AI-BASED SYSTEMS TO HELP TEACHERS IN BUILDING, SHARING AND SEQUENCING DIDACTIC MATERIALS

Abstract

I materiali didattici su internet sono presenti in svariati repository e in diverse forme. Nel corso degli anni, molti siti hanno provato a definire uno standard, senza però ottenere un risultato unificato. Inoltre negli ultimi tempi è cresciuta in maniera esponenziale l’uso di piattaforme per l’e-learning all’interno di scuole e aziende. Uno dei grandi limiti di questi sistemi è la mancanza di personalizzazione dei corsi, e rari casi in cui presente è limitata dal processo di metadatare i materiali a mano. Ovviamente ogni docente esegue questo processo seguendo il suo stile di apprendimento; da questi problemi è partita questa ricerca che ha avuto come obbiettivo la generazione di un tutor virtuale in grado di seguire il docente nell’intero processo di creazione di un corso. La prima parte della tesi descriverà le metodologie di ricerca usate per trovare articoli relativi allo stato dell’arte dei problemi affrontati. Saranno descritti i contributi più significativi e come hanno portato alla progettazione della ricerca; Nella seconda parte sarà presentato il riconoscitore di relazioni di prerequisito/successore. Saranno descritte le sei ipotesi iniziali formulate e come da quelle attraverso una prima sperimentazione si è deciso di applicare algoritmi di machine learning per ottenere un classificatore binario basato su multilayer perceptron; saranno riportate tutte le metriche utilizzate inizialmente e il processo di features selection che ha portato a selezionare solo un sottoinsieme di queste allo scopo di massimizzare le prestazioni del classificatore. Saranno inoltre descritti i vari algoritmi utilizzati negli esperimenti per cercare quello ottimale. In seguito sarà presentata la piattaforma Wiki Course Builder (WCB), sviluppata per interfacciarsi con il classificatore binario; inoltre WCB gestisce i modelli dei docenti e, attraverso una serie di calcoli a runtime, riesce a generare grafi della conoscenza basati sulle interconnessioni delle pagine wikipedia associate ai concetti di ricerca. Inoltre sfruttando delle metriche classiche in letteratura quali il TFxIDF, IG, LSI e sfruttando il modello docente basato sui Teaching Style di Grasha e su altre metriche riprese dal lavoro [dajee]. Il sistema permette di scegliere da una serie di materiali raccomandati o di esplorare graficamente il grafo della conoscenza ed aggiungere materiali. Infine una volta selezionati i materiali l’interazione con il classificatore darà un sequencing ottimizzato dei materiali ordinati per prerequisito ->successore. I docenti potranno esportare i loro corsi e confrontarsi con la comunità utilizzando la funzione community che riporta graficamente tutti i corsi creati dai docenti rendendo possibile filtrare per vari campi. La quarta parte descriverà come è stata organizzata la sperimentazione finale del sistema; saranno presentati i canali usati per raccogliere i docenti, come è stata strutturato il compito assegnato ad ognuno di essi. Inoltre è presentato Moodle REC un’estensione dell’LMS Moodle per il retrieving di materiali didattici dai repository online. Inoltre è presentato un innovativo modello docente calcolato a runtime. Infine saranno riportati i risultati della sperimentazione e tutte le valutazioni fatte su essi.