hrvatski

Model prilagodljivog stjecanja znanja učenika u sustavima e-učenja

Model automatskog i dinamičkog generiranja prilagodljivog računalom oblikovanog nastavnog sadržaja u sustavima e‐učenja, AC‐ware Tutor, predstavlja sinergiju tradicionalne strukture inteligentnih tutorskih sustava, stereotipova, Bloomove taksonomije znanja i Bayesovih mreža. U današnje vrijeme, kada se najviše uočava problematika prilagođavanja znanju učenika, ovakav model donosi rješenja koja olakšavaju učiteljima dugotrajan i iscrpljujući proces oblikovanja nastavnih sadržaja i testova. Naime, automatizam u generiranju elemenata računalom oblikovanog nastavnog sadržaja prebacuje spomenuti zadatak s živih učitelja na računalnog tutora, koji samostalno oblikuje, odabire i niže elemente računalom oblikovanog nastavnog sadržaja potpuno prilagođene razini znanja učenika. Razina znanja učenika je određena njegovim stereotipom, a profinjena je Bayesovim modelom učenika. Ovakav računalom oblikovani nastavni sadržaj nije statičan, već se dinamički mijenja nakon svakog provjeravanja znanja, prilagođavajući sljedeći element courseware‐a za učenje aktualnoj razini znanja učenika. Učenik se uči i poučava onoliko dugo koliko mu je potrebno da postigne željenu razinu znanja. Poželjno je da svaki učenik završi cijeli proces učenja i poučavanja na razini stručnjaka, ali kako to nije ostvarivo ni u okruženju tradicionalne nastave, tako se i u ovom pristupu omogućava učeniku završavanje procesa učenja i poučavanja na nižim razinama znanja. Još jednom naglašavamo da model AC‐ware Tutor prilagođava sadržaj, a ne sučelje, znanju učenika, a ne stilovima učenja, što ga čini jedinstvenim primjerkom među prilagodljivim sustavima e‐učenja.

Inteligentni tutorski sustav; prilagodljivi računalom oblikovani nastavni sadržaj; automatsko generiranje pitanja; Bloomova taksonomija znanja; Bayesova mreža predikcija; stereotip

nije evidentirano