इंटेलिजेंट लर्निंग मैनेजमेंट

अब ऑनलाइन शिक्षा का विषय लोकप्रिय है: सभी ने कोर्टेरा, उडनेस, एडएक्स के बारे में सुना है। ये कई उपयोगी पाठ्यक्रमों वाले महान शैक्षिक मंच हैं। लेकिन क्या उन्हें अधिक बुद्धिमान बनाया जा सकता है? सामान्य तौर पर, बुद्धिमान ट्यूशनिंग सिस्टम पर अनुसंधान लंबे समय से चल रहा है और वैज्ञानिकों के पास व्यावहारिक प्रोग्रामर की पेशकश करने के लिए कुछ है। एक लोकप्रिय वैज्ञानिक रूप में यह लेख एक विशिष्ट प्रकार के बुद्धिमान शिक्षण प्रणालियों के निर्माण पर वैज्ञानिक समुदाय द्वारा प्राप्त परिणामों और निष्कर्षों पर विचार करता है । यह समस्या समाधान, सीखने वाले मॉडल, सीखने की प्रक्रिया प्रबंधन एल्गोरिदम के लिए सबसिस्टम के निर्माण के मुद्दों पर छूता है।

परिचय

उत्तर को चुनने के विकल्पों के साथ प्रश्नों के साथ व्यापक प्रशिक्षण कार्यक्रम, जिसमें एक सही, और बाकी गलत हैं, जिसमें विशिष्ट त्रुटियां हैं। 50 के दशक में ऐसी प्रणाली बनाने का सैद्धांतिक आधार। XX सदी ने प्रसिद्ध मनोवैज्ञानिक बी.एफ. स्किनर और शोधकर्ता एन.ए. Crowder। उनके द्वारा प्रस्तावित अवधारणाओं की एक से अधिक बार आलोचना की गई थी। विशेष रूप से, आलोचकों ने ध्यान दिया कि न केवल प्रतिक्रियाओं की निगरानी की जानी चाहिए, बल्कि उनके लिए जाने वाले मार्ग भी। खैर, वास्तव में, क्योंकि प्रशिक्षण का मुख्य उद्देश्य सही उत्तरों का संस्मरण नहीं है, बल्कि अध्ययन किए गए विषय की विशिष्ट समस्याओं को हल करने के लिए तर्कसंगत तरीकों का गठन है। इसलिए, वैज्ञानिक विचार एक नया रास्ता बना। सबसे पहले, वैज्ञानिकों ने प्रशिक्षण कार्यक्रम बनाने शुरू किए जो न केवल अंतिम उत्तर को पहचान सकते हैं, बल्कि असाइनमेंट के दौरान छात्र के तर्क का भी मूल्यांकन कर सकते हैं (इस लेख का भाग 1 देखें)। दूसरे, वैज्ञानिकों ने सीखने की प्रक्रिया के प्रबंधन के लिए महत्वपूर्ण शिक्षार्थियों की विशेषताओं को मापने के लिए साधन विकसित करना शुरू कर दिया (तथाकथित "सीखने वाले मॉडल", भाग 2 देखें) और सीखने की प्रक्रिया प्रबंधन एल्गोरिदम (भाग 3 देखें)।

2. "बुद्धिमान प्रशिक्षण कार्यक्रम" का पालन करें

एक दिलचस्प और शायद सबसे होनहार प्रकार का बुद्धिमान प्रशिक्षण कार्यक्रम "अनुवर्ती" बुद्धिमान प्रशिक्षण कार्यक्रम है। "अनुयायी" प्राकृतिक विज्ञान विषयों (जैसे गणित या भौतिकी) को पढ़ाने के लिए डिज़ाइन किए गए शैक्षिक कार्यक्रम हैं, जो सक्षम हैं

• शिक्षार्थी के निर्णय के प्रत्येक चरण का मूल्यांकन "सही" या "गलत" के रूप में करें;
• एक संकेत प्रदान करें जो यह बताता है कि दर्ज किए गए निर्णय के साथ क्या गलत है या आगे क्या करना है।
• निर्णय के लिए रेटिंग दें।

इस तरह के कार्यक्रमों को "अनुयायी" कहा जाता है क्योंकि पूर्णता और शुद्धता के लिए छात्र के निर्णय की जांच करने के लिए, वे अपने फैसले के चरणों के साथ छात्र के निर्णय के चरणों की तुलना करते हैं। उनमें उपलब्ध समाधान कुछ एल्गोरिथ्म द्वारा स्वचालित रूप से उत्पन्न हो सकते हैं या शिक्षक द्वारा डेटाबेस में दर्ज किए जा सकते हैं।

शायद सबसे प्रसिद्ध और सबसे विकसित "ट्रैकिंग" बौद्धिक प्रशिक्षण कार्यक्रम एंडीज फिजिक्स ट्यूटर [1-2] (छवि 1) है। उनके ज्ञान के आधार में भौतिकी की कई शाखाएँ शामिल हैं: "स्टेटिक्स", "कीनेमेटिक्स", "कार्य और ऊर्जा"। प्रशिक्षु विशेष क्षेत्रों में निर्णय कदम दर्ज करते हैं। यदि समाधान चरण सही है, तो प्रोग्राम हरे रंग में संबंधित सूत्र को चिह्नित करता है, यदि यह गलत है, तो लाल रंग में। प्रोग्राम विंडो के निचले बाएं हिस्से में, शिक्षार्थी द्वारा प्राप्त संकेत प्रदर्शित होते हैं।



अंजीर। 1. एंडीज फिजिक्स ट्यूटर "ट्रैकिंग" इंटेलिजेंट ट्यूटोरियल।

ऐसे प्रशिक्षण कार्यक्रमों में समाधान सत्यापन कैसे लागू किया जाता है? एंडीज फिजिक्स ट्यूटर के डेवलपर्स इस समस्या को दो चरणों में हल करने की पेशकश करते हैं:

• छात्र द्वारा दर्ज किए गए फॉर्मूले की शुद्धता की जाँच करना,
• मापने वाले ने निर्णय चरण में प्रवेश करने के बाद कितनी दूर तक प्रगति की है, अर्थात्। एक समाधान में प्रगति को मापने।

यह शुद्धता की जानकारी के आधार पर ठीक है कि छात्र द्वारा दर्ज किए गए सूत्र लाल या हरे रंग में प्रोग्राम द्वारा रंगे हैं। समाधान में प्रगति के बारे में जानकारी का उपयोग कार्यक्रम के लिए सुझाव देने और समाधान के लिए स्कोरिंग के समय किया जाता है।

शुद्धता की जाँच बहुत सरल है: छात्र द्वारा दर्ज किए गए फॉर्मूले में, आपको उसमें निहित चरों के संख्यात्मक मानों को प्रतिस्थापित करना होगा। यदि प्रतिस्थापन का परिणाम एक पहचान है, तो सूत्र सही है। उदाहरण के लिए, यदि किसी छात्र ने सूत्र a = b + 2 का परिचय दिया है, और समस्या की स्थितियों से यह कहा जाता है कि a = 4, b = 2 , तो, 4 = 2 + 2 के बाद से, तो छात्र द्वारा प्रस्तुत सूत्र सही है।

किसी समस्या को हल करने में प्रगति को मापना अधिक कठिन है। किसी समाधान में प्रगति को मापने का सबसे आसान तरीका है, कार्यक्रम की ज्ञात समाधानों को सूत्रों की सूचियों के रूप में प्रस्तुत करना और इन सूचियों के सूत्रों द्वारा शिक्षार्थियों द्वारा पेश किए गए सूत्रों की तुलना करना। फिर, प्रगति को मापने के लिए, पहले उस कार्यक्रम के लिए जाने वाले समाधानों में से एक का चयन करना आवश्यक होगा जो सीखने वाले के समाधान के सबसे करीब है, और फिर देखें कि इसमें शामिल कितने प्रतिशत सूत्र शिक्षार्थी के निर्णय चरणों में लागू होते हैं। यह प्रतिशत जितना अधिक होगा, छात्र को हल करने में प्रगति उतनी ही अधिक होगी। दुर्भाग्य से, समस्याओं के समाधान के बारे में जानकारी के भंडारण और प्रसंस्करण के ऐसे "भोले" तरीके का उपयोग करते समय, यहां तक ​​कि सबसे सरल कार्य के लिए भी आपको बहुत अधिक संभव समाधान बनाने की आवश्यकता होती है जो एक या एक से अधिक सूत्रों में एक दूसरे से भिन्न होते हैं। इसलिए, एंडीज फिजिक्स ट्यूटर के डेवलपर्स एक अलग तरीके से चले गए।

एंडिस फिजिक्स ट्यूटर में, समस्याओं के संभावित समाधान की जानकारी "मूल" समीकरणों की एक छोटी सूची के रूप में संग्रहीत की जाती है। प्रशिक्षुओं द्वारा शुरू किए गए निर्णय कदम को भी समीकरण माना जाता है। यह निर्धारित करने के लिए कि किसी विशेष समाधान चरण में प्रवेश करने के लिए छात्र द्वारा "बुनियादी" समीकरणों का उपयोग किया गया था, एक विशेष एल्गोरिथ्म का उपयोग किया जाता है, जिसके दौरान समीकरणों की प्रणाली हल होती है और आंशिक व्युत्पन्न की गणना की जाती है। इस बीच, यह एल्गोरिदम प्रशिक्षुओं को हल करने में शामिल सभी चरणों का सामना करने में सक्षम नहीं है। सीखने के चर को हल करने के चरण में जितना अधिक चर को संख्यात्मक मान से प्रतिस्थापित किया जाता है और जितना अधिक कम्प्यूटेशनल रूप से इसे कम से कम किया जाता है, यह समझना उतना ही मुश्किल है कि समाधान चरण में प्रवेश करते समय सीखने वाले "बुनियादी" समीकरण का उपयोग करते हैं।

मान लीजिए कि समस्या को हल करने के दौरान छात्र को मूल्य की गणना करने की आवश्यकता होती है , जिसे दो तरीकों से पाया जा सकता है: a = b + c , a = d / 2 । यदि छात्र बस एक = 6 में प्रवेश करता है , तो कैसे समझें कि उसने किस पद्धति का उपयोग किया? इसके अलावा, कुछ छात्र "ट्रिकी" हो सकते हैं: उदाहरण के लिए, यदि वे कंप्यूटर क्लास में प्रशिक्षण कार्यक्रम के साथ काम करते हैं और पड़ोसी से सुनते हैं कि ए 6 है और किसी तरह बी पर निर्भर करता है, तो वे जानते हैं कि बी = 2 , कर सकते हैं एक = 8 - बी फार्म के एक समाधान कदम परिचय। इस मामले में, प्रगति माप एल्गोरिथ्म के परिणामस्वरूप, यह अभी भी निष्कर्ष निकाला जाएगा कि प्रशिक्षु ने दो उपरोक्त तरीकों में से एक का उपयोग करके सूत्र पेश किया। बेशक, आप उन आंकड़ों के साथ आ सकते हैं जो कुछ मामलों में स्थिति को स्पष्ट करेंगे, लेकिन सभी में नहीं। इसलिए, यह तर्क नहीं दिया जा सकता है कि कभी भी 100% निश्चितता के साथ प्रशिक्षण कार्यक्रमों के निर्णयों को सत्यापित करने के लिए एल्गोरिदम छात्र के निर्णय में किसी भी कदम को पहचानने में सक्षम होंगे। इसके बजाय, केवल यह सुनिश्चित करना संभव है कि प्रशिक्षण कार्यक्रम उच्च संभावना के साथ, कुछ प्राकृतिक विज्ञानों से समस्याओं के विशिष्ट वर्गों के लिए छात्र निर्णय के बहुमत को सही ढंग से पहचान सकें।

2. शिक्षार्थी मॉडल

प्रशिक्षण कार्यक्रमों को बौद्धिक करने का एक और तरीका शिक्षार्थी मॉडल का उपयोग करना है। याद रखें कि छात्र के मॉडल को छात्र की विशेषताओं को मापने के लिए एक साधन कहा जा सकता है, सीखने की प्रक्रिया के प्रबंधन के लिए महत्वपूर्ण है, साथ ही साथ इन विशेषताओं को मापने के परिणाम भी। छात्रों के मॉडल दो प्रकार के होते हैं:

• छात्र के ज्ञान और कौशल के स्तर को दर्शाते हुए,
• प्रशिक्षण कार्यक्रम में कार्यों के निष्पादन के दौरान छात्र की मानसिक स्थिति की विशेषता।

ओवरले मॉडल अक्सर छात्रों के ज्ञान और कौशल के स्तर को चिह्नित करने के लिए उपयोग किया जाता है। ओवरले मॉडल के मामले में, यह माना जाता है कि विशेषज्ञ के पास ज्ञान की प्रस्तुति वही है जो सीखने वाले की है, सिवाय इसके कि सीखने वाले का ज्ञान कम पूरा हो (चित्र 2 देखें)। विशेषज्ञता को सरल और छोटे भागों में विभाजित किया गया है। सीखने वाला या तो प्रत्येक विशिष्ट भाग को जानता है, या नहीं जानता (या कुछ हद तक जानता है)।

अंजीर। 2. छात्र का ओवरले मॉडल (विशेषज्ञ के "ज्ञान" के वे भाग जो छात्र में भी मौजूद हैं, चित्रित किए गए हैं)।

वर्तमान में, ओवरले मॉडल को अक्सर पदानुक्रमित संरचनाओं के रूप में लागू किया जाता है, जिसमें अध्ययन पाठ्यक्रम और / या कौशल की सभी अवधारणाओं की समग्रता शामिल है जो इस पाठ्यक्रम के अनुरूप हैं। अंजीर में। चित्रा 3 "ज्यामिति" विषय की अवधारणाओं की पदानुक्रमित संरचना को दर्शाता है, जिसने छात्र के ज्ञान और कौशल के मॉडल का आधार बनाया। संरचना के नोड्स परिभाषाओं, या स्वयंसिद्ध या प्रमेय के अनुरूप हैं। एक नोड से दूसरे नोड तक जाने वाला तीर इन नोड्स के अनुरूप सैद्धांतिक सामग्री के कुछ हिस्सों के बीच संबंध को इंगित करता है। इस संबंध की व्याख्या इस प्रकार की जा सकती है: " ए का अध्ययन करने से पहले, आपको बी जानना होगा", या इस तरह: "यदि ए जानता है, तो वह बी जानता है"। सैद्धांतिक सामग्री के कुछ हिस्सों के बीच संबंधों को ध्यान में रखते हुए, आप अभ्यास की संख्या को कम करने की अनुमति देते हैं, जिसके परिणाम छात्र के ज्ञान और कौशल के स्तर की गणना करते हैं।


अंजीर। 3. विषय क्षेत्र "ज्यामिति" से अवधारणाओं की श्रेणीबद्ध संरचना का एक टुकड़ा।

संरचना के प्रत्येक नोड को "सीखा" या "सीखा नहीं" एक लेबल सौंपा गया है। छात्र द्वारा सैद्धांतिक सामग्री पढ़ने या व्यावहारिक कार्य पूरा करने के बाद लेबल में बदलाव हो सकता है। लेबल परिवर्तन को लागू करने वाली गणना के लिए, विभिन्न एल्गोरिदम और विधियों का उपयोग किया जा सकता है: बायेसियन नेटवर्क, फ़ज़ी लॉजिक विधि, आदि।

छात्र की मानसिक स्थिति का एक मॉडल बनाने के लिए , विभिन्न डेटा स्रोतों का उपयोग किया जा सकता है - वीडियो कैमरा (उनकी मदद से चेहरे के भाव पहचाने जाते हैं), सेंसर जो हृदय गति को मापते हैं, आदि। डेटा अधिग्रहण का स्रोत जो शिक्षार्थी के लिए अदृश्य है और, तदनुसार, व्यावहारिक उपयोग के लिए सबसे सुविधाजनक है, प्रशिक्षण कार्यक्रम में उपयोगकर्ता के काम का इतिहास है [3-4] (चित्र 4 देखें)।


अंजीर। 4. छात्र के कार्य इतिहास का एक टुकड़ा।

अपने काम के इतिहास के अनुसार एक छात्र की मानसिक स्थिति के निदान के लिए एक मॉडल के एक उदाहरण के रूप में, हम मॉस्को स्टेट यूनिवर्सिटी के मनोविज्ञान के संकाय की भागीदारी के साथ रूसी एकेडमी ऑफ साइंसेज के इंस्टीट्यूट ऑफ एप्लाइड मैथमेटिक्स के प्रयोगशाला 17 में विकसित मॉडल का वर्णन करते हैं। [5] यह मॉडल मानता है कि छात्र की मानसिक स्थिति तीन संकेतकों के मूल्यों की विशेषता है: "स्वतंत्रता", "प्रयास", "निराशा व्यवहार"। संकेतकों के मूल्यों को हर एन सेकंड में पुनर्गणना किया जाता है (उदाहरण के लिए, आप n = 300 सेकंड, यानी 5 मिनट ले सकते हैं)। एक निश्चित अवधि के लिए संकेतक का मान मुख्य रूप से इस अवधि के दौरान हुई विभिन्न घटनाओं की विभिन्न संख्यात्मक विशेषताओं के आधार पर बनता है। ये घटनाएँ एक साथ हो सकती हैं (उदाहरण के लिए, "छात्र ने शुद्धता के लिए निर्णय कदम की जाँच की, कदम सही निकला") या दीर्घकालिक (उदाहरण के लिए, "छात्र संदर्भ सामग्री पढ़ें")। घटनाओं की संख्यात्मक विशेषताएं "मात्रा", "औसत अवधि", "संचयी अवधि", आदि हो सकती हैं।

मॉडल का निर्माण करते समय, छात्र के काम के इतिहास में एक दिलचस्प घटना थी "प्रशिक्षण कार्यक्रम में निष्क्रियता 7 सेकंड से अधिक समय तक"। यह पता चला है कि छात्र के कार्य इतिहास में इस घटना की उपस्थिति, सीखने और उसके अत्यधिक अवांछनीय स्थिति के लिए छात्र की अनुकूल स्थिति दोनों को बोल सकती है। सबसे अधिक बार, छात्र की प्रतिकूल स्थिति ने समस्या को हल करने के चरण को पेश करने के बाद खुद को प्रकट किया और कार्यक्रम से अपनी गलतता के बारे में संदेश प्राप्त किया। इस मामले में, उन्होंने कार्यक्रम में काम करना बंद कर दिया और पड़ोसियों या शिक्षकों से मदद लेने की कोशिश की, या कुछ समय के लिए स्तब्धता की स्थिति में पड़ गए। कार्यक्रम के सही कदम के रूप में दर्ज किए गए निर्णय को चिह्नित करने के बाद छात्र की अनुकूल स्थिति प्रकट हुई। फिर वह समाधान के अगले चरण पर काम करने के लिए आगे बढ़े और कागज और कलम के साथ गणना करने लगे (तदनुसार, उस समय छात्र की कोई भी क्रिया कार्यक्रम में दर्ज नहीं की गई थी)। इसलिए, छात्र की मानसिक स्थिति को मापने के लिए, "सही निर्णय चरण में प्रवेश करने से पहले कार्यक्रम में निष्क्रियता की घटनाओं की संख्या 7 सेकंड से अधिक" और "गलत निर्णय चरण में प्रवेश करने से पहले 7 सेकंड से अधिक की निष्क्रियता की घटनाओं की संख्या" को अलग-अलग ध्यान में रखा गया।

मॉडल का उपयोग करने से पहले, आपको इसे कॉन्फ़िगर करना होगा, अर्थात, उन फ़ंक्शन के गुणांक का चयन करें जिनके द्वारा संकेतक "स्वतंत्रता", "प्रयास", "निराशा व्यवहार" के वर्तमान मूल्यों की गणना की जाती है। विवरण में जाने के बिना, हम ध्यान दें कि गुणांक के चयन की प्रक्रिया पुनरावृत्त है, और गुणांक का चयन करने के लिए एल्गोरिथ्म के मुख्य चरणों में से एक त्रुटि फ़ंक्शन को कम करना है, जो विशेषज्ञ अनुमानों और अनुमानों के बीच विसंगतियों को दर्शाता है जो कि गुणांक के साथ मॉडल द्वारा उत्पन्न किए गए थे, जो कुछ अंश पर पिछले पुनरावृत्ति के परिणामस्वरूप प्राप्त हुए थे। प्रयोगात्मक डेटा।

हमें डेटा संग्रह प्रक्रिया के बारे में बताएं जिसके आधार पर उपरोक्त मॉडल को ट्यून किया गया था। डेटा एकत्र करने के लिए एक प्रयोग किया गया, जिसके दौरान स्वयंसेवी छात्रों ने प्रशिक्षण कार्यक्रम में एक या दो कार्य हल किए। प्रयोग के बाद, विशेषज्ञ आकलन एकत्र किए गए थे। विशेषज्ञों ने वीडियो रिकॉर्डिंग के आधार पर छात्रों की मानसिक स्थिति का मूल्यांकन किया, जिसमें छात्र की स्क्रीन से रिकॉर्डिंग और छात्र के चेहरे की रिकॉर्डिंग दोनों एक साथ उपलब्ध थे। हर 5 मिनट में, छात्र के काम की वीडियो रिकॉर्डिंग बंद हो जाती है - विशेषज्ञ को प्रोग्राम विंडो के विशेष क्षेत्रों में छात्र की स्थिति का आकलन करना होता है। फिर, प्रत्येक छात्र के काम के इतिहास के 5 मिनट के टुकड़े के लिए, एक वेक्टर उत्पन्न किया गया था, जिसका एक घटक विचाराधीन अवधि के लिए छात्र की मानसिक स्थिति के एक विशेषज्ञ मूल्यांकन के अनुरूप था, और शेष घटक कार्य के इतिहास से घटनाओं की संख्यात्मक विशेषताओं के अनुरूप हैं जो विचाराधीन अवधि के दौरान हुए थे। इन आंकड़ों (वैक्टर का एक सेट) के आधार पर, मॉडल गुणांक को प्रसिद्ध मशीन सीखने के तरीकों का उपयोग करके चुना गया था।

3. शिक्षार्थी मॉडल का उपयोग करके शैक्षिक प्रक्रिया का प्रबंधन

अब जब हमने विभिन्न प्रकार के सीखने वाले मॉडल के बारे में जान लिया है और उन्हें कैसे बनाया जाए, तो आइए हम बौद्धिक शिक्षण प्रबंधन के मुद्दे पर लौटते हैं। सवाल तुरंत उठता है, आप समय पर किन बिंदुओं पर सीखने की प्रक्रिया को नियंत्रित कर सकते हैं और कार्यक्रम के उपयोगकर्ता - आप शिक्षार्थी को कैसे प्रभावित कर सकते हैं? सबसे पहले, निम्नलिखित पाठों के लिए बौद्धिक रूप से प्रशिक्षण सामग्री (सिद्धांत और / या कार्य) का चयन करना संभव है, संबंधित मॉडल में दर्ज छात्र के ज्ञान और कौशल को ध्यान में रखते हुए। दूसरे, आप प्रशिक्षण कार्यक्रम में समस्या को हल करने की प्रक्रिया के लिए इंटरैक्टिव समर्थन प्रदान कर सकते हैं। एक "स्मार्ट" नियंत्रण एल्गोरिथ्म घटना के समय और प्रशिक्षण कार्यक्रम के ऐसे कार्यों की आवृत्ति का चयन करेगा:

• सहायता प्रदान करना (उदाहरण के लिए, समस्या के अगले पूर्वानुमानित चरण के लिए लघु सैद्धांतिक संकेतों के रूप में या सैद्धांतिक सामग्री के लिंक के रूप में जो इस समस्या को हल करने में उपयोगी होगा)
• छात्र के अनुरोध पर सहायता प्रदान करने से इनकार करना,
• समस्या हल होने के बजाय अन्य शैक्षिक सामग्री की सिफारिश (उदाहरण के लिए, एक सरल कार्य यदि छात्र वर्तमान कार्य से सामना नहीं कर सकता है),
• कार्यक्रम में अस्थायी रूप से काम पूरा करने की सिफारिश करना (आवधिक आराम की आवश्यकता के अनुस्मारक के रूप में या इस तथ्य को बताते हुए कि "छात्र आज आकार में नहीं है"),
• विभिन्न प्रेरक संदेश दिखाना (उदाहरण के लिए, "आपने इस समस्या को लगभग हल कर दिया है!")।

लेकिन कैसे "लगातार" और "निर्णायक" इस तरह के एक एल्गोरिथ्म होना चाहिए? इस प्रश्न का उत्तर देने के लिए, आइए हम बेनेडिक्ट डी बुलेवार्ड [6] के शोध के परिणामों को देखें। बेनेडिक्ट डी बाउलेट एक अंग्रेजी के प्रोफेसर हैं, जिनके मार्गदर्शन में एक प्रशिक्षण कार्यक्रम में काम करने के दौरान छात्रों की भावनाओं के स्वचालित प्रबंधन पर काफी शोध किया गया था। उन्होंने और उनके सहयोगियों ने इस तथ्य पर ध्यान आकर्षित किया कि तकनीकी विशिष्टताओं के छात्रों का सीखने की प्रक्रिया के स्वचालित प्रबंधन के प्रति नकारात्मक रवैया हो सकता है, विशेष रूप से उन मामलों में जब उन्हें सहायता प्रदान करने से इनकार का सामना करना पड़ता है। उन छात्रों में से कुछ जिन्होंने डे बाउललेट के प्रयोगों में भाग लिया, जो कार्यक्रम के व्यवहार से सबसे अधिक नाराज थे, उन्होंने भी कुछ ऐसा कहा, जैसे "यह सिर्फ एक कार्यक्रम है और इसे वैसा ही करना चाहिए जैसा वे कहते हैं!"

जैसा कि आप देख सकते हैं, शैक्षिक प्रक्रिया के स्वचालित प्रबंधन की सफलता कार्यक्रम की बुद्धि में सीखने वाले के विश्वास की डिग्री पर बहुत निर्भर करती है। यह विश्वास अनिवार्य रूप से इस बात पर निर्भर करता है कि कार्यक्रम अपने कार्यों को कितनी अच्छी तरह समझता है, विशेष रूप से, यह वह क्या था जो एक समाधान कदम के रूप में समस्या को हल करने के लिए एक समय या किसी अन्य पर पेश किया गया था। जैसा कि पहले उल्लेख किया गया है, यह तर्क नहीं दिया जा सकता है कि कभी भी 100% निश्चितता के साथ शैक्षिक कार्यक्रमों के समाधान की पुष्टि करने के लिए एल्गोरिदम शिक्षार्थी के निर्णय के किसी भी चरण को पहचानने में सक्षम होंगे। इसलिए, स्वचालित शिक्षण प्रबंधन के लिए एल्गोरिथ्म केवल प्रकृति में सलाहकार होना चाहिए। छात्र के अनुरोध पर इसे अक्षम करना भी संभव होना चाहिए।

इस बीच, छात्रों के तर्कहीन व्यवहार के मामलों में (उदाहरण के लिए, समस्या को हल करने के दौरान संक्षिप्त पाठ संकेतों का दुरुपयोग करने वाले छात्र), एक अभी भी सीखने की प्रक्रिया को प्रभावित कर सकता है, पाठ्यक्रम शिक्षक के व्यक्ति में अतिरिक्त बलों की भागीदारी के साथ।शिक्षक पाठ्यक्रम में अपने व्यवहार के बारे में उत्पन्न रिपोर्ट के आधार पर छात्रों को "ठीक" कर सकता है। इस प्रकार, बुद्धिमान प्रशिक्षण कार्यक्रम छात्र और शिक्षक दोनों के लिए इस प्रक्रिया को बहुत सुविधाजनक बना सकते हैं, लेकिन गलत प्रेरणा के साथ "चालाक" छात्रों के मामले में (जब विषय का अध्ययन करना दिलचस्प नहीं है, लेकिन अच्छे ग्रेड प्राप्त करना दिलचस्प है) तो शिक्षक की भागीदारी के बिना ऐसा करना असंभव होगा।

उपयोगी लिंक

एक पुस्तक के रूप में जिसमें बुद्धिमान शिक्षण प्रणालियों पर अनुसंधान की स्थिति की काफी पूर्ण और अपेक्षाकृत ताजा समीक्षा दी गई है, मैं वूलफ, बेवर्ली पार्क (2009) पुस्तक की सिफारिश करता हूं। बिल्डिंग इंटेलीजेंट इंटरएक्टिव ट्यूटर्स। मॉर्गन कॉफ़मैन। आईएसबीएन 978-0-12-373594-2।

लगभग हर साल इंटेलिजेंट ट्यूटरिंग सिस्टम का एक सम्मेलन होता है। ITS 2010 पिट्सबर्ग (यूएसए), ITS 2012 में आयोजित किया गया था - क्रेते में। AIED सोसायटी समय-समय पर सम्मेलन आयोजित करती है ।

1. एक भौतिकीय ट्यूशनिंग
   प्रणाली में छात्रों के इनपुट के निदान के लिए शापिरो जेए एक बीजगणित उपतंत्र
2. VanLehn K. (et al।) एंडीज फिजिक्स ट्यूटरिंग सिस्टम: सबक सीखा
3. बेकर आरएसजेड (एट अल।) टु सेंसर्स-फ्री इफेक्ट डिटेक्शन इन
   कॉग्निटिव ट्यूटर अलजेब्रा
4. बेकर आरएसजेड (एट अल।) लेबलिंग स्टूडेंट बिहेवियर
   फास्टर एंड मोर प्रीस्कूल विद टेक्स्ट रिप्ले
5. स्मिरनोवा एन.वी. एक ट्रैकिंग बौद्धिक शैक्षिक प्रणाली में उनके काम के इतिहास के अनुसार छात्रों की मानसिक स्थिति का स्वचालित विश्लेषण
6. बी। डी। बोउले, सोल्तो टी।
   ट्यूशन सिस्टम में प्रेरक रणनीति का कार्यान्वयन