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

Agenda Wprowadzenie – nowy model kształcenia Cele projektu Wykorzystane narzędzia Etapy realizacji projektu Opis zastosowanego algorytmu agentowego Perspektywy dalszej rozbudowy i zastosowania Podsumowanie 20.06.07 2 2

Cel projektu Stworzenie systemu umożliwiającego automatyczne dostosowywanie treści kursów e-learningowych do indywidualnych preferencji i potrzeb każdego ucznia w celu zwiększenia efektywności nauczania. 20.06.07 3 3

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 20.06.07 4 4

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 20.06.07 5 5

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 20.06.07 6 6

Dlaczego SCORM? Możliwość wykorzystania kursów na różnych platformach - przenośność Możliwość wykorzystania kursów pochodzących z różnych źródeł Duży wybór kursów Możliwość wielokrotnego wykorzystywania elementów kursów. 20.06.07 7 7

Etapy realizacji 1. Opracowanie nowej struktury kursów 2. Automatyzacja budowy kursów poprzez implementację systemu agentowego 3. Stworzenie algorytmu personalizacji 20.06.07 8 8

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. 20.06.07 9 9

Struktura kursu2 1. Metody optymalizacji a) Złoty podział - definicje - algorytm b) Metoda sympleks Transformacja kursu na strukturę grafową 20.06.07 10 10

Struktura kursu3 Definicje Algorytm Złoty podział Metoda Sympleks Metody optymalizacji Automatycznie tworzone połączenia zapewniają kompatybilność wstecz. 20.06.07 11 11

Dobór parametrów Wiedza autora kursu Historia nauki studenta Wiedza zdobyta poza platformą e-learningową 20.06.07 12 12

Dobór parametrów1 Wiedza autora kursu Autor decyduje o powiązaniach kursu z innymi elementami znajdującymi się na platformie. 20.06.07 13 13

Dobór parametrów2 Historia nauki studenta Ostatni czas dostępu do kursu Ocena końcowa z kursu Czas poświęcony danemu kursowi 20.06.07 14 14

Dobór parametrów3 Wiedza zdobyta poza platformą e-learningową Testy kwalifikacyjne. 20.06.07 15 15

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 20.06.07 16 16

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 20.06.07 17 17

System agentowy3 System agentowy odpowiada za: Wybór elementów wchodzących w skład prezentowanego kursu Budowę struktury prezentowanego kursu na podstawie połączeń pomiędzy agentami 20.06.07 18 18

Wybór elementów 1 Definicje Algorytm Algorytm Złoty Sympleks Podział Metoda Złotego Podziału Metody optymalizacji Metoda Sympleks 20.06.07 19 19

Wybór elementów 2 Definicje Algorytm Algorytm Złoty Sympleks Podział Metoda Złotego Podziału Metody optymalizacji Metoda Sympleks 20.06.07 20 20

Wybór elementów 3 Definicje Algorytm Algorytm Złoty Sympleks Podział Metoda Złotego Podziału Metody optymalizacji Metoda Sympleks 20.06.07 21 21

Wybór elementów 4 Definicje Algorytm Algorytm Złoty Sympleks Podział Metoda Złotego Podziału Metody optymalizacji Metoda Sympleks 20.06.07 22 22

Wybór elementów 5 Definicje Algorytm Algorytm Złoty Sympleks Podział Metoda Złotego Podziału Metody optymalizacji Metoda Sympleks 20.06.07 23 23

Wybór elementów 6 Definicje Algorytm Algorytm Złoty Sympleks Podział Metoda Złotego Podziału Metody optymalizacji Metoda Sympleks 20.06.07 24 24

Budowa kursu1 1. Metody optymalizacji a) Złoty podział - definicje - algorytm b) Metoda sympleks Algorytm Algorytm Złoty podział Sympleks Metody optymalizacji 20.06.07 25 25

Budowa kursu2 Na podstawie wyników działania algorytmu do bazy danych dodawany jest nowy kurs, który następnie prezentowany jest użytkownikowi. 20.06.07 26 26

Inne możliwości Wyznaczanie spersonalizowanej ścieżki nauczania Wybór formy prezentacji treści Dynamiczna modyfikacja parametrów systemu w trakcie działania algorytmu 20.06.07 27 27

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 20.06.07 28 28

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 20.06.07 29 29

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 20.06.07 30 30