Personalisierung in offenen Lernumgebungen - PADLR -
12
Personalisierung in offenen Lernumgebungen - PADLR - Dr. Nicola Henze ISI-Knowledge-Based Systems & Learning Lab Lower Saxony Universität Hannover [email protected]
description
Personalisierung in offenen Lernumgebungen - PADLR -. Dr. Nicola Henze I S I- Knowledge-Based Systems & Learning Lab Lower Saxony Universität Hannover [email protected]. Personalisierung. - PowerPoint PPT Presentation
Transcript of Personalisierung in offenen Lernumgebungen - PADLR -
Personalisierung in offenen Lernumgebungen
- PADLR -Dr. Nicola Henze
ISI-Knowledge-Based Systems& Learning Lab Lower Saxony
Universität [email protected]
Personalisierung ...• heißt im Idealfall:
Benutzerschnittstelle, Inhaltsauswahl und –präsentation optimiert gemäß den individuellen Anforderungen des jeweiligen Anwenders
• Benutzer/Lernermodellierung, Lernpro-zeßmodellierung, Intelligente Tutorielle Systeme, Adaptive Hypermedia Systeme
... in offenen Lernumgebungen
• Distributed Content Archives: Eigentümer / Autor der Materialien „unabhängig“: Adaptionskomponente hat keinen Einfluss auf Updates, Modifikationen, Löschungen, Umbenennungen, ...
Adaptive Hypermedia
Document Space User Model
Observations about user
AdaptiveSystem:• process observations about a user• interprete User Model
collect
Update /Request
User Interface
AdaptationEffect
Adaptive Hypermedia
Document Space User Model
Observations about user
AdaptativeSystem:• process observations• interprete User Model
collect
Update /Request
User Interface
AdaptationEffect
Adaptive Hypermedia
Document Space User Model
Observations about user
AdaptativeSystem:• process observations• interprete User Model
collect
Update /Request
User Interface
AdaptationEffect
Unser Ansatz• Trennung von Dokumenten und
Adaptionsinformation!• So viel wie möglich aus Standard
Metadaten lernen! – Minimierung des Overheads, um
Lernobjekte zum Repository hinzuzufügen Mehrere, unabhängige Autoren; Studenten können ihre Materialien einfach hinzufügen
– Hypothese: Metadaten wie z.B. keywords können gelernt werden!
Erfahrung: KBS Hyperbook• AH System für verteilte Lernmaterialien• Dynamische Anpassung an den jeweiligen Nutzer:
– Adaptive Link-Annotation, Direkte Führungshilfen (nächste Lernziel, nächste Seite, Sequenzen), Lernende können Lernziele selbst definieren, etc.
• getrennte Adaptionskomponente• genutze Metadaten: Schlüsselworte eines
Controlled Vocabulary, sowie die Kategorie (Übung, Beispiel, Theorie)
• „Offen“: Integration des gesamten Sun Java Tutorials in ein Java Hyperbook
Wissensmodellierung für OAHS • Anforderungen:
1. Gültig (für verschiedenste Dokumentsammlungen)
2. Erweiterbar / Modifizierbar3. Ausdrucksstark (für jede Dokumentsammlung:
ein ausdrucksstarkes Wissensmodell)
• Vorschlag: Ontologie– „An ontology is a formal, explicit specification
of a shared conceptualization“(Gruber, 1993)
• Können „prerequisites“ gelernt werden?• Struktur: Pfade / Reading Sequences
– Seite X|Cs : Welches hypothetische Wissen hat ein Benutzer, wenn er dem Pfad gefolgt ist?
– Schätzung des aktuellen Wissensstands Hiermit: Abschätzung, ob eine Seite mit dem
aktuellen Wissensstand des Nutzers verständlich ist
Erste Anwendungen:
Wissensschätzung aufgrund von Strukturen
Erste Anwendungen:
Verbessertes Retrieval• Ontologie: definiert einen „Kontext“ für ein
Konzept x: Konzepte „in der Nähe“ beschrei-ben Details bzw. generellere Aspekte von x
• Verbesserung von keyword-basierten Queries: Query set {q1, ... qn},up-down-path d(x,y) für jedes keyword k of H:
w(k) := min{d(k, q1), ...d(k,qn)}w(H) .= w(k) / |I(H)|
Vielen Dank für Ihre Aufmerksamkeit!
Fragen, Anregungen, Meinungen?
