Интеллектуальная обучающая система ( ИТС ) является компьютерной системой , которая призвана обеспечить немедленные и индивидуальные инструкции или обратную связь с учащимися , [1] , как правило , не требуя вмешательства от человеческого учителя. Общая цель ИТС - дать возможность обучения осмысленным и эффективным образом с использованием различных вычислительных 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 взаимосвязь между интеллектуальным обучением, теориями когнитивного обучения и дизайном; и продолжаются исследования по повышению эффективности ИТС. ITS обычно нацелены на воспроизведение продемонстрированных преимуществ индивидуального индивидуального обучения в условиях, когда студенты в противном случае имели бы доступ к индивидуальным инструкциям от одного учителя (например, лекции в классе) или вообще без учителя. (например, домашнее задание онлайн). [2] ИТС часто разрабатываются с целью предоставить каждому учащемуся доступ к высококачественному образованию.
История
Ранние механические системы
Возможность создания интеллектуальных машин обсуждалась веками. Блез Паскаль создал первую вычислительную машину, способную выполнять математические функции, в 17 веке под названием «Калькулятор Паскаля» . В это время математик и философ Готфрид Вильгельм Лейбниц представил машины, способные рассуждать и применять правила логики для разрешения споров (Buchanan, 2006). [3] Эти ранние работы способствовали развитию компьютера и будущих приложений.
Идея 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. [4] [5] Его машина очень напоминала пишущую машинку с несколькими клавишами и окном, через которое ученик задавал вопросы. Машина Pressey позволяла пользователю вводить данные и сразу же давала обратную связь, записывая их результат на счетчике. [6]
Сам Пресси находился под влиянием Эдварда Л. Торндайка , теоретика обучения и педагогического психолога из педагогического колледжа Колумбийского университета в конце 19 - начале 20 веков. Торндайк установил законы для максимального обучения. Законы Торндайка включали в себя закон действия , закон осуществления и закон новизны . Следуя более поздним стандартам, обучающая и испытательная машина Pressey не могла считаться интеллектуальной, так как она управлялась механически и основывалась на одном вопросе и ответе за раз [6], но она создала ранний прецедент для будущих проектов. К 1950-м и 1960-м годам появились новые перспективы обучения. Беррхус Фредерик «Б.Ф.» Скиннер из Гарвардского университета не согласился с теорией обучения коннекционизма Торндайка или с обучающей машиной Пресси. Скорее, Скиннер был бихевиористом, который считал, что учащиеся должны строить свои ответы, а не полагаться на признание. [5] Он также сконструировал обучающую машину, построенную с использованием инкрементальной механической системы, которая награждала студентов за правильные ответы на вопросы. [5]
Ранние электронные системы
В период после Второй мировой войны механические двоичные системы уступили место электронным машинам на основе двоичных данных. Эти машины считались интеллектуальными 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 компьютерный ученый, связал вычислительные системы с мышлением. В одной из его самых известных работ описан гипотетический тест для оценки интеллекта машины, который стал известен как тест Тьюринга . По сути, в тесте человек будет общаться 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 может различить другого человека и компьютер. По сути, тест Тьюринга использовался более двух десятилетий в качестве модели для текущего развития ИТС. Главный идеал ITS-систем - эффективное общение. [6] Еще в 1950-х годах появлялись программы, отображающие интеллектуальные функции. Работа Тьюринга, а также более поздние проекты таких исследователей, как Аллен Ньюэлл, Клиффорд Шоу и Херб Саймон, показали программы, способные создавать логические доказательства и теоремы. Их программа, The Logic Theorist, продемонстрировала сложные манипуляции с символами и даже генерацию новой информации без прямого человеческого контроля, и некоторые считают ее первой программой ИИ. Такие прорывы вдохновят новую область искусственного интеллекта, официально названную в 1956 году Джоном Маккарти в 1956 году на Дартмутской конференции . [3] Эта конференция была первой в своем роде, посвященной ученым и исследованиям в области ИИ.
Во второй половине 1960-х и 1970-х гг. Появилось много новых проектов CAI (компьютерное обучение), основанных на достижениях информатики. Создание языка программирования ALGOL в 1958 году позволило многим школам и университетам начать разработку программ компьютерного обучения (CAI). Основные поставщики компьютеров и федеральные агентства в США, такие как IBM, HP и Национальный научный фонд, финансировали разработку этих проектов. [7] Ранние реализации в образовании были сосредоточены на программном обучении (PI), структуре, основанной на компьютеризированной системе ввода-вывода. Хотя многие поддерживали эту форму обучения, было мало доказательств, подтверждающих ее эффективность. [6] Язык программирования LOGO был создан в 1967 году Уолли Ферзейг , Синтией Соломон и Сеймуром Папертом как язык, оптимизированный для образовательных целей . PLATO, образовательный терминал с дисплеями, анимацией и сенсорным управлением, который может хранить и доставлять большие объемы учебного материала, был разработан Дональдом Битцером из Университета Иллинойса в начале 1970-х годов. Наряду с этим, многие другие проекты CAI были инициированы во многих странах, включая США, Великобританию и Канаду. [7]
В то же время, когда интерес к CAI начал проявляться, Хайме Карбонелл предположил, что компьютеры могут выступать в роли учителя, а не просто инструмента (Карбонелл, 1970). [8] Появится новая перспектива, которая будет сосредоточена на использовании компьютеров для интеллектуального обучения студентов под названием «Интеллектуальные компьютерные системы обучения» или «Интеллектуальные системы обучения» (ITS). В то время как CAI использовал бихевиористский подход к обучению, основанный на теориях Скиннера (Dede & Swigger, 1988) [9], ITS опирался на работу в области когнитивной психологии, информатики и особенно искусственного интеллекта. [9] В то время в исследованиях искусственного интеллекта произошел сдвиг, поскольку системы перешли от логического фокуса предыдущего десятилетия к системам, основанным на знаниях - системы могли принимать разумные решения на основе предшествующих знаний (Buchanan, 2006). [3] Такая программа была создана Сеймуром Папертом и Айрой Голдштейн, которые создали Dendral , систему, которая предсказывала возможные химические структуры на основе существующих данных. Дальнейшая работа началась с демонстрации рассуждений по аналогии и языковой обработки. Эти изменения с упором на знания имели большое значение для использования компьютеров в обучении. Однако технические требования к ITS оказались выше и сложнее, чем к системам CAI, и системы ITS в настоящее время будут иметь ограниченный успех. [7]
К концу 1970-х годов интерес к технологиям CAI начал ослабевать. [7] [10] Компьютеры по-прежнему были дорогими и не такими доступными, как ожидалось. Разработчики и инструкторы негативно отреагировали на высокую стоимость разработки программ CAI, недостаточное обеспечение обучения инструкторов и нехватку ресурсов. [10]
Микрокомпьютеры и интеллектуальные системы
Революция в области микрокомпьютеров в конце 1970-х - начале 1980-х годов помогла возродить 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). [7] Несколько проектов CAI использовали Apple 2 в качестве системы для реализации программ CAI в средних школах и университетах, включая проект Британской Колумбии и Проект государственного университета Калифорнии в 1981 году. [7]
В начале 1980-х годов цели интеллектуального компьютерного обучения (ICAI) и ИТС расходятся с их корнями в CAI. По мере того как CAI все больше фокусировался на более глубоком взаимодействии с контентом, созданным для конкретной области интересов, ITS стремилась создать системы, ориентированные на знание задачи и способность обобщать эти знания неспецифическими способами (Larkin & Chabay, 1992). [9] Ключевые цели, поставленные перед ITS, заключались в том, чтобы научить задачу, а также выполнять ее, динамически адаптируясь к ее ситуации. При переходе от систем CAI к системе ICAI компьютер должен будет различать не только правильный и неправильный ответ, но и тип неправильного ответа, чтобы скорректировать тип инструкции. Исследования в области искусственного интеллекта и когнитивной психологии подпитывают новые принципы ИТС. Психологи рассмотрели, как компьютер может решать проблемы и выполнять «разумные» действия. Программа ITS должна быть способна представлять, хранить и извлекать знания и даже искать в своей собственной базе данных, чтобы получить свои собственные новые знания для ответа на вопросы учащегося. По сути, ранние спецификации для ITS или (ICAI) требуют, чтобы он «диагностировал ошибки и настраивал исправления на основе диагноза» (Shute & Psotka, 1994, p. 9). [6] Идея диагностики и исправления все еще используется при программировании ИТС.
Ключевым прорывом в исследовании ITS стало создание LISP Tutor, программы, которая реализовала принципы ITS 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). [11] Репетитор LISP мог выявлять ошибки и предоставлять конструктивную обратную связь студентам, пока они выполняли упражнение. Было обнаружено, что система сокращает время, необходимое для выполнения упражнений, при одновременном повышении успеваемости учащихся на тестах (Corbett & Anderson, 1992). [11] Другие системы ITS, которые начали развиваться примерно в это же время, включают TUTOR, созданный Logica в 1984 году в качестве общего учебного инструмента [12], и PARNASSUS, созданный в Университете Карнеги-Меллона в 1989 году для обучения языку. [13]
Современные ИТС
После внедрения первоначальной ИТС большее количество исследователей создали ряд ИТС для разных студентов. В конце 20-го века Intelligent Tutoring Tools (ITT) был разработан проектом Byzantium, в котором участвовали шесть университетов. ITT были разработчиками систем обучения общего назначения, и многие учреждения получили положительные отзывы при их использовании. (Kinshuk, 1996) [14] Этот конструктор, ITT, будет производить интеллектуальный обучающий апплет (ITA) для различных предметных областей. Различные учителя создали ITA и создали большой перечень знаний, которые были доступны другим через Интернет. После создания ИТС учителя могут скопировать и изменить для будущего использования. 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 учителей (Киншук и Патель, 1997). [15] В недавней работе использовались этнографические и дизайнерские методы исследования [16] для изучения того, как ИТС на самом деле используются студентами [17] и учителями [18] в различных контекстах, часто выявляя непредвиденные потребности, которые они удовлетворяют, но не удовлетворяют. , а в некоторых случаях даже создать.
Современные ИТС обычно пытаются воспроизвести роль учителя или помощника учителя и все больше автоматизировать педагогические функции, такие как создание проблем, выбор проблем и формирование обратной связи. Однако, учитывая нынешний сдвиг в сторону моделей смешанного обучения, недавняя работа над ИТС начала фокусироваться на том, как эти системы могут эффективно использовать дополнительные сильные стороны обучения под руководством человека от учителя [19] или сверстника [20], когда они используются совместно. расположенные классы или другие социальные контексты. [21]
На основе диалогового диалога функционировали три проекта ITS: AutoTutor , Atlas (Freedman, 1999), [22] и Why2. Идея, лежащая в основе этих проектов, заключалась в том, что, поскольку учащиеся лучше всего учатся, конструируя знания сами, программы будут начинаться с наводящих вопросов для учащихся и давать ответы в крайнем случае. Студенты AutoTutor сосредоточились на ответах на вопросы о компьютерных технологиях, студенты Atlas сосредоточились на решении количественных задач, а студенты Why2 сосредоточились на качественном объяснении физических систем. (Graesser, VanLehn и другие, 2001) [23] Другие подобные обучающие системы, такие как Andes (Gertner, Conati, and VanLehn, 1998) [24], как правило, дают подсказки и немедленную обратную связь для студентов, когда ученики не могут ответить на вопросы. Они могли угадывать свои ответы и получать правильные ответы без глубокого понимания концепций. Исследования проводились с небольшой группой студентов с использованием Атласа и Анд соответственно. Результаты показали, что учащиеся, использующие Атлас, добились значительных успехов по сравнению со студентами, использующими Анд. [25] Однако, поскольку вышеупомянутые системы требуют анализа диалогов учащихся, еще предстоит усовершенствовать их, чтобы можно было управлять более сложными диалогами.
Состав
Интеллектуальные обучающие системы (ИТС) состоят из четырех основных компонентов, основанных на общем консенсусе среди исследователей (Nwana, 1990; [26] Freedman, 2000; [27] Nkambou et al., 2010 [28] ):
- Модель предметной области
- Студенческая модель
- Модель наставничества и
- 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 учесть все возможные шаги, необходимые для решения проблемы. В частности, эта модель «содержит концепции, правила и стратегии решения проблем в предметной области, которую необходимо изучить. Она может выполнять несколько ролей: как источник экспертных знаний, стандарт для оценки успеваемости учащегося или для обнаружения ошибок и т. Д. . " (Nkambou et al., 2010, с. 4). [28] Другой подход к разработке моделей предметной области основан на теории обучения на ошибках производительности Стеллана Олссона [29], известной как моделирование на основе ограничений (CBM). [30] В этом случае модель предметной области представлена как набор ограничений на правильные решения. [31] [32]
Модель студента можно рассматривать как наложение на модель предметной области. Он считается основным компонентом ИТС, в котором особое внимание уделяется когнитивным и эмоциональным состояниям учащихся и их эволюции по мере продвижения процесса обучения. По мере того, как учащийся шаг за шагом выполняет свой процесс решения проблем, ИТС участвует в процессе, называемом трассировкой модели . В любое время модель студента отличается от модели предметной области, система идентифицирует, или флагов , что произошла ошибка. С другой стороны, в наставниках, основанных на ограничениях, модель ученика представлена как наложение на набор ограничений. [33] Преподаватели, основанные на ограничениях [34], оценивают решение учащегося относительно набора ограничений и выявляют удовлетворенные и нарушенные ограничения. Если есть какие-либо нарушенные ограничения, решение учащегося неверно, и ITS предоставляет обратную связь по этим ограничениям. [35] [36] Репетиторы на основе ограничений предоставляют отрицательную обратную связь (т.е. обратную связь об ошибках), а также положительную обратную связь. [37]
Модель наставника принимает информацию из предметной области и моделей студентов и делает выбор в отношении стратегий и действий обучения. В любой момент в процессе решения проблемы учащийся может запросить рекомендации о том, что делать дальше, относительно своего текущего местоположения в модели. Кроме того, система распознает, когда учащийся отклоняется от производственных правил модели, и предоставляет учащемуся своевременную обратную связь, в результате чего сокращается период времени для достижения мастерства с целевыми навыками. [38] Модель наставника может содержать несколько сотен производственных правил, которые, как можно сказать, существуют в одном из двух состояний, изученных или невыученных . Каждый раз, когда ученик успешно применяет правило к проблеме, система обновляет оценку вероятности того, что ученик усвоил правило. Система продолжает обучать студентов упражнениям, требующим эффективного применения правила, до тех пор, пока вероятность того, что правило усвоено, не достигнет как минимум 95%. [39]
Отслеживание знаний отслеживает прогресс учащегося от проблемы к проблеме и выстраивает профиль сильных и слабых сторон относительно производственных правил. Система когнитивного обучения, разработанная Джоном Андерсоном из Университета Карнеги-Меллона, представляет информацию, полученную в результате отслеживания знаний, в виде скиллометра , визуального графика успеха учащегося в каждом из контролируемых навыков, связанных с решением задач алгебры. Когда учащийся запрашивает подсказку или отмечается ошибка, данные отслеживания знаний и скиллометр обновляются в режиме реального времени.
Компонент пользовательского интерфейса "объединяет три типа информации, которая необходима для ведения диалога: знания о моделях интерпретации (для понимания говорящего) и действия (для генерации высказываний) в рамках диалогов; знания предметной области, необходимые для передачи контента; и необходимые знания для передачи намерений »(Padayachee, 2002, стр. 3). [40]
Nkambou et al. (2010) упоминают обзор различных архитектур Нваны (1990) [26], подчеркивая сильную связь между архитектурой и парадигмой (или философией). Нвана (1990) заявляет: «Это почти редкость, чтобы найти два ITS, основанных на одной и той же архитектуре, [что] является результатом экспериментального характера работ в этой области» (стр. 258). Далее он объясняет, что разные философии обучения подчеркивают разные компоненты процесса обучения (например, предметную область, студента или преподавателя). Архитектурный дизайн ITS отражает этот акцент, и это приводит к множеству архитектур, ни одна из которых по отдельности не может поддерживать все стратегии обучения (Nwana, 1990, цитируется в Nkambou et al., 2010). Более того, проекты ITS могут различаться в зависимости от относительного уровня интеллекта компонентов. Например, проект, подчеркивающий интеллект в модели предметной области, может генерировать решения сложных и новых проблем, чтобы у учащихся всегда были новые проблемы для работы, но он может иметь только простые методы для обучения этим проблемам, в то время как система, которая концентрируется на множественные или новые способы преподавания конкретной темы могут найти менее сложное представление этого содержания. [27]
Методы проектирования и разработки
За исключением несоответствия между архитектурами ИТС, каждая из которых подчеркивает различные элементы, разработка ИТС во многом аналогична любому процессу проектирования обучения . Corbett et al. (1997) резюмировали проектирование и разработку ИТС как состоящие из четырех итеративных этапов: (1) оценка потребностей, (2) анализ когнитивных задач, (3) первоначальное внедрение наставника и (4) оценка. [41]
Первый этап, известный как оценка потребностей, является общим для любого учебного процесса проектирования, особенно разработки программного обеспечения. Это включает в себя анализ учащегося , консультации с экспертами в предметной области и / или инструктором (ами). Этот первый шаг является частью развития экспертной / знаний и студенческой области. Цель состоит в том, чтобы определить цели обучения и наметить общий план учебной программы; Крайне важно не компьютеризовать традиционные концепции, а разработать новую структуру учебной программы, определяя задачу в целом и понимая возможное поведение учащихся при выполнении задачи и, в меньшей степени, поведение наставника. При этом необходимо учитывать три важнейших аспекта: (1) вероятность того, что студент сможет решать задачи; (2) время, необходимое для достижения этого уровня успеваемости, и (3) вероятность, что студент будет активно использовать эти знания в будущем. Еще один важный аспект, требующий анализа, - это рентабельность интерфейса. Более того, необходимо оценить характеристики учителей и учащихся, такие как предварительные знания, поскольку обе группы будут пользователями системы. [41]
Второй этап, когнитивный анализ задач, представляет собой подробный подход к программированию экспертных систем с целью разработки достоверной вычислительной модели требуемых знаний о решении проблем. Основные методы разработки модели предметной области включают: (1) интервью с экспертами предметной области, (2) проведение исследований протокола «думай вслух» с экспертами предметной области, (3) проведение исследований «думай вслух» с новичками и (4) наблюдение за преподаванием и обучением. поведение. Хотя чаще всего используется первый метод, эксперты обычно не могут сообщить о когнитивных компонентах. Метод «думать вслух», при котором эксперта просят сообщить вслух, что он / она думает при решении типовых проблем, позволяет избежать этой проблемы. [41] Наблюдение за реальным интерактивным взаимодействием между преподавателями и учениками дает информацию, относящуюся к процессам, используемым при решении проблем, что полезно для построения диалога или интерактивности в системах обучения. [42]
Третий этап, начальная реализация наставника, включает в себя создание среды для решения проблем, чтобы обеспечить и поддержать аутентичный процесс обучения. За этим этапом следует серия оценочных мероприятий в качестве заключительного этапа, который снова аналогичен любому проекту разработки программного обеспечения. [41]
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: скорость обучения и асимптотические уровни достижений. [41]
Для поддержки этого процесса и создания интеллектуальных наставников были разработаны различные инструменты разработки, включая ASPIRE, [43] Cognitive Tutor Authoring Tools (CTAT), [44] GIFT, [45] ASSISTments Builder [46] и инструменты AutoTutor. [47] Цель большинства этих инструментов разработки - упростить процесс разработки наставников, давая возможность людям с меньшим опытом, чем профессиональные программисты ИИ, разрабатывать интеллектуальные системы наставничества.
Восемь принципов построения и разработки ИТС
Андерсон и др. (1987) [48] обрисовали в общих чертах восемь принципов построения разумного наставника, а Корбетт и др. (1997) [41] позже разработали эти принципы, подчеркнув всеобъемлющий принцип, которым, по их мнению, руководствовался разумный замысел наставника, они назвали этот принцип:
Принцип 0: Интеллектуальная система репетитора должна позволять ученику работать до успешного завершения решения проблем.
- Представьте студенческие компетенции как производственный набор.
- Сообщите структуру целей, лежащих в основе решения проблемы.
- Дайте инструкции в контексте решения проблем.
- Содействовать абстрактному пониманию знаний о решении проблем.
- Минимизируйте нагрузку на рабочую память.
- Мгновенно сообщайте об ошибках.
- Отрегулируйте размер инструкции по мере обучения.
- Облегчите последовательное приближение к целевому навыку. [41]
Использование на практике
Все это требует значительного объема работы, даже если для облегчения этой задачи стали доступны инструменты разработки. [49] Это означает, что создание ИТС является вариантом только в тех случаях, когда они, несмотря на относительно высокие затраты на разработку, все же сокращают общие затраты за счет сокращения потребности в людях-инструкторах или достаточного повышения общей производительности. Такие ситуации возникают, когда большие группы нужно обучать одновременно или требуется много репетиторских усилий. Речь идет о ситуациях технической подготовки, таких как подготовка новобранцев и математика в старших классах. Один конкретный тип интеллектуальной системы обучения, Cognitive Tutor , был включен в учебные программы по математике в значительном количестве средних школ США, что позволило улучшить результаты обучения учащихся на выпускных экзаменах и стандартизированных тестах. [50] Интеллектуальные системы обучения были созданы, чтобы помочь студентам изучать географию, схемы, медицинскую диагностику, компьютерное программирование, математику, физику, генетику, химию и т. Д. Интеллектуальные системы обучения языку (ILTS), например эта [51] , учат естественным язык для изучающих первый или второй язык. ILTS требует специализированных инструментов обработки естественного языка, таких как большие словари и морфологические и грамматические анализаторы с приемлемым охватом.
Приложения
Во время быстрого распространения веб-бума новые парадигмы компьютерного обучения, такие как электронное обучение и распределенное обучение, предоставили отличную платформу для идей ИТС. Области, в которых использовались ИТС, 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 подключены к ITS или объединены с ними. Успех ИТС также оказал влияние на исторически нетехнологические области, такие как педагогические науки и психология. [52]
В последние годы [ когда? ] , ИТС начала отходить от поиска, основанного на поиске, и теперь включает ряд практических приложений. [53] ИТС распространилась на многие важные и сложные когнитивные области, и результаты были далеко идущими. Системы ITS прочно вошли в формальное образование, и эти системы нашли свое место 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 обучающие системы возникли на основе исследований в области когнитивной психологии и искусственного интеллекта, в настоящее время их можно найти во многих сферах образования и организаций. Интеллектуальные системы обучения можно найти в онлайн-среде или в традиционных компьютерных классах, и они используются в классах K-12, а также в университетах. Существует ряд программ, ориентированных на математику, но их можно найти в медицинских науках, овладении языком и других областях формализованного обучения.
Отчеты об улучшении понимания учащимися, вовлеченности, отношения, мотивации и академических результатов внесли свой вклад в постоянный интерес к инвестициям и исследованиям этих систем. Индивидуальный характер интеллектуальных систем обучения дает преподавателям возможность создавать индивидуальные программы. В сфере образования существует множество интеллектуальных систем обучения, исчерпывающий список не существует, но несколько наиболее влиятельных программ перечислены ниже.
Образование
Algebra Tutor PAT (PUMP Algebra Tutor или Practical Algebra Tutor), разработанный Питтсбургским центром продвинутых когнитивных наставников при Университете Карнеги-Меллона , привлекает студентов к закрепленным задачам обучения и использует современные алгебраические инструменты, чтобы вовлекать студентов в решение проблем и делиться своими результатами . Цель PAT - задействовать предыдущие знания и повседневный опыт учащихся по математике, чтобы способствовать их развитию. Успех PAT хорошо задокументирован (например, Управление оценки и исследований государственных школ округа Майами-Дейд) как со статистической (результаты учащихся), так и с эмоциональной точки зрения (отзывы учащихся и преподавателей). [54]
SQL-Tutor [55] [56] - это первый в истории преподаватель на основе ограничений, разработанный Intelligent Computer Tutoring Group (ICTG) в Университете Кентербери , Новая Зеландия. SQL-Tutor учит студентов извлекать данные из баз данных с помощью оператора SQL SELECT. [57]
EER-Tutor [58] - это наставник на основе ограничений (разработанный ICTG), который обучает концептуальному проектированию баз данных с использованием модели Entity Relationship. Ранней версией EER-Tutor был KERMIT, автономный наставник по моделированию ER, который, как было показано, приводил к значительному улучшению знаний учащихся после одного часа обучения (с размером эффекта 0,6). [59]
COLLECT-UML [60] - это средство обучения на основе ограничений, которое поддерживает пары учащихся, совместно работающих над диаграммами классов UML. Репетитор дает обратную связь как на уровне предметной области, так и о сотрудничестве.
StoichTutor [61] [62] - это интеллектуальный сетевой репетитор, который помогает старшеклассникам изучать химию, в частности, подотрасль химии, известную как стехиометрия. Он использовался для изучения множества научных принципов и методов обучения, таких как рабочие примеры [63] [64] и вежливость. [65] [66]
Репетитор по математике Репетитор по математике (Бил, Бек и Вульф, 1998) помогает студентам решать задачи со словами, используя дроби, десятичные дроби и проценты. Репетитор записывает показатели успеха, пока ученик работает над проблемами, предлагая ученику последующие соответствующие задачи для работы. Последующие задачи, которые выбираются, основаны на способностях ученика, и оценивается желаемое время, в течение которого ученик должен решить задачу. [67]
eTeacher eTeacher (Schiaffino et al., 2008) - это интеллектуальный 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 учащегося, чтобы предложить индивидуальный план действий, призванный облегчить его учебный процесс. [68]
ZOSMAT ZOSMAT был разработан для удовлетворения всех потребностей настоящего класса. Он следует за студентом и направляет его на разных этапах учебного процесса. Это ITS, ориентированная на учащегося, делает это путем записи прогресса в обучении учащегося, а программа учащегося изменяется в зависимости от усилий учащегося. ZOSMAT можно использовать как для индивидуального обучения, так и в реальном классе под руководством наставника-человека. [69]
REALP REALP был разработан, чтобы помочь студентам улучшить понимание прочитанного, предоставляя лексическую практику для конкретного читателя и предлагая индивидуальную практику с полезными, аутентичными материалами для чтения, собранными из Интернета. Система автоматически строит модель пользователя в соответствии с успеваемостью ученика. После прочтения ученику дается серия упражнений на основе целевого словарного запаса, найденного при чтении. [70]
CIRCSIM-Tutor CIRCSIM_Tutor - это интеллектуальная обучающая система, которая используется студентами-медиками первого курса Иллинойского технологического института. Он использует естественный диалог, основанный на сократовском языке, чтобы помочь студентам узнать о регулировании артериального давления. [71]
Why2-Atlas Why2-Atlas - это ИТС, которая анализирует объяснения учащихся принципов физики. Студенты вводят свою работу в виде абзацев, и программа преобразует их слова в доказательства, делая предположения об убеждениях студентов, основанные на их объяснениях. При этом подчеркиваются заблуждения и неполные объяснения. Затем система решает эти проблемы посредством диалога со студентом и просит его исправить свое эссе. До завершения процесса может быть выполнено несколько итераций. [72]
SmartTutor Университет Гонконга (HKU) разработал SmartTutor для поддержки потребностей студентов, продолжающих непрерывное образование. Персонализированное обучение было определено как ключевая потребность в образовании взрослых в HKU, и SmartTutor стремится удовлетворить эту потребность. SmartTutor оказывает поддержку студентам, сочетая интернет-технологии, образовательные исследования и искусственный интеллект. [73]
AutoTutor AutoTutor помогает студентам колледжей изучать компьютерное оборудование, операционные системы и Интернет в рамках вводного курса компьютерной грамотности, моделируя модели дискурса и педагогические стратегии человека-наставника. AutoTutor пытается понять вводимые пользователем данные с клавиатуры, а затем сформулировать шаги диалога с обратной связью, подсказками, исправлениями и подсказками. [74]
ActiveMath ActiveMath - это адаптивная веб-среда для обучения математике. Эта система стремится улучшить дистанционное обучение, дополнить традиционное обучение в классе и поддержать индивидуальное обучение и обучение на протяжении всей жизни. [75]
ESC101-ITS Индийский технологический институт, Канпур, Индия, разработал ESC101-ITS, интеллектуальную обучающую систему для вводных задач программирования.
AdaptErrEx [76] - это адаптивный интеллектуальный репетитор, который использует интерактивные ошибочные примеры, чтобы помочь студентам изучить десятичную арифметику. [77] [78] [79]
Корпоративное обучение и промышленность
Generalized Intelligent Framework for Tutoring (GIFT) - это 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. [80] GIFT имеет открытый исходный код и не зависит от домена и может быть загружен онлайн бесплатно. Программное обеспечение позволяет преподавателю разработать программу обучения, которая может охватывать различные дисциплины путем корректировки существующих курсов. Он включает инструменты курсовой работы, предназначенные для использования исследователями, разработчиками учебных материалов, преподавателями и студентами. [81] ПОДАРОК совместим с другими учебными материалами, такими как презентации PowerPoint, которые можно интегрировать в программу. [81]
SHERLOCK «SHERLOCK» 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 в проверяемой цепи или где-то еще в системе. Система предоставляет обратную связь и рекомендации, а по запросу доступна помощь. [82]
Cardiac Tutor Цель Cardiac Tutor - поддержать медицинский персонал передовыми методами поддержки сердца. Репетитор представляет проблемы с сердцем, и, используя множество шагов, ученики должны выбрать различные вмешательства. Cardiac Tutor предоставляет подсказки, устные советы и отзывы, чтобы персонализировать и оптимизировать обучение. Каждое моделирование, независимо от того, смогли ли студенты успешно помочь своим пациентам, приводит к подробному отчету, который студенты затем просматривают. [83]
CODES Cooperative Music Prototype Design - это веб-среда для совместного создания музыкальных прототипов. Он был разработан для поддержки пользователей, особенно тех, кто не является специалистом в музыке, в создании музыкальных произведений в виде прототипов. Музыкальные образцы (прототипы) можно многократно тестировать, воспроизводить и модифицировать. Одним из основных аспектов CODES является взаимодействие и сотрудничество между создателями музыки и их партнерами. [84]
Эффективность
Оценить эффективность программ ИТС проблематично. ИТС сильно различаются по дизайну, реализации и образовательной направленности. Когда ИТС используются в классе, система используется не только учениками, но и учителями. Такое использование может создать препятствия для эффективной оценки по ряду причин; в первую очередь из-за вмешательства учителя в обучение студентов.
Учителя часто имеют возможность вводить новые задачи в систему или корректировать учебный план. Кроме того, учителя и сверстники часто взаимодействуют со студентами, когда они учатся с помощью ITS (например, во время индивидуального занятия в компьютерной лаборатории или во время аудиторных лекций между лабораторными занятиями) таким образом, чтобы это могло повлиять на их обучение с помощью программного обеспечения. [19] Предыдущие исследования показывают, что подавляющее большинство учеников, обращающихся за помощью в классах, использующих ITS, может происходить полностью вне программного обеспечения, а это означает, что характер и качество обратной связи со сверстниками и учителями в данном классе могут быть важным посредником учащиеся учатся в этих условиях. [17] Кроме того, такие аспекты климата в классе, как общий уровень комфорта учащихся при публичных просьбах о помощи [16] или степень физической активности учителя при наблюдении за отдельными учащимися [85], могут добавить дополнительные источники информации. различия в контексте оценки. Все эти переменные позволяют оценить комплекс ИТС [86] и могут помочь объяснить различия в результатах в оценочных исследованиях. [87]
Несмотря на присущие сложности, многочисленные исследования пытались измерить общую эффективность ИТС, часто путем сравнения ИТС с преподавателями-людьми. [88] [89] [90] [2] Обзоры ранних систем ITS (1995 г.) показали, что размер эффекта d = 1,0 по сравнению с отсутствием обучения, когда репетиторы-люди получали размер эффекта d = 2,0. [88] Более поздний обзор современных ИТС Куртом ВанЛеном (2011 г.) показал, что не было статистической разницы в величине эффекта между опытными индивидуальными преподавателями и пошаговыми ИТС. [2] Некоторые отдельные ИТС были оценены более положительно, чем другие. Исследования Algebra Cognitive Tutor показали, что ученики ITS превзошли учеников, которых учил классный руководитель, по стандартным тестовым задачам и реальным задачам по решению проблем. [91] Последующие исследования показали, что эти результаты были особенно заметны у студентов со специальным образованием, для которых английский язык не является родным, и у студентов из малообеспеченных семей. [92]
Более поздний метаанализ предполагает, что ITS могут превзойти эффективность как CAI, так и преподавателей-людей, особенно при измерении с помощью локальных (специфических) тестов, а не стандартизованных тестов. «Учащиеся, получившие интеллектуальное обучение, превзошли учащихся 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 средним или большим эффектом для исследований в области социальных наук. Это примерно эквивалентно улучшению результатов тестирования с 50-го до 75-го процентиля. Это сильнее, чем обычно. К примеру, метаанализ C.-LC Kulik and Kulik (1991) показал, что средний ES 0,31 в 165 исследованиях по обучению CAI. Прибыль от ITS примерно вдвое выше. Эффект от ITS также больше, чем типичные эффекты от обучения человека. Как мы видели, программы обучения с участием человека обычно повышают результаты тестов учащихся примерно на 0,4 стандартного отклонения по сравнению с контрольными уровнями. Разработчики ITS давно решили повысить эффективность обучения CAI и соответствовать успеху человеческого обучения. Наши результаты говорят о том, что разработчики ИТС уже достигли обеих этих целей ... Хотя при оценке результатов локально разработанных тестов эффекты были от умеренных до сильных, они были намного меньше при оценке результатов стандартизованных тестов. Средний ES по исследованиям с местными тестами составил 0,73; средний ES в исследованиях со стандартизованными тестами составил 0,13. Это несоответствие не является необычным для метаанализов, которые включают как местные, так и стандартизованные тесты ... местные тесты, вероятно, хорошо согласуются с целями конкретных учебных программ. Стандартные стандартные тесты обеспечивают меньшую посадку. ... Мы считаем, что как местные, так и стандартизованные тесты предоставляют важную информацию об эффективности обучения, и, когда это возможно, оба типа тестов должны быть включены в оценочные исследования » [93].
Некоторые признанные сильные стороны ITS - это их способность обеспечивать немедленную обратную связь «да / нет», индивидуальный выбор задач, подсказки по запросу и поддержку усвоенного обучения. [2] [94]
Ограничения
Интеллектуальные системы обучения дороги как в разработке, так и во внедрении. Этап исследований открывает путь к развитию коммерчески жизнеспособных систем. Однако этап исследования часто бывает дорогостоящим; это требует сотрудничества и вклада экспертов в предметной 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 как бюджетных, так и временных ограничений. Существуют также факторы, ограничивающие включение интеллектуальных наставников в реальный мир, в том числе длительные сроки, необходимые для разработки, и высокая стоимость создания компонентов системы. Большая часть этой стоимости является результатом создания компонентов контента. [28] Например, опросы показали, что кодирование часа онлайн-обучения потребовало 300 часов времени на разработку обучающего контента. [95] Точно так же при создании Cognitive Tutor соотношение времени разработки и времени обучения составляло не менее 200: 1 часов. [88] Высокая стоимость разработки часто затмевает копирование усилий для реальных приложений. [96] Интеллектуальные обучающие системы, как правило, коммерчески непригодны для реальных приложений. [96]
Критика используемых в настоящее время интеллектуальных систем обучения - это методика немедленной обратной связи и последовательностей подсказок, которые встроены, чтобы сделать систему «интеллектуальной». Эту педагогику критикуют за то, что она не способна развить у студентов глубокое обучение. Когда учащимся предоставляется контроль над способностью получать подсказки, результат обучения будет отрицательным. Некоторые ученики сразу обращаются к подсказкам, прежде чем пытаться решить проблему или выполнить задание. Когда это возможно, некоторые учащиеся сокращают количество подсказок, получая как можно больше подсказок как можно быстрее, чтобы быстрее выполнить задание. Если ученики не учитывают отзывы или намеки системы обучения, а вместо этого увеличивают количество догадок до тех пор, пока не будут получены положительные отзывы, ученик, по сути, учится делать правильные вещи по неправильным причинам. Большинство систем обучения в настоящее время неспособны обнаружить поверхностное обучение или различить продуктивную и непродуктивную борьбу (хотя см., Например, [97] [98] ). По этим и многим другим причинам (например, из-за переобучения базовых моделей для конкретных групп пользователей [99] ) эффективность этих систем может значительно различаться для разных пользователей. [100]
Еще одна критика интеллектуальных систем обучения - это неспособность системы задавать ученикам вопросы для объяснения их действий. Если учащийся не изучает язык предметной области, становится труднее получить более глубокое понимание, работать совместно в группах и перевести язык предметной области на письменный. Например, если учащийся не «говорит о науке», то утверждается, что он не погружается в культуру науки, что затрудняет выполнение научных работ или участие в совместных командных усилиях. Интеллектуальные системы обучения критиковались за то, что они слишком «инструктивистские» и исключают из обучения внутреннюю мотивацию, контексты социального обучения и контекстный реализм. [101]
Следует принимать во внимание практические проблемы с точки зрения склонности спонсоров / властей и пользователей к адаптации интеллектуальных систем обучения. [96] Во-первых, у кого-то должно быть желание внедрить ITS. [96] Кроме того, орган власти должен признать необходимость интеграции интеллектуального программного обеспечения для обучения в текущую учебную программу и, наконец, спонсор или орган должен предложить необходимую поддержку на всех этапах разработки системы, пока она не будет завершена и внедрена. [96]
Оценка интеллектуальной системы обучения - важный этап; однако это часто бывает сложно, дорого и требует много времени. [96] Несмотря на то, что в литературе представлены различные методы оценки, нет никаких руководящих принципов для выбора подходящего метода (ов) оценки, который будет использоваться в конкретном контексте. [102] [103] Необходимо провести тщательную проверку, чтобы убедиться, что сложная система выполняет то, что она утверждает. Эта оценка может происходить во время проектирования и ранней разработки системы для выявления проблем и проведения модификаций (т. Е. Формирующая оценка). [104] Напротив, оценка может происходить после завершения системы для подтверждения формальных заявлений о конструкции, поведении или результатах, связанных с завершенной системой (т. Е. Итоговая оценка). [104] Серьезная проблема, связанная с отсутствием стандартов оценки, привела к игнорированию стадии оценки в нескольких существующих ИТС. [102] [103] [104]
Улучшения
Интеллектуальные обучающие системы менее эффективны, чем люди-наставники в области диалога и обратной связи. Например, наставники-люди могут интерпретировать аффективное состояние ученика и потенциально адаптировать обучение в ответ на это восприятие. Недавняя работа посвящена изучению потенциальных стратегий преодоления этих ограничений ИТС, чтобы сделать их более эффективными.
Диалог
Человеческие наставники имеют возможность понимать тон и интонацию человека в диалоге и интерпретировать это, чтобы обеспечить постоянную обратную связь через непрерывный диалог. В настоящее время разрабатываются интеллектуальные системы обучения, чтобы попытаться имитировать естественные разговоры. Чтобы получить полноценный опыт диалога, существует множество различных областей, в которых компьютер должен быть запрограммирован; включая способность понимать тон, интонацию, язык тела и выражение лица, а затем реагировать на них. Диалог в ITS можно использовать для того, чтобы задавать конкретные вопросы, чтобы помочь студентам и получить информацию, позволяя студентам конструировать свои собственные знания. [105] 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. [106] Кроме того, некоторые текущие исследования были сосредоточены на моделировании природы и эффектов различных социальных сигналов, обычно используемых в диалоге наставниками и учениками, с целью построения доверия и взаимопонимания (которые, как было показано, оказывают положительное влияние на учащихся. обучение). [107] [108]
Эмоциональный аффект
Все большее количество работ рассматривает роль аффекта в обучении с целью разработки интеллектуальных систем обучения, которые могут интерпретировать и адаптироваться к различным эмоциональным состояниям. [109] [110] Люди не только используют когнитивные процессы в обучении, но и эмоциональные процессы, через которые они проходят, также играют важную роль. Например, учащиеся учатся лучше, когда они имеют определенный уровень дисбаланса (фрустрации), но недостаточный, чтобы заставить учащегося чувствовать себя полностью подавленным. [109] Это побудило аффективные вычисления начать разработку и исследование создания интеллектуальных обучающих систем, которые могут интерпретировать аффективный процесс человека. [109] ИТС может быть разработан для чтения индивидуального выражения лица и других признаков аффекта в попытке найти и настроить оптимальное аффективное состояние для обучения. При этом возникает много сложностей, поскольку аффект выражается не одним способом, а множеством способов, поэтому для того, чтобы ИТС была эффективной при интерпретации аффективных состояний, может потребоваться мультимодальный подход (тон, выражение лица и т. Д.). [109] Эти идеи создали новое поле в ITS - системы эффективного обучения (ATS). [110] Одним из примеров ITS, который обращается к аффектам, является Gaze Tutor, который был разработан для отслеживания движений глаз студентов и определения того, скучно они или отвлекаются, а затем система пытается повторно задействовать студента. [111]
Построение взаимопонимания
На сегодняшний день большинство ИТС сосредоточено исключительно на когнитивных аспектах обучения, а не на социальных отношениях между системой обучения и учеником. Как продемонстрировали компьютеры, парадигма социальных акторов, люди часто проецируют социальную эвристику на компьютеры. Например, в наблюдениях за маленькими детьми, взаимодействующими с Сэмом Замком, агентом, рассказывающим совместные истории, дети взаимодействовали с этим симулированным ребенком во многом так же, как и с человеческим ребенком. [112] Было высказано предположение, что для эффективного проектирования ИТС, которая выстраивает взаимопонимание со студентами, ИТС должна имитировать стратегии учебной непосредственности, поведения, которые устраняют очевидную социальную дистанцию между учениками и учителями, например, улыбаться и обращаться к ученикам по имени. [113] Что касается подростков, Ogan et. Я опираюсь на наблюдения близких друзей, обучающих друг друга, чтобы утверждать, что для того, чтобы ИТС установила взаимопонимание, как сверстник со студентом, вероятно, необходим более сложный процесс построения доверия, который в конечном итоге может потребовать, чтобы система обучения обладала способностью эффективно реагировать на кажущееся грубое поведение и даже производить его, чтобы смягчить мотивационные и аффективные факторы учащихся посредством шутливых шуток и насмешек. [114]
Обучаемые агенты
Традиционно ИТС берут на себя роль автономных наставников, однако они также могут брать на себя роль учеников с целью обучения с помощью обучающих упражнений. Имеющиеся данные свидетельствуют о том, что обучение путем обучения может быть эффективной стратегией для самообъяснения, улучшения чувства собственной эффективности, а также улучшения результатов обучения и удержания учащихся. [115] Чтобы воспроизвести этот эффект, можно поменять местами ученика и ИТС. Этого можно достичь, разработав ITS так, чтобы она выглядела как обучаемая, как в случае с арифметической игрой обучаемого агента [116] и мозгом Бетти. [117] Другой подход состоит в том, чтобы обучить студентов агенту машинного обучения, который может научиться решать проблемы путем демонстрации и обратной связи, как в случае системы APLUS, созданной с помощью SimStudent. [118] Для того, чтобы воспроизвести образовательные эффекты обучения путем обучения обучаемых агентов, на их основе обычно строится социальный агент, который задает вопросы или вносит путаницу. Например, Бетти из Betty's Brain предложит ученику задать свои вопросы, чтобы убедиться, что она понимает материал, а Стейси из APLUS предложит пользователю пояснить отзывы, предоставленные учеником.
Связанные конференции
На нескольких конференциях регулярно рассматриваются статьи по интеллектуальным системам обучения. Самая старая из них - Международная конференция по интеллектуальным системам обучения , которая началась в 1988 году и теперь проводится раз в два года. Международное общество искусственного интеллекта в образовании ( AIED ) издает «Международный журнал искусственного интеллекта в образовании» (IJAIED) и организует ежегодную Международную конференцию по искусственному интеллекту в образовании ( http://iaied.org/conf/1/ ), начатую в 1989 году. Многие статьи по интеллектуальным обучающим системам также появляются на Международной конференции по пользовательскому моделированию, адаптации и персонализации ( [1] ) и Международной конференции по интеллектуальному интеллектуальному анализу данных ( [2] ). Американская ассоциация искусственного интеллекта ( AAAI ) будет иногда симпозиумы и документы , относящиеся к интеллектуальным обучающим системам. Об ИТС было написано несколько книг, в том числе три, опубликованные Lawrence Erlbaum Associates.
Смотрите также
- Образовательный интеллектуальный анализ данных
- Образовательные технологии
- Доказательное обучение
- Объекты обучения
- Серьезные игры
- Умное обучение
Рекомендации
- ^ Иосиф Psotka, Шарон А. Mutter (1988). Интеллектуальные системы обучения: извлеченные уроки . Лоуренс Эрлбаум Ассошиэйтс. ISBN 978-0-8058-0192-7.
- ^ а б в г ВанЛен, К. (2011). «Относительная эффективность человеческого обучения, интеллектуальных систем обучения и других систем обучения». Педагогический психолог . 46 (4): 197–221. DOI : 10.1080 / 00461520.2011.611369 . S2CID 16188384 .
- ^ a b c Бьюкенен, Б. (2006). (Очень) краткая история искусственного интеллекта. Журнал AI 26 (4). С. 53-60.
- ^ Sidney Pressey
- ^ a b c Фрай, Э. (1960). Дихотомия обучающей машины: Скиннер против Пресси. Психологические отчеты (6) 11-14. Издательство Южного университета.
- ^ a b c d e Шут, В. Дж., и Псотка, Дж. (1994). Интеллектуальные системы обучения: прошлое, настоящее и будущее. Управление человеческих ресурсов Отдел кадров и исследований персонала. стр. 2-52
- ^ Б с д е е палат, J., & Sprecher, J. (1983). Компьютерное обучение: его использование в классе. Энглвуд Клиффс, Нью-Джерси: Prentice-Hall Inc.
- ^ Карбонелл, Хайме Р. (1970). «AI в CAI: подход искусственного интеллекта к обучению с помощью компьютера». IEEE Transactions по человеко-машинным системам . 11 (4): 190–202. DOI : 10,1109 / TMMS.1970.299942 .
- ^ a b c Larkin, J, & Chabay, R. (Eds.). (1992). Компьютерное обучение и интеллектуальные системы обучения: общие цели и дополнительные подходы. Хиллсдейл, Нью-Джерси: Lawrence Erlbaum Associates.
- ^ а б Андерсон, К. (1986). «Компьютерное обучение». Журнал медицинских систем . 10 (2): 163–171. DOI : 10.1007 / bf00993122 . PMID 3528372 . S2CID 29915101 .
- ^ а б Корбетт, А. Т. и Андерсон, младший (1992). LISP Intelligent Tutoring System Исследования в области приобретения навыков. В Larkin, J. & Chabay, R. (Eds.) Компьютерное обучение и интеллектуальные системы обучения: общие цели и дополнительные подходы (стр. 73-110), Энглвуд Клиффс, Нью-Джерси: Prentice-Hall Inc.
- ^ Форд, Л. Новая интеллектуальная система обучения (2008) Британский журнал образовательных технологий, 39 (2), 311-318
- ^ Bailin, A & Левин, Л. Введение: Intelligent Computer Assisted Language Instruction (1989) Компьютеры и гуманитарных наук, 23, 3-11
- ^ Kinshuk (1996). Компьютерное обучение для студентов-бухгалтеров начального уровня. Докторская диссертация, Университет Де Монфор, Англия, июль 1996 г.
- ^ Kinshuk и Ashok Patel. (1997) Концептуальная основа для Интернет-интеллектуальных систем обучения. Передача знаний, II, 117-24.
- ^ a b Шофилд, JW, Eurich-Fulcer, R., & Britt, CL (1994). Учителя, компьютерные репетиторы и преподаватели: репетитор с искусственным интеллектом как агент изменений в классе. Американский журнал исследований в области образования , 31 (3), 579-607.
- ^ a b Оган, А., Уокер, Э., Бейкер, Р.С., Реболледо, Мендес, Г., Хименес Кастро, М., Лаурентино, Т., и Де Карвалью, А. (2012, май). Сотрудничество в использовании когнитивных наставников в Латинской Америке: полевые исследования и рекомендации по дизайну. В материалах конференции SIGCHI по человеческому фактору в вычислительных системах (стр. 1381-1390). ACM.
- ^ Гольштейн, К., McLaren, BM, и Aleven, В. (2017, март). Интеллектуальные наставники в качестве помощников учителей: изучение потребностей учителей в аналитике в режиме реального времени в смешанных классах. В материалах Седьмой Международной конференции по аналитике обучения и знаниям (стр. 257-266). ACM.
- ^ a b Миллер, WL, Бейкер, RS, Лабрам, MJ, Петше, К., Лю, YH, и Вагнер, Аризона (2015, март). Автоматическое обнаружение проактивных исправлений учителями в классах Reasoning Mind. В материалах Пятой Международной конференции по аналитике обучения и знаниям (стр. 290-294). ACM.
- ^ Diziol, Д., Уокер, Е., Раммел, Н., & Koedinger, КР (2010). Использование интеллектуальной технологии репетитора для реализации адаптивной поддержки совместной работы студентов. Обзор педагогической психологии , 22 (1), 89-102.
- Перейти ↑ Baker, RS (2016). Глупые обучающие системы, умные люди. Международный журнал искусственного интеллекта в образовании , 26 (2), 600-614.
- ^ Фридман, Р. 1999. Атлас: менеджер плана для смешанной инициативы, мультимодального диалога. (1999) Семинар AAAI по разведке смешанных инициатив
- ^ Graesser, Артур, Курт VanLehn, Каролин П. Роуз, Памела У. Джордан, и Дерек Хартер. (2001) Интеллектуальные системы обучения с диалоговым диалогом. Аль Журнал 22.4, 39-52.
- ^ Гертнер, А .; Конати, К .; и ВанЛен, К. (1998) Процедурная помощь в Андах; Генерация подсказок с использованием модели студента байесовской сети. Искусственный интеллект, 106-111.
- ^ Шелби, RN; Schulze, KG; Трейси, диджей; Винтерсгилл, штат Мэриленд; VanLehn, K .; и Вайнштейн, А. (2001) Оценка учителя Анд.
- ^ а б Нвана, HS (1990). «Интеллектуальные обучающие системы: обзор». Обзор искусственного интеллекта . 4 (4): 251–277. DOI : 10.1007 / bf00168958 . S2CID 206771063 .
- ^ а б Фридман, Р. (2000). «Что такое интеллектуальная система обучения?». Интеллект . 11 (3): 15–16. DOI : 10.1145 / 350752.350756 . S2CID 5281543 .
- ^ a b c Нкамбу, Р., Мизогучи, Р., и Бурдо, Дж. (2010). Достижения в интеллектуальных системах обучения. Гейдельберг: Springer.
- ^ Олссон, С. (1996) Учась на ошибках производительности. Психологический обзор, 103, 241-262.
- ^ Олссон, С. (1992) Моделирование учащихся на основе ограничений. Искусственный интеллект в образовании, 3 (4), 429-447.
- ^ Mitrovic, A., Ohlsson, S. (2006) Основанное на ограничениях представление знаний для индивидуализированного обучения. Информатика и информационные системы, 3 (1), 1-22.
- ^ Олссон, С., Митрович, А. (2007) Точность и эффективность представления знаний для интеллектуальных обучающих систем. Технология, обучение, познание и обучение, 5 (2), 101-132.
- ^ Митрович, А. и Олссон, С. (1999) Оценка репетитора на основе ограничений для языка баз данных. Int. J. Искусственный интеллект в образовании, 10 (3-4), 238-256.
- ^ 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.
- ^ Mitrovic, A., Martin, B., Suraweera, P. (2007) Интеллектуальные наставники для всех: методология моделирования на основе ограничений, системы и разработка. Интеллектуальные системы IEEE, 22 (4), 38-45.
- ^ Захаров, К., Митрович, А., Олссон, С. (2005) Микроинженерия с обратной связью в EER-Tutor. В: CK Looi, G. McCalla, B. Bredeweg, J. Breuker (eds) Proc. Искусственный интеллект в образовании AIED 2005, IOS Press, стр. 718-725.
- ^ Митрович, А., Олссон, С., Барроу, Д. (2013) Эффект положительной обратной связи в интеллектуальной системе обучения на основе ограничений. Компьютеры и образование, 60 (1), 264-272.
- ^ Андерсон, H .; Кёдингер, М. (1997). «Интеллектуальное обучение идет в школу в большом городе». Международный журнал искусственного интеллекта в образовании . 8 : 30–43.
- ↑ Корбетт, Альберт Т. и Андерсон, Джон Р., «Моделирование студентов и овладение навыками обучения наставника по компьютерному программированию» (2008). Кафедра психологии. Документ 18. http://repository.cmu.edu/psychology/18
- ^ Padayachee I. (2002). Интеллектуальные системы обучения: архитектура и характеристики.
- ^ Б с д е е г Corbett AT, Koedinger, KR, & Anderson, JR (1997). Интеллектуальные системы обучения. В М. Хеландере, Т. К. Ландауэре и П. В. Прабху (редакторы), Справочник по взаимодействию человека и компьютера (стр. 849–874). Амстердам: Эльзевир.
- ^ Шах, Фархана; Марта Эвенс; Джоэл Майкл; Аллен Ровик (2002). «Классификация студенческих инициатив и ответов наставника в сеансах обучения человека с клавиатуры на клавиатуру». Дискурсивные процессы . 33 (1): 23–52. CiteSeerX 10.1.1.20.7809 . DOI : 10.1207 / s15326950dp3301_02 . S2CID 62527862 .
- ^ Mitrovic, А. Мартин, Б., Suraweera П., Захаров, К., Milik Н., Голландия, J., & Макгиган, N. (2009). ASPIRE: система разработки и среда развертывания для преподавателей на основе ограничений. Международный журнал искусственного интеллекта в образовании, 19 (2), 155–188.
- ^ Aleven, В., Макларен, БЙ, Сьюолл J., ван Велсен, М., Попеска, О., Дей, С., Риндженберг, М. & Koedinger, КР (2016). Репетиторы-примеры: разработка интеллектуальных репетиторов для непрограммистов. Международный журнал искусственного интеллекта в образовании, 26 (1), 224-269. DOI: 10.1007 / s40593-015-0088-2
- ^ Sottilare, R. (2012). Соображения при разработке онтологии для обобщенной интеллектуальной структуры для обучения. На конференции по моделированию обороны и внутренней безопасности I3M (DHSS 2012).
- ^ Раззак, Л., Patvarczki J., Алмейда, SF, Vartak, М., Фен, М., Хеффернэн, NT, & Koedinger, КР (2009). The Assistment Builder: поддержка жизненного цикла создания контента системы обучения. IEEE Transactions on Learning Technologies, 2 (2), 157–166
- Перейти ↑ Nye, BD, Graesser, AC, & Hu, X. (2014). AutoTutor и семья: обзор 17-летнего обучения естественному языку. Международный журнал искусственного интеллекта в образовании, 24 (4), 427–469. DOI: 10.1007 / s40593-014-0029-5.
- Перейти ↑ Anderson, J., Boyle, C., Farrell, R., & Reiser, B. (1987). Познавательные принципы в дизайне компьютерных репетиторов. В П. Моррис (ред.), Моделирование познания . Нью-Йорк: Джон Вили.
- ^ Пример инструмента разработки ITS см. В разделе Инструменты разработки Cognitive Tutoring.
- ^ Koedinger, KR ; Корбетт, А. (2006). «Когнитивные репетиторы: технологии, приносящие изучение науки в класс». В Сойере, К. (ред.). Кембриджский справочник обучающих наук . Издательство Кембриджского университета. С. 61–78. OCLC 62728545 .
- ^ Шаалан, Халид Ф. (февраль 2005 г.). «Интеллектуальная компьютерная система изучения языка для изучающих арабский язык». Компьютерное обучение языку . 18 (1 и 2): 81–108. DOI : 10.1080 / 09588220500132399 .
- ^ Рамос, С. Рамос, К., Фрассон С., и Рамачандрану, S. (2009). Введение в специальный выпуск о реальных приложениях интеллектуальных обучающих систем., 2 (2) 62-63.
- ^ https://trac.v2.nl/export/.../Intelligent%20Tutoring%20Systems.pdf [ постоянная мертвая ссылка ]
- ^ Оценка когнитивной программы Tutor Algebra I A Shneyderman - Государственные школы округа Майами-Дейд, Управление оценки и исследований, Майами, Флорида. Сентябрь 2001 г.
- ^ Митрович, А. (1998) Изучение SQL с компьютеризированным наставником. 29-й технический симпозиум ACM SIGCSE, стр. 307–311.
- ^ Митрович, А. (1998) Опыт реализации моделирования на основе ограничений в SQL-Tutor. Proc. ITS'98, Б. Геттл, Х. Халф, К. Редфилд, В. Шут (ред.), Стр. 414-423.
- ^ Митрович, А. (2003) Интеллектуальный репетитор SQL в Интернете. Int. J. Искусственный интеллект в образовании, 13 (2-4), 173-197.
- ^ Захаров, К., Митрович, А., Олссон, С. (2005) Микроинженерия с обратной связью в EER-Tutor. В: CK Looi, G. McCalla, B. Bredeweg, J. Breuker (eds) Proc. Искусственный интеллект в образовании AIED 2005, IOS Press, стр. 718-725.
- ^ Суравира, П., Митрович, А., Интеллектуальная система обучения для моделирования отношений между сущностями. Int. J. Искусственный интеллект в образовании, т. 14, № 3-4, 375-417, 2004.
- ^ Багаи, Н., Митрович, А., Ирвин, В. Поддержка совместного обучения и решения проблем в среде CSCL на основе ограничений для диаграмм классов UML. Int. J. CSCL, т. 2, вып. 2-3, с. 159-190, 2007.
- ^ https://stoichtutor.cs.cmu.edu/
- ^ МакЛарен, БМ, Лим, С., Гагнон, Ф., Ярон Д., & Koedinger, КР (2006). Изучение эффектов персонализированного языка и рабочих примеров в контексте интеллектуального репетитора в Интернете. В М. Икеда, К. Д. Эшли и Т.В. Чан (ред.), Труды 8-й Международной конференции по интеллектуальным системам обучения (ITS-2006), Конспект лекций по информатике, 4053 (стр. 318-328). Берлин: Springer.
- ^ МакЛарен, БМ, Лим, С., & Koedinger, КР (2008). Когда и как часто нужно показывать студентам отработанные примеры? Новые результаты и краткое изложение текущего состояния исследований. В BC Love, K. McRae, & VM Sloutsky (Eds.), Proceedings of 30th Annual Conference of the Cognitive Science Society (стр. 2176-2181). Остин, Техас: Общество когнитивных наук.
- ^ МакЛарен, БМ, ван Гог, Т., Ganoe, К., Karabinos, М., & Ярон, D. (2016). Эффективность проработанных примеров по сравнению с ошибочными примерами, решением проблем с обучением и решением проблем в экспериментах в классе. Компьютеры в поведении человека, 55, 87-99.
- ^ McLaren, BM, DeLeeuw, KE, & Mayer, RE (2011). Вежливые интеллектуальные преподаватели через Интернет: могут ли они улучшить обучение в классах? Компьютеры и образование, 56 (3), 574-584. DOI: 10.1016 / j.compedu.2010.09.019.
- ^ McLaren, BM, DeLeeuw, KE, & Mayer, RE (2011). Эффект вежливости при обучении с помощью интеллектуальных веб-преподавателей. Международный журнал исследований человеческого компьютера, 69 (1-2), 70-79. DOI: 10.1016 / j.ijhcs.2010.09.001
- Перейти ↑ Beal, CR, Beck, J., & Woolf, B. (1998). Влияние интеллектуальных компьютерных инструкций на математическую самооценку девочек и их веру в ценность математики. Документ представлен на ежегодном собрании Американской ассоциации исследований в области образования.
- ^ Schiaffino, С. Гарсиа, П. и Amandi, A. (2008). eTeacher: предоставление индивидуальной помощи студентам, обучающимся в режиме электронного обучения. Компьютеры и образование 51, 1744–1754
- ^ Келес, А .; Ocak, R .; Келес, А .; Гульджу, А. (2009). "ZOSMAT: Интернет-система интеллектуального обучения для процесса преподавания и обучения". Экспертные системы с приложениями . 36 (2): 1229–1239. DOI : 10.1016 / j.eswa.2007.11.064 .
- ^ Heffernan, NT, Turner, TE, Лоуренс, ALN, Macasek, MA, Nuzzo-Джонс, Г., и Koedinger, KR (2006). ПОМОЩЬ Builder: к анализу рентабельности создания ИТС. Представлено на выставке FLAIRS2006, Флорида.
- ^ http://www.cs.iit.edu/~circsim/
- ^ aroque.bol.ucla.edu/pubs/vanLehnEtAl-its02-architectureWhy.pdf
- ^ Cheung, B .; Hui, L .; Zhang, J .; Ю, С.М. (2003). «SmartTutor: Интеллектуальная система обучения в веб-обучении взрослых». Журнал систем и программного обеспечения . 68 : 11–25. DOI : 10.1016 / s0164-1212 (02) 00133-4 .
- ^ Graesser, AC, Wiemer-Hastings, К., Wiemer-Гастингс, P., & Kreuz, R., & TRG. (1999). AutoTutor: симуляция человека-репетитора. Журнал исследований когнитивных систем 1, 35-51
- ^ Мелис, Е., & Siekmann, J. (2004). Activemath: интеллектуальная система обучения математике. В: Р. Тадеушевич, Л. Заде, Л. Рутковски, Дж. Зикманн, (ред.), 7-я Международная конференция «Искусственный интеллект и мягкие вычисления» (ICAISC) Лекционные заметки в AI LNAI 3070. Springer-Verlag 91-101
- ^ http://www.cs.cmu.edu/~bmclaren/projects/AdaptErrEx/
- Перейти ↑ McLaren, BM, Adams, DM, & Mayer, RE (2015). Эффекты отложенного обучения с ошибочными примерами: исследование обучения десятичным дробям с помощью сетевого репетитора. Международный журнал искусственного интеллекта в образовании, 25 (4), 520-542.
- ^ Адамс, Д., Макларен, Б. М., Майер, RE, Гогуадзе, Г., & Isotani, С. (2013). Ошибочные примеры как желательная трудность. In Lane, HC, Yacef, K., Mostow, J., & Pavlik, P. (Eds.). Материалы 16-й Международной конференции по искусственному интеллекту в образовании (AIED 2013). LNCS 7926 (стр. 803-806). Спрингер, Берлин.
- ^ Макларен, Б.М., Адамс, Д., Дуркин, К., Гогуадзе, Г. Майер, Р. Э., Риттл-Джонсон, Б., Сосновский, С., Исотани, С., и Ван Велсен, М. (2012). Человеку свойственно ошибаться, объяснять и исправлять - божественно: изучение интерактивных ошибочных примеров с учениками средней школы. В A. Ravenscroft, S. Lindstaedt, C. Delgado Kloos и D. Hernándex-Leo (Eds.), Proceedings of EC-TEL 2012: Seventh European Conference on Technology Enhanced Learning, LNCS 7563 (стр. 222-235). Спрингер, Берлин.
- ^ «Обзор - ПОДАРОК - ПОДАРОК Портал» . www.gifttutoring.org . Проверено 30 июля 2018 .
- ^ а б Sinatra, Anne M .; Голдберг, Бенджамин С .; Соттиларе, Роберт А. (01.09.2014). «Обобщенная интеллектуальная структура для репетиторства (GIFT) как инструмент для специалистов по человеческому фактору, Общая интеллектуальная структура для репетиторства (GIFT) как инструмент для специалистов по человеческому фактору». Материалы ежегодного собрания Общества по человеческому фактору и эргономике . 58 (1): 1024–1027. DOI : 10.1177 / 1541931214581214 . ISSN 1541-9312 . S2CID 111915804 .
- ^ Lajoie, SP; Лесголд, А. (1989). «Профессиональное обучение на рабочем месте: компьютерная среда обучения как новая форма ученичества». Машинное обучение . 3 : 7–28.
- Перейти ↑ Eliot, C., & Woolf, B. (1994). Рассуждения о пользователе в системе обучения в реальном времени на основе моделирования. В материалах четвертой международной конференции по моделированию пользователей, 121–126.
- ^ MILETTO Е.М., PIMENTA, МС, Vicari, RM & ФЛОРЕС, Л. В. (2005). КОДЫ: Интернет-среда для совместного создания музыкальных прототипов. Организованный звук, 10 (3), 243-253.
- ^ Гольштейн, К., McLaren, BM, и Aleven, В. (2017, март). SPACLE: исследование обучения в виртуальном и физическом пространствах с использованием пространственных повторов. В материалах Седьмой Международной конференции по аналитике обучения и знаниям (стр. 358-367). ACM.
- ^ Интеллектуальные системы репетиторства, глава 37 / Корбетт, Koedinger & Anderson / Глава 37 (Original С. 849-874) 14 извлекаться 21 мая 2012 от http://act-r.psy.cmu.edu/papers/173/Chapter_37_Intelligent_Tutoring_Systems. pdf Архивировано 17 июня 2012 г. на Wayback Machine.
- Перейти ↑ Karam, R., Pane, JF, Griffin, BA, Robyn, A., Phillips, A., & Daugherty, L. (2016). Изучение масштабной реализации учебной программы по смешанной алгебре I, основанной на технологиях. Исследования и разработки в области образовательных технологий , 1-27.
- ^ а б в Андерсон-младший; Corbett, AT; Koedinger, KR; Пеллетье, Р. (1995). «Когнитивные репетиторы: извлеченные уроки» . Журнал обучающих наук . 4 (2): 167–207. DOI : 10,1207 / s15327809jls0402_2 .
- ^ Christmann, E .; Бадгетт, Дж. (1997). «Прогрессивное сравнение влияния компьютерного обучения на академическую успеваемость учащихся средних школ». Журнал исследований вычислительной техники в образовании . 29 (4): 325–338. DOI : 10.1080 / 08886504.1997.10782202 .
- Перейти ↑ Fletcher, JD (2003). Доказательства обучения на основе обучения с помощью технологий. В HF O'Neil & R. Perez (Eds.), Технологические приложения в образовании: взгляд на обучение (стр. 79–99). Махва, Нью-Джерси: Эрлбаум.
- ^ Koedinger, KR; Андерсон-младший; Хэдли, WH; Марк, Массачусетс (1997). «Интеллектуальное обучение идет в школу в большом городе». Международный журнал искусственного интеллекта в образовании . 8 : 30–43.
- ^ Плано, GS (2004). «Влияние когнитивной алгебры репетитора на отношение и успеваемость учащихся в курсе алгебры в 9-м классе». Неопубликованная докторская диссертация, Университет Сетон-Холл, Саут-Ориндж, штат Нью-Джерси .
- ^ Кулик, Джеймс А .; Флетчер, JD (2016). «Эффективность интеллектуальных систем обучения: метааналитический обзор» . Обзор образовательных исследований . 86 : 42–78. DOI : 10.3102 / 0034654315581420 . S2CID 7398389 .
- ^ Кёдингер, Кеннет; Алвен, Винсент (2007). «Изучение дилеммы помощи в экспериментах с когнитивными наставниками». Образа Psychol Rev . 19 (3): 239–264. CiteSeerX 10.1.1.158.9693 . DOI : 10.1007 / s10648-007-9049-0 . S2CID 339486 .
- ^ Мюррей, Т. (1999). Создание интеллектуальных систем обучения: анализ современного состояния. Международный журнал искусственного интеллекта в образовании (IJAIED), 10, 98–129.
- ^ a b c d e f Полсон, Марта С.; Ричардсон, Дж. Джеффри, ред. (1988). Основы интеллектуальных систем обучения. Лоуренс Эрльбаум.
- ^ Бейкер, Р., Говда, С., Corbett, А., и Ocumpaugh, J. (2012). На пути к автоматическому определению, является ли обучение студентов поверхностным. В интеллектуальных системах обучения (стр. 444-453). Springer Berlin / Heidelberg.
- ^ Käser, Т., Klingler, С., и Гросс, М. (2016, апрель). Когда остановиться ?: к универсальной политике обучения. В материалах Шестой Международной конференции по аналитике обучения и знаниям (стр. 289-298). ACM.
- ^ Ocumpaugh J., Бейкер, Р., Говда, С., Хеффернэн, Н., & Хеффернэн, С. (2014). Популяционная валидность для образовательных моделей интеллектуального анализа данных: тематическое исследование выявления аффектов. Британский журнал образовательных технологий , 45 (3), 487-501.
- ^ Koedinger, K .; Алевен, В. (2007). «Изучение дилеммы помощи в экспериментах с когнитивными наставниками». Обзор педагогической психологии . 19 (3): 239–264. CiteSeerX 10.1.1.158.9693 . DOI : 10.1007 / s10648-007-9049-0 . S2CID 339486 .
- ^ Йонассен, DH, & Reeves, ТЦ (1996). Обучение с помощью технологий: использование компьютеров в качестве когнитивных инструментов. В DH Jonassen (Ed.), Справочник по исследованиям в области образовательных коммуникаций и технологий (стр. 693-719). Нью-Йорк: Макмиллан.
- ^ a b Икбал А., Опперманн Р., Патель А. и Киншук (1999). Классификация методов оценки интеллектуальных систем обучения. В U. Arend, E. Eberleh & K. Pitschke (Eds.) Software Ergonomie '99 - Design von Informationswelten, Leipzig: BG Teubner Stuttgart, 169–181.
- ^ a b Siemer, J., & Angelides, MC (1998). Комплексный метод оценки полных интеллектуальных систем обучения. Системы поддержки принятия решений, 22 (1), 85–102.
- ^ a b c Марк, Массачусетс, Грир, Дж. Э. (1993). Методики оценки интеллектуальных систем обучения. Журнал искусственного интеллекта в образовании, 4, 129–129.
- ^ Graessner AC, Курт VanLehn, С. П Р., Джордан, P. & Хартер, D. (2001). Интеллектуальные обучающие системы с разговорным диалогом. Журнал AI, 22 (4), 39.
- ^ Graesser, AC, Чипмэн П., Haynes, BC, и Олни, A. (2005). AutoTutor: интеллектуальная система обучения со смешанным диалогом., 48 (4) 612-618.
- ^ Чжао, Р., Papangelis А., и Cassell, J. (2014, август). К диадической вычислительной модели управления раппортом для взаимодействия человека и виртуального агента. В Международной конференции по интеллектуальным виртуальным агентам (стр. 514-527). Издательство Springer International.
- ^ Madaio, MA, Оган, А., и Cassell, J. (2016, июнь). Влияние ролей дружбы и наставничества на стратегии взаимного наставничества. В Международной конференции по интеллектуальным системам обучения (стр. 423-429). Издательство Springer International.
- ^ а б в г D'Mello, C .; Граесснер, А. (2012). «Динамика аффективных состояний при комплексном обучении». Обучение и обучение . 22 (2): 145–157. DOI : 10.1016 / j.learninstruc.2011.10.001 .
- ^ а б Саррафзаде, А .; Александр, С .; Дадгостар, Ф .; Fan, C .; Бигдели, А. (2008). "Откуда ты знаешь, что я не понимаю?" Взгляд в будущее интеллектуальных обучающих систем». Компьютеры в поведении человека . 24 (4): 1342-1363. DOI : 10.1016 / j.chb.2007.07.008 . ЛВП : 10652/2040 .
- ^ D'Mello, S .; Olney, A .; Уильямс, С .; Хейс, П. (2012). «Репетитор взгляда: интеллектуальная система обучения, реагирующая на взгляд» . Международный журнал человеко-компьютерных исследований . 70 (5): 377–398. DOI : 10.1016 / j.ijhcs.2012.01.004 .
- ^ Касселл, Жюстин (январь 2004 г.). «К модели развития технологий и грамотности: системы прослушивания рассказов». Журнал прикладной психологии развития . 25 (1): 75–105. DOI : 10.1016 / j.appdev.2003.11.003 . ISSN 0193-3973 .
- ^ Ван, Нин; Грэтч, Джонатан (сентябрь 2009 г.). «Раппорт и мимика». 2009 3-я Международная конференция по эффективным вычислениям и интеллектуальному взаимодействию и семинары . IEEE: 1–6. DOI : 10,1109 / acii.2009.5349514 . ISBN 9781424448005. S2CID 9673056 .
- ^ Оган, Эми; Финкельштейн, Саманта; Уокер, Эрин; Карлсон, Райан; Касселл, Жюстин (2012), «Грубость и взаимопонимание: оскорбления и научные достижения при взаимном наставничестве », Intelligent Tutoring Systems , Springer Berlin Heidelberg, стр. 11–21, CiteSeerX 10.1.1.477.4527 , doi : 10.1007 / 978-3- 642-30950-2_2 , ISBN 9783642309496
- ^ Фиорелла, Логан; Майер, Ричард Э. (октябрь 2013 г.). «Относительные преимущества обучения путем обучения и ожидаемой продолжительности обучения». Современная педагогическая психология . 38 (4): 281–288. DOI : 10.1016 / j.cedpsych.2013.06.001 . ISSN 0361-476X .
- ^ Парето, Лена; Арвемо, Тобиас; Даль, Илва; Хааке, Магнус; Гульц, Агнета (2011), «Влияние арифметической игры с обучаемым агентом на понимание математики, отношение и самоэффективность», Конспект лекций по информатике , Springer Berlin Heidelberg, стр. 247–255, doi : 10.1007 / 978-3- 642-21869-9_33 , ISBN 9783642218682
- ^ БИСВАС, ГАУТАМ; ЧЖОН, ХОГИОН; KINNEBREW, ДЖОН С .; САЛКЕР, БРАЙАН; РОСКО, РОД (июль 2010 г.). «Измерение саморегулируемых навыков обучения посредством социальных взаимодействий в обучаемой среде агента». Исследования и практика в области технологий усовершенствованного обучения . 05 (2): 123–152. DOI : 10.1142 / s1793206810000839 . ISSN 1793-2068 .
- ^ Мацуда, Нобору; Коэн, Уильям В .; Koedinger, Kenneth R .; Кейзер, Виктория; Райзада, Рохан; Ярзебинский, Эвелин; Watson, Shayna P .; Стилианид, Гавриил (март 2012 г.). «Изучение эффекта обучения репетитора с помощью обучаемого агента, который спрашивает у ученика-репетитора объяснения». 2012 Четвертая международная конференция IEEE по цифровым играм и интеллектуальным игрушкам . IEEE: 25–32. DOI : 10,1109 / digitel.2012.12 . ISBN 9781467308854. S2CID 15946735 .
Библиография
Книги
- Нкамбу, Роджер; Бурдо, Жаклин; Mizoguchi, Riichiro, ред. (2010). Достижения в интеллектуальных системах обучения . Springer. ISBN 978-3-642-14362-5.
- Вульф, Беверли-Парк (2009). Создание интеллектуальных интерактивных наставников . Морган Кауфманн. ISBN 978-0-12-373594-2.
- Эвены, Марта; Майкл, Джоэл (2005). Индивидуальные занятия людьми и компьютерами . Рутледж. ISBN 978-0-8058-4360-6.
- Polson, Martha C .; Ричардсон, Дж. Джеффри, ред. (1988). Основы интеллектуальных систем обучения . Лоуренс Эрльбаум. ISBN 978-0-8058-0053-1.
- Псотка, Иосиф; Мэсси, Л. Дэн; Mutter, Sharon, eds. (1988). Интеллектуальные системы обучения: извлеченные уроки . Лоуренс Эрльбаум. ISBN 978-0-8058-0023-4.
- Венгер, Этьен (1987). Искусственный интеллект и системы обучения: вычислительные и когнитивные подходы к передаче знаний . Морган Кауфманн. ISBN 978-0-934613-26-2.
- Chambers, J .; Спречер, Дж. (1983). Компьютерное обучение: его использование в классе . ISBN компании Prentice-Hall Inc. 978-0131643840.
- Brown, D .; Слиман, Джон Сили, ред. (1982). Интеллектуальные системы обучения . Академическая пресса. ISBN 978-0-12-648680-3.
Статьи
- Интеллектуальные системы обучения: исторический обзор в контексте развития искусственного интеллекта и педагогической психологии
- Интеллектуальные системы обучения: что и как
- Фридман, Рева (2000). «Что такое интеллектуальная система репетиторства?» (PDF) . Интеллект . 11 (3): 15–16. DOI : 10.1145 / 350752.350756 . S2CID 5281543 .
- Интеллектуальные системы обучения: использование искусственного интеллекта для повышения эффективности обучения и рентабельности инвестиций
- Основа для модельно-ориентированного адаптивного обучения
- Концептуальная основа для интеллектуальных систем обучения на базе Интернета
- Интеллектуальные системы обучения с разговорным диалогом
- ELM-ART: интеллектуальная система обучения во всемирной паутине
- Определяющие характеристики исследования интеллектуальных систем обучения: ИТС, точная забота
- Создание интеллектуальных систем обучения: анализ современного состояния
- Когнитивное моделирование и интеллектуальное обучение
- Интеллектуальные репетиторы идут в школу в большом городе
- Адаптивная гипермедиа: от интеллектуальных систем обучения к веб-обучению
Внешние ссылки
- 11 - я Международная конференция по интеллектуальным системам Репетиторство - коадаптации в обучении - Ханья (2012)
- 10 - я Международная конференция по Интеллектуальных Обучающих Систем - Мосты к обучению - Pittsburgh (2010)
- 9 - я Международная конференция по Интеллектуальным Обучающим Системам - Интеллектуальное Репетиторство система: прошлое и будущий - Монреаль (2008)
- 8 - я Международная конференция по Интеллектуальных Обучающих систем (2006)
- Конференция 2007 г. «Искусственный интеллект в образовании» .
- MERLOT - Мультимедийный образовательный ресурс для обучения и онлайн-преподавания
- Хронология обучающих машин http://teachingmachin.es/timeline.html