Personalizacja kursów e-learningowych

Prezentacja na temat: "Personalizacja kursów e-learningowych"— Zapis prezentacji:

1 Personalizacja kursów e-learningowych
Łukasz Rauch, Krzysztof Andrelczyk, Jan Kusiak Centrum E-Learningu Akademia Górniczo-Hutnicza 1

2 Agenda Wprowadzenie – nowy model kształcenia Cele projektu
Wykorzystane narzędzia Etapy realizacji projektu Opis zastosowanego algorytmu agentowego Perspektywy dalszej rozbudowy i zastosowania Podsumowanie 2 2

3 Cel projektu Stworzenie systemu umożliwiającego automatyczne dostosowywanie treści kursów e-learningowych do indywidualnych preferencji i potrzeb każdego ucznia w celu zwiększenia efektywności nauczania. 3 3

4 Szczegółowe cele personalizacji
Dodanie fragmentów innych kursów pomocnych w zrozumieniu prezentowanej treści Odrzucenie zbędnych fragmentów kursów (np. zaprezentowanych już w ramach innego kursu) Wyznaczanie indywidualnej ścieżki nauczania 4 4

5 Wykorzystywana przez uczelnianą platformę e-learningową AGH
Platforma Moodle Darmowy, Open Source'owy system zarządzania kursami umożliwiający tworzenie interakcyjnych kursów e-learningowych popularność (22256 stron) elastyczność (modułowa budowa) otwarty kod Wykorzystywana przez uczelnianą platformę e-learningową AGH 5 5

6 Sharable Content Object
SCORM Sharable Content Object Reference Model Otwarty standard stworzony w ramach inicjatywy Advanced Distributed Learning Oparty na technologii XML (elastyczny, łatwo przetwarzalny i aplikowalny) Obecnie ok. 250 produktów wykorzystujących standard 6 6

7 Dlaczego SCORM? Możliwość wykorzystania kursów na różnych platformach - przenośność Możliwość wykorzystania kursów pochodzących z różnych źródeł Duży wybór kursów Możliwość wielokrotnego wykorzystywania elementów kursów. 7 7

8 Etapy realizacji 1. Opracowanie nowej struktury kursów
2. Automatyzacja budowy kursów poprzez implementację systemu agentowego 3. Stworzenie algorytmu personalizacji 8 8

9 Podstawową składową kursu jest pojedynczy obiekt SCO.
Struktura kursu1 Podstawową składową kursu jest pojedynczy obiekt SCO. Powiązania pomiędzy elementami odpowiadają zależnościom pomiędzy nimi i sugerują kolejność prezentacji. 9 9

10 Struktura kursu2 1. Metody optymalizacji a) Złoty podział - definicje
- algorytm b) Metoda sympleks Transformacja kursu na strukturę grafową 10 10

11 Struktura kursu3 Definicje Algorytm Złoty podział Metoda Sympleks
Metody optymalizacji Automatycznie tworzone połączenia zapewniają kompatybilność wstecz. 11 11

12 Dobór parametrów Wiedza autora kursu Historia nauki studenta
Wiedza zdobyta poza platformą e-learningową 12 12

13 Dobór parametrów1 Wiedza autora kursu
Autor decyduje o powiązaniach kursu z innymi elementami znajdującymi się na platformie. 13 13

14 Dobór parametrów2 Historia nauki studenta
Ostatni czas dostępu do kursu Ocena końcowa z kursu Czas poświęcony danemu kursowi 14 14

15 Dobór parametrów3 Wiedza zdobyta poza platformą e-learningową
Testy kwalifikacyjne. 15 15

16 System agentowy1 Budowa systemu agentowego odpowiada strukturze wszystkich kursów dostępnych na platformie. Struktura kursu jest rekurencyjna. Pojedynczy agent może reprezentować: Jeden obiekt SCO Cały kurs zawierający zbiór obiektów 16 16

17 System agentowy2 Parametry systemu:
Połączenia pomiędzy agentami – odpowiadają połączeniom pomiędzy elementami kursów Progi aktywacji – wartości ustalane dla każdego agenta, decydują o dołączeniu danego elementu do prezentowanego kursu 17 17

18 System agentowy3 System agentowy odpowiada za:
Wybór elementów wchodzących w skład prezentowanego kursu Budowę struktury prezentowanego kursu na podstawie połączeń pomiędzy agentami 18 18

19 Wybór elementów 1 Definicje Algorytm Algorytm Złoty Sympleks Podział
Metoda Złotego Podziału Metody optymalizacji Metoda Sympleks 19 19

20 Wybór elementów 2 Definicje Algorytm Algorytm Złoty Sympleks Podział
Metoda Złotego Podziału Metody optymalizacji Metoda Sympleks 20 20

21 Wybór elementów 3 Definicje Algorytm Algorytm Złoty Sympleks Podział
Metoda Złotego Podziału Metody optymalizacji Metoda Sympleks 21 21

22 Wybór elementów 4 Definicje Algorytm Algorytm Złoty Sympleks Podział
Metoda Złotego Podziału Metody optymalizacji Metoda Sympleks 22 22

23 Wybór elementów 5 Definicje Algorytm Algorytm Złoty Sympleks Podział
Metoda Złotego Podziału Metody optymalizacji Metoda Sympleks 23 23

24 Wybór elementów 6 Definicje Algorytm Algorytm Złoty Sympleks Podział
Metoda Złotego Podziału Metody optymalizacji Metoda Sympleks 24 24

25 Budowa kursu1 1. Metody optymalizacji a) Złoty podział - definicje
- algorytm b) Metoda sympleks Algorytm Algorytm Złoty podział Sympleks Metody optymalizacji 25 25

26 Budowa kursu2 Na podstawie wyników działania algorytmu do bazy danych dodawany jest nowy kurs, który następnie prezentowany jest użytkownikowi. 26 26

27 Inne możliwości Wyznaczanie spersonalizowanej ścieżki nauczania
Wybór formy prezentacji treści Dynamiczna modyfikacja parametrów systemu w trakcie działania algorytmu 27 27

28 Dalsze prace Rozbudowa mechanizmu personalizacji
Tworzenie kursów SCORM z materiałów dostępnych na platformie Eksportowanie i importowanie spersonalizowanych kursów Automatyczne generowanie spersonalizowanych testów Wykorzystanie architektur rozproszonych, kursów dostępnych z zewnątrz poprzez Internet 28 28

29 Podsumowanie Moduł personalizacji został zaimplementowany za pomocą technologii PHP i XML oraz wdrożony na platformie Moodle Stworzony moduł umożliwia automatyczną personalizację kursów e-learningowych Wykorzystanie otwartych narzędzi i standardów umożliwia powszechne wdrożenie rozwiązania 29 29

30 Bibliografia „Intelligent agent supported personalization for virtual learning environments”, Dongming Xu, Huaiqing Wang „Smart Tutor: An Intelligent Tutoring System in web-based adult education”, B. Cheung, L. Hui, J. Zhang, S.M. Yiu „Towards a Standards-based Approach to e- Learning Personalization using Reusable Learning Objects” - O. Conlan, D. Dagger, V. Wade 30 30