인텔리전트 튜터링 시스템

Intelligent tutoring system

인텔리전트 튜터링 시스템(ITS)은 학습자에게 [1]즉각적이고 맞춤화된 교육 또는 피드백을 제공하는 것을 목표로 하는 컴퓨터 시스템입니다.보통, 인간 교사의 개입이 필요 없습니다.ITS는, 다양한 컴퓨팅 테크놀로지를 사용해 의미 있고 효과적인 방법으로 학습을 가능하게 하는 공통의 목표를 가지고 있습니다.ITS가 정규 교육과 전문직 환경에서 모두 사용되고 있는 예는 여러 가지가 있으며, ITS의 역량과 한계를 증명하고 있습니다.인텔리전트 튜터링, 인지 학습 이론 및 디자인 사이에는 밀접한 관계가 있으며 ITS의 효과를 개선하기 위한 연구가 진행 중입니다.ITS는 일반적으로 학생이 단일 교사(예: 강의실 강의)로부터 일대다 지도를 받거나 교사가 전혀 없는 상황(예: 온라인 숙제)[2]에서 일대일 개인화된 과외의 입증된 이점을 복제하는 것을 목표로 한다.ITS는, 많은 경우, 모든 학생에게 고품질의 교육에의 액세스를 제공하는 것을 목적으로 설계되고 있습니다.

역사

초기 기계 시스템

스키너 교습기 08

지능형 기계의 가능성은 수세기 동안 논의되어 왔다.블레이즈 파스칼은 단순히 파스칼의 계산기라고 불리는 17세기에 수학적 기능을 할 수 있는 최초의 계산기를 만들었다.이 시기에 수학자이자 철학자 고트프리트 빌헬름 라이프니츠는 [3]논쟁을 해결하기 위해 논리 규칙을 적용하고 추론할 수 있는 기계를 상상했다.이러한 초기 작품들은 이후의 발전에 영감을 주었다.

교육용 지능형 기계의 개념은 오하이오 주립 대학의 시드니 프레시가 인간 선생님 [4][5]없이 학생들을 가르치는 기계식 교육 기계를 만들었던 1924년으로 거슬러 올라간다.그의 기계는 여러 개의 열쇠와 학습자에게 질문을 제공하는 창이 있는 타자기와 매우 흡사했다.Presey Machine은 사용자 입력을 허용하고 [6]카운터에 점수를 기록함으로써 즉각적인 피드백을 제공했습니다.

Presey는 Edward L.의 영향을 받았다. 손다이크는 19세기 말과 20세기 초에 콜롬비아 대학 사범대학의 학습 이론가이자 교육 심리학자였다.Thorndike는 학습을 극대화하기 위한 법칙을 내세웠다.손다이크의 법칙은 효과의 법칙, 운동의 법칙, 그리고 반복의 법칙을 포함했다.이후 기준에 따르면 Presey의 교육 및 테스트 기계는 기계적으로 작동하며 [6]한 번에 하나의 질의응답에 기반하기 때문에 지능적인 것으로 간주되지 않지만, 향후 프로젝트의 초기 선례가 되었습니다.

1950년대와 1960년대까지 학습에 대한 새로운 관점이 나타났다.하버드 대학의 버후스 프레데릭 스키너는 손다이크의 연결주의 학습 이론이나 프레시의 교육 기계에 동의하지 않았다.오히려, 스키너는 학습자들이 [5]인식에 의존하지 말고 그들의 답을 구성해야만 한다고 믿었던 행동주의자였다.그는 또한 학생들이 [5]질문에 대한 올바른 답변을 할 수 있는 증분 기계 시스템을 갖춘 교육 기계를 만들었습니다.

초기 전자 시스템

제2차 세계 대전 이후, 기계적인 바이너리 시스템은 바이너리 기반의 전자 기계로 대체되었다.이 기계들은 논리적인 결정을 내릴 수 있는 능력이 있기 때문에 기계적인 기계들에 비해 지능적인 것으로 여겨졌습니다.그러나 기계 지능을 정의하고 인식하는 연구는 아직 초기 단계에 있었습니다.

수학자, 논리학자, 컴퓨터 과학자인 앨런 튜링은 컴퓨팅 시스템을 사고와 연결시켰다.그의 가장 주목할 만한 논문 중 하나는 튜링 테스트로 알려진 기계의 지능을 평가하기 위한 가상의 테스트의 개요를 설명했다.기본적으로 이 테스트에서는 두 명의 다른 에이전트, 즉 인간과 컴퓨터가 양쪽 수신자에게 질문을 하도록 합니다.질문을 하는 사람이 다른 사람과 컴퓨터를 구별할 수 없는 방식으로 응답할 수 있다면 컴퓨터는 테스트를 통과합니다.튜링 테스트는 현재 ITS 발전의 모델로 20년 이상 사용되어 왔습니다.ITS 시스템의 주된 이상은 효과적으로 [6]통신하는 것입니다.1950년대 초에 지능형 기능을 보여주는 프로그램이 등장했습니다.앨런 뉴웰, 클리포드 쇼, 허브 사이먼과 같은 연구자들의 후기 프로젝트뿐만 아니라 튜링의 연구는 논리적인 증명과 정리를 만들 수 있는 프로그램을 보여주었다.그들의 프로그램인 논리 이론가는 인간의 직접적인 통제 없이 복잡한 기호 조작과 심지어 새로운 정보의 생성을 보여주었고, 일부 사람들에 의해 최초의 AI 프로그램으로 여겨진다.이러한 비약적인 발전은 1956년 존 [3]맥카시가 다트머스 회의에서 공식적으로 명명했던 인공지능의 새로운 분야에 영감을 줄 것이다.이번 컨퍼런스는 AI 분야 과학자와 연구를 위한 첫 번째 학술대회였다.

1981년 플라톤 V CAI 터미널

1960년대와 1970년대 후반에는 컴퓨터 과학의 진보를 바탕으로 한 많은 새로운 CAI(컴퓨터 지원 교육) 프로젝트가 있었다.1958년 ALGOL 프로그래밍 언어가 만들어지면서 많은 학교와 대학이 컴퓨터 지원 교육(CAI) 프로그램 개발을 시작할 수 있게 되었습니다.IBM, HP 및 National Science Foundation과 같은 미국의 주요 컴퓨터 벤더와 연방 기관이 이러한 [7]프로젝트 개발에 자금을 지원했습니다.교육의 초기 구현은 컴퓨터화된 입출력 시스템에 기반한 구조인 프로그래밍된 지시(PI)에 초점을 맞췄다.많은 이들이 이러한 형태의 교육을 지지했지만,[6] 그 효과를 뒷받침하는 증거는 제한적이었다.프로그래밍 언어 LOGO는 1967년 Wally Feurzeig, Cynthia Solomon 및 Seymour Papert에 의해 교육용으로 합리화된 언어로 만들어졌습니다.많은 양의 수업 자료를 저장하고 전달할 수 있는 디스플레이, 애니메이션, 터치 컨트롤을 갖춘 교육용 단말기 플라톤은 1970년대 초에 일리노이 대학의 도널드 비처에 의해 개발되었다.이와 함께 많은 다른 CAI 프로젝트가 미국, 영국 및 [7]캐나다를 포함한 많은 국가에서 시작되었습니다.

CAI에 대한 관심이 높아지면서 Jaime Carbonell은 컴퓨터가 단순한 도구가 아니라 교사 역할을 할 수 있다고 제안했습니다(Carbonell, 1970).[8]인텔리전트 컴퓨터 어시스트 인스트럭션 또는 인텔리전트 튜터링 시스템(ITS)이라고 불리는 컴퓨터를 사용하여 학생들을 인텔리전트하게 지도하는 데 초점을 맞춘 새로운 관점이 등장할 것입니다.CAI가 스키너의 이론에 기초한 학습에 행동주의 관점을 사용한 경우(Dede & Swigger, 1988),[9] ITS는 인지 심리학, 컴퓨터 과학, 특히 인공지능의 연구에서 [9]도출되었다.시스템이 이전 10년간의 논리 중심에서 지식 기반 시스템으로 이동함에 따라 AI 연구에 변화가 있었다. 즉, 시스템은 사전 지식을 기반으로 지능적인 결정을 내릴 수 있었다(Buchanan, 2006).[3]이러한 프로그램은 시모어 파퍼트와 Ira Goldstein에 의해 개발되었으며, 그는 기존 데이터에서 가능한 화학 구조를 예측하는 시스템인 Dendral을 만들었다.더 많은 연구가 유추적 추론과 언어 처리를 보여주기 시작했다.지식에 초점을 맞춘 이러한 변화는 컴퓨터가 어떻게 교육에서 사용될 수 있는지에 큰 영향을 미쳤다.그러나 ITS의 기술 요건은 CAI 시스템보다 더 높고 복잡한 것으로 판명되었으며 ITS 시스템은 현재 [7]제한적인 성공을 거두게 될 것이다.

1970년대 후반으로 접어들면서 CAI 기술에 대한 관심이 [7][10]식기 시작했다.컴퓨터는 여전히 비싸고 기대만큼 구할 수 없었다.개발자와 강사들은 CAI 프로그램 개발에 드는 높은 비용, 강사 훈련에 대한 불충분한 제공, [10]자원 부족에 대해 부정적인 반응을 보였다.

마이크로컴퓨터 및 인텔리전트 시스템

1970년대 후반과 1980년대 초반의 마이크로컴퓨터 혁명은 CAI의 발전을 되살리고 ITS 시스템의 개발을 시작하는 데 도움이 되었습니다.Apple 2, Commodore PET 및 TRS-80과 같은 개인용 컴퓨터는 컴퓨터를 소유하는 데 필요한 자원을 줄였으며 1981년까지 미국 학교의 50%가 컴퓨터를 사용하고 있었다(Chambers & Sprecher, [7]1983년).1981년 [7]British Columbia Project와 California State University Project를 포함한 여러 CAI 프로젝트가 고등학교와 대학에서 CAI 프로그램을 제공하기 위한 시스템으로 사용되었습니다.

1980년대 초반에는 ICAI(Intelligent Computer-Assisted Instruction)와 ITS의 목표도 CAI의 뿌리에서 분리되었다.CAI가 특정 관심 분야를 위해 작성된 콘텐츠와의 더 깊은 상호작용에 점점 더 집중함에 따라 ITS는 작업에 대한 지식과 비특정적인 방법으로 지식을 일반화하는 능력에 초점을 맞춘 시스템을 구축하려고 했다(Larkin & Chabay, 1992).[9]ITS의 주요 목표는 업무를 가르칠 수 있을 뿐만 아니라 상황에 동적으로 적응하면서 업무를 수행할 수 있도록 하는 것이었습니다.CAI에서 ICAI 시스템으로의 이행에 있어서, 컴퓨터는 올바른 응답과 잘못된 응답의 종류를 구별해 명령의 종류를 조정해야 한다.인공지능과 인지심리학 연구는 ITS의 새로운 원리를 촉진했다.심리학자들은 컴퓨터가 어떻게 문제를 해결하고 '지능적인' 활동을 수행할 수 있는지를 고려했다.ITS 프로그램은 학습자의 질문에 응답하기 위해 자신의 새로운 지식을 도출하기 위해 지식을 표현, 저장 및 검색할 수 있어야 합니다.기본적으로 ITS 또는 (ICAI)의 초기 사양에서는 "오류 진단 및 진단에 따른 수정 조정"이 요구됩니다(Shute & Psotka, 1994, 페이지 9).[6]ITS를 프로그래밍할 때 진단 및 교정이라는 개념은 오늘날에도 여전히 사용되고 있습니다.

ITS 연구의 중요한 돌파구는 LISP 튜터(The LISP Tutor)의 창시였습니다.LISP Tutor는 ITS 원칙을 실용적인 방법으로 구현하고 학생들의 학업 성취도를 높이는 유망한 효과를 보여 주는 프로그램입니다.LISP 튜터는 학생들에게 LISP 프로그래밍 언어를 가르치기 위한 ITS 시스템으로 1983년에 개발 및 연구되었습니다(Corbett & Anderson, 1992).[11]LISP 튜터는 학생들이 연습하는 동안 실수를 식별하고 건설적인 피드백을 제공할 수 있었다.이 시스템은 학생 시험 점수를 향상시키면서 연습 완료에 필요한 시간을 단축하는 것으로 밝혀졌다(Corbett & Anderson, 1992).[11]이 무렵부터 발전하기 시작한 다른 ITS 시스템으로는 1984년 Logica에 의해 일반 교육[12] 도구로 개발된 TUTOR와 1989년 언어 [13]교육을 위해 Carnegie Mellon University에서 만들어진 PARNASSUS가 있다.

최신 ITS

초기 ITS를 구현한 후, 더 많은 연구자들이 다양한 학생들을 위해 다수의 ITS를 만들었습니다.20세기 후반에, 인텔리전트 튜터링 툴(ITT)은 6개의 대학이 참여한 비잔티움 프로젝트에 의해 개발되었다.ITT는 범용 튜터링 시스템 구축업체로 많은 기관이 이를 사용하면서 긍정적인 피드백을 받았습니다.(Kinshuk, 1996년)[14] 이 구축업체 ITT는 다양한 분야의 인텔리전트 튜터링 애플릿(ITA)을 제작합니다.서로 다른 교사들이 ITA를 만들고 인터넷을 통해 다른 사람들이 접근할 수 있는 많은 지식을 축적했습니다.ITS가 생성되면 교사는 이를 복사하여 나중에 사용할 수 있도록 수정할 수 있습니다.이 시스템은 효율적이고 유연했습니다.그러나 Kinshuk과 Patel은 ITS가 교육적 관점에서 설계되지 않았으며 학생과 교사의 실제 요구에 따라 개발되지 않았다고 믿었다(Kinshuk과 Patel, 1997).[15]최근 연구는 다양한 맥락에서 실제로 학생과 교사가[17][18] ITS를 사용하는 방법을 조사하기 위해 민족지적 및 디자인 연구[16] 방법을 채택하고 있으며, 종종 ITS가 충족, 충족되지 못하거나 심지어 경우에 따라서는 창출하는 예상치 못한 요구를 드러내고 있습니다.

오늘날의 ITS는 일반적으로 교사나 조교 역할을 복제하고 문제 발생, 문제 선택 및 피드백 생성과 같은 교육학적 기능을 점점 더 자동화하려고 합니다.그러나, 혼합 학습 모델로의 현재의 변화를 고려할 때, ITS에 대한 최근의 연구는 이러한 시스템이 함께 위치한 교실이나 다른 사회적 [21]맥락에서 사용될 때, 교사나[19] [20]동료의 인간 주도 교육의 상호 보완적인 강점을 효과적으로 활용할 수 있는 방법에 초점을 맞추기 시작했다.

대화에 기초한 ITS 프로젝트에는 세 가지가 있습니다.AutoTutor, Atlas(Freedman, 1999),[22] Why2.이 프로젝트들의 배경에는 학생들이 스스로 지식을 구축함으로써 가장 잘 배울 수 있기 때문에, 그 프로그램들은 학생들에게 주도적인 질문으로 시작하고 마지막 수단으로 답을 내놓는 것이 있었다.(Graesser, VanLehn, 그리고 다른 사람들, 2001년)[23] 둘러 같은(거트너, Conati, VanLehn, 1998년)[24] 다른 유사한 개인 교습 시스템 pr는 경향이 있AutoTutor의 학생이 컴퓨터 기술에 대한 질문에 답하는에 초점을 맞춘 아틀라스의 학생들 양적 문제를 해결하고, Why2의 학생들 질적으로 물리적 시스템을 설명하는데 초점을 맞추었다. 집중했다.hovide학생이 질문에 대답하는 데 문제가 있을 때 학생에게 즉시 피드백을 제공합니다.그들은 개념을 깊이 이해하지 않고도 답을 추측하고 정답을 얻을 수 있었다.연구는 아틀라스와 안데스를 각각 사용하는 소수의 학생들과 함께 이루어졌다.그 결과는 아틀라스를 사용하는 학생들이 [25]안데스를 사용하는 학생들에 비해 상당히 향상되었다는 것을 보여주었다.그러나 위의 제도들은 학생들의 대화를 분석해야 하기 때문에 더 복잡한 대화를 관리할 수 있도록 아직 개선되지 않았다.

구조.

인텔리전트 튜터링 시스템(ITS)은 연구원들 간의 일반적인 합의에 기초한 네 가지 기본 요소로 구성된다(Nwana, 1990;[26] Freedman, 2000;[27] Nkambou et al., 2010[28]).

  1. 도메인 모델
  2. 학생 모델
  3. 튜터링 모델 및
  4. 사용자 인터페이스 모델

도메인 모델(인지 모델 또는 전문가 지식 모델이라고도 함)은 문제를 해결하기 위해 필요한 모든 가능한 단계를 고려하려는 ACT-R 이론과 같은 학습 이론에 기초합니다.보다 구체적으로 말하면, 이 모델에는, 「학습할 도메인의 개념, 룰, 및 문제 해결 전략이 포함되어 있습니다.전문지식의 원천으로서, 학생의 성적을 평가하기 위한 기준이나 오류를 검출하기 위한 기준 등, 몇개의 역할을 완수할 수 있습니다.(Nkambou et al., 2010, 페이지 4).[28]도메인 모델을 개발하기 위한 또 다른 접근법은 Stellan Ohlsson의 성능 [29]오류 학습 이론(CBM)[30]에 기초하고 있습니다.이 경우 도메인 모델은 올바른 솔루션에 [31][32]대한 일련의 제약으로 제시됩니다.

학생 모델은 도메인 모델의 오버레이로 간주할 수 있습니다.학습 과정이 진행됨에 따라 학생의 인지 및 감정 상태 및 이들의 진화에 특히 주의를 기울이는 ITS의 핵심 요소로 간주됩니다.학생이 문제 해결 프로세스를 단계별로 진행하면서 ITS는 모델 추적이라고 하는 프로세스에 참여합니다.학생 모델이 도메인 모델에서 벗어날 때마다 시스템은 오류가 발생했음을 식별하거나 플래그를 지정합니다.반면, 제약 조건 기반 튜터에서는 학생 모델이 제약 조건 [33]집합에서 오버레이로 표시됩니다.제약 조건 기반 튜터는[34] 제약 조건 집합에 대해 학생의 솔루션을 평가하고 만족하고 위반된 제약 조건을 식별합니다.제약조건을 위반한 경우 학생의 솔루션이 올바르지 않으며 ITS는 이러한 [35][36]제약조건에 대한 피드백을 제공합니다.제약 조건 기반 튜터는 부정적인 피드백(즉, 오류에 대한 피드백)과 긍정적인 [37]피드백을 제공합니다.

튜터 모델은 도메인 및 학생 모델로부터 정보를 받아 들여 튜터 전략과 행동에 대한 선택을 합니다.문제 해결 프로세스의 어느 시점에서도 학습자는 모델 내 현재 위치에 따라 다음에 무엇을 해야 하는지에 대한 지침을 요청할 수 있습니다.또한, 시스템은 학습자가 모델의 생산 규칙에서 벗어났을 때를 인식하고 학습자에게 시기적절하게 피드백을 제공하므로 목표 기술에 [38]대한 숙달 기간이 단축됩니다.튜터 모델은 학습 또는 학습되지 않은 두 가지 상태 중 하나에 존재한다고 할 수 있는 수백 개의 생산 규칙을 포함할 수 있습니다.학생이 문제에 규칙을 성공적으로 적용할 때마다 시스템은 학생이 규칙을 학습했을 확률 추정치를 업데이트합니다.시스템은 규칙이 학습될 확률이 [39]최소 95%에 이를 때까지 규칙의 효과적인 적용이 필요한 연습에 대해 학생들에게 훈련을 계속한다.

지식 추적은 문제에서 문제로의 학습 진행 상황을 추적하고 생산 규칙과 관련된 강점과 약점의 프로파일을 작성합니다.Carnegie Mellon 대학의 John Anderson에 의해 개발된 인지 튜터링 시스템은 지식 추적의 정보를 기술 측정기로 제시하며, 이는 대수 문제 해결과 관련된 각각의 모니터링된 기술에 대한 학습자의 성공을 시각적으로 보여준다.학습자가 힌트를 요구하거나 오류가 발생하면 지식 추적 데이터와 스킬미터가 실시간으로 업데이트됩니다.

사용자 인터페이스 컴포넌트는 대화 수행에 필요한 3종류의 정보를 통합한다.대화내에서의 해석 패턴에 관한 지식(스피커를 이해하기 위한)과 동작(발언을 생성하기 위한 지식), 콘텐츠 전달에 필요한 도메인 지식(Padayachee, 2002), 페이지 3).[40]

Nkambou et al. (2010)는 건축과 패러다임(또는 철학) 사이의 강력한 연관성을 강조하는 다양한 아키텍처에 대한 Nwana(1990)[26]의 리뷰를 언급한다.Nwana(1990)는 "동일한 아키텍처에 기반한 두 개의 ITS를 찾는 것은 거의 드문 일이다. (p.258).그는 또한 다른 과외 철학은 학습 과정의 다른 구성요소(영역, 학생 또는 과외)를 강조한다고 설명합니다.ITS의 아키텍처 설계는 이러한 강조를 반영하며, 이는 다양한 아키텍처로 이어지며, 그 어느 것 하나 개별적으로 모든 과외 전략을 지원할 수 없다(Nwana, 1990, Nkambou et al., 2010).또한 ITS 프로젝트는 구성요소의 상대적 지능 수준에 따라 달라질 수 있습니다.예를 들어, 도메인 모델에서 지능을 강조하는 프로젝트는 학생들이 항상 새로운 문제를 다룰 수 있도록 복잡하고 새로운 문제에 대한 해결책을 만들어 낼 수 있지만, 그것은 특정 주제를 가르치는 여러 가지 또는 새로운 방법에 집중하는 반면, 그러한 문제를 가르치는 단순한 방법만을 가질 수 있다.그 콘텐츠의 덜 정교한 표현은 [27]충분합니다.

설계 및 개발 방법

각각 다른 요소를 강조하는 ITS 아키텍처 간의 차이를 제외하면 ITS의 개발은 모든 교육 설계 프로세스와 거의 동일합니다.Corbett 등(1997년)은 ITS 설계와 개발을 (1) 평가 필요성, (2) 인지 과제 분석, (3) 초기 과외 실행 및 (4) [41]평가의 네 가지 반복 단계로 구성한다고 요약했다.

니즈 평가라고 알려진 첫 번째 단계는 모든 교육 설계 프로세스, 특히 소프트웨어 개발에서 공통적입니다.여기에는 학습자 분석, 주제 전문가 및/또는 강사와의 상담이 포함됩니다.이 첫 단계는 전문가/지식 및 학생 영역의 개발의 일부입니다.목표는 학습 목표를 지정하고 커리큘럼에 대한 일반적인 계획을 개략적으로 설명하는 것입니다. 전통적인 개념을 전산화하지 말고 과제를 전반적으로 정의하고 과제를 처리하는 학습자의 가능한 행동을 이해하고 튜터의 행동을 덜 이해함으로써 새로운 커리큘럼 구조를 개발하는 것이 필수적입니다.그러기 위해서는, 다음의 3개의 중요한 차원에 대처할 필요가 있습니다. (1) 학생이 문제를 해결할 수 있는 가능성, (2) 이 수행 수준에 도달하는 데 걸리는 시간, (3) 학생이 미래에 이 지식을 적극적으로 사용할 가능성.분석이 필요한 다른 중요한 측면은 인터페이스의 비용 효율입니다.또한, 두 그룹 모두 시스템 [41]사용자가 되기 때문에 교사 및 학생 입학생의 사전 지식 등의 특성을 평가해야 합니다.

두 번째 단계인 인지 과제 분석은 필요한 문제 해결 지식의 유효한 계산 모델을 개발하는 것을 목표로 하는 전문가 시스템 프로그래밍에 대한 상세한 접근법이다.도메인 모델을 개발하기 위한 주요 방법으로는 (1) 도메인 전문가 인터뷰, (2) 도메인 전문가와 함께 "think oud" 프로토콜 연구 수행, (3) 초보자들과 함께 "think oud" 연구 수행, (4) 교육 및 학습 행동의 관찰 등이 있다.첫 번째 방법이 가장 일반적으로 사용되지만, 전문가들은 일반적으로 인지 구성요소를 보고할 수 없다.전문가들이 일반적인 문제를 해결할 때 무슨 생각을 하는지 큰 소리로 보고하도록 하는 "큰 소리로 생각하는" 방법은 이 [41]문제를 피할 수 있다.튜터와 학생 간의 실제 온라인 상호작용 관찰은 문제 해결에 사용되는 프로세스와 관련된 정보를 제공하며, 이는 대화나 상호작용을 튜터링 [42]시스템에 구축하는 데 유용합니다.

세 번째 단계인 초기 튜터 구현에서는 문제 해결 환경을 설정하여 진정한 학습 프로세스를 지원하고 지원합니다.이 단계에서는 최종 단계로서 일련의 평가 활동이 뒤따릅니다.이것은 다른 소프트웨어 개발 [41]프로젝트와 마찬가지로 마지막 단계입니다.

4단계 평가에는 (1) 기본 사용성과 교육적 영향을 확인하기 위한 파일럿 연구, (2) 개발 중인 시스템의 형성적 평가, (3) 시스템 기능의 효과를 검사하는 파라메트릭 연구, 그리고 마지막으로 (4) 최종 튜터 효과의 요약 평가, 즉 학습률과 점근적 아치가 포함된다.전야제 [41]수준

ASPIRE,[43] 인지 튜터 오서링 도구([44]CTAT), GIFT,[45] ASSMents[46] Builder 및 AutoTutor [47]도구 등 이 프로세스를 지원하고 인텔리전트 튜터를 만들기 위해 다양한 오서링 도구가 개발되었습니다.이러한 오서링 툴의 목적은 튜터 개발 프로세스를 단순화하는 것으로, 전문 AI 프로그래머보다 전문 지식이 부족한 사람이 인텔리전트 튜터링 시스템을 개발할 수 있도록 하는 것입니다.

IT 설계 및 개발의 8가지 원칙

Anderson 외 연구진([48]1987)은 지능형 과외 설계에 대한 8가지 원칙을 개략적으로 설명하였고, Corbett 외 연구진([41]1997)은 나중에 지능형 과외 설계를 지배한다고 믿었던 모든 것을 포함하는 원칙을 강조하면서 이 원칙을 상세하게 설명하였다. 그들은 이 원칙을 다음과 같이 언급했다.

원칙 0: 지능적인 과외 시스템은 학생들이 문제 해결의 성공적인 결론에 도달할 수 있도록 도와야 한다.

  1. 학생의 역량을 프로덕션 세트로 나타냅니다.
  2. 문제 해결의 기반이 되는 목표 구조를 전달합니다.
  3. 문제 해결 상황에 대한 지침을 제공합니다.
  4. 문제 해결 지식에 대한 추상적 이해를 촉진합니다.
  5. 작업 메모리의 부하를 최소한으로 억제합니다.
  6. 오류에 대한 즉각적인 피드백을 제공합니다.
  7. 학습과 함께 지시의 입자를 조절합니다.
  8. 목표 [41]스킬에 대한 연속적인 근사치를 촉진합니다.

실제 사용

작업을 [49]쉽게 하기 위해 오서링 도구를 사용할 수 있게 된 경우에도 이 모든 것은 상당한 양의 작업입니다.이는 ITS 구축이 상대적으로 높은 개발 비용에도 불구하고 인적 강사의 필요성을 줄이거나 전반적인 생산성을 충분히 향상시킴으로써 전체적인 비용을 절감하는 상황에서만 선택된다는 것을 의미한다.이러한 상황은 대규모 그룹을 동시에 지도해야 하거나 많은 반복적인 과외 활동이 필요할 때 발생합니다.신병 훈련과 고교 수학 등 기술훈련 상황이 대표적이다.지능적 튜터링 시스템 중 하나인 인지적 튜터는 미국 고등학교의 상당수의 수학 커리큘럼에 통합되어 기말고사와 표준화된 [50]시험에서 개선된 학생 학습 결과를 만들어 내고 있다.인텔리전트 튜터링 시스템은 학생들이 지리, 회로, 의학 진단, 컴퓨터 프로그래밍, 수학, 물리학, 유전학, 화학 등을 배울 수 있도록 구성되어 있다.인텔리전트 언어 튜터링 시스템(ILTS)은[51] 제1외국어 또는 제2외국어 학습자에게 자연어를 가르칩니다.ILTS에는 대형 사전이나 형태학 및 문법 분석기 등 허용 범위 내에서 사용할 수 있는 전문 자연어 처리 도구가 필요합니다.

적용들

웹 붐이 빠르게 확산되는 동안, e-러닝과 분산 학습과 같은 새로운 컴퓨터 지원 교육 패러다임은 ITS 아이디어를 위한 훌륭한 플랫폼을 제공했습니다.ITS를 사용한 분야에는 자연어 처리, 머신 러닝, 계획, 멀티 에이전트 시스템, 온톨로지, 시맨틱 웹, 소셜 및 감성 컴퓨팅 등이 있습니다.또한 멀티미디어, 객체 지향 시스템, 모델링, 시뮬레이션 및 통계와 같은 다른 기술도 ITS와 연결되거나 ITS와 결합되었습니다.교육과학이나 심리학 등 역사적으로 비기술적인 분야도 [52]ITS의 성공에 영향을 받았다.

최근[when?] 몇 년 동안 ITS는 검색 기반에서 벗어나 다양한 실용적인 [53]응용 프로그램을 포함하기 시작했습니다.ITS는 많은 비판적이고 복잡한 인지 영역으로 확장되어 왔으며, 그 결과는 매우 광범위했다.ITS 시스템은 정규 교육에서 입지를 굳혔으며, 이러한 시스템은 기업 훈련과 조직 학습의 영역에서 입지를 다졌습니다.ITS는 학습자에게 맞춤형 학습, 시간 피드백, 시간과 공간의 유연성 등 여러 가지 여유를 제공합니다.

인텔리전트 튜터링 시스템은 인지심리학 및 인공지능 연구로부터 발전한 반면, 현재 교육 및 조직에서는 많은 응용 프로그램이 발견되고 있습니다.인텔리전트 튜터링 시스템은 온라인 환경이나 전통적인 교실 컴퓨터실에서 찾을 수 있으며 대학교뿐만 아니라 K-12 교실에서도 사용됩니다.수학을 대상으로 하는 많은 프로그램이 있지만 건강 과학, 언어 습득 및 기타 공식 학습 분야에서 응용 프로그램을 찾을 수 있습니다.

학생들의 이해력, 참여도, 태도, 동기 부여 및 학업성적 향상에 대한 보고서는 모두 이러한 시스템에 대한 투자와 연구에 대한 지속적인 관심에 기여하고 있다.인텔리전트 튜터링 시스템의 개인화된 특성은 교육자들에게 개별화된 프로그램을 만들 기회를 제공합니다.교육 분야에는 수많은 지능형 과외 시스템이 있으며, 포괄적인 목록은 존재하지 않지만, 보다 영향력 있는 프로그램 중 몇 가지를 아래에 열거합니다.

교육

Pittsburgh Advanced Cognitive Tutor Center가 개발한 Algebrazical Tutor PAT(펌프 대수 튜터 또는 실용 대수 튜터)는 학생들이 고정 학습 문제에 참여하도록 하고 학생들이 문제를 풀고 결과를 공유하도록 하기 위해 현대적인 대수 도구를 사용합니다.PAT의 목적은, 학생의 선행 지식이나 수학의 일상의 경험을 살려, 성장을 촉진하는 것입니다.PAT의 성공은 충분히 문서화되어 있습니다(예:마이애미 데이드 카운티 공립학교 평가 및 연구 사무소(학생 결과)와 감성적(학생 및 강사 피드백)의 양쪽 관점에서.[54]

SQL-Tutor는[55][56] 뉴질랜드 캔터베리 대학의 Intelligent Computer Tutoring Group(ICTG; 인텔리전트 컴퓨터 튜터링 그룹)에 의해 개발된 최초의 제약 기반 튜터입니다.SQL-Tutor는 SQL SELECT [57]문을 사용하여 데이터베이스에서 데이터를 검색하는 방법을 설명합니다.

EER-Tutor는[58] 엔티티 관계 모델을 사용하여 개념 데이터베이스 설계를 가르치는 제약 기반 튜터(ICTG에 의해 개발됨)입니다.EER-Tutor의 이전 버전은 ER 모델링을 위한 독립형 튜터인 KERMIT로, 1시간 학습 후(효과 크기 0.6)[59] 학생의 지식이 크게 향상되는 것으로 나타났다.

COLLECT-UML은[60] UML 클래스 다이어그램에서 공동으로 작업하는 학생 쌍을 지원하는 제약 조건 기반 튜터입니다.튜터는 공동작업뿐만 아니라 도메인 레벨에 대한 피드백을 제공합니다.

StoichTutor는[61][62] 고등학생들이 화학, 특히 화학의 하위영역인 화학을 배울 수 있도록 도와주는 웹 기반의 지능형 튜터입니다.그것은[63][64] 작업 예시와 [65][66]공손함과 같은 다양한 학습 과학 원리 및 기술을 탐구하는 데 사용되어 왔다.

수학 튜터 The Mathematic Tutor(Beal, Beck & Woolf, 1998)는 학생들이 분수, 소수 및 백분율을 사용하여 단어 문제를 푸는 데 도움이 됩니다.튜터는 학생이 문제를 해결하는 동안 성공률을 기록하면서 학생이 작업할 수 있는 지렛대에 맞는 후속 문제를 제공합니다.이후 선택되는 문제들은 학생들의 능력에 따라 결정되며,[67] 학생들이 문제를 해결하는 바람직한 시간을 추정한다.

eTe 교사 eTeacher (Schiaffino et al., 2008)는 인텔리전트 에이전트 또는 교육 에이전트로 맞춤형 e-러닝 지원을 지원합니다.온라인 강좌에서 학생들의 성과를 관찰하면서 학생 프로필을 만듭니다.그런 다음, eTeacher는 학생의 실적 정보를 사용하여 학습 [68]프로세스를 지원하기 위해 설계된 개인화된 행동 방침을 제안합니다.

ZOSMAT ZOSMAT는 실제 교실의 모든 요구에 대응하도록 설계되었습니다.학습 과정의 다양한 단계를 추적하고 안내합니다.이것은 학생 중심의 ITS가 학생의 학습 진척과 학생의 노력에 따른 학생 프로그램의 변화를 기록하는 것으로, ZOSMAT는 개인 학습이나 실제 교실 환경에서 휴먼 [69]튜터의 지도와 함께 사용할 수 있습니다.

REALP REALP는 독자 고유의 어휘 연습과 웹에서 수집한 유용한 진짜 독서 자료를 개인 맞춤 연습으로 제공함으로써 학생들의 독해력을 향상시키도록 설계되었습니다.이 시스템은 학생의 성적에 따라 자동으로 사용자 모델을 구축합니다.독서를 마친 후, 학생들은 [70]독서에서 발견된 목표 어휘를 바탕으로 일련의 연습이 주어집니다.

CIRCLM-Tutor CIRCSIM_Tutor는 일리노이 공과대학 의대 1학년생에게 사용되는 인텔리전트 튜터링 시스템입니다.그것은 학생들이 혈압 [71]조절에 대해 배울 수 있도록 돕기 위해 자연스러운 대화를 기반으로 한 소크라테스식 언어를 사용한다.

Why2-Atlas Why2-Atlas는 물리 원리에 대한 학생들의 설명을 분석하는 ITS입니다.학생들은 그들의 작품을 단락 형태로 입력하고 프로그램은 그들의 설명을 바탕으로 학생들의 믿음에 대한 가정을 함으로써 그들의 말을 증명으로 변환한다.이를 통해 오해와 불완전한 설명이 강조됩니다.그리고 나서 그 시스템은 학생과의 대화를 통해 이러한 문제들을 해결하고 학생에게 에세이를 수정하도록 요구한다.프로세스가 [72]완료되기 전에 여러 번 반복할 수 있습니다.

SmartTutor 홍콩 대학(HKU)은 스마트 기기를 개발했습니다.계속 교육하는 학생의 요구를 지원하는 튜터.HKU 및 Smart의 성인 교육에서 개인화된 학습이 핵심 요구로 확인되었습니다.튜터는 그 요구를 충족시키는 것을 목표로 한다.스마트튜터는 인터넷 기술, 교육 연구, 인공지능을 결합하여 [73]학생들을 지원합니다.

AutoTutor AutoTutor는 개인 지도교사의 담화 패턴과 교육학적 전략을 시뮬레이션하여 대학생들이 컴퓨터 하드웨어, 운영체제 및 인터넷에 대해 학습할 수 있도록 지원합니다.AutoTutor는 학습자가 키보드에서 입력한 내용을 이해한 다음 피드백, 프롬프트, 수정 및 [74]힌트를 사용하여 대화 동작을 표현합니다.

ActiveMath ActiveMath는 웹 기반 수학 적응형 학습 환경입니다.원거리 학습의 향상, 종래의 교실 수업의 보완, 개인·평생 학습의 [75]서포트를 목적으로 한 제도입니다.

ESC101-ITS 인도 칸푸르 공과대학은 프로그래밍 입문 문제를 위한 지능형 과외 시스템인 ESC101-ITS를 개발했다.

AdaptErrEx는[76] 학생들이 십진수 [77][78][79]산수를 배우는 데 도움이 되는 대화형 오류 예제를 사용하는 적응형 지능형 튜터입니다.

기업 훈련 및 업계

GIFT(Generalized Intelligent Framework for Tutoring)는 컴퓨터 기반 튜터링 시스템을 만들기 위해 설계된 교육 소프트웨어입니다.2009년부터 2011년까지 미국 육군 연구소에 의해 개발된 GIFT는 2012년 [80]5월에 상업용으로 출시되었습니다.GIFT는 오픈 소스 및 도메인에 의존하지 않으며 온라인에서 무료로 다운로드할 수 있습니다.이 소프트웨어를 통해 강사는 기존 과정을 조정하여 다양한 분야를 다룰 수 있는 튜터링 프로그램을 설계할 수 있습니다.여기에는 연구원, 교육 설계자, 강사 및 [81]학생이 사용할 수 있는 학습 도구가 포함됩니다.GIFT는 PowerPoint 프레젠테이션 등 프로그램에 [81]통합할 수 있는 다른 교육 자료와 호환됩니다.

SHERLOCK "SHERLOCK"은 공군 기술자들을 훈련시켜 F-15 제트기의 전기 시스템의 문제를 진단하는 데 사용됩니다.ITS는 훈련생이 위치를 파악하고 진단할 수 있도록 시스템의 결함 개략도를 작성합니다.ITS는 진단 판독값을 제공하여 교육생이 고장이 테스트 중인 회로에 있는지 또는 시스템 내 다른 곳에 있는지 판단할 수 있도록 합니다.피드백과 가이던스는 시스템에 의해 제공되며,[82] 요청 시 도움말이 제공됩니다.

Cardiac Tutor(심장 튜터) Cardiac Tutor(심장 튜터)의 목적은 의료진에게 고급 심장 지원 기술을 지원하는 것입니다.튜터는 심장 문제를 나타내며, 학생들은 다양한 단계를 사용하여 다양한 중재 방법을 선택해야 합니다.Cardiac Tutor는 학습을 개인화하고 최적화하기 위해 단서, 구두 조언 및 피드백을 제공합니다.각 시뮬레이션은 학생들이 환자를 성공적으로 도울 수 있었는지 여부에 관계없이 상세한 보고서를 만들어 학생들이 [83]다시 검토하게 됩니다.

CODES 공동 음악 프로토타입 디자인은 공동 음악 프로토타이핑을 위한 웹 기반 환경입니다.특히 음악 전문가가 아닌 사용자가 시제품 제작 방식으로 음악 작품을 만들 수 있도록 지원하기 위해 설계되었습니다.음악적 예(프로토타입)는 반복적으로 테스트, 재생 및 수정할 수 있습니다.CODES의 주요 측면 중 하나는 음악 제작자와 파트너 [84]간의 상호작용과 협력입니다.

효과

ITS 프로그램의 효과를 평가하는 것은 문제가 있다.ITS는 설계, 구현 및 교육에 중점을 두고 크게 다릅니다.교실에서 ITS를 사용할 때, 이 시스템은 학생뿐만 아니라 교사들도 사용합니다.이 사용법은 여러 가지 이유로 효과적인 평가에 장벽을 만들 수 있습니다.특히 학생의 학습에 대한 교사의 개입이 가장 큰 원인입니다.

교사들은 종종 시스템에 새로운 문제를 입력하거나 커리큘럼을 조정할 수 있는 능력을 가지고 있다.또, ITS를 학습하는 동안(예를 들면, 개별의 컴퓨터·랩·세션이나, 실습·세션의 사이에 있는 강의중), 교사와 동료는,[19] 소프트웨어에 의한 학습에 영향을 주는 방법으로, 학생과 교류하는 일이 자주 있습니다.이전 연구는 ITS를 사용하는 교실에서 대부분의 학생들이 도움을 구하는 행동이 소프트웨어 외부에서 발생할 수 있음을 시사한다. 즉, 주어진 수업에서 동료 및 교사 피드백의 성격과 질이 이러한 [17]맥락에서 학생 학습의 중요한 매개자가 될 수 있다는 것을 의미한다.또한,[16] 학생들이 공개적으로 도움을 요청할 때의 전반적인 편안함 수준이나 교사가 학생[85] 개개인을 감시하는 데 신체적으로 적극적인 정도와 같은 교실 분위기의 측면은 평가 컨텍스트에 걸쳐 추가적인 변동원을 추가할 수 있습니다.이러한 모든 변수는 ITS [86]콤플렉스를 평가하며 평가 연구 [87]간의 결과 변동을 설명하는 데 도움이 될 수 있습니다.

내재된 복잡성에도 불구하고, 많은 연구가 ITS의 전반적인 효과를 측정하려고 시도했으며, 종종 ITS를 인간 [88][89][90][2]튜터와의 비교를 통해 측정했다.초기 ITS 시스템(196년)에 대한 검토에서는 과외를 받지 않은 경우와 비교하여 d = 1.0의 효과 크기를 보였다. 여기서 인간 과외 교사는 d = 2.0의 [88]효과 크기를 받았다.Kurt VanLehn의 현대 ITS에 대한 훨씬 더 최근의 개요(2011년)에서는 전문가 일대일 휴먼 튜터와 단계 기반 [2]ITS 간에 효과 크기에서 통계적 차이가 없다는 것을 발견했다.일부 ITS는 다른 ITS보다 더 긍정적으로 평가되고 있습니다.대수 인지 튜터 연구는 ITS 학생들이 표준화된 시험 문제와 실제 문제 해결 과제에서 [91]교실 선생님이 가르치는 학생들을 능가한다는 것을 발견했습니다.후속 연구는 이러한 결과가 특수 교육, 비원어민 영어,[92] 저소득층 출신 학생들에게서 특히 두드러진다는 것을 발견했다.

좀 더 최근의 메타 분석에 따르면 ITS는 CAI와 인체 튜터 모두의 효과를 초과할 수 있으며, 특히 표준화된 테스트와 달리 국소(특정) 테스트로 측정할 때 더욱 그러하다."지능형 과외를 받은 학생들은 50개의 통제된 평가 중 46개(92%)에서 기존 수업의 학생들을 능가했고, 50개의 연구 중 39개(또는 78%)에서 성적 향상이 실질적으로 중요하다고 여겨질 만큼 충분히 컸다.50개 연구의 중간 ES는 0.66으로, 사회과학 연구에 대한 중간에서 큰 효과로 간주되었다.이는 50번째 백분위수에서 75번째 백분위수로 검사 성능이 향상된 것과 거의 동일합니다.이것은 다른 형태의 튜터링의 일반적인 효과보다 강하다.예를 들어 C.-L. C. Kulik과 Kulik의 메타 분석(1991)은 CAI 튜터링 165개 연구에서 평균 ES 0.31을 발견했다.그것의 이익은 두 배 정도 높다.ITS 효과는 또한 인간 과외의 전형적인 효과보다 크다.우리가 보았듯이, 인간 과외 프로그램은 전형적으로 학생들의 시험 점수를 통제 수준보다 0.4 표준 편차를 높인다.ITS의 개발자들은 오래 전에 CAI 과외의 성공을 개선하고 인간 과외의 성공에 맞추기 위해 나섰다.당사의 결과에 따르면 ITS 개발자는 이미 이 두 가지 목표를 모두 달성했습니다.국지적으로 개발된 테스트에 대한 결과를 측정한 평가에서는 영향이 중간에서 강했지만 표준화된 테스트에 대한 결과를 측정한 평가에서는 효과가 훨씬 작았다.로컬 테스트를 사용하는 연구의 평균 ES는 0.73이었고 표준화된 테스트를 사용하는 연구의 평균 ES는 0.13이었습니다.이러한 차이는 국소 및 표준화 검사를 모두 포함하는 메타 분석의 경우 드문 일이 아닙니다.지역 테스트는 특정 교육 프로그램의 목적과 잘 일치할 수 있습니다.시판되고 있는 표준화된 테스트는, 보다 느슨한 적합성을 제공합니다.현지 테스트와 표준화된 테스트 모두 교육 효율성에 대한 중요한 정보를 제공한다는 것이 우리의 신념이며, 가능하면 두 유형의 테스트를 평가 [93]연구에 포함해야 합니다."

ITS의 인식된 강점은 즉각적인 예/아니오 피드백 제공, 개별 작업 선택, 온디맨드 힌트 및 숙달 [2][94]학습을 지원하는 능력입니다.

제한 사항

인텔리전트 튜터링 시스템은 개발 및 구현 비용이 많이 듭니다.연구 단계는 상업적으로 실행 가능한 시스템의 개발을 위한 길을 닦는다.그러나 연구 단계는 비용이 많이 듭니다.대상 분야의 전문가의 협력과 투입, 조직과 조직 차원 모두에서 개인의 협력과 지원이 필요합니다.개발 단계의 또 다른 제한사항은 예산과 시간 제약 모두에서 소프트웨어의 개념화와 개발입니다.또한 개발에 필요한 장기간의 시간과 시스템 컴포넌트 작성에 드는 고비용 등 인텔리전트 튜터를 실제 세계에 도입하는 것을 제한하는 요인도 있습니다.이 비용의 상당 부분은 콘텐츠 컴포넌트 [28]구축의 결과입니다.예를 들어,[95] 한 시간의 온라인 교육 시간을 인코딩하는 데 300시간의 튜터링 시간이 걸린다는 조사되었습니다.마찬가지로, 인지 튜터를 구축하는 데는 최소 200:[88]1시간의 교육 시간에 대한 발달 시간의 비율이 소요되었습니다.개발 비용이 많이 들어 실제 [96]적용에 대한 노력을 재현할 수 없는 경우가 많습니다.인텔리전트 튜터링 시스템은 일반적으로 실제 [96]어플리케이션에서는 상업적으로 실현 가능하지 않습니다.

현재 사용 중인 인텔리전트 튜터링 시스템에 대한 비판은 시스템을 "인텔리전트"로 만들기 위해 내장된 즉각적인 피드백과 힌트 시퀀스의 교육학입니다.이 교육학은 학생들에게 깊은 학습을 발달시키지 못했다는 비판을 받고 있다.학생들이 힌트를 받을 수 있는 능력을 통제하게 되면, 만들어진 학습 반응은 부정적입니다.일부 학생들은 문제를 해결하거나 과제를 완료하기 전에 즉시 힌트를 찾습니다.가능한 한 빨리 과제를 완료하기 위해 힌트를 최대한 빨리 받는 학생도 있습니다.만약 학생들이 튜터링 시스템의 피드백이나 힌트를 성찰하지 않고, 대신에 긍정적인 피드백을 얻을 때까지 추측을 증가시킨다면, 그 학생은, 사실상, 잘못된 이유로 옳은 일을 하는 것을 배우는 것이다.대부분의 튜터링 시스템은 현재 얕은 학습을 감지하거나 생산적 투쟁과 비생산적 투쟁을 구별할 수 없다(예:[97][98] 참조).이러한 이유와 많은 다른 이유(예: 특정 사용자 모집단에[99] 대한 기본 모델의 과적합)로 인해 이러한 시스템의 효과는 사용자마다 [100]크게 다를 수 있다.

지능형 과외 시스템에 대한 또 다른 비판은 학생들의 행동을 설명하기 위한 질문을 하지 않는 시스템의 실패이다.만약 학생이 도메인 언어를 배우지 않는다면, 보다 깊이 있는 이해를 얻고, 그룹으로 협력하여 작업하고, 도메인 언어를 글로 옮기는 것이 더 어려워집니다.예를 들어, 학생이 "과학을 말하고 있지 않으면" 과학 문화에 몰입하지 않기 때문에 과학 작문이나 팀 협력에 참여하기가 어렵다고 주장됩니다.지능형 과외 시스템은 [101]너무 "지시주의"적이고 학습에서 내재적인 동기 부여, 사회적 학습 맥락, 그리고 상황적 사실주의를 제거한다는 비판을 받아왔다.

후원자/당국 및 사용자의 지능형 과외 시스템 적응 성향 측면에서 실질적인 우려를 [96]고려해야 한다.첫째,[96] 누군가는 ITS를 구현할 의지가 있어야 합니다.또한 당국은 인텔리전트 튜터링 소프트웨어를 현행 커리큘럼에 통합할 필요성을 인식해야 하며, 마지막으로 스폰서 또는 당국은 시스템이 완료되고 실행될 [96]때까지 시스템 개발 단계를 통해 필요한 지원을 제공해야 합니다.

인텔리전트 튜터링 시스템의 평가는 중요한 단계입니다.그러나, 그것은 종종 어렵고, 비용이 많이 들고,[96] 시간이 많이 소요됩니다.문헌에는 다양한 평가 기법이 제시되어 있지만, 특정 맥락에서 [102][103]사용되는 적절한 평가 방법의 선택에 대한 지침 원칙은 없다.복잡한 시스템이 자신의 주장대로 작동하는지 확인하기 위해 세심한 검사를 수행해야 합니다.이 평가는 문제를 식별하고 수정을 유도하기 위해 시스템의 설계 및 초기 개발 중에 발생할 수 있다(즉, 형성적 평가).[104]이와는 대조적으로, 평가는 완료된 시스템과 관련된 건설, 행동 또는 결과에 대한 공식적인 주장을 뒷받침하기 위해 시스템 완료 후에 이루어질 수 있다(즉, 종합 평가).[104]평가기준의 미비로 인해 야기된 큰 도전은 몇몇 기존 ITS에서 평가단계를 소홀히 하는 결과를 낳았다.[102][103][104]

개선점

지능형 튜터링 시스템은 대화와 피드백 분야에서 인간 튜터보다 능력이 떨어진다.예를 들어, 인간 과외교사는 학생의 감정 상태를 해석할 수 있고, 잠재적으로 이러한 인식에 대응하여 교육을 적응시킬 수 있다.최근의 연구는 ITS의 이러한 한계를 극복하고 ITS의 효율성을 높이기 위한 잠재적 전략을 모색하고 있습니다.

대화.

인간 튜터는 대화에서 사람의 어조와 변형을 이해하고 이를 해석하여 지속적인 대화를 통해 지속적인 피드백을 제공할 수 있습니다.인텔리전트 튜터링 시스템은 현재 자연스러운 대화를 시뮬레이션하기 위해 개발되고 있다.완전한 대화 경험을 얻기 위해서는 컴퓨터가 프로그래밍되어야 하는 많은 다양한 분야가 있습니다. 여기에는 톤, 굴절, 바디 랭귀지 및 표정을 이해하고 이에 반응할 수 있는 능력도 포함됩니다.ITS에서의 대화는 학생들이 그들 자신의 [105]지식을 쌓을 수 있도록 하면서 학생들을 인도하고 정보를 이끌어내는 데 도움이 되는 구체적인 질문을 하기 위해 사용될 수 있다.ITS 내에서의 보다 고도의 대화의 개발은 일부 현재의 연구에서 부분적으로 한계를 해결하고 [106]ITS에 대한 보다 건설적인 접근방식을 만들기 위해 초점이 맞춰져 왔다.또한, 일부 최신 연구는 신뢰와 신뢰관계를 구축하기 위해 (학생 [107][108]학습에 긍정적인 영향을 미치는 것으로 나타났다) 인간 튜터 및 튜터에 의해 대화에서 일반적으로 사용되는 다양한 사회적 단서의 특성과 효과를 모델링하는 데 초점을 맞추고 있다.

정서적 영향

다양한 감정 상태를 [109][110]해석하고 적응할 수 있는 지능적인 튜터링 시스템을 개발하는 것을 목표로 학습에 미치는 영향의 역할을 고려하는 일이 증가하고 있다.인간은 학습에 인지적 과정만 사용하는 것이 아니라 그들이 겪는 감정적 과정도 중요한 역할을 한다.예를 들어, 학습자는 일정 수준의 불균형(불만감)이 있을 때 더 잘 학습하지만, 학습자가 완전히 [109]압도감을 느끼도록 만들 정도는 아니다.이것에 의해, 감정 컴퓨팅은,[109] 개인의 감정 프로세스를 해석할 수 있는 인텔리전트한 튜터링 시스템의 작성과 연구를 개시하게 되었습니다.ITS는 학습을 위한 최적의 감정 상태를 찾아 튜터링하기 위해 개인의 표정과 다른 영향의 징후를 읽도록 개발될 수 있습니다.영향을 한 가지 방법으로만 표현하는 것이 아니라 여러 방식으로 표현하기 때문에, ITS가 감정 상태를 효과적으로 해석하기 위해서는 다중 모드 접근법(톤, 표정 등)[109]이 필요할 수 있기 때문에, 이 작업을 수행하는 데 많은 복잡성이 있습니다.이러한 아이디어는 ITS 내에 ATS([110]Affective Tutoring Systems)라는 새로운 분야를 창출했습니다.영향을 미치는 ITS의 한 예로는 학생들의 눈의 움직임을 추적하고 지루하거나 주의가 산만한지 여부를 판단하기 위해 개발된 Gaze Tutor가 있습니다.이 튜터에는,[111] 시스템이 학생의 재인입을 시도합니다.

신뢰 구축

지금까지 대부분의 ITS는 튜터링 시스템과 학생 간의 사회적 관계가 아닌 튜터링의 인지적 측면에만 집중해 왔다.컴퓨터에 의해 증명된 바와 같이, 인간은 종종 컴퓨터에 사회 휴리스틱스를 투영합니다.예를 들어, 공동 스토리 전달 에이전트인 샘 더 캐슬메이트와 상호작용하는 어린 아이들을 관찰했을 때, 아이들은 인간의 [112]아이와 거의 같은 방식으로 이 시뮬레이션된 아이와 상호작용했다.학생과 관계를 맺는 ITS를 효과적으로 설계하기 위해서는 ITS는 학생과 교사 사이의 명백한 사회적 거리를 연결하는 행동인 즉석에서 교육 전략을 [113]모방해야 한다고 제안되어 왔다. 예를 들어 미소 짓거나 학생을 이름으로 부르는 것과 같은 행동이다.10대에 관해서, Ogan 등은, ITS가 학생과 동료로서 친분을 쌓기 위해서는, 보다 관계 있는 신뢰 구축 프로세스가 필요하게 되어, 궁극적으로 튜터링 시스템이 효과적으로 대응할 수 있는 능력을 갖추는 것이 요구될 가능성이 있다고 주장하기 위해서, 가까운 친구들이 서로를 지도한 것을 인용한다.장난스러운 농담과 [114]조롱을 통해 동기부여와 정서적 요소를 조정하기 위해 겉으로 보기에 무례한 행동을 한다.

학습 가능한 에이전트

ITS는 전통적으로 자율적인 튜터 역할을 담당하지만, 교육 연습을 통해 학습을 목적으로 하는 튜터 역할도 담당할 수 있다.증거는 가르치는 것에 의한 학습이 자기 설명을 중재하고, 자기 효능감을 향상시키며, 교육 성과와 [115]유지력을 높이는 효과적인 전략이 될 수 있다는 것을 암시한다.이 효과를 재현하기 위해 학생과 ITS의 역할을 바꿀 수 있습니다.이는 ITS가 Teachable Agent 산술 게임 및 Betty's [117]Brain에서와 같이 학습되는 것처럼 보이도록 설계함으로써 달성할 수 있습니다.또 다른 접근방식은 SimStudent와 [118]함께 구축된 APLUS 시스템에서와 같이 학생들이 시연과 정확성 피드백을 통해 문제를 해결하는 방법을 배울 수 있는 기계 학습 에이전트를 가르치는 것입니다.교육 가능한 에이전트를 교육함으로써 학습의 교육 효과를 재현하기 위해 일반적으로 그 위에 의문을 제기하거나 혼란을 전달하는 사회적 에이전트를 구축한다.예를 들어, Betty's Brain의 Betty는 학생에게 질문을 하고, APLUS의 Stacy는 학생이 제공한 피드백에 대한 설명을 요구합니다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ Joseph Psotka, Sharon A. Mutter (1988). Intelligent Tutoring Systems: Lessons Learned. Lawrence Erlbaum Associates. ISBN 978-0-8058-0192-7.
  2. ^ a b c d VanLehn, K. (2011). "The relative effectiveness of human tutoring, intelligent tutoring systems, and other tutoring systems". Educational Psychologist. 46 (4): 197–221. doi:10.1080/00461520.2011.611369. S2CID 16188384.
  3. ^ a b c 뷰캐넌, B. (2006)인공지능의 간단한 역사AI 매거진 26(4) 페이지 53-60.
  4. ^ 시드니 프레시
  5. ^ a b c 프라이, E.(1960년)교육 기계의 이분법:스키너 vskinner의 비교프레세이Pshychological Reports(6) 11-14.Southern University Press.
  6. ^ a b c d e Shute, V. J., & Psotka, J. (1994년)인텔리전트 튜터링 시스템: 과거, 현재, 미래.인사국장 인력 및 인사조사과. 페이지 2-52-52
  7. ^ a b c d e f 챔버스, J. & Sprecher, J. (1983)컴퓨터 지원 절차:교실에서의 사용.뉴저지 주, 잉글우드 클리프: 프렌티스 홀 주식회사
  8. ^ Carbonell, Jaime R (1970). "AI in CAI: An artificial-intelligence approach to computer-assisted instruction". IEEE Transactions on Man-machine Systems. 11 (4): 190–202. doi:10.1109/TMMS.1970.299942.
  9. ^ a b c Larkin, J, & Chabay, R. (Eds. 1992년)컴퓨터 지원 교육 및 인텔리전트 튜터링 시스템:공통의 목표와 상호 보완적인 접근법.뉴저지 주, 힐스데일: 로렌스 얼바움 어소시에이트.
  10. ^ a b Anderson, K (1986). "Computer-Assisted Instruction". Journal of Medical Systems. 10 (2): 163–171. doi:10.1007/bf00993122. PMID 3528372. S2CID 29915101.
  11. ^ a b 코벳, A.T., & 앤더슨, J. R. (1992)기술 습득에 관한 LISP 인텔리전트 튜터링 시스템 연구.라킨, J. & 샤베이, R. (Eds)컴퓨터 지원 교육 및 인텔리전트 튜터링 시스템: 공유 목표 및 보완 접근법(pp.73-110) 뉴저지, Englewood Cliffs: Frentice-Hall Inc.
  12. ^ Ford, L. A New Intelligent Tutoring System (2008) British Journal of Education Technology, 39(2), 311-318
  13. ^ Bailin, A & Levin, L. 개요:인텔리전트 컴퓨터 지원 언어 교육 (1989) 컴퓨터와 인문, 23, 3-11
  14. ^ 긴축(1996년).초급 회계학 학생을 위한 컴퓨터 지원 학습.1996년 7월 영국 드 몽포트 대학교 박사 논문.
  15. ^ Kinshuk, and Ashok Patel. (1997년) 인터넷 기반 인텔리전트 튜터링 시스템을 위한 개념 프레임워크.Knowledge Transfer, II, 117-24.
  16. ^ a b 스코필드, J. W., Eurich-Fulcer, R. & Britt, C. L. (1994)교사, 컴퓨터 튜터 및 교사:교실 변화의 매개자로서의 인공지능 튜터.미국교육연구저널, 31(3), 579-607.
  17. ^ a b Ogan, A., Walker, E., Baker, R.S., Rebuldo Mendez, G., 히메네즈 카스트로, M., Laurentino, T. 및 De Carvalho, A. (2012, 5월)중남미에서의 인지 튜터 사용 협업:현장 조사 및 설계 권장 사항.컴퓨터 시스템의 인적 요소에 관한 SIGCHI 회의의 진행 (1381-1390페이지)ACM.
  18. ^ Holstein, K., McLaren, B.M., & Aleven, V. (2017년 3월)교사의 조력자로서 인텔리전트 튜터: 혼합된 교실에서 실시간 분석에 대한 교사의 요구를 조사합니다.제7회 국제학습분석 및 지식회의의 속행(p. 257-266).ACM.
  19. ^ a b Miller, W. L., Baker, R. S., Labrum, M. J., Petsche, K., Liu, Y. H. 및 Wagner, A. Z. (2015년, 3월)이성적인 마인드 교실의 교사에 의한 프로 액티브한 교정 프로그램의 자동 검출.제5회 국제학술분석 및 지식회의의 속행(p. 290-294).ACM.
  20. ^ Diziol, D., Walker, E., Rummel, N. 및 K. R. (2010년)인텔리전트 튜터 테크놀로지를 사용하여 학생의 콜라보레이션을 위한 적응형 지원을 구현합니다.교육심리학 리뷰, 22(1), 89-102.
  21. ^ 베이커, R. S. (2016년)멍청한 과외 시스템, 지적인 인간들.국제 인공지능 교육 저널, 26(2), 600-614.
  22. ^ 프리맨, R. 1999Atlas: Mixed Initiative, Multimodal Dialogue 플랜 매니저.(1999년) AAAI 혼합 이니셔티브 인텔리전스 워크숍
  23. ^ 그래서, 아서 C, 커트 반렌, 캐롤린 P로즈, 파멜라 W. 조던, 데릭 하터.(2001) 대화 기능이 있는 인텔리전트 튜터링 시스템.알 매거진 22.4, 39-52
  24. ^ Gertner, A.; Conati, C.; 및 VanLehn, K. (1998) 안데스에서의 절차적 도움말; 베이지안 네트워크 학생 모델을 사용한 힌트 생성.'관성 정보부, 106-111'
  25. ^ R. N. 쉘비, K. G. 슐제, D. J. 트레이시, M. 윈터스길, K. 반렌, K. 및 Weinstein, A. 안데스 튜터 평가(2001)
  26. ^ a b Nwana, H. S. (1990). "Intelligent tutoring systems: An overview". Artificial Intelligence Review. 4 (4): 251–277. doi:10.1007/bf00168958. S2CID 206771063.
  27. ^ a b Freedman, R (2000). "What is an intelligent tutoring system?". Intelligence. 11 (3): 15–16. doi:10.1145/350752.350756. S2CID 5281543.
  28. ^ a b c Nkambou, R., Mizoguchi, R. & Bourdeau, J. (2010).인텔리전트 튜터링 시스템의 진보.하이델베르크: 스프링거.
  29. ^ Ohlsson, S. (1996) 퍼포먼스 오류로부터 학습.심리학 리뷰, 103, 241-262
  30. ^ Ohlsson, S.(1992) 구속조건 기반 학생 모델링.인공지능 교육, 3(4), 429-447.
  31. ^ Mitrovic, A., Olsson, S. (2006) 개별화된 교육을 위한 제약 기반 지식 표현.컴퓨터 공학 및 정보 시스템, 3(1), 1-22.
  32. ^ Ohlsson, S., Mitrovic, A. (2007) 인텔리전트 튜터링 시스템에 대한 지식의 충실도와 효율성 표현.기술, 교육, 인지 및 학습, 5(2), 101-132.
  33. ^ Mitrovic, A. 및 Olsson, S.(1999) 데이터베이스 언어에 대한 제약 기반 튜터의 평가.내국공지능교육학부, 10(3-4), 238-256.
  34. ^ Mitrovic, A. (2010) 15년간의 제약 기반 튜터:우리가 이룬 것과 우리가 어디로 가고 있는지.사용자 모델링 및 사용자 적응 상호작용, 22(1-2), 39-72.
  35. ^ Mitrovic, A., Martin, B., Suraweera, P. (2007) 모두를 위한 인텔리전트 튜터: 제약 기반 모델링 방법론, 시스템 및 오서링.IEEE 인텔리전트 시스템, 22(4), 38-45.
  36. ^ Zakharov, K., Mitrovic, A., Ohlsson, S.(2005) EER-Tutor 피드백 마이크로 엔지니어링입력: C-K Loi, G. McCalla, B. Breedeweg, J. Breuker(eds) Proc.AIED 2005, IOS Press, 페이지 718-725.
  37. ^ Mitrovic, A., Olsson, S., Barrow, D. (2013) 제약 기반 지능형 과외 시스템에서 긍정적인 피드백의 효과.컴퓨터와 교육, 60(1), 264-272.
  38. ^ Anderson, H.; Koedinger, M. (1997). "Intelligent tutoring goes to school in the Big City". International Journal of Artificial Intelligence in Education. 8: 30–43.
  39. ^ Corbett, Albert T. 및 Anderson, John R., "컴퓨터 기반 프로그래밍 튜터에서의 학생 모델링 및 마스터 러닝"(2008).심리학과.문서번호 18.http://repository.cmu.edu/psychology/18
  40. ^ 파다야치 1세 (2002년)인텔리전트 튜터링 시스템:아키텍처와 특성
  41. ^ a b c d e f g 콜벳 A.T., Koidder, K. R. 및 Anderson, J. R.(1997).인텔리전트 튜터링 시스템M. G. Helander, T. K. Landauer, & P. V. Prabhu (Eds.)에서 인간-컴퓨터 상호작용 핸드북 (849–874)암스테르담:엘세비어
  42. ^ Shah, Farhana; Martha Evens; Joel Michael; Allen Rovick (2002). "Classifying Student Initiatives and Tutor Responses in Human Keyboard-to-Keyboard Tutoring Sessions". Discourse Processes. 33 (1): 23–52. CiteSeerX 10.1.1.20.7809. doi:10.1207/s15326950dp3301_02. S2CID 62527862.
  43. ^ Mitrovic, A., Martin, B., Suraweera, P., Zakharov, K., Milik, N., Holland, J. & Mcguigan, N.(2009).ASPIRE: 제약에 근거한 튜터를 위한 오서링 시스템 및 도입 환경.국제 인공지능 교육 저널, 19(2), 155-188.
  44. ^ Aleven, V., McLaren, B.M., Sewall, J., van Velsen, M., Popescu, O., Demi, S., Ringenberg, M. & Koidder, K. R. (2016년)트레이스 튜터 예시:비프로그래머를 위한 인텔리전트 튜터 개발.국제 인공지능 교육 저널, 26(1), 224-269.doi: 10.1007/s40593-015-0088-2
  45. ^ Sottilare, R. (2012년)튜터링을 위한 일반화된 지능형 프레임워크를 위한 온톨로지 개발 시 고려 사항.I3M 국방 및 국토안보 시뮬레이션 회의(DHSS 2012).
  46. ^ Razzaq, L., Patvarczki, J., Almeida, S. F., Vartak, M., Feng, M., Heffernan, N. T. 및 K. R. (2009년)지원 빌더:튜터링 시스템 콘텐츠 작성 라이프 사이클 지원IEEE Transactions on Learning Technology, 2(2), 157~166
  47. ^ Nye, B. D., Graesser, A. C. 및 Hu, X. (2014).AutoTutor와 패밀리: 17년간 자연어 과외를 받은 리뷰.국제 인공지능 교육 저널, 24(4), 427-469.doi:10.1007/s40593-014-0029-5.
  48. ^ Anderson, J., Boyle, C., Farrell, R. & Reiser, B. (1987)컴퓨터 튜터 설계에 있어서의 인지 원리.P. Morris(Ed.)에서 인지 모델링.존 와일리.
  49. ^ ITS 저작 도구의 예는 인지 튜터링 저작 도구를 참조하십시오.
  50. ^ Koedinger, K. R.; Corbett, A. (2006). "Cognitive Tutors: Technology bringing learning science to the classroom". In Sawyer, K. (ed.). The Cambridge Handbook of the Learning Sciences. Cambridge University Press. pp. 61–78. OCLC 62728545.
  51. ^ Shaalan, Khalid F. (February 2005). "An Intelligent Computer Assisted Language Learning System for Arabic Learners". Computer Assisted Language Learning. 18 (1 & 2): 81–108. doi:10.1080/09588220500132399.
  52. ^ Ramos, C., Ramos, C., Frasson, C. 및 Ramachandran, S.(2009).인텔리전트 튜터링 시스템의 실제 적용에 관한 특별호, 2(2) 62-63.
  53. ^ https://trac.v2.nl/export/.../Intelligent%20 튜터링%20 Systems.pdf[영구 데드링크]
  54. ^ 인지 튜터 대수 I 프로그램 A Shneyderman – 마이애미-데이드 카운티 공립학교, 평가 및 연구 사무소, 마이애미 Fl.2001년 9월
  55. ^ Mitrovic, A. (1998) 컴퓨터화 튜터를 통한 SQL 학습, 제29회 ACM SIGCSE 기술 심포지엄, 페이지 307-311.
  56. ^ Mitrovic, A. (1998) SQL-Tutor에서의 제약 기반 모델링 구현 경험검사, ITS'98, B괴틀, H. 할프, C. 레드필드, V.슈트(편집), 페이지 414-423.
  57. ^ Mitrovic, A. (2003) 웹상의 인텔리전트 SQL 튜터.내국공지능교육학부, 13(2-4), 173-197.
  58. ^ Zakharov, K., Mitrovic, A., Ohlsson, S.(2005) EER-Tutor 피드백 마이크로 엔지니어링입력: C-K Loi, G. McCalla, B. Breedeweg, J. Breuker(eds) Proc.AIED 2005, IOS Press, 페이지 718-725.
  59. ^ Suraweera, P., Mitrovic, A., 엔티티 관계 모델링을 위한 인텔리전트 튜터링 시스템.제14권, 제3-4호, 375-417, 2004.
  60. ^ Baghai, N., Mitrovic, A., Irwin, W. UML 클래스 다이어그램에 대한 제약 기반 CSCL 환경에서 협업 학습 및 문제 해결 지원.내부 J. CSCL, 제2권, 제2-3호, 페이지 159-190, 2007.
  61. ^ "Home". stoichtutor.cs.cmu.edu.
  62. ^ McLaren, B.M., Lim, S., Gagnon, F., Yaron, D. 및 K.R. (2006)웹 기반 인텔리전트 튜터의 맥락에서 개인화된 언어의 효과와 작업 예제를 연구합니다.M. 이케다, K.D. 애슐리, T-W.장(편집), 제8회 지능형 과외 시스템 국제회의 진행(ITS-2006), 컴퓨터 과학 강의 노트, 4053(318-328페이지).베를린: 스프링거.
  63. ^ McLaren, B.M., Lim, S. 및 K.R. (2008)학생들에게 작업한 예시를 언제, 그리고 얼마나 자주 제공해야 하는가?새로운 결과 및 연구 현황 요약.B. C. Love, K. McRae, & V. M. Sloutsky (Eds.)에서 제30회 인지과학회 연차총회 속행 (p. 2176-2181)오스틴, 텍사스: 인지과학회.
  64. ^ 맥라렌, B.M., 반고그, T., 가노에, C., 카라비노스, M. 및 야론, D. (2016).잘못된 예시와 비교한 작업 예제의 효율성, 학습된 문제 해결 및 교실 실험에서의 문제 해결.인간 행동의 컴퓨터, 55, 87-99
  65. ^ 맥라렌, B.M., 드리우, K.E. 및 메이어, R.E. (2011).예의 바른 웹 기반 인텔리전트 튜터:교실에서의 학습을 향상시킬 수 있습니까?컴퓨터와 교육, 56(3), 574-584.doi: 10.1016/j.compedu.2010.09.019.
  66. ^ 맥라렌, B.M., 드리우, K.E. 및 메이어, R.E. (2011).웹 기반 인텔리전트 튜터와의 학습 공손 효과.International Journal of Human Computer Studies, 69(1-2), 70-79.doi:10.1016/j.ijhcs.2010.09.001
  67. ^ Beal, C. R., Beck, J. 및 Woolf, B.(1998).인텔리전트 컴퓨터 교육이 여학생들의 수학 자아 개념과 수학 가치에 대한 믿음에 미치는 영향.미국교육연구협회 연차총회에서 발표된 논문.
  68. ^ Schiaffino, S., Garcia, P. & Amandi, A. (2008년)eTeacher: e-learning 학생들에게 맞춤형 지원을 제공합니다.컴퓨터와 교육 51, 1744-1754
  69. ^ Keles, A.; Ocak, R.; Keles, A.; Gulcu, A. (2009). "ZOSMAT: Web-based Intelligent Tutoring System for Teaching-Learning Process". Expert Systems with Applications. 36 (2): 1229–1239. doi:10.1016/j.eswa.2007.11.064.
  70. ^ 헤퍼넌, N. T., 터너, T. E., 루렌코, A. L. N., Macasek, M. A., Nuzo-Jones, G. 및 K. R. 코딩저. (2006)지원 빌더:ITS 창출의 비용 효과 분석가에게.플로리다의 FLAIRS2006에서 발표.
  71. ^ "CIRCSIM-Tutor Intelligent Tutoring System Project at Illinois Institute of Technology and Rush College of Medicine".
  72. ^ aroque.bol.ucla.edu/pubs/vanLehnEtAl-its02-architectureWhy.pdf
  73. ^ Cheung, B.; Hui, L.; Zhang, J.; Yiu, S. M. (2003). "SmartTutor: An intelligent tutoring system in web-based adult education". Journal of Systems and Software. 68: 11–25. doi:10.1016/s0164-1212(02)00133-4.
  74. ^ Graesser, A.C., Wiemer-Hastings, K., Wiemer-Hastings, P. 및 Kreuz, R. 및 TRG.(1999)AutoTutor: 인간 튜터 시뮬레이션.인지 시스템 연구 저널 1, 35-51
  75. ^ Melis, E. 및 Siecmann, J. (2004)Activemath: 인텔의 수학 튜터링 시스템.R. Tadeus-iewicz, L.A. Zadeh, L. Rutkowski, J. Sikmann, (Eds.)에서 AI LNAI 91-30-70에서 제7회 국제회의 "인공지능과 소프트 컴퓨팅" 강의 노트.
  76. ^ "AdaptErrEx project".
  77. ^ 맥라렌, B.M., 애덤스, D.M. 및 메이어, R.E. (2015).잘못된 예시로 지연된 학습 효과:웹 기반 튜터를 통한 소수점 학습 연구.국제 인공지능 교육 저널, 25(4), 520-542.
  78. ^ 애덤스, D., 맥라렌, B.M., 메이어, R.E., 고과즈, G. 및 이소타니, S.(2013).바람직한 난이도로서의 잘못된 예.H.C., Yacef, K., Mostow, J. 및 Pavlik, P. (Eds)에서.제16회 인공지능 교육 국제회의(AIED 2013) 진행.LNCS 7926(803-806페이지).스프링거, 베를린
  79. ^ McLaren, B.M., Adams, D., Durkin, K., G. Mayer, R.E., Rittle-Johnson, B., Sosnovsky, S., 이소타니, S. & Van Velsen, M.(2012).실수하는 것은 인간이고, 설명하고 바로잡는 것은 신이다.중학생 수학자와의 상호작용 오류 사례 연구.A에서.라벤스크로프트, S. 린드슈타트, C.Delgado Kloos, & D. Herndex-Leo(Eds.), EC-TEL 2012 진행: 제7회 기술 강화 학습 유럽 회의, LNCS 7563(222-235페이지)스프링거, 베를린
  80. ^ "Overview - GIFT - GIFT Portal". www.gifttutoring.org. Retrieved 2018-07-30.
  81. ^ a b Sinatra, Anne M.; Goldberg, Benjamin S.; Sottilare, Robert A. (2014-09-01). "The Generalized Intelligent Framework for Tutoring (GIFT) as a Tool for Human Factors Professionals, The Generalized Intelligent Framework for Tutoring (GIFT) as a Tool for Human Factors Professionals". Proceedings of the Human Factors and Ergonomics Society Annual Meeting. 58 (1): 1024–1027. doi:10.1177/1541931214581214. ISSN 1541-9312. S2CID 111915804.
  82. ^ Lajoie, S. P.; Lesgold, A. (1989). "Apprenticeship training in the workplace: Computer coached practice environment as a new form of apprenticeship". Machine- Mediated Learning. 3: 7–28.
  83. ^ Eliot, C. & Woolf, B. (1994)시뮬레이션 기반 실시간 훈련 시스템 내의 사용자에 대한 추론.사용자 모델링에 관한 제4차 국제회의의 속행에서 121-126.
  84. ^ MILETTO, E. M., PIMTA, M. S., VICARI, R. M. 및 FLOES, L. V. (2005)코드: 공동 음악 프로토타이핑을 위한 웹 기반 환경.Organized Sound, 10(3), 243-253.
  85. ^ Holstein, K., McLaren, B.M., & Aleven, V. (2017년 3월)SPACLE: 공간 리플레이를 사용하여 가상 및 물리적 공간 전체에 대한 학습 조사.제7회 국제학습분석 및 지식회의의 속행(p. 358-367).ACM.
  86. ^ 인텔리전트 튜터링 시스템, 37장 / Corbett, Koidder & Anderson / 37장 (오리지널 페이지 849-874)14는 http://act-r.psy.cmu.edu/papers/173/Chapter_37_Intelligent_Tutoring_Systems.pdf에서 2012년 5월 21일 취득하여 2012-06-17 Wayback Machine에서 아카이브 완료
  87. ^ Caram, R., Pane, J. F., Griffin, B. A., Robyn, A., Phillips, A. 및 Daugherty, L. (2016).테크놀로지 베이스의 혼합 대수 I 커리큘럼의 실장을 규모에 맞추어 검토한다.교육기술연구개발, 1-27.
  88. ^ a b c Anderson, J.R.; Corbett, A. T.; Koedinger, K. R.; Pelletier, R. (1995). "Cognitive tutors: Lessons learned". The Journal of the Learning Sciences. 4 (2): 167–207. doi:10.1207/s15327809jls0402_2.
  89. ^ Christmann, E.; Badgett, J. (1997). "Progressive comparison of the effects of computer-assisted learning on the academic achievement of secondary students". Journal of Research on Computing in Education. 29 (4): 325–338. doi:10.1080/08886504.1997.10782202.
  90. ^ 플레처, J. D. (2003)기술 지원 교육에서 학습하기 위한 증거입니다.H. F. O'Neil & R. Perez(Eds.)에서 교육 분야에서의 테크놀로지 응용:학습 뷰(79~99페이지)마와, 뉴저지 주: 얼바움.
  91. ^ Koedinger, K. R.; Anderson, J. R.; Hadley, W. H.; Mark, M. A. (1997). "Intelligent tutoring goes to school in the big city". International Journal of Artificial Intelligence in Education. 8: 30–43.
  92. ^ Plano, G. S. (2004). "The Effects of the Cognitive Tutor Algebra on student attitudes and achievement in a 9th grade Algebra course". Unpublished Doctoral Dissertation, Seton Hall University, South Orange, NJ.
  93. ^ Kulik, James A.; Fletcher, J.D. (2016). "Effectiveness of Intelligent Tutoring Systems: A Meta-Analytic Review". Review of Educational Research. 86: 42–78. doi:10.3102/0034654315581420. S2CID 7398389.
  94. ^ Koedinger, Kenneth; Alven, Vincent (2007). "Exploring the Assistance Dilemma in Experiments with Cognitive Tutors". Educ Psychol Rev. 19 (3): 239–264. CiteSeerX 10.1.1.158.9693. doi:10.1007/s10648-007-9049-0. S2CID 339486.
  95. ^ Murray, T. (1999년)인텔리전트 튜터링 시스템 제작:최신 기술의 분석입니다.국제인공지능교육저널(IJAIED), 10, 98~129.
  96. ^ a b c d e f 폴슨, 마사 C., 리처드슨, J. 제프리, eds.(1988)인텔리전트 튜터링 시스템의 기반.로렌스 얼바움
  97. ^ Baker, R., Gowda, S., Corbett, A. 및 Ocumpaugh, J.(2012).학생의 학습이 얕은지를 자동적으로 검출하는 것.Intelligent Tutoring Systems(인텔리전트 튜터링 시스템(P. 444-453).스프링거 베를린/하이델베르크
  98. ^ Késer, T., Klingler, S. & Gross, M. (2016년, 4월)언제 멈출까?: 보편적 교육 정책을 지향합니다.제6회 국제학술분석학술회의 속행 (289-298페이지).ACM.
  99. ^ Ocumpaugh, J., Baker, R., Gowda, S., Heffernan, N. 및 Heffernan, C. (2014년)교육 데이터 마이닝 모델의 모집단 유효성: 영향 검출 사례 연구.영국 교육기술 저널, 45(3), 487-501.
  100. ^ Koedinger, K.; Aleven, V. (2007). "Exploring the assistance dilemma in experiments with cognitive tutors". Educational Psychology Review. 19 (3): 239–264. CiteSeerX 10.1.1.158.9693. doi:10.1007/s10648-007-9049-0. S2CID 339486.
  101. ^ 조나센, D. H., & 리브스, T. C. (1996년)테크놀로지에 의한 학습:컴퓨터를 인지 도구로 사용하는 것.D. H. Jonassen(편집), 교육 커뮤니케이션 및 기술에 대한 연구 핸드북(693-719페이지)뉴욕: 맥밀런.
  102. ^ a b Iqbal, A., Oppermann, R., Patel, A. 및 Kinshuk(1999)인텔리전트 튜터링 시스템의 평가방법 분류U. Arend, E. E. Eberleh & K. Pitschke (Eds)소프트웨어 인체공학 99 - Design von Informationswelten, 라이프치히: B. G. Teubner Stuttart, 169-181.
  103. ^ a b Siemer, J. & Angelides, M. C. (1998년)완전한 인텔리전트 튜터링 시스템을 평가하기 위한 포괄적인 방법입니다.의사결정 지원 시스템, 22(1), 85-102.
  104. ^ a b c 마크, M.A., 그리어, J.E...(1993).인텔리전트 튜터링 시스템을 위한 평가 방법론.인공지능 교육 저널, 4, 129~129.
  105. ^ Graessner A. C., Kurt VanLehn, C. P. R., Jordan, P. & Harter, D. (2001)대화 대화 기능이 있는 인텔리전트 튜터링 시스템.AI 매거진, 22(4), 39.
  106. ^ Graesser, A. C., Chipman, P., Haynes, B. C. 및 Olney, A. (2005)AutoTutor: 혼재형 대화 기능을 갖춘 인텔리전트 튜터링 시스템, 48(4) 612-618.
  107. ^ 자오, R, 파판젤리스, A. & 캐셀, J. (2014년, 8월)인간과 가상 에이전트의 상호작용을 위한 신뢰관리의 쌍방향 계산 모델을 지향합니다.인텔리전트 가상 에이전트에 관한 국제 회의 (p. 514-527).Springer International Publishing.
  108. ^ Madaio, M.A., Ogan, A., & Cassell, J. (2016, 6월)우정과 과외 역할이 상호 동료 과외 전략에 미치는 영향.인텔리전트 튜터링 시스템에 관한 국제 컨퍼런스 (p.423-429).Springer International Publishing.
  109. ^ a b c d D'Mello, C.; Graessner, A. (2012). "Dynamics of affective states during complex learning". Learning and Instruction. 22 (2): 145–157. doi:10.1016/j.learninstruc.2011.10.001.
  110. ^ a b Sarrafzadeh, A.; Alexander, S.; Dadgostar, F.; Fan, C.; Bigdeli, A. (2008). "How do you know that I don't understand?" A look at the future of intelligent tutoring systems". Computers in Human Behavior. 24 (4): 1342–1363. doi:10.1016/j.chb.2007.07.008. hdl:10652/2040.
  111. ^ D'Mello, S.; Olney, A.; Williams, C.; Hays, P. (2012). "Gaze tutor: A gaze-reactive intelligent tutoring system". International Journal of Human - Computer Studies. 70 (5): 377–398. doi:10.1016/j.ijhcs.2012.01.004.
  112. ^ Cassell, Justine (January 2004). "Towards a model of technology and literacy development: Story listening systems". Journal of Applied Developmental Psychology. 25 (1): 75–105. doi:10.1016/j.appdev.2003.11.003. ISSN 0193-3973.
  113. ^ Wang, Ning; Gratch, Jonathan (September 2009). "Rapport and facial expression". 2009 3rd International Conference on Affective Computing and Intelligent Interaction and Workshops. IEEE: 1–6. doi:10.1109/acii.2009.5349514. ISBN 9781424448005. S2CID 9673056.
  114. ^ Ogan, Amy; Finkelstein, Samantha; Walker, Erin; Carlson, Ryan; Cassell, Justine (2012), "Rudeness and Rapport: Insults and Learning Gains in Peer Tutoring", Intelligent Tutoring Systems, Springer Berlin Heidelberg, pp. 11–21, CiteSeerX 10.1.1.477.4527, doi:10.1007/978-3-642-30950-2_2, ISBN 9783642309496
  115. ^ Fiorella, Logan; Mayer, Richard E. (October 2013). "The relative benefits of learning by teaching and teaching expectancy". Contemporary Educational Psychology. 38 (4): 281–288. doi:10.1016/j.cedpsych.2013.06.001. ISSN 0361-476X.
  116. ^ Pareto, Lena; Arvemo, Tobias; Dahl, Ylva; Haake, Magnus; Gulz, Agneta (2011), "A Teachable-Agent Arithmetic Game's Effects on Mathematics Understanding, Attitude and Self-efficacy", Lecture Notes in Computer Science, Springer Berlin Heidelberg, pp. 247–255, doi:10.1007/978-3-642-21869-9_33, ISBN 9783642218682
  117. ^ BISWAS, GAUTAM; JEONG, HOGYEONG; KINNEBREW, JOHN S.; SULCER, BRIAN; ROSCOE, ROD (July 2010). "Measuring Self-Regulated Learning Skills Through Social Interactions in a Teachable Agent Environment". Research and Practice in Technology Enhanced Learning. 05 (2): 123–152. doi:10.1142/s1793206810000839. ISSN 1793-2068.
  118. ^ Matsuda, Noboru; Cohen, William W.; Koedinger, Kenneth R.; Keiser, Victoria; Raizada, Rohan; Yarzebinski, Evelyn; Watson, Shayna P.; Stylianides, Gabriel (March 2012). "Studying the Effect of Tutor Learning Using a Teachable Agent that Asks the Student Tutor for Explanations". 2012 IEEE Fourth International Conference on Digital Game and Intelligent Toy Enhanced Learning. IEEE: 25–32. doi:10.1109/digitel.2012.12. ISBN 9781467308854. S2CID 15946735.

참고 문헌

책들

페이퍼

외부 링크