Od e-materiałów do e-tutorów

Transkrypt

1 Od e-materiałów do e-tutorów Lech Banachowski, Elżbieta Mrówka-Matejewska, Agnieszka Chądzyńska-Krasowska, Jerzy Paweł Nowacki, Wydział Informatyki, Polsko-Japońska Akademia Technik Komputerowych

2 Plan prezentacji 1. Gromadzenie e-materiałów 2. Budowa e-tutora 3. Baza danych dziedziny wiedzy 4. Analiza danych 5. Prototyp aplikacji

3 Rozwój e-materiałów na Wydziale Informatyki PJATK Lata dziewięćdziesiąte: tworzenie e-materiałów do tradycyjnych zajęć : Budowa uczelnianego systemu do zarządzania e-materiałami i e-kursami (Edu) : Wychodząc od istniejących e-materiałów tworzenie podręczników elektronicznych w formacie HTML z prezentacjami multimedialnymi 2012: Powstanie repozytoriów: materiałów naukowych oraz materiałów w Edu 2013: Zarządzanie e-materiałami przez studentów: Wiki, Blogi, E-portfolia : Kontynuowanie tworzenia e-materiałów: Tworzenie krótkich kursów elearningowych odbywających się automatycznie, bez udziału nauczyciela (projekt Nomad) Tworzenie nowych e-materiałów do studiów elearningowych

4 Od e-materiałów do e- tutorów Tworzenie e-materiałów wspomagających prowadzenie tradycyjnych zajęć Tworzenie e-materiałów wspomagających prowadzenie zajęć on-line E-tutor Gromadzenie prac studenckich: blogi, wiki, eportfolia Repozytorium Automatyzacja czynności jak wyszukiwanie, dostosowywanie podawanych materiałów do poziomu i potrzeb studenta

5 Problem Uczelnia dysponuje dużą liczbą elektronicznych materiałów dydaktycznych i będzie ich coraz więcej Potrzebny jest system informatyczny spełniający rolę korepetytora studentów ułatwiający korzystanie z materiałów niezależnie od trybu studiowania Program komputerowy ma działać dla wszystkich dziedzin wiedzy Proste, mało kosztowne wprowadzanie danych specyficznych dla dziedziny wiedzy

6 Przykład rozwiązania problemu: imanic w University of Massachusetts Amherst Dla kursów z dowolnej dziedziny wiedzy Oparty na tradycyjnych e-materiałach jak wykładowe slajdy, nagrania wykładów, prezentacje, ćwiczenia System proponuje studentowi kolejne tematy w oparciu o sieć semantyczną tematów i informacje o dotychczasowych aktywnościach studenta student sam dokonuje wyboru Materiał jest dynamicznie generowany i dostosowany do poziomu studenta i jego aktualnych potrzeb

7 Rozwiązanie problemu w PJATK: E-korepetytor System informatyczny realizujący zadania korepetytora na życzenie studenta: 1. Sprawdzenie wiedzy 2. Nadrobienie zaległości 3. Dodatkowa pomoc 4. Powtórzenie materiału 5. Rozszerzenie materiału 6. Pomoc w samodzielnym uczeniu się

8 E-korepetytor c.d. W tle system dokonuje analizy zachowania się i postępów studenta: 1. może ocenić aktualne potrzeby studenta i zaproponować odpowiednie akcje 2. w oparciu o analizę profili i wyników uczenia się poprzednich studentów może zarekomendować odpowiednie akcje kolejnym studentom 3. może wskazać partie materiałów wymagające poprawy przez autorów

9 Cechy E-korepetytora Punkt wyjścia: podręcznik elektroniczny wspomagające materiały elektroniczne Składowanie elementów wiedzy oraz wyników aktywności studentów w bazie danych Możliwość generowania materiałów z bazy danych dopasowanych do potrzeb studenta Możliwość eksploracji zgromadzonych danych

10 Reprezentowanie wiedzy dziedzinowej studenta Informacje o tym co wie student są umieszczane na modelu danych dziedziny wiedzy Każdy element modelu dziedziny może być scharakteryzowany jako znany lub nieznany dla studenta ewentualnie z oceną, stopniem opanowania lub prawdopodobieństwem opanowania Model ten wskazuje jak daleko zaszedł student w poznaniu dziedziny

11 Tworzenie bazy danych dziedziny wiedzy Wybranie podręczników elektronicznych pokrywających dziedzinę wiedzy Identyfikacja fragmentów, elementów wiedzy i tematów wiedzy Model danych dziedziny wiedzy Zgromadzenie materiałów elektronicznych Identyfikacja sekcji Identyfikacja słów kluczowych Podział i relacji między sekcjami Baza danych dziedziny wiedzy Rejestrowanie aktywności studentów

12 Zasady korzystania z materiałów Student może: Zrealizować sekcję: kolejną lub wybraną ze spisu treści podręcznika Przejść do sekcji materiałów zaproponowanej przez system Przejść do sekcji materiałów wskazanych przez relacje między sekcjami Wyszukać sekcje materiałów przy użyciu słów kluczowych Wyświetlić pytania, testy, zestawienia, prezentacje generowane z bazy danych

13 Zasady korzystania z materiałów dydaktycznych c.d. Student sam decyduje, czy zapoznał się z kursem/ sekcją materiałów/ tematem nie system Student może wyrazić swoje zdanie o proponowanych mu materiałach w postaci rekomendacji innym studentom

14 Analiza ścieżek studentów Ścieżka studenta ciąg sekcji, tematów, zadań i generowanych treści, którymi zajmował się student, razem z ich ewaluacjami i spędzonym czasem uporządkowane w czasie Wśród wszystkich dostępnych ścieżek wyszukiwane są ścieżki wzorcowe do tego celu służy algorytm odkrywania wzorców sekwencji PrefixSpan wzbogacony o parametr służący do odrzucania ścieżek o niezadawalających rekomendacjach

15 Analiza ścieżek studentów c.d. Wygenerowane wzorce sekwencji pozwalają na: wyszukanie dla osoby uczącej się najbardziej podobnego do danego miejsca wzorca sekwencji i zasugerowanie kolejnej sekcji materiałów wskazanie nowemu studentowi ścieżek innych studentów, którzy do danego momentu szli tak samo/podobnie jak on/ona Dodatkowo mamy możliwość: obejrzenia/analizy ścieżek studentów czy są powtarzające się wzorce, czy studenci korzystają z zadanych relacji

16 Analiza sekcji materiałów Liczba osób, które ją przerobiły Liczba osób, które ją rozpoczęły a nie ukończyły Średni wynik testów Liczba pozytywnych rekomendacji Liczba negatywnych rekomendacji Średni czas studiowania Zbiorcza ocena będąca średnią: Średniego wyniku testów wyrażonego w procentach Procentu osób, które ją przerobiły Procentu pozytywnych rekomendacji

17 Korzyści z budowy bazy danych dziedziny wiedzy Wprowadzanie wiedzy Podręcznik inteligentny System doradczy SZBD Interfejs wiedzy Encyklopedia wiedzy E-tutor Baza danych Aplikacje edukacyjne

18 Prototyp: wybór kolejnej sekcji

19 Generowanie pytań i odpowiedzi z bazy danych

20 Wyświetlanie statystyk dotyczących użycia sekcji

21 Podsumowanie Pokazaliśmy jak do istniejących materiałów dobudować inteligentną nadbudowę wspomagającą uczących się jak i autorów materiałów Do zastosowania dla dowolnej dziedziny wiedzy i dowolnego trybu kształcenia

22 Bibliografia [1] Beverly Park Woolf, Building Intelligent Interactive Tutor: Student-Centered Strategies for Revolutionizing E-learning, Morgan Kaufmann, [2] Lech Banachowski, Elżbieta Mrówka-Matejewska, Jerzy Paweł Nowacki, Czy bazy wiedzy i podręczniki inteligentne stanowią kolejną fazę rozwoju technologii edukacyjnych?, w monografii "Postępy e-edukacji", Wydawnictwo PJWSTK, [3] Lech Banachowski, Elżbieta Mrówka-Matejewska, Jerzy Paweł Nowacki, Zastosowanie baz danych do reprezentacji wiedzy i automatyzacji procesów e-nauczania, Eduakcja, 2014.

23 Dziękujemy za uwagę