Wat Is Er Gebeurd Met Intelligente Bijscholingssystemen?
het meer voetgangers gebruik van de computer als inhoud-en beoordelingsbevorderaar is de dominante manier waarop computers tegenwoordig het onderwijs dienen. Op zijn best, de meeste systemen gewoon waarschuwen leerlingen van verkeerde antwoorden en doen weinig om te helpen begeleiden het leerproces. Onderzoekers begonnen te kijken naar “een gevoeliger” methode om niet alleen te diagnosticeren of antwoorden verkeerd waren, maar waarom ze verkeerd waren. Dit concept van nauwkeurige foutdiagnose is fundamenteel voor alle succesvolle bijles, en ontwikkelaars begonnen het begrip van de aard van fouten in een nieuwe generatie van intelligente leermiddelen op te nemen. Hoewel de definitie van een intelligent instrument het onderwerp is van veel discussie, was er enige consensus, althans in de context van het onderwijs, dat “een systeem intelligent moet gedragen, niet eigenlijk intelligent zijn, zoals een mens,” volgens de psycholoog Valerie Shute.
intelligente Bijscholingssystemen
intelligente Bijscholingssystemen verschillen aanzienlijk van hun historische computergestuurde voorgangers. In plaats van de one-size-fits-all strategie van het leveren van inhoud aan een passieve leerling in die ontwerpen, zijn de ontwerpen in staat om de leerervaring die de student ontvangt aan te passen op basis van factoren zoals reeds bestaande kennis, leerstijl en de voortgang van de student door middel van de inhoud materiaal.
een typische ITS zal een aantal conceptuele componenten of modellen bevatten die met elkaar interageren. Het content model bevat een web-achtige mapping van de te leren inhoud, het definiëren van de Voorwaarden en afhankelijkheden tussen de inhoud elementen. Het studentenmodel is uniek voor elke leerling en werkt parallel met het contentmodel om vast te leggen wat de student doet en nog niet begrijpt. Tot slot is er een methode om de instructie aan de leerling te geven, bekend als het pedagogische model.
de meeste ITS-systemen beginnen het instructieproces door te bepalen welke kennis de student al weet, meestal door middel van een assessment, en vervolgens de status van het studentenmodel bij te werken naarmate de instructie plaatsvindt. Het systeem vergelijkt wat nodig is om te weten met wat bekend is (dat wil zeggen het vergelijken van het studentenmodel met het inhoudsmodel) en levert de pedagogisch geschikte opleidingseenheid aan de student (zie diagram).
de instructie is vaak ingebed met assessment-en/of zeer interactieve probleemoplossingsmogelijkheden, zodat het studentenmodel dynamisch wordt bijgewerkt om altijd het huidige kennisniveau van de student weer te geven. Het ITS maakt gebruik van het feit dat de granulariteit van de inhoud zo fijn en goed afgestemd is op het studentenmodel, dat precies de juiste hoeveelheid herstel wordt geboden, waardoor theoretisch kortere leertijden worden geboden.
een van de meest succesvolle inspanningen, althans in termen van levensduur, is de reeks wiskundedocenten voor middelbare scholieren van de Carnegie Mellon University. Hoogleraar psychologie en informatica John Anderson was in staat om de techniek ervan te koppelen aan een cognitieve wetenschapstheorie voor het simuleren en begrijpen van menselijke cognitie. Zijn ACT * theory of learning werd gebruikt om een aantal succesvolle its-programma ‘ s in de vroege jaren 1980 voor het onderwijzen van de Lisp computerprogrammering, genaamd de Lisp Tutor, en uiteindelijk de succesvolle meetkunde en Algebra Tutors, die vandaag worden verkocht door Carnegie Learning Corporation.Onderwijspsycholoog Valerie Shute ontwikkelde in 1994 een populaire serie computermodules die een toespeling op de “Church Lady” gebruikte uit de populaire Dana Carvey skit op NBC ‘ s Saturday Night Live Tv show om inleidende statistieken te onderwijzen. Delen van stat Lady ’s student model design werden beïnvloed door Anderson’ s ACT* theory. Stat Lady was innovatief buiten de humoristische digitaal geanimeerde host, in die zin dat de student model was zeer strak afgestemd op de inhoud model en werd gecodeerd in procedurele, symbolische, conceptuele elementen, en bijgehouden met een zeer fijn niveau van granulariteit om de juiste curriculum sequencing en sanering te leveren aan de student op precies de meest waardevolle tijd.
Kunnen Intelligente Bijscholingssystemen Lesgeven?
ondanks het gebrek aan zichtbaarheid van ITS-systemen in de echte wereld buiten de rarified air van universitaire onderzoekslaboratoria, is er een bescheiden hoeveelheid onderzoek dat suggereert dat intelligente tutoring-systemen opmerkelijke stijgingen in het leren van studenten ten opzichte van het traditionele klassikale onderwijs kunnen bereiken.
bijvoorbeeld, Stat Lady ‘ s prestaties in vergelijking met hetzelfde inleidende statistische materiaal onderwezen in een traditionele klas en ze vond de veel gewilde twee-sigma verbetering met de ITS. Sherlock, een ITS ontworpen om veldonderhoudsprocedures te onderwijzen aan de monteurs van de grondbemanning van de luchtmacht op F-16-gevechtsvliegtuigen, was in staat om hetzelfde niveau van bekwaamheid na 20-25 uren van instructie op te leveren als degenen die traditionele opleiding over een periode van vier jaar namen. Carnegie Learning Corporation rapporteerde dat studenten die hun Algebra I Tutor namen 85% beter presteerden op beoordelingen van complexe probleemoplossende vaardigheden, 14% beter op basis wiskunde vaardigheden, en 30% beter op TIMSS assessments.
waarom intelligente Bijscholingssystemen niet tot bloei zijn gekomen
intelligente Bijscholingssystemen hebben hun potentieel duidelijk niet waargemaakt, althans wanneer ze worden beoordeeld op hun goedkeuring door de onderwijsgemeenschap, ondanks het feit dat ze de juiste combinatie van kenmerken lijken te hebben. Maar het zou niet eerlijk zijn om zo ‘ n dertig jaar onderzoek te schrappen voor wat lijkt op uitvoeringskwesties. De resultaten van de studies over de effectiviteit van de systemen suggereren dat ze effectief kunnen zijn in het bereiken van studenten leren, maar een aantal factoren hebben afgestemd op “nederlaag uit de kaken van de overwinning te leveren.”
misschien wel de belangrijkste hindernis om te overwinnen is de moeilijkheid bij het schrijven van cursusmateriaal gebruikt door zijn programma ‘ s. Historisch gezien hadden de meeste systemen hun inhoud “hard-gecodeerd” in de its-software, wat door ervaren programmeurs moest worden gedaan tegen grote kosten. Dit betekende ook dat instructeurs en andere vakdeskundigen niet rechtstreeks konden deelnemen aan de ontwikkeling van de inhoudsgedeelten van de systemen. Het probleem van het diagnosticeren van verkeerde antwoorden blijkt een buitengewoon moeilijk, tijdrovend en duur probleem te zijn om op te lossen; het vereist moeizaam verbinden met de hand een groot aantal potentiële verkeerde antwoorden met specifieke remediërende instructie.
Een Betere Muizenval?
bij het nadenken over ITS is het moeilijk om een potentieel effectiever systeem voor instructie voor te stellen. Dergelijke systemen bevatten een semantisch verbonden conceptualisatie van de inhoud die onderwezen moet worden, een manier om te weten wat de leerling wel en niet begrijpt, en een leveringsmethode die die instructie dienovereenkomstig aanpast. Het lijkt erop dat de vroege systemen niet goed genoeg werden uitgevoerd om mainstream te worden; maar ze moeten niettemin een rijke basis bieden voor toekomstige onderwijsmachines om lessen uit te trekken, aangezien deze systemen de macht van de computer beginnen te gebruiken voor meer dan alleen het geven van instructie.
