A Glance Into The Future Of Digital Language Learning

A glance into the future of digital language learning for professionals: A daptive, E ntertaining, I ntelligent, O pen and U biquitous Say it with Vowels

0. CALL als onderzoeksdomein

A - adaptive

E - entertaining

I - intelligent

O - open

U - ubiquitous

0. evolutie van CALL als onderzoeksdomein

0.1 radicaal interdisciplinair

aanvankelijk: CALL als deel van toegepaste taalkunde & taaldidactiek

inzichten uit taaldidactiek hertalen naar e-omgeving

onderzoekers uit Letteren, coördinatoren talencentra, leermiddelenontwikkelaars, etc.

=> application-driven, development-oriented, less research oriented

(Levy 1999: 72)

human-computer interaction : usability onderzoek

artificial intelligence : expert dialoogsysteem, geprogrammeerde instructie

computational linguistics (NLP): spraaksynthese (ASR) en spraakherkenning (TTS), taalkundige annotatie

technology and design : effectiviteitsonderzoek, instructional design

psychologie : werking geheugen, automatiseringsprocessen, leerprocessen

SLA : leerstadia, context, learnability

computerwetenschappen : datamining, semantic web, distributed networks

informatica

(Prof. dr. Patrick Decausmaecker)

gedistribueerde beslissings-ondersteuning

multi-agent systemen

heuristische optimalisatie

data mining heuristieken

gedistribueerd zoeken

toegepaste taalkunde

(Prof. dr. Piet Desmet)

elektronische taalleeromgevingen

taaltesting

CorpusCALL

auteurssystemen

onderwijskunde

(Prof. dr. Geraldine Clarebout)

ontwikkeling van leeromgevingen met speciale aandacht voor:

rol en functie van leerhulpen zoals pedagogical agents

identificeren van relevante leerderskenmerken

methodologie

(Prof. dr. Wim Van den Noortgate)

multilevel analyse

meta-analyse

item respons theorie

digital libraries mobile learning elektronic assessment computer science applied linguistics educational science effectiveness research on electronic learning environments methodology integration NLP in learning environments webmining for learning environments adaptive learning systems

0.2 open innovatie via netwerking

structurele interactie academia – industria

spin-off activiteiten: BLCC & Televic Education

IOF kennisplatform

IWT & IBBT projecten

interactie onderzoek & ontwikkeling

data is the next ‘Intel Inside’

data > software

content is king

=> netwerking met gebruikersgroepen (Vb Franel, Selor)

1. A - adaptive

auto-industrie:

tijd

plaats

weersomstandigheden

adaptieve marketing

profiel

1.1 adaptief toetsen

Toetsmatrijs (constructs- en inhoudsvaliditeit)

Itemontwikkeling

Pretesting

Itemanalyse

Kalibratie en opstellen meetschaal

Itemselectieregels

Cesuurbepaling / normering (standard setting)

Toetsmatrijs wordt gebaseerd op de constructdefinitie

De matrijs moet volledig gevuld zijn met opgaven om inhoudsvaliditeit te kunnen garanderen

Een voorbeeld voor component luistervaardigheid < S-ALTO

taalhandeling visuele ondersteuning geen visuele ondersteuning Persoonlijke teksten Publieke teksten Ambtelijke teksten Persoonlijke teksten Publieke teksten Ambtelijke teksten met een zichtbare partner TV, besloten toespraak in een vergadering aan de telefoon op de radio in een toespraak waar spreker veraf staat globaal begrijpen relevante gegevens selecteren informatie verbinden

pilot & kalibratiestudie

kleine en grootschalige afname; doel: creëren van betrouwbare Collective Intelligence

daarna : analyseren met Item Response Theory

Item Response Theorie - IRT

Klassieke Test Theorie (KTT): vaardigheid van de leerling = som van de scores die leerling haalt op items van de toets.

Item Response Theorie (IRT):

vaardigheid kandidaten & moeilijkheidsgraad items als twee aparte parameters.

items verschillen in moeilijkheidsgraad

items gerangschikt op meetschaal met oplopende moeilijkheidsgraad

kandidaten verschillen in vaardigheid; kunnen ook gerangschikt worden op die meetschaal volgens stijgende vaardigheid

IRT meetmodel laat toe kandidaten en items rechtstreeks te vergelijken (in termen van kansen dat een item correct kan worden opgelost)

IRT-analyse

doel: vaardigheid (V) van personen & moeilijkheid (M) van items op één schaal brengen

zowel V als M worden uitgedrukt in een cijfer (=logit)

gem. M = 0

Kandidaten vaardigheid Items moeilijkheidsgraad Beheersing in termen van kansen Item g Item e Item a Item b Item c Item d Item f Item h Item i Item j

Welke kansen? 3 5 % 2 12 % 1 27 % 0 50 % -1 73 % -2 88 % -3 95 %

CAT – een voorbeeld (Sara Gysen) DEMO

1.2 adaptief leren

“ Adaptive Learning Environments Based on IRT: Possibilities and Challenges”

Kelly WAUTERS, Piet DESMET & Wim VAN DEN NOORTGATE

(submitted)

the challenge of the dataset

missing values

skipped items

the challenge of the algorithm

item difficulty estimation

ability estimation

item selection algorithm

2. E - entertaining

gaming

belangrijke features voor educational gaming

2 pistes

belangrijke features voor educational gaming

inspelen op “ players sense of challenge ” en dit koppelen aan “ rewards ”

inbouwen van verschillende levels

vaak First-person game , waarbij wel met een avatar gewerkt wordt. meer in het algemeen: personalization !

multiplayer! (-> collaboration )

realistische, immersieve omgeving, aanpak is “ experience-based or exploratory ”, leerder kan praktijkervaring opdoen

+

duidelijk omlijnde leerdoelen (leerder weet wat hij leert)

permanent monitoren van leerders prestaties en acties -> aanpassen van omgeving hieraan -> belang van adaptiviteit!

belang van directe en tijdige feedback -> leerder blijven stimuleren en motiveren

nood aan scaffolding (hints, deel van oplossing meegeven, extra info, etc.)

2 pistes

SAIL- omgeving ( Situated Avatar baded Immersive Learning )

game-elements in taalleeromgeving

SAIL

SAIL = Situated Avatar based immersive learning of Virtual Reality (VR-) Based Education

taaltaken = challenges binnen een virtual reality die de leerder/speler alleen of met meerdere aanpakt, waar hij feedback op krijgt en die tot rewards leiden

doelpubliek: zakenmensen, volwassenen in het algemeen

= edutainment

Vb LLINGO

LLINGO

partners

externe partners

Larian Studios

Televic Education

BLCC

VRT

IBBT groups

MMLab

ITEC

MICT

LLINGO

werkpakketten

WP0: Project Management

WP1: Requirements, Conceptual Architecture & Scripting

WP2: Tracking, Logging and Adaptivity

WP3: Infinite Textures

WP4: User and Experience Research

WP5: Effectivity Research

WP6: Proof of Concept

game-elements in taalleeromgeving

1. gaming for content delivery

alle soorten animaties, van passief naar actief (met doe-component)

werking van iets tonen, procedure toelichten, grammatica-regel toelichten, etc.

(Kurt Feyaerts)

2. gaming as reward

na het educatieve luik, bij wijze van beloning

slechts toegang indien voldoende leerprestaties en in functie van omvang leerprestatie -> credit-systeem

fun aangepast aan domein (bv. voor taal: tv-reportages en movies, funny commercials, toegang tot i-tunes, etc.) inspiratie zoeken bij taalspelletjes:

Vb Iphone: Lexitron

Vb http://visl.sdu.dk/ (oa. Syntris, Labyrinth, etc.)

3. gaming as competition

challenge

multiplay is nice

computer can play the opponent

“ the best wins”

3. I – integrated & intelligent

Nood aan Integrated Language Learning Environments ( ILLE )

1. infrastructuur: c- en e-omgeving zijn niet op mekaar afgestemd geen e mogelijk in c-omgeving (cf. klassiek leslokaal)

geen c mogelijk in e-omgeving (cf. PC-klas)

2. domeinen: e-learning: dominant kennisgerichte domeinen (lexicon, grammatica, etc.)

c-learning: ook vaardigheidstraining (lezen, luisteren, schrijven, spreken)

3. content: beperkte onderlinge afstemming tussen c- and e-inhouden

4. coaching: e-learning vaak vooral voor remediëring of differentiatie -> geen centrale component van didactisch proces

beperkte interactie tussen e-coaching en c-coach

integrated (Desmet, P. 2005. “An Integrated Language Learning Environment: towards an optimal blend of c-and e-learning”. In: Kommers, P. – Richards, G. eds 2005. Proceedings of ED-MEDIA)

intelligent

gesloten oefeningen voorbij, 2 technieken:

NLP ( Natural Language Processing )

ASM ( Approximate String Matching )

NLP ASM

by definition language dependent

- high R&D effort

+ by definition language independent + lower R&D effort - unequal availability and quality of existing algorithms and tools - technologies not easily transferable to new tools/environments - slow + high availability of existing ASM algorithms + easily reusable algorithms + higher speed + better granularity ( fineness with which input can be analysed) - highly depending on teacher’s input (number of correct answers predicted by teacher) + language specific intelligent feedback generation by the algorithm (cf. E-Tutor T. Heift) - no automatic language specific feedback generation

ASM @ edumatic

normalisering van input of niet

hoofdletters

interpunctie

accenten

algoritme op basis van beste match met input I inform you to XXX the (…) tomorrow (XXX).

3 codes: delete, insert, substitute (error)

pogingen model: attempt – feedback – attempt – (…) – solution model

4. O – open

Innovation in Assembly

Web as a platform of services

Vb widgets: small, reusable components (mini-application) CALL?

Nood aan standaarden: Vb Sharable Content Object Reference Model

-> nood aan LLOM ( Language Learning Object Metadata )

Import/export tussen platformen ( ‘content portability’ ) Vb SCORM-export

co-creatie van nieuwe content

zuuQI poll

zuuQI tagcloud

P. Desmet – web2.0 – VOV-beurs Vb wiki voor Spaans (OI-project Dagmar Vandebosch)

Vb Livemocha.com: online language-learning community

5. U - ubiquitous

5.1 mobile learning

adaptiviteit: leerobjecten aanpassen aan specifieke features van een device (grootte scherm, toetsenbord, etc.)

localisering: leerobjecten afstemmen op plaats waar men is (Vb in Parijs leerobjecten rond Parijs) => contextual learning

content-creatie: language captured and shared in context

(Kukulska-Hulme, A. & Traxler J. 2005. Mobile Learning : A Handbook for Educators and Trainers, Rougledge, London.)

5.2 franel.mobi

http://franel.mobi

5.3 pervasive computing

multiple devices

Soylu, A., De Causmaecker, P., Desmet, P. 2009. Context and Adaptivity in Pervasive Computing Environments: Links with Software Engineering and Ontological Engineering (published)