Κωνσταντίνος Παπαβλασόπουλος ΑΜ:475

«ΧΡΗΣΗ ΥΒΡΙΔΙΚΩΝ ΕΥΦΥΩΝ ΜΕΘΟΔΩΝ ΓΙΑ ΠΡΟΣΑΡΜΟΣΤΙΚΗ ΑΞΙΟΛΟΓΗΣΗ ΜΑΘΗΤΩΝ ΣΕ ΕΥΦΥΕΣ ΣΥΣΤΗΜΑ ΔΙΔΑΣΚΑΛΙΑΣ ΣΤΟ ΔΙΑΔΙΚΤΥΟ» Κωνσταντίνος Παπαβλασόπουλος ΑΜ:475 Τριμελής Εξεταστική Επιτροπή: Καθηγητής:Λυκοθανάσης Σ. Αναπληρωτής Καθηγητής: Γαροφαλάκης Ι. Επίκουρος Καθηγητής: Χατζηλυγερούδης Ι.(Επιβλέπων). 1

Αντικείμενο της εργασίας: (α) Παρουσίαση Ευφυών Συστημάτων Διδασκαλίας. (β) Η εύρεση μιας μεθόδου για ρεαλιστικότερο προσδιορισμό του επιπέδου δυσκολίας των ερωτήσεων-ασκήσεων. (γ) Η εύρεση μιας μεθόδου για προσαρμοστικό σχεδιασμό των τεστ αξιολόγησης των μαθητών. (δ) Η χρήση υβριδικών ευφυών τεχνικών. (ε) Η εφαρμογή των παραπάνω σ ένα υπάρχον ευφυές σύστημα διδασκαλίας θεμάτων τεχνητής νοημοσύνης. 2

Κατηγορίες Εκπαιδευτικών Συστημάτων: 1. Τα ευφυή συστήματα διδασκαλίας ( Intelligent Tutoring Systems (ITSs)). 2. Tα προσαρμοστικά εκπαιδευτικά συστήματα υπερμέσων (Adaptive Educational Hypermedia Systems (AEHSs)) 3

Τα ευφυή συστήματα διδασκαλίας (ITSs) Χρησιμοποιούν κυρίως τεχνικές Τεχνητής Νοημοσύνης Η Αρχιτεκτονική τους παρουσιάζεται παρακάτω: 4

Γνώση Πεδίου Περιέχει το εκπαιδευτικό υλικό. Το εκπαιδευτικό υλικό ξεκινά από εισαγωγικά ζητήματα και κλιμακώνεται σε πιο προχωρημένα. Κάθε θέμα συσχετίζεται με ορισμένες γνωστικές έννοιες. Οι έννοιες μπορεί να είναι είτε προαπαιτούμενες είτε έννοιες η γνώση των οποίων θα προκύψει μετά από μελέτη. Οι έννοιες συσχετίζονται μεταξύ τους. Το κάθε θέμα περιέχει θεωρία, παραδείγματα και ασκήσεις. 5

Μοντέλο Μαθητή Καταγράφει πληροφορίες που αφορούν το επίπεδο γνώσης καθώς και άλλα χαρακτηριστικά γνωρίσματα του μαθητή. 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. 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 του κάθε μαθητή. 6

Παιδαγωγικό Μοντέλο Αναπαριστά την εκπαιδευτική διαδικασία. Προσαρμόζεται η παρουσίαση του εκπαιδευτικού υλικού σύμφωνα με τα δεδομένα του μοντέλου μαθητή. Το παιδαγωγικό μοντέλο περιέχει τις στρατηγικές που καθορίζουν πως πρέπει να οργανωθεί ένα μάθημα. 7

Διεπαφή Χρήστη Είναι υπεύθυνη για την αλληλεπίδραση του συστήματος με το χρήστη. Πρέπει να σχεδιαστεί με προσοχή. Ο κύριος στόχος είναι ο σχεδιασμός μιας διεπιφάνειας χρήστη που θα μπορεί να χρησιμοποιηθεί από χρήστες με διαφορετικές ικανότητες, ανάγκες, απαιτήσεις και προτιμήσεις. Η υλοποίηση του συστήματος θα πρέπει να υποστηρίζει τις λειτουργίες που παρέχει στο χρήστη αποδοτικά και αποτελεσματικά. 8

Tα προσαρμοστικά εκπαιδευτικά συστήματα υπερμέσων (AEHSs) Έχουν την ίδια δομή με αυτή των ΙΤSs. Χρησιμοποιούν «ελαφρύτερες» ευφυείς τεχνικές καθώς και τεχνικές που δεν προέρχονται από τον χώρο της ΤΝ. Δανείζονται χαρακτηριστικά των Ευφυών Συστημάτων Διδασκαλίας. 9

Ευφυείς Τεχνικές σε Συστήματα Εξατομικευμένης Μάθησης Η χρήση ευφυών τεχνικών: Αντιμετωπίσει πολλές από τις προκλήσεις που εισάγουν τα σημερινά περιβάλλοντα εκπαίδευσης. Η προσαρμοστικότητα αποτελεί το κεντρικό σημείο. Οδηγεί σε εξατομικευμένα συστήματα. Αυξάνεται η αποτελεσματικότητα και η ευελιξία του συστήματος. Γνωρίσματα του χρήστη που χρησιμοποιούνται είναι: η γνώση, οι στόχοι, το υπόβαθρο, καιοιπροτιμήσειςτου. Η μοντελοποίηση των μαθητών έχει στόχο τη δημιουργία των αντίστοιχων προφίλ των μαθητών 10

Συνήθεις Ευφυείς Τεχνικές σε Συστήματα Εξατομικευμένης Μάθησης Κανόνες Παραγωγής. Μοντέλα Αβεβαιότητας Νευρωνικά δίκτυα. Γενετικοί αλγόριθμοι. Σημασιολογικά Δίκτυα. 11

Συνήθεις Ευφυείς Τεχνικές σε Συστήματα Εξατομικευμένης Μάθησης Κανόνες Παραγωγής. Μοντέλα Αβεβαιότητας Νευρωνικά δίκτυα. Γενετικοί αλγόριθμοι. Σημασιολογικά Δίκτυα. 12

Σύστημα Διδασκαλίας Τεχνητής Νοημοσύνης (ΣΔΤΝ): Το σύστημα αποτελεί ο μια σημαντική εξέλιξη ενός ήδη υπάρχοντος συστήματος. Το γνωστικό επίπεδο κάθε μαθητή καθορίζεται από ένα έμπειρο σύστημα που λαμβάνει υπ όψη του το επίπεδο δυσκολίας των ερωτήσεων /ασκήσεων Με την χρησιμοποίηση ενός δεύτερου έμπειρου συστήματος κατασκευάζεται αυτόματα ένα προσωποποιημένο διαγώνισμα πάνω σε διάφορες έννοιες που έχει μελετήσει ο μαθητής. Μια υβριδική προσέγγιση Τεχνητής Νοημοσύνης χρησιμοποιείται για την προσαρμογή του επιπέδου δυσκολίας των ασκήσεων, που παρέχονται στους μαθητές για την αξιολόγηση τους. 13

Η Αρχιτεκτονική Του Συστήματος: 14

Η Αρχιτεκτονική Του Συστήματος: 15

Η Αρχιτεκτονική Του Συστήματος: 16

Το Υβριδικό Ευφυές Σύστημα (Hybrid Intelligent System) HIS : 17

Η διαδικασία επαναξιολόγησης των ασκήσεων: 18

ΗΜονάδαΓ.Α (GA): Το σχήμα κωδικοποίησης αποτελείται από έξι παραμέτρους Τ1, Τ2, Ε1, Ε2, Η1, Η2. Κάθε παράμετρος κωδικοποιείται σε ένα δυαδικό αλφαριθμητικό των 31 bits. Tο μήκος του γωνιδιώματος είναι 186(=6x31) bits και είναι αυτό που θα εξελιχθεί. 19

Πρότυπα Αλληλεπίδρασης: Ένα πρότυπο αλληλεπίδρασης του μαθητή έχει την ακόλουθη δομή: <χρόνος, προσπάθειες, βοήθειες, επίπεδο>. Ένα πρότυπο ικανοποιείται όταν ο χρόνος ανήκει στο [Τ1.Τ2], οι προσπάθειες στο [Ε1,Ε2] και οι βοήθειες στο [Η1,Η2]. Ο Γενετικός Αλγόριθμος εφαρμόζεται διαδοχικά στα πρότυπα του μαθητή με αναφορά στις ασκήσεις με επίπεδο δυσκολίας 1,2,,5. 20

Ο αλγόριθμος για τον υπολογισμό του ταιριάσματος: 21

Προσαρμογή του επιπέδου των ασκήσεων Το κριτήριο τερματισμού είναι ο αριθμός των γενιών Το καλύτερο άτομο από τον παραγόμενο πληθυσμό, για την αντίστοιχη δυσκολία, επιλέγεται. Έστω, ότι αυτό είναι το <Τ1*, Τ2*, Ε1*,Ε2*,Η1*, Η2* >. Αυτό μπορεί να μεταφραστεί σε έναν κανόνα της μορφής if (T1*<= time <= T2*) and (E1*<= tries <=E2*) and (H1*<= hints <=H2*) then difficulty_level = levelx Όπου levelx είναι το επίπεδο δυσκολίας όπου αναφέρεται το πρότυπο του μαθητή. Η RUU συγκρίνει τον κανόνα με τον αντίστοιχο υπάρχοντα κανόνα και αποφασίζει το αν και το πώς θα τροποποιηθεί ο κανόνας. Τέλος, η ανανεωμένη RB χρησιμοποιείται για να υπολογίσει τα νέα επίπεδα δυσκολίας κάθε άσκησης 22

Πειραματικά Αποτελέσματα: Εφαρμόσαμε όλα τα παραπάνω σε μια ομάδα 40 φοιτητών του τμήματος μας. Χρησιμοποιήσαμε 36 ερωτήσεις πολλαπλής επιλογής όλων των επιπέδων δυσκολίας. Κανόνες του καθηγητή για τον καθορισμό του βαθμού δυσκολίας των ασκήσεων Κανόνες που παρήχθησαν μετά την πρώτη εφαρμογή του Γενετικού Αλγορίθμου 23

Κανόνες που παρήχθησαν από την δεύτερη φάση του Γενετικού Αλγόριθμο Με βάση τα παραπάνω αποτελέσματα, 27 από τις 36 ερωτήσεις άλλαξαν το επίπεδο δυσκολίας τους, μετά την πρώτη εφαρμογή του Γενετικού Αλγορίθμου. Ενώ, κατά την δεύτερη φάση, μόνο 6 από τις 36 άλλαξαν το επίπεδο δυσκολίας. Αυτό το πείραμα των δύο φάσεων αποτελεί ένα είδος απόδειξης της ορθότητας της μεθόδου μας. 24

Προσαρμοστική Αξιολόγηση Μαθητών Το σύστημα προσαρμόζει τις ασκήσεις στις ανάγκες των μαθητών Το εκπαιδευτικό περιεχόμενο, προσαρμόζεται, στο προφίλ και στο γνωστικό επίπεδο του κάθε μαθητή. Το επίπεδο αυτό καθορίζεται από ένα έμπειρο σύστημα που λαμβάνει υπ όψη του το επίπεδο δυσκολίας των ερωτήσεων/ασκήσεων. Με ένα δεύτερο έμπειρο σύστημα κατασκευάζονται αυτόματα προσωποποιημένα διαγωνίσματα πάνω σε διάφορες έννοιες. Το διαγώνισμα δημιουργείται αυτόματα, με βάση την αξιολόγηση του μαθητή από το σύστημα. Σε κάθε στάδιο ο μαθητής είναι ελεύθερος να επιλέξει την πορεία που επιθυμεί, ωστόσο το σύστημα προτείνει στον μαθητή τις μελλοντικές του ενέργειες. 25

To Πεδίο Γνώσης Αφορά βασικές αρχές της αναπαράστασης γνώσης. Αυτή η γνώση είναι δομημένη με μια δενδρική μορφή. Το σύστημα ελέγχει την ικανότητα του μαθητή να μελετήσει αυτή την έννοια, σε αντίθετη περίπτωση προτείνει στον μαθητή να ασχοληθεί με την προαπαιτούμενη έννοια. Κάθε μαθητής μπορεί για κάθε έννοια να διαβάσει την αντίστοιχη θεωρία, να δει κάποια παραδείγματα γύρω από αυτή την έννοια ή να κάνει μια άσκηση. 26

Διαχείριση Ασκήσεων /Υλικού του Συστήματος Ο καθηγητής μπορεί να επέμβει στο εννοιολογικό δέντρο και να προσθέσει, να διαγράψει ή να τροποποιήσει κάποια έννοια του δέντρου. Το πιο σημαντικό κομμάτι της διαχειρίσεις του εκπαιδευτικού περιεχομένου είναι η διαχείριση των ερωτήσεων /ασκήσεων. Μια άσκηση αποτελείται από τα ακόλουθα τμήματα: το όνομα της, το σώμα της, το αντικείμενο το οποίο αφορά, το επίπεδο δυσκολίας της (1-5), τις πιθανές απαντήσεις της (1-3) και τις βοήθειες (1-2) που περιέχει. 27

Αξιολόγηση Μαθητή 1. Η αξιολόγηση του μαθητή γίνεται μέσω ενός έμπειρου συστήματος που βασίζεται σε κανόνες παραγωγής (SES). 2. Τα αποτελέσματα των τεστ εισέρχονται στο SES όπου αποφασίζει για το επίπεδο του μαθητή στην συγκεκριμένη έννοια. 28

Ασκήσεις Εισαγωγής Αρχική Άσκηση στην έννοια. Αξιολόγηση από το έμπειρο σύστημα. Αξιολόγηση του επιπέδου της νέας άσκησης απο ένα δεύτερο έμπειρο σύστημα Προτάσεις στον μαθητή για τις επόμενες κινήσεις του, με βάση την επίδοσης του 29

Τεστ έννοιας Δυνατότητα ενός εξατομικευμένου τεστ σε κάθε έννοια. Περιέχει τέσσερις ερωτήσεις Ακολουθείται ο ακόλουθως αλγόριθμος αξιολόγησης: Με DL=j, 1 j 5 με συμβολίζουμε τον βαθμό δυσκολίας της ερώτησης. Με CLp συμβολίζουμε το τρέχον σκορ του μαθητή. Με CLpn συμβολίζουμε το νέο σκορ του μαθητή. Με ESk συμβολίζουμε το σκορ που το έμπειρο σύστημα δίνει στον μαθητή, ανάλογα με την απάντηση του, στις ερωτήσεις επιπέδου k Με ESk+1 στις ερωτήσεις επιπέδου k+1. Για το Επίπεδο Ασκήσεων του τεστ ισχύει η σχέση: 30

Αλγόριθμος Αξιολόγησης If (DL=k){ If(ESk CLp ){ CLpn=Round((CLp+ESk)/2) }else if(esk< CLp ){ CLpn=Round((CLp+ESk +C)/2) } }else if (DL=k+1){ If(ESk+1 CLp){ CLpn=Round((CLp+ESk+1)/2) }else if(esk+1< CLp ){ CLpn=Round((CLp+ESk+1 +C)/2) } } 31

Έμπειρα Συστήματα Κανόνες για επιλογή ασκήσεων 32

Έμπειρα Συστήματα Σκορ ανάλογα με τον βαθμό δυσκολίας και την απάντηση του μαθητή 33

Τεστ σε θέμα Δυνατότητα προσαρμοστικού τεστ πάνω σε κάποιο θέμα. Το τεστ περιέχει ερωτήσεις (1 ή περισσότερες) από έννοιες της οποίες έχει μελετήσει ο μαθητής. Κάθε περιέχει το πολύ 12 ερωτήσεις. Η διαδικασία αξιολόγησης είναι ανάλογη της προηγούμενης παραγράφου. Ο υπολογισμός του επιπέδου του μαθητή στο θέμα (CT) γίνεται βάση του τύπου : CT=(a1CL1 + a2cl2+ + ancln)/n Όπου n είναι ο αριθμός των εννοιών που αποτελούν το θέμα, a1,a2,,an είναι τα βάρη που έχει δώσει ο καθηγητής για κάθε έννοια του θέματος κατά την εισαγωγή της έννοιας στο σύστημα και CL1,CL2,,CLn είναι το σκορ του μαθητή σε κάθε έννοια του θέματος 34

Τεστ Υποενότητας Δυνατότητα προσαρμοστικού τεστ σε μια υποενότητα. Το τεστ αυτό περιέχει 20 ερωτήσεις από όλα τα θέματα που την αποτελούν. Η διαδικασία που ακολουθείται για την προσαρμοστική αξιολόγηση του μαθητή χρησιμοποιεί τα δύο προηγούμενα βήματα. Το επίπεδο του μαθητή στην υποενότητα (CY) υπολογίζεται βάση ενός παρόμοιου τύπου με πριν: CY=(b1CT1 + b2ct2+ + bscts)/s Όπου s είναι ο αριθμός των θεμάτων που αποτελούν την υποενότητα, b1,b2,,bs είναι τα βάρη που έχει δώσει ο καθηγητής για κάθε θέμα της υποενότητας κατά την εισαγωγή του κάθε θέματος στο σύστημα και CΤ1,CΤ2,,CΤn είναι το σκορ του μαθητή σε κάθε θέμα της υποενότητας. 35

Παραδείγματα Προσαρμοστικής Αξιολόγησης Ο μαθητής έχει μελετήσει 5 έννοιες με επιδόσεις 95,75,72,75 και 65. Το αυτόματα κατασκευασμένο τεστ αξιολόγησης αποτελείται από 12 ασκήσεις Μετά την νέα αξιολόγηση το επίπεδο είναι το ίδιο ή υψηλότερο για τις τρεις πρώτες και χαμηλότερο για τις υπόλοιπές δύο. Ό μαθητής μπορεί να κάνει τεστ μόνο στην έννοιες που δεν τα πήγε καλά. Το νέο τεστ δημιουργείται αυτόματα Ο μαθητής ασχολείται μόνο με τις έννοιες που αντιμετώπισε δυσκολία και όχι με όλες από αυτές. 36

Μελλοντικές Βελτιώσεις Το μαθησιακό υλικό θα μπορούσε να εμπλουτιστεί με περισσότερες ασκήσεις, παραδείγματα και ασκήσεις. Μη σειριακή εμφάνιση του μαθήματος Το σύστημα παρέχει στους μαθητές ερωτήσεις πολλαπλής επιλογής. Θα μπορούσαν να προστεθούν περαιτέρω τύποι ασκήσεων στις εξετάσεις των μαθητών. Το εργαλείο των στατιστικών θα μπορούσε να βελτιωθεί με τη ενσωμάτωση ποιο προχωρημένων τεχνικών. Σχετικά με το σύστημα αξιολόγησης του μαθητή ενδιαφέρον θα είχε ενσωμάτωση ενός μηχανισμού καθορισμού του ίδιου του έμπειρου συστήματος ή και του ίδιου του αλγόριθμου αξιολόγησης. Η δημιουργία ενός ολοκληρωμένου περιβάλλοντος για τον καθηγητή θα μπορούσε να αποτελέσει μια μελλοντική διεύρυνση του συστήματος. 37

Μελλοντική Έρευνα Στην μέθοδο αναπροσαρμογής της δυσκολίας των ασκήσεων, δεδομένου ότι επιλέγουμε την καλύτερη οντότητα κάθε φορά, μπορούμε να έχουμε μόνο ένα κανόνα για κάθε επίπεδο δυσκολίας. Ένα άλλο πρόβλημα αυτής της μεθόδου, είναι ότι δεδομένου ότι οι νέοι κανόνες θα αντικαταστήσουν κάποιους από τους παλιούς, πρέπει να βρούμε τρόπο επιλογής αυτών των κανόνων. Το ίδιο μάθημα να διδαχθεί με τους φοιτητές χωρισμένους σε διαφορετικές ομάδες εργασίας σε διαφορετικά περιβάλλοντα. Η μοντελοποίηση γνώσης, η προσαρμοστικότητα ενός συστήματος και η αξιολόγηση ενός μαθητή είναι πολύπλοκα και δύσκολα ζητήματα. Θα μπορούσε, με βάση την παρόν υλοποίηση να γίνει μια αρχή για περαιτέρω έρευνα για χρήση ακόμη καλύτερων ευφυών μεθόδων στην εκπαιδευτική διαδικασία. 38

Ερωτήσεις/Απορίες; Ευχαριστώ. 39