ROK XXXV 1/2009(11) ISSN E-LEARNING. Wyzwania e-learningu i œrodowiskowe bariery

Transkrypt

1 ROK XXXV 1/2009(11) ISSN E-LEARNING Wyzwania e-learningu i œrodowiskowe bariery

2 PRACE NAUKOWE BADAWCZE INSTYTUTU MASZYN MATEMATYCZNYCH SERIA ABC.IT ROK XXXIII, NR 11, 2009 ISSN INSTYTUT MASZYN MATEMATYCZNYCH WARSZAWA, UL. L.KRZYWICKIEGO 34

3 Zespół Redakcyjny: - dr inż. Jolanta Brzostek-Pawłowska - redaktor naczelny, - dr inż. Wojciech Nowakowski, - mgr inż. Małgorzata Rubin - sekretarz. UL. L. KRZYWICKIEGO WARSZAWA TEL , (22) W. 454, bi@imm.org.pl, Copyright by Instytut Maszyn Matematycznych, Warszawa, 2009 ISSN Nakład 100 egz. Półrocznik 2 Druk: Oficyna Wydawniczo-Poligraficzna Adam, Warszawa, ul.rolna 191/193

4 PRACE NAUKOWE BADAWCZE INSTYTUTU MASZYN MATEMATYCZNYCH SERIA ABC.IT Rok XXXV Nr SPIS TREŚCI WYKORZYSTANIE IDEI CHATBOTÓW W TWORZENIU PROFILÓW OSOBOWYCH KURSANTÓW NA PRZYKŁADZIE ŚRODOWISKA TELEEDU TM CHATBOTY MODUŁY DIALOGOWE SYSTEMY UCZĄCE MODUŁY DIALOGOWE W TELEEDU TM PRZYKŁAD TWORZENIA PROFILU REPOZYTORIA PODSUMOWANIE STANDARDY METADANYCH W ZASTOSOWANIACH ROZPROSZONYCH REPOZYTORIÓW WSTĘP KTO KORZYSTA Z METADANYCH? RAMY, W KTÓRE TRZEBA SIĘ WPASOWAĆ ŚWIATOWE STANDARDY METADANYCH IEEE LOM / IMS Learning Resources Meta-data, czyli co mówi SCORM Standard IEEE LOM IEEE LOM w SCORMie Interoperacyjność i Dublin Core, czyli co wymuszają z zewnątrz? Dublin Core OAI-PMH Problemy komunikacji Mapowanie Dublin Core IEEE LOM TREŚCI, KTÓRYMI TRZEBA WYPEŁNIĆ RAMY AKWIZYCJA METADANYCH Social tagging / folksonomy Tagowanie otwarte Tagowanie zamknięte PODSUMOWANIE RAPID ELEARNING TRWAŁA TENDENCJA CZY EFEMERYDA? TYTUŁEM WSTĘPU: CO TO JEST RAPID ELEARNING? PROCES TWORZENIA ELEKTRONICZNEGO KURSU: TRADYCJA KONTRA RAPID ELEARNING 35 3 ZALETY I WADY RAPID ELEARNINGU NARZĘDZA AUTORSKIE DLA RAPID ELEARNINGU PODSUMOWANIE

5 OCENA MOŻLIWOŚCI WDRAŻANIA E-LEARNINGU W POLSKIM SEKTORZE MSP NA PRZYKŁADZIE WYBRANEJ GRUPY - SYNTEZA DOŚWIADCZEŃ WSTĘP POTRZEBY SZKOLENIOWE POLSKICH MSP MOŻLIWOŚCI I BARIERY WDROŻENIA E-LEARNINGU W WARUNKACH MSP Trudności związane ze szkoleniami e-learningowymi w MSP Warunki organizacyjno techniczne Skąd czerpać szkolenia e-learningowe? Sposoby udostępniania szkoleń zdalnych Współpraca pomiędzy przedsiębiorstwami większą szansą na wdrożenie WNIOSKI I REKOMENDACJE Z DOŚWIADCZEŃ IMM: PRAKTYCZNE ASPEKTY ADAPTACJI PLATFORMY MOODLE WSTĘP MODYFIKACJA FUNKCJONALNOŚCI MODYFIKACJA PAKIETU JĘZYKOWEGO MODYFIKACJA KOMPOZYCJI TEMATYCZNEJ Metody Problemy Pliki definicji stylów Niespójność w nazewnictwie elementów Zagnieżdżanie elementów i dziedziczenie stylów Narzędzia pomocne przy modyfikacji kompozycji tematycznej Czego potrzebujemy? Rozszerzenia przeglądarki narzędzia twórców witryn internetowych Definiowanie kolorystyki kompozycji PODSUMOWANIE

6 WOJCIECH PRZYŁUSKI Instytut Maszyn Matematycznych, Warszawa Wykorzystanie idei chatbotów w tworzeniu profilów osobowych kursantów na przykładzie środowiska TeleEdu TM Application of the idea of chatterbots in creation of student personal profile on example of TeleEdu TM LMS environment Streszczenie Artykuł stanowi kontynuację rozważań dotyczących wykorzystywania mechanizmów sztucznej inteligencji w kursach e-learningowych tworzonych w środowisku TeleEdu TM LMS. Pokazuje rolę, jaką m.in. w tworzeniu profilów osób szkolonych może odegrać dialog prowadzony z kursantem w języku naturalnym. Abstract The paper is intended to be a continuation of considerations on AI methods application in e-courses created in TeleEdu TM LMS environment. The role of dialogue in natural language in student personal profile creation is discussed. 1 Chatboty Chatbot (ang. chatterbot) to nazwa programu komputerowego symulującego człowieka, z którym za pomocą interfejsu tekstowego można prowadzić dialog w języku naturalnym. Podstawowym zadaniem chatbota jest takie prowadzenie dialogu, aby rozmawiająca z nim osoba była przekonana, że prowadzi dialog z żywym, inteligentnym człowiekiem. Początki chatbotów sięgają roku 1950, kiedy to Alan Turing zaproponował test określający zdolność maszyny do posługiwania się językiem naturalnym. Zaliczenie tego testu (zwanego Testem Turinga) miało w jakimś sensie dowodzić opanowania przez maszynę umiejętności myślenia w sposób podobny do ludzkiego. Mówiąc najogólniej Test Turinga

7 Zeszyt ABC.IT nr 1/2009(11) polega na tym, że człowiek (arbiter) prowadzi dialog w języku naturalnym z kilkoma partnerami. Jeśli dla partnera (maszyny) arbiter nie jest w stanie określić, czy jest on maszyną czy człowiekiem, wtedy stwierdza się, że dana maszyna przeszła test. Do tej pory żaden komputer nie zaliczył testu Turinga. Jednak powstało wiele chatbotów, które w ramach różnych konkursów próbują zaliczyć ten test (najbardziej znany to konkurs o Nagrodę Loebnera, przyznawaną najlepszym programom próbującym zaliczyć Test Turinga). Jednym z najpopularniejszych chatbotów jest program ELIZA opracowany w 1966 roku w MIT przez J. Weizenbauma i symulujący lekarza psychoanalityka. Warto jeszcze wymienić program ALICE (projekt rozpoczęty w 1995 roku), który trzykrotnie wygrał wspomniany konkurs o Nagrodę Loebnera oraz program Jabberwacky, który wygrał ten konkurs w roku 2005 i Poza naukowymi eksperymentami oraz zastosowaniami rozrywkowymi chatboty są wykorzystywane np. jako wirtualni przewodnicy po serwisach internetowych. Oczywiście w tej sytuacji spełniają one rolę inteligentnych wyszukiwarek, a użytkownik wie doskonale, że współdziała z maszyną, a nie z człowiekiem. Często takie programy wyposażone są przy tym w animowany awatar (reprezentant świata wirtualnego), który obrazując różne stany emocjonalne czyni prowadzony dialog bardziej dowcipnym i przyciąga uwagę użytkownika. Chatboty, jak to wyżej wspomnieliśmy, to na ogół samodzielne programy komputerowe, ale nas interesuje zagadnienie, w jaki sposób można je wykorzystać w e-learningu, czyli wtedy, gdy są one często tylko małym fragmentem e-kursu. Dla ustalenia uwagi będziemy je wtedy nazywali modułami dialogowymi. 2 Moduły dialogowe Czy w e-kursach chatboty mogą odegrać ważną rolę? Wydaje się, że główny powód, który może na to wpłynąć wskazują tendencje rozwoju e-learningu. W pracy [1] o problemach i trendach zdalnego nauczania możemy między innymi przeczytać następującą diagnozę (fragment): Personalizacja procesu kształcenia, czy to przez adaptacyjny przebieg e-kursu, czy też przez możliwość budowania z dostępnego kontentu własnego programu szkolenia self paced, musi obejmować monitorowanie i ocenę poziomu nabywanej lub nabytej wiedzy. Wraz z oceną skutków szkolenia, ocenie (ewaluacji) musi podlegać kontent oraz organizacja procesu zdalnego kształcenia. Wydaje się, że dominującym nurtem we współczesnym e-learningu jest troska o jakość i skuteczność zdalnego kształcenia oraz o wiarygodność oceniania, zwłaszcza w tych instytucjach i organizacjach, które wydają certyfikaty i dyplomy. W tym kontekście wydaje się, że rola modułów dialogowych w e-kursach może być dwojaka: emocjonalna (psychologiczna) i merytoryczna. Emocjonalna oznacza, że właściwie przygotowane moduły dialogowe umieszczone w odpowiednich miejscach w e-kursie i uruchomione w stosownym czasie mogą sprawić, że kursant poczuje się dowartościowany faktem traktowania go w sposób indywidualny. Będzie miał świadomość, że ścieżka, którą podąża w e-kursie jest unikalna i specjalnie dla niego dobrana. Merytoryczna oznacza, 6

8 Wojciech Przyłuski, Wykorzystanie idei chatbotów że celem działania modułów dialogowych jest określenie profilów osobowości i stanu wiedzy kursantów oraz przechowanie tych informacji w systemie tak, aby mogły być wykorzystane do doboru najlepszej metody nauczania i oceny kursanta. Ta baza wiedzy dotycząca profilu użytkownika może też być wykorzystana do konstruowania kolejnych bloków dialogowych danego e-kursu. Kurs e-learningowy jest prawie zawsze przeznaczony dla szerokiej rzeszy odbiorców. Musi więc być uniwersalny i jeśli ma dobrze wypełnić swoje zadania edukacyjne powinien uwzględniać różnice intelektualne i rozmaite predyspozycje poszczególnych kursantów. Te różnice pomiędzy kursantami nie powinny utrudnić, ale wręcz przeciwnie ułatwić proces kształcenia. Warto tu może przytoczyć słowa Stevena Levy, wielokrotnego zdobywcy tytułu nauczyciel roku w USA: słowo edukacja wywodzi się od educere, co znaczy wyciągnąć, wydobywać. Uczeń nie jest zatem pustym naczyniem, COŚ już w nim jest i czeka na odkrycie. Głównym rezultatem użycia modułów dialogowych jest określenie profilu kursanta, w tym ocena skutków szkolenia (cząstkowa i końcowa), a rezultatem ubocznym jest utwierdzenie w świadomości kursanta faktu, że jest unikalnym podmiotem procesu kształcenia. Warto podkreślić, że nie należy tu w żadnym wypadku lekceważyć emocjonalnej roli modułów dialogowych. Jest rzeczą znaną, że uczeń potraktowany indywidualnie często osiąga bardzo dobre wyniki w nauce, mimo iż przedtem anonimowo w grupie uczył się miernie. Z drugiej strony w e-learningu nie zależy nam specjalnie na tym, aby dialog systemu wykonawczego z kursantem symulował w sposób możliwie doskonały dialog z żywym człowiekiem. Kursant wie, że rozmawia z programem sterującym i ważne jest jedynie, by ten dialog podtrzymał jego zainteresowanie e-kursem, a jednocześnie pomógł osiągnąć twórcom kursu zamierzone cele. A jeśli tak, to dialog z kursantem nie musi się odbywać wyłącznie w języku naturalnym i można go swobodnie przeplatać różnorodnymi typowymi pytaniami testowymi (np. wielokrotnego wyboru czy też typu hotspot lub drag&drop). W takim właśnie sensie będziemy dalej mówić o modułach dialogowych. Opracowanie modułów dialogowych i odpowiednie ich wkomponowanie w e-kurs nie jest rzeczą łatwą. Przede wszystkim twórca szkolenia musi dysponować odpowiednim środowiskiem e-learningowym, które umożliwia tworzenie i wykonywanie takich konstrukcji edukacyjnych. Jako jedno z nielicznych środowisko TeleEdu TM e-learning Suite (w skrócie TeleEdu TM ) daje nam spore możliwości w tym zakresie. Więcej informacji na ten temat, a w tym również porównanie możliwości tworzenia inteligentnych e-kursów w środowiskach Moodle i TeleEdu TM, znajdzie czytelnik w pracy [2]. 3 Systemy uczące W pracy [3], w której poruszono wiele ciekawych aspektów dotyczących indywidualizacji procesu nauczania, autorzy proponują wizję pewnej struktury (modelu) systemu, która umożliwia zgromadzenie informacji, dotyczących predyspozycji 7

9 Zeszyt ABC.IT nr 1/2009(11) psychologicznych kursanta, daje możliwość ich analizy, a w konsekwencji możliwość wyboru, a wreszcie realizacji najefektywniejszej w jego przypadku metody nauczania. Oto schemat tej struktury: moduł gromadzenia wiedzy o uczniu moduł rozpoznawania i klasyfikacji moduł nauczający Rys.1 Schemat struktury systemu uczącego Źródło: własne Jak piszą autorzy jest to system z jednokierunkowym przepływem sygnałów, ale dla badań i eksperymentów warto dopuścić także możliwość sprzężeń zwrotnych. Moduł gromadzenia wiedzy o uczniu zawiera zestaw pytań i testów, których zadaniem jest zebranie informacji o osobie uczącej się, w kontekście jej indywidualnych preferencji, upodobań i przyzwyczajeń, związanych z procesem uczenia. Moduł rozpoznawania i klasyfikacji dokonuje analizy danych zebranych w części pierwszej i podejmuje decyzję o tym, jaka metoda nauczania będzie najbardziej odpowiednia dla danego ucznia. Moduł nauczający zawiera bogatą bazę wiedzy z danej dziedziny oraz zaprogramowane różne algorytmy przekazu tej wiedzy. W zależności od wprowadzonej bazy wiedzy możliwe jest nauczanie różnych przedmiotów, bądź różnych treści w obrębie tego samego przedmiotu. Przedstawiony model można łatwo zrealizować w środowisku TeleEdu TM, ale można również wyobrazić sobie realizację w tym środowisku innego modelu. Oto w drzewiastej strukturze e-kursu usytuowanych jest wiele modułów dialogowych i dydaktycznych, a pomiędzy wszystkimi tymi modułami mamy dwukierunkowy przepływ informacji. Definicje tych nowych modułów są następujące: Moduły dialogowe (moduły gromadzenia wiedzy o uczniu) zawierają zestawy pytań i testów, których zadaniem jest zebranie informacji o osobie uczącej się, w kontekście jej indywidualnych preferencji, upodobań i przyzwyczajeń, związanych z aktualnym stanem procesu uczenia. Ponadto moduły służą do zebrania informacji o aktualnym stanie wiedzy ucznia oraz o wszelkich trudnościach związanych z procesem nauczania. Informacje te tworzą aktualny (dynamicznie zmieniający się) wspólny dla danego szkolenia profil kursanta. 8

10 Wojciech Przyłuski, Wykorzystanie idei chatbotów Moduły dydaktyczne (moduły rozpoznawania i klasyfikacji oraz nauczające) analizują i modyfikują aktualny profil kursanta oraz wykorzystują go do wyboru i realizacji najlepszej w danym momencie ścieżki edukacyjnej. Czyli m.in. najlepszej metody nauczania oraz najodpowiedniejszych treści szkoleniowych. Warto zwrócić uwagę na istotne różnice pomiędzy przedstawionymi modelami struktur systemów uczących. W modelu przedstawionym w [3] sugerowana jest pewna sekwencyjność działań: najpierw gromadzi się wiedzę o uczniu tworząc jego profil, a później na podstawie tego profilu dobiera się metodę nauczania, aby według niej przekazywać odpowiednie treści szkoleniowe. Istotą modelu drugiego jest zmultiplikowanie i rozproszenie w szkoleniu rozważanych modułów. Profil kursanta ma z założenia dynamiczny charakter. Tworzenie profilu i fragmenty nauczania przeplatają się ze sobą i mogą wpływać nawzajem na siebie. Elementem porządkującym ten układ jest jedynie drzewiasta struktura projektu całego szkolenia, w której moduły dialogowe umieszcza się w newralgicznych z dydaktycznego punktu widzenia punktach, a moduły dydaktyczne reprezentują te fragmenty szkolenia, które można realizować w różny spersonalizowany sposób. Warto zwrócić uwagę, że profil moglibyśmy też uzyskać proponując kursantowi wypełnienie na początku kursu specjalnej ankiety. Jednak byłby to profil statyczny (niezmienny) ustalany na początku kursu. Moduły dialogowe i profil kursanta mają charakter dynamiczny. W wyniku dialogu, który może się przewijać przez cały okres trwania szkolenia profil kursanta może być stale aktualizowany (w tym mogą być weryfikowane niektóre ze złożonych przez kursanta deklaracji). Zupełnie inną kwestią jest jak często, i w jakich miejscach szkolenia zechcemy z tego dynamicznego profilu skorzystać. Ponieważ jak wspomnieliśmy TeleEdu TM umożliwia realizację zarówno pierwszego jak i drugiego modelu dlatego można podjąć interesujące prace (postulowane zresztą we wspomnianym już artykule [3]) zmierzające do porównania wyników nauczania w zależności od stopnia rozbudowania i sposobu wykorzystywania w procesie szkoleniowym profilu ucznia. 4 Moduły dialogowe w TeleEdu TM Więcej informacji na temat tworzenia w TeleEdu TM inteligentnych systemów uczących znajdzie czytelnik w artykułach [4], [5], teraz skupimy się głównie na modułach dialogowych. Jeśli chcemy w TeleEdu TM tworzyć takie moduły, musimy przede wszystkim posłużyć się testami. Prowadzenie dialogu w języku naturalnym umożliwiają nam w testach dwa mechanizmy: pytania typu fill in blank wraz z odpowiednim systemem słów kluczowych, oraz specjalna strategia zadawania pytań tzw. pytania powiązane logicznie. 9

11 Zeszyt ABC.IT nr 1/2009(11) Po wybranych fragmentach dialogu realizowanych przez test można w TeleEdu TM tworzyć (wirtualnie bądź realnie) bazę faktów, w której gromadzone są informacje istotne dla profilu kursanta, przydatne w danym e-kursie. Ta baza faktów tworzona jest za pomocą mechanizmu kompetencji (patrz [6]) i ma charakter wirtualny. Może być realna wtedy, gdy zdecydujemy, aby specjalnie wybrane wierzchołki drzewa e-kursu (jednostki szkoleniowe) spełniały rolę pól danych. Zestaw atrybutów (cech) profilu kursanta, to podstawowy wyznacznik działania modułów dialogowych danego kursu. Ustalając bowiem zestaw atrybutów powinniśmy zadbać o to, aby w ramach dialogu, jeśli zajdzie taka potrzeba, można było nadać tym atrybutom odpowiednie wartości. Atrybuty można w zasadzie podzielić na trzy różne kategorie. Pierwsza kategoria to predyspozycje psychologiczne. Druga kategoria to aktualny stan wiedzy z zakresu dziedziny szkolenia oraz wiedzy ogólnej. Trzecia kategoria to preferencje, świadome wybory, postulaty, dane osobowe i organizacyjne. Jeśli na przykład e-kurs jest przeznaczony dla studentów historii i dotyczy historii Europy, to fragment zestawu atrybutów tworzonego profilu i ich przykładowych wartości mógłby być następujący: ATRYBUTY PROFILU WARTOŚCI ATRYBUTÓW Preferowany styl uczenia się wzrokowy Styl myślenia analityczny Samodzielność duża Ocena stanu wiedzy z zakresu historii powszechnej 5 Ocena stanu wiedzy z zakresu historii Europy 3 Kategoria najczęstszych błędów datowanie wydarzeń Poznane osobiście kraje europejskie Włochy, Francja Znajomość języków obcych (bierna) francuski, angielski Dodatkowe kierunki studiów architektura Ulubiony temat historyczny historia Francji Wady wzroku słabowidzenie Hobby brak Tabela 1. Fragment profilu kursanta. Odcieniami szarości zaznaczono różne kategorie atrybutów. Jest widoczne, że ta przykładowa tabela profilu kursanta ułatwiłaby dobranie adekwatnej ścieżki edukacyjnej. Na przykład, gdy kursant nie zna języka niemieckiego trzeba, przy prezentowaniu treści źródłowych materiałów w języku niemieckim dotyczących II wojny światowej, zadbać o ich tłumaczenie. 10

12 Wojciech Przyłuski, Wykorzystanie idei chatbotów Z drugiej strony tabela ta stanowi dobry punkt wyjścia do zadawania kursantowi dalszych precyzujących jego profil pytań. Nasuwa się na przykład pytanie związane z ulubionym tematem historycznym, które precyzowałoby aspekty historii Francji szczególnie fascynujące kursanta. Przygotowując szkolenie jego twórcy projektują wirtualną (wejściową, nadmiarową) strukturę profilu kursanta. Zawiera ona wszystkie możliwe atrybuty, które mogą ich zainteresować. W myśl zasady, że warto uzyskać tylko takie informacje o kursancie, które można wykorzystać przy dobieraniu dla niego najlepszej ścieżki edukacyjnej. Tabela 2 pokazuje fragment takiej nadmiarowej struktury. ATRYBUTY PROFILU Ulubiony temat historyczny brak historia Francji prezentacja Marsylianki prezentacja Luwru prezentacja napoleonianów historia Niemiec historia Włoch powstanie Unii Europejskiej Wady wzroku brak daltonizm niedowidzenie Hobby brak malarstwo batalistyczne historyczne inne fotografia numizmatyka filatelistyka WARTOŚCI ATRYBUTÓW historia Francji <nieokreślone> tak <nieokreślone> <nieokreślone> <nieokreślone> <nieokreślone> <nieokreślone> <nieokreślone> niedowidzenie nie <nieokreślone> tak <nieokreślone> <nieokreślone> <nieokreślone> <nieokreślone> <nieokreślone> <nieokreślone> <nieokreślone> <nieokreślone> <nieokreślone> Tabela 2. Fragment (częściowo wypełnionej) wejściowej struktury profilu kursanta W trakcie szkolenia, w ramach modułów dialogowych, struktura profilu kursanta jest stopniowo zapełniana treścią (wartościami atrybutów). W zależności od przebiegu tego 11

13 Zeszyt ABC.IT nr 1/2009(11) dialogu może się jednak okazać, że pewne fragmenty struktury przestają twórców szkolenia interesować. Na przykład, jeśli atrybut <Hobby> uzyska wartość <brak>, wtedy doprecyzowanie rodzajów hobby nie ma już sensu i ten przygotowany fragment profilu (jeśli był zaprojektowany) pozostanie niewykorzystany (wartość: <nieokreślone>). W ten sposób wypełniony treścią będzie na ogół jedynie pewien podzbiór struktury wejściowej profilu kursanta. To zapełnianie treścią struktury profilu kursanta może się odbywać także w inny sposób. W modułach dydaktycznych systemu uczącego mogą zostać umieszczone lokalne systemy eksperckie (rozumiane tu, jako specyficzne systemy wspomagania podejmowania decyzji), których głównym celem jest dobór najlepszej ścieżki szkoleniowej. Dobór tych ścieżek poprzedza analiza aktualnego profilu kursanta i modyfikacja tego profilu w myśl reguł wnioskowania (reguł produkcji) danego systemu eksperckiego. Działanie takich reguł będzie przedstawione przy omawianiu przykładu dotyczącego tworzenia profilu kursanta. Modyfikacja profilu obejmować może zarówno zmianę wartości pewnych atrybutów jak i nadanie wartości dotychczas niewykorzystywanym atrybutom. Możliwość wbudowywania w e-kursy systemów eksperckich, czyni z TeleEdu TM wyjątkowo wyrafinowane narzędzie do tworzenia inteligentnych szkoleń. Więcej informacji na ten temat wraz z opisem przykładowego systemu eksperckiego Czworokąty znajdzie czytelnik w artykule [5]. Powróćmy teraz do przebiegu dialogu w języku naturalnym. Idea takiego dialogu polega na tym, że tworzymy pytanie umożliwiające swobodną odpowiedź kursantowi. Z pytaniem wiążemy układ (listę zestawów) słów kluczowych, który służy do analizy wypowiedzi kursanta. W wyniku tej analizy próbę identyfikacji sensu odpowiedzi kursanta uznajemy: za pomyślną i zgodnie z tym sensem dobierane jest kolejne pytanie odpowiednio powiązane logicznie pogłębiające wątek dialogu, albo za niepomyślną i wtedy zwracamy się do kursanta z prośbą o zmianę formy swojej wypowiedzi. Metoda słów kluczowych wydaje się wystarczająca, choćby z tego względu, że w konkretnym e-kursie zakres prowadzenia dialogu jest ograniczony np. przez tematykę kursu. Ponadto inicjatywa w prowadzeniu dialogu jest po stronie programu wykonawczego. Tak więc wszelkie dygresje kursanta możemy po prostu zignorować. Tu między innymi widać różnicę pomiędzy klasycznymi chatbotami, a opisywanymi tu modułami dialogowymi. W przypadku chatbotów wszelkie dygresje rozmówcy warto starannie analizować, aby we właściwym momencie wykorzystać je umiejętnie w celu podtrzymania dialogu. W przypadku modułów dialogowych nie możemy sobie pozwolić na taki luksus, bowiem celem nie jest tu dialog sam w sobie, ale zdobycie konkretnych przydatnych w procesie nauczania informacji. 12

14 5 Przykład tworzenia profilu Wojciech Przyłuski, Wykorzystanie idei chatbotów Przedstawimy teraz rozważania dotyczące tworzenia w TeleEdu TM pewnego fragmentu profilu kursanta. Postaramy się przy tym ograniczyć do minimum szczegóły techniczne i tam, gdzie to możliwe, wprowadzić tylko poglądowe opisy. Załóżmy, że chcemy na potrzeby budowanego profilu kursanta uzyskać informację o jego biernej znajomości języków obcych. Interesuje nas przy tym jedynie określona pula tych języków, bowiem tylko w zakresie tej puli mamy przygotowane wielojęzykowe materiały szkoleniowe. Niech ta pula obejmuje trzy języki: angielski, francuski i niemiecki. Omówimy dwa rozwiązania. Pierwsze rozwiązanie Najprostszym rozwiązaniem byłoby zadanie kursantowi pytania wielokrotnego wyboru np. takiego: Pytanie: Zaznacz te języki, w których swobodnie czytasz oraz rozumiesz czytany tekst 1. Angielski 2. Francuski 3. Niemiecki Punktacja: za zaznaczenie wszystkich opcji - 7 punktów, za zaznaczenie opcji 1 i 2-6 punktów, za zaznaczenie opcji 2 i 3-5 punktów, za zaznaczenie opcji 1 i 3-4 punkty, za zaznaczenie opcji 3-3 punkty, za zaznaczenie opcji 2-2 punkty, za zaznaczenie opcji 1-1 punkty, za niezaznaczenie żadnej opcji 0 punktów. Punkty zdobyte przez kursanta za ten test z jednym pytaniem jednoznacznie określają interesujące nas dane o znajomości języków. Na przykład 6 punktów oznacza wartość atrybutu językowego identyczną z podaną wcześniej w tabeli 1. W tym wypadku wielkości liczb przyznanych punktów za poszczególne odpowiedzi kursanta nie mają znaczenia, bowiem służą one jedynie do rozróżnienia między sobą tych odpowiedzi. Drugie rozwiązanie Jeśli chcemy uzyskać informację dotyczącą znajomości języków, jako efekt dialogu prowadzonego w języku naturalnym, możemy postąpić następująco. Zadajemy kursantowi pytanie typu fill in blank (umożliwiające swobodną wypowiedź pisemną kursanta): 13

15 Zeszyt ABC.IT nr 1/2009(11) Pytanie: Napisz, w których językach (angielski, francuski, niemiecki) swobodnie czytasz oraz rozumiesz czytany tekst. W TeleEdu TM oceniając to pytanie mamy możliwość przyporządkowania mu całej listy możliwych (potencjalnych) odpowiedzi. Każda z odpowiedzi z tej listy zawiera pewien układ oczekiwanych słów kluczowych oraz wskaźnik liczbowy mówiący, ile słów z układu musi w danej odpowiedzi wystąpić. Przykładowo lista taka może być postaci: %angielsk%francusk%niemieck%%3% %angielsk%francusk%%2% %angielsk%niemieck%%2% %francusk%niemieck%%2% %angielsk% %francusk% %niemieck% Pozostałe przypadki Znaki % oddzielają słowa kluczowe oraz parametry liczbowe. Używamy przy tym, jako słów kluczowych, tematów wyrazów np. francusk, ponieważ spodziewać się możemy odpowiedzi typu: Dobrze czytam po francusku, albo Znam biernie język francuski. Po udzieleniu odpowiedzi przez kursanta system wykonawczy próbuje dopasować do niej kolejno odpowiedzi z przedstawionej listy. Niedopasowanie kolejnych siedmiu pozycji oznacza, że dopasowana jest ósma opcja Pozostałe przypadki, czyli uznajemy, że kursant nie zna biernie żadnego z wymienionych języków. Natomiast dopasowanie odpowiedzi sugeruje poprawne zinterpretowanie odpowiedzi kursanta, ale tylko z pewnym prawdopodobieństwem. Prawdopodobieństwo prawidłowej interpretacji wypowiedzi kursanta zależy od stopnia komplikacji stosowanych układów słów kluczowych. W przedstawionym tu prostym przykładzie prawdopodobieństwo to nie jest zbyt duże. Przecież bardzo możliwa jest odpowiedź kursanta typu: Nie znam języka francuskiego ani angielskiego, natomiast trzeci z wymienionych znam znakomicie. Taka odpowiedź kursanta wprowadzi w błąd system wykonawczy. Dlatego, aby mieć całkowitą pewność odnośnie przyjętej interpretacji odpowiedzi, wiążemy teraz z naszym pytaniem cały układ kolejnych pytań w ten sposób, że z każdą z potencjalnych odpowiedzi wiążemy odpowiadające jej kolejne pytanie dialogu. 14

16 Wojciech Przyłuski, Wykorzystanie idei chatbotów Na przykład z odpowiedzią: %angielsk%francusk%%2% możemy związać pytanie jednokrotnego wyboru: Pytanie: Przyjmuję zatem, że znasz biernie język angielski i francuski? Czy to potwierdzasz? Tak Nie Jeśli kursant wybierze pierwszą opcję, można uznać fragment dialogu dotyczący informacji językowej za zakończony. Natomiast wybór opcji drugiej albo niewybranie żadnej z nich interpretujemy, jako brak zgody kursanta na przedstawioną interpretację jego stanowiska. Prezentujemy kursantowi komentarz np. postaci: Widocznie źle Cię zrozumiałem. Bardzo proszę odpowiedz ponownie na pytanie dotyczące języków, ale spróbuj inaczej sformułować swoją wypowiedź. Następnie uruchamiamy mechanizm pętli, czyli powracamy ponownie do pierwszego głównego pytania tego fragmentu dialogowego. Dalsze rozbudowywanie profilu Zarysowany powyżej układ pytań może odgrywać rolę małego modułu dialogowego. Można wyobrazić sobie dalszą jego rozbudowę, gdy, przykładowo, wejściowa struktura profilu kursanta przewiduje potrzebę obiektywizowanej oceny znajomości języków obcych. Do każdego wątku dialogu, który kończy się deklaracją biernej znajomości jednego, dwu albo trzech języków, dodajemy odpowiedni zestaw testów językowych. W ten sposób w części językowej profilu kursanta pojawią się dodatkowo liczbowe oceny obiektywnie opisujące stopień opanowania przez kursanta deklarowanych przez niego języków. Przy okazji również uzyskujemy dodatkową informację o trafności samooceny kursanta w zakresie jego zdolności językowych. O tej ewentualnej rozbieżności pomiędzy samooceną, a oceną systemu dalej można rozmawiać z kursantem i dociekać na przykład przyczyn tej rozbieżności. Pamiętajmy jednak, że projektując szkolenie e-learningowe twórcy muszą zakładać pewien cel swoich działań (dydaktyczny, ekonomiczny, marketingowy itp.). Nie jest raczej celem szkolenia samym w sobie prowadzenie wielowątkowych dialogów z kursantem. Prowadzimy dialog w z góry ograniczonym zakresie (wejściowy profil kursanta), aby uzyskać tylko te informacje, które można wykorzystać dla zwiększenia efektywności procesu nauczania. Jak już wspomnieliśmy, do rozbudowy profilu mogą przyczynić się reguły wnioskowania systemów eksperckich z modułów dydaktycznych. Jeśli na przykład wśród materiałów szkoleniowych naszego kursu mamy szczegółowe opracowanie dotyczące genezy, historii i analizy tekstu hymnu francuskiego (Marsylianki), wtedy w określonych warunkach możemy wybranym (odpowiednio przygotowanym) 15

17 Zeszyt ABC.IT nr 1/2009(11) kursantom ten materiał zaprezentować. W odpowiednim module dydaktycznym może zostać umieszczony niewielki system ekspercki, a wśród reguł wnioskowania możemy na przykład umieścić regułę, której schemat działania byłby następujący: Jeśli <Ulubiony temat historyczny> = <historia Francji> i <Znajomość języków obcych (bierna)> = <{angielski, francuski, niemiecki} albo {angielski, francuski} albo {francuski, niemiecki} albo {francuski}> i <Ocena znajomości języka francuskiego> >= 4 wtedy <prezentacja Marsylianki> = <tak> W efekcie działania tej reguły może się zdarzyć, że w profilu kursanta nieokreślony dotychczas atrybut <prezentacja Marsylianki> uzyska wartość <tak>. Wtedy w odpowiednim module dydaktycznym, analiza aktualnego profilu kursanta spowoduje dobranie ścieżki szkoleniowej zawierającej szczegółowy wykład dotyczący hymnu francuskiego. 6 Repozytoria W wielu rozwiązaniach e-learningowych pod koniec e-kursów ich twórcy umieszczają ankiety, które służą do zebrania opinii kursanta np. na temat jakości szkolenia, czy stopnia spełnienia oczekiwań z nim związanych. Twórcy szkoleń analizują później te informacje i mogą na ich podstawie zmodyfikować swoje szkolenia tworząc ich kolejne wersje. Zauważmy jednak, że z punktu widzenia kursanta, który ukończył już dany e-kurs, jest to przysłowiowa musztarda po obiedzie. Istnieje więc potrzeba modyfikowalności e-kursów w każdej z faz ich wykonywania. W fazie początkowej, po uzyskaniu podstawowych informacji o kursancie (ankieta, moduł dialogowy), można dobrać sensowną w danej chwili ścieżkę edukacyjną. W trakcie szkolenia może się okazać (testy cząstkowe, moduły dialogowe), że przyjęta ścieżka wymaga odpowiedniej korekty. Zaś na zakończenie szkolenia (testy końcowe, moduły dialogowe) może się okazać, że przyjęta koncepcja nauczania nie spełniła swojej roli i warto powtórzyć w innej wersji fragmenty czy może nawet cały proces szkoleniowy. Jeśli konieczna jest modyfikacja e-kursu, to powstaje pytanie, gdzie należy przechowywać alternatywne zasoby szkoleniowe? Jednym z rozwiązań, które warto tu wskazać, jest idea tworzenia Obiektów Wiedzy wielokrotnego użycia RLO (Reusable Learning Objects), które przechowywane w odpowiednich bibliotekach (zwanych repozytoriami) mogłyby służyć, jako cegiełki do budowy i modyfikacji różnorodnych kursów. Powstaje tu problem właściwego opisu tych obiektów, który umożliwi łatwe ich składanie w większą całość. Ciekawy opis struktury 16

18 Wojciech Przyłuski, Wykorzystanie idei chatbotów repozytorium, która pozwala na tworzenie kursów spełniających indywidualne preferencje uczących się, znajdzie czytelnik w artykule [7]. Głównym celem repozytorium jest ułatwienie twórcom szkoleń budowania całkowicie nowych kursów. Repozytorium daje im wygodę polegającą na tym, że nie muszą budowy swojego e-kursu zaczynać od zera. Repozytorium to baza różnorodnych zasobów edukacyjnych, z których można wybierać elementy, służące budowie i modyfikacji już istniejących gotowych kursów. Weźmy pod uwagę proces tworzenia e-kursu w środowisku TeleEdu TM. Twórcy e-kursu przygotowując materiały szkoleniowe opracowują ich różne wersje, mając na uwadze różne metody dydaktyczne oraz wejściową (nadmiarową) strukturę profilu kursanta. W newralgicznych miejscach e-kursu umieszczają moduły dialogowe, które wpływają na zmianę (zapełnianie) tego profilu, a w konsekwencji na tok nauczania. Moduły dialogowe są więc rodzajem czujników kontrolujących stan pacjenta, którym w tym przypadku jest kursant. W miarę postępu procesu nauczania w danym e-kursie, system wykonawczy mądrzeje modyfikując i zapełniając profil kursanta. Mają więc szansę zadziałać pewne reguły, których przesłanki wcześniej nie były spełnione. Tak więc, im bardziej proces szkolenia zbliża się do końca, tym bardziej rosną możliwości jego innej lepszej realizacji. W tym momencie w TeleEdu TM można zastosować następujące rozwiązanie. Po wejściu szkolenia w fazę końcową można uruchomić specjalne moduły dialogowe i dydaktyczne, w których dokona się m.in.: oceny stanu wiedzy kursanta, oceny stopnia satysfakcji kursanta z dotychczasowego przebiegu szkolenia, oceny zakresu możliwych modyfikacji procesu nauczania, rozpoznania preferencji kursanta w zakresie kontynuowania danego szkolenia. W efekcie możliwa jest na przykład faza kontynuacji szkolenia poprzez prezentację odpowiednich materiałów uzupełniających albo wręcz poprzez powtórzenie całego szkolenia. Ta ewentualna powtórka odbywałaby się już w innej sytuacji niż poprzednio, ponieważ inny jest aktualny profil kursanta. Ktoś mógłby zauważyć, że taki kurs mógłby nigdy się nie skończyć, ale tak nie jest, ponieważ barierę stanowi skończona i niezmienna wejściowa struktura profilu kursanta. Porównując to rozwiązanie z wcześniej opisaną ideą repozytorium, można zauważyć, że w TeleEdu TM repozytorium jest zaszyte w samym e-kursie. Przy czym jest to repozytorium dotyczące tylko wąskiego zakresu wiedzy związanej z tematyką konkretnego szkolenia. Ponadto cegiełkami wiedzy są w tym wypadku dość duże obiekty, a mianowicie ścieżki edukacyjne. 17

19 Zeszyt ABC.IT nr 1/2009(11) 7 Podsumowanie Na zakończenie, w związku z przedstawionym tu w zarysie, realizowanym w TeleEdu TM procesem nauczania, warto sformułować odnośnie tego środowiska trzy postulaty. Pierwszy z nich wiąże się z faktem, że profil jest strukturą, którą można wykorzystać tylko w ramach pojedynczej sesji szkoleniowej danego kursanta. Sesja szkoleniowa związana jest z udostępnieniem danemu kursantowi konkretnego szkolenia na platformie. Każde nowe otwarcie tego szkolenia nawet po dłuższej przerwie, to ta sama sesja szkoleniowa. Jeśli jednak ten sam kursant otworzy na platformie inne szkolenie, to jego profil jest dla systemu wykonawczego zupełnie nieznany. Wszystkie bowiem informacje z profilu kursanta zebrane w innym kursie, które być może byłyby ważne również dla tego nowego szkolenia, są niedostępne. Jednym z kierunków rozwoju TeleEdu TM jest stworzenie powiązań profilu kursanta z platformą, aby w ten sposób nie wiązać struktury profilu jedynie z pojedynczą sesją szkoleniową. Drugi postulat (mniej związany z poruszanymi w tym artykule zagadnieniami) dotyczy autokorekty szkoleń, czyli wbudowanego w szkolenie mechanizmu, który automatycznie je modyfikuje wykorzystując doświadczenia zebrane podczas sesji szkoleniowych. W tej chwili wszelkie autokorekty działania systemu wykonawczego związane z procesem nauczania dotyczą jednej konkretnej sesji szkoleniowej. Są więc one oczywiście tymczasowe. Warto pomyśleć o ich trwałej modyfikacji, która następowałaby w wyniku analizy wielu sesji szkoleniowych przeprowadzonych dla większej grupy użytkowników. Trzeci postulat - to wzbogacenie środowiska TeleEdu TM e-learning Suite o repozytorium. I tym samym częściowe przynajmniej odciążenie poszczególnych e-kursów od wielu alternatywnych materiałów szkoleniowych. Realizacja tych postulatów zmieniłaby nieco filozofię działania TeleEdu TM. Techniki sztucznej inteligencji, które do tej pory związane były tylko z poszczególnymi kursami teraz pojawiłyby się również na poziomie zarządzającej kursami platformy. Bibliografia [1] Jolanta Brzostek-Pawłowska E-learning 2008: Problemy i trendy w zdalnym nauczaniu, technologiach i standardach. Prace Naukowo-Badawcze Instytutu Maszyn Matematycznych z serii ABC.IT zeszytów e-learningowych, Zeszyt nr 2/2008 (10). [2] Andrzej Abramowicz - Porównanie platform utworzonych na bazie modeli SCORM i IMS QTI w aspekcie realizacji adaptowalnych e-kursów: Moodle CMS vs. TeleEduTM LMS. Elektronika nr 12/2008, ss

20 Wojciech Przyłuski, Wykorzystanie idei chatbotów [3] Zając M., Wójcik K.: Wykorzystanie technik sztucznej inteligencji do indywidualizacji procesu nauczania. Informatyka Teoretyczna i Stosowana, nr 4, [4] Wojciech Przyłuski - Wirtualny nauczyciel poszukiwany, czyli dlaczego warto korzystać z TeleEdu. ( Prace Naukowo-Badawcze Instytutu Maszyn Matematycznych z serii ABC.IT zeszytów e-learningowych, Zeszyt nr 2/2007(8) ) [5] Wojciech Przyłuski - TeleEdu krok w kierunku sztucznej inteligencji (kapsuła edukacyjna: repozytorium i e-kurs ekspertowy). ( Prace Naukowo-Badawcze Instytutu Maszyn Matematycznych z serii ABC.IT zeszytów e-learningowych, Zeszyt nr 2/2006(6) ) [6] Wojciech Przyłuski Inteligentne szkolenia i testy w środowisku e-learningowym TeleEduTM Monografia. Warszawa 2008, IMM. [7] Zając M.: Środowisko tworzenia personalizowanych kursów online repozytorium obiektów wiedzy. E-mentor, nr 1,