Automatizované řízení adaptivní výuky v e-learningu podle stylů učení studenta

Abstract

Tato disertační práce se zabývá automatizovaným řízením výukového procesu v prostředí e-learningu na základě stylů učení studenta. V úvodu jsou stručně charakterizovány současné metody, které se používají při realizaci výukového procesu v e-learningu. Práce vychází z technik programového učení a metod návrhu vhodného výukového materiálu pro automatizované řízení výuky. Popisuje vlastnosti studentů, které mohou být použity pro adaptaci výukového procesu. Stanovuje příslušná metadata pro popis těchto vlastností a formu jejich uložení. Zavádí pojem „virtuální student“ pro normalizaci velkého počtu reálných studentů. Za použití metod umělé inteligence provádí popis a návrh vhodného procesu přiřazení reálného studenta ke studentu virtuálnímu. Dále popisuje návrh a strukturalizaci výukových opor pro adaptivní formu výuky. Navrhuje a implementuje datové struktury a metadata pro uložení výukových opor. Práce rozděluje výukové opory do několika smyslových forem a významových hloubek. Zavádí pojem „vrstva výkladu“ a definuje jednotlivé výkladové vrstvy na úrovni ucelené výkladové jednotky. Práce dále navrhuje obecnou formulaci pravidel definujících mapování vlastností studenta na formu, obsahovou hloubku a vhodné vnitřní uspořádání ucelené výkladové jednotky. Přináší řešení popisu pravidel na sémantické i datové úrovni. Na základě formulovaných pravidel definuje postup určení výukového stylu studenta. Za použití výukového stylu studenta navrhuje a implementuje adaptivní algoritmus pro řízení výukového procesu optimalizovaného vzhledem k individuálním potřebám studentů. Ve svém závěru práce ověřuje navržené adaptivní algoritmy na lekci zpracované v adaptivní formě.

This dissertation thesis deals with the automated control of learning process in the environment of e-learning which is based on different styles of learning. Methods which are used today for realisation of learning process of the e-learning are briefly characterised at the beginning. This thesis is based on techniques of programmed learning and methods of designing an appropriate educational material for the automated control of learning. It also describes characteristics of students that can be used to adapt the learning process. It provides metadata to describe those characteristics and format of their storage. Thesis introduces the concept of a virtual student for normalization of a large numbers of real students. Using artificial intelligence methods, thesis carries out a description and design of appropriate process of assigning a real student to virtual student. Next, it describes a design and structuring of educational supports for adaptive form of learning. It also designes and implements data structures and metadata for storing educational supports. Thesis divides those educational supports into several sensory forms and semantic depths. It introduces the concept of a layer of interpretation and defines the various layers of interpretation at the level of comprehensive interpretation unit. Thesis also proposes general formulation of rules defining mapping characteristics of student to form, semantic depth and appropriate internal arrangement of the comprehensive interpretation unit. It provides solution by describing the rules in both semantic and data levels. Based on formulated rules, it defines a procedure to determine student's learning style. Using student's learning style, it designes and implements an adaptive algorithm for the optimized control of the learning process considering the individual needs of students. In the conclusion thesis verifies the designed adaptive algorithms in lesson processed in adaptive form.