Tutoring intelligente con modelli Fuzzy: analisi e impatto nella società cognitiva

UNIVERSITA’ DEGLI STUDI DI SALERNO

FACOLTA’ DI SCIENZE MATEMATICHE FISICHE E NATURALI

CORSO DI LAUREA IN SCIENZE DELL’INFORMAZIONE

TESI DI LAUREA

ANALISI DEI SISTEMI DI TUTORING INTELLIGENTI CHE

UTILIZZANO MODELLI FUZZY

Relatore: Candidato:

Chiar.mo Prof. Lega

Salvatore

Luigi Di Lascio Matr. 53/5143

Anno Accademico 2003/2004 2

A Ramona

INDICE 3

INDICE

Elenco delle figure IV

…...…………………………….………………..

Introduzione 1

……..……………………………………………………..

Riferimenti 4

………………………………………………………………..

Capitolo I

Architettura di base di un ITS e logica Fuzzy 5

…………………..

1.0 Introduzione 5

……..…………………………………………………..

2.0 La struttura modulare di un ITS 6

…...…………………………...

2.1 Il modello esperto 6

….…………………………………………….

2.2 Il modello studente 7

……….……………………………………...

2.3 Il modello pedagogico 7

……...…………………………………..

2.4 L’interfaccia utente 8

….…………………………………………...

3.0 Il modello studente, aspetti teorici e pratici 8

…..………………..

3.1 Classificazione dei modelli studente 8

….………………………

3.2 La rappresentazione del modello studente 10

…...…………..

4.0 La logica Fuzzy costruttrice del modello 12

…………………...

4.1 Concetti di base della logica Fuzzy 13

…………………………

4.2 Logica Fuzzy e linguaggio parlato 15

………………………….

Riferimenti 17

…..…………………………………………………………

II

Capitolo II

Il Sistema di tutoring I.T.W. 18

…...………………………………..

1.0 Introduzione 18

…….…………………………………………………

2.0 IWT: Intelligent Web Teacher 19

….………………………………

3.0 Il modello della conoscenza 21

….………………………………...

4.0 Il modello studente 23

……………………………………………….

5.0 Il modello didattico 25

………………………………………………

6.0 Conclusioni e sviluppi futuri 26

…..………………………………..

Riferimenti 28

………..……………………………………………………

Capitolo III

Un ITS fondato sul binomio Corba/WWW 29

………………….

1.0 Introduzione 29

………………………………………………………

2.0 Cosa è C.O.R.B.A.? 30

……………………………………………..

2.1 Quali sono i componenti di C.O.R.B.A.? 31

….……………..

3.0 L’architettura modulare del sistema 33

….….…………………...

4.0 Il modulo esperto 34

……….…………………………………………

5.0 Il modulo studente 35

….….………………………………………….

6.0 Conclusioni 37

…………….………….……………………………….

Riferimenti 39

….…………………..………………………………………

Capitolo IV

Il sistema adattivo ipermediale Alice 40

………….………………

1.0 Introduzione 40

……….………………………………………………

2.0 Descrizione del sistema Alice 41

….………………………………

2.1 Il modello utente 42

……….……………………………………….

3.0 Le tecnologie adattive 44

………………………………………….

Riferimenti 45

…….…..……………………………………………………

Capitolo V

La Piattaforma InterMediActor 46

………………………………..

1.0 Introduzione 46

……………………….………………………………

2.0 La piattaforma InterMediActor 48

…….…………………………..

3.0 Il modello studente 50

……….……………………………………….

3.1 Il livello d’importanza 51

….…..…………………………………

3.2 Il livello di difficoltà 51

…..……………………………………...

3.3 I voti 53

…..…………….……………………………………………

II

3.4 I requisiti iniziali (pre-requisiti) della conoscenza 54

……….

3.5 La defuzzificazione 54

…….….…..……………………………….

4.0 Conclusioni 54

…………..…………………………………………….

Riferimenti 55

……….…..…………………………………………………

Capitolo VI

Il Sistema INSPIRE 56

………….………………………………………

1.0 Introduzione 56

………….……………………………………………

2.0 L’architettura di INSPIRE 57

….…………………………………..

3.0 Il problema del processo di diagnosi dello studente 59

….…….

4.0 Il processo di diagnosi dello studente in INSPIRE 60

….………

4.1 La creazione del modello della conoscenza esperta 62

.…….

4.2 Il processo di diagnosi 65

…………………………………………

5.0 Conclusioni 67

……….……………………………………………….

Riferimenti 68

…….…..……………………………………………………

Capitolo VII

I Sistemi Witness e Sherlock II 69

…………………………………..

1.0 Introduzione 69

………….……………………………………………

2.0 Il sistema Witness 70

……….………………………………………..

2.1 Le componenti del sistema 70

….……………………………….

3.0 Le relazioni tra le diverse componenti del siste 71

ma ….………

4.0 Il sistema Sherlock II 74

….………………………………………….

Riferimenti 76

…….……..…………………………………………………

Bibliografia Generale 77

……………………………………………….

Bibliografia divisa per argomenti

Parte A: Riferimenti ad alcuni ITS fuzz 85

y …………………………

Parte B: Riferimenti ad alcuni ITS non fuz 87

zy …………………..

2

Elenco delle figure

Fig.1 Architettura di un I.T.S. : Interazione tra i modelli…………..pag.06

Fig.2 Il modello studente Overlay ed Overlay-Buggy………………pag.11

Fig.3 Funzione d’appartenenza di un generico insieme fuzzy ……….pag.12

Fig.4 I tre livelli della conoscenza I.W.T……………………………pag.22

Fig.5 La configurazione del sistema Corba-based…………………...pag.33

Fig.6 La rappresentazione delle reti IUN e CN………………………pag.35

Fig.7 Il grafo della funzione D.V…………………….……………….pag.37

Fig.8 La struttura di un sistema adattivo ipermediale…………….….pag.41

Fig.9 Le funzioni del server e del client in Alice…………………...pag.42

Fig.10 Il dominio della conoscenza esperta e il dominio utente…….pag.43

Fig.11 Analisi top-down degli obiettivi d’apprendimento…………….pag.48

Fig.12 La trasformazione in competenza atomica……………………pag.49

Fig.13 Le funzioni per la var. ling. “livello di difficoltà………….pag.52

µ

Fig.14 La struttura di base del sistema Inspire………………………pag.58

Fig.15 Le componenti funzionali di WITnESS……………………...pag.71

Fig.17 Le relazioni tra le componenti di WITnESS…………………pag.72

INDICE 3

Introduzione

Lo sviluppo delle nuove tecnologie e la crescita inarrestabile di

modelli di insegnamento–apprendimento a distanza, sempre più flessibili ed

efficaci, basati sull’utilizzo delle tecnologie stesse, stanno determinando la

nascita di una nuova società che possiamo definire “società cognitiva”.

E’ una società che richiede un profondo rinnovamento delle

istituzioni formative e dei modi di trasmettere ed acquisire il sapere; le

scuole, ed in particolare le Università, devono essere in grado di formare i

professionisti del futuro, capaci di acquisire sempre nuove conoscenze e

competenze e di far fronte ad un mercato del lavoro sempre più aperto e

flessibile.

Il ruolo dei docenti e dei discenti, all’interno del processo formativo,

muta radicalmente poiché, i primi, si trovano ad acquisire nuove e

complesse competenze relative all’insegnamento a distanza, oltre che il

ruolo di guida del processo di apprendimento degli studenti; i secondi,

invece, si rivestono di un ruolo attivo che permette loro di diventare veri e

propri protagonisti nella creazione di un nuovo sapere e di una nuova

conoscenza.

In questo contesto, assume un’importanza rilevante la figura del

sistema di tutoring, il cui compito è quello di sostenere, stimolare,

accompagnare i discenti nel loro percorso di formazione e aiutarli a

sviluppare capacità cognitive superiori, grazie anche all’utilizzo di quegli

strumenti che Donald A. Norman definisce “artefatti ovvero le

cognitivi”:

nuove tecnologie.

I sistemi tutoriali intelligenti (ITS: Intelligent Tutoring System) sono

sistemi software progettati, principalmente, per supportare l’attività

d’apprendimento di tipo specializzato e individualizzato. 4

Questi sistemi possono essere utilizzati nei normali processi

educativi, nei corsi d’apprendimento a distanza, sotto forma di cd-rom

oppure come applicazioni per la divulgazione delle conoscenze via internet.

I primi sviluppi dell’introduzione di programmi software, come

mezzi ausiliari nell’apprendimento educativo, furono formalizzati

nell’ambito del progetto CAI (Computer Aided Instruction). Questi

programmi utilizzavano un albero di decisione per guidare lo studente da

una sessione all’altra a seconda delle risposte formulate [Urban Lurain

1996]. Tuttavia, non prendevano in considerazione la diversità degli studenti

e le loro specifiche necessità, background o storia.

I programmi CAI, quindi, non erano in grado di adattarsi al modo

specifico di acquisire le conoscenze che lo studente aveva e non erano in

grado di fornire un’attenzione individualizzata che invece il tutore umano

assicurava [Bennett 1997].

I recenti sviluppi della ricerca nel campo dell’intelligenza artificiale

hanno portato ad un nuovo campo d’applicazione, che prende il nome di

Intelligent Tutoring System [Burns & Capps 1998]. La caratteristica di base

di questi sistemi, è di considerare ogni studente come unico, creando un

modello studente capace di registrarne le preferenze e i progressi nel corso

del processo cognitivo [VanLehn 1998]. In più ciò che ne incrementa

l’efficacia nell’insegnamento, è la propria capacità di adattarsi alle

caratteristiche dello studente. Per far questo, il sistema deve cercare di

avvicinarsi il più possibile al modo di ragionare dello studente. Deve, in altri

termini, gestire i differenti aspetti della vaghezza, presenti nei dati espressi

con parole reali.

L’intelligenza artificiale ha risolto questo problema utilizzando, tra

l’altro, la logica fuzzy, nel tentativo di fornire una base robusta e sistematica

tesa a gestire le imprecisioni linguistiche, che sono dovute all’assenza di

confini ben definiti, entro i quali i costrutti linguistici possono trovarsi.

INDICE 5

Inizieremo con il dare uno sguardo all’architettura di base di un

sistema tutoriale intelligente e alla relativa logica fuzzy, per poi descrivere

in dettaglio gli aspetti di alcuni authoring ITS che utilizzano modelli fuzzy.

In particolare si inizierà con una trattazione dei Sistemi di Tutoring

Intelligente su base web.

Alla fine, presenteremo nella parte B della bibliografia un elenco di

authoring ITS, incontrati durante la stesura della tesi, che non usano modelli

di tipo fuzzy. 6

Riferimenti

Bennett, F. 1997. ‘Computers as Tutors: Solving the Crisis in Education’.

First Monday. http://www.firstmonday.dk/issues /issue6/intro/index.html.

Burns, H. L., and Capps, C. G. (1988). ‘Foundations of Intelligent Tutoring

In Polson, M. C.,and Richardson, J. J., eds.,

Systems’. ‘Foundations of

Lawrence Erlbaum Associates.capitoli 3, 55–

Intelligent Tutoring Systems’.

78.

Urban-Lurain, M. (1996). ‘Intelligent tutoring systems, an historic review in

the context of the development of artificial inteligence and educational

Department of Computer Science