Please use this identifier to cite or link to this item: http://hdl.handle.net/10889/10114
Title: Αυτόματη παραγωγή και αξιολόγηση ασκήσεων και χρήση παιχνιδοποίησης σε ευφυή συστήματα διδασκαλίας
Other Titles: Automated generation and assessment of exercises and use of gamification in intelligent tutoring systems
Authors: Γριβοκωστοπούλου, Φωτεινή
Keywords: Τεχνητή νοημοσύνη
Λογική
Έμπειρα συστήματα
Σημασιολογικός ιστός
Ευφυή συστήματα διδασκαλίας
Αυτόματη απόδειξη θεωρημάτων
Αλγόριθμοι αναζήτησης
Εκπαιδευτικά παιχνίδια
Keywords (translated): Artificial intelligence
Logic
Expert systems
Semantic web
Intelligent tutoring systems
Automated theorem proving
Search algorithms
Game-based learning
Abstract: Τα τελευταία χρόνια, η ραγδαία ανάπτυξη της τεχνολογίας και του διαδικτύου δεν θα μπορούσε να αφήσει ανεπηρέαστο τον τομέα των συστημάτων ηλεκτρονικής μάθησης (e-learning). Η χρήση του διαδικτύου άλλαξε τον τρόπο με τον οποίο παρέχεται η μάθηση στους εκπαιδευόμενους. Μια βασική και δημοφιλής κατηγορία εκπαιδευτικών συστημάτων είναι τα Ευφυή Συστήματα Διδασκαλίας-ΕΣΔ (Intelligent Tutoring Systems-ITSs), κύριο χαρακτηριστικό των οποίων είναι η παροχή εξατομικευμένης μάθησης στους εκπαιδευόμενους, με χρήση μεθόδων τεχνητής νοημοσύνης και κατάλληλων παιδαγωγικών προσεγγίσεων. Στα πλαίσια της παρούσας διδακτορικής διατριβής, αναπτύξαμε νέες μεθοδολογίες και μηχανισμούς στο τομέα των ευφυών εκπαιδευτικών συστημάτων. Πιο συγκεκριμένα, αναπτύχθηκαν μεθοδολογίες για την ημιαυτόματη παραγωγή ασκήσεων, τον αυτόματο προσδιορισμό της δυσκολίας ασκήσεων και την αυτόματη αξιολόγηση ασκήσεων σε ευφυή συστήματα διδασκαλίας. Επίσης, για να βοηθήσουμε τους εκπαιδευόμενους στην καλύτερη κατανόηση σύνθετων εννοιών του πεδίου της τεχνητής νοημοσύνης, αναπτύξαμε συνιστώσες για ευφυή συστήματα διδασκαλίας που μοντελοποιούν σύνθετες διαδικασίες της τεχνητής νοημοσύνης, χρησιμοποιώντας ευφυείς τεχνικές. Οι μεθοδολογίες και οι μηχανισμοί που αναπτύχθηκαν έχουν ως στόχο να επιτύχουν αποτελεσματικότερη μάθηση και παροχή εξατομικευμένης διδασκαλίας, καθώς επίσης και να βοηθήσουν τους διδάσκοντες στη διδασκαλία. Δύο σημαντικές λειτουργίες που συμβάλλουν στην καλύτερη μάθηση σ’ ένα ευφυές σύστημα διδασκαλίας είναι η δυνατότητα πειραματισμού με διαδικασίες καθώς και η οπτικοποίηση διαδικασιών και αποτελεσμάτων. Προς αυτή την κατεύθυνση, δημιουργήθηκαν συνιστώσες ευφυούς συστήματος διδασκαλίας που παρέχουν δυνατότητες οπτικοποίησης των διαδικασιών, όπως είναι η οπτικοποίηση της λογικής αποδεικτικής διαδικασίας και η οπτικοποίηση του τρόπου λειτουργίας των αλγορίθμων αναζήτησης. Σε αυτό το πλαίσιο, δημιουργήσαμε εκπαιδευτικά συστήματα απόδειξης θεωρημάτων που επιτρέπουν τον πειραματισμό με διάφορους συνδυασμούς στρατηγικών ελέγχου της διαδικασίας απόδειξης και παρέχουν αντίστοιχες οπτικοποιήσεις, καθώς και την παρέμβαση του χρήστη στη διαδικασία της απόδειξης. Μια σημαντική επίσης συνιστώσα της εκπαιδευτικής διαδικασίας και των εκπαιδευτικών συστημάτων αποτελεί η παραγωγή νέου εκπαιδευτικού υλικού. Η δυνατότητα του εμπλουτισμού ενός ευφυούς εκπαιδευτικού συστήματος συνεχώς και αυτόματα με νέες, διαφορετικές και πρωτότυπες ασκήσεις συμβάλλει στην καλύτερη προσαρμογή του εκπαιδευτικού περιεχομένου στις ανάγκες του κάθε εκπαιδευόμενου. Για τον σκοπό αυτό, αναπτύξαμε νέες προσεγγίσεις για την ημιαυτόματη παραγωγή ασκήσεων πάνω στην λογική ως γλώσσα αναπαράστασης και στους αλγορίθμους αναζήτησης, τα οποία αποτελούν σημαντικά αντικείμενα του πεδίου της τεχνητής νοημοσύνης, και τα οποία περιέχουν σύνθετες έννοιες και πολύπλοκες διαδικασίες. Οι μηχανισμοί που αναπτύχθηκαν παράγουν προτάσεις λογικής πρώτης τάξεως, που αποτελούν εκφράσεις συντακτικά και σημασιολογικά ορθές, καθώς και διαδραστικές ασκήσεις που χρησιμοποιούν γραφικές αναπαραστάσεις της λειτουργίας των αλγορίθμων αναζήτησης. Ένας άλλος σημαντικός παράγοντας στην εκπαιδευτική διαδικασία είναι ο προσδιορισμός της δυσκολίας των ασκήσεων. Ο προσδιορισμός του επιπέδου δυσκολίας αποτελεί μια πολύπλοκη και πολυδιάστατη διαδικασία, η οποία είναι άρρηκτα συνδεδεμένη με το πεδίο που εφαρμόζεται και είναι δύσκολο να προσδιοριστεί ένα γενικό μοντέλο γι’ αυτήν. Για τον σκοπό αυτό δημιουργήσαμε διαφορετικά συστήματα προσδιορισμού της δυσκολίας ασκήσεων, που χρησιμοποιούν διαφορετικές προσεγγίσεις και τεχνικές για τα πεδία της λογικής και των αλγορίθμων αναζήτησης: α) ένα σύνθετο έμπειρο σύστημα, βασισμένο σε κανόνες, που χρησιμοποιεί στοιχεία και από την πρόταση λογικής και από την πρόταση φυσικής γλώσσας για την εκτίμηση της δυσκολίας ασκήσεων μετατροπής προτάσεων φυσικής γλώσσας σε προτάσεις λογικής πρώτης τάξεως, β) ένα σύνθετο έμπειρο σύστημα, βασισμένο σε κανόνες, που χρησιμοποιεί στοιχεία και από την πολυπλοκότητα μιας πρότασης λογικής και από τη σύνθεση των απαιτούμενων βημάτων, για την εκτίμηση της δυσκολίας ασκήσεων μετατροπής προτάσεων λογικής πρώτης τάξεως σε προτασιακή μορφή, γ) δύο υβριδικά έμπειρα συστήματα, που χρησιμοποιούν νεύρο-ασαφείς και νεύρο-συμβολικούς κανόνες αντίστοιχα, για τον αυτόματο προσδιορισμό του επίπεδο δυσκολίας ασκήσεων σχετικών με αλγορίθμους αναζήτησης, και βασίζονται σ’ ένα σύνολο παραμέτρων που εξάγονται από τα χαρακτηριστικά της άσκησης καθώς και της σωστής απάντησης. Τα τελευταία χρόνια, υπάρχει έντονο ενδιαφέρον για τον σχεδιασμό και την ανάπτυξη συστημάτων και μηχανισμών για την αυτόματη αξιολόγηση των εκπαιδευόμενων σε ασκήσεις και εκπαιδευτικές δραστηριότητες σε διάφορους τομείς. Η αξιολόγηση των απαντήσεων των εκπαιδευόμενων και ο προσδιορισμός των επιδόσεών τους είναι απαραίτητη σε ένα εκπαιδευτικό σύστημα για να γίνει πιο αποτελεσματική η διαδικασία της μάθησης. Για το σκοπό αυτό αναπτύξαμε γενικές μεθοδολογίες, όπου με βάση το είδος των λαθών του εκπαιδευόμενου, την μοντελοποίηση του τύπου της απάντησής του καθώς και έναν μηχανισμό για την βαθμολόγηση των ασκήσεων, αξιολογούν αυτόματα, με ακρίβεια και με συνέπεια τις απαντήσεις τους ανάλογα με το πεδίο εφαρμογής. Πιο συγκεκριμένα δημιουργήθηκαν μηχανισμοί για την αυτόματη αξιολόγηση απαντήσεων σε ασκήσεις μετατροπής προτάσεων φυσικής γλώσσας σε προτάσεις λογικής πρώτης τάξεως καθώς και ασκήσεων μετατροπής προτάσεων λογικής πρώτης τάξεως σε προτασιακή μορφή, που στηρίζονται στη δεντρική αναπαράσταση των προτάσεων. Επίσης, δημιουργήθηκε μηχανισμός για την αυτόματη αξιολόγηση απαντήσεων σε ασκήσεις αλγορίθμων αναζήτησης, βασισμένος στην αναπαράσταση των απαντήσεων ως αλφαριθμητικές ακολουθίες. Για να προσελκύσουμε το ενδιαφέρον των εκπαιδευόμενων, να δημιουργήσουμε νέα κίνητρα ώστε να γίνει η μάθηση πιο ευχάριστη και διασκεδαστική, σχεδιάσαμε και αναπτύξαμε εκπαιδευτικά παιχνίδια για την εκμάθηση εννοιών της τεχνητής νοημοσύνης. Η μάθηση μέσω εκπαιδευτικών παιχνιδιών (game-based learning) έχει ως στόχο να διδάξει μέσα από το περιβάλλον των παιχνιδιών στους εκπαιδευόμενους έννοιες και διαδικασίες τεχνητής νοημοσύνης, ενώ παράλληλα παραμένει ένα αλληλεπιδραστικό και διασκεδαστικό παιχνίδι. Πιο συγκεκριμένα, δημιουργήσαμε μια εκπαιδευτική εκδοχή του γνωστού παιχνιδιού Pacman, το Edu-Pacman, εμπλουτισμένο με κατάλληλες οπτικοποιήσεις, μέσω του οποίου μπορούν οι εκπαιδευόμενοι να διδαχθούν διαδικασίες, όπως αλγόριθμοι αναζήτησης, οπισθοδρόμηση κλπ. Επίσης, δημιουργήσαμε μια εκπαιδευτική εκδοχή του παιχνιδιού του χρωματισμού χαρτών, μέσω του οποίου μπορούν να διδαχθούν διαδικασίες αλγορίθμων ικανοποίησης περιορισμών. Τα πειραματικά αποτελέσματα που προέκυψαν από την χρήση των ευφυών συστημάτων και των εκπαιδευτικών παιχνιδιών στους εκπαιδευόμενους ήταν ιδιαίτερα ικανοποιητικά. Επίσης, οι μηχανισμοί που αναπτύχθηκαν αξιολογήθηκαν και τα πειραματικά αποτελέσματα έδειξαν υψηλή ακρίβεια και αξιοπιστία.
Abstract (translated): In recent years, the rapid development of technology and the internet could not leave unaffected the e-learning domain. The use of the internet has changed the way in which learning is provided to learners. A basic and popular category of educational systems is Intelligent Tutoring Systems (ITSs), the main feature of which is to provide personalized learning for learners, using artificial intelligence methods and suitable pedagogical approaches. In the context of this PhD thesis, we have developed new methodologies in the field of intelligent tutoring systems. In particular, methodologies for the semiautomatic generation of exercises, the automatic determination of the difficulty of exercises and the automatic assessment of answers to exercises in intelligent tutoring systems have been developed. Moreover, to help learners better understand complex concepts of the field of artificial intelligence, we developed components for intelligent tutoring systems that model complex processes of artificial intelligence using intelligent techniques and visualizations. The methodologies and mechanisms developed are designed to result in effective learning for learners, by providing personalized teaching, as well as help tutors in teaching. Two important functions that contribute in better learning in an intelligent tutoring system is the possibility for experimentation with processes as well as the visualization of the processes and their results. To this direction, we created components for intelligent tutoring systems that provide possibilities for visualization of processes, like the visualization of logical inferences and the visualization of the functions of search algorithms. In this context, we created educational systems for theorem proving that allow experimentation with different combinations of strategies for controlling the logical inference process and provide corresponding visualizations and also allow intervention of the learner in the inference process. Another important function of the educational process and educational systems is the generation of new educational material. The ability of enriching an intelligent educational system continuously and automatically with new, different and original exercises, contributes in a better adaptation of the educational content to the needs of each learner. For this purpose, we developed new approaches for the semi-automatic production of exercises on logic as a knowledge representation language and search algorithms, which are important areas of artificial intelligence field and contain complex concepts and complicated processes. The developed mechanisms produce sentences of first order logic, which are syntactically and semantically correct, for use in exercises on logic, as well as interactive exercises that use graphical representations of functions of search algorithms. Another important factor in the educational process is the determination of the difficulty levels of exercises. The determination of the level of difficulty of an exercise is a complex and multidimensional process that is closely related to the field it is applied to and is difficult to produce a general model. For this purpose, we developed different systems for automatic determination of the levels of difficulty of exercises, which use different approaches and techniques, for the fields of logic and search algorithms: a) a compound rule-based expert system, which uses elements from the logical formula and the natural language sentence, for estimating the difficulty levels of exercises related to conversions of natural language sentences to logical formulas, b) a compound rule-based expert system, which uses elements from both the complexity of the logical formula and the composition of the required steps, for estimating the difficulty levels of exercises related to conversions of logical formulas to clausal forms, c) two hybrid expert systems, which use neuro-fuzzy and neuro-symbolic rules respectively, for the automatic estimation of the difficulty levels of exercises related to search algorithms, and are based on a set of parameters extracted from the characteristics of the exercise as well as characteristics of the correct answer. In recent years, there is great interest in the design and development of systems and mechanisms for the automatic evaluation of the learners in exercises and training activities in various fields. The evaluation of learners’ responses and their performances assessment is essential in an educational system, to make the learning process more effective. For this purpose, we developed general methodologies that based on the types of learners’ errors, the modeling of the answer types and a mechanism for marking exercises, evaluate their answers automatically, accurately and consistently, in a way depending on the domain. More specifically, we created mechanisms for automatic assessment of the answers to exercises on converting first order logic formulas into clausal forms, which are based on tree representations of the formulas. Also, we created a mechanism for automatic assessment of answers to exercises on search algorithms, based on representation of answers as sequences of strings. To attract the interest of learners, to create new incentives and to make learning more enjoyable and entertaining, we designed and developed educational games for learning concepts of artificial intelligence. Learning through an educational game (game-based learning) aims to teach learners through the game environment about concepts and processes of artificial intelligence, while remaining an interactive and entertaining game. More specifically, we created an educational version of the Pacman game, called Edu-Pacman, enriched with suitable visualizations, through which processes like search algorithms, backtracking etc. can be taught. Also, we created an educational version of the map coloring game, through which processes related to constraint satisfaction algorithms can be taught. The experimental results collected from the use of the above intelligent mechanisms and systems and educational games by learners were particularly satisfactory. Moreover, the mechanisms developed were systematically evaluated and the experimental results show high accuracy and reliability.
Appears in Collections:Τμήμα Μηχανικών Η/Υ και Πληροφορικής (ΔΔ)

Files in This Item:
File Description SizeFormat 
Grivokostopoulou(com).pdf5.29 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons