Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
vuoi
o PayPal
tutte le volte che vuoi
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 cognitivi”: ovvero le 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.
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.
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.
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
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 sistema ….………71
4.0 Il sistema Sherlock II ….………………………………………….74
Riferimenti …….……..…………………………………………………76
Bibliografia Generale ……………………………………………….77
Scarica la tesi: Analisi dei sistemi di tutoring intelligenti che utilizzano modelli Fuzzy
DV R norm R R
=
1
n c n
−
1
i =
norm = è una funzione di normalizzazione che porta il risultato
nell’intervallo [0,1].
Rn-1 è il risultato del problema n-1 esimo
Rc è il numero di risposte esatte secondo le variabili linguistiche
Rn è il numero totale di problemi sottoposti allo studente
K è l’esponente collegato alle variabile linguistiche definito come segue:
INDICE 39
I o D = ½, M=1, N oppure E =2
i
Per poter usare diversi valori associati alle variabili linguistiche
“importanza” e “difficoltà” si possono introdurre dei modificatori fuzzy
“very” o “less”. Il risultato della funzione DV è un numero reale all’intermo
dell’intervallo [0,1].
Per poter eseguire un’inferenza fuzzy usando le variabili
linguistiche, il risultato ottenuto della funzione DV deve essere fuzzificato.
Il risultato ottenuto dalla fuzzificazione è una variabile linguistica il cui
valore sarà “good”,”medium” “bad” abbinato ai modificatori very o less.
La figura successiva mostra la rappresentazione grafica della
fuzzificazione del valore diagnostico.
Figura 7. Il grafo della funzione DV
6.0 Conlusioni
In questo capitolo, si è progettato ed implementato un sistema di
insegnamento a distanza che supporta l’interazione con gli studenti, e
capace di creare strategie di insegnamento dinamiche. Il sistema proposto
consta di un modulo esperto, un modulo studente e un modulo di tipo
pedagogico. Il modello studente può supportare l’interazione con gli
studenti attraverso le applicazioni CGI implementate sul WWW,
40
diagnosticarne la conoscenza corrente usando le informazioni personali e le
risposte fornite.
INDICE 41
Riferimenti
Lee S., Wang C., (1997) “Intelligent Hypermedia Learning System on the
http://media.inhatc.ac.kr/papers/edmedia97.pdf
Distributed Environment.”
Natabayashi K., Koike Y. and Maruyama M. (1995) ‘An Intelligent
in ‘An integrated learning Enviroment
Tutoring System on world wide web’
on a Distribuited Hypermedia,Educational Multimedia and Hypermedia’,
Association for the Advancement of Computing in Education,
Charottesville, VA pagg. 488-493
Omg (1995) Corba 2.0 http://omg.org/corba/iiop/html .
Yonn K.S. and Wang C.J. (1994) ‘Authoring System for the Development of
IEEE TENCON, Singapore, 97-101
ITS’ 42
CAPITOLO IV
Il sistema adattivo ipermediale Alice
1.0 Introduzione
I sistemi adattivi, per definizione, combinano la tradizionale facilità
d’uso degli ipermedia con le tecniche avanzate di tutoring degli ITS
adattando dinamicamente una sequenza di sessioni educazionali ad un
particolare livello di conoscenza dell’utente. Pertanto, il sistema adattivo
ipermediale deve avere le seguenti caratteristiche:
Deve basarsi sull’ipertesto o sugli ipermedia.
• Deve includere un modello dominio composto da un insieme
• di strati elementari di conoscenza con le relative relazioni.
Deve possedere un esplicito modello studente che racchiuda
• tutte le caratteristiche individuali.
Deve, infine, essere in grado di variare alcune parti visuali o
• funzionali del sistema in base alle informazioni che
provengono dal modello studente.
In altre parole, tali sistemi possono essere considerati alla stregua di
sistemi ipermediali che includono degli approcci intelligenti che li mettano
in grado di adattarsi alle specifiche dell’utente. Il sistema tipico di ipermedia
adattivi consiste di tre componenti: gli ipermedia, il tutoring intelligente e il
supervisore [Kavcic 2001].
Il modulo ipermedia contiene l’organizzazione dell’iperspazio del
dominio, nonché la rappresentazione e la navigazione. La componente del
tutoring intelligente, che è simile alla struttura di un sistema di tutoring
intelligente [Wenger 1987], si prende cura di tutte le azioni intelligenti del
sistema. Infine, il modulo supervisore regola il funzionamento di entrambe
INDICE 43
le componenti anzidette. La fig.8 mostra schematicamente la struttura nel
suo insieme. Figura 8 La struttura di un sistema adattivo ipermediale
Affinché, sia in grado di adattarsi ad un particolare utente, il sistema,
deve conoscere il dominio della conoscenza, il grado di cognizione e i
progressi ottenuti durante la fase di apprendimento. Di conseguenza, per
ottenere un adattamento utile ed efficace, il modello del dominio e quello
dell’utente hanno un ruolo chiave nella costruzione del sistema [Wu, De
Bra, Aerts, Houben 2000]. In particolare, il modello studente, raccoglie
informazioni specifiche per ogni singolo utente. Rappresenta la base
dell’adattamento del sistema in quanto recupera tutte le informazioni utili
riguardanti l’utente. Senza il modello studente, il sistema non sarebbe in
grado di distinguere i singoli utenti e li tratterebbe tutti alla stessa stregua.
Un perfetto modello deve includere tutte le caratteristiche
dell’utenza, il comportamento e il grado di conoscenza, che possono
influenzare sia l’apprendimento che l’efficienza [Wenger 1998].
2.0 Descrizione del sistema Alice
Qui descriveremo un sistema adattivo ipermediale denominato Alice,
progettato presso la facoltà di scienze dell’informazione e di calcolo
dell’università di Ljubljana [Kavcic 2001] e implementato nella costruzione
di un sistema di web-tutoring per l’introduzione della programmazione in
linguaggio Java. Trattasi, quindi, di un sistema interamente basato sul web
che consiste di applicazioni di tipo client and server. La parte client calcola,
44
aggiorna e preserva il modello d’utente in uso e fornisce il supporto adattivo
alla navigazione. L’applicazione server, implementata come servlets java,
fornisce la procedura di login e memorizza i dati del modello utente sul
server. All’inizio essa viene impiegata per la procedura di login e, alla fine,
per la memorizzazione del modello.
Nel corso dell’uso del sistema da parte del’utente, il server fornisce
soltanto le pagine web richieste. In tal modo, il carico del server e il traffico
sulla rete vengono ridotti sensibilmente, mentre le risorse del client sono
sfruttate per l’aggiornamento del modello studente.
Figura 9 Le funzioni del server e del client nel sistema Alice
Il sistema descritto consiste in una shell di tutoring system ed è
pertanto progettato per qualsivoglia ITS web-based. L’adattamento avviene
per mezzo delle tecnologie di supporto alla navigazione.
2.1 Il modello utente
Innanzitutto, diciamo che il dominio della conoscenza è partizionato
in piccole parti che vengono chiamate concetti. Per cui ogni dominio può
essere rappresentato da un insieme finito di concetti (vedi figura 10).
INDICE 45
Figura 10…Il dominio della conoscenza esperta e il dominio utente
L’apprendimento viene effettuato stabilendo delle relazioni tra questi
pezzi di conoscenza. Nel senso che, due concetti del dominio sono in
relazione se la conoscenza del primo è richiesta per una migliore
comprensione del secondo. In particolare queste relazioni sono suddivise in
essenziali e di supporto. Una relazione viene detta essenziale se la
conoscenza di un concetto è strettamente collegata alla conoscenza di un
secondo concetto. Nel caso in cui la conoscenza di un secondo concetto non
è necessaria ma utile allora la relazione viene detta di supporto. Il modello
studente è sostanzialmente una sovrapposizione del modello del dominio
della conoscenza, il quale si fonda sugli insiemi fuzzy e sulle regole fuzzy.
Per cui, la conoscenza dell’utente, di un concetto del dominio, è
rappresentata dalle funzioni di appartenenza relative a tre insiemi fuzzy
(concetto ignoto, noto, appreso).
L’aggiornamento del modello si basa sulle regole fuzzy che vengono
applicate per dedurre i concetti, essenziali o di supporto, dalla conoscenza
del concetto dimostrato (algoritmo della propagazione del valore della
conoscenza). Il principio cardine di questo meccanismo di ragionamento è
del tutto simile a quello delle reti Bayesiane, salvo per il fatto che i valori
sono propagati, in base alle regole fuzzy, operanti su di un grafo composto
46
dalla connessione dei concetti che ne rappresentano i nodi. Il modello viene
inizializzato mediante un pre-test, quando ciascun concetto o è conosciuto
oppure è ignoto. Durante la interazione con il sistema, il modello è
aggiornato in base alle unità visitate, risultati ottenuti e alla propagazione
della conoscenza.
3.0 Le tecnologie adattive
Nei sistemi ipermediali adattivi sono utilizzate sette differenti
tecnologie adattive. Esse possono essere divise in due gruppi: il supporto
alla presentazione e quello dedicato alla navigazione. La presentazione
adattiva o adattamento al livello del contenuto include la presentazione sotto
forma di testo e sotto forma di contenuti multimediali.
Qui, l’estetica o il contenuto della pagina ipermediale viene alterata
in modo dinamico e può variare nei dettagli, nella spiegazione, nell’uso dei
media o nel numero di collegamenti .
D’altra parte, il supporto adattivo alla navigazione, comprende tre
tecniche differenti, che forniscono un’assistenza diretta all’utente. In piu
includono anche il riordinamento adattivo dei collegamenti, l’oscuramento
adattivo dei collegamenti e le annotazioni adattive dei links. Il loro scopo
principale, è quello di aiutare l’utente ad orientarsi, restringendo l’iperspazio
di esplorazione, fornendo aiuti guide e supporti d’orientamento.
INDICE 47
Riferimenti
Kavcic A.,(2001) ‘Adaptation in Web-based Educational Hypermedia
. Ph.D. Dissertation,
Considering the Uncertainty of User Knowledge’
Faculty of Computer and Information Science, University of Ljubljana.
Kavcic A., Privosmik M., Marolt M., Divjak S , (2001)
. ” Educational
Hypermedia System ALICE:an Evaluation of Adaptive Features.”
http://lgm.fri.uni-lj.si/~alenka/papers/Calie2001.pdf
Wenger E., (1987) ‘Artificial Intelligence and Tutoring Systems:
Computational and Cognitive Approaches to the Communication of
Morgan Kaufmann Publishers, Inc., Los Altos.
Knowledge’.
Wu H., De Bra P., Aerts A., and G. Houben G.J.,(2000) ‘Adaptation
Control in Adaptive Hypermedia Systems, Adaptive Hypermedia and
. Proceedings of the International Conference
Adaptive Web-Based Systems’
AH, Trento, Italy August 2000 Lecture Notes in Computer Science 1892,
, ,
Springer Verlag, 2000. pp 250-259 48
CAPITOLO V
La Piattaforma InterMediActor
2.0 Introduzione
Come si è visto,
Accedi a tutti gli appunti
Tutor AI: studia meglio e in meno tempo
