Poparte badaniami

Platforma edukacyjna jest tworzona i nieustannie udoskonalana w oparciu o doświadczenia z badań naukowych prowadzonych we współpracy z grupą badawczą Adaptive Learning na Wydziale Informatyki Uniwersytetu Masaryka w Brnie (Czechy). Wyniki badań prezentowane są w wiodących czasopismach międzynarodowych oraz na konferencjach poświęconych sztucznej inteligencji w edukacji.

Poniżej prezentujemy listę wybranych publikacji, które bezpośrednio dotyczą projektu. Zachęcamy również do zapoznania się z konkretnymi przykładami technik używanych w Umiemy.

Artykuły metodologiczne

• Improving Learning Environments: Avoiding Stupidity Perspective. R. Pelánek, T. Effenberger. IEEE Transactions on Learning Technologies, 2022.
  Praca nad responsywnym systemem do nauki jest większym wyzwaniem, niż mogłoby się wydawać. W artykule omówiono, co może pójść nie tak, oraz opisano, jakie techniki pomagają uniknąć takich sytuacji.
• Complexity and Difficulty of Items in Learning Systems. R. Pelánek, T. Effenberger, J. Čechák. International Journal of Artificial Intelligence in Education, 2021.
  W artykule omówiono, dlaczego warto odróżniać „trudność“ zadań od ich „złożoności“, jak mierzyć te dwie cechy oraz jak można je wykorzystać w procesie tworzenia systemów edukacyjnych.
• Bayesian Knowledge Tracing, Logistic Models, and Beyond: An Overview of Learner Modeling Techniques. R. Pelánek. User Modeling and User-Adapted Interaction – The Journal of Personalization Research, 2017
  Artykuł przeglądowy opisujących techniki analizy danych oraz modelowania uczniów, które są istotne dla rozwoju systemów edukacyjnych.

Rekomendacje i stopień opanowania

Specyficznym aspektem jest personalizacja: zautomatyzowane rekomendacje odpowiednich ćwiczeń oraz kryteria „stopnia opanowania“, które wpływają na zdobywanie odznak oraz wykonywanie zadań domowych.

• Personalized recommendations for learning activities in online environments: a modular rule-based approach. R. Pelánek, T. Effenberger, P. Jarušek. User Modeling and User-Adapted Interaction, 2024.
• Analysis and Design of Mastery Learning Criteria. R. Pelánek, J. Řihák. New Review of Hypermedia and Multimedia, 2018.
• Conceptual Issues in Mastery Criteria: Differentiating Uncertainty and Degrees of Knowledge. R. Pelánek, Artificial Intelligence in Education, 2018.
• Experimental Analysis of Mastery Learning Criteria. R. Pelánek, J. Řihák. User Modelling, Adaptation and Personalization, 2017.
  Artykuł zdobył nagrodę „best paper award“.

Informatyka

• The Landscape of Computational Thinking Problems for Practice and Assessment. R. Pelánek, T. Effenberger. ACM Transactions on Computing Education, 2023.
  Artykuł przynosi kompleksowe zestawienie zadań, które można wykorzystać do treningu myślenia informatycznego. Prezentuje metodologiczny punkt wyjścia, na którym opiera się przygotowanie zadań dla systemu Umiemy informatykę.
• Design and Analysis of Microworlds and Puzzles for Block-Based Programming, R. Pelánek, T. Effenberger. Computer Science Education, 2020.
  Zasady tworzenia wprowadzających zadań programistycznych, które są wykorzystywane w systemie Umiemy informatykę.
• Code Quality Defects across Introductory Programming Topics T. Effenberger, R. Pelánek. Technical Symposium on Computer Science Education, 2022.
  Najczęstsze błędy stylistyczne popełniane przez uczniów podczas programowania w Pythonie.
• Interpretable Clustering of Students' Solutions in Introductory Programming. T. Effenberger, R. Pelánek. Artificial Intelligence in Education, 2021.
  Analizy danych z ćwiczeń Programowanie w Pythonie w systemie Umiemy informatykę.

Analizy danych

• Towards Design-Loop Adaptivity: Identifying Items for Revision. R. Pelánek, T. Effenberger, A. Kukučka. Journal of Educational Data Mining, 2022.
  Opis wybranych technik wykorzystywanych w celu nieustannego ulepszania treści.
• Analyzing and Visualizing Learning Data: A System Designer's Perspective. R. Pelánek. Journal of Learning Analytics, 2021.
  Przegląd zakulisowych analiz danych, na podstawie których systemy Umiemy to są nieustannie ulepszane.
• Exploring the Utility of Response Times and Wrong Answers for Adaptive Learning. R. Pelánek. Learning@Scale, 2018.
  Analiza niepoprawnych odpowiedzi oraz czasu rozwiązań z systemów Umiemy czeski, Umiemy matematykę i Umiemy angielski.
• Measuring Similarity of Educational Items Using Data on Learners' Performance. J. Řihák, R. Pelánek. Educational Data Mining, 2017.
  Analiza metod określania podobieństwa elementów, w artykule przeanalizowano m.in. dane z Umiemy czeski.
• Student Modeling Based on Problem Solving Times. R. Pelánek, P. Jarušek. International Journal of Artificial Intelligence in Education, 2015.
  Artykuł opisujący analizy danych z zadań matematycznych i logicznych, które można znaleźć w systemie Umiemy matematykę.