Ekspertni sistemi i Inteligentni tutorski

Ekspertni sistemii

Inteligentni tutorski sistemi

Pojam ekspertnih sistema

Ekspertni sistem (ES)je inteligentni računarski program koji koristi

znanje i postupke zaključivanja u procesu rešavanja problema, i to

takvih problema za čije je rešavanje potreban visok stepen stručnosti i

iskustva iz domena kome se ekspertni sistem obraća.

Osnovu ES čini poseban softver koji modelira one element čovekovog

rešavanja problema za koje se smatra da čine čovekovu inteligenciju,

zaključivanje, prosuđivanje, odlučivanje na osnovu nepouzdanih i

nepotpunih informacija i tumačenje svog ponašanja, pri čemu važnu

ulogu ima korisnički interfejs

Razvoj ekspertnih sistema

Prvi razvijeni ekspertni sistemi bili su za medicinsku dijagnostiku i istraživanje naftnih ležišta. Nakon toga su razvijeni sistemi za pomoć u donošenju finansijskih odluka i sistema za konfigurisanje elektronskih komponenata.

Neki od najpoznatijih ekspertnih sistemi su:

1. DENDRAL, 5. HEARSAY II,

2. MYCIN, 6. SOPHIE,

3. MACSYMA, 7. GRAPH,

4. CADUCES, 8. PROSPEKTOR

3


DENDRAL - ekspertni sistem (Stanford,1965)

pomoć u identifikaciji molekula u organskoj hemiji na osnovu

masenih spektrograma.

MYCIN - dijagnostički ekspertni sistem (Stanford,1970)

dijagnostika bakterijskih infekcija i propisivanje doza antibiotske

terapije, ima oko 600 pravila, oko 69% ispravnih terapija

(prevazišao uspešnost lekara).

MACSYMA - koristi se za simboličko rešavanje diferencijalnog i

integralnog računa.

4


PROSPEKTOR - za istraživanje ležišta mineralnih sirovina.

HEARSAY II - ekspertni sistem za komuniciranje uz pomoć glasa sa računarom.

SOPHIE - sistem za potrebe nastave u oblasti elektronike.

GRAPH - za klasifikaciju i unapređivanje znanja u oblsti teorije grafova.

CADUCES - ekspertni sistem koji se koristi za potrebe dijagnostike u internoj medicini.

5


Izgrađeni su mnogi komercijalni ekspertni sistemi za oblasti koje uključuju:

testiranje opreme,

planinarenje,

upravljanje procesima,

interpretaciju signala,

finansijsku analizu,

knjigovodstvo,

konfigurisanje računara,

nadgledanje upotrebe računarskog softvera.

6


Osnovne faze u izgradnji ekspertnog sistema su:

idejni projekat sistema

prikupljanje znanja

razvoj sistema

proračun performansi

proračun prihvatljivosti

demonstracija prototipa

revizija i dalji razvoj

realizacija sistema.

7

Komponente ekspernog sistema

8

Glavne komponente ekspertnih sistema

Baza znanja i(globalna) bazapodataka

Sadrži na određennačin strukturiranoznanje i činjenice izproblemske oblasti

Mehanizam zaključivanja

Sistem programskihprocedura pomoćukojih se u skladu saodređenomstrategijom upravljadonošenjemzaključaka na osnovuelemenata iz bazeznanja i podataka izbaze podataka

Komunikacijski interfejs

Omogućuje korisnikuda vodi dijalog sa ES, veza sa korisnikom

9

Mehanizam zaključivanja

Mehanizam zaključivanja čini ES inteligentnim, inače bi bez njega bio standardna baza podataka.

Mehanizam zaključivanja je sistem programskih procedurapomoću kojih se upravlja donošenjem zaključaka na osnovupodataka iz baze znanja i baze podataka, odnosno pokušava da dokaže hipotezu na osnovu pravila iz baze znanja i činjenica izradne baze.

Mehanizam zaključivanja se sastoji iz mehanizma izvođenja ikontrolnog mehanizma, koji kontaktira sa bazom znanja,kontroliše njeno ažuriranje, organizaciju i izdvajanje činjenicakoje su relevantne za proces izvođenja zaključaka.

10

Karakteristike mehanizma zaključivanja

Zaključivanje unapred i unazad

Mogućnost rada sa podacima različite pouzdanosti

Mogućnost davanja objašnjenja za donate zaključke

Kvalitet dijaloga sa korisnikom

11

Karakteristike mehanizma zaključivanja

Zaključivanje unapred

Sastoji u tome da se na osnovu

činjenica iz radne baze i pravila iz

baze znanja generišu nove

činjenice, koje se dodaju u radnu

bazu u svojstvu novogenerisanih

činjenica, a zatim se dalje koriste

za generisanje novih činjenica.

Proces se završava: generisanjem

tražene činjenice, nemogućnošću

generisanja novih činjenica ili

nasilnim prekidom.

Zaključivanje unazad

Zaključivanje vođeno ciljem.

Polazni cilj se razlaže na

podciljeve koristeći bazu znanja

sistema. Prilikom generisanja

podciljeva kreira se I/ILI graf na

čijem se lišću nalaze tekući

podciljevi, a polazni cilj je

zadovoljen kada su zadovoljeni

svi I podciljevi na generisanom

grafu.

12

Kako funkcioniše?

Obrazovanja linije rasuđvanja se izvodi ulančavanjem IF-THEN pravila.

Primer.1. AKO imaš temperaturu i kašlješ, ONDA je u

pitanju prehlada -> uzmi aspirin2. AKO je u pitanju prehlada i imaš crveno grlo

ONDA boluješ od bronhitisa -> uzmiantibiotik

13

Oblasti primene ekspertnih sistema

• Interpretacija - opis nastale situacije

• Predviđanje - predviđanje posledica situacije

• Dijagnostika - na osnovu posmatranja stanja

• Projektovanje - uz poštovanje ograničenja

• Planiranje - usklađenost s ciljevima

• Nadzor - otkrivanje odstupanja/neispravnosti

• Opravke - upravljanje otklanjanjem neispravnosti

• Učenje - pomoć učenicima/studentima/korisnicima

• Upravljanje - funkcionisanjem sistema

14

Prednosti primene ES

Postojanost

Prenosivost

Pouzdanost

Cena

Prednosti eksperta

15

16

Inteligentni tutorskisistemi


Inteligentni tutorski sistem (Intelligent Tutoring Systems, ITS) predstavlja softver koji simulira ponašanje tutora ilinastavnika/mentora, tj. pomoćnika u učenju.

Konkretnije rečeno, ovaj softver pruža individualnu podrškui pomoć pri učenju tako što učenicima postavlja pitanja, raščlanjava njihove odgovore i nudi prilagođene instrukcije ipovratne informacije koje su u funkciji učenja i razumevanjasadržaja.

17


Za razliku od ekspertnih sistema, koji se odlikuju po tome što sadrže znanja eksperta i pravila za rešavanje problema, inteligentni tutori su mnogo više od toga.

Kod ekspertnog sistema se smatra da su korisnikovo predznanje i veštine ograničeni. I razvijenijim modelima ekspertnih sistema nedostaje dijagnostika korisničkih/učeničkih grešaka, koje mogu biti posledica nepažnje, neznanja ili nerazumevanja.

18


Inteligentni tutorski obrazovni softveri odlikuju se po tome što analiziraju odgovore učenika i pronalaze greške u njihovom znanju.

Ovaj softver nema cilj da samo prepozna tačan/netačanodgovor, već da prepozna u kom koraku učenik greši i u skaldusa greškama pruži odgovarajuću povratnu informaciju i

sugestiju učeniku.

19


U idealnom ITS-u, učenik dobija razumljiv „feedback“ koji mu ne pomaže samo da otkloni tekuće greške već mu pomaže i da popravi strukturu svog znanja.

Nakon što pregleda svoj „feedback“ učenik najverovatnije neće ponavljati iste greške u kasnijem procesu učenja.

Osim toga, on će učeniku skratiti vreme učenja i može mu pomoći da brže postigne cilj učenja.

20

Struktura ITS

Učenički interfejs

Modul ekspertnog znanja

Učenički modul

Tutorski modul

21

Učenički interfejs

Odnosi se na interfejs pomoću kog učenikkomunicira sa sistemom.

22

Modul ekspertskog znanja

Upućuje na znanja, veštine ili ponašanja stručnjaka u određenoj oblasti, a koja bi trebalo preneti na učenika. Istraživanja inteligentnih tutorskih sistema ukazuju da modul ekspertskog znanja mora obuhvatati specifičnaznanja, identifikovana od strane eksperata koji imajudugogodišnje iskustvo iz konkretnih naučnih oblasti kojimaje alat namenjen.

23

Tutorski modul

Na osnovu identifikovanih problema kod učenika reagujepružanjem povratnih informacija, instrukcija i pomoći u prevazilaženju problema u učenju.

Ovaj modul koristi znanje o učeniku (o nivou njegovogznanja) i na osnovu toga bira koju pedagošku intervenciju ćeprimeniti u konkretnom slučaju: savete, podršku, objašnjenja, zadatke, testove i sl.

24

Učenički modulOpisuje realno znanje i ponašanje učenika koje softver procenjuje i

onda na osnovu njega dalje deluje.

Modul učenik je neophodan da bi preuredio nastavu prema

psihološkim potrebama i potrebama za učenjem jednog učenika.

Bez ovog znanja, pedagoška komponenta tutora ne bi imala nikakvih

temelja na osnovu kojih bi stvarala odluke, pa bi na taj način sve

učenike tretirala na isti način.

Jedan od najvažnijih faktora u planiranju i držanju nastave je

razumevanje kako učenici uče.

Veoma je bitno da nastavnik prepozna stil učenja koji određenom

učeniku „leži“ i na taj način mu pomogne da ga i sam otkrije.25

Zadaci tutorskih sistema

1. precizno evaluira nivo znanja i veština učenika;

2. daje povratne informacije i instrukcije koje supersonalizovane, relevantne za učenika, a ne programirane, uopštene odgovore i savete;

3. odlučujeo narednim koracima i zadacima koje ćeponuditi učeniku na osnovu nivoa njegovog znanja.

26

27

Prednostitutorskih sistema

Rad sa velikim brojem učenika

U vidu pružanja pomoći svakom učeniku, prilagođavanjanjihovoj brzini i specifičnim ulovima učenja, kao i to što možebiti na raspolaganju kada god je učeniku potreban, bez vremenskih ograničenja.

28

Efikasnost

Učenici zapravo ukazuju na to šta u zadatku razumeju – naosnovu čega softver dalje predlaže sugestije, savete iinstrucije što predstavlja efikasniji način rada sa učenicimanego ukazivanje na to šta ne shvataju.

29

Smanjenje stresa

Osim navedenih prednosti, pokazalo se da kompjuterski mentor može da smanji količinu anksioznosti koju neki učenici moguosećati u vezi sa priznanjem da ne razumeju neki koncept iliproces, a koju mogu pojačano osećati u odnosu sa realnimnastavnikom u socijalnoj situaciji u nastavi.

30

31

Nedostaci tutorskihsistema

“Varanje” sistema

Ukoliko učenik ne iskoristi savete i povratne informacije softverana pravi način, tj. ukoliko ih ne iskoristi za refleksiju, razmišljanjei razumevanje svojih grešaka, već umesto toga zahteva gotovarešenja, učenik zapravo ne uči, već stvara iluziju o tome.

32

Sistem ne može da postavlja pitanja

Na osnovu pitanja bi učenici bili podstaknuti da objašnjavaju svojerazmišljanje i akcije koje su preduzimali tokom rešavanja zadatka.

Ovi alati su kritikovani da su previše „instruktivni” i da utiču nasmanjenje motivacije za samostalno istraživanje i pronalaženje rešenjakod učenika.

33

Kompleksnost

S jedne strane samo kreiranje baze ekspertskog modela(ekspertskog znanja) može biti dugotrajan zadatak.

S druge strane, postoje izazovi koji se vezuju za procenuznanja učenika, posebno zbog toga što je u većini slučajevaovih sistema glavni način komunikacije između sistema iučenika: tastatura.

Čovek, za razliku od sistema, može da kombinuje različiteizvore informacija, kao što su glas, ton, dinamika govora, mimika i neverbalna komunikacija.

34

Budućnost tutorskih sistemaDo sada je mnogo puta potvrđena povezanost emocija i učenja, tj. da osim

kognicije, i emocije igraju veoma važnu ulogu u učenju, što je i motivisalo

kreatore inteligentnih tutorskih sistema da kreiraju sistem koji će moći da

tumači i da reaguje na emocionalna stanja sagovornika, tj. učenika.

Istraživači rade na uvođenju glasa i simulaciji dijaloga u komunikaciji

inteligentnih tutorskih sistema i učenika. Na taj način ovi alati će biti u

mogućnosti da odgovore ne samo rečima, već tonom, dinamikom, izrazom lica

i govorom tela.

Jedan od primera inteligentnih tutorskih sistema koji tumači emocije je Gaze

Tutor, koji je razvijen sa ciljem da prati pokrete očiju sagovornika i na taj

način utvrdi njihove emocije – da li im je dosadno ili su zabrinuti, odsutni, a

zatim, nakon tumačenja emocije, sistem pokušava da se poveže sa učenikom.35

Documents

Ekspertni sistemi i Inteligentni tutorski