Estado del Arte Desarrollo de Sistemas Tutoriales Inteligentes

Estado del Arte Desarrollo de Sistemas Tutoriales Inteligentes (AIED) Nelson Baloian DCC, Universidad de Chile

Resumen (1 a Parte) § Qué es AIED § Componentes de un ITS – conocimiento (representación) – curriculum – Modelamiento de estudiante y diagnóstico § Ejemplos § Evolución de los ITS desde principios de los 80’ s hasta ~95 § Causas

Qué es AIED § Inteligencia artificial para apoyar la educación § Definición poco clara de lo que es IA, variable en el tiempo § Se dice cuando una máquina hace algo propio de un ser inteligente § Entender el lenguaje humano, reconocer formas, planes, deducir conocimiento a partir de información más básica

Qué es un ITS § Intelligent Tutoring Sistem § Incluyen modelos de qué se va a enseñar y estrategias de cómo se va a enseñar. Además infieren qué sabe el alumno para ir adaptando el contenido y el estilo de enseñanza § Son generalmente difíciles y “caros” de desarrollar

Componentes de un ITS § Representación del conocimiento: entiende la materia que va a enseñar § Estrategia de enseñanza: qué es lo que se le va a permitir hacer al alumno con actividad de aprendizaje (qué va a ver) § Modelo del estudiante: es lo que el ITS sabe acerca de los conocimientos y actitudes del estudiante.

En qué se diferencia un ITS de un CAI sin inteligencia § Un CAI sin inteligencia - Presentación de la información - no le interesa saber qué es lo que el alumno ve (cómo navega dentro de la información) - no sabe realmente qué está presentando (es lo mismo si está presentando anatomía o mate) - no le interesa saber qué ha aprendido el alumno - a lo más presenta la info, hace un test y según esto permite avanzar o vuelve atrás

Representación del conocimiento § La máquina entiende lo que está enseñando § Problema: representa el conocimiento con alguna técnica de modo que se pueda manipular esta información ara que sea útil § Algunas técnicas - frames - reglas - redes semánticas

Los frames § Son registros con una cierta información estructurada § Dada la estructuración de la información el sistema puede sacar conclusiones acerca de los valores de esta § Pueden existir relaciones entre los frames § Ej: un frame puede constituir un país en un sistema inteligente para geografía

Las reglas § Son reglas expresadas en términos de “si se dan ciertas condiciones entonces significa tal cosa y/o se hace tal otra” § Se usa para simular el comportamiento de expertos. Especialmente interesante cuando el “conocimiento” es más bien experimental § Implementable con prolog y lisp. Las reglas se van construyendo en forma jerárquica. § Ej: un sistema de predicción del tiempo

Los Simuladores § Saben de que se trata la materia § Responden en forma correcta si uno le pregunta “qué pasaría si” § No saben en principio si el estudiante aprende o no (habría que hacer el modelo) § Menos aún hacen un análisis de por qué el alumno falla y qué se le puede proporcionar para cubrir eso (remedy)

Las redes semánticas § Son grafos en que los nodos representan algún concepto y los arcos la forma en que estos se relacionan entre sí. § Una de las formas más usadas en los sistemas ITS para representar conocimiento § Especialmente usados para poder estructurar el currículum del alumno en forma flexible y adaptativa. § A veces implementan el “curriculum”

El Curriculum en los ITS § El curriculum implementa la estrategia que usará el sistema para enseñar § Consta de los partes: - selección y ordenamiento en secuencia de los conocimientos que debe adquirir el alumno para lograr un objetivo docente teniendo un alumno tipo en mente - La instanciación real del plan ajustado a las necesidades y capacidades, así como conocimientos previos del alumno

Clasificación de ITS (curr. ) § Mucha de la inteligencia de los sostemas inteligentes está implementada aquí § Generalmente es lo que se puede transferir más directamente a otros sistemas § Según como implementan el curriculum: - Dicovery Learning (débil, casi ausente) - Coaching (medio, implícito) - One-on-one (fuerte, explícito)

Discovery Learning § Proveen un ambiente de trabajo para que el alumno experimente y vaya descubriendo por so solo el conocimiento § No se compromete con un “learning-path” § El sistema tiene la inteligencia para evaluar al alumno según su comportamiento § Adapta el medio en el que trabaja el alumno a las necesidades y conocimientos de este § Ej: Logo

Coaching § El sistema presenta esencialmente un sistema en que el alumno toma la iniciativa de qué aprender (que hacer) § El sistema reacciona explícitamente a los errores cometidos por el alumno y ofrece ayuda, sugerencias. § También reacciona a una petición de ayuda por parte del alumno § Ej: Eurohelp para apoyar Unix

One-on-One § El sistema guía explícitamente al alumno mostrándole qué aprender y cuándo § El sistema reacciona explícitamente a los errores cometidos por el alumno imponiendo tareas § El sistema puede adaptarse flexiblemente al alumno (debe poder evaluarlo) pero siempre es el que toma la iniciativa cuando se trata de escoger qué aprender

Modelamiento del Aprendiz § Qué es lo que sabe el alumno al principio - Para saber de dónde empezar § Qué es lo que el alumno va aprendiendo - Para saber cómo avanzar § Qué es lo que el alumno no sabe - Para saber qué debe aprender antes § Qué es lo que sabe mal - Para remediarlo § Si prefiere alguna estrategia de aprendizaje - Para escoger un learning path

Técnicas de Modelamiento del Aprendiz § Para poder medir, debe saber qué medir (y contra qué), chequear qué sabe del dominio § Generalmente se usa la misma representación del conocimiento para contrastarlo con lo que sabe el aprendiz § Modelos de Sobreposición § El sistema recoge datos según los problemas que ha podido o no resolver, preguntas respondidas o donde estuvo

Diagnóstico de Errores § Modelamiento diferencia: - Hay una solución experta. La del alumno se compara con esta en forma inteligente § Biblioteca de errores: - Se tiene una tabla de errores y sus causas. Cuando se detecta un error, se supone una causa § Estrategias reconstructivas: - Se trata de reconstruir el razonamiento que hizo el alumno para llegar el error por medio de una generalización (se debe a una falla más general en los conceptos del alumno)

Otras Técnicas § Modelamiento bayesiano: - Incorporar la incertidumbre acerca de si el alumno sabe o no una materia. § Con participación del alumno: - Se le pregunta al alumno si el error que cometió se debe a que tenía tal o cual error de concepto. § Ej: Hoppe, problema para enseñar a derivar fórmulas

Ejemplo de Currículum en ITS § § § Scholar BIP I y II Grafos and-or PEPE Representación por capas

Scholar § Considerando el primer ITS (Carbonel 1970) § Para apoyar el estudio de la geografía S. A. § Pionero en la idea de que la máquina entiende la materia que enseña § Basado en redes semánticas § Modelo del alumno como versión temprana de “overlay” § Estrategias de tutoría primitivas: selección al azar del próximo tema

BIP I y II § Son la excepción a la regla de que los ITS sólo funcionan en un dominio restringido § Un curso completo para programación BASIC § Representan su conocimiento por medio de las llamadas redes de información curricular § Muestra cómo se relacionan las técnicas habilidades y tareas entre sí. - Ej: la tares de escribir un programa una línea de testo sirve para ejercitar la habilidad de imprimir literales y la técnica de programación de cómo imprimir valores unitarios.

Grafos and-or § Los nodos en estos grafos son conceptos que el alumno debe aprender § Los arcos representan requisitos entre los conceptos § Los arcos pueden ser or o and. § Or indica cualquiera de los conceptos destino puede servir para aprender el concepto origen § And indica que todos los conceptos destino son necesarios para aprender el concepto origen § El modelo del alumno es de overlay puro

PEPE § El conocimiento se representa por medio de un grafo § Los nodos representan conceptos y los arcos la relación (todo-parte) que tienen los conceptos § Los arcos: ISA (es un), pre (prerequisito), pof (parte de ) § El modelo del estudiante se basa en un overlay de los conceptos con SK, ~SK, ? SK, MK

Representación por capas § Lesgold § Tres capas de componentes - La primera es la de estrategias de enseñanza - La segunda de las metas de enseñanza - La tercera representa el conocimiento § Cada capa en si es un grafo § Los componentes de la primera capa apuntan a la segunda y los de la segunda a la tercera

Evolución de los ITS desde principios de los 80’s hasta ahora § Al principio de los 80 se son nombrados como “Una inverción única en el siglo capaz de revolucinar totalmente la forma de cómo se educará en el futuro. § Destrucción de las instituciones educacionales tradicionales (por fin !) § Un tutor incansable que puede adaptarse a las necesidades y ritmo de estudio de cada alumno en particular

Situación finales de los 80 § No se cumplen las expectativas que se tenían con respecto a la CAI § Muy pocos usan el computador como principal medio de apoyo a actividades de enseñanza/aprendizaje § Para aprender a usar un software determinado o un lenguaje de programación § “CAI is not a promising area anymore” Nivergedt, 1991

¿Causas (1/4)? § La inteligencia artificial no se desarrolló como se esperaba (base para la mayoría de los sistemas (ICAI) § Fracasa proyecto japonés de inteligencia artificial § La mayoría de los sistemas seguían siendo “de juguete” a pesar del costo de implementación. § Si bien los sistemas inteligentes son capaces de detectar fallas de los alumnos no aportan un feedback adecuado (Hoppe, 1993)

¿Causas (2/4)? § Los sistemas que si funcionan no siempre se desarrollaron con una clara visión de cómo se insertarían en el currículum general de los alumnos. § Se incorporan de manera suplementaría y no complementaría a las otras actividades educativas. § No se modifican la forma de pasar la materia o hacer clases dado que existe una nueva herramienta § No hay enriquecimiento

¿Causa (3/4)? § Pasamos tanto tiempo nombrando las ventajas que nos olvidamos de las desventajas § Ventajas (muchas): se aprovechan las capacidades del computador (multimedia, cálculo), el alumno aprende a su ritmo, etc. . § Desventajas (pocas, pero…) El alumno se puede “perder” en el programa (especialmente los de “descubrimiento”), la máquina no sabe cómo motivar al alumno, los estudiantes son seres sociables.

¿Causa (4/4)? § No se cumplió la expectativa de que los computadores se harían tan baratos que todos andan con uno bajo el brazo. § Las empresas no están interesados en esto § Con el mismo dinero se compra más capacidad

Estado del Arte Desarrollo de Sistemas Tutoriales Inteligentes (AIED) Nelson Baloian DCC, Universidad de Chile