[論文レビュー] A Model for an Intelligent and Adaptive Tutor based on Web by Jackson's Learning Styles Profiler and Expert Systems

Hossein Movafegh Ghadirli, Maryam Rastgarpour|arXiv (Cornell University)|Apr 15, 2013

Learning Styles and Cognitive Differences参考文献 9被引用数 4

ひとこと要約

本論文は、ジャクソンの学習スタイルプロファイリングとエキスパートシステム技術を用いて、学習者のスタイルに適応するウェブベースの知能的チューティングシステムを提案する。アンケートによる個々の学習好みの評価を通じて、パーソナライズされた事前テスト、内容のカスタマイズ、事後テストを提供する。学習者モデルを繰り返し更新することで、いつでもどこでもアクセス可能な適応型の学習を促進し、パフォーマンスを向上させる。

ABSTRACT

Todays, Intelligent and web-based E-Learning is one of the important area in E-Learning. This paper integrates an intelligent and web-based E-Learning with expert system technology to be able to model the learning styles of the learners using Jackson's model. It is intelligent because it can interact with the learners and offer them some subjects in Pedagogy view. Learning process of this system is in the following. First it determines learner's individual characteristics and learning styles based on a questionnaire in Jackson's learning styles profiler. Learning styles profiler is a modern measure of individual differences in learning style. Then learner's model is obtained and an Expert system simulator plans a "pre-test" and rates him. The concept would be presented if the learner scores enough. Subsequently, the system evaluates him by a "post-test". Finally the learner's model would be updated by the modeler based on try-and-error. The proposed system can be available Every Time and Every Where (ETEW) through the web. It improves the learning performance and has some important advantages such as high speed, simplicity of learning, low cost and be available ETEW.

研究の動機と目的

• 個々の学習スタイルに基づいて指導をパーソナライズする、知能的でウェブベースのeラーニングシステムの開発。
• ジャクソンの学習スタイルプロファイリングとエキスパートシステム技術を統合し、自動評価とコンテンツ配信を実現する。
• 適応型学習体験をいつでもどこでも（ETEW）利用可能にする。
• 事前テストと事後テストの結果に基づく繰り返しモデル更新を通じて、学習パフォーマンスの向上を図る。
• 自動化とパーソナライズによるチューティングにより、学習コストの低減と効率性の向上を実現する。

提案手法

• 学習者がジャクソンの学習スタイルプロファイリングに基づくアンケートを完了し、個々の学習好みを特定する。
• エキスパートシステムシミュレータが学習者のプロファイルに基づいて事前テストを生成し、パフォーマンスを評価する。
• 学習者が十分な得点を達成した場合にのみ、コンテンツが提示される。
• コンテンツ配信後、学習の進捗を評価するために事後テストが実施される。
• 試行錯誤のメカニズムを用いて、学習者モデルを繰り返し更新し、将来の推薦の精度を高める。
• システム全体がウェブインfraストラクチャを介してデプロイされ、ETEW（いつでも、どこでも）アクセスが可能になる。

実験結果

リサーチクエスチョン

• RQ1 ジャクソンの学習スタイルプロファイリングは、ウェブベースの知能的チューティングシステムにどのように効果的に統合できるか。
• RQ2 エキスパートシステム技術は、学習スタイルに基づいて事前テストとコンテンツ配信をどの程度パーソナライズできるか。
• RQ3 事前テストと事後テストを通じた繰り返しモデル更新は、学習成果にどのように寄与するか。
• RQ4 ウェブ上に適応型チューティングシステムをデプロイすることの実用的利点は何か。
• RQ5 このようなシステムは、eラーニング配信において高い速度、低コスト、シンプルさを達成できるか。

主な発見

• 本システムは、ジャクソンの学習スタイルプロファイリングとエキスパートシステム技術を効果的に統合し、パーソナライズされた学習体験を提供した。
• 学習者は、事前テストで十分な準備ができたことを証明した後、のみコンテンツを受け取るため、より良い準備状態が確保された。
• 事後テストの結果は、学習の進捗を評価し、モデル更新に活用される。
• 本システムは、いつでもどこでも（ETEW）アクセス可能であり、学習の柔軟性が向上した。
• eラーニング配信において、高い速度、低コスト、シンプルさを実現した。
• 試行錯誤による繰り返しモデル更新により、時間の経過とともに学習者プロファイリングの正確性が向上した。