Введение

Компьютерная система для обучения учащихся. Интеллектуальная система репетиторства (ITS) – это компьютерная система, имитирующая работу человеческих репетиторов и предназначенная для предоставления учащимся немедленной и индивидуализированной инструкции или обратной связи, как правило, без вмешательства учителя. Общая цель ITS заключается в обеспечении осмысленного и эффективного обучения посредством использования различных вычислительных технологий. Существует множество примеров применения ITS как в формальном образовании, так и в профессиональной сфере, где они продемонстрировали свои возможности и ограничения. Существует тесная взаимосвязь между интеллектуальным репетиторством, теориями когнитивного обучения и проектированием, а также ведутся постоянные исследования по повышению эффективности ITS. ITS обычно стремится воспроизвести доказанные преимущества индивидуального, персонализированного репетиторства в ситуациях, когда студенты в противном случае имели бы доступ к обучению в формате «один ко многим» от одного учителя (например, лекции в классе) или не имели бы учителя вовсе (например, онлайн-домашние задания). Эти ранние работы послужили вдохновением для последующих разработок. Идея использования интеллектуальных машин в образовательных целях восходит к 1924 году, когда Сидни Пресси из Университета штата Огайо создал механическую обучающую машину для обучения студентов без участия учителя. Его машина напоминала печатную машинку с несколькими клавишами и окном, в котором отображались вопросы для учащегося. Машина Пресси позволяла пользователю вводить ответы и предоставляла немедленную обратную связь, регистрируя результат на счетчике. На Пресси оказал влияние Эдвард Л. Торндайк, теоретик обучения и образовательный психолог из Колледжа учителей Колумбийского университета конца XIX и начала XX веков. Торндайк сформулировал законы, способствующие максимальному усвоению знаний. К этим законам относились закон эффекта, закон упражнения и закон актуальности. По современным меркам, обучающая и тестирующая машина Пресси не считалась бы интеллектуальной, поскольку работала механически и основывалась на последовательном задании одного вопроса и получении одного ответа. Ранние разработки в области образования были сосредоточены на программированном обучении (PI) – структуре, основанной на компьютеризированной системе ввода-вывода. Хотя многие поддерживали эту форму обучения, было недостаточно доказательств ее эффективности. Появилась новая точка зрения, ориентированная на использование компьютеров для интеллектуального обучения студентов, получившая название Интеллектуальные компьютерные системы обучения или Интеллектуальные системы репетиторства (ITS). В то время как CAI (Computer-Assisted Instruction) использовала бихевиористский подход к обучению, основанный на теориях Скиннера (Dede & Swigger, 1988), ITS опиралась на работы в области когнитивной психологии, информатики и, в особенности, искусственного интеллекта. Компьютеры по-прежнему оставались дорогими и менее доступными, чем ожидалось. Разработчики и преподаватели негативно реагировали на высокую стоимость разработки программ CAI, недостаточное обеспечение подготовки преподавателей и нехватку ресурсов. Система LISP Tutor могла выявлять ошибки и предоставлять конструктивную обратную связь студентам во время выполнения упражнений. Было установлено, что система сокращает время, необходимое для выполнения упражнений, и повышает успеваемость студентов (Corbett & Anderson, 1992). Также была разработана система PARNASSUS в Университете Карнеги-Меллона в 1989 году для обучения языкам.

Современные ИТС

После внедрения первоначальных ИТС, больше исследователей создали ряд ИТС для различных студентов. В конце 20-го века в рамках проекта «Византия» с участием шести университетов были разработаны Интеллектуальные инструменты обучения (ИТТ). ИТТ представляли собой платформы для создания обучающих систем общего назначения, и многие учреждения отметили положительный опыт их использования (Kinshuk, 1996). Эта платформа, ИТТ, позволяла создавать Интеллектуальные обучающие апплеты (ITA) для различных предметных областей. Различные преподаватели создавали ITA, формируя обширную базу знаний, доступную другим пользователям через Интернет. После создания ИТС преподаватели могли копировать и модифицировать ее для дальнейшего использования. Эта система была эффективной и гибкой. Однако, по мнению Киншука и Пателя, ИТС не была разработана с учетом педагогических принципов и не основывалась на реальных потребностях студентов и преподавателей (Kinshuk and Patel, 1997). В современных исследованиях используются этнографические и проектные методы для изучения того, как ИТС фактически используются студентами и преподавателями в различных контекстах, что часто выявляет неожиданные потребности, которые системы удовлетворяют, не удовлетворяют или даже создают. Современные ИТС обычно стремятся воспроизвести роль учителя или ассистента преподавателя и все чаще автоматизируют педагогические функции, такие как генерация задач, выбор задач и предоставление обратной связи. Однако, учитывая текущий переход к смешанным моделям обучения, современные исследования ИТС все больше внимания уделяют способам эффективного сочетания возможностей систем и обучения под руководством человека – учителя или однокурсников – при использовании в традиционных классах или других социальных условиях. Существовали три проекта ИТС, основанных на ведении диалога: AutoTutor, Atlas (Freedman, 1999) и Why2. Идея этих проектов заключалась в том, что студенты лучше всего учатся, самостоятельно конструируя знания, поэтому программы начинали с наводящих вопросов и предоставляли ответы только в крайнем случае. Студенты AutoTutor отвечали на вопросы по компьютерным технологиям, студенты Atlas решали количественные задачи, а студенты Why2 объясняли физические системы качественно (Graesser, VanLehn, и другие, 2001). Другие подобные системы обучения, такие как Andes (Gertner, Conati, and VanLehn, 1998), обычно предоставляют подсказки и немедленную обратную связь студентам, испытывающим трудности с ответом на вопросы. Студенты могли угадывать ответы и получать правильные результаты, не обладая глубоким пониманием концепций. Исследование проводилось с небольшой группой студентов с использованием Atlas и Andes соответственно. Результаты показали, что студенты, использовавшие Atlas, добились значительных улучшений по сравнению со студентами, использовавшими Andes. Однако, поскольку вышеуказанные системы требуют анализа диалогов студентов, необходимы дальнейшие улучшения для обработки более сложных диалогов.

Приложения

В период бурного роста популярности интернета новые парадигмы компьютерного обучения, такие как электронное обучение и распределенное обучение, предоставили прекрасную платформу для реализации идей ITS. Области, в которых применяются ITS, включают обработку естественного языка, машинное обучение, планирование, многоагентные системы, онтологии, семантическую сеть, а также вычисления, связанные с социальным и эмоциональным интеллектом. Кроме того, другие технологии, такие как мультимедиа, объектно-ориентированные системы, моделирование, симуляция и статистика, также интегрировались или комбинировались с ITS. Исторически нетехнологические области, такие как педагогика и психология, также испытали влияние успеха ITS. В последние годы ITS стали смещаться от подходов, основанных на поиске решений, к широкому спектру практических применений. ITS расширили сферу своего влияния на многие важные и сложные когнитивные области, и результаты оказались значительными. Системы ITS прочно заняли место в формальном образовании, а также нашли применение в корпоративном обучении и организационном развитии. ITS предоставляют учащимся ряд преимуществ, таких как индивидуализированное обучение, оперативная обратная связь и гибкость во времени и месте обучения. Хотя интеллектуальные обучающие системы развивались на основе исследований в области когнитивной психологии и искусственного интеллекта, в настоящее время существует множество их применений в образовании и организациях. Интеллектуальные обучающие системы можно встретить как в онлайн-среде, так и в традиционных компьютерных классах, они используются как в школах (K-12), так и в университетах. Существует ряд программ, ориентированных на математику, но их применение можно найти и в медицине, изучении языков, а также других областях формализованного обучения. Сообщения об улучшении понимания материала, вовлеченности, отношения к обучению, мотивации и академических результатов учащихся способствовали сохраняющемуся интересу к инвестициям и исследованиям в этих системах. Персонализированный характер интеллектуальных обучающих систем предоставляет преподавателям возможность создавать индивидуальные учебные программы. В сфере образования существует множество интеллектуальных обучающих систем, исчерпывающего списка не существует, но ниже приведены некоторые из наиболее влиятельных программ.

Образование

Algebra Tutor PAT (PUMP Algebra Tutor или Practical Algebra Tutor) разработан Центром продвинутых когнитивных наставников в Питтсбурге при Университете Карнеги-Меллона, вовлекает студентов в решение практических задач и использует современные алгебраические инструменты для стимулирования решения проблем и обмена результатами. Цель PAT – опираться на предшествующие знания и повседневный опыт студентов в математике для обеспечения их развития. Эффективность PAT хорошо задокументирована (например, в Управлении оценки и исследований государственных школ округа Майами-Дейд) как с точки зрения статистики (результаты студентов), так и с точки зрения эмоционального восприятия (отзывы студентов и преподавателей). SQL Tutor – первый в мире обучающий модуль, основанный на ограничениях, разработанный группой Intelligent Computer Tutoring Group (ICTG) при Университете Кентербери, Новая Зеландия. SQL Tutor обучает студентов извлечению данных из баз данных с использованием оператора SQL SELECT. EER Tutor – обучающий модуль, основанный на ограничениях (разработанный ICTG), который обучает концептуальному проектированию баз данных с использованием модели «сущность-связь». Более ранней версией EER Tutor был KERMIT – автономный обучающий модуль для моделирования «сущность-связь», который, как было показано, приводил к значительному улучшению знаний студентов после одного часа обучения (с коэффициентом эффекта 0,6). COLLECT UML – обучающий модуль, основанный на ограничениях, который поддерживает работу пар студентов над диаграммами классов UML. Модуль предоставляет обратную связь как на уровне предметной области, так и на уровне сотрудничества. StoichTutor – веб-интеллектуальный наставник, помогающий учащимся старших классов изучать химию, в частности, раздел химии, известный как стехиометрия. Он использовался для изучения различных принципов и методов обучения, таких как примеры с решениями и вежливость. Mathematics Tutor (Beal, Beck & Woolf, 1998) помогает студентам решать текстовые задачи с использованием дробей, десятичных чисел и процентов. Модуль фиксирует показатели успешности при решении задач студентом и предоставляет последующие задачи, соответствующие его уровню. Выбор последующих задач основан на способностях студента и предполагаемом времени, необходимом для решения задачи. eTeacher (Schiaffino et al., 2008) – интеллектуальный агент или педагогический агент, обеспечивающий персонализированную помощь в электронном обучении. Он создает профили студентов, отслеживая их успеваемость в онлайн-курсах. Затем eTeacher использует информацию об успеваемости студента для предложения индивидуального плана действий, направленного на поддержку процесса обучения. ZOSMAT был разработан для удовлетворения всех потребностей реального класса. Он сопровождает и направляет студента на различных этапах обучения. Эта студентоцентричная ITS отслеживает прогресс в обучении студента и изменяет программу обучения в зависимости от его усилий. ZOSMAT можно использовать как для индивидуального обучения, так и в реальной классной среде под руководством преподавателя. REALP был разработан для помощи студентам в улучшении понимания прочитанного путем предоставления лексической практики, специфичной для читателя, и персонализированной практики с использованием полезных и аутентичных материалов для чтения, собранных из Интернета. Система автоматически создает модель пользователя на основе успеваемости студента. После прочтения студенту предлагается серия упражнений, основанных на целевом словарном запасе, найденном в тексте. CIRCSlM Tutor – интеллектуальная система обучения, используемая студентами первого курса медицинского факультета в Иллинойском технологическом институте. Она использует естественный диалог, основанный на сократических вопросах, чтобы помочь студентам изучить регулирование кровяного давления. Why2 Atlas – ITS, анализирующий объяснения студентов принципов физики. Студенты вводят свою работу в виде абзацев, а программа преобразует их слова в доказательство, основываясь на предположениях о убеждениях студента, которые вытекают из его объяснений. В результате выявляются заблуждения и неполные объяснения. Затем система решает эти проблемы посредством диалога со студентом и просит его исправить эссе. Процесс может включать несколько итераций. SmartTutor – Университет Гонконга (HKU) разработал SmartTutor для поддержки потребностей студентов, продолжающих образование. Персонализированное обучение было определено как ключевая потребность в образовании взрослых в HKU, и SmartTutor призван удовлетворить эту потребность. SmartTutor обеспечивает поддержку студентов путем объединения интернет-технологий, исследований в области образования и искусственного интеллекта. AutoTutor помогает студентам колледжей изучать компьютерное оборудование, операционные системы и Интернет в вводном курсе компьютерной грамотности, моделируя речевые модели и педагогические стратегии человеческого наставника. AutoTutor пытается понять ввод пользователя с клавиатуры и затем сформулировать диалоговые ходы с обратной связью, подсказками, исправлениями и намеками. ActiveMath – веб-адаптивная обучающая среда для математики. Эта система стремится к улучшению дистанционного обучения, к дополнению традиционного обучения в классе и к поддержке индивидуального и непрерывного обучения. ESC101 ITS – Индийский технологический институт в Канпуре, Индия, разработал ESC101 ITS, интеллектуальную систему обучения для решения вводных задач по программированию. AdaptErrEx – адаптивный интеллектуальный наставник, использующий интерактивные ошибочные примеры для помощи студентам в изучении десятичной арифметики.

Эффективность

Оценка эффективности программ ITS является проблематичной. Системы ITS значительно различаются по дизайну, внедрению и образовательной направленности. Когда ITS используются в классе, система используется не только учащимися, но и преподавателями. Это использование может создавать препятствия для эффективной оценки по ряду причин, в первую очередь из-за вмешательства преподавателя в процесс обучения учащихся. Преподаватели часто имеют возможность вводить новые задачи в систему или корректировать учебный план. Кроме того, преподаватели и однокурсники часто взаимодействуют со студентами во время работы с ITS (например, во время индивидуальной работы в компьютерном классе или во время лекций, проводимых между занятиями в компьютерном классе) способами, которые могут повлиять на их обучение с использованием программного обеспечения. Это может добавлять дополнительные источники вариативности в различных контекстах оценки. Все эти факторы усложняют оценку ITS и могут объяснить различия в результатах различных оценочных исследований. Несмотря на присущую сложность, многочисленные исследования были направлены на измерение общей эффективности ITS, часто путем сравнения ITS с человеческими репетиторами. Обзоры ранних систем ITS (1995 г.) показали размер эффекта d = 1,0 по сравнению с отсутствием репетиторства, в то время как человеческим репетиторам был присвоен размер эффекта d = 2,0. Последующие исследования показали, что эти результаты были особенно выражены у учащихся с особыми образовательными потребностями, не владеющих английским языком и из семей с низким доходом. Более поздний метаанализ показывает, что ITS могут превосходить эффективность как CAI, так и человеческих репетиторов, особенно при измерении с помощью локальных (специфических) тестов, а не стандартизированных тестов. "Учащиеся, получившие интеллектуальное обучение, показали более высокие результаты, чем учащиеся из традиционных классов в 46 (или 92%) из 50 контролируемых оценок, а улучшение результатов было достаточно значительным, чтобы считаться существенным в 39 (или 78%) из 50 исследований. Медианный ES в 50 исследованиях составил 0,66, что считается умеренным или большим эффектом для исследований в области социальных наук. Это примерно эквивалентно улучшению результатов теста с 50-го по 75-й процентиль. Это сильнее, чем типичные эффекты от других форм репетиторства. Например, метаанализ C. L. C. Kulik и Kulik (1991 г.) показал средний ES 0,31 в 165 исследованиях репетиторства с использованием CAI. Прирост от ITS примерно в два раза выше. Эффект ITS также больше, чем типичный эффект от обучения с человеческим репетитором. Как мы видели, программы обучения с человеческим репетитором обычно повышают результаты тестов учащихся примерно на 0,4 стандартных отклонения по сравнению с контрольными группами. Разработчики ITS давно стремились улучшить успех репетиторства с использованием CAI и достичь успеха обучения с человеческим репетитором. Наши результаты показывают, что разработчики ITS уже достигли обеих этих целей. Хотя эффекты были умеренными или сильными в оценках, измеряющих результаты на локально разработанных тестах, они были значительно меньше в оценках, измеряющих результаты на стандартизированных тестах. Средний ES в исследованиях с локальными тестами составил 0,73, а средний ES в исследованиях со стандартизированными тестами - 0,13. Это расхождение не является необычным для метаанализов, включающих как локальные, так и стандартизированные тесты. Локальные тесты, вероятно, хорошо соответствуют целям конкретных учебных программ. Стандартизированные тесты, доступные в продаже, обеспечивают менее точное соответствие. Мы считаем, что как локальные, так и стандартизированные тесты предоставляют важную информацию об эффективности обучения, и, по возможности, оба типа тестов должны быть включены в оценочные исследования". Некоторые признанные сильные стороны ITS включают их способность обеспечивать немедленную обратную связь типа "да/нет", индивидуальный выбор задач, подсказки по запросу и поддержку обучения на уровне мастерства.