Интеллектуальная система обучения - Intelligent tutoring system

An интеллектуальная система обучения (ЭТО) это компьютерная система который направлен на предоставление немедленных и индивидуальных инструкций или отзывов для ученики,[1] обычно без вмешательства человека учитель. Общая цель ИТС - дать возможность обучения осмысленным и эффективным образом с использованием различных компьютерных технологий. Существует множество примеров использования ИТС как в формальном образовании, так и в профессиональной среде, в которых они продемонстрировали свои возможности и ограничения. Существует тесная взаимосвязь между интеллектуальным обучением, теориями когнитивного обучения и дизайном; и ведутся исследования по повышению эффективности ИТС. ITS обычно стремится воспроизвести продемонстрированные преимущества индивидуального индивидуального обучения в условиях, когда в противном случае учащиеся имели бы доступ к индивидуальным инструкциям от одного учителя (например, лекции в классе) или без учителя вообще (например, домашнее задание онлайн).[2] ИТС часто разрабатываются с целью предоставить каждому учащемуся доступ к высококачественному образованию.

История

Ранние механические системы

Обучающая машина Скиннера 08

Возможность создания интеллектуальных машин обсуждалась веками. Блез Паскаль создал первую вычислительную машину, способную выполнять математические функции в 17 веке, которую просто назвали Калькулятор Паскаля. В это время математик и философ Готфрид Вильгельм Лейбниц предусмотрели машины, способные рассуждать и применять правила логики для разрешения споров (Buchanan, 2006).[3] Эти ранние работы способствовали развитию компьютера и будущих приложений.

Концепция интеллектуальных машин для использования в обучении появилась еще в 1924 году, когда Сидни Пресси из Университета штата Огайо создали механическую обучающую машину для обучения студентов без учителя-человека.[4][5] Его машина очень напоминала пишущую машинку с несколькими клавишами и окном, через которое ученик задавал вопросы. Машина Pressey позволяла пользователю вводить данные и сразу же давала обратную связь, записывая результат на счетчике.[6]

Сам Пресси находился под влиянием Эдвард Л. Торндайк, теоретик обучения и педагог-психолог педагогического колледжа Колумбийского университета в конце 19 - начале 20 веков. Торндайк установил законы для максимального обучения. Законы Торндайка включали закон силы, то закон исполнения, а закон новизны. Следуя более поздним стандартам, обучающая и испытательная машина Pressey не могла считаться интеллектуальной, поскольку она работала механически и основывалась на одном вопросе и ответе за раз.[6] но это стало ранним прецедентом для будущих проектов. К 1950-м и 1960-м годам появились новые перспективы обучения. Буррхус Фредерик "Б.Ф." Скиннер в Гарвардский университет не согласен с теорией обучения коннекционизма Торндайка или обучающей машиной Пресси. Скорее, Скиннер был бихевиорист которые считали, что учащиеся должны строить свои ответы, а не полагаться на признание.[5] Он также сконструировал обучающую машину, основанную на инкрементальной механической системе, которая награждала студентов за правильные ответы на вопросы.[5]

Ранние электронные системы

В период после Второй мировой войны механические двоичные системы уступили место электронным машинам на основе двоичных данных. Эти машины считались интеллектуальными по сравнению с их механическими аналогами, поскольку они обладали способностью принимать логические решения. Однако исследование определения и распознавания машинного интеллекта все еще находилось в зачаточном состоянии.

Алан Тьюринг, математик, логик и компьютерный ученый, связал вычислительные системы с мышлением. В одной из его самых заметных работ описан гипотетический тест для оценки интеллекта машины, которая стала известна как Тест Тьюринга. По сути, в тесте человек будет общаться с двумя другими агентами, человеком и компьютером, задавая вопросы обоим получателям. Компьютер проходит тест, если он может отвечать таким образом, что человек, задающий вопросы, не может различить другого человека и компьютер. По сути, тест Тьюринга использовался более двух десятилетий в качестве модели для текущего развития ИТС. Главный идеал ITS-систем - эффективное общение.[6] Еще в 1950-х годах появлялись программы, отображающие интеллектуальные функции. Работа Тьюринга, а также более поздние проекты таких исследователей, как Аллен Ньюэлл, Клиффорд Шоу и Херб Саймон, показали программы, способные создавать логические доказательства и теоремы. Их программа, Теоретик логики демонстрировал сложные манипуляции с символами и даже генерирование новой информации без прямого контроля человека и считается некоторыми первой программой ИИ. Такие прорывы вдохновят новую область Искусственный интеллект официально назван в 1956 г. Джон Маккарти в 1956 г. Дартмутская конференция.[3] Эта конференция была первой в своем роде, посвященной ученым и исследованиям в области ИИ.

Терминал PLATO V CAI в 1981 году

Во второй половине 1960-х и 1970-х гг. Появилось много новых проектов CAI (компьютерное обучение), основанных на достижениях информатики. Создание АЛГОЛ Язык программирования в 1958 году позволил многим школам и университетам начать разработку программ компьютерного обучения (CAI). Основные поставщики компьютеров и федеральные агентства в США, такие как IBM, HP и Национальный научный фонд, финансировали разработку этих проектов.[7] Ранние реализации в образовании были сосредоточены на программном обучении (PI), структуре, основанной на компьютеризированной системе ввода-вывода. Хотя многие поддерживали эту форму обучения, было мало доказательств, подтверждающих ее эффективность.[6] Язык программирования ЛОГОТИП была создана в 1967 году Уолли Ферзейг, Синтия Соломон, и Сеймур Паперт как язык, оптимизированный для образования. PLATO, образовательный терминал с дисплеями, анимацией и сенсорным управлением, который может хранить и передавать большие объемы учебного материала, был разработан Дональдом Битцером в Университете Иллинойса в начале 1970-х годов. Наряду с этим, многие другие проекты CAI были инициированы во многих странах, включая США, Великобританию и Канаду.[7]

В то же время, когда интерес к CAI вызывал интерес, Хайме Карбонелл предположил, что компьютеры могут выступать в роли учителя, а не просто инструмента (Карбонелл, 1970).[8] Появится новая перспектива, которая будет сосредоточена на использовании компьютеров для интеллектуального обучения студентов под названием «Интеллектуальное обучение с использованием компьютера» или «Интеллектуальные системы обучения» (ITS). Где CAI использовал бихевиористскую точку зрения на обучение, основанное на теориях Скиннера (Dede & Swigger, 1988),[9] ITS основывалась на работе в области когнитивной психологии, информатики и особенно искусственного интеллекта.[9] В то время в исследованиях искусственного интеллекта произошел сдвиг, поскольку системы перешли от логического фокуса предыдущего десятилетия к системам, основанным на знаниях - системы могли принимать разумные решения на основе предшествующих знаний (Buchanan, 2006).[3] Такую программу создали Сеймур Паперт и Ира Голдштейн, которые создали Дендраль, система, которая предсказывала возможные химические структуры на основе имеющихся данных. Дальнейшие исследования начали демонстрировать аналогичные рассуждения и языковую обработку. Эти изменения с упором на знания имели большое значение для использования компьютеров в обучении. Однако технические требования ITS оказались выше и сложнее, чем системы CAI, и системы ITS в настоящее время не будут иметь большого успеха.[7]

К концу 1970-х годов интерес к технологиям CAI начал ослабевать.[7][10] Компьютеры по-прежнему были дорогими и не такими доступными, как ожидалось. Разработчики и инструкторы негативно отреагировали на высокую стоимость разработки программ CAI, неадекватное обеспечение подготовки инструкторов и нехватку ресурсов.[10]

Микрокомпьютеры и интеллектуальные системы

Революция в области микрокомпьютеров в конце 1970-х - начале 1980-х годов помогла возродить разработку CAI и дать толчок развитию систем ITS. Персональные компьютеры, такие как Яблоко 2, Commodore PET, и TRS-80 сократили ресурсы, необходимые для владения компьютерами, и к 1981 году 50% школ США использовали компьютеры (Chambers & Sprecher, 1983).[7] Несколько проектов CAI использовали Apple 2 в качестве системы для реализации программ CAI в средних школах и университетах, включая проект Британской Колумбии и Проект государственного университета Калифорнии в 1981 году.[7]

В начале 1980-х годов цели интеллектуального компьютерного обучения (ICAI) и ИТС расходятся с их корнями в CAI. По мере того как CAI все больше фокусировался на более глубоком взаимодействии с контентом, созданным для конкретной области интересов, ITS стремилась создать системы, ориентированные на знание задачи и способность обобщать эти знания неспецифическими способами (Larkin & Chabay, 1992).[9] Ключевые цели, поставленные перед ITS, заключались в том, чтобы научить задачу, а также выполнять ее, динамически адаптируясь к ее ситуации. При переходе от систем CAI к системе ICAI компьютер должен будет различать не только правильный и неправильный ответ, но и тип неправильного ответа, чтобы скорректировать тип инструкции. Исследования в Искусственный интеллект и Когнитивная психология подпитывает новые принципы ИТС. Психологи рассмотрели, как компьютер может решать проблемы и выполнять «разумные» действия. Программа ITS должна быть способна представлять, хранить и извлекать знания и даже искать в своей собственной базе данных, чтобы получать свои собственные новые знания для ответа на вопросы учащихся. По сути, ранние спецификации для ITS или (ICAI) требуют, чтобы он «диагностировал ошибки и адаптировал исправления на основе диагноза» (Shute & Psotka, 1994, p. 9).[6] Идея диагностики и исправления все еще используется при программировании ИТС.

Ключевым прорывом в исследовании ITS стало создание LISP Tutor, программы, которая реализовала принципы ITS на практике и показала многообещающие эффекты, повышающие успеваемость учащихся. LISP Tutor был разработан и исследован в 1983 году как система ITS для обучения студентов языку программирования LISP (Corbett & Anderson, 1992).[11] Репетитор LISP мог выявлять ошибки и давать конструктивную обратную связь студентам во время выполнения упражнения. Было обнаружено, что система сокращает время, необходимое для выполнения упражнений, при одновременном улучшении результатов тестов учащихся (Corbett & Anderson, 1992).[11] Другие системы ITS, которые начали развиваться примерно в это же время, включают TUTOR, созданный Logica в 1984 году в качестве общего учебного инструмента.[12] и PARNASSUS, созданный в Университете Карнеги-Меллона в 1989 году для языкового обучения.[13]

Современные ИТС

После внедрения начальной ИТС большее количество исследователей создали несколько ИТС для разных студентов. В конце 20 века Intelligent Tutoring Tools (ITT) был разработан проектом Byzantium, в котором участвовали шесть университетов. ITT были разработчиками систем обучения общего назначения, и многие учреждения получили положительные отзывы при их использовании. (Кинщук, 1996)[14] Этот конструктор, ITT, будет создавать интеллектуальный обучающий апплет (ITA) для различных предметных областей. Различные учителя создали ITA и создали обширный перечень знаний, которые были доступны другим через Интернет. После создания ИТС учителя могут скопировать и изменить для будущего использования. Эта система была эффективной и гибкой. Однако Киншук и Патель считали, что ИТС не была разработана с образовательной точки зрения и не была разработана с учетом реальных потребностей студентов и учителей (Kinshuk and Patel, 1997).[15] В недавней работе использовались этнографические и дизайнерские методы исследования.[16] изучить, как на самом деле студенты используют ИТС[17] и учителя[18] в различных контекстах, часто обнаруживая непредвиденные потребности, которые они удовлетворяют, не удовлетворяют или в некоторых случаях даже создают.

Современные ИТС обычно пытаются воспроизвести роль учителя или помощника учителя и все больше автоматизировать педагогические функции, такие как создание проблем, выбор проблем и формирование обратной связи. Однако, учитывая нынешний сдвиг в сторону моделей смешанного обучения, недавняя работа над ИТС начала сосредотачиваться на том, как эти системы могут эффективно использовать дополнительные сильные стороны обучения под руководством человека от учителя.[19] или коллега,[20] при использовании в совместных классах или других социальных контекстах.[21]

На основе диалогового диалога функционировали три проекта ITS: AutoTutor, Атлас (Фридман, 1999),[22] и Почему2. Идея, лежащая в основе этих проектов, заключалась в том, что, поскольку студенты лучше всего учатся, конструируя знания сами, программы будут начинаться с наводящих вопросов для студентов и давать ответы в крайнем случае. Студенты AutoTutor сосредоточились на ответах на вопросы о компьютерных технологиях, студенты Atlas сосредоточились на решении количественных задач, а студенты Why2 сосредоточились на качественном объяснении физических систем. (Graesser, VanLehn и др., 2001)[23] Другие аналогичные системы обучения, такие как Andes (Gertner, Conati, and VanLehn, 1998)[24] как правило, дают подсказки и немедленную обратную связь для учащихся, когда учащиеся не могут ответить на вопросы. Они могли угадывать свои ответы и получать правильные ответы без глубокого понимания концепций. Исследования проводились с небольшой группой студентов с использованием Атласа и Анд соответственно. Результаты показали, что учащиеся, использующие Атлас, добились значительных успехов по сравнению со студентами, использующими Анд.[25] Однако, поскольку вышеупомянутые системы требуют анализа диалогов студентов, еще предстоит усовершенствовать их, чтобы можно было управлять более сложными диалогами.

Структура

Интеллектуальные обучающие системы (ИТС) состоят из четырех основных компонентов, основанных на общем консенсусе среди исследователей (Nwana, 1990;[26] Фридман, 2000;[27] Nkambou et al., 2010[28]):

  1. Модель предметной области
  2. Студенческая модель
  3. Модель наставничества и
  4. Модель пользовательского интерфейса

В модель предметной области (также известный как когнитивная модель или модель экспертных знаний) построена на теории обучения, такой как ACT-R теория, которая пытается учесть все возможные шаги, необходимые для решения проблемы. Более конкретно, эта модель «содержит концепции, правила и стратегии решения проблем в предметной области, которую необходимо изучить. Она может выполнять несколько ролей: как источник экспертных знаний, стандарт для оценки успеваемости учащегося или для обнаружения ошибок и т. Д. . " (Nkambou et al., 2010, с. 4).[28] Другой подход к разработке моделей предметной области основан на теории обучения на ошибках производительности Стеллана Олссона.[29] известное как моделирование на основе ограничений (CBM).[30] В этом случае модель предметной области представлена ​​как набор ограничений на правильные решения.[31][32]

В модель студента можно рассматривать как наложение на модель предметной области. Он считается основным компонентом ИТС, в котором особое внимание уделяется когнитивным и эмоциональным состояниям учащихся и их эволюции по мере продвижения процесса обучения. По мере того, как учащийся шаг за шагом выполняет процесс решения проблемы, ИТС участвует в процессе, называемом трассировка модели. Каждый раз, когда модель студента отклоняется от модели предметной области, система определяет или флаги, что произошла ошибка. С другой стороны, в наставниках, основанных на ограничениях, модель ученика представлена ​​как наложение на набор ограничений.[33] Репетиторы на основе ограничений[34] оценить решение учащегося относительно набора ограничений и выявить удовлетворенные и нарушенные ограничения. Если есть какие-либо нарушенные ограничения, решение учащегося неверно, и ITS предоставляет обратную связь по этим ограничениям.[35][36] Репетиторы, основанные на ограничениях, предоставляют отрицательные отзывы (т. Е. Отзывы об ошибках), а также положительные отзывы.[37]

В модель наставника принимает информацию из предметной области и моделей студентов и делает выбор в отношении стратегий и действий обучения. В любой момент в процессе решения проблемы учащийся может запросить руководство о том, что делать дальше относительно своего текущего местоположения в модели. Кроме того, система распознает, когда учащийся отклонился от производственных правил модели, и предоставляет учащемуся своевременную обратную связь, в результате чего сокращается период времени для достижения мастерства с целевыми навыками.[38] Модель наставника может содержать несколько сотен производственных правил, которые, как можно сказать, существуют в одном из двух состояний: научился или же неученый. Каждый раз, когда ученик успешно применяет правило к задаче, система обновляет оценку вероятности того, что ученик усвоил правило. Система продолжает обучать студентов упражнениям, требующим эффективного применения правила, до тех пор, пока вероятность того, что правило усвоено, не достигнет как минимум 95%.[39]

Отслеживание знаний отслеживает прогресс учащегося от проблемы к проблеме и строит профиль сильных и слабых сторон в соответствии с производственными правилами. Система когнитивного обучения, разработанная Джон Андерсон в Университете Карнеги-Меллона представляет информацию, полученную в результате отслеживания знаний, как скиллометр, наглядный график успехов учащегося в каждом из контролируемых навыков, связанных с решением задач алгебры. Когда учащийся запрашивает подсказку или помечается ошибка, данные отслеживания знаний и скиллометр обновляются в реальном времени.

В пользовательский интерфейс компонент "объединяет три типа информации, которая необходима при проведении диалога: знания о моделях интерпретации (для понимания говорящего) и действия (для генерации высказываний) в рамках диалогов; знания предметной области, необходимые для передачи контента; и знания, необходимые для передачи намерений. "(Padayachee, 2002, стр. 3).[40]

Nkambou et al. (2010) упомяните Nwana's (1990)[26] обзор различных архитектур, подчеркивающий сильную связь между архитектурой и парадигмой (или философией). Нвана (1990) заявляет: «Это почти редкость, чтобы найти две ITS, основанные на одной и той же архитектуре, [что] является результатом экспериментального характера работ в этой области» (стр. 258). Он также объясняет, что разные философии обучения подчеркивают разные компоненты процесса обучения (например, предметную область, ученика или репетитора). Архитектурный дизайн ITS отражает этот акцент, и это приводит к множеству архитектур, ни одна из которых по отдельности не может поддерживать все стратегии обучения (Nwana, 1990, цитируется в Nkambou et al., 2010). Более того, проекты ITS могут различаться в зависимости от относительного уровня интеллекта компонентов. Например, проект, выделяющий интеллект в модели предметной области, может генерировать решения сложных и новых проблем, так что у студентов всегда могут быть новые проблемы, над которыми можно работать, но в нем могут быть только простые методы обучения этим проблемам, в то время как система, которая концентрируется на нескольких или новые способы преподавания определенной темы могут найти менее сложное представление этого содержания.[27]

Методы проектирования и разработки

За исключением несоответствия между архитектурами ИТС, каждая из которых подчеркивает разные элементы, разработка ИТС во многом аналогична любой. учебный дизайн процесс. Corbett et al. (1997) резюмировал проектирование и развитие ИТС как состоящее из четырех итеративных этапов: (1) оценка потребностей, (2) анализ когнитивных задач, (3) начальное внедрение наставника и (4) оценка.[41]

Первый этап, известный как оценка потребностей, является общим для любого учебного процесса проектирования, особенно разработки программного обеспечения. Это предполагает анализ учащегося, консультации с профильными экспертами и / или инструктором (ами). Этот первый шаг является частью развития экспертной / знаний и студенческой области. Цель состоит в том, чтобы определить цели обучения и набросать общий план учебной программы; Крайне важно не компьютеризовать традиционные концепции, а разработать новую структуру учебной программы, определяя задачу в целом и понимая возможное поведение учащихся при выполнении задачи и, в меньшей степени, поведение наставника. При этом необходимо учитывать три важнейших аспекта: (1) вероятность того, что студент сможет решать задачи; (2) время, необходимое для достижения этого уровня успеваемости, и (3) вероятность того, что студент будет активно использовать эти знания в будущем. Другой важный аспект, требующий анализа, - это экономическая эффективность интерфейса. Более того, необходимо оценивать характеристики учителей и учащихся, такие как предварительные знания, поскольку обе группы будут пользователями системы.[41]

Второй этап, когнитивный анализ задач, представляет собой подробный подход к программированию экспертных систем с целью разработки достоверной вычислительной модели необходимых знаний по решению проблем. Основные методы разработки модели предметной области включают: (1) интервьюирование экспертов предметной области, (2) проведение исследований протокола «думай вслух» с экспертами предметной области, (3) проведение исследований «думай вслух» с новичками и (4) наблюдение за преподаванием и обучением. поведение. Хотя чаще всего используется первый метод, эксперты обычно не могут сообщить о когнитивных компонентах. Метод «думать вслух», при котором эксперта просят сообщить вслух, что он / она думает при решении типовых задач, позволяет избежать этой проблемы.[41] Наблюдение за реальным онлайн-взаимодействием между преподавателями и учениками предоставляет информацию, относящуюся к процессам, используемым при решении проблем, что полезно для построения диалога или интерактивности в системах обучения.[42]

Третий этап, начальная реализация наставника, включает в себя создание среды решения проблем, обеспечивающей и поддерживающей аутентичный процесс обучения. За этим этапом следует серия оценочных мероприятий в качестве заключительного этапа, который снова похож на любой проект разработки программного обеспечения.[41]

Четвертый этап, оценка включает (1) пилотные исследования для подтверждения базового удобства использования и образовательного воздействия; (2) формирующие оценки разрабатываемой системы, включая (3) параметрические исследования, изучающие эффективность функций системы, и, наконец, (4) итоговые оценки конечного эффекта наставника: скорость обучения и уровни асимптотических достижений.[41]

Разнообразие инструменты разработки были разработаны для поддержки этого процесса и создания интеллектуальных наставников, включая ASPIRE,[43] Cognitive Tutor Authoring Tools (CTAT),[44] ПОДАРОК,[45] ПОМОЩЬ Builder[46] и инструменты AutoTutor.[47] Цель большинства этих инструментов разработки - упростить процесс разработки репетиторов, позволяя людям с меньшим опытом, чем профессиональные программисты ИИ, разрабатывать интеллектуальные системы репетиторства.

Восемь принципов построения и развития ИТС

Андерсон и др. (1987)[48] изложил восемь принципов интеллектуального проектирования наставников, а Корбетт и др. (1997)[41] позже развивая эти принципы, подчеркивая всеобъемлющий принцип, которым, по их мнению, руководствовался разумный наставник, они назвали этот принцип:

Принцип 0: Интеллектуальная система репетитора должна позволять ученику работать до успешного завершения решения проблем.

  1. Представьте студенческие компетенции как производственный набор.
  2. Сообщите структуру целей, лежащих в основе решения проблемы.
  3. Дайте инструкции в контексте решения проблем.
  4. Содействовать абстрактному пониманию знаний о решении проблем.
  5. Минимизируйте нагрузку на рабочую память.
  6. Мгновенно сообщайте об ошибках.
  7. Отрегулируйте размер инструкции по мере обучения.
  8. Облегчите последовательное приближение к целевому навыку.[41]

Использование на практике

Все это требует значительного объема работы, даже если для облегчения этой задачи стали доступны инструменты разработки.[49] Это означает, что создание ИТС является вариантом только в тех случаях, когда они, несмотря на относительно высокие затраты на разработку, все же сокращают общие затраты за счет сокращения потребности в людях-инструкторах или значительного повышения общей производительности. Такие ситуации возникают, когда большие группы нужно обучать одновременно или требуется много репетиторских усилий. Речь идет о ситуациях технической подготовки, таких как подготовка новобранцев и математика в средней школе. Один конкретный тип интеллектуальной системы обучения, Когнитивный репетитор, был включен в учебные программы по математике в значительном числе средних школ США, что позволило улучшить результаты обучения учащихся на выпускных экзаменах и стандартизированных тестах.[50] Были созданы интеллектуальные системы обучения, чтобы помочь студентам изучать географию, схемы, медицинскую диагностику, компьютерное программирование, математику, физику, генетику, химию и т. Д. Интеллектуальные системы обучения языку (ILTS), например это[51] во-первых, обучать естественному языку изучающих первый или второй язык. ILTS требует специализированных инструментов обработки естественного языка, таких как большие словари и морфологические и грамматические анализаторы с приемлемым охватом.

Приложения

Во время быстрого распространения веб-бума появились новые парадигмы компьютерных инструкций, такие как электронное обучение и распределенное обучение предоставили отличную платформу для идей ИТС. Области, в которых использовалась ИТС, включают: обработка естественного языка, машинное обучение, планирование, мультиагентные системы, онтологии, семантическая сеть, а также социальные и эмоциональные вычисления. Кроме того, другие технологии, такие как мультимедиа, объектно-ориентированные системы, моделирование, симуляция и статистика также были связаны или объединены с ITS. Исторически нетехнологические области, такие как педагогические науки и психология, также испытали влияние на успех ИТС.[52]

В былые времена[когда? ]ITS начала отходить от поиска, основанного на поиске, и теперь включает ряд практических приложений.[53] ИТС расширилась во многих критических и сложных когнитивных областях, и результаты были далеко идущими. Системы ITS прочно вошли в формальное образование, и эти системы нашли свое место в сфере корпоративного обучения и организационного обучения. ITS предлагает учащимся несколько возможностей, таких как индивидуальное обучение, своевременная обратная связь и гибкость во времени и пространстве.

Хотя интеллектуальные обучающие системы возникли на основе исследований в области когнитивной психологии и искусственного интеллекта, в настоящее время существует множество приложений, которые можно найти в образовании и организациях. Интеллектуальные системы обучения можно найти в онлайн-среде или в традиционной компьютерной аудитории, и они используются в классах K-12, а также в университетах. Существует ряд программ, ориентированных на математику, но их приложения можно найти в медицинских науках, овладении языком и других областях формализованного обучения.

Отчеты об улучшении понимания учащимися, вовлеченности, отношения, мотивации и академических результатов внесли свой вклад в постоянный интерес к инвестициям и исследованиям этих систем. Индивидуальный характер интеллектуальных систем обучения дает преподавателям возможность создавать индивидуальные программы. В сфере образования существует множество интеллектуальных систем обучения, исчерпывающий список не существует, но несколько наиболее влиятельных программ перечислены ниже.

Образование

Репетитор по алгебреPAT (PUMP Algebra Tutor или Practical Algebra Tutor), разработанный Питтсбургским центром продвинутых когнитивных наставников в Университет Карнеги Меллон, вовлекает студентов в заякоренные учебные задачи и использует современные алгебраические инструменты, чтобы вовлекать студентов в решение проблем и делиться своими результатами. Цель PAT - задействовать предыдущие знания и повседневный опыт учащихся по математике, чтобы способствовать их развитию. Успех PAT хорошо задокументирован (например, Управление оценки и исследований государственных школ округа Майами-Дейд) как со статистической (результаты учащихся), так и с эмоциональной точки зрения (отзывы учащихся и преподавателей).[54]

SQL-репетитор[55][56] - первый в мире репетитор с ограничениями, разработанный Intelligent Computer Tutoring Group (ICTG) в Кентерберийский университет, Новая Зеландия. SQL-Tutor учит студентов извлекать данные из баз данных с помощью оператора SQL SELECT.[57]

EER-Tutor[58] является наставником на основе ограничений (разработан ICTG), который обучает концептуальному проектированию баз данных с использованием модели Entity Relationship. Более ранней версией EER-Tutor был KERMIT, автономный наставник по моделированию ER, который, как было показано, приводит к значительному улучшению знаний учащихся после одного часа обучения (с размером эффекта 0,6).[59]

COLLECT-UML[60] репетитор на основе ограничений, поддерживающий пары студентов, совместно работающих над диаграммами классов UML. Репетитор предоставляет обратную связь как на уровне предметной области, так и о сотрудничестве.

СтоичРепетитор[61][62] - это интеллектуальный онлайн-преподаватель, который помогает старшеклассникам изучать химию, в частности, такую ​​подотрасль химии, которая известна как стехиометрия. Он использовался для изучения различных принципов и методов обучения, например, практических примеров.[63][64] и вежливость.[65][66]

Репетитор математикиРепетитор по математике (Бил, Бек и Вульф, 1998) помогает студентам решать задачи со словами, используя дроби, десятичные дроби и проценты. Репетитор записывает показатели успеха, пока ученик работает над проблемами, предлагая ученику последующие соответствующие задачи. Последующие задачи, которые выбираются, основаны на способностях ученика, и оценивается желаемое время, в течение которого ученик должен решить задачу.[67]

eTeachereTeacher (Schiaffino et al., 2008) - интеллектуальный агент или педагогический агент, который поддерживает персональную помощь в электронном обучении. Он создает профили студентов, наблюдая за успеваемостью студентов на онлайн-курсах. Затем eTeacher использует информацию об успеваемости учащегося, чтобы предложить индивидуальный план действий, призванный облегчить процесс обучения.[68]

ЗОСМАТZOSMAT был разработан для удовлетворения всех потребностей настоящего класса. Он следует за студентом и направляет его на разных этапах учебного процесса. Это ITS, ориентированная на учащегося, делает это путем записи прогресса в обучении учащегося, а программа для учащихся изменяется в зависимости от усилий учащегося. ZOSMAT можно использовать как для индивидуального обучения, так и в реальном классе под руководством преподавателя-человека.[69]

REALPREALP был разработан, чтобы помочь студентам улучшить понимание прочитанного, предоставляя лексическую практику для конкретного читателя и предлагая индивидуальную практику с полезными, аутентичными материалами для чтения, собранными из Интернета. Система автоматически создает модель пользователя в соответствии с успеваемостью ученика. После прочтения ученику дается серия упражнений, основанная на целевом словарном запасе чтения.[70]

CIRCSlM-РепетиторCIRCSIM_Tutor - это интеллектуальная обучающая система, которая используется студентами-медиками первого курса Иллинойского технологического института. Он использует естественный диалог, основанный на сократовском языке, чтобы помочь студентам узнать о регулировании артериального давления.[71]

Почему2-АтласWhy2-Atlas - это ИТС, которая анализирует объяснения студентов принципам физики. Студенты вводят свою работу в виде абзацев, и программа превращает их слова в доказательства, делая предположения об убеждениях студентов, основанные на их объяснениях. При этом подчеркиваются заблуждения и неполные объяснения. Затем система решает эти проблемы посредством диалога со студентом и просит его исправить свое эссе. До завершения процесса может быть выполнено несколько итераций.[72]

SmartTutorУниверситет Гонконга (HKU) разработал SmartTutor для поддержки потребностей студентов, продолжающих обучение. Персонализированное обучение было определено как ключевая потребность в образовании взрослых в HKU, и SmartTutor стремится удовлетворить эту потребность. SmartTutor оказывает поддержку студентам, сочетая интернет-технологии, образовательные исследования и искусственный интеллект.[73]

AutoTutorAutoTutor помогает студентам колледжа в изучении компьютерного оборудования, операционных систем и Интернета в рамках вводного курса компьютерной грамотности, моделируя модели дискурса и педагогические стратегии человека-наставника. AutoTutor пытается понять вводимые пользователем данные с клавиатуры, а затем формулировать шаги диалога с обратной связью, подсказками, исправлениями и подсказками.[74]

ActiveMathActiveMath - это адаптивная веб-среда для обучения математике. Эта система направлена ​​на улучшение дистанционного обучения, дополнение к традиционному обучению в классе и поддержку индивидуального обучения и обучения на протяжении всей жизни.[75]

ESC101-ЕГОИндийский технологический институт, Канпур, Индия, разработал ESC101-ITS, интеллектуальную обучающую систему для вводных задач программирования.

AdaptErrEx[76] - это адаптивный интеллектуальный репетитор, который использует интерактивные ошибочные примеры, чтобы помочь студентам выучить десятичную арифметику.[77][78][79]

Корпоративное обучение и промышленность

Обобщенная интеллектуальная среда для репетиторства (ПОДАРОК) - обучающая программа, предназначенная для создания компьютерных обучающих систем. Разработано Исследовательская лаборатория армии США с 2009 по 2011 год GIFT был выпущен для коммерческого использования в мае 2012 года.[80] GIFT имеет открытый исходный код и не зависит от домена, и его можно бесплатно скачать в Интернете. Программное обеспечение позволяет преподавателю разработать программу обучения, которая может охватывать различные дисциплины путем корректировки существующих курсов. Он включает в себя инструменты курсовой работы, предназначенные для использования исследователями, разработчиками учебных материалов, преподавателями и студентами.[81] ПОДАРОК ​​совместим с другими учебными материалами, такими как презентации PowerPoint, которые можно интегрировать в программу.[81]

ШЕРЛОК«ШЕРЛОК» используется для обучения технических специалистов ВВС диагностике проблем в электрических системах самолетов F-15. ITS создает ошибочные схематические диаграммы систем, которые стажер может найти и диагностировать. ITS предоставляет диагностические показания, позволяющие обучаемому решить, связана ли неисправность в проверяемой цепи или где-то еще в системе. Система предоставляет обратную связь и рекомендации, а по запросу доступна помощь.[82]

КардиологЦель Cardiac Tutor - поддержать медицинский персонал передовыми методами поддержки сердца. Репетитор представляет проблемы с сердцем, и, используя множество шагов, ученики должны выбрать различные вмешательства. Cardiac Tutor предоставляет подсказки, устные советы и отзывы, чтобы персонализировать и оптимизировать обучение. Каждое моделирование, независимо от того, смогли ли студенты успешно помочь своим пациентам, приводит к подробному отчету, который студенты затем просматривают.[83]

КОДЫДизайн прототипов совместной музыки - это веб-среда для совместного создания прототипов музыки. Он был разработан для поддержки пользователей, особенно тех, кто не является специалистом в музыке, в создании музыкальных произведений в виде прототипов. Музыкальные образцы (прототипы) можно многократно тестировать, воспроизводить и модифицировать. Одним из основных аспектов CODES является взаимодействие и сотрудничество между создателями музыки и их партнерами.[84]

Эффективность

Оценка эффективности программ ИТС проблематична. ИТС сильно различаются по дизайну, реализации и образовательной направленности. Когда ИТС используются в классе, система используется не только учениками, но и учителями. Такое использование может создавать препятствия для эффективной оценки по ряду причин; в первую очередь из-за вмешательства учителя в обучение студентов.

Учителя часто имеют возможность вводить новые задачи в систему или корректировать учебный план. Кроме того, учителя и сверстники часто взаимодействуют со студентами во время обучения с помощью ITS (например, во время индивидуального занятия в компьютерной лаборатории или во время аудиторных лекций между лабораторными занятиями), что может повлиять на их обучение с помощью программного обеспечения.[19] Предыдущая работа предполагает, что подавляющее большинство учеников, обращающихся за помощью в классах с использованием ИТС, может происходить полностью вне программного обеспечения, а это означает, что характер и качество обратной связи со сверстниками и учителями в данном классе могут быть важным посредником в обучении учащихся. эти контексты.[17] Кроме того, такие аспекты климата в классе, как общий уровень комфорта учащихся при публичных просьбах о помощи,[16] или степень физической активности учителя в мониторинге отдельных учеников[85] может добавить дополнительные источники вариации в контексте оценки. Все эти переменные позволяют оценивать комплекс ИТС,[86] и может помочь объяснить различия в результатах в оценочных исследованиях.[87]

Несмотря на присущие сложности, многочисленные исследования пытались измерить общую эффективность ИТС, часто путем сравнения ИТС с преподавателями-людьми.[88][89][90][2] Обзоры ранних систем ИТС (1995 г.) показали, что величина эффекта d = 1,0 по сравнению с отсутствием репетиторства, когда репетиторам-людям был дан размер эффекта d = 2.0.[88] Более поздний обзор современных ИТС Куртом ВанЛеном (2011 г.) показал, что не было статистической разницы в величине эффекта между опытными индивидуальными преподавателями и пошаговыми ИТС.[2] Некоторые отдельные ИТС были оценены более положительно, чем другие. Исследования Algebra Cognitive Tutor показали, что студенты ITS превзошли студентов, которых учил классный руководитель, по стандартным тестовым задачам и задачам по решению реальных проблем.[91] Последующие исследования показали, что эти результаты были особенно заметны у студентов со специальным образованием, для которых английский язык не является родным, и для студентов из малообеспеченных семей.[92]

Более поздний метаанализ предполагает, что ITS могут превосходить эффективность как CAI, так и преподавателей-людей, особенно при измерении с помощью местных (специфических) тестов, а не стандартных тестов. «Учащиеся, получившие интеллектуальное обучение, превзошли учащихся обычных классов в 46 (или 92%) из 50 контролируемых оценок, а улучшение успеваемости было достаточно значительным, чтобы считаться существенным в 39 (или 78%) из 50 исследований. Медиана ES в 50 исследованиях составила 0,66, что считается средним или большим эффектом для исследований в области социальных наук. Это примерно эквивалентно улучшению результатов тестирования с 50-го до 75-го процентиля. Это сильнее, чем обычно. Например, метаанализ C.-LC Kulik и Kulik (1991) показал, что средний ES 0,31 в 165 исследованиях по обучению с помощью CAI. Прибыль от ITS примерно вдвое выше. Эффект от ITS также более значительный, чем обычно, эффект от обучения с участием человека. Как мы видели, программы обучения с участием человека обычно повышают результаты тестов учащихся примерно на 0,4 стандартного отклонения по сравнению с контрольными уровнями. Разработчики ITS уже давно решили повысить эффективность обучения CAI нг и соответствовать успеху человеческого обучения. Наши результаты предполагают, что разработчики ИТС уже достигли обеих этих целей ... Хотя при оценке результатов локально разработанных тестов эффекты были от умеренных до сильных, они были намного меньше при оценке результатов стандартизованных тестов. Средний ES в исследованиях с местными тестами составил 0,73; средний ES в исследованиях со стандартизованными тестами составил 0,13. Это несоответствие не является необычным для метаанализов, которые включают как местные, так и стандартизованные тесты ... местные тесты, вероятно, хорошо согласуются с целями конкретных учебных программ. Стандартные стандартные тесты обеспечивают более свободную посадку. ... Мы считаем, что как местные, так и стандартизированные тесты предоставляют важную информацию об эффективности обучения, и, когда это возможно, оба типа тестов должны быть включены в оценочные исследования ».[93]

Некоторые признанные сильные стороны ITS - это их способность обеспечивать немедленную обратную связь «да / нет», индивидуальный выбор задач, подсказки по запросу и поддержку овладения навыками.[2][94]

Ограничения

Интеллектуальные системы обучения дороги как в разработке, так и в реализации. Этап исследований открывает путь к развитию коммерчески жизнеспособных систем. Однако этап исследования часто бывает дорогостоящим; это требует сотрудничества и вклада экспертов в предметной области, сотрудничества и поддержки отдельных лиц как в организациях, так и на организационных уровнях. Еще одним ограничением на этапе разработки является концептуализация и разработка программного обеспечения в рамках как бюджетных, так и временных ограничений. Существуют также факторы, которые ограничивают использование интеллектуальных наставников в реальном мире, в том числе длительные сроки, необходимые для разработки, и высокая стоимость создания компонентов системы. Большая часть этой стоимости является результатом создания компонентов контента.[28] Например, опросы показали, что кодирование часа онлайн-обучения потребовало 300 часов времени на разработку для обучения контента.[95] Точно так же для создания Cognitive Tutor соотношение времени разработки и времени обучения составляло не менее 200: 1 часов.[88] Высокая стоимость разработки часто затмевает копирование усилий для реальных приложений.[96]Как правило, интеллектуальные системы обучения коммерчески неприменимы для реальных приложений.[96]

Критика используемых в настоящее время интеллектуальных систем обучения - это методика немедленной обратной связи и последовательности подсказок, которые встроены, чтобы сделать систему «интеллектуальной». Эту педагогику критикуют за то, что она не способствует развитию глубокого обучения у студентов. Когда учащимся предоставляется контроль над способностью получать подсказки, результат обучения будет отрицательным. Некоторые ученики сразу обращаются к подсказкам, прежде чем пытаться решить проблему или выполнить задание. Когда это возможно, некоторые учащиеся сокращают количество подсказок, получая как можно больше подсказок как можно быстрее, чтобы быстрее выполнить задание. Если учащиеся не учитывают отзывы или намеки системы обучения, а вместо этого увеличивают количество предположений до тех пор, пока не будут получены положительные отзывы, ученик, по сути, учится делать правильные вещи по неправильным причинам. Большинство систем обучения в настоящее время неспособны обнаружить поверхностное обучение или различить продуктивную и непродуктивную борьбу (хотя см., Например,[97][98]). По этим и многим другим причинам (например, переоснащение базовых моделей для определенных групп пользователей[99]) эффективность этих систем может существенно различаться для разных пользователей.[100]

Еще одна критика интеллектуальных систем обучения - это неспособность системы задавать ученикам вопросы для объяснения их действий. Если студент не изучает язык предметной области, становится труднее получить более глубокое понимание, работать совместно в группах и перевести язык предметной области на письменный. Например, если студент не «говорит о науке», то утверждается, что он не погружается в культуру науки, что затрудняет выполнение научных работ или участие в совместных усилиях команды. Интеллектуальные системы обучения критиковались за то, что они слишком «инструктивистские» и исключают из обучения внутреннюю мотивацию, контексты социального обучения и контекстный реализм.[101]

Следует принимать во внимание практические проблемы с точки зрения склонности спонсоров / властей и пользователей к адаптации интеллектуальных систем обучения.[96] Во-первых, у кого-то должно быть желание внедрить ИТС.[96] Кроме того, орган власти должен признать необходимость интеграции интеллектуального программного обеспечения для обучения в текущую учебную программу и, наконец, спонсор или орган должен предложить необходимую поддержку на всех этапах разработки системы, пока она не будет завершена и внедрена.[96]

Оценка интеллектуальной системы обучения - важный этап; однако это часто бывает сложно, дорого и требует много времени.[96] Несмотря на то, что в литературе представлены различные методы оценки, нет никаких руководящих принципов для выбора подходящего метода (ов) оценки, который будет использоваться в конкретном контексте.[102][103] Следует провести тщательный осмотр, чтобы убедиться, что сложная система выполняет то, что от нее требуется. Эта оценка может происходить во время проектирования и ранней разработки системы для выявления проблем и проведения модификаций (т.е. формирующая оценка).[104] Напротив, оценка может происходить после завершения системы для подтверждения официальных заявлений о конструкции, поведении или результатах, связанных с завершенной системой (т. Е. Итоговая оценка).[104] Серьезная проблема, связанная с отсутствием стандартов оценки, привела к игнорированию стадии оценки в нескольких существующих ИТС.[102][103][104]

Улучшения

Интеллектуальные обучающие системы менее способны, чем люди-наставники, в области диалога и обратной связи. Например, наставники-люди могут интерпретировать аффективное состояние ученика и потенциально адаптировать инструкции в ответ на это восприятие. Недавняя работа посвящена изучению потенциальных стратегий преодоления этих ограничений ИТС, чтобы сделать их более эффективными.

Диалог

Репетиторы-люди имеют возможность понимать тон и интонацию человека в диалоге и интерпретировать это, чтобы обеспечить постоянную обратную связь в ходе непрерывного диалога. В настоящее время разрабатываются интеллектуальные обучающие системы, которые пытаются имитировать естественные разговоры. Чтобы получить полноценный опыт диалога, существует множество различных областей, в которых компьютер должен быть запрограммирован; в том числе способность понимать тон, интонацию, язык тела и выражение лица, а затем реагировать на них. Диалог в ITS можно использовать для того, чтобы задавать конкретные вопросы, чтобы помочь студентам и получить информацию, позволяя студентам строить свои собственные знания.[105] Развитие более сложного диалога в рамках ИТС было в центре внимания некоторых текущих исследований, частично направленных на устранение ограничений и создание более конструктивистского подхода к ИТС.[106] Кроме того, некоторые текущие исследования сосредоточены на моделировании природы и эффектов различных социальных сигналов, обычно используемых в диалоге преподавателями и учениками-людьми, с целью построения доверия и взаимопонимания (которые, как было показано, оказывают положительное влияние на обучение учащихся).[107][108]

Эмоциональный аффект

Все больше работ рассматривают роль оказывать воздействие по обучению, с целью разработки интеллектуальных систем обучения, которые могут интерпретировать и адаптироваться к различным эмоциональным состояниям.[109][110] Люди не только используют когнитивные процессы в обучении, но и эмоциональные процессы, через которые они проходят, также играют важную роль. Например, учащиеся учатся лучше, когда они имеют определенный уровень дисбаланса (фрустрации), но не настолько, чтобы заставить учащегося чувствовать себя полностью подавленным.[109] Это побудило аффективные вычисления начать создавать и исследовать создание интеллектуальных обучающих систем, которые могут интерпретировать аффективный процесс человека.[109] ИТС может быть разработан для чтения индивидуального выражения лица и других признаков аффекта в попытке найти и настроить оптимальное аффективное состояние для обучения. При этом возникает много сложностей, поскольку аффект выражается не одним способом, а множеством способов, так что для того, чтобы ИТС была эффективной при интерпретации аффективных состояний, может потребоваться мультимодальный подход (тон, выражение лица и т. Д.).[109] Эти идеи создали новое поле в ITS - системы эффективного обучения (ATS).[110] Одним из примеров ITS, который обращается к аффектам, является Gaze Tutor, который был разработан для отслеживания движений глаз студентов и определения того, скучно они или отвлекаются, а затем система пытается повторно задействовать студента.[111]

Создание взаимопонимания

На сегодняшний день большинство ИТС сосредоточено исключительно на когнитивных аспектах обучения, а не на социальных отношениях между системой обучения и учеником. Как показали Компьютеры - социальные акторы парадигма люди часто проецируют социальную эвристику на компьютеры. Например, при наблюдении за маленькими детьми, взаимодействующими с Сэм, товарищ по замку, В качестве агента, рассказывающего совместные истории, дети взаимодействовали с этим симулированным ребенком почти так же, как и с человеческим ребенком.[112] Было высказано предположение, что для эффективной разработки ИТС, которая налаживает взаимопонимание со студентами, ИТС должна имитировать стратегии непосредственности обучения, поведения, которые устраняют очевидную социальную дистанцию ​​между учениками и учителями, например, улыбаться и обращаться к ученикам по имени.[113] Что касается подростков, Оган и др. Я опираюсь на наблюдения близких друзей, обучающих друг друга, чтобы утверждать, что для того, чтобы ИТС установила взаимопонимание, как сверстник со студентом, вероятно, необходим более активный процесс построения доверия, который в конечном итоге может потребовать, чтобы система обучения обладала способностью эффективно реагировать на кажущееся грубое поведение и даже производить его, чтобы смягчить мотивационные и аффективные факторы учащихся посредством шуток и насмешек.[114]

Обучаемые агенты

Традиционно ИТС берут на себя роль автономных наставников, однако они также могут брать на себя роль учеников с целью обучения посредством обучающих упражнений. Имеющиеся данные свидетельствуют о том, что обучение путем обучения может быть эффективной стратегией для самообъяснения, улучшения чувства собственной эффективности, а также повышения результатов обучения и удержания учащихся.[115] Чтобы воспроизвести этот эффект, можно поменять местами ученика и ИТС. Этого можно достичь, создав ITS так, чтобы она выглядела обучаемой, как в арифметической игре обучаемого агента. [116] и мозг Бетти.[117] Другой подход заключается в обучении студентов агенту машинного обучения, который может научиться решать проблемы путем демонстрации и обратной связи, как в случае системы APLUS, созданной с помощью SimStudent.[118] Чтобы воспроизвести образовательные эффекты обучения путем обучения обучаемых агентов, на их основе обычно строится социальный агент, который задает вопросы или вносит путаницу. Например, Бетти из Betty's Brain предложит ученику задать свои вопросы, чтобы убедиться, что она понимает материал, а Стейси из APLUS предложит пользователю пояснить отзывы, предоставленные учеником.

Связанные конференции

На нескольких конференциях регулярно рассматриваются статьи по интеллектуальным системам обучения. Самый старый - это Международная конференция по интеллектуальным системам обучения, который начался в 1988 году и сейчас проводится раз в два года. Международный искусственный интеллект в образовании (AIED ) Общество издает Международный журнал искусственного интеллекта в образовании (IJAIED) и организует ежегодные Международная конференция по искусственному интеллекту в образовании (http://iaied.org/conf/1/ ) началась в 1989 году. Многие статьи по интеллектуальным системам обучения также появляются на Международная конференция по пользовательскому моделированию, адаптации и персонализации ([1] ) и Международная конференция по интеллектуальному анализу данных в образовании ([2] ). Американская ассоциация искусственного интеллекта (AAAI ) иногда будут проводиться симпозиумы и доклады, связанные с интеллектуальными системами обучения. Об ИТС было написано несколько книг, в том числе три из них изданы Lawrence Erlbaum Associates.

Смотрите также

Рекомендации

  1. ^ Джозеф Псотка, Шэрон А. Муттер (1988). Интеллектуальные системы обучения: извлеченные уроки. Лоуренс Эрлбаум Ассошиэйтс. ISBN  978-0-8058-0192-7.
  2. ^ а б c d ВанЛен, К. (2011). «Относительная эффективность человеческого обучения, интеллектуальных систем обучения и других систем обучения». Педагогический психолог. 46 (4): 197–221. Дои:10.1080/00461520.2011.611369. S2CID  16188384.
  3. ^ а б c Бьюкенен, Б. (2006). (Очень) краткая история искусственного интеллекта. Журнал AI 26 (4). С. 53-60.
  4. ^ Сидни Пресси
  5. ^ а б c Фрай, Э. (1960). Дихотомия обучающей машины: Скиннер против Пресси. Психологические отчеты (6) 11-14. Издательство Южного университета.
  6. ^ а б c d е Шут, В. Дж., И Псотка, Дж. (1994). Интеллектуальные системы обучения: прошлое, настоящее и будущее. Управление человеческих ресурсов Отдел кадров и исследований персонала. стр. 2-52
  7. ^ а б c d е ж Чемберс Дж. И Спречер Дж. (1983). Компьютерное обучение: его использование в классе. Энглвуд Клиффс, Нью-Джерси: Prentice-Hall Inc.
  8. ^ Карбонелл, Хайме Р. (1970). «AI в CAI: подход искусственного интеллекта к обучению с помощью компьютера». IEEE Transactions по человеко-машинным системам. 11 (4): 190–202. Дои:10.1109 / TMMS.1970.299942.
  9. ^ а б c Ларкин, Дж., & Чабай, Р. (Ред.). (1992). Компьютерное обучение и интеллектуальные системы обучения: общие цели и дополнительные подходы. Хиллсдейл, Нью-Джерси: Lawrence Erlbaum Associates.
  10. ^ а б Андерсон, К. (1986). «Компьютерное обучение». Журнал медицинских систем. 10 (2): 163–171. Дои:10.1007 / bf00993122. PMID  3528372. S2CID  29915101.
  11. ^ а б Корбетт А.Т. и Андерсон Дж. Р. (1992). LISP Intelligent Tutoring System Исследования в области приобретения навыков. В Larkin, J. & Чабай, Р. (Ред.) Компьютерное обучение и интеллектуальные системы обучения: общие цели и дополнительные подходы (стр. 73-110) Энглвуд Клиффс, Нью-Джерси: Prentice-Hall Inc.
  12. ^ Форд Л. Новая интеллектуальная система обучения (2008) Британский журнал образовательных технологий, 39 (2), 311-318
  13. ^ Байлин, А. и Левин, Л. Введение: Интеллектуальное компьютерное обучение языку (1989) Компьютеры и гуманитарные науки, 23, 3-11
  14. ^ Кинщук (1996). Компьютерное обучение для студентов-бухгалтеров начального уровня. Докторская диссертация, Университет Де Монфор, Англия, июль 1996 г.
  15. ^ Киншук и Ашок Патель. (1997) Концептуальная основа для интеллектуальных систем обучения на базе Интернета. Передача знаний, II, 117-24.
  16. ^ а б Скофилд, Дж. У., Эйрих-Фулсер, Р. и Бритт, К. Л. (1994). Учителя, компьютерные репетиторы и преподаватели: репетитор с искусственным интеллектом как агент изменений в классе. Американский журнал исследований в области образования, 31(3), 579-607.
  17. ^ а б Оган А., Уокер Э., Бейкер Р. С., Реболледо Мендес Г., Хименес Кастро М., Лаурентино Т. и Де Карвалью А. (2012, май). Сотрудничество в использовании когнитивных наставников в Латинской Америке: полевые исследования и рекомендации по дизайну. В Материалы конференции SIGCHI по человеческому фактору в вычислительных системах (стр. 1381-1390). ACM.
  18. ^ Холстейн, К., Макларен, Б. М., и Алевен, В. (2017, март). Интеллектуальные наставники в качестве помощников учителей: изучение потребностей учителей в аналитике в режиме реального времени в смешанных классах. В Материалы седьмой Международной конференции по аналитике и знаниям в обучении (стр. 257-266). ACM.
  19. ^ а б Миллер, В. Л., Бейкер, Р. С., Лабрам, М. Дж., Петше, К., Лю, Ю. Х., и Вагнер, А. З. (2015, март). Автоматическое обнаружение проактивных исправлений учителями в классах Reasoning Mind. В Труды Пятой Международной конференции по аналитике обучения и знаниям (стр. 290-294). ACM.
  20. ^ Дизиол Д., Уокер Э., Раммель Н. и Кёдингер К. Р. (2010). Использование интеллектуальной технологии репетитора для реализации адаптивной поддержки совместной работы учащихся. Обзор педагогической психологии, 22(1), 89-102.
  21. ^ Бейкер, Р. С. (2016). Глупые системы обучения, умные люди. Международный журнал искусственного интеллекта в образовании, 26(2), 600-614.
  22. ^ Фридман, Р. 1999. Атлас: менеджер плана для смешанной инициативы, мультимодального диалога. (1999) Семинар AAAI по разведке смешанных инициатив
  23. ^ Грэссер, Артур С., Курт ВанЛен, Кэролайн П. Роуз, Памела У. Джордан и Дерек Хартер. (2001) Интеллектуальные системы обучения с диалоговым диалогом. Al Magazine 22.4, 39-52.
  24. ^ Гертнер, А .; Конати, К.; и ВанЛен, К. (1998) Процедурная помощь в Андах; Создание подсказок с использованием модели ученика байесовской сети. Искусственный интеллект, 106-111.
  25. ^ Shelby, R. N .; Schulze, K. G .; Treacy, D. J .; Wintersgill, M.C .; VanLehn, K .; и Вайнштейн, A. (2001) Оценка учителя Анд.
  26. ^ а б Нвана, Х.С. (1990). «Интеллектуальные обучающие системы: обзор». Обзор искусственного интеллекта. 4 (4): 251–277. Дои:10.1007 / bf00168958. S2CID  206771063.
  27. ^ а б Фридман, Р. (2000). «Что такое интеллектуальная система обучения?». Интеллект. 11 (3): 15–16. Дои:10.1145/350752.350756. S2CID  5281543.
  28. ^ а б c Нкамбу Р., Мизогучи Р. и Бурдо Дж. (2010). Достижения в интеллектуальных системах обучения. Гейдельберг: Springer.
  29. ^ Олссон, С. (1996) Учимся на ошибках производительности. Психологический обзор, 103, 241-262.
  30. ^ Олссон, С. (1992) Студенческое моделирование на основе ограничений. Искусственный интеллект в образовании, 3 (4), 429-447.
  31. ^ Митрович А., Олссон С. (2006) Представление знаний на основе ограничений для индивидуализированного обучения. Компьютерные науки и информационные системы, 3 (1), 1-22.
  32. ^ Олссон, С., Митрович, А. (2007) Точность и эффективность представления знаний для интеллектуальных обучающих систем. Технология, обучение, познание и обучение, 5 (2), 101-132.
  33. ^ Митрович, А. и Олссон, С. (1999) Оценка репетитора на основе ограничений для языка баз данных. Int. J. Искусственный интеллект в образовании, 10 (3-4), 238-256.
  34. ^ Митрович, А. (2010) Пятнадцать лет наставников, основанных на ограничениях: чего мы достигли и куда мы идем. Пользовательское моделирование и взаимодействие с пользователем, 22 (1-2), 39-72.
  35. ^ Митрович, А., Мартин, Б., Суравира, П. (2007) Интеллектуальные наставники для всех: методология моделирования на основе ограничений, системы и разработка. Интеллектуальные системы IEEE, 22 (4), 38-45.
  36. ^ Захаров, К., Митрович, А., Олссон, С. (2005) Микроинженерия обратной связи в EER-Tutor. В: C-K Looi, G. McCalla, B. Bredeweg, J. Breuker (eds) Proc. Искусственный интеллект в образовании AIED 2005, IOS Press, стр. 718-725.
  37. ^ Митрович, А., Олссон, С., Барроу, Д. (2013) Эффект положительной обратной связи в интеллектуальной системе обучения на основе ограничений. Компьютеры и образование, 60 (1), 264-272.
  38. ^ Андерсон, H .; Кёдингер, М. (1997). «Интеллектуальное обучение идет в школу в большом городе». Международный журнал искусственного интеллекта в образовании. 8: 30–43.
  39. ^ Корбетт, Альберт Т. и Андерсон, Джон Р., "Моделирование учащихся и овладение навыками обучения у преподавателя компьютерного программирования" (2008). Кафедра психологии. Документ 18. http://repository.cmu.edu/psychology/18
  40. ^ Падаячи И. (2002). Интеллектуальные системы обучения: архитектура и характеристики.
  41. ^ а б c d е ж грамм Корбетт А. Т., Кёдингер К. Р. и Андерсон Дж. Р. (1997). Интеллектуальные системы обучения. В М. Г. Хеландере, Т. К. Ландауэре и П. В. Прабху (ред.), Справочник по взаимодействию человека с компьютером (стр. 849–874). Амстердам: Эльзевир.
  42. ^ Шах, Фархана; Марта Эвенс; Джоэл Майкл; Аллен Ровик (2002). «Классификация студенческих инициатив и ответов наставника в сеансах обучения человека с клавиатуры на клавиатуру». Дискурсивные процессы. 33 (1): 23–52. CiteSeerX  10.1.1.20.7809. Дои:10.1207 / s15326950dp3301_02. S2CID  62527862.
  43. ^ Митрович, А., Мартин, Б., Суравира, П., Захаров, К., Милик, Н., Холланд, Дж., И Макгуиган, Н. (2009). ASPIRE: система разработки и среда развертывания для преподавателей на основе ограничений. Международный журнал искусственного интеллекта в образовании, 19 (2), 155–188.
  44. ^ Алевен, В., Макларен, Б.М., Сьюол, Дж., Ван Велсен, М., Попеску, О., Деми, С., Рингенберг, М., и Кёдингер, К. (2016). Репетиторы-примеры: разработка интеллектуальных репетиторов для непрограммистов. Международный журнал искусственного интеллекта в образовании, 26 (1), 224-269. DOI: 10.1007 / s40593-015-0088-2
  45. ^ Соттиларе, Р. (2012). Соображения при разработке онтологии для обобщенной интеллектуальной структуры для обучения. На конференции по моделированию обороны и внутренней безопасности I3M (DHSS 2012).
  46. ^ Раззак, Л., Патварцки, Дж., Алмейда, С. Ф., Вартак, М., Фенг, М., Хеффернан, Н. Т., и Кёдингер, К. Р. (2009). The Assistment Builder: поддержка жизненного цикла создания контента системы обучения. IEEE Transactions on Learning Technologies, 2 (2), 157–166
  47. ^ Най Б.Д., Грессер А.С. и Ху X. (2014). AutoTutor и семья: обзор 17-летнего обучения естественному языку. Международный журнал искусственного интеллекта в образовании, 24 (4), 427–469. DOI: 10.1007 / s40593-014-0029-5.
  48. ^ Андерсон, Дж., Бойл, К., Фаррелл, Р., и Райзер, Б. (1987). Когнитивные принципы в дизайне компьютерных репетиторов. В П. Моррисе (ред.), Моделирование познания. Нью-Йорк: Джон Вили.
  49. ^ Для примера инструмента разработки ITS см. Инструменты разработки когнитивного обучения
  50. ^ Кёдингер, К.; Корбетт, А. (2006). «Когнитивные репетиторы: технологии, приносящие изучение науки в класс». В Сойере, К. (ред.). Кембриджский справочник обучающих наук. Издательство Кембриджского университета. С. 61–78. OCLC  62728545.
  51. ^ Шаалан, Халид Ф. (февраль 2005 г.). «Интеллектуальная компьютерная система изучения языка для изучающих арабский язык». Изучение языков с помощью компьютера: международный журнал. 18 (1 & 2): 81–108. Дои:10.1080/09588220500132399.
  52. ^ Рамос, К., Рамос, К., Фрассон, К., и Рамачандран, С. (2009). Введение в специальный выпуск о реальных приложениях интеллектуальных обучающих систем., 2 (2) 62-63.
  53. ^ https://trac.v2.nl/export/.../Intelligent%20Tutoring%20Systems.pdf[постоянная мертвая ссылка ]
  54. ^ Оценка программы Cognitive Tutor Algebra I A Shneyderman - Государственные школы округа Майами – Дейд, Управление оценки и исследований, Майами, Флорида. Сентябрь 2001 г.
  55. ^ Митрович А. (1998) Изучение SQL с компьютеризированным наставником. 29-й технический симпозиум ACM SIGCSE, стр. 307–311.
  56. ^ Митрович А. (1998) Опыт реализации моделирования на основе ограничений в SQL-Tutor. Proc. ITS'98, Б. Геттл, Х. Халф, К. Редфилд, В. Шут (ред.), Стр. 414-423.
  57. ^ Митрович, А. (2003) Интеллектуальный репетитор SQL в Интернете. Int. J. Искусственный интеллект в образовании, 13 (2-4), 173-197.
  58. ^ Захаров, К., Митрович, А., Олссон, С. (2005) Микроинженерия обратной связи в EER-Tutor. В: C-K Looi, G. McCalla, B. Bredeweg, J. Breuker (eds) Proc. Искусственный интеллект в образовании AIED 2005, IOS Press, стр. 718-725.
  59. ^ Суравира П., Митрович А. Интеллектуальная обучающая система для моделирования отношений между сущностями. Int. J. Искусственный интеллект в образовании, т. 14, № 3-4, 375-417, 2004.
  60. ^ Багаи, Н., Митрович, А., Ирвин, У. Поддержка совместного обучения и решения проблем в среде CSCL на основе ограничений для диаграмм классов UML. Int. J. CSCL, т. 2, вып. 2-3, с. 159-190, 2007.
  61. ^ https://stoichtutor.cs.cmu.edu/
  62. ^ Макларен Б.М., Лим С., Ганьон Ф., Ярон Д. и Кёдингер К. (2006). Изучение эффектов персонализированного языка и рабочих примеров в контексте интеллектуального репетитора в Интернете. В М. Икеда, К.Д. Эшли и Т.В. Чан (ред.), Труды 8-й Международной конференции по интеллектуальным системам обучения (ITS-2006), Конспект лекций по информатике, 4053 (стр. 318-328). Берлин: Springer.
  63. ^ Макларен Б.М., Лим С. и Кёдингер К. (2008). Когда и как часто нужно давать учащимся практические примеры? Новые результаты и резюме текущего состояния исследований. В Б. С. Лав, К. МакРее и В. М. Слуцки (редакторы), Труды 30-й ежегодной конференции Общества когнитивных наук (стр. 2176-2181). Остин, Техас: Общество когнитивных наук.
  64. ^ Макларен Б.М., Ван Гог Т., Ганоэ К., Карабинос М. и Ярон Д. (2016). Эффективность проработанных примеров по сравнению с ошибочными примерами, решение проблем с обучением и решение проблем в экспериментах в классе. Компьютеры в человеческом поведении, 55, 87-99.
  65. ^ Макларен Б.М., ДеЛиу К.Э. и Майер Р.Э. (2011). Вежливые интеллектуальные преподаватели через Интернет: могут ли они улучшить обучение в классах? Компьютеры и образование, 56 (3), 574-584. DOI: 10.1016 / j.compedu.2010.09.019.
  66. ^ Макларен Б.М., ДеЛиу К.Э. и Майер Р.Э. (2011). Эффект вежливости при обучении с помощью интеллектуальных преподавателей в Интернете. Международный журнал исследований человеческого компьютера, 69 (1-2), 70-79. DOI: 10.1016 / j.ijhcs.2010.09.001
  67. ^ Бил К. Р., Бек Дж. И Вульф Б. (1998). Влияние интеллектуальных компьютерных инструкций на математическую самооценку девочек и их веру в ценность математики. Доклад представлен на ежегодном собрании Американской ассоциации исследований в области образования.
  68. ^ Скьяффино, С., Гарсиа, П., и Аманди, А. (2008). eTeacher: Предоставление индивидуальной помощи студентам, изучающим электронное обучение. Компьютеры и образование 51, 1744-1754
  69. ^ Келес, А .; Ocak, R .; Келес, А .; Гульджу, А. (2009). "ZOSMAT: Интеллектуальная веб-система обучения для процесса преподавания и обучения". Экспертные системы с приложениями. 36 (2): 1229–1239. Дои:10.1016 / j.eswa.2007.11.064.
  70. ^ Хеффернан, Н. Т., Тернер, Т. Е., Лоренко, А. Л. Н., Макасек, М. А., Нуццо-Джонс, Г., и Кёдингер, К. Р. (2006). ПОМОЩЬ Builder: к анализу рентабельности создания ИТС. Представлено на выставке FLAIRS2006, Флорида.
  71. ^ http://www.cs.iit.edu/~circsim/
  72. ^ aroque.bol.ucla.edu/pubs/vanLehnEtAl-its02-architectureWhy.pdf
  73. ^ Cheung, B .; Hui, L .; Zhang, J .; Ю, С. М. (2003). «SmartTutor: интеллектуальная система обучения в веб-обучении взрослых». Журнал систем и программного обеспечения. 68: 11–25. Дои:10.1016 / s0164-1212 (02) 00133-4.
  74. ^ Graesser, A.C., Wiemer-Hastings, K., Wiemer-Hastings, P., & Kreuz, R., & TRG. (1999). AutoTutor: симуляция человека-наставника. Журнал исследований когнитивных систем 1, 35-51
  75. ^ Мелис Э. и Зикманн Дж. (2004). Activemath: Интеллектуальная система обучения математике. В: Р. Тадеушевич, Л.А. Заде, Л. Рутковски, Дж. Зикманн, (ред.), 7-я Международная конференция «Искусственный интеллект и мягкие вычисления» (ICAISC) Лекционные заметки в AI LNAI 3070. Springer-Verlag 91-101
  76. ^ http://www.cs.cmu.edu/~bmclaren/projects/AdaptErrEx/
  77. ^ Макларен, Б.М., Адамс, Д.М., и Майер, Р.Э. (2015). Эффекты отложенного обучения с ошибочными примерами: исследование обучения десятичным дробям с помощью сетевого репетитора. Международный журнал искусственного интеллекта в образовании, 25 (4), 520-542.
  78. ^ Адамс, Д., Макларен, Б.М., Майер, Р.Э., Гогуадзе, Г., & Исотани, С. (2013). Ошибочные примеры как желательная трудность. In Lane, H.C., Yacef, K., Mostow, J., & Pavlik, P. (Eds.). Материалы 16-й Международной конференции по искусственному интеллекту в образовании (AIED 2013). LNCS 7926 (стр. 803-806). Спрингер, Берлин.
  79. ^ Макларен, Б.М., Адамс, Д., Дуркин, К., Гогуадзе, Г. Майер, Р.Э., Риттл-Джонсон, Б., Сосновский, С., Исотани, С., и Ван Велсен, М. (2012). Человеку свойственно ошибаться, объяснять и исправлять - божественно: изучение интерактивных ошибочных примеров с учениками средней школы. В A. Ravenscroft, S. Lindstaedt, C. Delgado Kloos и D. Hernándex-Leo (Eds.), Proceedings of EC-TEL 2012: Seventh European Conference on Technology Enhanced Learning, LNCS 7563 (стр. 222-235). Спрингер, Берлин.
  80. ^ «Обзор - ПОДАРОК ​​- ПОДАРОК ​​Портал». www.gifttutoring.org. Получено 2018-07-30.
  81. ^ а б Sinatra, Anne M .; Goldberg, Benjamin S .; Соттиларе, Роберт А. (01.09.2014). «Обобщенная интеллектуальная структура репетиторства (GIFT) как инструмент для специалистов по человеческому фактору, Общая интеллектуальная структура для репетиторства (GIFT) как инструмент для специалистов по человеческому фактору». Материалы ежегодного собрания Общества по человеческому фактору и эргономике. 58 (1): 1024–1027. Дои:10.1177/1541931214581214. ISSN  1541-9312. S2CID  111915804.
  82. ^ Lajoie, S.P .; Лесголд, А. (1989). «Профессиональное обучение на рабочем месте: компьютерная среда обучения как новая форма обучения». Машинно-опосредованное обучение. 3: 7–28.
  83. ^ Элиот К. и Вульф Б. (1994). Рассуждения о пользователе в системе обучения в реальном времени на основе моделирования. В материалах четвертой международной конференции по моделированию пользователей, 121–126.
  84. ^ МИЛЕТТО, Э. М., ПИМЕНТА, М. С., ВИКАРИ, Р. М., и ФЛОРЕС, Л. В. (2005). КОДЫ: Интернет-среда для совместного создания музыкальных прототипов. Организованный звук, 10 (3), 243-253.
  85. ^ Холстейн, К., Макларен, Б. М., и Алевен, В. (2017, март). SPACLE: исследование обучения в виртуальном и физическом пространствах с использованием пространственных повторов. В Материалы седьмой Международной конференции по аналитике и знаниям в обучении (стр. 358-367). ACM.
  86. ^ Интеллектуальные системы обучения, Глава 37 / Corbett, Koedinger & Anderson / Глава 37 (Исходный стр. 849-874) 14, полученная 21 мая 2012 г. http://act-r.psy.cmu.edu/papers/173/Chapter_37_Intelligent_Tutoring_Systems.pdf В архиве 2012-06-17 в Wayback Machine
  87. ^ Карам Р., Пейн Дж. Ф., Гриффин Б. А., Робин А., Филлипс А. и Догерти Л. (2016). Изучение масштабной реализации учебной программы по смешанной алгебре I, основанной на технологиях. Исследования и разработки в области образовательных технологий, 1-27.
  88. ^ а б c Андерсон, J.R .; Corbett, A.T .; Koedinger, K. R .; Пеллетье, Р. (1995). «Когнитивные репетиторы: извлеченные уроки». Журнал обучающих наук. 4 (2): 167–207. Дои:10.1207 / s15327809jls0402_2.
  89. ^ Christmann, E .; Бадгетт, Дж. (1997). «Прогрессивное сравнение влияния компьютерного обучения на академическую успеваемость учащихся средних школ». Журнал исследований вычислительной техники в образовании. 29 (4): 325–338. Дои:10.1080/08886504.1997.10782202.
  90. ^ Флетчер, Дж. Д. (2003). Доказательства обучения на основе инструкций с использованием технологий. В Х. Ф. О'Нил и Р. Перес (ред.), «Применение технологий в образовании: взгляд на обучение» (стр. 79–99). Махва, Нью-Джерси: Эрлбаум.
  91. ^ Koedinger, K. R .; Андерсон, Дж. Р .; Hadley, W. H .; Марк, М.А. (1997). «Интеллектуальное обучение идет в школу в большом городе». Международный журнал искусственного интеллекта в образовании. 8: 30–43.
  92. ^ Плано, Г. С. (2004). «Влияние когнитивной алгебры репетитора на отношения и успеваемость учащихся в курсе алгебры 9-го класса». Неопубликованная докторская диссертация, Университет Сетон-Холл, Саут-Ориндж, штат Нью-Джерси.
  93. ^ Кулик, Джеймс А .; Флетчер, Дж. Д. (2016). «Эффективность интеллектуальных систем обучения: метааналитический обзор». Обзор образовательных исследований. 86: 42–78. Дои:10.3102/0034654315581420. S2CID  7398389.
  94. ^ Кёдингер, Кеннет; Алвен, Винсент (2007). «Изучение дилеммы помощи в экспериментах с когнитивными наставниками». Educ Psychol Rev. 19 (3): 239–264. CiteSeerX  10.1.1.158.9693. Дои:10.1007 / s10648-007-9049-0. S2CID  339486.
  95. ^ Мюррей, Т. (1999). Создание интеллектуальных систем обучения: анализ современного состояния. Международный журнал искусственного интеллекта в образовании (IJAIED), 10, 98–129.
  96. ^ а б c d е ж Полсон, Марта С .; Ричардсон, Дж. Джеффри, ред. (1988). Основы интеллектуальных систем обучения. Лоуренс Эрльбаум.
  97. ^ Бейкер Р., Гоуда С., Корбетт А. и Окампау Дж. (2012). На пути к автоматическому определению, поверхностно ли учится студент. В Интеллектуальные системы обучения (стр. 444-453). Springer Berlin / Heidelberg.
  98. ^ Кезер Т., Клинглер С. и Гросс М. (2016, апрель). Когда остановиться ?: к универсальной политике обучения. В Труды Шестой Международной конференции по аналитике обучения и знаниям (стр. 289-298). ACM.
  99. ^ Окампау, Дж., Бейкер, Р., Гауда, С., Хеффернан, Н., и Хеффернан, К. (2014). Популяционная валидность для образовательных моделей интеллектуального анализа данных: тематическое исследование выявления аффектов. Британский журнал образовательных технологий, 45(3), 487-501.
  100. ^ Koedinger, K .; Алевен, В. (2007). «Изучение дилеммы помощи в экспериментах с когнитивными наставниками». Обзор педагогической психологии. 19 (3): 239–264. CiteSeerX  10.1.1.158.9693. Дои:10.1007 / s10648-007-9049-0. S2CID  339486.
  101. ^ Йонассен, Д. Х., и Ривз, Т. С. (1996). Обучение с помощью технологий: использование компьютеров в качестве когнитивных инструментов. В Д. Х. Йонассен (ред.), Справочник по исследованиям в области образовательных коммуникаций и технологий (стр. 693 - 719). Нью-Йорк: Макмиллан.
  102. ^ а б Икбал А., Опперманн Р., Патель А. и Киншук (1999). Классификация методов оценки интеллектуальных систем обучения. В У. Аренд, Э. Эберле и К. Пичке (редакторы). Эргономия программного обеспечения '99 - Design von Informationswelten, Leipzig: B. G. Teubner Stuttgart, 169–181.
  103. ^ а б Симер Дж. И Ангелидес М. С. (1998). Комплексный метод оценки полных интеллектуальных систем обучения. Системы поддержки принятия решений, 22 (1), 85–102.
  104. ^ а б c Марк, М.А., Грир, Дж. Э .. (1993). Методики оценки интеллектуальных систем обучения. Журнал искусственного интеллекта в образовании, 4, 129–129.
  105. ^ Граесснер А. К., Курт ВанЛен, К. П. Р., Джордан П. и Хартер Д. (2001). Интеллектуальные обучающие системы с разговорным диалогом. Журнал AI, 22 (4), 39.
  106. ^ Граессер А.С., Чипман П., Хейнс Б.С. и Олни А. (2005). AutoTutor: интеллектуальная система обучения со смешанным диалогом., 48 (4) 612-618.
  107. ^ Чжао, Р., Папангелис, А., Касселл, Дж. (2014, август). На пути к двоичной вычислительной модели управления раппортом для взаимодействия человека и виртуального агента. В Международная конференция по интеллектуальным виртуальным агентам (стр. 514-527). Издательство Springer International.
  108. ^ Madaio, M.A., Ogan, A., & Cassell, J. (2016, июнь). Влияние ролей дружбы и наставничества на стратегии взаимного наставничества. В Международная конференция по интеллектуальным системам обучения (стр. 423-429). Издательство Springer International.
  109. ^ а б c d D'Mello, C .; Граесснер, А. (2012). «Динамика аффективных состояний при комплексном обучении». Обучение и обучение. 22 (2): 145–157. Дои:10.1016 / j.learninstruc.2011.10.001.
  110. ^ а б Саррафзаде, А .; Александр, С .; Дадгостар, Ф .; Fan, C .; Бигдели, А. (2008). "Откуда вы знаете, что я не понимаю?" Взгляд в будущее интеллектуальных систем обучения ». Компьютеры в человеческом поведении. 24 (4): 1342–1363. Дои:10.1016 / j.chb.2007.07.008. HDL:10652/2040.
  111. ^ D'Mello, S .; Olney, A .; Уильямс, С .; Хейс, П. (2012). «Репетитор по взгляду: интеллектуальная система обучения, реагирующая на взгляд». Международный журнал Human - Computer Studies. 70 (5): 377–398. Дои:10.1016 / j.ijhcs.2012.01.004.
  112. ^ Касселл, Жюстин (январь 2004 г.). «На пути к модели развития технологий и грамотности: системы прослушивания рассказов». Журнал прикладной психологии развития. 25 (1): 75–105. Дои:10.1016 / j.appdev.2003.11.003. ISSN  0193-3973.
  113. ^ Ван, Нин; Грэтч, Джонатан (сентябрь 2009 г.). «Раппорт и мимика». 2009 3-я Международная конференция по эффективным вычислениям и интеллектуальному взаимодействию и семинары. IEEE: 1–6. Дои:10.1109 / acii.2009.5349514. ISBN  9781424448005. S2CID  9673056.
  114. ^ Оган, Эми; Финкельштейн, Саманта; Уокер, Эрин; Карлсон, Райан; Касселл, Жюстин (2012), «Грубость и взаимопонимание: оскорбления и успехи в обучении со стороны сверстников», Интеллектуальные системы обучения, Springer Berlin Heidelberg, стр. 11–21, CiteSeerX  10.1.1.477.4527, Дои:10.1007/978-3-642-30950-2_2, ISBN  9783642309496
  115. ^ Фиорелла, Логан; Майер, Ричард Э. (октябрь 2013 г.). «Относительные преимущества обучения путем обучения и ожидаемой продолжительности обучения». Современная педагогическая психология. 38 (4): 281–288. Дои:10.1016 / j.cedpsych.2013.06.001. ISSN  0361-476X.
  116. ^ Парето, Лена; Арвемо, Тобиас; Даль, Илва; Хааке, Магнус; Гулз, Агнета (2011), «Влияние арифметической игры с обучаемым агентом на понимание математики, отношение и самоэффективность», Конспект лекций по информатике, Springer Berlin Heidelberg, стр. 247–255, Дои:10.1007/978-3-642-21869-9_33, ISBN  9783642218682
  117. ^ БИСВАС, ГАУТАМ; ЧЖОН, ХОГИОН; KINNEBREW, ДЖОН С .; САЛКЕР, БРАЙАН; РОСКО, РОД (июль 2010 г.). «Измерение саморегулируемых навыков обучения посредством социальных взаимодействий в обучаемой среде агента». Исследования и практика в области технологий расширенного обучения. 05 (2): 123–152. Дои:10.1142 / с1793206810000839. ISSN  1793-2068.
  118. ^ Мацуда, Нобору; Коэн, Уильям У .; Koedinger, Kenneth R .; Кейзер, Виктория; Райзада, Рохан; Ярзебинский, Эвелин; Watson, Shayna P .; Стилианид, Габриэль (март 2012 г.). «Изучение эффекта обучения репетитора с помощью обучаемого агента, который спрашивает у ученика-репетитора объяснения». 2012 Четвертая международная конференция IEEE по цифровым играм и интеллектуальным игрушкам.. IEEE: 25–32. Дои:10.1109 / digitel.2012.12. ISBN  9781467308854. S2CID  15946735.

Библиография

Книги

Статьи

внешняя ссылка