[논문 리뷰] A Web-based Adaptive and Intelligent Tutor by Expert Systems

Hossein Movafegh Ghadirli, Maryam Rastgarpour|arXiv (Cornell University)|2013. 04. 15.

Intelligent Tutoring Systems and Adaptive Learning참고 문헌 8인용 수 9

한 줄 요약

이 논문은 전문가 시스템과 개인 맞춤 학습 모델을 통합하여 맞춤형 교육을 제공하는 웹 기반의 적응형 지능형 학습 시스템을 제시한다. 학습자들의 학습 스타일을 설문지를 통해 평가함으로써, 시스템은 전문가 시스템을 활용해 사전 테스트를 실시하고, 대상 지도를 제공하며, 사후 테스트를 수행하여 언제 어디서나(ETEW) 이용 가능한 학습을 가능하게 하며, 효율성을 높이고 인간 강사에 대한 의존도를 줄인다.

ABSTRACT

Todays, Intelligent and web-based E-learning is one of regarded topics. So researchers are trying to optimize and expand its application in the field of education. The aim of this paper is developing of E-learning software which is customizable, dynamic, intelligent and adaptive with Pedagogy view for learners in intelligent schools. This system is an integration of adaptive web-based E-learning with expert systems as well. Learning process in this system is as follows. First intelligent tutor determines learning style and characteristics of learner by a questionnaire and then makes his model. After that the expert system simulator plans a pre-test and then calculates his score. If the learner gets the required score, the concept will be trained. Finally the learner will be evaluated by a post-test. The proposed system can improves the education efficiency highly as well as de-creases the costs and problems of an expert tutor. As a result, every time and eve-rywhere (ETEW) learning would be provided via web in this system. Moreover the learners can enjoy a cheap remote learning even at home in a virtual simulated physical class. So they can learn thousands courses very simple and fast.

연구 동기 및 목표

• 개별 학습자의 교육적 필요에 맞게 맞춤형으로 구성되고, 동적으로 작동하며 지능적인 전자학습 시스템을 개발하는 것.
• 전문가 시스템을 적응형 웹 기반 학습과 통합하여 교육 성과를 향상시키는 것.
• 가상의 시뮬레이션된 수업 환경을 통해 언제 어디서나(ETEW) 학습을 가능하게 하는 것.
• 평가 및 지도 과정을 자동화하여 인간 전문가 강사에 대한 의존도를 줄이는 것.
• 가정에서 접근 가능한 확장 가능하고 저비용의 원격 학습을 지원하는 것.

제안 방법

• 학습자가 학습 스타일과 특성을 파악하기 위해 설문지를 완료하며, 이는 개인 맞춤 학습 모델의 기초가 된다.
• 전문가 시스템 시뮬레이터가 사전 테스트를 실시하여 학습자의 기초 지식 수준을 평가한다.
• 사전 테스트 점수가 요구 기준에 도달하면, 시스템은 관련 개념에 대해 대상 지도를 제공한다.
• 사후 테스트는 지도 이후 학습자의 이해도를 평가하여 학습 사이클을 완료한다.
• 시스템은 웹 기반 플랫폼으로 운영되어 원격 액세스가 가능하며, 개인 학습자에게 동적으로 적응한다.
• 전문가 시스템과 적응형 학습의 통합은 콘텐츠 제공 및 평가 과정에서 지능적인 의사결정을 보장한다.

실험 결과

연구 질문

• RQ1 전문가 시스템을 적응형 웹 기반 학습에 효과적으로 통합하여 교육을 개인화할 수 있는가?
• RQ2 시스템이 평가 및 지도 과정을 얼마나 자동화하여 인간 강사에 대한 의존도를 줄일 수 있는가?
• RQ3 웹 기반 플랫폼이 언제 어디서나(ETEW) 학습을 지원하는 적응형 지능형 학습을 제공할 수 있는가?
• RQ4 학습 스타일 기반의 학습자 모델링이 전자학습 시스템의 효과성을 어떻게 향상시키는가?
• RQ5 자동화된 사전 및 사후 테스트가 학습 효율성과 성과에 어떤 영향을 미치는가?

주요 결과

• 시스템은 웹 기반 플랫폼을 통해 언제 어디서나(ETEW) 학습이 가능하게 하여 가정에서의 원격 액세스를 지원한다.
• 학습자는 가상의 시뮬레이션된 물리적 수업 환경을 통해 수천 개의 과정을 쉽게 빠르게 접근할 수 있다.
• 전문가 시스템과 적응형 학습의 통합은 인간 전문가 강사가 필요로 하는 수요를 줄여 비용과 운영 도전 과제를 낮춘다.
• 개별 학습 스타일과 기초 지식에 기반한 개인 맞춤 지도를 통해 교육 효율성이 향상된다.
• 사전 및 사후 테스트 메커니즘은 학습 결과 평가 및 검증을 위해 학습 사이클에 자동으로 통합되어 있다.
• 전문가 시스템과 적응형 전자학습을 융합한 확장 가능하고 지능적인 학습 지도의 실현 가능성을 입증했다.