Как мы можем видеть из предыдущей главы, ИСО, ИСС и адаптивные интерфейсы используют модели студента или пользователя для одной и той же цели – адаптации, что также приводит к подобию примененных моделей. Если мы рассматриваем компонент знаний студента моделей студента или пользователя, мы найдем подобные оверлейные модели, базирующиеся на модели структуры области, где область является или темой, которая будет преподана, или прикладной системой. Для каждого элемента знаний области модель студента (пользователя) хранит некоторые данные о компетентности студента (пользователя) и предыдущем опыте работы с этим элементом.
В нашей архитектуре, основанной на модели студента, модель области является сетью, узлы которой соответствуют элементам знаний предмета (зависящей от предмета) и чьи связи отражают виды отношений между узлами. Мы используем оверлейную модель, которая содержит одно целое число (счетчик) для каждого элемента знаний темы, измеряющее понимание студента этого элемента. Этот вид оверлейной модели является мощным и достаточно общим, чтобы использоваться различными компонентами ИОС. Модель студента обновляется специальным оценивающим модулем, который анализирует результаты студенческой деятельности при решении задач. Если ИОС содержит тренирующий компонент, который может следовать за пошаговым решением задач студентом, то может быть применена определенная технология, прослеживающая модель (CorbettA.T., AndersonJ.R., 1992), в противном случае используется разновидность дифференциального моделирования (WengerE., 1987) для обновления счетчиков понятий, связанных с проблемой. Изменения распространяются по связям сети.
Вышеупомянутая оверлейная модель доступна для всех модулей ИОС и может использоваться каждым из них для адаптации их поведения к знаниям студента. Однако, чтобы избежать использования бессмысленных чисел и обеспечить большую гибкость, мы предложили методику порогов. Каждый из компонентов ИОС может различить несколько отличных состояний знаний для каждого элемента знаний. Каждое из этих состояний имеет специальное значение для модуля с точки зрения адаптации. Чем больше состояний модуль может учитывать, тем более сложную адаптацию он может обеспечить. Простые модули могут отличать только два состояния, например, неизвестно и известно, в то время как самый адаптивный модуль обучения может отличать шесть состояний (BrusilovskyP.L., 1992a). Чтобы отобразить определенное целочисленное значение оверлейной модели в набор состояний, каждый модуль использует целочисленные пороги, которые делят возможный диапазон значений счетчика на требуемое количество интервалов, соответствующих состояниям знаний, распознаваемым модулем. Таким образом, простые модули используют только один порог, в то время как обучающий модуль использует пять порогов. Каждый модуль использует собственный набор порогов в центральной модели студента. Эти пороги могут быть различными для различных элементов знаний и различных студентов. Пороговая методика обеспечивает хорошую гибкость, давая способ адаптировать механизм моделирования студента к элементам знаний различной сложности и к различным классам студентов.
Мы применяли вышеупомянутую архитектуру на основе модели студента в нескольких ИОС для различных областей. Эти ИОС имеют общую архитектуру, но используют различные наборы модулей и демонстрируют несколько возможных способов применения оверлейной модели студента для адаптации. Ниже мы кратко описываем некоторые ИОС, разработанные нашей группой на базе простой архитектуры, основанной на модели студента.
ITEM/IP – ИОС для изучения вводного программирования (BrusilovskyP.L., 1992b). Элементы знаний проблемной области в ITEM/IP – общие понятия и структуры программирования изучаемого языка программирования. ITEM/IP содержит следующие адаптивные модули: модуль стратегии, который поддерживает адаптивную последовательность обучающих операций, визуальный интерпретатор, который использует текущий уровень знаний студента, чтобы обеспечить адаптивную обработку ошибок и адаптивную визуализацию, и модуль презентации, который генерирует адаптивное описание понятия или структуры при их введении или повторении. Все эти модули обращаются к одним и тем же шести состояниям знаний (пять порогов) для каждого элемента знаний проблемной области в его правилах адаптации2. Подробности об этих компонентах могут быть найдены в (BrusilovskyP.L., 1992a; BrusilovskyP.L., 1993).
ILED – это ИОС для приобретения навыков в дифференциальном исчислении (Brusilovsky V., 1993). Элементы знаний проблемной области в ILED – правила дифференцирования. ILED включает следующие адаптивные модули: структурный редактор формулы, который играет роль исследовательской среды, обучающая программа, которая может предложить студенту наилучшее действие для обучения (проблема или пример), и тренер, который пошагово следует за действиями студента, диагностируя ошибки и обновляя модель студента. Новыми особенностями ILED по сравнению с ITEM/IP являются: адаптивный редактор структуры3, адаптивный тренер и способность обучающей программы генерировать (а не выбирать) наилучшее действие для обучения на основе модели студента. Редактор структуры различает два состояния для правил дифференцирования – не приобретенный и приобретенный. Обучающая программа и тренер различают четыре состояния для правил дифференцирования – неизвестный, введенный, известный и приобретенный.
ISIS-Tutor (BrusilovskyP., Pesin L., 1994) – это ИОС для поддержки изучения языка форматирования печати информационно-поисковой системы CDS/ISIS. ISIS-Tutor напоминает архитектуру ITEM/IP во многих деталях. Новый адаптивный компонент ISIS-Tutor – гипермедийное руководство, которое происходит от модуля презентации ITEM /IP. Этот компонент поддерживает как адаптивное представление понятия, так и адаптивную гипермедийную навигацию. Компонент гипермедиа ISIS-Tutor различает три состояния знаний для каждого понятия: "не готов быть изученным", "готов быть изученным" и известный (понятие готово быть изученным, если все предыдущие понятия известны студенту).
Методы адаптации, используемой в вышеупомянутых проектах, довольно просты. Цель не состояла в том, чтобы улучшить известные методы адаптации различных компонентов, а сформировать систему, где большинство модулей может использовать одну и ту же модель студента, чтобы различными способами адаптации своей работы к знаниям данного пользователя. На последующих шагах некоторые простые методы адаптации могут быть заменены более сложными технологиями, разработанными в областях интеллектуальных интерфейсов и интеллектуальных систем справки. Некоторые примеры: адаптированные к пользователю объяснения естественного языка (ParisC.L., 1988), интеллектуальная справка на базе стратегии (BreukerJ., 1990), адаптивная гипермедийная справка (BöckerH.-D.; HohlH.; SchwabT. 1990).
Извлеченные уроки
Наш опыт разработки некоторых ИОС на базе подхода, основанного на модели студента, доказывает, что это, в общем, является хорошим путем для создания интегрированной ИОС. Теперь мы чувствуем, что модель студента может играть роль ядра ИОС. Мы продемонстрировали, что в нескольких областях можно создать ИОС, где большинство модулей может использовать центральную модель студента для адаптации.
С другой стороны, наш опыт показал серьезные проблемы и ограничения нашей простой архитектуры на основе модели студента. Эти ограничения становятся ясными, когда мы начинаем работать над нашими недавними ИОС – ISIS-Tutor (BrusilovskyP., PesinL., 1994) и ITEM /PG (BrusilovskyP., Zyryanov M., 1993). Обе системы применяют гипермедийное руководство как компонент для управляемого студентом просмотра знаний проблемной области. Гипермедиа обеспечивает новое качество, и студенты, работающие с этими системами (в отличие от первоначальной ITEM /IP), проводят много времени, обучаясь с помощью гипермедиа самостоятельно. Было очевидно, что результаты работы студента в гиперсреде должны быть отражены в модели студента. Проблема является более общей: в адаптивной обучающей среде каждый модуль ИОС может не только использовать модель студента для адаптации, но и влиять на модель студента, отражая опыт, который студент демонстрировал при работе с этим модулем. Таким образом, диагностирующий компонент должен освободиться от традиционной ИСО монополии в обновлении модели студента. К сожалению, весьма трудно координировать несколько источников обновления модели студента в простой архитектуре. Мы пробовали сделать это в ISIS-Tutor, но не были удовлетворены результатом.
Другая проблема состоит в том, что модель студента классической ИСО, которую мы унаследовали простым подходом, была разработана, чтобы накопить и обработать информацию о студенте согласно потребностям обучающего модуля. Информация, хранящаяся в центральной модели уместна для целей обучающего или тренирующего модулей, но наш опыт показал, что другие модули ИОС могут нуждаться в совсем другой информации о студенте в зависимости от вида адаптации, который они обеспечивают. Часть этой проблемы может быть решена нашей пороговой методикой. Однако основная проблема состоит в том, что обработка информации о студенте в форму, ориентированную для одного из модулей, часто ведет к потере информации, важной для какого-нибудь другого модуля. Например, компонент гипермедиа нуждается в информации о том, как часто обучающий компонент показывает конкретную страницу гипермедиа студенту. Эта информация использовалась, чтобы обновить какой-нибудь счетчик в модели студента, и затем была стерта. Теперь она не может быть восстановлена из модели студента.