disertacija
PRILAGODLJIVI TUTORSKI SUSTAV ZA E-UČENJE PODRŽAN DUBINSKOM ANALIZOM PODATAKA

Igor Jugo (2017)
Sveučilište u Rijeci
Odjel za informatiku
Podaci o radu
NaslovPRILAGODLJIVI TUTORSKI SUSTAV ZA E-UČENJE PODRŽAN DUBINSKOM ANALIZOM PODATAKA
AutorIgor Jugo
Voditelj/MentorBožidar Kovačić
Sažetak rada
Inteligentni tutorski sustavi su računalni sustavi za učenje, razvijeni s ciljem da omoguće tutorski model učenja, koji svoju visoku efikasnost temelji na potpunoj prilagodbi procesa učenja jednom učeniku. Inteligencija, odnosno prilagodljivost sustava promjenjivim potrebama i razini znanja učenika ostvaruje se različitim pristupima, primjerice implementacijom algoritama strojnog učenja ili dubinskom analizom podataka. Inteligentni tutorski sustavi većinom se razvijaju za dobro definirane domene znanja, kao što su matematika, fizika i druge. Međutim, postoje brojna područja koja nemaju dobro definirane strukture znanja, a potrebno ih je poučavati. Takva područja nazivaju se slabo definiranim domenama znanja. Pripremu procesa učenja u slabo definiranim domenama obavlja učitelj koji ga oblikuje prema vlastitom znanju i iskustvu, a realizira se putem implementirane inteligencije tutorskog sustava. Implementacijom metoda za dubinsku analizu podataka možemo u podacima o interakcijama korisnika sa sustavom otkriti korisne informacije, te ih pridodati postojećim mogućnostima sustava kako bi poboljšali njegovu učinkovitost. U ovom radu predložen je novi model postojećeg inteligentnog tutorskog sustava koji, primjenom metoda dubinske analize podataka, sugerira korisniku korake koji mu slijede u procesu učenja, s ciljem kreiranja učinkovitijeg puta kroz domenu znanja. Ključni dijelovi unaprijeđenog tutorskog sustava su podsustavi za komunikaciju s alatima za dubinsku analizu podataka, grupiranje korisnika i otkrivanje čestih i učinkovitih puteva kroz domenu znanja. Predloženi tutorski model sustava prikazuje sugestije korisniku na početku i na kraju procesa učenja u obliku poveznica prema pojmovima u domeni znanja koje je najbolje učiti prije, odnosno nakon odabranog pojma. Opisani model sustava implementiran je web aplikacijom nazvanom DITUS (Department of Informatics TUtoring System). Djelotvornost predloženog modela vrednovana je analizom rezultata kontrolne i eksperimentalne skupine.
Ključne riječiinteligentni tutorski sustavi e-učenje dubinska analiza podataka prilagodljivost sustava za e-učenje otkrivanje uzoraka u sekvencama razredovanje sugestije
Naslov na drugom jeziku (engleski)ADAPTIVE TUTORING E-LEARNING SYSTEM SUPPORTED BY DATA MINING
Povjerenstvo za obranuNataša Hoić - Božić (predsjednik povjerenstva)
Mile Pavlić (član povjerenstva)
Marina Ivašić-Kos (član povjerenstva)
Mario Radovan (član povjerenstva)
Dragan Čišić (član povjerenstva)
Ustanova koja je dodijelila akademski/stručni stupanjSveučilište u Rijeci
Ustrojstvena jedinica niže razineOdjel za informatiku
MjestoRijeka
Država obraneHrvatska
Znanstveno područje, polje, granaDRUŠTVENE ZNANOSTI
Informacijske i komunikacijske znanosti
UDK004
OPĆENITO
Računalna znanost i tehnologija. Računalstvo. Obrada podataka
Vrsta studijasveučilišni
Stupanjposlijediplomski doktorski
Naziv studijskog programaInformatika
Akademski / stručni nazivdoktor znanosti iz znanstvenog područja Društvene znanosti, polja Informacijske i komunikacijske znanosti.
Kratica akademskog / stručnog nazivadr.sc.
Vrsta radadisertacija
Jezik hrvatski
Datum obrane2017-02
Datum promocije2017-02
Sažetak rada na drugom jeziku (engleski)
Inteligent tutoring systems are e-learning systems, developed with the goal of emulating the tutoring teaching model, a highly efficient learning environment based on complete adaptation of the learning process to the needs of one student. The goal of such systems is that the computer system behaves in an intelligent way, e.g. that it adapts to the current needs and knowledge level of the student. This is achieved in various ways such as the application of artificial intelligence or data mining methods. Intelligent tutoring system are developed mostly for teaching in well defined knowledge domains such as mathematics, physics, etc., but there are many other not so well defined areas that also need to be taught. These areas are called ill-defined domains, where the teacher (expert) prepares the learning process based on his/hers knowledge and experience as well as the current „intelligence“ implemented in the system. By applying data mining methods to data about students' interactions with the system we can discover useful information about their learning processes and combine this information with the current system functionality in order to improve it's efficiency. This thesis proposes a new model of an existing intelligent tutoring system which, through the implementation of aforementioned methods, offers the student suggestions on which steps to learn next in order to streamline his/hers path through the knowledge domain. The key components of the presented system are: a communication layer for communication with data mining tools, a clustering model discovery and selection module and a high-utility frequent sequential patterns discovery module. The new tutoring model of the intelligent tutoring system then offers suggestions to the user in the form of hyperlinks to other knowledge units that are best learned before or after the unit the student has selected. The described system is implemented as a web application called DITUS (Department of Informatics TUtoring System). The validitiy of the proposed model was verified through an experiment wich determined its viability and efficiency.
Ključne riječi na drugom jeziku (engleski)Intelligent tutoring systems e-learning data mining e-learning system adaptivity sequential pattern mining clustering learning suggestions
Opseg200 str;
Verzijaobranjena verzija
Vrsta resursatekst
Prava pristupaRad u otvorenom pristupu
Uvjeti korištenja radahttp://creativecommons.org/licenses/by-nc-nd/3.0/
URN:NBNhttps://urn.nsk.hr/urn:nbn:hr:195:040148
PohranioLea Lazzarich