Adaptive Tutorsysteme

Transkript

1 Adaptive Tutorsysteme Definitionen: Adaptierbare Systeme bieten Konfigurationsmöglichkeiten, so dass der Benutzer das System sich an seine Bedürfnisse anpassen kann. Vorteil: Einfach zu implementieren Nachteil: Häufig Überforderung des Benutzers Adaptive Systeme passen sich selbstständig an den Benutzer an. Vorteil: Benutzerfreundlich Nachteile: Aufwändig (erfordert Lernermodell und Inferenz) Fehleranfällig (bei falschen Lernermodellen) Kombination häufig sinnvoll Intelligente Tutorsysteme Frank Puppe 1 Anwendungsmöglichkeiten Ein- / Ausblenden & Annotieren von Textteilen und Links zusätzliche Erklärungen weiterführender Stoff Voraussetzungen / Vergleiche z.b. Einblenden aller relevanten Begriffe Vergleiche mit bekannten Konzepten zeigen Erklärungsvarianten z.b. Beispiele aus verschiedenen Domänen je nach Vorwissen der Lerner unterschiedliche Schwierigkeitsgrade je nach Vorwissen Stoffzusammenstellung und -sortierung auf Vorwissen, Zeit und Lernziel ausgerichtete Stoffauswahl Intelligente Tutorsysteme Frank Puppe 2

2 Was kann adaptiert werden? Inhalts-Präsentation Navigation Übungsaufgaben Voraussetzung: Lernermodell Intelligente Tutorsysteme Frank Puppe 3 Adaptive Präsentation Modalitäten (Medienauswahl) Gestaltung / Auswahl der Multimediaelemente Generierung von Texten Präsentation von vorformuliertem Text Conditional Text: Einfügen / Ausblenden / Austauschen / Dimmen / Hervorheben von Textteilen Strechtext: Ersetzen von Texttteilen durch Links Textvarianten (z.b. für mehrsprachige Dokumente) Repräsentation von Textteilen als Objekt mit Attributen Zusammenstellen bzw. Sortieren des Lernstoffes gemäß vorgegebenen Lernziel bzw. Präferenzen (curriculum sequenzing) Intelligente Tutorsysteme Frank Puppe 4

3 Beispiel für adaptive Textpräsentation Kurze Information: Zeus: oberster Gott in der griechischen Mythologie bekommt Opfergaben Machterwerb durch Kampf gegen Titanen Waffe sind Blitze Ausführliche Information: Zeus ist der oberste Gott in der griechischen Mythologie. Ihm wurden daher besondere Opfergaben dargebracht. An die Macht gelangte Zeus nach einem zehnjährigen Kampf gegen die Titanen.... Stretch-Text: Zeus ist der oberste Gott in der griechischen Mythologie. mehr Intelligente Tutorsysteme Frank Puppe 5 Adaptive Navigation Direkte Führung Link-Sortierung (z.b. in Suchmaschinen) Link-Verbergen (Deaktivieren, Entfernen) Link-Annotierung Link-Generierung Karten-Adaptierung Intelligente Tutorsysteme Frank Puppe 6

4 Beispiele für adaptive Navigation (1) 1.Direkte Führung (nur mutmaßlich bester Link für Benutzerziel) Zeus ist der... Next: Opfergaben 2. Link-Sortierung Zeus ist der... Links: Opfergabe Tempel Olymp griech. Mythologie Hera Kampf gegen Titanen 3. Link-Verbergen: z.b. den Link "Kampf gegen Titanen" weglassen bzw. deaktivieren, falls beim Benutzer Vorwissen fehlt. 4. Link-Adaptation grün: empfohlen, orange: möglich, rot: nicht empfohlen Zeus ist der oberste Gott in der griechischen Mythologie. Ihm wurden daher besondere Opfergaben dargebracht. An die Macht gelangte Zeus nach einem zehnjährigen Kampf gegen die Titanen.... (Ampel-Metapher für Farbgebung weit verbreitet) Intelligente Tutorsysteme Frank Puppe 7 Beispiele für adaptive Navigation (2) 5. Link-Generierung Zeus ist der... Orakel von Delphi Jupiter Odin 6. Map Adaption: Opfergaben Links:... - Originallinks des Knotens - danach die neuen Links: - wegen Ziel: Götter im Alltag - wegen Interesse: Mythologie; Jupiter in römischer; Odin in germanischer Mythologie oberster Gott Zeus griech. Mythologie Odin Olymp Tempel Intelligente Tutorsysteme Frank Puppe 8

5 Adaptive Übungsaufgaben Auswahl nach Nicht-Bearbeitung nach falsch-gelöst nach Schwierigkeitsgrad nach Bearbeitungsdauer nach Vorkenntnissen Umgestaltung Umwandlung, z.b. MC-Fragen in Freittextfragen Tipps geben Generierung (z.b. um Wissensdefizite zu adressieren) Einfach für numerische Aufgaben mit Formel Erfordert Hintergrundwissen über Lösung Bsp.: Fallgenerierung beim problemorientierten Lernen Intelligente Tutorsysteme Frank Puppe 9 Komponenten eines adaptiven Tutorsystems Intelligente Tutorsysteme Frank Puppe 10

6 Lerner- und Domänenmodell Wissen über den Lerner (Benutzer) Historie (was hat er gemacht) Lernziel (z.b. Diabetes) Lernart (z.b. Orientierungswissen, Grundkonzepte, Prüfungsvorbereitung, ) Stil: (z.b. will keinen Ton) Vorwissen Niveau: Anfänger, Fortgeschrittener, Experte, Teilwissen (z.b. Diabetes-Therapie bekannt) Wissen über den Inhalt (Domäne) Klassifizierung der Fragmente (vgl. Learning Material Markup Language, s.o.) Voraussetzungen und Lernziele der Lerneinheiten Schwierigkeitsgrad Intelligente Tutorsysteme Frank Puppe 11 Aufbauen des Lernermodells durch Selbsteinschätzung (Fragebogen) durch Übungsaufgaben durch besuchte Seiten (evtl. mit Verweildauer, Aktionen) durch Umgang mit System schwierig, da sich das Wissen beim Lernen ändert. Intelligente Tutorsysteme Frank Puppe 12

7 Adaptive Internet-Tutorsysteme NetCoach (im folgenden genauer beschrieben) ELM-ART I und II: LISP-Tutor; Vorgänger von NetCoach; ähnliche Konzepte InterBook: Verallgemeinerung von ELM-ART zu Autorensystem; Visualisierung des Glossar für Navigation KBS Hyperbook: Objekte repräsentieren Inhaltsseiten; semantische Zusammenhänge zwischen Objekten modelliert; Overlay-Modell zur Lernermodellierung als Bayessches Netz AHM: Sehr detaillierte Modellierung von Vorbindungskanten für Konzepte (Objekte): Numerische Werte mit Verrechnung AHA (Adaptive Hypermedia Architecture): ebenfalls detailliertes Overlaymodell, Conditional Text und Adaptive Links. iteach: Integration der Techniken in Diplomarbeit von A. Guicking am Lehrstuhl (Anwendung: Java-Praktikum) Intelligente Tutorsysteme Frank Puppe 13 Beispiel: NetCoach Weiterentwicklung von ELM-ART (eines der ersten adaptiven webbbasierten Tutorsysteme) an der Univ. Freiburg Autorensystem Verwendete Adaptations-Techniken: Curriculum Sequencing Adaptive Annotation von Links Basis-Repräsentatation: Kurse bestehen aus Konzepten, die Seiten repräsentieren Relationen zwischen Konzepten direkte Voraussetzung (prerequisite) indirekte Voraussetzung (indirect prerequisite) Inferenz (A inferenz B = wenn Lerner A beherrscht, dann auch B) Test (Beziehung zwischen Übungsaufgaben und Konzepten) Intelligente Tutorsysteme Frank Puppe 14

8 Beispiele für Relationen mit Anwendungen Beispiel für Sequencing mit Ziel "Chap " Chapter 1 Chapter 1.2 Chapter 2 Chapt a: Voraussetzung, b: indirekte Voraussetzung, c, e: Inferenz, d: Test Link- Annotation: ebenfalls möglich Intelligente Tutorsysteme Frank Puppe 15 Lernermodell Overlay-Modell über Konzepte (d.h. bei jedem Konzept wird notiert, ob der Lerner es weiss) Ein Konzept wird als gelernt markiert, wenn der Lerner entsprechende Tests bestanden hat wenn es aus anderen gelernten Konzepten hergeleitet werden kann ("Inferenz") wenn er es selber als bekannt markiert (d.h. Lerner kann Lernermodell inspizieren und ändern) falls es keine Tests gibt: wenn der Lerner sich die Kapitel angeschaut hat (sollte vermieden werden). Intelligente Tutorsysteme Frank Puppe 16

9 Beispiel für Lernermodell Intelligente Tutorsysteme Frank Puppe 17