ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ «ΕΠΙΣΤΗΜΗ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑ ΥΠΟΛΟΓΙΣΤΩΝ» ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ Η/Υ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ

Transcript

1 ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ «ΕΠΙΣΤΗΜΗ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑ ΥΠΟΛΟΓΙΣΤΩΝ» ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ Η/Υ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΜΑ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ «ΧΡΗΣΗ ΥΒΡΙΔΙΚΩΝ ΕΥΦΥΩΝ ΜΕΘΟΔΩΝ ΓΙΑ ΠΡΟΣΑΡΜΟΣΤΙΚΗ ΑΞΙΟΛΟΓΗΣΗ ΜΑΘΗΤΩΝ ΣΕ ΕΥΦΥΕΣ» ΠΑΠΑΒΛΑΣΟΠΟΥΛΟΣ ΚΩΝΣΤΑΝΤΙΝΟΣ ΜΗΧΑΝΙΚΟΣ Η/Υ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ Επιβλέπων: Επίκουρος Καθηγητής Ιωάννης Χατζηλυγερούδης ΠΑΤΡΑ ΣΕΠΤΕΜΒΡΙΟΣ 2008

2 ΤΡΙΜΕΛΗΣ ΕΞΕΤΑΣΤΙΚΗ ΕΠΙΤΡΟΠΗ ΚΑΘΗΓΗΤΗΣ : ΛΥΚΟΘΑΝΑΣΗΣ ΣΠΥΡΙΔΩΝ. ΑΝΑΠΛΗΡΩΤΗΣ ΚΑΘΗΓΗΤΗΣ: ΓΑΡΟΦΑΛΑΚΗΣ ΙΩΑΝΝΗΣ. ΕΠΙΚΟΥΡΟΣ ΚΑΘΗΓΗΤΗΣ: ΧΑΤΖΗΛΥΓΕΡΟΥΔΗΣ ΙΩΑΝΝΗΣ. 2

3 Ευχαριστίες Στο σημείο αυτό θα ήθελα να ευχαριστήσω όλους εκείνους που συνέβαλλαν και βοήθησαν στην πραγματοποίηση αυτής της διπλωματικής εργασίας. Θα ήθελα να ευχαριστήσω ιδιαίτερα τον επιβλέποντα Επίκουρο Καθηγητή κ. Ιωάννη Χατζηλυγερούδη για την βοήθειά και την αμέριστη συμπαράσταση του καθ όλη τη διάρκεια εκπόνησης της διπλωματικής μου εργασίας. Θα ήθελα, επίσης, να ευχαριστήσω τους Διδάκτορες Δρ. Κωνσταντίνο Κουτσογιάννη και Δρ Γρηγόρη Μπεληγιάννη για την πολύτιμη βοήθεια τους και να δηλώσω ότι μέρος της εργασίας αυτής έγινε από κοινού στα πλαίσια του έργου ΠΥΘΑΓΟΡΑΣ. Επίσης, θέλω να ευχαριστήσω και τα υπόλοιπα δύο μέλη της εξεταστικής επιτροπής για την αποδοχή και τον κόπο τους. Τέλος, να ευχαριστήσω τους γονείς μου για την συμπαράσταση και υπομονή τους. 3

4 Κατάλογος Περιεχομένων Κατάλογος Περιεχομένων...4 Περιεχόμενα Εικόνων...7 Περιεχόμενα Πινάκων...8 Περιεχόμενα Σχημάτων...8 Περίληψη...9 Κεφάλαιο 1 «Ευφυή Συστήματα Εκπαίδευσης» Περιβάλλοντα μάθησης Το internet και ο παγκόσμιος ιστός στην εκπαίδευση Τα Χαρακτηριστικά των λογισμικών του παγκόσμιου Ιστού Συστήματα για εξατομικευμένη μάθηση Τα ευφυή συστήματα διδασκαλίας (Intelligent Tutoring Systems-ITSs) Γνώση Πεδίου Μοντέλο Μαθητή Παιδαγωγικό Μοντέλο Διεπαφή Χρήστη Τα προσαρμοστικά εκπαιδευτικά συστήματα υπερμέσων (Adaptive Educational Hypermedia Systems (AEHSs)) Τεχνικά Χαρακτηριστικά των Προσαρμοστικών Εκπαιδευτικών Υπερμέσων Προσαρμοστική Παρουσίαση Προσαρμοστική Πλοήγηση Μέθοδοι Μοντελοποίησης Μαθητή...25 Κεφάλαιο 2 «Ευφυείς Τεχνικές σε Συστήματα Εξατομικευμένης Μάθησης» Αναγκαιότητα χρήσης ευφυών τεχνικών σε Συστήματα Εξατομικευμένης Μάθησης Σύντομη Ανασκόπηση Συλλογιστική βασισμένη σε κανόνες (Rule-based reasoning) Συλλογιστική βασισμένη σε περιπτώσεις (Case-based reasoning) Νευρωνικά δίκτυα (Neural networks) Μοντέλα αβεβαιότητας (uncertainty models) Μοντέλο βασισμένο σε περιορισμούς (Constraint-based modelling) Γενετικοί Αλγόριθμοι Κανόνες Παραγωγής Σύνταξη και Σημαντική Διαδικασία εξαγωγής συμπερασμάτων Μέθοδοι εξαγωγής Συμπερασμάτων Πλεονεκτήματα των ΚΠ Τα προβλήματα των ΚΠ Γενετικοί Αλγόριθμοι Πλεονεκτήματα των Γενετικών Αλγορίθμων Τι Προκαλεί Δυσπιστία...45 Κεφάλαιο 3 «Σύστημα Διδασκαλίας Τεχνητής Νοημοσύνης (ΣΔΤΝ)» Εισαγωγή Η Αρχική Αρχιτεκτονική του Συστήματος Αξιολόγηση Μαθητή στο Αρχικό Σύστημα

5 3.4 Θέματα υλοποίησης Βελτιώσεις Συστήματος-Νέα Αρχιτεκτονική...53 Κεφάλαιο 4 «Προσαρμογή Επιπέδου Δυσκολίας Ερωτήσεων» Καθορισμός του Επιπέδου Δυσκολίας των ασκήσεων στο σύστημα Το Υβριδικό Ευφυές Σύστημα (Hybrid Intelligent System) HIS Η μονάδα GA Στατιστικά ασκήσεων στον καθηγητή Πειράματα...67 Κεφάλαιο 5 «Προσαρμοστική Αξιολόγηση Μαθητών» Διαχείριση ασκήσεων στο σύστημα Πεδίο Γνώσης Διαδικασία Μάθησης Διαχείριση Ασκήσεων Αξιολόγηση Μαθητή Ασκήσεις εισαγωγής Τεστ έννοιας Τεστ σε θέμα Τεστ Υποενότητας Η Βάση Κανόνων Παραδείγματα...84 Κεφάλαιο 6 «Θέματα Υλοποίησης» Υλοποίηση Συστήματος Html PHP JavaScript MySQL Java Applets Jess Γενικά Χαρακτηριστικά των Βάσεων δεδομένων Η Βάση Δεδομένων του Συστήματος Η χρησιμοποίηση του Jess Τα βοηθητικά αρχεία του συστήματος Η λειτουργικότητα του συστήματος...96 Κεφάλαιο 7 «Οδηγός Χρήσης Συστήματος» Εισαγωγικές Σελίδες Η Κεντρική Σελίδα Προσαρμοστική παρουσίαση Στο Σύστημα Προσαρμοστική πλοήγηση Επιπλέον Δυνατότητες Κεφάλαιο 8 «Μελλοντικές Κατευθύνσεις - Συμπεράσματα» Στόχος Διπλωματικής Μελλοντικές Βελτιώσεις Μελλοντική Έρευνα Βιβλιογραφία ΠΑΡΑΡΤΗΜΑ Α Πίνακες της βάσης του συστήματος Α.1 Ο πίνακας ennoia Α.2 Ο πίνακας enotita Α.3 Ο πίνακας episkeptes Α.5 Ο πίνακας informations Α.6 Ο πίνακας listaanamonis

6 Α.7 Ο πίνακας mathitis Α.8 Ο πίνακας paradeigmata Α.9 Ο πίνακας scores Α.10 Ο πίνακας scorethema Α.11 Ο πίνακας scoreypoenotita Α.12 Ο πίνακας thema Α.13 Ο πίνακας ypoenotita Α.14 Ο πίνακας evaluatesystem

7 Περιεχόμενα Εικόνων Εικόνα 1: Σελίδα Σύνδεσης/Εγγραφής στο σύστημα...99 Εικόνα 2: Σελίδα Μήνυμα σε μη εγγεγραμμένο χρήστη του συστήματος Εικόνα 3: Σελίδα Εγγραφής του μαθητή στο σύστημα Εικόνα 4: Μηνύματα λάθους κατά την εγγραφή του μαθητή στο σύστημα Εικόνα 5: Μηνύματα επιτυχημένης εγγραφής στο σύστημα Εικόνα 6: Σελίδα επιπρόσθετων πληροφοριών για τον μαθητή Εικόνα 7: Κεντρική Σελίδα του Ευφυούς Συστήματος Διδασκαλίας Εικόνα 8: Διάταξη ενοτήτων, υποενοτήτων, θεματικών σελίδων Εικόνα 9: Διάταξη εννοιών μιας θεματικής σελίδας Εικόνα 10: Προσαρμοστική παρουσίαση σε θεωρητικό μαθητή Εικόνα 11: Προσαρμοστική παρουσίαση σε πρακτικό μαθητή Εικόνα 12: Προσαρμοστική παρουσίαση σε εποικοδομητικό μαθητή Εικόνα 13: Σχολιασμός θεματικών σελίδων Εικόνα 14: Καθοδήγηση σε επόμενη σελίδα μετά από κάποιο τεστ Εικόνα 15: Καθοδήγηση για την σειρά εκμάθησης των εννοιών Εικόνα 16: Καθοδήγηση για την επόμενη ενέργεια του μαθητή Εικόνα 17: Καθοδήγηση για προαπαιτούμενη μελέτη Εικόνα 18: Σελίδα αλλαγής προσωπικών στοιχείων Εικόνα 19: Σελίδα αλλαγής μοντέλου μαθητή Εικόνα 20: Σελίδα στατιστικών στοιχείων Εικόνα 21: Επιπλέον στατιστικά στοιχεία Εικόνα 22: Σελίδα πληροφοριών Εικόνα 23: Σελίδα Επικοινωνίας Εικόνα 24: Σελίδα ερωτηματολογίου

8 Περιεχόμενα Πινάκων Πίνακας 1: Περιπτώσεις τεστ δύο ερωτήσεων...53 Πίνακας 2: Κανόνες του καθηγητή για τον καθορισμό του βαθμού δυσκολίας των ασκήσεων...67 Πίνακας 3: Κανόνες που παρήχθησαν μετά την πρώτη εφαρμογή του Γενετικού Αλγορίθμου...68 Πίνακας 4: Κανόνες που παρήχθησαν μετά την δεύτερη εφαρμογή του Γενετικού Αλγορίθμου...68 Πίνακας 5: Κανόνες για επιλογή ασκήσεων...81 Πίνακας 6: Προτάσεις του συστήματος κατά την αρχική μελέτη μιας έννοιας...82 Πίνακας 7: Προτάσεις του συστήματος μετά από σύντομο τεστ έννοιας...82 Πίνακας 8: Προτάσεις του συστήματος μετά από τεστ σε θέμα...83 Πίνακας 9: Προτάσεις του συστήματος μετά το τεστ σε υποενότητα...83 Πίνακας 10: Σκορ ανάλογα με τον βαθμό δυσκολίας και την απάντηση του μαθητή 84 Περιεχόμενα Σχημάτων Σχήμα 1: Η Βασική Αρχιτεκτονική ενός Ευφυούς Συστήματος Διδασκαλίας...16 Σχήμα 2:Το μοντέλο επικάλυψης (overlay model)...26 Σχήμα 3: Το buggy μοντέλο...27 Σχήμα 4: Βασικές Μονάδες Ευφυούς /Έμπειρου Συστήματος...35 Σχήμα 5: Διαδικασία εξαγωγής συμπερασμάτων σε ΣΠ...37 Σχήμα 6: Η δομή ενός Γενετικού Αλγορίθμου...41 Σχήμα 7: Αρχιτεκτονική ΣΔΤΝ...49 Σχήμα 8: Η δομή του έμπειρου συστήματος...52 Σχήμα 9: Η Αρχιτεκτονική του συστήματος...55 Σχήμα 10: Η δομή του ευφυούς συστήματος (HIS)...60 Σχήμα 11: Η διαδικασία επαναξιολόγησης των ασκήσεων...61 Σχήμα 12: Δομή της μονάδας GA...63 Σχήμα 13: Η δομή του γονιδιώματος...64 Σχήμα 14: Η δομή του Γενετικού Αλγορίθμου...65 Σχήμα 15: Ο αλγόριθμος για τον υπολογισμό του ταιριάσματος...65 Σχήμα 16: Η Αρχιτεκτονική του συστήματος...73 Σχήμα 17: Η διαδικασία παραγωγής των εξατομικευμένων τεστ...77 Σχήμα 18: Η σύνδεση των διαφορετικών συστατικών του συστήματος...91 Σχήμα 19: Η σύνδεση των διαφορετικών συστατικών του συστήματος...93 Σχήμα 20: Η σύνδεση των διαφορετικών συστατικών του συστήματος...94 Σχήμα 21: Τρόπος λειτουργίας του συστήματος...97 Σχήμα 22: Δομή κεντρικής σελίδας του συστήματος Σχήμα 23: Δενδρική μορφή παρουσίασης του υλικού από το σύστημα

9 Περίληψη Τα Ευφυή Συστήματα Διδασκαλίας (Intelligent Tutoring Systems) είναι συστήματα που χρησιμοποιούν μεθόδους Τεχνητής Νοημοσύνης για την παροχή εξατομικευμένης διδασκαλίας, τα τελευταία χρόνια και μέσω Διαδικτύου. Τα συστήματα αυτά προσφέρουν δηλαδή μάθηση προσαρμοζόμενη στις δυνατότητες και της ανάγκες των μαθητών-φοιτητών. Ένα σημαντικό τμήμα των συστημάτων αυτών αφορά την αξιολόγηση των μαθητών. Η αξιολόγηση αφορά τον προσδιορισμό του επιπέδου γνώσης ενός μαθητή. Αυτό συνήθως γίνεται με την μέτρηση της απόδοσης του μαθητή σ ένα ή περισσότερα τεστ που περιέχουν ερωτήσεις-ασκήσεις που αναφέρονται σε ένα σύνολο εννοιών και είναι διαφόρων επιπέδων δυσκολίας. Ένα σημαντικό στοιχείο στην υπόθεση αυτή είναι ο σωστός προσδιορισμός του επιπέδου δυσκολίας των ερωτήσεων-ασκήσεων. Ένα δεύτερο στοιχείο είναι ο σωστός σχεδιασμός των τεστ ώστε να ανταποκρίνεται στις ανάγκες του κάθε μαθητή, ανάλογα με την μελέτη που έχει κάνει. Ένα τρίτο στοιχείο αφορά τις ευφυείς μεθόδους που θα χρησιμοποιηθούν για την επίτευξη των παραπάνω δύο στοιχείων. Συνήθως χρησιμοποιούνται απλές μέθοδοι, όπως π.χ. κανόνες παραγωγής ή σημαντικά δίκτυα. Μια ενδιαφέρουσα ερευνητική κατεύθυνση είναι η χρήση υβριδικών ευφυών τεχνικών, δηλαδή τεχνικών που συνδυάζουν δύο τουλάχιστον γνωστές ευφυείς τεχνικές, όπως είναι π.χ. ο συνδυασμός κανόνων παραγωγής και γενετικών αλγορίθμων. Το αντικείμενο αυτής της μεταπτυχιακής διπλωματικής εργασίας είναι: (α) η εύρεση μιας μεθόδου για ρεαλιστικότερο προσδιορισμό του επιπέδου δυσκολίας των ερωτήσεων-ασκήσεων, (β) η εύρεση μιας μεθόδου για προσαρμοστικό σχεδιασμό των τεστ αξιολόγησης των μαθητών, ώστε να ανταποκρίνονται στις ανάγκες και δυνατότητες του καθενός χωριστά, (γ) η χρήση υβριδικών ευφυών τεχνικών και (δ) η εφαρμογή των παραπάνω σ ένα υπάρχον ευφυές σύστημα διδασκαλίας θεμάτων τεχνητής νοημοσύνης. Η δομή της παρούσας εργασίας έχει ως εξής: στο 1 ο κεφάλαιο περιγράφουμε γενικά τα ευφυή συστήματα εκπαίδευσης, στο 2 ο κεφάλαιο αναφερόμαστε στις ευφυείς τεχνικές οι οποίες μπορούν να εφαρμοστούν σε συστήματα εξατομικευμένης μάθησης. Στο 3 0 κεφάλαιο περιγράφουμε το προηγούμενο σύστημα καθώς και την αναγκαιότητα για το νέο σύστημα που υλοοιήσαμε. Στο 4 ο κεφάλαιο αναφερόμαστε 9

10 στην Προσαρμογή του Επιπέδου Δυσκολίας των Ερωτήσεων με την βοήθεια του ευφυούς υβριδικού συστήματος. Στο 5 ο κεφάλαιο αναφερόμαστε στην προσαρμοστική αξιολόγηση των μαθητών απο το σύστημα. Στο κεφάλαιο 6 μιλάμε για θέματα υλοποίησης ενώ το κεφάλαιο 7 είναι ένας οδηγός χρήσης του συστήματος, όπου παρουσιάζονται βασικές οθόνες και παραδείγματα χρήσης των ευφυών συστημάτων κλπ. Τέλος, στο κεφάλαιο 8 παρουσιάζονται τα συμπεράσματα της έρευνας καθώς και κάποιες μελλοντικές κατευθύνσεις. 10

11 Κεφάλαιο 1 «Ευφυή Συστήματα Εκπαίδευσης» 11

12 1.1 Περιβάλλοντα μάθησης Η τάση στην ανάπτυξη περιβαλλόντων μάθησης σήμερα, είναι η ανάπτυξη νέων προηγμένων συστημάτων που θα χρησιμοποιούν όλα τα διαθέσιμα τεχνολογικά μέσα, και όλους τους δυνατούς τρόπους μετάδοσης της πληροφορίας μέσω υπολογιστικών συστημάτων με τρόπο δημιουργικό, με υψηλό βαθμό αλληλεπίδρασης με τον εκπαιδευόμενο, έτσι ώστε να επιτυγχάνονται οι στόχοι τόσο του διδάσκοντα όσο του εκπαιδευόμενου, με μείωση του λόγου κόστους/ωφέλειας και με ποιότητα στην παρεχόμενη υπηρεσία [48]. Τα προηγμένα περιβάλλοντα διδασκαλίας-μάθησης πρέπει να κρατούν τον εκπαιδευόμενο σε εγρήγορση (ταξιδεύοντας απλά σε ένα σύστημα υπερμέσων ή υπερκειμένου δεν είναι η καταλληλότερη μέθοδος για την υποστήριξη της μάθησης), να παρέχουν τη γνώση δομημένη σαν συνάρτηση της εμπειρίας του εκπαιδευόμενου και της προϋπάρχουσας γνώσης του, να έχουν σχεδιαστεί με στόχο τη μετάδοση γνώσης και όχι απλά τη μετάδοση πληροφορίας να δρουν ως συστήματα επικοινωνίας, επιτρέποντας τη συνεργασία, μεταξύ διδάσκοντος και εκπαιδευομένου, καθώς και μεταξύ εκπαιδευομένων. 1.2 Το internet και ο παγκόσμιος ιστός στην εκπαίδευση Οι τεχνολογίες internet και World Wide Web επηρέασαν ολόκληρη την βιομηχανία των υπολογιστών. Παρέχουν τη δυνατότητα δημιουργίας της νέας ηλεκτρονικής αγοράς του μέλλοντος. Οι τεχνολογίες αυτές χαρακτηρίζονται ως «δρόμοι πολύ υψηλής κυκλοφορίας της πληροφορίας». Η επίδραση τους στην εκπαίδευση θα είναι τεράστια. Επιπλέον είναι δυνατό να δημιουργηθούν νέες δομές και εικονικές μαθησιακές κοινότητες [53]. Η ποιότητα του περιεχομένου της πληροφορίας στον παγκόσμιο ιστό αποτελεί ένα σημαντικό και κρίσιμο θέμα. Οι δυνατότητες πολύ υψηλής ηλεκτρονικής κυκλοφορίας της πληροφορίας στην υπηρεσία του σχεδιασμού περιβαλλόντων μάθησης απαιτεί δημιουργικότητα και προβληματισμό προς την κατεύθυνση ενός καλού και εμβαθυμένου σχεδιασμού. Ο παγκόσμιος ιστός (World Wide Web) ως μια από τις πιο γνωστές και χρησιμοποιούμενες υπηρεσίες του internet, παρέχει τους βασικούς μηχανισμούς για 12

13 την προσπέλαση διασυνδεδεμένων εγγραφών. Οι παράγοντες που συνέβαλαν στην τεράστια επιτυχία αυτής της υπηρεσίας ήταν τα γραφικά περιβάλλοντα των πελατών που αλληλεπιδρούν με την υπηρεσία, η απλότητα στη χρήση της καθώς και το μέγεθος της πληροφορίας που μπορεί κανείς να προσπελάσει. Η World Wide Web υπηρεσία μπορεί να χρησιμοποιηθεί επαρκώς για να ικανοποιήσει τους σκοπούς της εκπαίδευσης από απόσταση. Εκπαιδευτικό υλικό με την μορφή πολυμέσων είναι δυνατό να προσπελαστεί με την χρήση κοινών www πελατών. Οι επιμορφωτές μπορούν εύκολα και γρήγορα να παράγουν υλικό για εκπαίδευση από απόσταση, χρησιμοποιώντας HTML συγγραφικά εργαλεία και να τοποθετήσουν το υλικό αυτό σε HTTP εξυπηρετητές που θα έχουν το ρόλο εκπαιδευτικών κέντρων για απομακρυσμένους χρήστες [56]. Οι χρήστες μπορούν να εντοπίζουν και να προσπελαύνουν διαθέσιμα μαθήματα καθώς και ενεργά ή προγραμματισμένα εκπαιδευτικά σεμινάρια. Τα εκπαιδευτικά πρέπει να υποστηριχθούν από μια καλά προετοιμασμένη και με σαφής στόχους εισαγωγής της χρήσης υπολογιστών και δικτυακών τεχνολογιών στην εκπαιδευτική διαδικασία που ακολουθείται. Η χρήση των τεχνολογιών αυτών μπορεί να εξασφαλίσει ίσες ευκαιρίες για όλους, τουλάχιστον όσο αφορά την απόσταση και την επιλογή του χρόνου εκπαίδευσης. Επίσης, θα εξασφαλίσει εύκολή και άμεση διασύνδεση ατόμων και ομάδων ατόμων με εξωτερικές πηγές γνώσεις. Επιπρόσθετα, θα επιτευχθεί μια επιτάχυνση της διαδικασίας μεταφοράς γνώσεις από τους εκπαιδευτές στους εκπαιδευόμενους. Η χρήση του internet και του παγκόσμιου ιστού μπορεί τέλος να οδηγήσει σε αυξημένες δυνατότητες συνεργασίας μεταξύ εκπαιδευόμενων και ομάδων εκπαιδευόμενων και εκπαιδευτών, οι οποίοι είναι γεωγραφικά διασπαρμένοι δημιουργώντας έτσι μια ηλεκτρονική τάξη στην οποία εξομοιώνονται όλες οι λειτουργίες μιας παραδοσιακής τάξης (παράδοση διαλέξεων, επίλυση ασκήσεων, διόρθωση ασκήσεων, υποβολή ερωτήσεων κλπ). Ο Παγκόσμιος Ιστός παρέχει τη δυνατότητα για επαναστατικές αλλαγές σε όλα τα επίπεδα της εκπαίδευσης. Πολλοί έχουν προβλέψει ότι το Διαδίκτυο και πιο συγκεκριμένα ο Παγκόσμιος Ιστός θα μεταμορφώσει την εκπαίδευση καθώς προσφέρει πολλές δυνατότητες για την ανάπτυξη αλληλεπιδραστικών εκπαιδευτικών εφαρμογών. Ο Παγκόσμιος Ιστός δίνει σε ένα εκπαιδευτικό σύστημα την ευκαιρία να προσπελαστεί από πολλούς χρήστες. Ενώ το σύστημα είναι εγκατεστημένο σε έναν ισχυρό εξυπηρετητή και ενημερώνεται από εξειδικευμένο προσωπικό, χιλιάδες 13

14 χρήστες μπορούν να συνδεθούν σε αυτό από φτηνούς υπολογιστές. Ο Παγκόσμιος Ιστός είναι ένα σύνθετο μέσο επικοινωνίας που μπορεί να αποτελέσει το αναγκαίο εκπαιδευτικό εργαλείο του μέλλοντος. 1.3 Τα Χαρακτηριστικά των λογισμικών του παγκόσμιου Ιστού Τα τελευταία χρόνια αρκετές εκπαιδευτικές εφαρμογές έχουν γίνει διαθέσιμες στον Παγκόσμιο Ιστό. Τα λογισμικά αυτά καλύπτουν ένα ευρύ φάσμα του συνόλου των επιστημών και δεν προορίζονται μόνο για μικρούς μαθητές άλλα τόσο για το σύνολο της μαθησιακής κοινότητας όσο και για ενήλικες. Κάποια από τα λογισμικά αυτά εξυπηρετούν ένα συγκεκριμένο μαθησιακό σκοπό ενώ άλλα μπορούν να χρησιμοποιηθούν για μια γενικότερη μαθησιακή χρήση. Διάφορες εφαρμογές έχουν αναπτυχθεί για τα μαθηματικά, την φυσική, την χημεία κτλ.τα λογισμικά αυτά παρουσιάζουν και επεξηγούν στους χρήστες τους διάφορα πεδία αυτών των επιστημών. Το πρόβλημα όμως με τις περισσότερες από αυτές είναι ότι αποτελούν απλώς ένα σύνολο από στατικές σελίδες [48]. Ο Παγκόσμιος Ιστός όμως επιβάλλει ορισμένους περιορισμούς στο σχεδιασμό ενός εκπαιδευτικού συστήματος. Ένα εκπαιδευτικό σύστημα βασισμένο στον Παγκόσμιο Ιστό θα πρέπει να εμπεριέχει δύο στοιχεία: αλληλεπιδραστικότητα και προσαρμοστικότητα [9],[41],[42]. Αυτό προκύπτει από το γεγονός ότι πολλοί χρήστες με διαφορετικές ανάγκες και γνωστικά επίπεδα θα προσπελάσουν το σύστημα. Επιπλέον ο χρήστης συνήθως δουλεύει μόνος του στο σπίτι χωρίς την υποστήριξη δασκάλου. Συνεπώς το σύστημα θα πρέπει να του παρέχει σε κάποιο βαθμό τη βοήθεια που παρέχεται στους εκπαιδευόμενους στις αίθουσες διδασκαλίας. Τα συνηθισμένα εκπαιδευτικά συστήματα που βασίζονται στον Παγκόσμιο Ιστό έχουν ορισμένα ειδικά χαρακτηριστικά όπως τα εξής: (i) Απευθύνονται σε ανθρώπους με διαφορετικούς στόχους, ενδιαφέροντα και γνωστικά επίπεδα. (ii) Απουσιάζουν τα κίνητρα της παραδοσιακής εκπαιδευτικής διδασκαλίας εξαιτίας του συναγωνισμού μεταξύ των εκπαιδευόμενων και της άμεσης επαφής με τον διδάσκοντα. (iii) Τα μαθήματα είναι στατικά με την έννοια ότι δεν προσαρμόζονται στις ανάγκες των εκπαιδευόμενων. 14

15 (iv) Ο Παγκόσμιος Ιστός επιβάλλει ορισμένους περιορισμούς στην αλληλεπίδραση των χρηστών με το σύστημα. (v) Ο Παγκόσμιος Ιστός σαν μέσο διδασκαλίας δεν παρέχει μηχανισμούς για εστίαση της εκπαιδευτικής λειτουργίας σε συγκεκριμένους παιδαγωγικούς στόχους. 1.4 Συστήματα για εξατομικευμένη μάθηση Τα ευφυή συστήματα διδασκαλίας (Intelligent Tutoring Systems-ITSs) Τα ευφυή συστήματα διδασκαλίας ( Intelligent Tutoring Systems (ITSs)) και τα προσαρμοστικά εκπαιδευτικά συστήματα υπερμέσων (Adaptive Educational Hypermedia Systems (AEHSs)) αποτελούν τις δημοφιλέστερες κατηγορίες εκπαιδευτικών συστημάτων. Τα ITSs είναι πολύπλοκα προγράμματα που χρησιμοποιούνται από τους εκπαιδευόμενους σαν ένας ακούραστος δάσκαλος που προσαρμόζεται στις γνωστικές ιδιαιτερότητες και στην εξατομικευμένη πρόοδο κάθε μαθητή [3]. Τέτοια συστήματα βασίζονται σε ένα μεγάλο ποσό γνώσης από τον εκπαιδευτικό χώρο και πολλά από αυτά χρησιμοποιούν παιδαγωγικές μεθόδους. Οι ιδιαιτερότητες των μαθητών και η πρόοδος τους αποθηκεύονται σε αυτό που αποκαλούμε «μοντέλο μαθητή». Αυτό επιτυγχάνεται χρησιμοποιώντας κυρίως τεχνικές Τεχνητής Νοημοσύνης για να αναπαραστήσουμε τις παιδαγωγικές αποφάσεις καθώς την γνώση και τις πληροφορίες που αφορούν κάθε μαθητή [35]. Το επόμενο σχήμα (Σχήμα 1) απεικονίζει τη βασική αρχιτεκτονική του Ευφυούς Συστήματος Διδασκαλίας. Αποτελείται από τα ακόλουθα συστατικά μέρη: (α) τη βάση πεδίου που περιέχει το εκπαιδευτικό υλικό, (β) το μοντέλο μαθητή που καταγράφει πληροφορίες που αφορούν τον χρήστη, (γ) το παιδαγωγικό μοντέλο που εμπεριέχει γνώση σχετικά με τις διάφορες παιδαγωγικές αποφάσεις, (δ) τη διεπιφάνεια χρήστη. 15

16 Σχήμα 1: Η Βασική Αρχιτεκτονική ενός Ευφυούς Συστήματος Διδασκαλίας Γνώση Πεδίου Η γνώση πεδίου περιέχει το εκπαιδευτικό υλικό που παρουσιάζεται στους χρήστες του συστήματος. Το εκπαιδευτικό υλικό αφορά μια ποικιλία από μαθήματα που ξεκινούν από εισαγωγικά εκπαιδευτικά ζητήματα και κλιμακώνονται σε πιο προχωρημένα ζητήματα. Το εκπαιδευτικό περιεχόμενο του κάθε μαθήματος οργανώνεται σε ενότητες, υποενότητες και θέματα. Κάθε θέμα συσχετίζεται με ορισμένες γνωστικές έννοιες. Οι έννοιες αυτές μπορεί να είναι είτε προαπαιτούμενες έννοιες (δηλαδή πρέπει να είναι γνωστές στον χρήστη έτσι ώστε κατανοήσει το περιεχόμενο του θέματος) είτε έννοιες η γνώση των οποίων θα προκύψει μετά τη μελέτη της εκπαιδευτικής μονάδας. Οι έννοιες συσχετίζονται μεταξύ τους περιγράφοντας για κάθε έννοια τις έννοιες που είναι προαπαιτούμενες και αποτέλεσμα. Το κάθε θέμα συνδέεται με μια σειρά εκπαιδευτικών οθονών που περιέχουν θεωρία, παραδείγματα και ασκήσεις. Τα παραδείγματα βοηθούν το χρήστη να κατανοήσει τα βασικά σημεία της θεωρίας. Ο αριθμός των παραδειγμάτων που παρουσιάζονται εξαρτάται από το μοντέλο μαθητή. Ένας χρήστης με μεγάλη ικανότητα μάθησης και υψηλό γνωστικό επίπεδο βλέπει μικρό αριθμό παραδειγμάτων σε αντίθεση με έναν χρήστη που έχει χαμηλό γνωστικό επίπεδο ή μικρή ικανότητα 16

17 μάθησης. Οι ασκήσεις βασίζονται στα παραδείγματα. Κάθε άσκηση συσχετίζεται με μια επεξήγηση που βοηθά το χρήστη σε περίπτωση που δίνει λανθασμένη απάντηση. Οι εκπαιδευτικές μονάδες παρουσιάζουν το περιεχόμενο των θεμάτων με διάφορους τρόπους όπως με κείμενο, στατικές εικόνες και κινούμενες εικόνες (animations). Αυτό εξαρτάται από τον πολυμεσικό τύπο με τον οποίο ο χρήστης προτιμά να αλληλεπιδρά. Αυτές οι προτιμήσεις του χρήστη είναι μέρος του μοντέλου μαθητή (ενότητα 2.2). Για τη διευκόλυνση της επιλογής του υλικού, κάθε εκπαιδευτική μονάδα συσχετίζεται με χαρακτηριστικά που καθορίζουν τον τύπο των προτιμήσεων του χρήστη με τον οποίο αντιστοιχούν Μοντέλο Μαθητή Το μοντέλο μαθητή καταγράφει πληροφορίες σχετικές με το χρήστη που αφορούν το επίπεδο γνώσης καθώς και άλλα χαρακτηριστικά του γνωρίσματα. Οι πληροφορίες αυτές είναι απαραίτητες για τη λειτουργία του συστήματος με βάση τις ανάγκες του χρήστη. Είναι δύσκολο ωστόσο να συγκεντρωθούν τέτοια δεδομένα διότι δεν είναι εύκολη η αναπαράσταση των ικανοτήτων του χρήστη. Επιπλέον, ο Παγκόσμιος Ιστός επιβάλλει ορισμένους περιορισμούς στην αντίληψη που έχει το σύστημα για το χρήστη. Προς το παρόν είναι δύσκολο και χρονοβόρο να καταγράφεται η κάθε ενέργεια του χρήστη. Επιπλέον το μοντέλο μαθητή δεν πρέπει να περιέχει μη αναγκαίες πληροφορίες έτσι ώστε το σύστημα να μην επιβαρύνεται με άχρηστες αλληλεπιδράσεις. Ένα μοντέλο μαθητή που έχει χρησιμοποιηθεί αρκετά συχνά στο παρελθόν και χρησιμοποιείται και στο δικό μας σύστημα είναι το μοντέλο επικάλυψης (overlay model). Σε αυτό το μοντέλο, η γνώση του χρήστη θεωρείται ότι είναι υποσύνολο της γνώσης ενός εμπειρογνώμονα του γνωστικού πεδίου. Με αυτή την αναπαράσταση, το σύστημα παρουσιάζει το εκπαιδευτικό υλικό στο χρήστη έτσι ώστε στο τέλος η γνώση του να συμπίπτει με τη γνώση του ειδικού. Ένα μειονέκτημα του μοντέλου επικάλυψης είναι η ανικανότητά του να αναπαραστήσει πιθανές παρερμηνείες του χρήστη. Για το σκοπό αυτό χρησιμοποιούνται συχνά άλλα μοντέλα όπως το bug catalogue ή η βελτιωμένη εκδοχή του, το bug-parts-library. Το μοντέλο μαθητή βασίζεται στις έννοιες που συσχετίζονται με τις εκπαιδευτικές μονάδες. Επιπλέον πληροφορίες που καταγράφει το σύστημα αφορούν την ικανότητα μάθησης και συγκέντρωσης του μαθητή. Η απόκριση του μαθητή κατά την αλληλεπίδρασή του με το σύστημα καθορίζουν πόσο υψηλές ή χαμηλές είναι 17

18 αυτές οι ικανότητες. Επιπλέον καταγράφονται οι προτιμήσεις του χρήστη σχετικά με τον πολυμεσικό τύπο (π.χ. κείμενο, στατικές εικόνες, animations) των εκπαιδευτικών μονάδων. Οι προτιμήσεις αυτές καταγράφονται όταν ο χρήστης αποκτά λογαριασμό στο σύστημα ενώ μπορούν να αλλαχθούν και κατά τη διάρκεια της εκπαιδευτικής διαδικασίας. Μόνο καταγεγραμμένοι χρήστες μπορούν να έχουν πρόσβαση στο σύστημα. Με αυτό τον τρόπο το σύστημα μπορεί να καταχωρεί το γνωστικό επίπεδο και τις άλλες ιδιαιτερότητές τους. Ένας καταγεγραμμένος χρήστης προσδιορίζει την ταυτότητά του κάθε φορά που εισάγεται στο σύστημα δίνοντας ένα όνομα χρήστη (login name) και έναν κωδικό (password). Ένας μη καταγεγραμμένος χρήστης πρέπει πρώτα να υποβάλλει στο σύστημα πληροφορίες σχετικές με αυτόν (π.χ. όνομα, ηλεκτρονική διεύθυνση, προτιμήσεις σε πολυμεσικό τύπο) έτσι ώστε να αποκτήσει λογαριασμό που θα του επιτρέψει να έχει πρόσβαση στις λειτουργίες του συστήματος Παιδαγωγικό Μοντέλο Το παιδαγωγικό μοντέλο αναπαριστά την εκπαιδευτική διαδικασία. Παρέχει τη γνώση που απαιτείται έτσι ώστε να προσαρμόζεται η παρουσίαση του εκπαιδευτικού υλικού σύμφωνα με τα δεδομένα του μοντέλου μαθητή. Το παιδαγωγικό μοντέλο εμπεριέχει πληροφορίες σχετικά με τις διάφορες εκπαιδευτικές στρατηγικές. Οι στρατηγικές αυτές καθορίζουν πως πρέπει να οργανωθεί ένα μάθημα. Επιπλέον το παιδαγωγικό μοντέλο περιέχει γνώση σχετικά με την επιλογή των διαφόρων εκπαιδευτικών μονάδων με βάση τις ιδιαιτερότητες του χρήστη Διεπαφή Χρήστη Η διεπιφάνεια χρήστη είναι υπεύθυνη για την αλληλεπίδραση του συστήματος με το χρήστη. Καθώς είναι το κομμάτι του συστήματος που επικοινωνεί απευθείας με το χρήστη πρέπει να σχεδιαστεί με προσοχή. Ο σχεδιασμός και η υλοποίηση της διεπιφάνειας χρήστη του συστήματος είναι μια σημαντική φάση κατά την ανάπτυξη του συστήματος καθώς η αλληλεπιδραστικότητα του συστήματος καθορίζει σε μεγάλο βαθμό την αποδοχή του από την πλευρά των χρηστών. Ο κύριος στόχος είναι ο σχεδιασμός μιας διεπιφάνειας χρήστη που θα μπορεί να χρησιμοποιηθεί από χρήστες με διαφορετικές ικανότητες, ανάγκες, απαιτήσεις και προτιμήσεις. Βασικό 18

19 ζήτημα είναι η υλοποίηση ενός συστήματος που θα υποστηρίζει τις λειτουργίες που παρέχει στο χρήστη αποδοτικά και αποτελεσματικά. Κύρια ζητήματα της διεπιφάνειας χρήστη του συστήματος είναι τα εξής: 1. Αλληλεπίδραση, ροή και πλοήγηση μεταξύ οθονών ή άλλων μερών του συστήματος, 2. Συσχετίσεις μεταξύ των μηνυμάτων του συστήματος, 3. Σχεδιασμοί οθονών και 4. Μηνύματα που θα ενημερώνουν το χρήστη και θα προσελκύουν το ενδιαφέρον του. Η ανάδραση αυτή παίρνει τις ακόλουθες μορφές: 1. Μηνύματα κατάστασης (status messages) που δείχνουν την πρόοδο της διεργασίας που επιτελείται. 2. Μηνύματα προειδοποίησης (warning messages) που γνωστοποιούν στους χρήστες τις συνέπειες των ενεργειών που εκτελούν. 3. Ανάδραση διόρθωσης που υποδηλώνει αν η απόκριση του χρήστη είναι σωστή ή όχι. 4. Ανάδραση πλοήγησης που δείχνει στους χρήστες πού βρίσκονται. Αυτό είναι ιδιαίτερα σημαντικό διότι η δομή του συστήματος μπορεί να μην είναι απαραίτητα ιεραρχική. Μπορούν να διακριθούν δύο όψεις της διεπιφάνειας χρήστη όσον αφορά τους χρήστες: (i) Γενική άποψη: Στη γενική άποψη ο χρήστης μπορεί να προσπελάσει όλο το διαθέσιμο εκπαιδευτικό υλικό. (ii) Άποψη του διαχειριστή: Στην άποψη του διαχειριστή ο χρήστης μπορεί να ενημερώσει το παιδαγωγικό μοντέλο και τη βάση πεδίου εισάγοντας νέα αντικείμενα, ή τροποποιώντας και διαγράφοντας υπάρχοντα αντικείμενα. Μόνο ο διαχειριστής του συστήματος μπορεί να προσπελάσει το σύστημα μέσα από την άποψη του διαχειριστή. Η προσπέλαση μέσα από τη γενική άποψη μπορεί να γίνει τόσο από τους εκπαιδευόμενους όσο και από τον διαχειριστή. 19

20 1.4.2 Τα προσαρμοστικά εκπαιδευτικά συστήματα υπερμέσων (Adaptive Educational Hypermedia Systems (AEHSs)) Τα Προσαρμοστικά Εκπαιδευτικά Υπερμέσα συγκεντρώνουν χαρακτηριστικά των Ευφυών Συστημάτων Διδασκαλίας (Intelligent Tutoring Systems) και των Προσαρμοστικών Υπερμέσων (Adaptive Hypermedia) [27]. Στα Προσαρμοστικά Εκπαιδευτικά Υπερμέσα ο χρήστης έχει αρκετή ελευθερία επιλογής στην πλοήγηση σε αντίθεση με τα Ευφυή Συστήματα Διδασκαλίας στα οποία το σύστημα ελέγχει σε μεγάλο βαθμό τι παρουσιάζεται στο χρήστη. Τα Προσαρμοστικά Εκπαιδευτικά Υπερμέσα προσπαθούν να προσαρμόσουν το περιεχόμενο και τις συνδέσεις (links) μιας σελίδας υπερκειμένου (hypertext) στις απαιτήσεις του χρήστη [9],[10],[18]. Έτσι οι δύο βασικές υπηρεσίες που προσφέρουν στον χρήστη είναι η προσαρμοστική παρουσίαση (adaptive presentation) και η προσαρμοστική πλοήγηση (adaptive navigation). Με την διάδοση του Παγκόσμιου Ιστού δόθηκε αρκετά μεγάλη ώθηση στην ανάπτυξη Προσαρμοστικών Εκπαιδευτικών Υπερμέσων. Σε αυτό συντέλεσαν οι παρακάτω λόγοι: Η φύση του Παγκόσμιου Ιστού τον καθιστά μια πλατφόρμα κατάλληλη για δημιουργία προσαρμοστικών συστημάτων. Μια εφαρμογή Παγκόσμιου Ιστού μπορεί να εγκατασταθεί σε ένα ισχυρό εξυπηρετητή και να προσπελαστεί από πολλούς χρήστες. Αυτή η συναλλαγή με πολλούς χρήστες διαφορετικού ταμπεραμέντου, δημιουργεί ανάγκες για κατάλληλη προσαρμοστικότητα των εφαρμογών. Η ανάγκη αυτή γίνεται μεγαλύτερη αν αναλογιστεί κανείς ότι ο χρήστης που προσπελαύνει μία εφαρμογή Παγκόσμιου Ιστού είναι συνήθως μόνος του. Το πεδίο της δημιουργίας ευφυών εκπαιδευτικών συστημάτων στον Παγκόσμιο Ιστό είναι αρκετά πολύπλευρο και προσέλκυσε πολλούς ερευνητές από διάφορες περιοχές. Για το λόγο αυτό τα Προσαρμοστικά Εκπαιδευτικά Υπερμέσα αποτελούν μια από τις πιο διαδομένες κατηγορίες Προσαρμοστικών Υπερμέσων στον Παγκόσμιο Ιστό. Σήμερα ολοένα και περισσότερο γίνεται λόγος για την ανάγκη που υπάρχει για συνεχόμενη κατάρτιση αφού η συσσώρευση της γνώσης είναι τεράστια σε όλους τους επιστημονικούς τομείς. Το Διαδίκτυο και ο Παγκόσμιος Ιστός προσφέρουν ένα περιβάλλον που μπορεί να βοηθήσει σημαντικά προς αυτή την κατεύθυνση. Το Διαδίκτυο καταργεί τις αποστάσεις και η εκπαίδευση 20

21 είναι δυνατή από οποιοδήποτε σημείο και αν βρίσκεται ο ενδιαφερόμενος. Αυτή η διαδικασία εκπαίδευσης από μακριά με διάφορα μέσα ονομάζεται «εκπαίδευση από απόσταση» (distance learning). Η συμβολή των Προσαρμοστικών Εκπαιδευτικών Υπερμέσων στον τομέα αυτό της εξ αποστάσεως μάθησης μπορεί να αποδειχτεί αρκετά σημαντική Τεχνικά Χαρακτηριστικά των Προσαρμοστικών Εκπαιδευτικών Υπερμέσων Τα σύγχρονα προσαρμοστικά συστήματα υπερμέσων ουσιαστικά έχουν την ίδια δομή με αυτή των ΕΣΔ (σχήμα 1), αλλά χρησιμοποιούν «ελαφρύτερες» ευφυείς τεχνικές καθώς και τεχνικές που δεν προέρχονται από τον χώρο της ΤΝ. Θα περιγραφούν στη συνέχεια κάποια τεχνικά χαρακτηριστικά των Προσαρμοστικών Εκπαιδευτικών Υπερμέσων που χρησιμοποιούνται στον Παγκόσμιο Ιστό. Τα Προσαρμοστικά Εκπαιδευτικά Υπερμέσα δανείζονται όπως ειπώθηκε και πριν χαρακτηριστικά των Ευφυών Συστημάτων Διδασκαλίας. Έτσι συναντά κανείς στη δομή τους τμήματα που μπορούν να αντιστοιχηθούν σε αυτά των Ευφυών Συστημάτων Διδασκαλίας [39], τη γνώση πεδίου, το μοντέλο χρήστη, το παιδαγωγικό μοντέλο διδασκαλίας και το μοντέλο επικοινωνίας (user interface). Η γνώση πεδίου στα Προσαρμοστικά Εκπαιδευτικά Υπερμέσα πολύ συχνά αποτελείται από τρία επίπεδα: τις γνωστικές έννοιες, τις ιστοσελίδες (web pages) και τα μικρά γνωστικά τμήματα (fragments). Μία ή περισσότερες ιστοσελίδες αντιστοιχούν σε μία έννοια. Ένα μικρό γνωστικό τμήμα μπορεί να είναι ένα μικρό κείμενο, μία εικόνα, ένα video, ένα animation κ.α.. Πολλά από αυτά τα μικρά γνωστικά τμήματα απαρτίζουν μία σελίδα. Οι έννοιες συνδέονται μεταξύ τους με διάφορες σχέσεις σχηματίζοντας έτσι το δίκτυο εννοιών ενός θέματος. Το δίκτυο αυτό ορίζει την παιδαγωγική δομή του θέματος. Οι πιο συνηθισμένες σχέσεις που συνδέουν μεταξύ τους έννοιες είναι οι εξής [49]: Σχέση part-of: Πολλές επιμέρους έννοιες μπορεί να αποτελούν μέρος μιας σύνθετης έννοιας. Σχέση prerequisite: Ορισμένες έννοιες μπορεί να είναι προαπαιτούμενες άλλων εννοιών. Ο χρήστης καλό θα είναι να γνωρίζει τις προαπαιτούμενες 21

22 έννοιες μιας έννοιας προτού προσπελάσει εκπαιδευτικό υλικό που αναφέρεται σε αυτή. Σχέση is-a: Συνδέει μια έννοια με άλλες που αποτελούν χαρακτηριστικές περιπτώσεις της. Στη γνώση πεδίου των Προσαρμοστικών Εκπαιδευτικών Υπερμέσων που τρέχουν στον Παγκόσμιο Ιστό σπάνια συναντάμε διαδικαστική γνώση όπως συμβαίνει στα Ευφυή Συστήματα Διδασκαλίας. Ο λόγος που συμβαίνει αυτό είναι ότι τα περισσότερα Προσαρμοστικά Εκπαιδευτικά Υπερμέσα δεν καθοδηγούν αλληλεπιδραστικά το χρήστη στην επίλυση ενός προβλήματος. Για να υποστηριχθεί αυτή η λειτουργία χρειάζεται το σύστημα να επιτηρεί συνεχώς τις ενέργειες του χρήστη, να τις καταλαβαίνει, να ενημερώνει το μοντέλο χρήστη και να δίνει βοήθεια όταν ο χρήστης τη χρειάζεται. Η τεχνολογική πραγματοποίηση αυτής της αλληλεπιδραστικής επίλυσης προβλημάτων ήταν μέχρι πρόσφατα αρκετά δύσκολη αφού τα Προσαρμοστικά Εκπαιδευτικά Υπερμέσα που τρέχουν στον Παγκόσμιο Ιστό στηριζόταν σε CGI scripts που εκτελούνταν στον εξυπηρετητή. Με την σημερινή διάδοση και ωρίμανση της Java άλλα κα άλλων τεχνολογίων (Java applets, Java Servlets, php, mysql, javascript) αναμένεται τα Προσαρμοστικά Εκπαιδευτικά Υπερμέσα που τρέχουν στον Παγκόσμιο Ιστό να ενσωματώσουν περισσότερες αλληλεπιδραστικές λειτουργίες. Το μοντέλο χρήστη περιέχει πληροφορίες σχετικές με το χρήστη που είναι απαραίτητες για να επιτευχθεί η προσαρμογή του συστήματος στις ανάγκες του. Το παιδαγωγικό μοντέλο διδασκαλίας χρησιμοποιεί τις πληροφορίες που εμπεριέχονται στο μοντέλο χρήστη για να παρέχει τις δύο βασικές υπηρεσίες δηλαδή την προσαρμοστική παρουσίαση και την προσαρμοστική πλοήγηση. Το παιδαγωγικά μοντέλα διδασκαλίας των Προσαρμοστικών Εκπαιδευτικών Υπερμέσων έχουν λιγότερες δυνατότητες σε σχέση με εκείνα των Ευφυών Συστημάτων Διδασκαλίας που περιέχουν π.χ. διαφορετικές στρατηγικές διδασκαλίας. Το μοντέλο επικοινωνίας είναι υπεύθυνο για τη δημιουργία ιστοσελίδων σύμφωνα με τις οδηγίες του παιδαγωγικού μοντέλου διδασκαλίας. Επιπλέον αλληλεπιδρά με το χρήστη και περνά δεδομένα που προκύπτουν από τις ενέργειές του στο μοντέλο χρήστη. 22

23 Προσαρμοστική Παρουσίαση Στόχος της προσαρμοστικής παρουσίασης είναι η προσαρμογή του περιεχομένου των σελίδων που προσπελαύνονται από το χρήστη με βάση τα χαρακτηριστικά που εμπεριέχονται στο μοντέλο χρήστη. Έχουν χρησιμοποιηθεί διάφορες μέθοδοι για την επίτευξη της προσαρμοστικής παρουσίασης οι οποίες και θα αναλυθούν στη συνέχεια. Μία από τις πιο δημοφιλείς μεθόδους προσαρμοστικής παρουσίασης που καλείται επιπρόσθετες εξηγήσεις ( additional explanations) είναι η απόκρυψη ορισμένης πληροφορίας που δεν είναι συμβατή με τα χαρακτηριστικά του χρήστη. Δηλαδή με τη μέθοδο αυτή εκτός από τη βασική πληροφορία κάποια κατηγορία χρηστών θα πάρει επιπλέον πληροφορία που απευθύνεται ειδικά σε χρήστες αυτής της κατηγορίας ενώ θα αποκρύβεται από τους χρήστες άλλων κατηγοριών. Για παράδειγμα χαμηλού επιπέδου λεπτομέρειες μπορούν να αποκρύβονται από χρήστες με χαμηλό γνωστικό επίπεδο και να εμφανίζονται μόνο σε χρήστες με υψηλό γνωστικό επίπεδο. Ή χρήστες με υψηλό γνωστικό επίπεδο μπορεί να μη βλέπουν κάποιες επιπρόσθετες εξηγήσεις σχετικά με μια έννοια γιατί είναι περιττές. Ένας τρόπος με τον οποίο έχει υλοποιηθεί αυτή η μέθοδος είναι με τη χρήση συνθηκών. Δηλαδή τα διάφορα κομμάτια πληροφορίας που αφορούν μια έννοια συσχετίζονται με ορισμένες συνθήκες που όταν αληθεύουν επιτρέπουν την εμφάνιση των αντίστοιχων κομματιών. Άλλη μέθοδος είναι οι παραλλαγές εξηγήσεων (explanation variants) [9] η οποία διατηρεί παραλλαγές του περιεχομένου των διαφόρων σελίδων και στον κάθε χρήστη εμφανίζει την παραλλαγή που ταιριάζει περισσότερο στο μοντέλο του. Η μέθοδος αυτή μπορεί να υλοποιηθεί με δύο τρόπους. Ο πιο απλός τρόπος είναι η χρήση παραλλαγών σελίδων (page variants) [9]. Με αυτόν τον τρόπο το σύστημα διατηρεί παραλλαγές της ίδιας σελίδας με διαφορετικές παρουσιάσεις για το ίδιο αντικείμενο. Ουσιαστικά η κάθε παραλλαγή σελίδας αντιστοιχεί σε ένα από τα στερεότυπα χρηστών. Ο δεύτερος τρόπος που είναι πιο εξειδικευμένος χρησιμοποιεί παραλλαγές τμημάτων (fragment variants) [9]. Δηλαδή το σύστημα διατηρεί διάφορες παραλλαγές εξηγήσεων για την κάθε έννοια και εμφανίζει στο χρήστη εκείνες τις εξηγήσεις που αντιστοιχούν στο μοντέλο του. Ο τρόπος αυτός είναι χρήσιμος όταν μια σελίδα αναφέρεται σε περισσότερες από μια γνωστικές έννοιες. Επιπλέον έχει 23

24 χρησιμοποιηθεί και συνδυασμός των δύο αυτών τρόπων για να επιτρέπεται προσαρμογή τόσο στο υπόβαθρο όσο και στο γνωστικό επίπεδο του χρήστη. Με αυτόν τον συνδυασμό επιλέγεται η σελίδα από τις διάφορες παραλλαγές με βάση το υπόβαθρο του χρήστη και στη συνέχεια για κάθε έννοια που αναφέρεται στη σελίδα επιλέγονται οι αντίστοιχες εξηγήσεις. Πιο πολύπλοκοι τρόποι υλοποίησης της προσαρμοστικής παρουσίασης κάνουν χρήση πλαισίων (frames) με τα οποία αναπαριστούν όλη την πληροφορία που αφορά μια γνωστική έννοια. Οι σχισμές περιέχουν παραλλαγές πληροφορίας για τη συγκεκριμένη έννοια και συνδέσεις με άλλα πλαίσια. Επιπλέον κανόνες παρουσίασης επιλέγουν ποιες σχισμές θα παρουσιαστούν στο χρήστη και με ποια σειρά Προσαρμοστική Πλοήγηση Ο στόχος της προσαρμοστικής πλοήγησης είναι να βοηθά τους χρήστες στην εύρεση μονοπατιών στον υπερχώρο (hyperspace) του εκπαιδευτικού υλικού με την προσαρμογή των συνδέσεων των σελίδων στα χαρακτηριστικά του μοντέλου τους. Προσαρμόζονται τόσο τοπικές συνδέσεις που βρίσκονται σε σελίδες με εκπαιδευτικό υλικό όσο και σε σελίδες- δείκτες (index pages) που περιέχουν συνδέσεις υπό τη μορφή πίνακα περιεχομένων σε εκπαιδευτικές σελίδες [37],[40]. Οι κυριότερες μέθοδοι προσαρμοστικής πλοήγησης είναι οι εξής: Άμεση καθοδήγηση (direct guidance): Είναι η πιο απλή μέθοδος προσαρμοστικής πλοήγησης. Με αυτή το σύστημα δείχνει στο χρήστη ποια είναι η επόμενη καλύτερη σελίδα για αυτόν που πρέπει να προσπελάσει. Καλό θα είναι να χρησιμοποιείται σε συνδυασμό με άλλες μεθόδους προσαρμοστικής πλοήγησης έτσι ώστε ο χρήστης να έχει περισσότερη ελευθερία στην πλοήγηση. Ταξινόμηση συνδέσεων (link sorting): Οι συνδέσεις μιας συγκεκριμένης σελίδας ταξινομούνται από το σύστημα με βάση το μοντέλο χρήστη. Οι συνδέσεις με τη μεγαλύτερη σχετικότητα με τα χαρακτηριστικά του χρήστη εμφανίζονται πρώτες ενώ εκείνες που έχουν μικρή σχετικότητα εμφανίζονται τελευταίες. Σχολιασμός συνδέσεων (link annotation): Οι συνδέσεις διαφοροποιούνται ανάλογα με το πόσο κατάλληλες είναι να ακολουθηθούν από ένα χρήστη. Η διαφοροποίηση των συνδέσεων μπορεί να γίνει με βάση το χρώμα τους, με βάση κάποιο γραφικό εικονίδιο που συσχετίζεται με αυτές, κτλ. 24

25 Απόκρυψη συνδέσεων (link hiding): Ορισμένες συνδέσεις που δεν ενδιαφέρουν το χρήστη κρύβονται από αυτόν και παρουσιάζονται σαν απλό κείμενο. Διαγραφή συνδέσεων (link removal): Κάποιες συνδέσεις που δεν ενδιαφέρουν το χρήστη μπορεί να διαγράφονται τελείως αντί απλώς να κρύβονται. Απενεργοποίηση συνδέσεων (link disabling): Συνδέσεις που δεν ενδιαφέρουν το χρήστη μπορεί να απενεργοποιούνται, δηλαδή να φαίνονται ότι είναι συνδέσεις αλλά να μην μπορούν να επιλεχθούν από το χρήστη Μέθοδοι Μοντελοποίησης Μαθητή Εδώ παρουσιάζονται αναλυτικότερα οι μέθοδοι μοντελοποίησης χρήστη-μαθητή που χρησιμοποιούνται σε ευφυή συστήματα διδασκαλίας. Το μοντέλο χρήστη, όπως προαναφέραμε, διατηρεί πληροφορίες σχετικά με το χρήστη με βάση τις οποίες γίνεται η προσαρμογή της λειτουργίας του συστήματος στις απαιτήσεις του. Υπάρχουν πολλά πιθανά χαρακτηριστικά του χρήστη που μπορούν να αποθηκευτούν στο μοντέλο χρήστη και ένα πρόβλημα είναι η επιλογή των πιο κατάλληλων από αυτά. Το μοντέλο χρήστη δεν πρέπει να είναι ούτε ελλιπές διότι η προσαρμοστικότητα του συστήματος θα είναι ανεπιτυχής αλλά ούτε και πολύπλοκο καθώς θα επιβαρύνει σημαντικά τη λειτουργία του συστήματος. Βασικά χαρακτηριστικά που διατηρούνται στο μοντέλο χρήστη είναι τα ακόλουθα: Οι γνώσεις του σχετικά με το πεδίο γνώσης του συστήματος Οι στόχοι του χρήστη Υπόβαθρο και εμπειρίες Προτιμήσεις Οι τιμές των χαρακτηριστικών του χρήστη προκύπτουν είτε κατά την αλληλεπίδρασή του με το σύστημα κατά την εκπαιδευτική διαδικασία είτε δίνονται απευθείας από αυτόν. Το σύστημα θα πρέπει να αναγνωρίζει τις όποιες αλλαγές που έχουν υποστεί τα χαρακτηριστικά του χρήστη κατά την αλληλεπίδρασή του με αυτό και να ενημερώνει κατάλληλα το μοντέλο χρήστη. Καθένα από αυτά τα χαρακτηριστικά θα αναλυθεί περαιτέρω στη συνέχεια. Το σημαντικότερο χαρακτηριστικό του χρήστη όσον αφορά το Προσαρμοστικά Εκπαιδευτικά Υπερμέσα είναι οι γνώσεις του σχετικά με το πεδίο γνώσης του 25

26 συστήματος. Υπάρχουν διάφοροι τρόποι για την αναπαράσταση της γνώσης του χρήστη οι οποίοι έχουν χρησιμοποιηθεί και στα Ευφυή Συστήματα Διδασκαλίας. Ο πιο γνωστός τρόπος αναπαράστασης της γνώσης του χρήστη είναι η μέθοδος της επικάλυψης (overlay model) [12]. Η μέθοδος αυτή βασίζεται στην παιδαγωγική δομή του πεδίου γνώσης (δηλαδή στις γνωστικές του έννοιες). Η βασική της ιδέα είναι ότι θεωρεί τη γνώση του χρήστη ως υποσύνολο της γνώσης ενός ειδικού στο πεδίο (Σχήμα 2). Για κάθε έννοια το μοντέλο διατηρεί μια τιμή που αναπαριστά το επίπεδο γνώσης του χρήστη. Η τιμή αυτή μπορεί να είναι δυαδική (γνωστή, μη γνωστή) ή και βαθμωτή. Άρα το μοντέλο επικάλυψης αναπαρίσταται σαν ένα σύνολο ζευγών "έννοια-επίπεδο γνώσης". Επομένως με βάση αυτή τη θεώρηση, το σύστημα παρουσιάζει στο χρήστη εκπαιδευτικό υλικό μέχρι η γνώση του να ταυτίζεται με τη γνώση του ειδικού. Η μέθοδος της επικάλυψης έχει χρησιμοποιηθεί πολύ συχνά τόσο σε Προσαρμοστικά Εκπαιδευτικά Υπερμέσα όσο και σε Ευφυή Συστήματα Διδασκαλίας. Σχήμα 2:Το μοντέλο επικάλυψης (overlay model) Ένα μειονέκτημα του μοντέλου επικάλυψης είναι η αδυναμία του να αναπαραστήσει πιθανές παρανοήσεις (misconceptions) του χρήστη. Για αυτό το σκοπό έχει προταθεί το buggy μοντέλο [6] που αναπαριστά τη γνώση του χρήστη σαν την ένωση ενός υποσυνόλου του πεδίου γνώσης και ενός συνόλου παρανοήσεών του (Σχήμα 3). Το buggy μοντέλο βοηθά στην καλύτερη διόρθωση των λαθών του χρήστη αφού η ύπαρξη μιας εικόνας για την εσφαλμένη γνώση του είναι πολύ χρήσιμη από παιδαγωγικής άποψης. Υπάρχουν δύο παραλλαγές του buggy μοντέλου: το bug catalogue και το bug-parts-library μοντέλο. 26

27 Σχήμα 3: Το buggy μοντέλο Στο bug catalogue μοντέλο υπάρχει μια μεγάλη βιβλιοθήκη προκαθορισμένων παρερμηνειών που χρησιμοποιείται για να προστίθενται οι σχετικές παρερμηνείες στο μοντέλο του χρήστη. Ένα μειονέκτημα αυτού του μοντέλου είναι η δυσκολία δημιουργίας της βιβλιοθήκης των παρερμηνειών. Στη δεύτερη παραλλαγή οι παρερμηνείες του χρήστη κατασκευάζονται κατά την εκπαιδευτική διαδικασία από μια βιβλιοθήκη μερών σφαλμάτων. Συνήθως η βιβλιοθήκη περιέχει συμβολικούς κανόνες με συνθήκες και δράσεις που εκτελούνται όταν αυτές ισχύουν [50]. Ένας πιο απλός τρόπος μοντελοποίησης της γνώσης του χρήστη είναι η χρήση στερεότυπων. Τα στερεότυπα ορίζουν προκαθορισμένες κλάσεις χρηστών [18]. Ένα μοντέλο στερεοτύπου αναπαρίσταται σαν ένα σύνολο ζευγών "στερεότυπο-τιμή" όπου η τιμή ορίζει αν ο χρήστης ανήκει ή όχι στο συγκεκριμένο στερεότυπο. Τα μοντέλα στερεοτύπων είναι πιο απλά και επομένως μπορούν ευκολότερα να αρχικοποιηθούν και να διατηρηθούν σε σχέση με τα άλλα μοντέλα. Μερικά από τα προβλήματα του συγκεκριμένου μοντέλου είναι η δυσκολία καθορισμού των δυνατών στερεοτύπων χρηστών για ένα συγκεκριμένο πεδίο γνώσης, η δυσκολία στον καθορισμό των ορίων μεταξύ των στερεοτύπων και το γεγονός ότι η απλότητά του περιορίζει και την ισχύ των συστημάτων που τα χρησιμοποιούν. Για να είναι αποδοτικές οι μέθοδοι προσαρμογής του συστήματος απαιτείται πολλές φορές η ύπαρξη πιο εξειδικευμένων μοντέλων γνώσης του χρήστη. Τέλος μερικές φορές χρησιμοποιούνται και μοντέλα αβεβαιότητας για την μοντελοποίηση της γνώση του χρήστη. Τέτοια μοντέλα είναι πιθανοτικά με τη χρήση π.χ. Bayesian networks [26], ασαφή (fuzzy), νευροασαφή (neurofyzzy) [34]. Οι στόχοι του χρήστη είναι ένα χαρακτηριστικό που αλλάζει αρκετά συχνά π.χ. από session σε session ή και εντός του ίδιου session. Οι στόχοι μπορεί να είναι υψηλού επιπέδου π.χ. γνωστικοί στόχοι ή χαμηλού επιπέδου π.χ. στόχοι επίλυσης προβλημάτων. Οι στόχοι είναι χαρακτηριστικό που επηρεάζει περισσότερο την 27

28 προσαρμοστική πλοήγηση. Για την αναπαράσταση των στόχων συνήθως χρησιμοποιείται ένα μοντέλο παρόμοιο με το μοντέλο επικάλυψης. Το υπόβαθρο του χρήστη αφορά πληροφορίες σχετικά με εμπειρίες του χρήστη εκτός του πεδίου γνώσης οι οποίες είναι αρκετά σημαντικές ώστε να λαμβάνονται υπόψη. Τέτοιες πληροφορίες είναι το επάγγελμα του χρήστη, η προϋπηρεσία του σε άλλες σχετικές περιοχές, κτλ. Η εμπειρία του χρήστη αφορά την εξοικείωσή του με υπερμεσικές εφαρμογές και με το συγκεκριμένο σύστημα. Το χαρακτηριστικό αυτό είναι χρήσιμο για την υλοποίηση της προσαρμοστικής πλοήγησης. Το συνηθέστερο μοντέλο για την αναπαράσταση του υποβάθρου και της εμπειρίας του χρήστη είναι το μοντέλου του στερεοτύπου. Οι προτιμήσεις του χρήστη αφορούν διάφορες παραμέτρους παρουσίασης του εκπαιδευτικού υλικού από το σύστημα. Τέτοιες προτιμήσεις αφορούν π.χ. τον πολυμεσικό τύπο (π.χ. κείμενο, εικόνες, animations) των εκπαιδευτικών σελίδων που προτιμά να βλέπει ο χρήστης. 28

29 Κεφάλαιο 2 «Ευφυείς Τεχνικές σε Συστήματα Εξατομικευμένης Μάθησης» 29

30 2.1 Αναγκαιότητα χρήσης ευφυών τεχνικών σε Συστήματα Εξατομικευμένης Μάθησης Η χρήση ευφυών τεχνικών μπορεί να αντιμετωπίσει με επιτυχία πολλές από τις προκλήσεις που εισάγουν τα σημερινά περιβάλλοντα εκπαίδευσης [28]. Ο κόσμος της εκπαίδευσης αλλάζει πλέον δραματικά και επηρεάζεται σε μεγάλο βαθμό από τις πληροφοριακές και διαδικτυακές τεχνολογίες. Αυτή η αλλαγή λαμβάνει χώρα τόσο σε τεχνολογικές όσο και σε διδακτικές μεθόδους που χρησιμοποιούνται στην παραδοσιακή εκπαίδευση αλλά και στην τηλέ-εκπαίδευση. Η προσαρμοστικότητα αποτελεί το κεντρικό σημείο σχεδίασης των περισσοτέρων εκπαιδευτικών συστημάτων που χρησιμοποιούν ευφυείς τεχνικές. Βασικό ζητούμενο σε αυτές τις περιπτώσεις είναι η προσαρμοστικότητα να προέρχεται από τον ίδιο το χρήστη, να βασίζεται δηλαδή στις ανάγκες και προτιμήσεις του, οδηγώντας έτσι σε εξατομικευμένα συστήματα. Με αυτό τον τρόπο αυξάνεται η αποτελεσματικότητα και η ευελιξία του συστήματος σε σχέση με ένα σύστημα που προσφέρει το ίδιο περιεχόμενο σε όλους τους χρήστες. Γνωρίσματα του χρήστη που χρησιμοποιούνται από τα εκπαιδευτικά συστήματα ως βάση για να προσαρμόσουν τη συμπεριφορά τους είναι τα εξής: η γνώση, οι στόχοι, το υπόβαθρο, και οι προτιμήσεις του χρήστη. Αφού εντοπιστούν τα γνωρίσματα του χρήστη που θα χρησιμοποιηθούν για να επιτευχθεί προσαρμοστικότητα στη συμπεριφορά του συστήματος, στη συνέχεια θα πρέπει να καθοριστεί ο τρόπος με τον οποίο θα εκφραστεί αυτή η προσαρμοστικότητα στο σύστημα. Τα χαρακτηριστικά του συστήματος που μπορούν να προσαρμοστούν είναι τα στοιχεία εκείνα που το σύστημα μπορεί να παρουσιάσει με διαφορετικό τρόπο ανάλογα με το συγκεκριμένο χρήστη. Συγκεκριμένα, τέτοια χαρακτηριστικά είναι: η σειρά παρουσίασης της εκπαιδευτικής ύλης (curriculum sequencing), η ανάλυση των λύσεων των μαθητών (intelligent analysis of student solutions), η βοήθεια με αλληλεπίδραση κατά την επίλυση προβλημάτων (interactive problem solving support), o τρόπος παρουσίασης του περιεχομένου (adaptive content presentation), ο τρόπος πλοήγησης (adaptive navigation support) και η υποστήριξη συνεργασίας ανάμεσα στους μαθητές (adaptive collaboration support) [7]. Ένα ακόμα ζήτημα που σχετίζεται με τις ευφυείς εκπαιδευτικές εφαρμογές και παρουσιάζει ιδιαίτερο ενδιαφέρον είναι η μοντελοποίηση των μαθητών με στόχο τη δημιουργία των αντίστοιχων προφίλ μαθητών [46]. Κάθε μοντέλο μαθητή σε γενικές 30

31 γραμμές χωρίζεται σε δύο τμήματα. Το πρώτο τμήμα περιλαμβάνει γενικές πληροφορίες για το μαθητή, όπως το όνομα και ενδιαφέροντα του. Το δεύτερο και σημαντικότερο τμήμα του μοντέλου μαθητή σχετίζεται με τη γνώση του, όπως αυτή αποτυπώνεται από την αλληλεπίδρασή του μαθητή με το σύστημα. 2.2 Σύντομη Ανασκόπηση Αρχικά τα ITS ήταν αρχικά αυτόνομα συστήματα. Ωστόσο, η ανάπτυξη του παγκόσμιου ιστού έδωσε ώθηση στην ανάπτυξη ITS για τον παγκόσμιο ιστό [31], ένα τύπο ευφυών εκπαιδευτικών συστημάτων για τον παγκόσμιο ιστό (Web-Based Intelligent Educational Systems (WBIESs)) [8]. Υπάρχει ένας μεγάλος αριθμός τεχνολογιών και τεχνικών που χρησιμοποιούνται στα WBIESs και οι οποίες προέρχονται από τον ευρύτερο χώρο της τεχνητής νοημοσύνης. Οι τεχνικές αυτές επιτυγχάνουν αντίληψη των βασικών παιδαγωγικών μοντέλων. Τα ITSs χρησιμοποιούν τέτοιου είδους τεχνικές. Η αναπαράσταση γνώσης και η συλλογιστική (knowledge representation and reasoning (KR&R)) είναι υψίστης σημασίας σε τέτοιου είδους συστήματα, αφού αυτό που κυρίως απαιτείται είναι αναπαράσταση του ανθρώπινου συλλογισμού [2]. Τέτοιες, δημοφιλείς τεχνικές είναι η συλλογιστική βασισμένη σε κανόνες (rule-based reasoning) [1] και η συλλογιστική βασισμένη σε περιπτώσεις (case-based reasoning) [19]. Άλλες, συνδετικές τεχνικές όπως νευρωνικά δίκτυα [18] και γενετικοί αλγόριθμοι [55] χρησιμοποιείται για αναπαράσταση θεμάτων κατηγοριοποίησης Συλλογιστική βασισμένη σε κανόνες (Rule-based reasoning) Η συλλογιστική βασισμένη σε κανόνες (Rule-based reasoning),η οποία συνήθως ονομάζεται προσέγγιση έμπειρων συστημάτων, είναι μια απο τις πιο γνωστές KR&R μεθόδους [32]. Οι κανόνες αναπαριστούν την γνώση στην μορφή των if-then κανόνων: if <conditions> then <conclusion>, όπου <conditions> αναπαριστούν τις συνθήκες και <conclusion> το συμπέρασμα του κανόνα. Το συμπέρασμα ενός κανόνα προέρχεται όταν η λογική συνθήκη που συνδέει τις συνθήκες του είναι αληθής. Τα βασικά συστατικά ενός τυπικού έμπειρου συστήματος βασισμένο σε κανόνες (rule based expert system) είναι: η βάση κανόνων (rule base), η μηχανή εξαγωγής συμπερασμάτων(inference engine), η μνήμη εργασίας(working memory) και ο μηχανισμός επεξήγησης (explanation mechanism). Η μηχανή εξαγωγής συμπερασμάτων χρησιμοποιεί τη γνώση στην βάση γνώσης, όπως και γεγονότα 31

32 (facts) σχετικά με το πρόβλημα, για να καταλήξει στα συμπεράσματα. Ο μηχανισμός επεξήγησης, παρέχει επεξηγήσεις σχετικά με αυτά τα συμπεράσματα. Οι κανόνες χρησιμοποιούνατι στα περισσότερα παιδαγωγικά μοντέλα [38], [45] Συλλογιστική βασισμένη σε περιπτώσεις (Case-based reasoning) Η συλλογιστική βασισμένη σε περιπτώσεις (Case-based reasoning),[19],[20], αποθηκεύουν ένα μεγάλο σύνολο προηγούμενων περιπτώσεων μαζί με τις λύσεις τους. Η αποθήκευση αυτή γίνεται στην βάση περιπτώσεων και χρησιμοποιούνται οποτεδήποτε μια νέα παρόμοια περίπτωση πρέπει να αντιμετωπιστεί. Ένα σύστημα βασισμένο σε περιπτώσεις πραγματοποιεί εξαγωγή συμπερασμάτων σε τέσσερις φάσεις : (i) ανάκτηση, (ii) επαναχρησιμοποίηση, (iii) επανεξέταση και (iv) διασφάλιση. Στην φάση ανάκτησης οι περισσότερο σχετικές περιπτώσεις με την νέα περίπτωση ανακτώνται. Παρόμοιες μετρικές και σχήματα δεικτοδότησης χρησιμοποιούνται σε αυτό το πλαίσιο. Στην φάση επαναχρησιμοποίησης, η ανακτώμενη περίπτωση συγκρίνεται με την καινούργια για να δημιουργηθεί μια λύση. Η φάση επανεξέτασης, επικυρώνει την ορθότητα της προτεινόμενης λύσης. Τέλος, η φάση διασφάλισης αποφασίζει για την διατήρηση ή μη της νέας περίπτωσης. Η συλλογιστική βασισμένη σε περιπτώσεις έχει χρησιμοποιηθεί σε εκπαιδευτικά μοντέλα [19], [20] Νευρωνικά δίκτυα (Neural networks) Τα νευρωνικά δίκτυα (Neural networks) αναπαριστούν μια τελείως διαφορετική προσέγγιση της Τεχνητής Νοημοσύνης [23]. Ένα νευρωνικό δίκτυο αποτελείται από πολλές εσωτερικά διασυνδεδεμένες μονάδες που ονομάζονται νευρώνες. Κάθε σύνδεση από τον νευρώνα u j στον νευρώνα u i σχετίζεται με ένα βάρος w ij που αντιστοιχεί στην επίδραση του u j στο u i. Η έξοδος του νευρώνα βασίζεται στις εισόδους του και στα αντίστοιχα βάρη. Συνήθως, τα νευρωνικά δίκτυα είναι οργανωμένα σε τρία επίπεδα: την είσοδο, το μεσαίο (ή κρυφό) και το επίπεδο εξόδου. Τα βάρη ενός νευρωνικού δικτύου καθορίζονται μέσω μιας διαδικασίας εκπαίδευσης με εμπειρικά δεδομένα [24]. Οι νευρώνες εισόδου τροφοδοτούνται με της τιμές εισόδου του προβλήματος.αυτές οι τιμές διαδίδονται δια μέσω του δικτύου και παράγουν τις εξόδους ενεργοποιώντας τους αντίστοιχους νευρώνες. Το σύστημα των 32