A mesterséges intelligencia oktatási alkalmazása, különös tekintettel az e-learning fejlesztésekre
A MESTERSÉGES INTELLIGENCIA OKTATÁSI
ALKALMAZÁSA, KÜLÖNÖSTEKINTETTEL
AZ E-LEARNING FEJLESZTÉSEKRE
Ollé János
PE Neveléstudományi Intézet
XI. Kiss Árpád Emlékkonferencia
Interdiszciplináris pedagógia múlt és jövő között
Debrecen, 2019. szeptember 20-21.
ATÁVOKTATÁS ÉS E-LEARNING MÓDSZERTANI
FUNKCIONALITÁSÁNAK FEJLŐDÉSTÖRTÉNETE
• tartalom közvetítése (távolra oktatás)
• visszacsatolások (értékelés és folyamatszabályozás)
• multimédia felhasználása - interaktivitás (tanulási folyamat közvetett szabályozása)
• web 2.0 tartalommegosztás (tanulói produktivitással bővül az eszköztár)
• online tanulási környezetek (LMS és social media, a társas interaktivitás lehetősége)
• kollaboratív tartalmak (pl. konnektivista tanulás, hálózati munka)
• tevékenységtervezés (folyamatszabályozás, bevonodás növelése, lemorzsolódás csökkentése)
• kompetenciafejlesztés (tartalom alkalmazása más oktatási célhoz)
• adaptív tartalom és környezet (személyre szabott tartalom és folyamat) - “holtág, zsilippel”
• learning experience design (tanulásélmény tervezés) - személyre szabott folyamatszabályozás
E-LEARNING HATÉKONYSÁG ÉS
EREDMÉNYESSÉGTOVÁBBFEJLESZTÉSÉNEK
LÉNYEGES FELTÉTELEI
• hagyományos fogalmi készlet (távoktatás, kontakt, blended)
helyett integrált / komplex tanulási környezet paradigma
• tanuló fizikai tanulási környezetének és a tanuló tulajdonságainak
fokozott felhasználása (adatgyűjtés és elemzés)
• szakmódszertani modellek kidolgozása és alkalmazása
OKTATÁSI ESETTANULMÁNY LXD
FOLYAMATTERVEZÉSÉRE
• oktatási cél: tanuljunk meg robotot programozni (e-
learning tananyaggal)!
• milyen előismeretre építhetünk?
• mit kell megtanulnunk?
• milyen tanulási forrásokat és környezetet
használhatunk?
• milyen tárgyi / fizikai környezet áll rendelkezésünkre?
• milyen tulajdonságaink / szokásaink jellemzőek?
OPTIMÁLISTANULÁSITELJESÍTMÉNY PARAMÉTEREZÉSE
A SZABÁLYOZÓ ALGORITMUSOKHOZ
• tanulói profil építése adatgyűjtés és elemzés alapján
• PLE személyes tanulási környezet / információs környezet
• PLN személyes tanulási hálózat (kapcsolódás, kommunikáció, interakció)
• PLP személyes tanulási portfolió (produktumok, tanulástörténet, eredményesség)
• személyes tulajdonságok
• elérhető tanulási és kommunikációs környezetek sajátosságai és működésük
• hozzáférhető tananyagok, tartalmak, alkalmazások sajátosságai
• teljesítményindikátorok az oktatási célok alapján
MESTERSÉGES INTELLIGENCIA
ALKALMAZÁSA AZ OPTIMÁLISTANULÁSI
TELJESÍTMÉNYHEZ
• mesterséges intelligencia típusok:
• vezérlés, irányítás, szabályozás,
• tartalomkészítés
• tartalom integrálás, szelektálás
• mesterséges intelligencia kategóriák:
• gépi tanulás beavatkozásokkal
• olyan rendszerek, amelyek adatra épülő elemzések számának növekedésével
arányosan javítják teljesítményüket
Montebello, M. (2018):AI Injected e-Learning, 60.p.
Ollé János
PE Neveléstudományi Intézet
XI. Kiss Árpád Emlékkonferencia
Interdiszciplináris pedagógia múlt és jövő között
Debrecen, 2019. szeptember 20-21.
slideshare.net/ollejanos/
youtube.com/user/ollejanospodcast
twitter @ollejanos
www.linkedin.com/in/ollejanos