Wykorzystanie Inteligentnego Systemu Nauczającego (ISN) w szkoleniach ODL (Open and Distance Learning)

Transkrypt

1 Zakład Radiokomunikacji Morskiej w Gdańsku (Z8) Wykorzystanie Inteligentnego ystemu Nauczającego (IN) w szkoleniach ODL (Open and Distance Learning) Praca nr Gdańsk, grudzień 2008

2 Wykorzystanie Inteligentnego ystemu Nauczającego (IN) w szkoleniach ODL (Open and Distance Learning) Praca nr łowa kluczowe: systemy inteligentne w nauczaniu ODL; środki sztucznej inteligencji wykorzystywane w procesie ODL; indywidualizacja procesu nauczania ODL Kierownik pracy: mgr inż. Jolanta Chęć Wykonawcy pracy: mgr inż. Jolanta Chęć Kierownik Zakładu: dr inż. Rafał Niski Copyright by Instytut Łączności, Warszawa 2008

3 pis treści 1. Wprowadzenie Inteligentny ystem Nauczający Koncepcja IN Architektura IN Uczenie problemowe truktura punktów węzłowych Środowiska uczenia Metodyka tworzenia kursu ODL Wymagania Projekt kursu Opracowanie kursu Dostawa kursu Ocena kursu Wnioski Literatura Załączniki

4 1. Wprowadzenie Rozwój nowoczesnych technologii informacyjnych i komunikacyjnych (ICT) umożliwił powstanie nowych form edukacji bardzo przydatnych dla procesu uczenia trwającego przez całe życie (Life Long Learning Process). Jedną z nowoczesnych form kształcenia wykorzystującą nowo powstałe technologie informacyjne i komunikacyjne (ICT) w procesie kształcenia jest nauczanie na odległość (distance learning) charakteryzujące się niezależnością od miejsca i czasu nauki. ystemy nauczania na odległość (ODL) powinny umożliwiać optymalne dostosowanie procesu nauczania do indywidualnego ucznia. W tym celu opracowany został Inteligentny ystem Nauczający (IN) stanowiący nowe podejście do realizacji nauczyciela komputerowego. IN adaptuje się w sposób optymalny do indywidualnych możliwości i potrzeb ucznia w trakcie procesu uczenia. Integracja sprawdzania wiedzy z nauczaniem (akcje testujące i nauczające) zapewnia każdemu uczniowi naukę w innym optymalnie dla niego dobranym trybie. Inteligencja takiego systemu nauczającego zawiera się w podejmowanych przez niego decyzjach pedagogicznych o tym jak uczyć na podstawie gromadzonej o uczniach informacji. Przy wykorzystaniu opracowanego środowiska symulacyjnego przeprowadzono szereg badań dotyczących działania IN. W przeprowadzonych eksperymentach lepsze wyniki nauczania osiągał nauczyciel komputerowy (IN) uczący populację modeli uczniów z indywidualizacją od nauczyciela uczącego tę samą populację modeli bez indywidualizacji. Takie badania były możliwe do przeprowadzenia w środowisku symulacyjnym zapewniającym możliwość powtarzania badań od początku. IN powinien więc umożliwiać indywidualizację procesu nauczania zapewniając w sposób optymalny ciągłą adaptację do indywidualnych możliwości i potrzeb ucznia w czasie procesu nauczania ODL. W celu wykorzystania IN w środowisku rzeczywistym (populacja rzeczywistych uczniów) opracowany został przykładowy kurs: ystem komunikacyjny na potrzeby EDI (Elektronicznej Wymiany Danych) w systemach obsługi wiadomości MH (Zał. 1) zgodnie z wcześniej opracowaną metodyką tworzenia kursów ODL. Dla przeprowadzenia badań działania IN w środowisku rzeczywistym celowe jest przeprowadzenie opracowanego szkolenia: ystem komunikacyjny na potrzeby EDI (Elektronicznej Wymiany Danych) w systemach obsługi wiadomości MH w środowisku rzeczywistym z wykorzystaniem IN i bez IN oraz analiza uzyskanych wyników. 2. Inteligentny ystem Nauczający 2.1. Koncepcja IN Inteligentny ystem Nauczający (nauczyciel komputerowy) umożliwia ciągłą adaptację procesu uczenia do indywidualnych potrzeb ucznia i jego charakterystyki. Na rys. 1 została przedstawiona koncepcja takiego systemu zgodna z opracowaną przez IEEE LTC specyfikacją architektury systemów DL. Inteligentny ystem Nauczający zgodnie z tą koncepcją składa się z następujących składników: silnika uczącego, modelu użytkownika (ucznia), bazy wiedzy, bazy metod oraz składników: oceny, prezentacji i komunikacji. ilnik uczący jest wykorzystywany do sterowania, kontroli i koordynacji wszystkich składników. Baza wiedzy zawiera materiał dydaktyczny.(opracowany został przykładowy kurs zał. 1). Baza metod zawiera różne koncepcje i metody dydaktyczne wspomagające nauczycieli. W praktyce nauczyciele wykorzystują więcej niż jedną metodę nauczania zgodnie z typem wie 4

5 dzy dziedzinowej. Zmieniają także metodę nauczania dla tej samej partii materiału dydaktycznego dostosowując się do różnych stylów Ocena Prezentacja Komunikacja Model ucznia ilnik uczący Baza metod Baza wiedzy Rys. 1. Inteligentny ystem ODL. uczenia się. kładnik prezentacja umożliwia generację i prezentację materiału dydaktycznego na różne sposoby. kładnik komunikacja określa poziom interaktywności środowiska uczenia. kładnik ocena określa poziom wiedzy ucznia zapewniając stosowne testy. Model ucznia przechowuje informacje dotyczące indywidualnego ucznia, stanowi zbiór parametrów zawierających informacje charakteryzujące ucznia (wyróżnia się następujące klasy parametrów w modelu ucznia: parametry profesjonalne, parametry psychologiczne, parametry fizjologiczne, parametry demograficzne), odzwierciedla bieżący stan wiedzy ucznia. Wyróżnia się różne rodzaje modeli ucznia. W modelu nakładkowym wiedza ucznia stanowi podzbiór wiedzy eksperta. W modelu dewiacyjnym wiedza ucznia składa się z podzbioru wiedzy eksperta oraz błędnej wiedzy ucznia. W realizacji IN zastosowany został model dewiacyjny. Wiedza eksperta Wiedza ucznia Wiedza eksperta Wiedza wspólna ucznia i eksperta Błędna wiedza ucznia a) Nakładkowy model ucznia b) Dewiacyjny model ucznia Rys. 2. Modele uczniów 5

6 Inteligencja takiego systemu nauczającego zawiera się w podejmowanych przez niego decyzjach pedagogicznych, jak uczyć na podstawie gromadzonej o uczniach informacji. Inteligentny system nauczający, poprzez wykorzystanie środków sztucznej inteligencji, zapewnia uczniom automatyczny tutoring (interakcja od materiału dydaktycznego). Uczniowie mogą do interakcji z materiałem dydaktycznym wykorzystywać szereg różnorodnych środków. Mogą wybierać formę prezentacji materiału dydaktycznego (teoria, przykłady, pokaz), wybierać stosowny materiał uzupełniający wykorzystując bogate mechanizmy wyszukiwań, ustawiać parametry dla symulacji Architektura IN Opracowany Inteligentny ystem Nauczający (automatyczny nauczyciel komputerowy) umożliwia ciągłą adaptację do wiedzy uczniów i ich zdolności (zapewniając indywidualizację procesu uczenia). IN działa zgodnie z algorytmem optymalnego nauczania zapewniając każdemu uczniowi optymalny proces uczenia. IN wykorzystuje dwa rodzaje akcji pedagogicznych: akcje nauczające i akcje testujące. Proces nauczania zrealizowany jest przy wykorzystaniu akcji nauczających. Ocena wiedzy ucznia zrealizowana jest przy wykorzystaniu akcji testujących. Przyjęto, że akcje testujące nie zmieniają wiedzy ucznia (ze względu na ich znikomy efekt nauczający). Inteligencja takiego Inteligentnego ystemu Nauczającego zawarta jest w jego decyzjach pedagogicznych (jak i czego uczyć) oraz informacji o uczniach. IN wykorzystuje informacje z modelu ucznia w celu określenia decyzji pedagogicznych stosownie do potrzeb każdego ucznia (w szczególności dla kontroli postępów ucznia i adaptacji do indywidualnego ucznia). IN składa się z dwóch głównych komponentów: ekstraktora cech i algorytmu optymalnego nauczania (rys. 3). Ekstraktor cech zawiera pamięć wykorzystywaną do gromadzenia informacji dotyczących procesu nauczania. Pamięć jest wykorzystywana do ekstrakcji głównych cech procesu uczenia dotyczących każdego ucznia L i (i=1,,n). Cechy te są wykorzystywane przez algorytm optymalnego nauczania w celu wyboru stosownej akcji pedagogicznej dla indywidualnego ucznia L i. Wyniki akcji testującej (testu) przesyłane są do modułu ekstraktora cech w celu przechowania i dalszej analizy. Nauczyciel a L1 L 1 Ekstraktor cech Algorytm optymalnego nauczania a Li L i a LN L N Rys. 3. Architektura Inteligentnego ystemu Nauczającego. 6

7 2.3. Uczenie problemowe Inteligentny ystem Naucząjcy Generacja problemu Program nauki Rozwiązanie IN Prezentacja problemu Porównanie rozwiązań Bieżąca odpowiedź (sprzężenie zwrotne) Rozwiązanie studenta tudent Uaktualnienie modelu studenta Rys. 4. Inteligentny ystem Nauczający rozwiązywanie problemów Uczeń może uczyć się wykorzystując inteligentny system nauczający poprzez rozwiązywanie problemów. ystem porównuje swoje rozwiązanie z rozwiązaniem ucznia, przygotowuje diagnozę, wysyła zwrotnie stosowną informację, uaktualnia model ucznia, określa następną partię materiału do nauki i sposób jej prezentacji. Następnie wybiera problemy do rozwiązania przez ucznia i cały cykl zostaje powtórzony truktura punktów węzłowych Rys. 5. Przykładowa organizacja węzłowa 7

8 Realizacja Inteligentnego ystemu Nauczającego zapewnia organizację węzłową wiedzy (rys. 5). W organizacji węzłowej brak jest centralnego punktu oraz początku i końca. Pozwala to na interdyscyplinarne przedstawienie wiedzy poprzez pokazanie związków pomiędzy różnymi partiami wiedzy, które wydają się być zbyt odległe. W ten sposób stwarza warunki do twórczego procesu kształcenia (myślenie twórcze). Organizacja węzłowa umożliwia uczącemu się podejmowanie decyzji w trakcie uczenia. Daje tym samym uczniowi możliwość dokonywania wyboru drogi uczenia się przez co zapewnia wysokiej jakości indywidualizację procesu kształcenia. 3. Środowiska uczenia Bardzo przydatną dla tworzenia systemów w technologii ODL uwzględniających aspekty pedagogiczne jest pedagogiczna teoria Kolb a. Zgodnie z teorią Kolb`a dotyczącą uczenia empirycznego uczenie jest procesem za pomocą którego wiedza tworzona jest przez przekształcanie doświadczenia. Jednym z najbardziej fundamentalnych wymogów, który ułatwia uczenie jest odpowiednie środowisko, gdzie uczący się mogą zdobyć doświadczenie W uczeniu empirycznym uczeń pozostaje w bezpośrednim kontakcie ze studiowaną rzeczywistością. Mózg ludzki składa się z dwóch półkul: lewa półkula reprezentuje symbole abstrakcyjne, z kolei prawa półkula reprezentuje rzeczywistość. Proces uczenia nie jest dla każdego identyczny w związku z tym wyróżnia się różne style uczenia. Dwa wymiary uczenia (konkretny/abstrakcyjny oraz aktywny/refleksyjny), niezależne od siebie, definiują cztery tryby uczenia oraz cztery rodzaje wiedzy. Te cztery tryby uczenia to: konkretne doświadczenie, obserwacja refleksyjna, abstrakcyjna konceptualizacja, aktywne eksperymentowanie oraz cztery rodzaje wiedzy: wiedza przystosowawcza, wiedza rozbieżna, wiedza asymilacyjna, wiedza zbieżna. Indywidualne style uczenia określone są przez tryby uczenia jako: przystosowanie, rozbieżność, asymilacja, zbieżność. Dla efektywnego uczenia wymagane jest odpowiednie środowisko. Środowiska uczenia, które wspierają cztery tryby uczenia to odpowiednio: afektywnie kompleksowe (koncentruje się na doświadczaniu tego co wydaje się być profesjonalnym w studiowanej dziedzinie), percepcyjnie kompleksowe (głównym celem jest zrozumienie, tj. zdolność do definiowania problemów oraz do określenia powiązań pomiędzy pojęciami), symbolicznie kompleksowe (uczeń jest zaangażowany w próbę rozwiązania problemu dla którego istnieje poprawna odpowiedź), behawioralnie kompleksowe (główny nacisk kładziony jest na aktywne zastosowanie wiedzy i umiejętności do problemu natury praktycznej). Uniwersytety klasyfikują wiedzę jako nauki ścisłe, inżynierię, medycynę, zarządzanie, sztukę, nauki humanistyczne. Nie jest jednak wiadomo w jaki sposób ludzie uczą się przedmiotowych dziedzin. Natomiast zgodnie z teorią pedagogiczną Kolba wiedzę klasyfikuje się jako: wiedzę przystosowawczą, wiedzę rozbieżną, wiedzę asymilacyjną oraz wiedzę zbieżną. Każdy rodzaj wiedzy zgodnie z teorią Kolba zajmuje jedną z czterech ćwiartek wyznaczoną przez strukturalne wymiary uczenia empirycznego (rys. 6). Każda dziedzina akademicka taka, jak fizyka, matematyka, historia, inżynieria, itp. należy do jednego z rodzajów wiedzy określonych przez teorię Kolba (może być umieszczona w jednej z ćwiartek przestrzeni uczenia empirycznego). Taka klasyfikacja jest bardzo przydatna dla zaprojektowania odpowiedniego środowiska uczenia. Na przykład nauka przedmiotu z zakresu inżynierii (należącego do wiedzy zbieżnej wymaga środowiska behawioralnie i symbolicznie kompleksowego. Nauka przedmiotu z zakresu nauk ścisłych (matematyki lub fizyki, które należą do wiedzy asymilacyjnej) wymaga 8

9 środowiska symbolicznie i percepcyjnie kompleksowego. Nauka przedmiotu z zakresu ekonomii lub zarządzania (należącego do wiedzy przystosowawczej) wymaga środowiska afetywnie i behawioralnie kompleksowego. Nauka przedmiotu z zakresu nauk humanistycznych (należącego do wiedzy rozbieżnej) wymaga środowiska afektywnie i percepcyjnie kompleksowego. Praca społeczna PRZYTOOWAWCZA Historia ROZBIEŻNA Edukacja Biznes ZBIEŻNA Inżynieria elektryczności AYMILACYJNA Fizyka Matematyka Rys. 6.Różne dziedziny akademickie w uczeniu empirycznym Każde środowisko uczenia może być scharakteryzowane przez główne i drugorzędne cechy (tabl.1) opracowane zgodnie z teorią Kolba. Środowiska uczenia zapewniają następujące główne cechy: rozwiązanie problemu krok po kroku, ogniskowanie się na procesie, dyskusje w małych grupach, narzędzie symboliczne. Wybór odpowiednich cech środowiska zależy od typu wiedzy do której należy obiekt uczący oraz charakterystyki uczniów (style uczenia, cele, preferencje, doświadczenie). Różne dziedziny akademickie można zakwalifikować do określonego typu wiedzy i tym samym określić wymagane dla danej dziedziny środowisko uczenia. 4. Metodyka tworzenia kursu ODL Bardzo odpowiednią dla tworzenia efektywnego kursu ODL jest metodologia kierowana wymaganiami (oferowana przez Drexel University), uwzględniająca specyficzne cechy uczenia zrealizowanego w technologii ODL (rys. 7). Metodologia ta wymaga określenia wymagań dotyczących celów oraz wymagań funkcjonalnych, a także działań poprzedzających kurs, 9

10 Tabl.1. Cechy środowiska Cechy środowiska Behavioralne Afektywne ymboliczne Percepcyjne Zapisy wykładów lajdy, tekst lajdy, tekst z audio lajdy, tekst z audio i wideo Teoria do odczytu tudia przypadku Ćwiczenia, zadania domowe, kwizy Wizualizacja Animacja ymulacja Partnerski feedback Personalizowany feedback Dzielone odczucia Zręczność/aktywne rozwiązanie problemu Nauczyciel jako korepetytor/pomocnik Nauczyciel jako ekspert/interpretator Nauczyciel jako przewodnik Nauczyciel jako model zawodu Rozmowa ekspercka/seminarium Autonomiczny (samokształcenie) uczeń Uczeń myśli samodzielnie Doświadczenia ucznia będące profesjonalnymi Uczeń określa własne kryteria powiązań Ogniskowanie się na procesie Ogniskowanie się informacji na zadaniach i ich realizacja Narzędzie symboliczne Źródło informacji jest tutaj i teraz Dyskusje w małych grupach Konferowanie Przekaz synchroniczny Wykonanie ocenianie jako poprawne lub błędne Rozwiązanie problemu krok po kroku P P P cecha główna, cecha drugorzędna P P 10

11 działań w ramach kursu oraz działań po zakończeniu kursu, tworzenia pakietów kursowych i prototypów oraz dostawy choreograficznej. Wymaga także przeprowadzenia oceny kursu. Wymagania Dotyczące celów Funkcjonalne Projekt kursu Działania poprzedzające kurs Działania w ramach kursu Działania po zakończeniu kursu Opracowanie kursu Opracowanie konspektu Przygotowanie pakietu Opracowanie prototypu Dostawa kursu Implementacja Choreografia Adaptacja truktura programu Kursy wymagane i nadobowiązkowe Ocena kursu Ankietyzacja Ocena wyników Rys. 7. Projekt, opracowanie i proces oceny kursu ALN 11

12 Główny nacisk kładziony jest na określenie wymagań. Bez stosownych wymagań, definicji i projektów opracowane kursy mogą posiadać eleganckie cechy pedagogiczne ale bez związku z tym czego studenci chcą i potrzebują. W przypadku tworzenia kursu ODL wymagania są ostrzejsze, od wymagań dla konwencjonalnego kursu FTF (facetoface). Etapy tworzenia kursu ODL: W procesie tworzenia kursu ODL można wyróżnić następujące etapy (rys. 7): określenie wymagań, projekt kursu, opracowanie kursu, dostawa kursu, ocena kursu. Najpierw powinny zostać określone i wymodelowane wymagania przed opracowaniem i dostawą kursu ODL. Metodologia zakłada, że analiza wymagań stanowi warunek wstępny dla pomyślnego projektu i opracowania kursu. Dla poprawy procesu projektu i opracowania kursu ODL konieczna jest systematyczna ocena opinii studentów na temat kursów Wymagania Wyróżnia się dwa rodzaje wymagań: wymagania dotyczące celów oraz wymagania funkcjonalne. Najpierw powinny zostać sformułowane wymagania dotyczące celów kursu. W związku z tym należy odpowiedzieć na pytania: dlaczego kurs jest potrzebny? Jakie są jego cele z szerszej perspektywy? cele długoterminowe, cele dotyczące rozwiązywania problemów; w jaki sposób kurs jest powiązany z innymi istniejącymi i planowanymi kursami? Najważniejsze jakie jest miejsce kursu w programach nauczania? (kurs wymagany, kurs nadobowiązkowy). Po określeniu wymagań dotyczących celów kursu należy opracować szczegółowe wymagania funkcjonalne. Obejmują one informacje dotyczące oczekiwań instruktorów i studentów odnośnie kursu. Wymagania funkcjonalne stanowią główne źródło danych dla projektu kursu Projekt kursu Esencję procesu projektowania stanowi konwersja wymagań na zestaw zadań i działań, które łącznie tworzą kurs. Do konwersji wymagań wykorzystywany jest prosty szablon. Umożliwia on konwersję wymagań na zestaw działań (obejmujący działania prekursowe, działania w poszczególnych fazach kursu tj. w fazie wczesnej, średniej i końcowej), a w ramach poszczególnych działań na zadania oraz wymagania dotyczące interakcji, danych i software`u. Etap ten powinien być wykonywany przez instruktorów (nauczycieli), którzy prowadzili dane kursy wiele razy (znających dany materiał dydaktyczny). posób dostawy ODL ma również wpływ na proces konwersji wymagań na zadania., np. zadanie konwersji wymagań użytkownika na prototypy badawcze wymaga, aby student spełnił wymagania procesu konwersji w sposób asynchroniczny, współpracując z innymi przy wykorzystaniu narzędzi sieciowych. Zadanie jest tu więc inne i bardziej złożone niż w przypadku konwencjonalnego kursu FTF. Dotyczy to nie tylko różnic technicznych ale także umiejętności korzystania z odpowiednich narzędzi, np. interakcyjnego prototypu. Metodologia wymaga skupienia się na szczegółach związanych z nauką, a nie na szczegółach związanych z dostawą kursu. 12

13 4.3. Opracowanie kursu Na bazie projektu kursu opracowywane są: konspekt kursu, upakowanie kursu, prototyp kursu. Konspekt kursu opracowywany jest zgodnie z szablonem i składa się z następujących informacji: opis kursu, przedstawienie wymagań dotyczących kursu, wykaz tematów, sposoby komunikowania się z instruktorem i innymi studentami, materiały kursowe, szczegółowy harmonogram zdarzeń w ramach kursu. Zawartość konspektu musi odpowiadać wymaganiom oraz macierzy działań opracowanej w fazie projektu kursu. Odpowiednie upakowanie kursu wymaga konwersji dydaktycznych materiałów konwencjonalnych, umieszczenia ich w sieci, przygotowania aplikacji software`owych niezbędnych do wsparcia interakcji i procesów komunikacyjnych oraz upewnienia się, że wszystko razem współpracuje ze sobą. Po upakowaniu konieczne jest wykonanie prototypu kursu poprzez symulację działania kursu. Proces ten dotyczy symulacji: dostępu do materiałów, komunikacji asynchronicznej, dyskusji tematycznych, dostarczenia i sprawdzenia wykonanych zadań oraz oceny. ymulacja powinna odpowiadać złożoności nauki opartej na ODL. W przypadku wykrycia nieprawidłowości w działaniu prototypu należy ponownie sprawdzić jego działanie po korekcie. W przypadku poprawnego działania prototypu kurs można skierować do produkcji Dostawa kursu Proces dostawy składa się z żywej pełnej skali implementacji dotyczącej choreografii kursu, którą można zaadaptować do pewnej znaczącej ilości nieoczekiwanych zdarzeń. Projekt kursu stanowi istotę kursu natomiast choreografia jest jego stylem. Choreografia wymaga myślenia o rolach i procedurach adaptacyjnych. Istnieje duża różnorodność ról, które gracze (instruktorzy, personel wspierający, studenci) odgrywają w czasie procesu projektowania, opracowywania, dostawy i oceny kursu. Role dla instruktorów: inicjator dyskusji, przewodnik podstawowych zasad i metod, impresario dyskusji studentstudent, mentor rozwiązujący problemy, identyfikator problemów, dyspozytor przykładów, przerywacz powiązań, sortowacz, żartowniś, terapeuta, budowniczy drużyny. Role dla personelu wspierającego: wspierający interakcję studentstudent, wspierający powiązanie studentmateriał, wspierający wybór trasy, konserwator studenckiej bazy danych, organizator klasyfikacji studentów. Role dla studentów: uczestnik dyskusji, dostarczyciel opracowanych zadań, ulepszający środowisko ODL, uczestnik komunikacji studentprofesor, uczestnik komunikacji studentstudent. Powyższe zadania sugerują rodzaj zachowań wymagany od graczy (uczestników) dla pomyślnego przebiegu kursu. ugerują one także rodzaj symulacji w celu przygotowania instruktorów do prowadzenia kursu ODL. 13

14 4.5. Ocena kursu Bez odpowiedniej oceny kursu niemożliwa jest poprawa procesu projektu i opracowania kursu Na proces oceny kursu składa się ocena wyników osiąganych przez studentów oraz ocena kursu przez samych studentów np. w drodze specjalnie przygotowanej ankiety. Dodatkowo mogą być stosowane następujące wskaźniki oceny kursu: jakość modeli wymagań, jakość prototypów, jakość oceny prototypu, jakość specyfikacji software`u, jakość dokumentacji, jakość pracy grupowej, umiejętność stosowania narzędzi projektowych. 5. Wnioski Projekt stanowi kontynuację poprzednich prac prowadzonych przeze mnie w Instytucie Łączności. dotyczących zbadania możliwości zastosowania metod i narzędzi sztucznej inteligencji w edukacji, opracowania koncepcji Inteligentnego ystemu Nauczającego (stanowiącego nowe podejście do realizacji nauczyciela komputerowego w procesie ODL) oraz przeprowadzenia badań działania IN i jego optymalizacji przy wykorzystaniu opracowanego przeze mnie środowiska symulacyjnego obejmującego modele uczniów (o charakterze stochastycznym). W przeprowadzonych eksperymentach lepsze wyniki nauczania osiągał nauczyciel komputerowy (IN) uczący populację modeli uczniów z indywidualizacją od nauczyciela uczącego tę samą populację modeli bez indywidualizacji. Takie badania były możliwe do przeprowadzenia w środowisku symulacyjnym zapewniającym możliwość powtarzania badań od początku. IN powinien więc umożliwiać indywidualizację procesu nauczania zapewniając w sposób optymalny ciągłą adaptację do indywidualnych możliwości i potrzeb ucznia w czasie procesu nauczania ODL. Opracowany Inteligentny ystem Nauczający zapewnia wysokiej jakości indywidualizację procesu uczenia. Uczniowie mogą wybrać swoją własną drogę uczenia poprzez wykorzystanie struktury punktów węzłowych zapewniającą indywidualizację procesu uczenia. Inteligentny nauczyciel komputerowy umożliwia także indywidualizację procesu uczenia poprzez ciągłą adaptację do wiedzy i możliwości uczniów w sposób optymalny. W oparciu o wyniki poprzednich prac oraz opracowaną metodykę tworzenia kursów i wykładów ODL z użyciem IN opracowane zostały: kurs ODL dotyczący ystemu komunikacyjnego na potrzeby EDI (Elektronicznej Wymiany Danych) w systemach obsługi wiadomości (MH) oraz przystosowanie IN do pracy w środowisku rzeczywistym. Dla realizacji wymagań komunikacyjnych EDI opracowane zostały system EDI i służba telematyczna EDI oferowane przez system obsługi wiadomości (MH) Opracowany IN działa w oparciu o algorytm optymalnego kształcenia. Dla ucznia tworzony jest model ucznia (obejmujący zbiór parametrów zawierających informacje dotyczące ucznia. Uczeń jest poznawany w trakcie nauki) charakteryzujący poszczególnego ucznia co umożliwia indywidualizację procesu nauczania przez IN. W nauce stosowane jest uczenie problemowe. Zgodnie z teoriami pedagogicznymi dotyczącymi procesu uczenia tworzone są odpowiednie środowiska uczenia. Z tematyki związanej z realizacją projektu opracowałam 32 publikacje naukowe w tym 20 w j. angielskim. Pozycje opublikowane przeze mnie w 2008 roku z tematyki związanej z realizacją projektu: 1). Chęć J. Globalna Infrastruktura Informacyjna dla Globalnej Edukacji. Monografia: Edukacja XXI wieku nr 14. Edukacja bez granic mimo barier. Przestrzeń tworzenia. 14

15 Poznań, 2008r. t. 2, s ). Chęć J. Realization of Global Information Infrastructure. Proceedings of 1 st International IEEE Conference on Information Technology. Gdansk University of Technology, Faculty of Electronics, Telecommunications and Informatics, Gdańsk, 1921 May 2008r., p ). Chęć J. Individualization of ELearning Process in New Learning Cultures. Proceedings of 17 th EDEN 2008 Annual Conference: New Learning Cultures, 1114 June 2008, Lisbon: Book of abstracts: 1 page; 6 pages of paper on CD ROM. 4). Chęć J. Metodologia tworzenia kursów ODL dla inteligentnych systemów E Learning Monografia: Wybrane problemy elektronicznej gospodarki. Łódź, 2008r., stron 15. 5). Chęć J. Realizacja Globalnej Infrastruktury informacyjnej. Zeszyty Naukowe Wydziału ETI Politechniki Gdańskiej, seria: Technologie Informacyjne, tom 15. Gdańsk Współprzewodniczyłam także trzeciej sesji plenarnej na VI Międzynarodowej Konferencji Edukacja XXI Wieku. Edukacyjne wyzwania i zagrożenia młodego pokolenia, październik 2008, Zakopane oraz wygłosiłam referat na tej konferencji: Elearning w kształceniu osób niepełnosprawnych. Celowa jest dalsza kontynuacja pracy umożliwiająca: realizację opracowanego kursu (w technologii ODL) w środowisku rzeczywistym (populacja rzeczywistych uczniów) z użyciem IN oraz bez IN, zbadanie działania IN w środowisku rzeczywistym oraz analizę uzyskanych wyników. Umożliwi to wykorzystanie IN w kursach i wykładach (zrealizowanych w technologii ODL) oferowanych w środowisku rzeczywistym. Literatura Babbie E. Badania społeczne w praktyce. PWN, ETI, European Telecommunications tandardisation and the Information ociety, IEEE LTC, Learning Technology ystems Architecture (LTA). pecification, v. 4.00, ITUT Recommendations of Y eries. JALN. ALN Magazine. Vanderbilt University, Volumes: 1,2,3,4; 1997, 1998, 1999, Joyce, B., Calhoun E. and Hopkins D. Models of learning tools for teaching. Buckingham: Open University Press, Kolb D. A. Experiential Learning. PrenticeHall,

16 Kubiak M. J. Wirtualna edukacja. MIKOM, Warszawa, Minoli, D. Distance Learning. Technology and applications. Teleport Communication Group. tevens Institute of Technology, Artech House, Inc, Philips D.C. oltis J.F. Perspectives on Learning. Teachers College Press, Columbia University, Russel,..and Norvig P. Artificial Intelligence. London: PrenticeHall, tarzyńska W. tatystyka praktyczna. PWN, tenberg R.J. Psychologia poznawcza. WiP, Warszawa, ztuka nauczania: podręcznik dla studentów kierunków nauczycielskich. PWN, Zeigler B.P. Teoria modelowania i symulacji. PWN,

17 Załączniki Zał. 1). Zał. 2). Zał. 3). Zał. 4). Kurs: ystem komunikacyjny na potrzeby EDI (Elektronicznej Wymiany Danych) w systemach obsługi wiadomości (MH) Chęć J. Globalna Infrastruktura Informacyjna dla Globalnej Edukacji. Monografia: Edukacja XXI wieku nr 14. Edukacja bez granic mimo barier. Przestrzeń tworzenia. Poznań, 2008r. t. 2, s Chęć J. Realization of Global Information Infrastructure. Proceedings of 1 st International IEEE Conference on Information Technology. Gdansk University of Technology, Faculty of Electronics, Telecommunications and Informatics, Gdańsk, 1921 May 2008r., p Chęć J. Individualization of ELearning Process in New Learning Cultures. Proceedings of 17 th EDEN 2008 Annual Conference: New Learning Cultures, 1114 June 2008, Lisbon: Book of abstracts: 1 page; 6 pages of paper on CD ROM. Zał. 5). Chęć J. Metodologia tworzenia kursów ODL dla inteligentnych systemów E Learning Monografia: Wybrane problemy elektronicznej gospodarki. Łódź, 2008r., stron 15. Zał. 6). Chęć J. Realizacja Globalnej Infrastruktury informacyjnej. Zeszyty Naukowe Wydziału ETI Politechniki Gdańskiej, seria: Technologie Informacyjne, tom 15. Gdańsk