Zastosowanie Inteligentnego Systemu Nauczającego (ISN) w procesie nauczania ODL (Open and Distance Learning) badania ISN

Transkrypt

1 amodzielna Pracownia Radiokomunikacji Morskiej w Gdańsku (P8) Zastosowanie Inteligentnego ystemu Nauczającego (IN) w rocesie nauczania ODL (Oen and Distance Learning) badania IN Praca nr Gdańsk, grudzień 2007

2 Zastosowanie Inteligentnego ystemu Nauczającego (IN) w rocesie nauczania ODL (Oen and Distance Learning) badania IN Praca nr łowa kluczowe: systemy inteligentne w nauczaniu ODL; środki sztucznej inteligencji wykorzystywane w rocesie ODL; indywidualizacja rocesu nauczania ODL Kierownik racy: mgr inż. Jolanta Chęć Wykonawcy racy: mgr inż. Jolanta Chęć Kierownik Pracowni: dr inż. Rafał Niski Coyright by Instytut Łączności, Warszawa 2007

3 is treści 1. Wrowadzenie Klasyfikacja systemów ODL ze względu na rolę nauczyciela w rocesie uczenia 4 3. Dziedziny sztucznej inteligencji analiza wykorzystania w e-edukacji Inteligentny ystem Nauczający Koncecja Inteligentnego ystemu Nauczającego Środowisko symulacyjne Architektura IN Otymalizacja rocesu e-learning rzez IN Badania rzerowadzone w środowisku symulacyjnym Zastosowanie IN w sieciach Metodologia tworzenia kursu trategie kształcenia Indywidualizacja rocesu nauczania Środowiska uczenia Metodologia kierowana wymaganiami Wymagania Projekt kursu Oracowanie kursu Dostawa kursu Ocena kursu Wnioski.. 27 Literatura.28 Załączniki 29 3

4 1. Wrowadzenie Jedną z nowoczesnych form kształcenia wykorzystującą nowo owstałe technologie informacyjne i komunikacyjne (ICT) w rocesie kształcenia jest nauczanie na odległość (distance learning). Proces ODL (Oen and Distance Learning) charakteryzuje się niezależnością od miejsca i czasu nauki, wysoką interakcją (uczeń-materiał, uczeń-uczniowie, uczniowienauczyciel), możliwością szybkiego wyszukiwania informacji, bogatymi technologiami rezentacji (multimedia, hyermedia, symulacje), możliwością samokształcenia oraz samokontroli. Obecnie w systemach ODL realizujących kształcenie na odległość wykorzystywany jest głównie nauczyciel-oiekun (człowiek) w trybie asynchronicznym i synchronicznym. Oracowano także systemy kształcenia wykorzystujące środki sztucznej inteligencji do realizacji zadań cząstkowych. ystemy ODL owinny umożliwiać otymalne dostosowanie rocesu nauczania do indywidualnego ucznia. W tym celu oracowany został Inteligentny ystem Nauczający (IN) stanowiący nowe odejście do realizacji nauczyciela komuterowego. Przerowadzono szereg badań dotyczących działania IN oraz jego otymalizacji rzy wykorzystaniu oracowanego środowiska symulacyjnego (umożliwiającego rzerowadzenie wielu rób trudnych lub niemożliwych do zrealizowania w środowisku rzeczywistym). IN adatuje się w sosób otymalny do indywidualnych możliwości i otrzeb ucznia w trakcie rocesu uczenia. Integracja srawdzania wiedzy z nauczaniem (akcje testujące i nauczające) zaewnia każdemu uczniowi naukę w innym otymalnie dla niego dobranym trybie. Inteligencja takiego systemu nauczającego zawiera się w odejmowanych rzez niego decyzjach edagogicznych o tym jak uczyć na odstawie gromadzonej o uczniach informacji. 2. Klasyfikacja systemów ODL ze względu na rolę nauczyciela w rocesie uczenia system tanford: roces nauczania jest transarentny dla wykładowcy (nie absorbuje dodatkowo czasu wykładowcy). Nadawane za ośrednictwem telewizji wykłady nagrano na kasety wideo, dokonano ich digitalizacji, a nastęnie udostęniono je orzez Internet w trybie wideo na żądanie. W tym modelu studenci mogą korzystać z wykładów w sosób asynchroniczny, natomiast terminy zadań domowych oraz egzaminów są zsynchronizowane z terminami dla studentów uczących się w camusie lub za ośrednictwem rzekazu telewizyjnego. Dla wykładowcy nie ma tu żadnej różnicy omiędzy studentem internetowym, studentem tradycyjnym czy też studentem telewizyjnym. Tytuł uzyskany w trybie on-line jest równoważny tytułowi uzyskanemu w trybie on-camus; system z wykorzystaniem robotów wiedzy: zastosowanie techniki inteligentnego agenta rzez roboty wiedzy (knowbot y) umożliwia automatyzację owtarzalnych rutynowych zadań realizowanych rzez nauczyciela-oiekuna (człowieka). Inteligentny agent (knowbot) może wykonywać m.in. takie funkcje, jak odowiadanie na roste ytania, rzyominanie uczącym się o konieczności i terminach wysłania rozwiązanych zadań, srawdzanie kodu komuterowego. Można wyróżnić nastęujące tyy knowbotów: lanowania, na żądanie, omocnik rzekazu; 4

5 system wykorzystujący omoc nauczyciela-oiekuna (człowieka): nowe technologie informacyjno-komunikacyjne zmieniły rolę nauczyciela z osoby rowadzącej wykłady (face-to-face) w formie dydaktycznej na oiekuna, który wsiera uczniów w rocesie uczenia. Przygotowanie materiału dydaktycznego i jego rezentacja mogą być wykonane rzez różne osoby. W nauczaniu na odległość możliwa jest interakcja w trybie asynchronicznym oraz synchronicznym omiędzy uczniami i nauczycielemoiekunem (człowiekiem) oraz omiędzy uczniami orzez wykorzystanie bogatych środków komunikacji asynchronicznej i synchronicznej; system hybrydowy: łączy cechy dwóch orzednich rozwiązań tj. wykorzystuje roboty wiedzy do automatyzacji owtarzalnych rutynowych zadań realizowanych rzez nauczyciela człowieka. Uczniowie mogą także korzystać z omocy nauczycielaoiekuna (człowieka) orzez interakcje w trybie asynchronicznym i synchronicznym; system nauczający z inteligencją: rzy wykorzystaniu środków sztucznej inteligencji usrawnia roces nauczania (komuterowy nauczyciel). Pełni rolę automatycznego tutora, zaewniając uczniowi informację o ostęach w nauce, diagnozę błędów, wskazówki i orady (czego i w jaki sosób się uczyć lub owtórzyć). Nauka odbywa się w oarciu o interakcje uczniów z automatycznym tutorem. 3. Dziedziny sztucznej inteligencji analiza wykorzystania w e-edukacji. Każda z dziedzin sztucznej inteligencji osiada ewne zalety i ograniczenia rzy rozwiązywaniu złożonych roblemów. Połączenie technik rerezentacji i rzetwarzania wiedzy stosowanych w różnych dziedzinach w obrębie jednego systemu rowadzi do systemów hybrydowych, w których wykorzystuje się ozytywne cechy jednego odejścia, aby usunąć bądź zminimalizować ograniczenia innego. Połączenie różnych dziedzin sztucznej inteligencji w jednym systemie stwarza możliwość automatyzacji ozyskiwania wiedzy, rzetwarzania wiedzy nieełnej i nierecyzyjnej, możliwość wyjaśniania dojścia do rozwiązania rozatrywanego roblemu oraz adatacji do zmieniającego się środowiska (danych i sytuacji zewnętrznego środowiska). Dlatego systemy takie nazywa się inteligentnymi. Zastosowanie narzędzi sztucznej inteligencji umożliwia tworzenie inteligentnych interakcyjnych środowisk uczenia, które mają możliwość adatacji do otrzeb uczniów. Zdolność do adatacji zaewnia indywidualizację rocesu uczenia: ersonalizację e-content (zgodnie z otrzebami ucznia, aktualną wiedzą ucznia, stylem uczenia się, doświadczeniem ucznia, jego referencjami, jego rzyzwyczajeniami) oraz naukę we własnym temie. Poszczególne dziedziny sztucznej inteligencji mogą zostać wykorzystane do usrawnienia różnych faz rocesu uczenia. Oracowane zostały różne rozwiązania systemów inteligentnych dla realizacji i usrawnienia rocesu nauczania na odległość. Roboty wiedzy wykorzystują techniki inteligentnego agenta. ystemy instruktażowe są systemami ekserckimi. Agenci edagogiczni oierają się na aradygmacie autonomicznego agenta. Inteligentne systemy nauczające tworzą i wykorzystują modele uczniów w celu adatacji do otrzeb i charakterystyk uczniów. Model ucznia rzechowuje informacje o uczniu odzwierciedlając aktualny stan jego wiedzy. 5

6 Tabl. 1. Porównanie różnych dziedzin sztucznej inteligencji Dziedziny sztucznej inteligencji Automatyzacja ozyskiwania wiedzy Podstawowe właściwości Przetwarzanie wiedzy nieełnej i nierecyzyjnej Wyjaśnianie ystemy eksertowe zła złe bardzo dobre ystemy rozmyte zła bardzo dobre dobre ieci neuronowe bardzo dobra bardzo dobre złe Algorytmy genetyczne bardzo dobra dostateczne dostateczne ieci Bayesowskie są innymi mechanizmami służącymi do rzechowywania informacji o wiedzy ucznia. ieci te w sosób robabilistyczny oszacowują stan wiedzy ucznia (na bazie interakcji ucznia z tutorem). Każdy węzeł sieci Bayesowskiej osiada rawdoodobieństwo określające wiedzę ucznia dotyczącą danego fragmentu materiału dydaktycznego. Metody rozmyte mogą być zastosowane do rerezentacji nieewności w modelu ucznia. ieci neuronowe mogą być wykorzystane do monitorowania indywidualnych ostęów w ramach kursów zrealizowanych w technologii nauczania na odległość. ieci neuronowe mogą imitować doświadczonego nauczyciela (człowieka) orzez detekcję cząstkowych odowiedzi w testach. ieci neuronowe jako inteligentni klasyfikatorzy zawierają także wyniki testów dla wszystkich uczestników danego kursu. ieci neuronowe jako sieci samoorganizujące się mogą omagać uczniom w znalezieniu stosownych materiałów uzuełniających w sieci web. 4. Inteligentny ystem Nauczający 4.1. Koncecja Inteligentnego ystemu Nauczającego Inteligentny ystem Nauczający (nauczyciel komuterowy) umożliwia ciągłą adatację rocesu uczenia do indywidualnych otrzeb ucznia i jego charakterystyki. Na rys. 1 została rzedstawiona koncecja takiego systemu zgodna z oracowaną rzez IEEE LTC secyfikacją architektury systemów DL. Inteligentny ystem Nauczający zgodnie z tą koncecją składa się z nastęujących składników: silnika uczącego, modelu użytkownika (ucznia), bazy wiedzy, bazy metod oraz składników: oceny, rezentacji i komunikacji. ilnik uczący jest wykorzystywany do sterowania, kontroli i koordynacji wszystkich składników. Baza wiedzy zawiera materiał dydaktyczny. Baza metod zawiera różne koncecje i metody dydaktyczne wsomagające nauczycieli. W raktyce nauczyciele wykorzystują więcej niż jedną metodę nauczania zgodnie z tyem wiedzy dziedzinowej. Zmieniają także metodę nauczania dla tej samej artii materiału dydaktycznego dostosowując się do różnych stylów uczenia się. kładnik rezentacja umożliwia generację i rezentację materiału dydaktycznego na różne sosoby. kładnik komunikacja określa oziom interaktywności środowiska 6

7 uczenia. kładnik ocena określa oziom wiedzy ucznia zaewniając stosowne testy. Model ucznia rzechowuje informacje dotyczące indywidualnego ucznia, stanowi zbiór arametrów zawierających informacje charakteryzujące ucznia (wyróżnia się nastęujące klasy arametrów w modelu ucznia: arametry rofesjonalne, arametry sychologiczne, arametry fizjologiczne, arametry demograficzne), odzwierciedla bieżący stan wiedzy ucznia. Wyróżnia się różne rodzaje modeli ucznia. W modelu nakładkowym wiedza ucznia stanowi odzbiór wiedzy ekserta. W modelu dewiacyjnym wiedza ucznia składa się z odzbioru wiedzy ekserta oraz błędnej wiedzy ucznia. Ocena Prezentacja Komunikacja Model ucznia ilnik uczący Baza metod Baza wiedzy Rys. 1. Inteligentny ystem ODL. Inteligencja takiego systemu nauczającego zawiera się w odejmowanych rzez niego decyzjach edagogicznych, jak uczyć na odstawie gromadzonej o uczniach informacji. Inteligentny system nauczający, orzez wykorzystanie środków sztucznej inteligencji, zaewnia uczniom automatyczny tutoring (interakcja od materiału dydaktycznego). Uczniowie mogą do interakcji z materiałem dydaktycznym wykorzystywać szereg różnorodnych środków. Mogą wybierać formę rezentacji materiału dydaktycznego (teoria, rzykłady, okaz), wybierać stosowny materiał uzuełniający wykorzystując bogate mechanizmy wyszukiwań, ustawiać arametry dla symulacji. Uczeń może uczyć się wykorzystując inteligentny system nauczający orzez rozwiązywanie roblemów. ystem orównuje swoje rozwiązanie z rozwiązaniem ucznia, rzygotowuje diagnozę, wysyła zwrotnie stosowną informację, uaktualnia model ucznia, określa nastęną artię materiału do nauki i sosób jej rezentacji. Nastęnie wybiera roblemy do rozwiązania rzez ucznia i cały cykl zostaje owtórzony. IN rzystosowuje w sosób otymalny materiał dydaktyczny (ersonalizacja e-content) do indywidualnego ucznia (z uwzględnieniem wiedzy i zdolności ucznia). IN srawdza wiedzę ucznia i uczy go w sosób otymalny. Realizacja Inteligentnego ystemu Nauczającego zaewnia organizację węzłową wiedzy (rys. 2). W organizacji węzłowej brak jest centralnego unktu oraz oczątku i końca. Pozwala 7

8 to na interdyscylinarne rzedstawienie wiedzy orzez okazanie związków omiędzy różnymi Rys. 2. Przykładowa organizacja węzłowa artiami wiedzy, które wydają się być zbyt odległe. W ten sosób stwarza warunki do twórczego rocesu kształcenia (myślenie twórcze). Organizacja węzłowa umożliwia uczącemu się odejmowanie decyzji w trakcie uczenia. Daje tym samym uczniowi możliwość dokonywania wyboru drogi uczenia się rzez co zaewnia wysokiej jakości indywidualizację rocesu kształcenia. W celu realizacji koncecji oracowany został IN oraz środowisko symulacyjne umożliwiając rzerowadzenie szeregu badań Środowisko symulacyjne Oracowane zostało środowisko symulacyjne na otrzeby IN zaewniające otymalizację działania IN. Środowisko symulacyjne umożliwia rzerowadzenie wielu rób dla indywidualizacji i otymalizacji rocesu uczenia. Środowisko symulacyjne obejmuje oulację modeli uczniów wygenerowaną losowo (zaewniającą różnorodność modeli odobną do tyowej gruy rzeczywistych uczniów). W środowisku symulacyjnym możliwe jest owtarzanie rób od oczątku (co jest niemożliwe w środowisku rzeczywistym) oraz badanie zachowania IN dla różnych oulacji modeli uczniów. IN może być badany i otymalizowany rzy wykorzystaniu różnorodnych modeli uczniów. Przerowadzone zostały ekserymenty (oniżej oisane) w celu zbadania komonentów środowiska symulacyjnego (w szczególności modeli uczniów wygenerowanych losowo) oraz nauczyciela komuterowego zaewniając otymalizację działania IN (wysokiej jakości indywidualizację rocesu nauczania dla każdego ucznia) Model ucznia Model ucznia jest automatem składającym się z określonej liczby stanów. Jest to model stochastyczny. Przejścia jego stanów są oisane rzez macierz rzejść. Każda dwuwymiarowa 8

9 macierz jest określona dla jednej akcji nauczającej. Tak więc liczba takich macierzy jest równa liczbie wszystkich akcji nauczających. Wiersze takiej macierzy rerezentują stare stany w modelu ucznia, natomiast jej kolumny rerezentują nowe stany w modelu ucznia. Każdy element macierzy określa rawdoodobieństwo ij rzejścia modelu ucznia ze stanu s i do nowego stanu s j od wływem akcji nauczającej dla której dana macierz została określona. s 1 s 2 M s i M s Q s ' i1 Q1 s ' i2 Q 2 s ' j 1j 2 j ij Qj s ' K 1K 2K ik QK Generacja losowa oulacji modeli Modele uczniów na otrzeby IN generowane są w sosób losowy. Zaewnia to dużą różnorodność modeli umożliwiając wysokiej jakości indywidualizację rocesu e-learning. Zdolność modelu została określona jako maksymalny możliwy do osiągnięcia oziom wiedzy ucznia w ramach ustalonej liczby akcji edagogicznych kursu (secyficzny dla każdego indywidualnego modelu ucznia). Poulacje modeli uczniów wykorzystywane w ekserymentach zostały wygenerowane zgodnie z rozkładem Gaussa (rys.3) dot. zdolności modeli uczniów w ramach oulacji. Takie oulacje modeli są odobne do oulacji rzeczywistych uczniów. f(x) Uczniowie słabi µ - σ µ uczniowie rzecietni µ - σ Uczniowie Zdolność ucznia b. dobrzy Rys 3. Rozkład Gaussa dla zdolności modeli uczniów Na rys.4 okazany został fragment grafu dla rzykładowego modelu ucznia.i na grafie oznacza stan i modelu ucznia; a oznacza odowiednią akcję edagogiczną, która zmienia stan automatu. 9

10 Rys. 4. Fragment grafu dla rzykładowego modelu ucznia 4.3. Architektura IN Oracowany Inteligentny ystem Nauczający (automatyczny nauczyciel komuterowy) umożliwia ciągłą adatację do wiedzy uczniów i ich zdolności (zaewniając indywidualizację rocesu uczenia). IN działa zgodnie z algorytmem otymalnego nauczania zaewniając każdemu uczniowi otymalny roces uczenia. IN wykorzystuje dwa rodzaje akcji edagogicznych: akcje nauczające i akcje testujące. Proces nauczania zrealizowany jest rzy wykorzystaniu akcji nauczających. Ocena wiedzy ucznia zrealizowana jest rzy 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 edagogicznych (jak i czego uczyć) oraz informacji o uczniach. IN wykorzystuje informacje z modelu ucznia w celu określenia decyzji edagogicznych stosownie do otrzeb każdego ucznia (w szczególności dla kontroli ostęów ucznia i adatacji do indywidualnego ucznia). IN składa się z dwóch głównych komonentów: ekstraktora cech i algorytmu otymalnego nauczania (rys. 5). Ekstraktor cech zawiera amięć wykorzystywaną do gromadzenia informacji dotyczących rocesu nauczania. Pamięć jest wykorzystywana do ekstrakcji głównych cech rocesu uczenia dotyczących każdego ucznia L i (i=1,,n). Cechy te są wykorzystywane rzez algorytm otymalnego nauczania w celu wyboru stosownej akcji edagogicznej dla 10

11 indywidualnego ucznia L i. Wyniki akcji testującej (testu) rzesyłane są do modułu ekstraktora cech w celu rzechowania i dalszej analizy. Nauczyciel a L1 L 1 Ekstraktor cech Algorytm otymalnego nauczania a Li L i a LN L N Rys. 5. Architektura Inteligentnego ystemu Nauczającego Otymalizacja rocesu e-learning rzez IN IN umożliwia realizację wysokiej jakości rocesu e-learning. Otymalizacja IN zaewnia otymalizację rocesu e-learning. Badania i otymalizacja IN wymagają utworzenia odowiedniego środowiska symulacyjnego, które obejmuje oulację różnych modeli uczniów wygenerowaną losowo, zaewniając oulację modeli o rozkładzie zdolności odobnym do tyowego rozkładu zdolności rzeczywistej gruy uczniów. Takie środowisko symulacyjne ozwala na wykonanie szeregu rób trudnych lub niemożliwych do realizacji w środowisku rzeczywistym. Kryterium otymalizacji działania IN zostało sformułowane jako osiągnięcie maksymalnego możliwego oziomu wiedzy rzez rerezentatywną gruę różnych uczniów (oulację uczniów symulowanych o rozkładach zdolności odobnych do tyowych rozkładów w oulacji rzeczywistej gruy uczniów), w zakresie rowadzonego kursu (materiału dydaktycznego). IN oceniany jest orzez wyniki osiągnięte rzez oulację uczniów w czasie rocesu nauczania. Możliwa jest otymalizacja działania IN w oarciu o inne kryteria, n. - osiągnięcie maksymalnego możliwego oziomu wiedzy rzez najleszego ucznia w rerezentatywnej gruie różnych uczniów; - osiągnięcie maksymalnego możliwego oziomu wiedzy rzez najsłabszych uczniów w rerezentatywnej gruie różnych uczniów. Integracja rocesu nauczania (akcje nauczające) z oceną wiedzy ucznia (akcje testujące) zaewnia otymalizację IN (tj. indywidualizację rocesu nauczania na wysokim oziomie), a tym samym naukę każdemu uczniowi w otymalnie dla niego dobranym trybie. Poziom wiedzy ucznia może być określony jako całkowita wiedza w zakresie wszystkich jednostek dydaktycznych kursu (suma ważona wiedzy dotyczącej oszczególnych jednostek). 11

12 W środowisku symulacyjnym rzerowadzone zostały ekserymenty dla różnych oulacji modeli uczniów. Po wielu róbach sieć neuronowa (składnik IN) działa leiej. Po wytrenowaniu sieć neuronowa wybiera w sosób otymalny odowiednią akcję edagogiczną dla każdego modelu ucznia. IN rzy użyciu określonej liczby akcji edagogicznych (wybranych rzez sieć neuronową zgodnie z algorytmem otymalnego nauczania) umożliwia osiągnięcie najwyższego oziomu wiedzy w zakresie kursu rzez rerezentatywną gruę różnych uczniów. Za ierwszym razem IN dostarcza tę samą sekwencję nauczającą do wszystkich modeli uczniów. Nastęne sekwencje edagogiczne dostarczane do modeli uczniów (różne dla oszczególnych modeli uczniów) zależą od orzednich sekwencji i ich wyników (wyniki testów) zaewniając indywidualizację rocesu uczenia dla każdego modelu ucznia Badania rzerowadzone w środowisku symulacyjnym % wszystkich sekwencji a) Wiedza ucznia % wszystkich sekwencji b) Rys. 6. Rozkład zdolności dla różnych uczniów Wiedza ucznia W środowisku symulacyjnym rzerowadzono szereg badań w celu utworzenia odowiedniego środowiska symulacyjnego na otrzeby IN, zbadania działania IN i jego otymalizacji. 12

13 Zostało zauważone, że modele uczniów z tą samą zdolnością osiadają różny rozkład zdolności. IN uwzględnia tę cechę modelu ucznia w celu leszej indywidualizacji rocesu uczenia. Model ucznia owinien być scharakteryzowany nie tylko rzez zdolność zdefiniowaną jako maksymalny możliwy oziom wiedzy do osiągnięcia rzez ucznia orzez akcje edagogiczne w ramach kursu ale także rzez jego rozkład zdolności określony rzez częstotliwość osiągania rzez ucznia oszczególnych oziomów wiedzy (szczególnie wysokich oziomów) rzy wykorzystaniu sekwencji akcji edagogicznych. Rys.6 okazuje rozkład zdolności (wynik szeregu ekserymentów rzerowadzonych w środowisku symulacyjnym) dla rzykładowych uczniów. zare słuki na wykresie a) okazują rozkład zdolności ucznia słabego. Czarne słuki na wykresie a) okazują rozkład zdolności ucznia bardzo zdolnego. zare słuki na wykresie b) okazują rozkład zdolności ucznia rzeciętnego. Czarne słuki na wykresie b) okazują rozkład zdolności ucznia rzeciętnego (ale leszego od ucznia rerezentowanego rzez szare słuki na wykresie b). Badania dotyczące inteligentnego nauczyciela komuterowego (IN) rzerowadzone zostały w środowisku symulacyjnym zgodnie z kryteriami sformułowanymi w Rys. 7. Poziom wiedzy osiągniętej rzez oulację ucznów w kolejnych krokach We wszystkich rzyadkach zauważono, ze lesze wyniki osiąga oulacja uczona rzez IN z indywidualizacją (różne sekwencje edagogiczne dla każdego modelu ucznia z tej samej 13

14 Rys.9. Histogramy dla kroku 10 (uczenie z indywidualizacją i bez indywidualizacji) 14

15 oulacji) od oulacji uczonej rzez IN bez indywidualizacji (te same sekwencje nity ggiczne dla każdego modelu ucznia z danej oulacji). Tyowe wyniki w zakresie różnych ekserymentów zostały okazane na wykresie (rys. 7). Pokazuje on oziom wiedzy osiągniętej rzez oulację uczniów uczoną rzez najleszego nauczyciela w kolejnym kroku uczenia. Z kolei na rys. 9 okazano dwa histogramy rzykładowo dla kroku nr 10 (górny dla uczenia z indywidualizacją i dolny dla uczenia bez indywidualizacji). Określają one ilu uczniów uczonych rzez danego nauczyciela w 10 tym kroku osiągnęło określone oziomy wiedzy. 5. Zastosowanie IN w sieciach IN może być zastosowany w systemach ODL dostęnych w Internecie (rys. 9), a także w sieciach ALN. Inteligentne systemy edukacyjne mogą być stosowane w sieciach łącząc zalety stosowania systemów edukacyjnych z inteligencją (zaewniających indywidualizację rocesu uczenia z zaletami wykorzystania sieci (zaewniającymi dostę do bieżąco aktualizowanego materiału dydaktycznego). Asynchroniczne ieci Uczące są sieciami ludzkimi rzeznaczonymi do nauki w dowolnym czasie i z dowolnego miejsca. ieci ALN łączą techniki samokształcenia z szybką interaktywnością asynchroniczną. W sieciach ALN uczniowie wykorzystują komuter i technologie komunikacyjne do racy ze zdalnymi zasobami uczącymi, włączając nauczycieli oraz uczniów, ale bez konieczności obecności on-line w tym samym czasie. Najbardziej owszechnym narzędziem komunikacyjnym sieci ALN jest WWW. ieci ALN znajdują zastosowanie w nauczaniu na odległość (nauka i konsultacje niezależnie od czasu i miejsca). Kluczową dla sieci ALN jest interakcja człowiek-człowiek. ą sieciami dominująco asynchronicznymi z możliwością stosowania najnowocześniejszych mechanizmów synchronicznych. Wykorzystywane są w nich różne technologie komunikacyjne i komuterowe. ieci ALN wymagają asynchronicznego orogramowania komunikacyjnego. Zaewniają dostę do nastęujących rodzajów zasobów: zasobów dynamicznych (studenci, nauczyciele, ekserci), zasobów statycznych (zadania do oracowania, notatki kursowe, biblioteki) oraz zasobów dodatkowych (bazy danych, arkusze kalkulacyjne, symulacje generowane rogramowo). Programy edukacyjne oferowane w sieciach ALN, określane jako rogramy ALN, składają się ze sójnej sekwencji kursów umożliwiając uzyskanie tytułu lub zaświadczenia o ich ukończeniu. Każdy kurs w rogramie ALN jest zorganizowany w formie rozroszonych uczących kohort. Instytucje edukacyjne, oferujące rogramy ALN, zaewniają usługi wsierające obejmujące: informację, rekrutację, rejestrację, oradnictwo, finanse, srawozdawczość. Elementami składowymi sieci ALN są: samokształcenie (50%) oraz uczenie się z innymi (50%). amokształcenie obejmuje materiały on-line głównie w ostaci stron Web (odczyt, rzeglądanie, obieranie testów) oraz CBT (szkolenie w oarciu o komuter: symulacje, wizualizacje, dostę do danych). Uczenie się z innymi obejmuje konferencje dla asynchronicznej interakcji omiędzy ludźmi ( e, fora dyskusyjne, listservs, newsgrous) oraz środki synchroniczne (chaty, telefonia, systemy wideo unkt-unkt). ieci ALN ze względu na ich charakter tj. możliwość nauki w dowolnym czasie i z dowolnego miejsca znajdują zastosowanie w nauczaniu na odległość. ą wykorzystywane w edukacji oczątkowej i ustawicznej (dla uaktualnienia wiedzy). ą bardzo użyteczne dla osób nitsłych racujących i uczących się zaewniając im wygodę i możliwość nauki w trybie nityme, anywhere. 15

16 Pulit Tutora Pulit administratora systemu BAZA WIEDZY Wiedza dziedzinowa Wiedza o studencie Wiedza dot. tutoringu Eksert dziedzinowy Inżynier interfejsowy Eksert Tutor Inteligentne Środowisko Nauczania Na Odległość Internet Przeglądarka www tudent-a tudent-b tudent-c tudent-z Rys. 10. Wykorzystanie IN w Internecie 16

17 Zastosowanie Internetu zaewnia dostę do materiałów dydaktycznych, bieżąco uaktualnianych, dla dużej ilości studentów (większa ilość odbiorców w skali globalnej). ieci ALN umożliwiają rejestrację elektroniczną, elektroniczną obsługę zadań, konsultacje, naukę gruową lub we własnym temie, egzamin elektroniczny. Mogą być wykorzystywane do nauki w trybie asynchronicznym oza camusem (w domu, w racy), a także w samym camusie. W związku z tym wystęują nastęujące możliwości nauki z wykorzystaniem sieci ALN: veryfar-from-camus, near-caus, on-camus. ieci ALN są szczególnie rzydatne w rzyadku edukacji osób nieełnosrawnych, a także w wąskich secjalnościach (rozroszone gruy kohortowe). Wykorzystywane są rzez sieć uczelni wyższych oferującą rogramy edukacyjne w szeregu różnych dziedzin, takich jak: komutery, inżynieria i telekomunikacja; humanistyka, sztuka i nauki sołeczne; ochrona zdrowia, odżywianie i medycyna; zarządzanie i business; edukacja; rawo; rolnictwo; ochrona środowiska. W ramach oszczególnych rogramów edukacyjnych (w zależności od ich zakresu) w ww. dyscylinach możliwe jest uzyskanie tytułu n. doktora, magistra (Master), Bachelor lub zaświadczenia o ukończeniu kursu. W sieciach ALN możliwe jest organizowanie różnorodnych form kształcenia takich, jak kursy, szkolenia, studia zaoczne, odylomowe, it. obejmujących różnorodną tematykę od inżynierii o filozofię (dzięki stosowaniu różnorodnych narzędzi telematycznych i multimedialnych, jak n. symulacje ilustrujące wykłady, animacje, laboratoria symulowane i sterowane zdalnie, it.). ieci ALN są łatwe w tworzeniu i konserwacji stwarzając olbrzymie możliwości dla rozwoju edukacji na odległość w oarciu o najnowocześniejsze osiągnięcia technologiczne. 6. Metodologia tworzenia kursu Oracowanie wysokiej jakości kursu zrealizowanego w technologii ODL wymaga uwzględnienia asektów edagogicznych.powinna zostać wybrana odowiednia dla danego kursu strategia oraz odowiednie środowisko uczenia dla tyu wiedzy do której należy oracowywany kurs. Indywidualizacja kształcenia może być realizowana na dwa sosoby: - rzez nauczyciela komuterowego adatującego się do zdolności i otrzeb ucznia oraz - rzez samokształcenie rzy wykorzystaniu struktury unktów węzłowych. Materiał dydaktyczny owinien być oracowany w różnych ostaciach (teoria, rzykłady, okazy) oraz na różnym stoniu trudności umożliwiając ersonalizację kursu (e-content). W rocesie uczenia zrealizowanym w technologii ODL można wyróżnić dwie fazy: rozumienie koncetualne i uczenie w głąb. Faza rozumienia koncetualnego umożliwia zrozumienie owiązań omiędzy modułami materiału dydaktycznego. kłada się ona z nastęujących części: truktura zewnętrzna i roblemy - omaga zrozumieć owiązania omiędzy materiałem dydaktycznym i innymi kursami w zakresie danego obszaru zainteresowań. Zarojektowana jest dla uczenia roblemowego; truktura wewnętrzna czyni jawnymi koncetualne owiązania omiędzy modułami wiedzy oraz informuje uczniów, które moduły wiedzy owinni oznać wcześniej, aby bieżący moduł mógł być zrozumiały. Faza uczenia w głąb umożliwia uczniom korzystanie z trzech różnych sosobów rezentacji materiału, takich jak: teoria, rzykłady, okazy. Uczniowie mogą także wybrać stosowny materiał uzuełniający. Inteligentny ystem Nauczający zastosowany w kursach zrealizowanych w technologii ODL owinien rzystosowywać w sosób otymalny materiał dydaktyczny (ersonalizacja e- 17

18 content) do indywidualnego ucznia (z uwzględnieniem wiedzy i zdolności ucznia) oraz srawdzać wiedzę ucznia i uczyć go w sosób otymalny. Dzięki temu uczniowie mogą uczyć się na różne sosoby z uwzględnieniem ich stylów uczenia, osiadanej wiedzy, celów i zainteresowań, a także mogą być informowani o ocenie ich wiedzy w zakresie studiowanego materiału z wykorzystaniem logu uczenia. Inteligentny ystem Nauczający zastosowany w kursach ODL, orzez wykorzystanie środków sztucznej inteligencji, owinien zaewniać uczniom automatyczny tutoring (interakcja od materiału dydaktycznego). Uczniowie owinni mieć możliwość wykorzystywania szeregu różnorodnych środków do interakcji z materiałem dydaktycznym. oraz wybierania formę rezentacji materiału dydaktycznego (teoria, rzykłady, okaz), a także wybierania stosownego materiału uzuełniającego wykorzystując bogate mechanizmy wyszukiwań oraz ustawiania arametrów dla symulacji. Uczniowie owinni mieć możliwość nauki orzez rozwiązywanie roblemów (wykorzystując Inteligentny ystem Nauczający zastosowany w szkoleniach ODL). Taki system orównuje swoje rozwiązanie z rozwiązaniem ucznia, rzygotowuje diagnozę, wysyła zwrotnie stosowną informację, uaktualnia model ucznia, określa nastęną artię materiału do nauki i sosób jej rezentacji. Nastęnie wybiera roblemy do rozwiązania rzez ucznia i cały cykl zostaje owtórzony trategie kształcenia W literaturze rzedmiotu wyróżnia się szereg klasyfikacji strategii kształcenia wsomaganego komuterowo. Najbardziej ogólna rzewiduje dwie gruy strategii: odstawowe i omocnicze. trategie odstawowe bezośrednio rzyczyniają się do rzekazywania określonej wiedzy, umożliwiając uczącemu się wiązanie wiadomości oraz ich rzetwarzanie. Natomiast strategie omocnicze uzuełniają i wzbogacają roces dydaktyczny. Istnieją dwa tyy strategii odstawowych: strategie rzetwarzania materiału i strategie aktywnej nauki. W strategii rzetwarzania materiału wyróżnia się cztery tyy: rzywoływanie z amięci, integrację, organizację i oracowanie. Z kolei strategie aktywnej nauki obejmują czynności oszukiwania wiadomości, zawierają całe systemy nauki. Ty rzywoływania z amięci oiera się rzede wszystkim na behawioralnych ćwiczeniach uczenia, owtórzeniach i rocedurach wsomagających uczenie się z tekstem. Tyy strategii integracji i organizacji są też nazywane strategiami rzywołania i transformacji. ą to strategie rzetwarzające, które wsomagają reorganizację informacji trudnej w formę łatwiejszą do zaamiętania. W tyie oracowania wiadomości uczący się dodają swoje osobiste ich rozumienie. Obok strategii odstawowych, które oerują wrost na informacji uczący się mogą używać różnych strategii omocniczych.. trategie omocnicze mają na celu wsarcie rzetwarzania wiadomości rzez omaganie uczącemu się w zachowaniu właściwej orientacji w rocesie kształcenia. Obejmują one strategie systemowego uczenia się takie, jak wybór celu, organizacja czasu, organizacja uwagi i techniki relaksacji. Istnieją także inne taksonomie dotyczące strategii uczenia się wystęujących w komuterowym wsomaganiu kształcenia. Obejmują one nastęujące strategie: strategię mechanicznego kształtowania nawyków (drill and ractice), strategię koreetycyjną (tutorial), strategię symulacyjną (simulation) oraz strategię modelowania (modelling). 18

19 W strategii mechanicznego kształtowania nawyków komuter sełnia rolę automatu ćwiczącego określoną umiejętność. Uczący się może orzez owtarzanie zaamiętywać określone sekwencje materiału nauczania lub wykonywać ćwiczenia według oznanych wcześniej zasad. trategia ta oarta jest na zasadzie amięciowego oanowywania drobnych fragmentów materiału dydaktycznego, które doiero o oanowaniu całości ozwalają uczącemu się osiągnąć umiejętność ogólną. W strategii koreetycyjnej wystęuje bardziej złożona forma interakcji aniżeli w strategii mechanicznego kształtowania nawyków. Wystęuje tu secyficzny dialog użytkownikkomuter. Aktywność uczącego się dotyczy zastosowania testów on-line, dialogów usrawniających zakres srawdzania i korekty interakcyjności. trategia koreetycyjna może mieć rzebieg liniowy lub rozgałęziony. trategia symulacyjna olega na rzedstawieniu fikcyjnej sytuacji świata rzeczywistego. Celem symulacji komuterowej jest oznanie rzez uczących się funkcjonowania rocesu, dokonanie analizy i oceny zorganizowanej całości, otymalizacja rocesu. W czasie symulacji wystęują nastęujące etay rozwiązania: dekomozycja rocesu na rocesy składowe, otymalizacja rocesów składowych, łączenie rocesów składowych, otymalizacja kombinacji otymalnych rocesów składowych. Wyróżnia się symulację sekwencyjną, rzedmiotową oraz symulację systemów. trategia modelowania olega na wykonaniu rzez uczącego się modelu rzedstawiającego uroszczoną wersję określonej sytuacji wystęującej w świecie rzeczywistym. W trakcie rzygotowywania swojego modelu uczący się stawia szereg hiotez, których rawdziwość ma możliwość otwierdzić dzięki testom wbudowanym w zajęcia realizowane w systemie nauczania wsomaganego komuterowo Indywidualizacja rocesu nauczania Celem indywidualizacji racy ucznia jest orawianie wyników uczenia się dzięki wykorzystaniu indywidualnych właściwości uczącego się i zwiększaniu jego indywidualnych możliwości. Dla nauczyciela uczącego w sosób zindywidualizowany istotne są te właściwości uczniów różnicujące ich między sobą, które wyznaczają możliwości i sosób uczenia się. Możliwości uczenia się to właściwości sychofizyczne określające w danym momencie granice efektów uczenia się. Każdy uczeń w sobie właściwy sosób uzyskuje, organizuje, wykorzystuje i rzechowuje w amięci wiadomości oraz wykonuje towarzyszące temu czynności. Można założyć, że uczniów o odobnych możliwościach można dorowadzić do identycznych efektów kształcenia jeśli ozwoli im się na zróżnicowany sosób uczenia. Jeśli sosób nauczania będzie jednakowy dla wszystkich to osiągnięte wyniki będą się różnić. W rzyadku nauczyciela człowieka zgodnie z rzerowadzonymi badaniami i analizami edagogicznych asektów rocesu uczenia możliwe jest stosowanie nastęujących sosobów indywidualizowania: - Indywidualizowane rzydziały czasu uczeń owinien otrzymywać na nauczenie się danego materiału tyle czasu ile otrzebuje z owodu swoich zdolności, stylu racy i innych ważnych cech; - Uzuełnienia wiadomości i umiejętności stosuje się zajęcia wyrównawcze i rzygotowujące dla wybranych gru, bądź lekcje owtórzeniowe lub wrowadzające; 19

20 - Zmiany zakresu i układu treści treść owinna być interesująca i odowiednio trudna dostosowana do danego ucznia; - Cele indywidualne informowanie ucznia o stawianych rzed nim celach nauki; - Dobieranie metody nauczania należy uwzględnić różnice w utrwalaniu materiału (częstość owtórek), sosób dostarczania uczniom informacji zwrotnej, zindywidualizowany charakter kontroli (częstotliwość kontroli, zakres materiału i celów, który kontrola obejmuje); - Gruowanie uczniów uczniów gruuje się, aby ujednolicić gruę od względem zdolności, zainteresowań czy też wykonywanych zadań bądź celów; - Wykorzystanie środków nauczania uczniowie otrzymują indywidualne akiety dydaktyczne zawierające materiały dydaktyczne odowiadające osobniczym właściwościom ucznia razem z rogramem racy w zindywidualizowanym temie, ze zindywidualizowaną kontrolą, rzewidzianym kontaktem z nauczycielem, a rzede wszystkim ze zindywidualizowanym zestawem celów. W celu indywidualizacji rocesu nauczania orzez samokształcenie wskazane jest stosowanie struktury unktów węzłowych. W strukturze unktów węzłowych brak jest centralnego ogniwa oraz oczątku i końca. Daje to możliwość interdyscylinarnego ujęcia wiedzy. Pozwala dobrze ukazać związki omiędzy wiadomościami, które wydają się być bardzo odległe. twarza możliwość kształcenia w obszarze myślenia twórczego. truktura unktów węzłowych umożliwia uczącemu się odejmowanie decyzji w trakcie uczenia. Taki układ struktury daje możliwość dokonywania wyboru drogi uczenia się a tym samym stwarza dogodne warunki do indywidualizacji kształcenia Środowiska uczenia Bardzo rzydatną dla tworzenia systemów w technologii ODL uwzględniających asekty edagogiczne jest edagogiczna teoria Kolb a. Zgodnie z teorią Kolb`a dotyczącą uczenia emirycznego uczenie jest rocesem za omocą którego wiedza tworzona jest rzez rzekształcanie doświadczenia. Jednym z najbardziej fundamentalnych wymogów, który ułatwia uczenie jest odowiednie środowisko, gdzie uczący się mogą zdobyć doświadczenie W uczeniu emirycznym uczeń ozostaje w bezośrednim kontakcie ze studiowaną rzeczywistością. Mózg ludzki składa się z dwóch ółkul: lewa ółkula rerezentuje symbole abstrakcyjne, z kolei rawa ółkula rerezentuje 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 koncetualizacja, aktywne ekserymentowanie oraz cztery rodzaje wiedzy: wiedza rzystosowawcza, wiedza rozbieżna, wiedza asymilacyjna, wiedza zbieżna. Indywidualne style uczenia określone są rzez tryby uczenia jako: rzystosowanie, rozbieżność, asymilacja, zbieżność. Dla efektywnego uczenia wymagane jest odowiednie środowisko. Środowiska uczenia, które wsierają cztery tryby uczenia to odowiednio: afektywnie komleksowe (koncentruje się na doświadczaniu tego co wydaje się być rofesjonalnym w studiowanej dziedzinie), ercecyj- 20

21 nie komleksowe (głównym celem jest zrozumienie, tj. zdolność do definiowania roblemów oraz do określenia owiązań omiędzy ojęciami), symbolicznie komleksowe (uczeń jest zaangażowany w róbę rozwiązania roblemu dla którego istnieje orawna odowiedź), behawioralnie komleksowe (główny nacisk kładziony jest na aktywne zastosowanie wiedzy i umiejętności do roblemu natury raktycznej). Praca sołeczna PRZYTOOWAWCZA Historia ROZBIEŻNA Edukacja Biznes ZBIEŻNA Inżynieria elektryczności AYMILACYJNA Fizyka Matematyka Rys.10 Różne dziedziny akademickie w uczeniu emirycznym Uniwersytety klasyfikują wiedzę jako nauki ścisłe, inżynierię, medycynę, zarządzanie, sztukę, nauki humanistyczne. Nie jest jednak wiadomo w jaki sosób ludzie uczą się rzedmiotowych dziedzin. Natomiast zgodnie z teorią edagogiczną Kolba wiedzę klasyfikuje się jako: wiedzę rzystosowawczą, wiedzę rozbieżną, wiedzę asymilacyjną oraz wiedzę zbieżną. Każdy rodzaj wiedzy zgodnie z teorią Kolba zajmuje jedną z czterech ćwiartek wyznaczoną rzez strukturalne wymiary uczenia emirycznego. Każda dziedzina akademicka taka, jak fizyka, matematyka, historia, inżynieria, it. należy do jednego z rodzajów wiedzy określonych rzez teorię Kolba (może być umieszczona w jednej ćwiartek rzestrzeni uczenia emirycznego). Taka klasyfikacja jest bardzo rzydatna dla zarojektowania odowiedniego środowiska uczenia. Na rzykład nauka rzedmiotu z zakresu inżynierii (należącego do wiedzy zbieżnej wymaga środowiska behawioralnie i symbolicznie komleksowego. Nauka rzedmiotu z zakresu nauk ścisłych (matematyki lub fizyki, które należą do wiedzy asymilacyjnej) wymaga środowiska symbolicznie i ercecyjnie komleksowego. Nauka rzedmiotu z zakresu ekonomii lub zarządzania (należącego do wiedzy rzystosowawczej) wymaga środowiska afetywnie i behawioralnie komleksowego. Nauka rzedmiotu z zakresu nauk humanistycznych (należącego do wiedzy rozbieżnej) wymaga środowiska afektywnie i ercecyjnie komleksowego. 21

22 Każde środowisko uczenia może być scharakteryzowane rzez główne i drugorzędne cechy (tabl. 2) oracowane zgodnie z teorią Kolba. Środowiska uczenia zaewniają nastęujące główne cechy: rozwiązanie roblemu krok o kroku, ogniskowanie się na rocesie, dyskusje w małych gruach, narzędzie symboliczne. Wybór odowiednich cech środowiska zależy od tyu wiedzy do której należy obiekt uczący oraz charakterystyki uczniów (style uczenia, cele, referencje, doświadczenie). Różne dziedziny akademickie można zakwalifikować do określonego tyu wiedzy i tym samym określić wymagane dla danej dziedziny środowisko uczenia. Metody oceny środowisk uczenia Wykaz strategii uczenia i studiowania (Learning and tudy trategies Inventory; LAI) został oracowany jako zesół środków dla omiaru strategii i metod dotyczących rocesu uczenia i studiowania w różnych środowiskach. kłada się on z dziesięciu skal, każda dla omiaru innego składnika rocesu uczenia. Poniżej odano składniki rocesu uczenia objęte omiarem LAI: nastawienie zainteresowanie i motywacja studenta oraz gotowość do wykonania zadań koniecznych dla osiągnięcia sukcesu na uczelni; motywacja stoień do którego student akcetuje odowiedzialność za wykonanie owyższych zadań orzez samodyscylinę i ciężką racę; zarządzanie czasem zakres dla którego student tworzy lub wykorzystuje harmonogramy w celu efektywnego zarządzania swoimi zadaniami; obawa stoień nieokoju jaki student odczuwa, gdy rzystęuje do zadań akademickich; koncentracja zdolność studenta do skuienia uwagi i unikania jej rozroszenia w czasie racy związanej z zadaniami szkolnymi (studiowanie); rzetwarzanie informacji zdolność rzetwarzania omysłów (idei) orzez umysłową racę nad nimi w celu organizowania ich w znaczący sosób; wybór głównych idei ogrom studenckich możliwości do wyłowienia ważnej informacji odczas sytuacji uczenia; wsarcie studiów zdolność studenta do wykorzystania lub rozwoju czynników, które wsomagają roces uczenia w trakcie studiów; samo-testowanie świadomość studenta w zakresie ważności samo-testowania i oceny odczas nauki materiału oraz ich raktyczne wykorzystanie; strategie testowe omiar zdolności studenta do efektywnego rzygotowania się do egzaminu oraz do rozumowania orzez odowiedź na ytanie. Do klasyfikacji różnych czynników uczenia oraz do wyboru odowiedniej technologii dla realizacji kształcenia w trybie on-line wykorzystywane są taksonomie dotyczące kształcenia na odległość. Wyróżnia się różne rodzaje taksonomii: taksonomię Barret a (zgodnie z którą roces uczenia może należeć do jednej z czterech kategorii) oraz taksonomię Merrilla (wykorzystującą macierz wykonanie (akcje nauczające) - zawartość (rodzaj treści dydaktycznej) Metodologia kierowana wymaganiami Bardzo odowiednią dla tworzenia efektywnego kursu ODL jest metodologia kierowana wymaganiami (oferowana rzez Drexel University), uwzględniająca secyficzne cechy uczenia zrealizowanego w technologii ODL. Metodologia ta wymaga określenia wymagań dotyczących celów oraz wymagań funkcjonalnych, a także działań orzedzających kurs, działań w ramach kursu oraz działań o zakończeniu kursu, tworzenia akietów kursowych i rototyów oraz dostawy choreograficznej. Wymaga także rzerowadzenia oceny kursu. 22

23 Tabl.2. Cechy środowiska Cechy środowiska Behavioralne Afektywne ymboliczne Percecyjne Zaisy wykładów lajdy, tekst lajdy, tekst z audio lajdy, tekst z audio i wideo Teoria do odczytu tudia rzyadku Ćwiczenia, zadania domowe, kwizy Wizualizacja Animacja ymulacja Partnerski feedback Personalizowany feedback Dzielone odczucia Zręczność/aktywne rozwiązanie roblemu Nauczyciel jako koreetytor/omocnik Nauczyciel jako eksert/interretator Nauczyciel jako rzewodnik Nauczyciel jako model zawodu Rozmowa eksercka/seminarium Autonomiczny (samokształcenie) uczeń Uczeń myśli samodzielnie Doświadczenia ucznia będące rofesjonalnymi Uczeń określa własne kryteria owiązań Ogniskowanie się na rocesie Ogniskowanie się informacji na zadaniach i ich realizacja Narzędzie symboliczne Źródło informacji jest tutaj i teraz Dyskusje w małych gruach Konferowanie Przekaz synchroniczny Wykonanie ocenianie jako orawne lub błędne Rozwiązanie roblemu krok o kroku P P P cecha główna, cecha drugorzędna P P 23

24 Wymagania Dotyczące celów Funkcjonalne Projekt kursu Działania orzedzające kurs Działania w ramach kursu Działania o zakończeniu kursu Oracowanie kursu Oracowanie konsektu Przygotowanie akietu Oracowanie rototyu Dostawa kursu Imlementacja Choreografia Adatacja truktura rogramu Kursy wymagane i nadobowiązkowe Ocena kursu Ankietyzacja Ocena wyników Rys. 11. Projekt, oracowanie i roces oceny kursu ALN 24

25 Główny nacisk kładziony jest na określenie wymagań. Bez stosownych wymagań, definicji i rojektów oracowane kursy mogą osiadać eleganckie cechy edagogiczne ale bez związku z tym czego studenci chcą i otrzebują. W rzyadku tworzenia kursu ODL wymagania są ostrzejsze, od wymagań dla konwencjonalnego kursu FTF (face-to-face). Etay tworzenia kursu ODL: W rocesie tworzenia kursu ODL można wyróżnić nastęujące etay (rys. ): - określenie wymagań, - rojekt kursu, - oracowanie kursu, - dostawa kursu, - ocena kursu. Najierw owinny zostać określone i wymodelowane wymagania rzed oracowaniem i dostawą kursu ODL. Metodologia zakłada, że analiza wymagań stanowi warunek wstęny dla omyślnego rojektu i oracowania kursu. Dla orawy rocesu rojektu i oracowania kursu ODL konieczna jest systematyczna ocena oinii studentów na temat kursów Wymagania Wyróżnia się dwa rodzaje wymagań: wymagania dotyczące celów oraz wymagania funkcjonalne. Najierw owinny zostać sformułowane wymagania dotyczące celów kursu. W związku z tym należy odowiedzieć na ytania: dlaczego kurs jest otrzebny? Jakie są jego cele z szerszej ersektywy? cele długoterminowe, cele dotyczące rozwiązywania roblemów; w jaki sosób kurs jest owiązany z innymi istniejącymi i lanowanymi kursami? Najważniejsze jakie jest miejsce kursu w rogramach nauczania? (kurs wymagany, kurs nadobowiązkowy). Po określeniu wymagań dotyczących celów kursu należy oracować szczegółowe wymagania funkcjonalne. Obejmują one informacje dotyczące oczekiwań instruktorów i studentów odnośnie kursu. Wymagania funkcjonalne stanowią główne źródło danych dla rojektu kursu Projekt kursu Esencję rocesu rojektowania stanowi konwersja wymagań na zestaw zadań i działań, które łącznie tworzą kurs. Do konwersji wymagań wykorzystywany jest rosty szablon. Umożliwia on konwersję wymagań na zestaw działań (obejmujący działania rekursowe, działania w oszczególnych fazach kursu tj. w fazie wczesnej, średniej i końcowej), a w ramach oszczególnych działań na zadania oraz wymagania dotyczące interakcji, danych i software`u. Eta ten owinien być wykonywany rzez instruktorów (nauczycieli), którzy rowadzili dane kursy wiele razy (znających dany materiał dydaktyczny). osób dostawy ODL ma również wływ na roces konwersji wymagań na zadania., n. zadanie konwersji wymagań użytkownika na rototyy badawcze wymaga, aby student sełnił wymagania rocesu konwersji w sosób asynchroniczny, wsółracując z innymi rzy wykorzystaniu narzędzi sieciowych. Zadanie jest tu więc inne i bardziej złożone niż w rzyadku konwencjonalnego kursu FTF. Dotyczy to nie tylko różnic technicznych ale także umiejętności korzystania z odowiednich narzędzi, n. interakcyjnego rototyu. Metodolo- 25

26 gia wymaga skuienia się na szczegółach związanych z nauką, a nie na szczegółach związanych z dostawą kursu Oracowanie kursu Na bazie rojektu kursu oracowywane są: - konsekt kursu, - uakowanie kursu, - rototy kursu. Konsekt kursu oracowywany jest zgodnie z szablonem i składa się z nastęujących informacji: ois kursu, rzedstawienie wymagań dotyczących kursu, wykaz tematów, sosoby komunikowania się z instruktorem i innymi studentami, materiały kursowe, szczegółowy harmonogram zdarzeń w ramach kursu. Zawartość konsektu musi odowiadać wymaganiom oraz macierzy działań oracowanej w fazie rojektu kursu. Odowiednie uakowanie kursu wymaga konwersji dydaktycznych materiałów konwencjonalnych, umieszczenia ich w sieci, rzygotowania alikacji software`owych niezbędnych do wsarcia interakcji i rocesów komunikacyjnych oraz uewnienia się, że wszystko razem wsółracuje ze sobą. Po uakowaniu konieczne jest wykonanie rototyu kursu orzez symulację działania kursu. Proces ten dotyczy symulacji: dostęu do materiałów, komunikacji asynchronicznej, dyskusji tematycznych, dostarczenia i srawdzenia wykonanych zadań oraz oceny. ymulacja owinna odowiadać złożoności nauki oartej na ODL. W rzyadku wykrycia nierawidłowości w działaniu rototyu należy onownie srawdzić jego działanie o korekcie. W rzyadku orawnego działania rototyu kurs można skierować do rodukcji Dostawa kursu Proces dostawy składa się z żywej ełnej skali imlementacji dotyczącej choreografii kursu, którą można zaadatować do ewnej znaczącej ilości nieoczekiwanych zdarzeń. Projekt kursu stanowi istotę kursu natomiast choreografia jest jego stylem. Choreografia wymaga myślenia o rolach i rocedurach adatacyjnych. Istnieje duża różnorodność ról, które gracze (instruktorzy, ersonel wsierający, studenci) odgrywają w czasie rocesu rojektowania, oracowywania, dostawy i oceny kursu. Role dla instruktorów: inicjator dyskusji, rzewodnik odstawowych zasad i metod, imresario dyskusji student-student, mentor rozwiązujący roblemy, identyfikator roblemów, dysozytor rzykładów, rzerywacz owiązań, sortowacz, żartowniś, teraeuta, budowniczy drużyny. Role dla ersonelu wsierającego: wsierający interakcję student-student, wsierający owiązanie student-materiał, wsierający wybór trasy, konserwator studenckiej bazy danych, organizator klasyfikacji studentów. Role dla studentów: uczestnik dyskusji, dostarczyciel oracowanych zadań, uleszający środowisko ODL, uczestnik komunikacji student-rofesor, uczestnik komunikacji student-student. Powyższe zadania sugerują rodzaj zachowań wymagany od graczy (uczestników) dla omyślnego rzebiegu kursu. ugerują one także rodzaj symulacji w celu rzygotowania instruktorów do rowadzenia kursu ODL. 26