Samenvatting tekst 4 - will media never influence learning (clark)

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