Umiemy to: jak to działa

Niniejsza strona pozwala zajrzeć „pod podszewkę“ – zawiera omówienie technik, z których korzystamy podczas tworzenia naszej platformy. Opierają się one na fundamentach, na które składają się założenia dydaktyczne, ogólne badania w dziedzinie sztucznej inteligencji w edukacji oraz badania prowadzone przez członków zespołu Umiemy to.

Sposoby oceniania

oferuje szeroką gamę ćwiczeń różnego typu, które są oceniane na kilka różnych sposobów. Kształt tych sposobów oceniania wynika z założeń dydaktycznych.

Kluczowym elementem są odznaki oraz wizualizacja postępów w ich zdobywaniu podczas rozwiązywania zadań. Taki sposób oceniania opiera się na zasadzie mastery learning. Jego realizacja jest stosunkowo skomplikowana, gdyż wymaga balansowania pomiędzy zbyt dużą pobłażliwością (która, przykładowo, umożliwiałaby uzyskanie odznaki jedynie poprzez klikanie „na chybił trafił”) a zbyt dużą surowością (która może demotywować ucznia). Wskaźnik postępu jest na pozór prosty („w przypadku poprawnej odpowiedzi rośnie, zaś w przypadku błędnej maleje“), jednak jego dokładne działanie jest sterowane złożonym algorytmem opracowanym przy użyciu symulacji.

Odznaki wykorzystywane są również do oceniania ponownego rozwiązywania ćwiczeń w odstępach czasu, a to w wersji z gwiazdkami.

Praca z poziomami trudności

Kluczowe zasady pedagogiczne dotyczą również poziomu trudności. podchodzi do tego tematu wieloaspektowo:

• Dla wielu tematów dostępne są trzy poziomy trudności: łatwy, średni i trudny. Dzięki temu uczeń może rozwiązywać ćwiczenia odpowiednie do swojego aktualnego poziomu wiedzy – może sam wybrać poziom, z którym chce się zmierzyć, albo kierować się rekomendacjami algorytmu.
• Systematycznie analizujemy dane dotyczące trudności poszczególnych ćwiczeń i zawartych w nich przykładów. Na podstawie tych analiz dokonujemy rewizji zestawów, aby poziom trudności odpowiadał potrzebom użytkowników.
• Ćwiczenia z tymczasowym wsparciem – dbamy o to, aby w ćwiczeniach uwzględniona była zasada tymczasowego wsparcia. Projekty ćwiczeń bazują na analizach danych – jeśli widzimy, że jakiś przykład sprawia uczniom szczególne trudności, przygotowujemy jego łatwiejszą wersję z tymczasowym wsparciem. Dzięki temu powstaje płynne przejście, ułatwiające naukę.

Rekomendacje

zawiera specjalny algorytm rekomendacji, który wyświetla użytkownikom kolejne ćwiczenia do rozwiązania (na stronie głównej, po rozwiązaniu jednego zestawu itp.). To algorytm podobny do algorytmów znanych z różnych serwisów internetowych, polecających filmy, zdjęcia lub produkty. Różnica polega na tym, że nie próbuje sprzedać nowego produktu ani zabawić użytkownika, lecz przede wszystkim wspiera efektywną naukę. Algorytm uwzględnia wiele czynników, w tym te opisane w w założeniach dydaktycznych, a także praktyczne aspekty wynikające z funkcjonowania szkoły:

• powiązania pomiędzy tematami
• odpowiedni poziom trudności
• rozwiązywanie ćwiczeń w odstępach czasu
• odkrywanie nowych tematów i typów ćwiczeń
• osobiste zainteresowania i preferencje
• zadania zadane przez nauczyciela

Algorytmy do automatycznego konstruowania pytań

Wybór i prezentacja pytań w niektórych ćwiczeniach są sterowane przez algorytmy, które automatycznie dobierają pytania o różnym stopniu trudności lub powtarzają przykład, w którym udzielono błędnej odpowiedzi (w niewielkim odstępie czasu). Ponadto w ćwiczeniach wielokrotnego wybpru (np. do nauki słówek) algorytm automatycznie dobiera odpowiednie dystraktory, aby zmusić użytkownika do dokładniejszego zastanowienia się nad odpowiedzią.

Model platformy

W tle poszczególnych algorytmów i metod wyświetlania znajduje się model platformy edukacyjnej. Przedstawia on strukturę treści – pokazuje, z jakich tematów składa się dany dział, w jaki sposób są one uporządkowane, jaka jest ich kolejność oraz jak są dopasowane do poszczególnych klas itd.