Tekst 8 Vandewaetere & Clarebout
Advanced technologies for personalized learning, instruction and performance
Advanced Technologies for
personalized learning, instruction
and performance
Inhoud tekst
overzicht van onderzoek dat geavanceerde technologieën, modellen & benaderingen
aanspreekt om gepersonaliseerd leren, instructie en presentatie in te richten
artificiële intelligentie en educational data mining voorzien geavanceerde technologieën die gebruikt
kunnen worden om een leermodel te vormen
De integratie van AI en ED mining = stevige basis voor effectiviteitsonderzoek naar gepersonaliseerde
systemen
INLEIDING
Er is geen duidelijk onderscheid tussen AI- of intelligentietechnologieën
MAAR
Artificiële intelligentie technologieën intelligentiesystemen
houden rekening met leren-gerelateerde info in de passen AI-technieken toe om meer en betere
leermodellen en gedragen zich anders voor ondersteuning of instructie voor de leerlingen
verschillende studenten of groepen studenten te voorzien
Uitdaging beide systemen
een effeciënt
leermodel
ontwikkelen dat de
kenmerken van de
leerling- en
leerprocessen meet
en vastlegt
er moet een
toepasselijk
redeneringsmodel
zijn deze moet de
waarden en
kenmerken van het
leermodel linken
aan de nodige
aanpassingen in het
instructioneel systeem
, Tekst 8 Vandewaetere & Clarebout
Advanced technologies for personalized learning, instruction and performance
antwoord op beide uitdagingen: AI en educational data mining
deze voorzien beide geavanceerde technologieën die het leermodel kunnen uitbreiden en
voorzien adaptieve en intelligente systemen
LEARNER MODELLING FOR PERSONALIZED LEARNING
= user modelling = student modeling
is het hart van een adaptief system die gepersonaliseerd leren voorziet
hoe meer relevante informatie het model bevat, hoe adaptiever het systeem is en hoe
gepersonaliseerder het leren kan zijn!
STATISCHE OF DYNAMISCHE BENADERING VAN HET LEERMODEL
Statische benadering = stereotype dynamische benadering = feature based
= het leermodel is gemaakt voor de lerende de ook intra-individuele verschillen worden in
leeromgeving betreedt rekening genomen
kenmerken vb. feature-based learner models
adaptie is gebaseerd op voortaak metingen leermodel wordt aangepast tijdens het leren
lerenden worden in groepen geclassificeerd doordat het model veranderingen in de individuele
bevat meer algemene informatie over leren eigenschappen van de lerende in interactie met de
omgeving kan traceren
vb. aanleg-behandeling-interactie-gebaseerd
onderzoek
nadeel
context effecten worden genegeerd
niet alle lerende karakteristieken
zijn even relevant om in het leermodel te
verwerken
Combinatie van de twee modellen = dual path
de lerende wordt eerst geclassificeerd en daarna wordt er een feature-based model opgesteld
zo wordt er ingespeeld op het ‘new users’ of ‘new learners’ probleem
METHODEN EN TECHNIEKEN VOOR HET VORMEN VAN LEERMODELLEN
2 technieken (soft computing)=
techniek 1 techniek 2 focus op neutrale netwerken
wil patronen herkennen in leerkenmerken en wil antwoorden en fouten van leerlingen
gedrag voorspellen zo is men in staat om adaptieve
zo de patronen integreren in het leermodel leerpaden aan te bieden op basis van de
voorspelde reacties
taak onderzoeker: de meest passende methode selecteren om het meest optimale leermodel te
ontwikkelen
Dynamische modellen geven de indruk dat statische modellen niet meer geschikt zijn niet waar
Advanced technologies for personalized learning, instruction and performance
Advanced Technologies for
personalized learning, instruction
and performance
Inhoud tekst
overzicht van onderzoek dat geavanceerde technologieën, modellen & benaderingen
aanspreekt om gepersonaliseerd leren, instructie en presentatie in te richten
artificiële intelligentie en educational data mining voorzien geavanceerde technologieën die gebruikt
kunnen worden om een leermodel te vormen
De integratie van AI en ED mining = stevige basis voor effectiviteitsonderzoek naar gepersonaliseerde
systemen
INLEIDING
Er is geen duidelijk onderscheid tussen AI- of intelligentietechnologieën
MAAR
Artificiële intelligentie technologieën intelligentiesystemen
houden rekening met leren-gerelateerde info in de passen AI-technieken toe om meer en betere
leermodellen en gedragen zich anders voor ondersteuning of instructie voor de leerlingen
verschillende studenten of groepen studenten te voorzien
Uitdaging beide systemen
een effeciënt
leermodel
ontwikkelen dat de
kenmerken van de
leerling- en
leerprocessen meet
en vastlegt
er moet een
toepasselijk
redeneringsmodel
zijn deze moet de
waarden en
kenmerken van het
leermodel linken
aan de nodige
aanpassingen in het
instructioneel systeem
, Tekst 8 Vandewaetere & Clarebout
Advanced technologies for personalized learning, instruction and performance
antwoord op beide uitdagingen: AI en educational data mining
deze voorzien beide geavanceerde technologieën die het leermodel kunnen uitbreiden en
voorzien adaptieve en intelligente systemen
LEARNER MODELLING FOR PERSONALIZED LEARNING
= user modelling = student modeling
is het hart van een adaptief system die gepersonaliseerd leren voorziet
hoe meer relevante informatie het model bevat, hoe adaptiever het systeem is en hoe
gepersonaliseerder het leren kan zijn!
STATISCHE OF DYNAMISCHE BENADERING VAN HET LEERMODEL
Statische benadering = stereotype dynamische benadering = feature based
= het leermodel is gemaakt voor de lerende de ook intra-individuele verschillen worden in
leeromgeving betreedt rekening genomen
kenmerken vb. feature-based learner models
adaptie is gebaseerd op voortaak metingen leermodel wordt aangepast tijdens het leren
lerenden worden in groepen geclassificeerd doordat het model veranderingen in de individuele
bevat meer algemene informatie over leren eigenschappen van de lerende in interactie met de
omgeving kan traceren
vb. aanleg-behandeling-interactie-gebaseerd
onderzoek
nadeel
context effecten worden genegeerd
niet alle lerende karakteristieken
zijn even relevant om in het leermodel te
verwerken
Combinatie van de twee modellen = dual path
de lerende wordt eerst geclassificeerd en daarna wordt er een feature-based model opgesteld
zo wordt er ingespeeld op het ‘new users’ of ‘new learners’ probleem
METHODEN EN TECHNIEKEN VOOR HET VORMEN VAN LEERMODELLEN
2 technieken (soft computing)=
techniek 1 techniek 2 focus op neutrale netwerken
wil patronen herkennen in leerkenmerken en wil antwoorden en fouten van leerlingen
gedrag voorspellen zo is men in staat om adaptieve
zo de patronen integreren in het leermodel leerpaden aan te bieden op basis van de
voorspelde reacties
taak onderzoeker: de meest passende methode selecteren om het meest optimale leermodel te
ontwikkelen
Dynamische modellen geven de indruk dat statische modellen niet meer geschikt zijn niet waar
