Opieramy się na badanich naukowych

Systemy wchodzące w skład platformy Umiemy to są tworzone oraz nieustannie udoskonalane w oparciu o doświadczenia z badań naukowych prowadzonych na Wydziale Informatyki Uniwersytetu Masaryka w Brnie (Rep. Czeska). Wyniki badań prezentowane są w wiodących czasopismach międzynarodowych oraz na konferencjach poświęconych sztucznej inteligencji w edukacji.

Poniżej prezentujemy listę wybranych publikacji, które dotyczą projektu bezpośrednio. Pozostałe publikacje można znaleźć na stronie internetowej grupy badawczej Adaptive Learning.

Artykuły metodologiczne

• 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.
• 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 Umiemy programować.
• 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.

Stopień opanowania

W swoich badaniach szczególną uwagę poświęcamy analizie kryteriów tzw. „stopnia opanowania“, który wykorzystywany jest w wielu ćwiczeniach w systemach Umiemy: rzutują one na zdobywanie „odznak” oraz wykonanie zadań domowych.

• 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. „best paper award“

Analizy danych

• Analyzing and Visualizing Learning Data: A System Designer's Perspective. R. Pelánek, Journal of Learning Analytics, 2021.
  Przegląd zakulisowych analiz danych, na podstawie których systémy Umiemy są nieustannie ulepszane.
• Interpretable Clustering of Students' Solutions in Introductory Programming. T. Effenberger, R. Pelánek, Artificial Intelligence in Education (AIED), 2021.
  Analizy danych z ćwiczeń Programowanie w Pythonie na Umiemy programować.
• Exploring the Utility of Response Times and Wrong Answers for Adaptive Learning. R. Pelánek, Learning@Scale, 2018.
  Analiza błędnych odpowiedzi oraz czasów rozwiązań z systemów Umiemy czeski, Umiemy matematykę oraz 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.