер, Виктория; Райзада, Рохан; Яржебински, Эвелин; Уотсон, Шайна П.; Стилианидес, Габриэль (март 2012 г.). «Изучение эффекта обучения репетитора с использованием обучаемого агента, который просит у преподавателя-студента объяснений». 2012 Четвертая международная конференция IEEE по расширенному обучению в области цифровых игр и интеллектуальных игрушек . IEEE. стр. 25–32. дои : 10.1109/digitel.2012.12 . ISBN  9781467308854 . S2CID   15946735 .

Библиография

[ редактировать ]

Книги

[ редактировать ]

Статьи

[ редактировать ]
[ редактировать ]
Retrieved from "https://en.wikipedia.org/w/index.php?title=Intelligent_tutoring_system&oldid=1238112254"
Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: b51609b4e4ca00ecabb8aca02b0f9a3d__1722565980
URL1:https://arc.ask3.ru/arc/aa/b5/3d/b51609b4e4ca00ecabb8aca02b0f9a3d.html
Заголовок, (Title) документа по адресу, URL1:
Intelligent tutoring system - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)