Loading article…
インテリジェントチュータリング システム( ITS ) は、人間のチューターを模倣し、学習者に即時かつカスタマイズされた指導やフィードバックを提供することを目的としたコンピュータ システムであり[1]、通常は人間の教師の介入を必要としません[2] 。ITS には、さまざまなコンピューティング テクノロジーを使用して、有意義で効果的な方法で学習できるようにするという共通の目標があります。正式な教育と専門的な環境の両方で使用されている ITS の例は数多くあり、その機能と限界が実証されています。インテリジェント チュータリング、認知学習理論、設計の間には密接な関係があり、ITS の有効性を改善するための研究が進行中です。ITS は通常、1 対 1 のパーソナライズされたチュータリングの実証された利点を再現することを目的としています。これは、学生が 1 人の教師 (例: 教室での講義) から 1 対多の指導を受けるか、教師がまったくいない (例: オンラインの宿題) 状況で実現されます。[3] ITS は多くの場合、すべての学生に高品質の教育へのアクセスを提供することを目標に設計されています。
歴史
初期の機械システム
知能機械の可能性は何世紀にもわたって議論されてきました。 ブレーズ・パスカルは17世紀に数学関数を実行できる最初の計算機を開発しました。これは単にパスカルの計算機と呼ばれていました。当時、数学者で哲学者のゴットフリート・ヴィルヘルム・ライプニッツは、推論し、論理のルールを適用して紛争を解決することができる機械を構想していました。[4]これらの初期の研究は、後の発展に影響を与えました。
教育用のインテリジェントマシンの概念は、オハイオ州立大学のシドニー・プレッシーが人間の教師なしで学生を指導するための機械式教育マシンを開発した1924年にまで遡ります。 [5] [6]彼のマシンは、いくつかのキーと学習者に質問を提供するウィンドウを備えたタイプライターによく似ていました。プレッシーマシンは、ユーザーが入力し、カウンターにスコアを記録することで即時のフィードバックを提供しました。[7]
プレッシーは、19世紀後半から20世紀初頭にかけてコロンビア大学ティーチャーズ・カレッジで学習理論家および教育心理学者として活躍したエドワード・L・ソーンダイクの影響を受けた。ソーンダイクは学習を最大化する法則を提唱した。ソーンダイクの法則には、効果の法則、練習の法則、新近性の法則などがある。後の基準では、プレッシーの教育・試験機械は機械的に動作し、一度に1つの質問と回答に基づいていたため、インテリジェントとは見なされなかったが[7]、将来のプロジェクトの先例となった。
1950 年代から 1960 年代にかけて、学習に関する新しい視点が生まれていました。ハーバード大学のバーラス フレデリック "BF" スキナーは、ソーンダイクのコネクショニズムの学習理論やプレッシーのティーチング マシンには賛同しませんでした。むしろ、スキナーは行動主義者であり、学習者は認識に頼るのではなく、自分で答えを組み立てるべきだと考えていました。[6] 彼もまた、質問に正しく答えた学生に報酬を与える漸進的な機械システムを備えたティーチング マシンを構築しました。[6]
初期の電子システム
第二次世界大戦後の時期には、機械的なバイナリ システムはバイナリ ベースの電子機械に取って代わられました。これらの機械は、論理的な判断を行う能力があったため、機械的な機械に比べてインテリジェントであると考えられていました。しかし、機械の知能を定義し認識する研究はまだ初期段階にありました。
数学者、論理学者、コンピュータ科学者であるアラン・チューリングは、コンピュータシステムを思考と結び付けました。彼の最も有名な論文の1つは、機械の知能を評価するための仮説的なテストの概要を示しており、これはチューリングテストとして知られるようになりました。基本的に、このテストでは、1人の人が他の2人のエージェント、つまり人間とコンピュータと通信し、両方の受信者に質問をします。質問した人間がもう1人の人間とコンピュータを区別できないように応答できれば、コンピュータはテストに合格します。チューリングテストは、その本質において、現在のITS開発のモデルとして20年以上使用されてきました。ITSシステムの主な理想は、効果的に通信することです。[7] 1950年代には早くも、インテリジェントな機能を示すプログラムが登場していました。チューリングの研究や、その後のアレン・ニューウェル、クリフォード・ショー、ハーブ・サイモンなどの研究者によるプロジェクトでは、論理的な証明や定理を作成できるプログラムが示されました。彼らのプログラム「ロジック・セオリスト」は、複雑な記号操作や、人間の直接的な制御なしに新しい情報を生成することさえ示しており、一部の人々からは最初のAIプログラムであると考えられています。このようなブレークスルーは、1956年にジョン・マッカーシーによってダートマス会議で正式に命名された新しい分野「人工知能」に影響を与えました。[4]この会議は、AI分野の科学者と研究に専念した最初の会議でした。
1960年代後半から1970年代にかけて、コンピュータサイエンスの進歩を基にした新しいCAI（コンピュータ支援指導）プロジェクトが数多く登場した。 1958年にALGOLプログラミング言語が開発されたことで、多くの学校や大学がコンピュータ支援指導（CAI）プログラムの開発を開始できるようになった。IBM、HP、国立科学財団など米国の大手コンピュータベンダーや連邦政府機関が、これらのプロジェクトの開発に資金を提供した。[8]教育における初期の実装では、コンピュータ化された入出力システムに基づく構造であるプログラム指導（PI）に重点が置かれていた。この形式の指導は多くの人が支持していたが、その有効性を裏付ける証拠は限られていた。[7]プログラミング言語LOGOは、教育用に合理化された言語として1967年にWally Feurzeig、Cynthia Solomon、Seymour Papertによって作成された。 PLATOは、ディスプレイ、アニメーション、タッチコントロールを備え、大量の教材を保存して配信できる教育用端末で、1970年代初頭にイリノイ大学のドナルド・ビッツァーによって開発されました。これと並行して、米国、英国、カナダを含む多くの国で他の多くのCAIプロジェクトが開始されました。[8]
CAIへの関心が高まっていたのと同時期に、ジェイム・カーボネルは、コンピュータは単なるツールではなく、教師として機能できると示唆した（Carbonell、1970年）。[9]インテリジェント・コンピュータ支援教育またはインテリジェント・チュータリング・システム（ITS）と呼ばれる、生徒を知的に指導するためにコンピュータを使用することに焦点を当てた新しい観点が登場した。CAIがスキナーの理論に基づいた学習に対する行動主義的観点を使用したのに対し（Dede & Swigger、1988年）、[10] ITSは認知心理学、コンピュータサイエンス、特に人工知能の研究を活用した。[10]この時期にAI研究は、システムが前10年間の論理重視から知識ベースシステムへと移行し、システムが事前の知識に基づいてインテリジェントな決定を下せるようになった（Buchanan、2006年）。[4]このようなプログラムは、既存のデータから可能な化学構造を予測するシステムであるDendralを作成したシーモア・パパートとアイラ・ゴールドスタインによって作成された。知識に重点を置いたこれらの変化は、コンピュータを教育にどのように活用できるかに大きな影響を与えました。しかし、ITSの技術的要件はCAIシステムよりも高く複雑であることが判明し、ITSシステムはこの時点では限られた成功しか収められませんでした。[8]
1970年代後半になると、CAI技術への関心は薄れ始めました。[8] [11]コンピュータは依然として高価で、期待したほど入手できませんでした。開発者やインストラクターは、CAIプログラムの開発コストの高さ、インストラクターのトレーニングの不十分さ、リソースの不足に否定的な反応を示しました。[11]
マイクロコンピュータとインテリジェントシステム
1970年代後半から1980年代前半にかけてのマイクロコンピュータ革命は、CAI開発の復活とITSシステムの開発の急速な発展に貢献した。Apple II、Commodore PET、TRS-80などのパーソナルコンピュータの登場により、コンピュータを所有するために必要なリソースが削減され、1981年までに米国の学校の50%がコンピュータを使用するようになった（Chambers & Sprecher、1983）。 [8 ] 1981年のブリティッシュコロンビアプロジェクトやカリフォルニア州立大学プロジェクトなど、いくつかのCAIプロジェクトでは、高校や大学でCAIプログラムを提供するシステムとしてApple 2を利用した。[8]
1980 年代初頭には、インテリジェント コンピュータ支援教育 (ICAI) と ITS の目標も CAI のルーツから分岐しました。CAI が特定の関心領域向けに作成されたコンテンツとのより深いインタラクションに重点を置くようになると、ITS はタスクの知識と、その知識を非特定の方法で一般化する能力に重点を置いたシステムの作成を目指しました (Larkin & Chabay、1992)。[10] ITS に設定された主要な目標は、タスクを教えるだけでなく実行し、状況に動的に適応できるようにすることでした。CAI から ICAI システムへの移行では、コンピュータは正しい応答と誤った応答を区別するだけでなく、誤った応答の種類を区別して、指導の種類を調整する必要がありました。人工知能と認知心理学の研究がITS の新しい原則を促進しました。心理学者は、コンピュータがどのように問題を解決し、「インテリジェントな」活動を実行できるかを検討しました。 ITS プログラムは、知識を表現、保存、検索でき、さらに独自のデータベースを検索して、学習者の質問に答えるための独自の新しい知識を導き出すことができなければなりません。基本的に、ITS または (ICAI) の初期の仕様では、「エラーを診断し、診断に基づいて修復を調整する」ことが求められています (Shute & Psotka、1994、p. 9)。[7] 診断と修復の考え方は、今日でも ITS のプログラミングで使用されています。
ITS 研究における重要なブレークスルーは、LISP チューターの作成でした。これは、ITS の原理を実用的な方法で実装し、学生のパフォーマンスを向上させる有望な効果を示したプログラムです。LISP チューターは、LISP プログラミング言語を学生に教えるための ITS システムとして 1983 年に開発および研究されました (Corbett & Anderson、1992)。[12] LISP チューターは、学生が演習を行っている間に間違いを特定し、建設的なフィードバックを提供することができました。このシステムにより、学生のテストのスコアが向上しながら、演習を完了するために必要な時間が短縮されました (Corbett & Anderson、1992)。[12]この頃に開発が始まった他の ITS システムには、1984 年に Logica によって一般的な指導ツールとして作成された TUTOR [13]や、1989 年にカーネギーメロン大学で言語指導用に作成された PARNASSUS などがあります。[14]
現代のITS
初期のITSの実装後、より多くの研究者がさまざまな学生向けに多くのITSを作成しました。20世紀後半には、6つの大学が参加したビザンチウムプロジェクトによってインテリジェントチュータリングツール（ITT）が開発されました。ITTは汎用のチュータリングシステムビルダーであり、多くの機関が使用中に肯定的なフィードバックを得ました。（Kinshuk、1996）[15]このビルダーであるITTは、さまざまな科目領域のインテリジェントチュータリングアプレット（ITA）を作成します。さまざまな教師がITAを作成し、インターネットを通じて他の人がアクセスできる大規模な知識インベントリを構築しました。ITSが作成されると、教師はそれをコピーして、将来の使用のために修正することができます。このシステムは効率的で柔軟性がありました。しかし、KinshukとPatelは、ITSは教育の観点から設計されておらず、学生と教師の実際のニーズに基づいて開発されていないと考えました（KinshukとPatel、1997）。[16] 最近の研究では、民族誌学とデザイン研究の方法[17]を用いて、ITSが学生[18]と教師[19]によって実際にどのように使用されているかをさまざまな状況で調査し、ITSが満たしている、満たしていない、あるいは場合によっては生み出している予期せぬニーズが明らかになった。
現代のITSは、通常、教師やティーチングアシスタントの役割を再現しようとし、問題の生成、問題の選択、フィードバックの生成などの教育機能を自動化する傾向が強まっています。しかし、現在、ブレンド型学習モデルへの移行が進んでいることを踏まえ、ITSに関する最近の研究では、これらのシステムが、同じ場所にある教室やその他の社会的状況で使用される場合に、教師[20]や同僚[21]による人間主導の指導の相補的な強みを効果的に活用する方法に焦点を当て始めています。[22]
会話型対話に基づいて機能する ITS プロジェクトは 3 つあった。AutoTutor、Atlas (Freedman, 1999) [23]、Why2 である。これらのプロジェクトの背景にある考え方は、生徒は知識を自分で構築することによって最もよく学ぶため、プログラムは生徒に対して誘導的な質問から始め、最後の手段として答えを出すというものである。AutoTutor の生徒はコンピュータ技術に関する質問に答えることに焦点を当て、Atlas の生徒は定量的な問題を解くことに焦点を当て、Why2 の生徒は物理システムを定性的に説明することに焦点を当てた (Graesser、VanLehn、その他、2001) [24] 。Andes (Gertner、Conati、VanLehn、1998) [25]などの同様の個人指導システムは、生徒が質問に答えるのに苦労しているときに、生徒にヒントと即時のフィードバックを提供する傾向がある。生徒は概念を深く理解していなくても、答えを推測して正解することができた。調査は、それぞれ Atlas と Andes を使用して、少人数の生徒グループを対象に行われた。結果によると、Atlasを使用した学生はAndesを使用した学生と比較して大幅な改善が見られました。[26]しかし、上記のシステムでは学生の対話を分析する必要があるため、より複雑な対話に対応できるようにするための改善はまだ行われていません。
構造
インテリジェント指導システム（ITS）は、研究者の一般的な合意に基づく4つの基本コンポーネントで構成されています（Nwana、1990; [27] Freedman、2000; [28] Nkambou et al.、2010 [29]）。
- ドメインモデル
- 学生モデル
- 個別指導モデルと
- ユーザーインターフェースモデル
ドメインモデル（認知モデルまたは専門知識モデルとも呼ばれる）は、問題を解決するために必要となるすべての可能なステップを考慮しようとするACT-R理論などの学習理論に基づいて構築されます。より具体的には、このモデルには「学習するドメインの概念、ルール、および問題解決戦略が含まれています。専門知識のソース、学生のパフォーマンスを評価するための基準、またはエラーを検出するための基準など、いくつかの役割を果たすことができます」（Nkambou et al.、2010、p. 4）。[29]ドメインモデルを開発するための別のアプローチは、Stellan Ohlssonのパフォーマンスエラーからの学習理論[30]に基づいており、制約ベースモデリング（CBM）として知られています。[31]この場合、ドメインモデルは正しいソリューションに対する一連の制約として提示されます。[32] [33]
学生モデルは、ドメインモデルへのオーバーレイと考えることができます。これは、学習プロセスが進むにつれて学生の認知的および情緒的状態とそれらの変化に特別な注意を払うITSのコアコンポーネントであると考えられています。学生が問題解決プロセスを段階的に進めていくと、ITSはモデルトレースと呼ばれるプロセスを実行します。学生モデルがドメインモデルから逸脱するたびに、システムはエラーが発生したことを識別、またはフラグを立てます。一方、制約ベースのチューターでは、学生モデルは制約セットへのオーバーレイとして表されます。[34]制約ベースのチューター[35]は、制約セットに対して学生のソリューションを評価し、満たされている制約と違反している制約を特定します。違反している制約がある場合、学生のソリューションは正しくなく、ITSはそれらの制約に関するフィードバックを提供します。[36] [37]制約ベースのチューターは、否定的なフィードバック（つまり、エラーに関するフィードバック）と肯定的なフィードバックを提供します。[38]
チューターモデルはドメインモデルと生徒モデルから情報を受け取り、指導戦略と行動について選択を行います。問題解決プロセスのどの時点でも、学習者はモデル内の現在の位置に応じて次に何をすべきかについてのガイダンスを要求することができます。さらに、システムは学習者がモデルの生成ルールから逸脱したことを認識し、学習者にタイムリーなフィードバックを提供します。これにより、目標スキルの習熟までの時間が短縮されます。[39]チューターモデルには、学習済みまたは未学習の 2つの状態のいずれかで存在すると言える数百の生成ルールが含まれている場合があります。生徒が問題にルールを正常に適用するたびに、システムは生徒がルールを学習した確率の推定値を更新します。システムは、ルールが学習された確率が少なくとも95％の確率に達するまで、ルールの効果的な適用を必要とする演習を生徒に繰り返します。[40]
知識追跡は、問題ごとに学習者の進捗状況を追跡し、生成ルールに対する長所と短所のプロファイルを作成します。カーネギーメロン大学のジョン・アンダーソンが開発した認知指導システムは、知識追跡からの情報をスキルメーターとして提示します。スキルメーターは、代数問題を解くことに関連する監視対象の各スキルにおける学習者の成功を視覚的に表すグラフです。学習者がヒントを要求したり、エラーがフラグ付けされたりすると、知識追跡データとスキルメーターがリアルタイムで更新されます。
ユーザーインターフェースコンポーネントは、「対話を実行するために必要な3種類の情報を統合します。対話内の解釈パターン（話者を理解するため）とアクション（発話を生成するため）に関する知識、コンテンツの伝達に必要なドメイン知識、意図の伝達に必要な知識です」（Padayachee、2002、p.3）。[41]
Nkambou ら (2010) は、Nwana (1990) [27]によるさまざまなアーキテクチャのレビューに言及し、アーキテクチャとパラダイム (または哲学) の強いつながりを強調しています。Nwana (1990) は、「同じアーキテクチャに基づく 2 つの ITS を見つけることはほとんどまれであり、これはこの分野の研究の実験的な性質によるものです」と述べています (p. 258)。彼はさらに、異なる指導哲学は学習プロセスの異なるコンポーネント (つまり、ドメイン、学生、または講師) を強調すると説明しています。ITS のアーキテクチャ設計はこの強調を反映しており、さまざまなアーキテクチャが生まれますが、そのどれもが個別にすべての指導戦略をサポートすることはできません (Nwana、1990、Nkambou ら、2010 で引用)。さらに、ITS プロジェクトは、コンポーネントの相対的な知能レベルに応じて異なる場合があります。例えば、ドメインモデルにおける知能を強調するプロジェクトでは、複雑で斬新な問題に対する解決策を生成し、学生たちが常に新しい問題に取り組むことができるようにできるかもしれないが、それらの問題を教える方法は単純であるかもしれない。一方、特定のトピックを教える複数の方法や斬新な方法に重点を置くシステムでは、その内容の表現がそれほど洗練されていないものでも十分であるかもしれない。[28]
設計と開発の方法
ITSアーキテクチャはそれぞれ異なる要素を重視していますが、その違いを除けば、ITSの開発は他の教育設計プロセスとほとんど同じです。Corbettら（1997）は、ITSの設計と開発を4つの反復段階（1）ニーズ評価、（2）認知タスク分析、（3）初期チューター実装、（4）評価と要約しています。[42]
ニーズ評価として知られる最初の段階は、あらゆる教育設計プロセス、特にソフトウェア開発に共通する。これには、学習者分析、主題専門家および/またはインストラクターとの協議が含まれる。この最初のステップは、専門家/知識と学生の領域の開発の一部である。目標は、学習目標を特定し、カリキュラムの一般的な計画を概説することである。従来の概念をコンピューター化するのではなく、タスクを一般的に定義し、タスクに対処する学習者の可能な行動と、それほどではないが講師の行動を理解することによって、新しいカリキュラム構造を開発することが不可欠である。そうすることで、3つの重要な側面に対処する必要がある。(1)学生が問題を解決できる可能性、(2)このパフォーマンスレベルに到達するのにかかる時間、(3)学生が将来この知識を積極的に使用する可能性。分析が必要なもう1つの重要な側面は、インターフェースの費用対効果である。さらに、教師と学生の両方のグループがシステムユーザーになるため、事前の知識などの入学特性を評価する必要がある。[42]
第 2 段階の認知タスク分析は、エキスパート システム プログラミングへの詳細なアプローチであり、必要な問題解決知識の有効な計算モデルを開発することを目標としています。ドメイン モデルを開発するための主な方法には、(1) ドメインの専門家へのインタビュー、(2) ドメインの専門家との「思考発話」プロトコル研究の実施、(3) 初心者との「思考発話」研究の実施、(4) 教授および学習行動の観察などがあります。最初の方法が最も一般的に使用されていますが、専門家は通常、認知コンポーネントを報告することができません。「思考発話」法では、専門家に典型的な問題を解くときに考えていることを声に出して報告するように依頼し、この問題を回避できます。[42]チューターと生徒の実際のオンライン インタラクションを観察すると、問題解決に使用されるプロセスに関する情報が得られ、対話やインタラクションをチューター システムに組み込むのに役立ちます。[43]
3番目の段階である初期チューターの導入では、本物の学習プロセスを可能にし、サポートするための問題解決環境の構築が含まれます。この段階の後には、最終段階として一連の評価活動が続きますが、これもまた他のソフトウェア開発プロジェクトと同様です。[42]
第4段階の評価には、(1)基本的なユーザビリティと教育的影響を確認するためのパイロットスタディ、(2)開発中のシステムの形成的評価（(3)システム機能の有効性を検証するパラメトリックスタディを含む）、そして最後に(4)最終的なチューターの効果（学習率と漸近的達成レベル）の総括的評価が含まれます。[42]
このプロセスをサポートし、インテリジェントな家庭教師を作成するために、ASPIRE、[44]、認知家庭教師オーサリングツール（CTAT）、[45]、 GIFT、[46]、 ASSISTments Builder [47]、AutoTutorツールなど、さまざまなオーサリングツールが開発されています。[48]これらのオーサリングツールのほとんどの目的は、家庭教師の開発プロセスを簡素化し、プロのAIプログラマーよりも専門知識が少ない人でもインテリジェントな家庭教師システムを開発できるようにすることです。
ITS設計と開発の8つの原則
アンダーソンら(1987) [49]は、インテリジェントな家庭教師の設計のための8つの原則を概説し、コーベットら(1997) [42]は後にそれらの原則を詳しく説明し、インテリジェントな家庭教師の設計を支配する包括的な原則を強調しました。彼らはこの原則を次のように呼びました。
原則 0: インテリジェントなチューター システムは、生徒が問題解決を成功に導くようにする必要があります。
- 学生の能力を生産セットとして表現します。
- 問題解決の根底にある目標構造を伝えます。
- 問題解決の文脈で指導を提供します。
- 問題解決の知識の抽象的な理解を促進します。
- 作業メモリの負荷を最小限に抑えます。
- エラーに関するフィードバックを即時に提供します。
- 学習に合わせて指導の粒度を調整します。
- 目標スキルへの連続的な近似を容易にする。[42]
実際の使用
これらすべては、作業を容易にするオーサリングツールが利用可能になったとしても、かなりの作業量です。[50]つまり、ITSの構築は、開発コストが比較的高いにもかかわらず、人間のインストラクターの必要性を減らすか、全体的な生産性を十分に高めることによって全体的なコストを削減できる場合にのみ選択肢となります。このような状況は、大規模なグループを同時に指導する必要がある場合、または多くの複製された指導努力が必要な場合に発生します。好例は、軍隊の新兵の訓練や高校の数学などの技術訓練の状況です。インテリジェントな個人指導システムの1つであるCognitive Tutorは、米国のかなりの数の高校で数学のカリキュラムに組み込まれており、最終試験や標準テストで生徒の学習成果が向上しています。[51]インテリジェントな個別指導システムは、地理、回路、医療診断、コンピュータプログラミング、数学、物理学、遺伝学、化学などを学ぶ学生を支援するために構築されてきました。インテリジェント言語個別指導システム（ILTS）、例えばこの[52]は、第一言語または第二言語の学習者に自然言語を教えます。ILTSには、大規模な辞書や、許容できる範囲をカバーする形態素解析および文法解析ツールなどの特殊な自然言語処理ツールが必要です。
アプリケーション
ウェブブームの急速な拡大の過程で、 eラーニングや分散学習などの新しいコンピュータ支援教育パラダイムが、ITSのアイデアに優れたプラットフォームを提供しました。ITSが使用されている分野には、自然言語処理、機械学習、プランニング、マルチエージェントシステム、オントロジー、セマンティックウェブ、ソーシャルおよび感情コンピューティングなどがあります。さらに、マルチメディア、オブジェクト指向システム、モデリング、シミュレーション、統計などの他の技術もITSと関連付けられ、または組み合わせられています。歴史的に、教育科学や心理学などの非技術分野もITSの成功の影響を受けています。[53]
近年[いつ? ]、ITSは検索ベースのものから離れて、さまざまな実用的なアプリケーションを取り入れるようになりました。[54] ITSは多くの重要かつ複雑な認知領域に拡大し、その結果は広範囲に及んでいます。ITSシステムは正式な教育の中で確固たる地位を築き、これらのシステムは企業研修や組織学習の分野で定着しています。ITSは、個別学習、ジャストインタイムのフィードバック、時間と空間の柔軟性など、学習者にいくつかの利点を提供します。
インテリジェント チュータリング システムは認知心理学と人工知能の研究から発展しましたが、現在では教育や組織で多くのアプリケーションが使用されています。インテリジェント チュータリング システムはオンライン環境や従来の教室のコンピュータ ラボで使用されており、K-12 の教室や大学で使用されています。数学を対象とするプログラムは多数ありますが、健康科学、言語習得、その他の形式化された学習分野でもアプリケーションが使用されています。
生徒の理解、関与、態度、意欲、学業成績の向上に関する報告は、こうしたシステムへの投資と研究への継続的な関心につながっています。インテリジェントな個別指導システムのパーソナライズされた性質により、教育者は個別のプログラムを作成する機会を得ることができます。教育にはインテリジェントな個別指導システムが数多く存在し、網羅的なリストは存在しませんが、より影響力のあるプログラムのいくつかを以下に挙げます。
教育
2024年5月現在、Appleの App Storeの教育アプリトップ20のうち5つをAI家庭教師が占めており、そのうち2つは中国の開発者によるものである。[55]
- 代数学の家庭教師
- カーネギーメロン大学のピッツバーグ高度認知チューターセンターが開発したPAT（PUMP Algebra TutorまたはPractical Algebra Tutor）は、アンカー学習問題に学生を参加させ、現代の代数ツールを使用して学生を問題解決と結果の共有に参加させます。PATの目的は、学生の事前知識と数学に関する日常の経験を活用して成長を促進することです。PATの成功は、統計的（学生の結果）と感情的（学生と教師のフィードバック）の両方の観点から十分に文書化されています（例：マイアミデイド郡公立学校評価研究局）。[56]
- SQL チューター
- SQL-Tutor [57] [58]は、ニュージーランドのカンタベリー大学のインテリジェントコンピュータチュータリンググループ（ICTG）によって開発された、史上初の制約ベースのチューターです。SQL-Tutorは、SQL SELECTステートメントを使用してデータベースからデータを取得する方法を学生に教えます。[59]
- EER チューター
- EER-Tutor [60]は、エンティティリレーションシップモデルを使用して概念データベース設計を教える制約ベースのチューター（ICTGによって開発）です。EER-Tutorの初期のバージョンは、ERモデリング用のスタンドアロンチューターであるKERMITであり、1時間の学習で学生の知識が大幅に向上しました（効果サイズ0.6）。[61]
- 収集UML
- COLLECT-UML [62]は、UMLクラス図を共同で作成する学生のペアをサポートする制約ベースのチューターです。チューターは、ドメインレベルだけでなく共同作業についてもフィードバックを提供します。
- ストイッチチューター
- StoichTutor [63] [64]は、高校生が化学、特に化学量論と呼ばれる化学のサブ領域を学ぶのに役立つウェブベースのインテリジェントな家庭教師です。これは、実例[65] [66]や礼儀正しさ[67] [68]など、さまざまな学習科学の原理とテクニックを探求するために使用されています。
- 数学の家庭教師
- 数学の家庭教師（Beal、Beck、Woolf、1998）は、分数、小数、パーセンテージを使った文章問題を解くのを生徒に手伝わせる。家庭教師は、生徒が問題に取り組んでいる間の成功率を記録し、その後、生徒に適切なレベルの問題を提供する。その後に選択される問題は生徒の能力に基づいており、生徒が問題を解くのに望ましい時間が推定される。[69]
- 電子教師
- eTeacher (Schiaffino et al., 2008) は、パーソナライズされたeラーニング支援をサポートするインテリジェントエージェントまたは教育エージェントです。オンラインコースでの学生のパフォーマンスを観察しながら学生のプロファイルを作成します。eTeacherは学生のパフォーマンス情報を使用して、学習プロセスを支援するように設計されたパーソナライズされた行動方針を提案します。[70]
- ゾスマット
- ZOSMATは、実際の教室のあらゆるニーズに対応するように設計されました。学習プロセスのさまざまな段階で生徒を追跡し、指導します。これは生徒中心のITSであり、生徒の学習の進捗状況を記録し、生徒の努力に基づいて生徒プログラムを変更することでこれを実現します。ZOSMATは、個人学習にも、人間の家庭教師の指導とともに実際の教室環境で使用することもできます。[71]
- リアルプ
- REALPは、読者に特化した語彙練習と、Webから収集した有用で本物の読み物を使った個人練習を提供することで、生徒の読解力を高めるために設計されました。システムは、生徒のパフォーマンスに応じて自動的にユーザーモデルを構築します。読書後、生徒は読書で見つかった目標語彙に基づいた一連の練習を受けます。[72]
- CIRCSlM-チューター
- CIRCSIM_Tutorは、イリノイ工科大学の医学部1年生が使用するインテリジェントな個別指導システムです。自然な対話ベースのソクラテス式言語を使用して、学生が血圧の調節について学習できるようにします。[73]
- Why2-アトラス
- Why2-Atlas は、物理学の原理に関する学生の説明を分析する ITS です。学生は段落形式で自分の文章を入力し、プログラムはその説明に基づいて学生の考えを仮定して、その言葉を証明に変換します。この過程で、誤解や不完全な説明が強調表示されます。その後、システムは学生との対話を通じてこれらの問題に対処し、学生にエッセイの修正を求めます。プロセスが完了するまでに、いくつかの反復が行われる場合があります。[74]
- スマートチューター
- 香港大学（HKU）は、継続教育を受ける学生のニーズをサポートするためにSmartTutorを開発しました。HKUの成人教育では、パーソナライズされた学習が重要なニーズであると認識されており、SmartTutorはそのニーズを満たすことを目指しています。SmartTutorは、インターネット技術、教育研究、人工知能を組み合わせて学生をサポートします。[75]
- オートチューター
- AutoTutorは、人間の講師の談話パターンと教育戦略をシミュレートすることで、大学の学生がコンピュータリテラシー入門コースでコンピュータハードウェア、オペレーティングシステム、インターネットについて学習するのを支援します。AutoTutorは、学習者のキーボード入力を理解し、フィードバック、プロンプト、訂正、ヒントを使用して会話の流れを形成します。[76]
- アクティブマス
- ActiveMathは、ウェブベースの適応型数学学習環境です。このシステムは、遠隔学習の改善、従来の教室での授業の補完、個人学習と生涯学習のサポートを目指しています。[77]
- ESC101-ITS
- インドのカンプールにあるインド工科大学は、初歩的なプログラミング問題を指導するインテリジェントな指導システムである ESC101-ITS を開発しました。
- アダプタエラー
- [78]は、インタラクティブな誤った例を使用して学生が小数点の計算を学習するのを助ける適応型インテリジェントチューターです。[79] [80] [81]
企業研修と業界
GIFT (Generalized Intelligent Framework for Tutoring)は、コンピュータベースの個別指導システムを作成するために設計された教育用ソフトウェアです。2009年から 2011 年にかけて米国陸軍研究所によって開発され、2012 年 5 月に商用利用向けにリリースされました。 [82] GIFT はオープンソースでドメインに依存せず、オンラインで無料でダウンロードできます。このソフトウェアを使用すると、インストラクターは既存のコースを調整することで、さまざまな分野をカバーできる個別指導プログラムを設計できます。このソフトウェアには、研究者、教育設計者、インストラクター、学生が使用することを目的としたコースワークツールが含まれています。[83] GIFT は、PowerPoint プレゼンテーションなどの他の教材と互換性があり、プログラムに統合できます。[83]
SHERLOCK 「SHERLOCK」は、空軍技術者がF-15ジェット機の電気システムの問題を診断する訓練に使用されています。ITSは、訓練生が位置を特定して診断できるように、システムの故障した概略図を作成します。ITSは診断結果を提供し、訓練生は故障がテスト中の回路にあるか、システムの他の部分にあるかを判断できます。フィードバックとガイダンスはシステムによって提供され、要求に応じてヘルプが利用できます。 [84]
心臓チューター 心臓チューターの目的は、医療従事者に高度な心臓サポート技術をサポートすることです。チューターは心臓の問題を提示し、さまざまな手順を使用して、学生はさまざまな介入を選択する必要があります。心臓チューターは、学習をパーソナライズして最適化するために、ヒント、口頭でのアドバイス、フィードバックを提供します。各シミュレーションでは、学生が患者をうまく助けることができたかどうかに関係なく、学生がレビューする詳細なレポートが作成されます。 [85]
CODES 協同音楽プロトタイプデザインは、協同音楽プロトタイプ作成のためのウェブベースの環境です。これは、特に音楽の専門家ではないユーザーがプロトタイプ方式で楽曲を作成できるように設計されました。楽曲サンプル (プロトタイプ) は繰り返しテスト、再生、修正することができます。CODES の主な特徴の 1 つは、音楽クリエイターとそのパートナー間の相互作用と協力です。 [86]
効果
ITS プログラムの有効性を評価することは困難です。ITS は設計、実装、教育の焦点が大きく異なります。ITS が教室で使用される場合、システムは生徒だけでなく教師も使用します。この使用法は、さまざまな理由により、効果的な評価の妨げになる可能性があります。最も顕著なのは、教師が生徒の学習に介入することです。
教師は、システムに新しい問題を入力したり、カリキュラムを調整したりできることが多い。さらに、教師や同僚は、生徒がITSで学習している間（たとえば、個別のコンピュータラボセッション中、またはラボセッションの合間の教室での講義中）に、ソフトウェアを使った学習に影響を与えるような方法で生徒とやり取りすることが多い。[20]以前の研究によると、ITSを使用している教室での生徒の助けを求める行動の大部分は、完全にソフトウェアの外で発生する可能性がある。つまり、特定のクラスでの同僚や教師のフィードバックの性質と質は、これらの状況での生徒の学習の重要な媒介要因である可能性がある。[18]さらに、生徒が公の場で助けを求めることに対する全体的な快適さのレベル[17]や、教師が個々の生徒を物理的に監視する程度[87]などの教室の雰囲気の側面は、評価状況間での変動のさらなる原因となる可能性がある。これらの変数はすべて、ITSの評価を複雑にし、[88]、評価研究間での結果の変動を説明するのに役立つ可能性がある。[89]
固有の複雑さにもかかわらず、多くの研究がITSの全体的な有効性を測定しようとしており、その多くはITSと人間の家庭教師を比較している。[90] [91] [92] [3]初期のITSシステムのレビュー（1995年）では、家庭教師なしと比較してd = 1.0 の効果サイズが示されたのに対し、人間の家庭教師にはd = 2.0の効果サイズが与えられた。[90] Kurt VanLehnによる現代のITSに関するずっと最近の概観（2011年）では、専門家による1対1の人間の家庭教師とステップベースのITSの間には効果サイズに統計的な差がないことが判明した。[3]個々のITSの中には、他のITSよりも肯定的に評価されているものもある。代数認知家庭教師の研究では、ITSの生徒は、標準テストの問題や現実世界の問題解決タスクにおいて、教室の教師に教わった生徒よりも成績が優れていることがわかった。[93] その後の研究では、これらの結果は、特別教育を受けている生徒、英語を母国語としない生徒、低所得者層の生徒で特に顕著であることが判明しました。[94]
最近のメタ分析では、特に標準化されたテストではなくローカル（特定の）テストで測定した場合、ITS は CAI と人間の講師の両方の有効性を上回る可能性があることが示唆されています。 「インテリジェントな個別指導を受けた生徒は、50 の統制評価のうち 46 件 (92%) で、従来のクラスの生徒よりも成績が優れており、50 件の研究のうち 39 件 (78%) で、パフォーマンスの向上は実質的な重要性があると考えられるほど大きかった。50 件の研究の平均 ES は 0.66 で、社会科学の研究としては中程度から大きな効果と考えられる。これは、テストの成績が 50 パーセンタイルから 75 パーセンタイルに向上するのとほぼ同等である。これは、他の形式の個別指導による典型的な効果よりも強い。たとえば、C.-LC Kulik と Kulik (1991) のメタ分析では、CAI 個別指導に関する 165 件の研究で平均 ES が 0.31 であることがわかった。ITS による向上は約 2 倍である。ITS 効果は、人間の個別指導による典型的な効果よりも大きい。これまで見てきたように、人間の個別指導プログラムは、通常、生徒の成績を向上する。テストスコアは、コントロールレベルより約 0.4 標準偏差高い。ITS の開発者は、CAI による指導の成功を改善し、人間による指導の成功に匹敵することを目指して、ずっと以前から取り組んできた。私たちの結果は、ITS の開発者がすでにこの両方の目標を達成していることを示している... ローカルに開発されたテストの結果を測定する評価では、効果は中程度から強いが、標準化されたテストの結果を測定する評価では、はるかに小さい。ローカル テストを使用した研究の平均 ES は 0.73 で、標準化されたテストを使用した研究の平均 ES は 0.13 だった。この矛盾は、ローカル テストと標準化されたテストの両方を含むメタ分析では珍しいことではない... ローカル テストは、特定の指導プログラムの目的とよく一致する可能性が高い。既製の標準化されたテストは、より緩い適合を提供する。... ローカル テストと標準化されたテストの両方が指導の有効性に関する重要な情報を提供し、可能であれば、両方のタイプのテストを評価研究に含めるべきであると私たちは信じている。」[95]
ITSの強みとして、即時の「はい/いいえ」フィードバック、個別のタスク選択、オンデマンドヒント、習熟学習のサポートなどが挙げられます。[3] [96]
制限事項
インテリジェント チュータリング システムは、開発と実装の両方にコストがかかります。研究段階は、商業的に実行可能なシステムの開発への道を開きます。ただし、研究段階は多くの場合コストがかかります。主題専門家の協力と入力、組織と組織レベルの両方にわたる個人の協力とサポートが必要です。開発段階のもう 1 つの制限は、予算と時間の制約内でのソフトウェアの概念化と開発です。開発に必要な長い時間枠やシステム コンポーネントの作成にかかるコストが高いなど、インテリジェント チューターを現実世界に組み込むことを制限する要因もあります。そのコストの大部分は、コンテンツ コンポーネントの構築によるものです。[29]たとえば、調査によると、1 時間のオンライン指導時間をエンコードするには、指導コンテンツの開発に 300 時間かかりました。[97]同様に、Cognitive Tutor の構築には、開発時間と指導時間の比率が少なくとも 200:1 時間かかりました。[90]開発コストが高いため、現実世界への適用を再現する努力が上回ることがよくあります。[98] インテリジェントな指導システムは、一般的に、現実世界での応用には商業的に実現可能ではない。[98]
現在使用されているインテリジェント チュータリング システムに対する批判は、システムを「インテリジェント」にするために組み込まれた即時フィードバックとヒント シーケンスの教育法です。この教育法は、学生の深い学習を育成できないと批判されています。ヒントを受け取る能力を学生に制御させると、学習反応は否定的になります。一部の学生は、問題を解いたりタスクを完了したりする前に、すぐにヒントに頼ります。それが可能な場合、一部の学生は、タスクをより速く完了するために、ヒントをできるだけ多く、できるだけ速く受け取るようにしています。学生がチュータリング システムのフィードバックやヒントを反映せず、代わりに肯定的なフィードバックが得られるまで推測を増やすと、学生は事実上、間違った理由で正しいことを学んでいることになります。ほとんどのチュータリング システムは現在、浅い学習を検出したり、生産的な努力と非生産的な努力を区別したりすることができません (ただし、たとえば[99] [100]を参照)。これらの理由と他の多くの理由（例えば、基礎となるモデルが特定のユーザー集団に過剰適合すること[101]）により、これらのシステムの有効性はユーザー間で大きく異なる可能性があります。[102]
インテリジェントな個別指導システムに対する別の批判は、システムが学生に質問して行動を説明することができないことである。学生がドメイン言語を学んでいない場合、より深い理解を得ること、グループで協力して作業すること、ドメイン言語を文章に転用することがより困難になる。たとえば、学生が「科学について話す」ことがない場合は、科学の文化に浸っていないと主張され、科学的な文章を書くことや共同チーム作業に参加することが困難になる。インテリジェントな個別指導システムは、あまりにも「指導主義的」であり、学習から内発的動機、社会的学習コンテキスト、およびコンテキストのリアリズムを排除していると批判されてきた。[103]
スポンサー/当局とユーザーがインテリジェントな個別指導システムを採用する傾向に関する実際的な懸念が考慮される必要がある。[98]まず、誰かがITSを実装する意欲を持たなければならない。[98]さらに、当局はインテリジェントな個別指導ソフトウェアを現在のカリキュラムに統合する必要性を認識する必要があり、最後に、スポンサーまたは当局は、システムが完成して実装されるまで、システム開発の段階を通じて必要なサポートを提供しなければならない。[98]
インテリジェント チュータリング システムの評価は重要な段階ですが、多くの場合、困難で、コストがかかり、時間がかかります。[98]文献にはさまざまな評価手法が紹介されていますが、特定の状況で使用する適切な評価方法を選択するための指針はありません。[104] [105]複雑なシステムが主張どおりに機能していることを確認するには、慎重な検査を行う必要があります。この評価は、システムの設計中および初期開発中に、問題を特定して変更を導くために行われる場合があります (形成的評価)。[106]対照的に、評価は、完成したシステムの構築、動作、または完成したシステムに関連する結果に関する正式な主張を裏付けるために、システムの完成後に行われる場合があります (総括的評価)。[106]評価基準の欠如によってもたらされた大きな課題により、いくつかの既存の ITS で評価段階が無視されるようになりました。[104] [105] [106]
改善点
インテリジェントな個別指導システムは、対話やフィードバックの分野では人間の個別指導者よりも能力が劣ります。たとえば、人間の個別指導者は生徒の感情状態を解釈し、その認識に応じて指導を適応させることができます。最近の研究では、ITS のこれらの限界を克服し、より効果的なものにするための潜在的な戦略が模索されています。
対話
人間の家庭教師は、対話の中で相手の口調や抑揚を理解し、それを解釈して、進行中の対話を通じて継続的にフィードバックを提供する能力を持っています。現在、自然な会話をシミュレートしようとするインテリジェントな家庭教師システムが開発されています。対話の完全な体験を得るには、口調、抑揚、ボディランゲージ、表情を理解し、それらに応答できることなど、コンピューターをプログラムする必要があるさまざまな領域があります。ITS での対話は、学生を導き、情報を引き出すのに役立つ特定の質問をするために使用でき、同時に学生が独自の知識を構築できるようにします。[107] ITS 内でのより洗練された対話の開発は、ITS の限界に対処し、より構成主義的なアプローチを作成することを目的として、現在の一部の研究の焦点となっています。[108]さらに、現在の一部の研究では、信頼と信頼関係を築くために、人間の家庭教師と生徒による対話で一般的に使用されるさまざまな社会的合図の性質と効果をモデル化することに焦点を当てています (これは学生の学習にプラスの影響を与えることが示されている)。[109] [110]
感情的な影響
学習における感情の役割を検討する研究が増えており、その目的は、さまざまな感情状態を解釈して適応できるインテリジェントな指導システムを開発することです。[111] [112]人間は学習に認知プロセスを使用するだけでなく、彼らが経験する感情プロセスも重要な役割を果たします。たとえば、学習者は、ある程度の不均衡（フラストレーション）があるが、学習者が完全に圧倒されるほどではないときに、よりよく学習します。[111]このことが、感情コンピューティングが個人の感情プロセスを解釈できるインテリジェントな指導システムの作成と研究を開始する動機となっています。[111] 学習に最適な感情状態を見つけて指導するために、個人の表情やその他の感情の兆候を読み取る ITS を開発することができます。感情は 1 つの方法だけでなく複数の方法で表現されるため、これを行うには多くの複雑さがあり、ITS が感情状態を効果的に解釈するには、マルチモーダルアプローチ（口調、表情など）が必要になる場合があります。[111]これらのアイデアは、ITSの中に感情指導システム（ATS）という新しい分野を生み出しました。[112]感情を扱うITSの一例としては、Gaze Tutorがあります。これは、生徒の目の動きを追跡し、生徒が退屈しているか気が散っているかを判断し、生徒が再び集中できるようにするために開発されました。[113]
信頼関係の構築
現在まで、ほとんどのITSは、家庭教師の認知的側面にのみ焦点を当てており、家庭教師システムと生徒との社会的関係には焦点を当てていない。コンピュータは社会的行為者であるというパラダイムで実証されているように、人間はしばしば社会的ヒューリスティックをコンピュータに投影する。例えば、協力的な物語を伝えるエージェントであるCastleMateのSamとやりとりする幼児の観察では、子供たちはこの模擬子供と、人間の子供とほぼ同じようにやりとりしていた。[114]生徒との信頼関係を築くITSを効果的に設計するには、ITSは、笑顔を浮かべたり、生徒の名前を呼んで呼びかけるなど、生徒と教師の間の見かけ上の社会的距離を埋める行動である指導の即時性の戦略を模倣する必要があると示唆されている。[115] ティーンエイジャーに関しては、Oganら[116]は、教師が生徒に笑顔を見せたり、生徒の名前を呼んで呼びかけたりすることなど、教師と生徒の間の見かけ上の社会的距離を埋める行動である指導の即時性の戦略を模倣する必要があることを示唆している。親しい友人同士が互いに指導し合う様子を観察し、ITSが生徒の仲間として信頼関係を築くためには、より複雑な信頼構築のプロセスが必要であり、最終的には、冗談やからかい合いを通じて生徒の動機づけや感情的要因を仲介するために、指導システムが効果的に反応し、一見失礼な行動さえも起こす能力を持つことが必要になる可能性があると主張している。[116]
学習可能なエージェント
伝統的に、ITSは自律的な家庭教師の役割を担っていますが、教えることで学ぶ演習の目的で、指導を受ける側の役割も担うことができます。教えることで学ぶことは、自己説明を仲介し、自己効力感を改善し、教育成果と定着率を高めるための効果的な戦略になり得るという証拠があります。[117]この効果を再現するために、学生とITSの役割を入れ替えることができます。これは、Teachable Agent Arithmetic Game [118]やBetty's Brain [119]の場合のように、教えられているように見えるようにITSを設計することで実現できます。別のアプローチは、SimStudentで構築されたAPLUSシステムの場合のように、デモンストレーションと正確さのフィードバックによって問題を解決することを学習できる機械学習エージェントを学生に教えさせることです。[120]教えることで学ぶことの教育効果を再現するために、ティーチャブルエージェントには通常、質問を投げかけたり混乱を伝えたりするソーシャルエージェントが構築されています。たとえば、Betty's Brain の Betty は、生徒が教材を理解しているかどうかを確認するために質問するように促し、APLUS の Stacy は、生徒から提供されたフィードバックの説明をユーザーに求めます。
参照
参考文献
- ^ Joseph Psotka、Sharon A. Mutter (1988)。インテリジェント チュータリング システム: 学んだ教訓。Lawrence Erlbaum Associates。ISBN 978-0-8058-0192-7。
- ^ アルナウ＝ゴンザレス、パブロ;アレバリロ・エラエス、ミゲル。ルイーゼ、ロミナ・アルボルノス・デ。デビッド・アルナウ（2023-06-01）。 「インテリジェント個別指導システムで自然言語対話を可能にする方法論的アプローチ」。コンピュータの音声と言語。81 : 101516.土井: 10.1016/j.csl.2023.101516。ISSN 0885-2308。
- ^ abcd VanLehn, K. (2011). 「人間による指導、インテリジェントな指導システム、その他の指導システムの相対的な有効性」.教育心理学者. 46 (4): 197–221. doi :10.1080/00461520.2011.611369. S2CID 16188384.
- ^ abc Buchanan, B. (2006). 人工知能の（ごく）簡潔な歴史。AIマガジン26(4). pp.53-60.
- ^ 「Sidney Pressey」。教育デザインの簡潔な歴史。2023年7月11日時点のオリジナルよりアーカイブ。
- ^ abc フライ、E.（1960）。「ティーチング・マシンの二分法：スキナー対プレッシー」心理学レポート（6）11-14。サザン大学出版局。
- ^ abcde Shute, VJ、Psotka, J. (1994)。インテリジェント チュータリング システム: 過去、現在、そして未来。人事局人材および人事研究部。pp. 2-52
- ^ abcdef Chambers, J., & Sprecher, J. (1983). コンピュータ支援教育：教室でのその利用。ニュージャージー州エングルウッドクリフス：Prentice-Hall Inc.
- ^ Carbonell, Jaime R (1970). 「CAI における AI: コンピュータ支援教育への人工知能アプローチ」. IEEE Transactions on Man-Machine Systems . 11 (4): 190–202. doi :10.1109/TMMS.1970.299942.
- ^ abc Larkin, J, & Chabay, R. (編著). (1992). コンピュータ支援指導とインテリジェント指導システム: 共有目標と補完的アプローチ. ヒルズデール、ニュージャージー: Lawrence Erlbaum Associates.
- ^ ab Anderson, K (1986). 「コンピュータ支援教育」. Journal of Medical Systems . 10 (2): 163–171. doi :10.1007/bf00993122. PMID 3528372. S2CID 29915101.
- ^ ab Corbett, AT, & Anderson, JR (1992). LISP インテリジェント チュータリング システムによるスキル習得の研究。Larkin, J. & Chabay, R. (編) コンピュータ支援教育とインテリジェント チュータリング システム: 共有目標と補完的アプローチ (pp.73-110) Englewood Cliffs、ニュージャージー: Prentice-Hall Inc.
- ^ フォード、L. 新しいインテリジェントな指導システム (2008) 英国教育技術ジャーナル、39(2)、311-318
- ^ ベイリン、A & レビン、L. 序論：インテリジェントコンピュータ支援言語教育（1989）コンピュータと人文科学、23、3-11
- ^ Kinshuk (1996)。会計学入門学生のためのコンピュータ支援学習。博士論文、デ・モンフォート大学、イギリス、1996年7月。
- ^ Kinshuk、Ashok Patel (1997)「インターネットベースのインテリジェント指導システムの概念フレームワーク」Knowledge Transfer、II、117-24。
- ^ ab Schofield, JW, Eurich-Fulcer, R., & Britt, CL (1994). 教師、コンピュータチューター、および指導: 教室変革のエージェントとしての人工知能チューター。アメリカ教育研究ジャーナル、31 (3), 579-607。
- ^ ab Ogan, A., Walker, E., Baker, RS, Rebolledo Mendez, G., Jimenez Castro, M., Laurentino, T., & De Carvalho, A. (2012 年 5 月)。ラテンアメリカにおける認知チューターの使用に関するコラボレーション: フィールド スタディと設計の推奨事項。コンピューティング システムにおける人間工学に関する SIGCHI カンファレンスの議事録(pp. 1381-1390)。ACM。
- ^ Holstein, K., McLaren, BM, & Aleven, V. (2017 年 3 月)。教師の補助としてのインテリジェント チューター: ブレンド型教室におけるリアルタイム分析に対する教師のニーズを探る。第 7 回国際学習分析および知識会議の議事録(pp. 257-266)。ACM。
- ^ ab Miller, WL, Baker, RS, Labrum, MJ, Petsche, K., Liu, YH, & Wagner, AZ (2015 年 3 月)。Reasoning Mind 教室における教師による積極的な改善の自動検出。第 5 回国際学習分析および知識会議の議事録(pp. 290-294)。ACM。
- ^ Diziol, D., Walker, E., Rummel, N., & Koedinger, KR (2010). インテリジェントなチューター技術を使用して学生のコラボレーションに適応型サポートを実装する。教育心理学レビュー、22 (1), 89-102。
- ^ Baker, RS (2016). 愚かな家庭教師システム、知的な人間。国際人工知能教育ジャーナル、26 (2), 600-614。
- ^ フリードマン、R. 1999. アトラス：混合主導型マルチモーダル対話のプランマネージャ。（1999）混合主導型インテリジェンスに関するAAAIワークショップ
- ^ Graesser, Arthur C., Kurt VanLehn, Carolyn P. Rose, Pamela W. Jordan、および Derek Harter。(2001) 会話型ダイアログを備えたインテリジェントな指導システム。Al Magazine 22.4、39-52。
- ^ Gertner, A.; Conati, C .; VanLehn, K. (1998) Andes の手続き型ヘルプ、ベイジアン ネットワーク学生モデルを使用したヒントの生成。人工知能、106-111。
- ^ Shelby, RN; Schulze, KG; Treacy, DJ; Wintersgill, MC; VanLehn, K.; および Weinstein, A. (2001) Andes Tutor の評価。
- ^ ab Nwana, HS (1990). 「インテリジェントな指導システム: 概要」.人工知能レビュー. 4 (4): 251–277. doi :10.1007/bf00168958. S2CID 206771063.
- ^ ab Freedman, R (2000). 「インテリジェントな指導システムとは何か?」. Intelligence . 11 (3): 15–16. doi : 10.1145/350752.350756 . S2CID 5281543.
- ^ abc Nkambou, R.、Mizoguchi, R.、& Bourdeau, J. (2010).インテリジェントな個別指導システムの進歩。ハイデルベルク：シュプリンガー。
- ^ Ohlsson, S. (1996) パフォーマンスエラーからの学習。心理学評論、103、241-262。
- ^ Ohlsson, S. (1992) 制約ベースの学生モデリング。教育における人工知能、3(4)、429-447。
- ^ Mitrovic, A., Ohlsson, S. (2006) 個別指導のための制約ベースの知識表現。コンピュータサイエンスと情報システム、3(1)、1-22。
- ^ Ohlsson, S., Mitrovic, A. (2007) インテリジェント指導システムのための知識表現の忠実度と効率性。テクノロジー、指導、認知、学習、5(2)、101-132。
- ^ Mitrovic, A. および Ohlsson, S. (1999) データベース言語の制約ベースチューターの評価。Int. J. Artificial Intelligence in Education、10(3-4)、238-256。
- ^ Mitrovic, A. (2010) 制約ベースチューターの15年間: これまでの成果と今後の展望。ユーザーモデリングとユーザー適応型インタラクション、22(1-2)、39-72。
- ^ Mitrovic, A., Martin, B., Suraweera, P. (2007) すべての人のためのインテリジェントなチューター: 制約ベースのモデリング方法論、システム、オーサリング。IEEE Intelligent Systems、22(4)、38-45。
- ^ Zakharov, K.、Mitrovic, A.、Ohlsson, S. (2005) EER-Tutor でのフィードバック マイクロ エンジニアリング。著：CK Looi、G. McCalla、B. Bredeweg、J. Breuker (編) Proc.教育における人工知能 AIED 2005、IOS Press、718-725 ページ。
- ^ Mitrovic, A., Ohlsson, S., Barrow, D. (2013) 制約ベースのインテリジェントな指導システムにおける正のフィードバックの効果 Computers & Education, 60(1), 264-272.
- ^ Anderson, H.; Koedinger, M. ( 1997). 「インテリジェントな個別指導が大都市の学校に導入」。国際人工知能教育ジャーナル。8 : 30–43。
- ^ Corbett, Albert T. および Anderson, John R.、「コンピュータベースのプログラミング チューターにおける学生のモデリングと習熟度学習」(2008)。心理学部。論文 18。http://repository.cmu.edu/psychology/18
- ^ Padayachee I. (2002). インテリジェント チュータリング システム: アーキテクチャと特性。
- ^ abcdefg Corbett AT、Koedinger、KR、Anderson、JR (1997)。インテリジェントな個別指導システム。 MG Helander、TK Landauer、および PV Prabhu (編)、人間とコンピューターの相互作用のハンドブック(849 ～ 874 ページ)。アムステルダム：エルゼビア。
- ^ Shah, Farhana; Martha Evens; Joel Michael; Allen Rovick (2002). 「人間のキーボード対キーボードの指導セッションにおける生徒の主導権と講師の応答の分類」.談話プロセス. 33 (1): 23–52. CiteSeerX 10.1.1.20.7809 . doi :10.1207/s15326950dp3301_02. S2CID 62527862.
- ^ Mitrovic, A., Martin, B., Suraweera, P., Zakharov, K., Milik, N., Holland, J., & Mcguigan, N. (2009). ASPIRE: 制約ベースのチューターのためのオーサリングシステムおよびデプロイメント環境。International Journal of Artificial Intelligence in Education、19(2)、155–188。
- ^ Aleven, V.、McLaren, BM、Sewall, J.、van Velsen, M.、Popescu, O.、Demi, S.、Ringenberg, M. & Koedinger, KR (2016)。サンプルトレース講師: 非プログラマー向けのインテリジェントな講師開発。教育における人工知能の国際ジャーナル、26(1)、224-269。土井: 10.1007/s40593-015-0088-2
- ^ Sottilare, R. (2012)。指導のための一般化されたインテリジェントフレームワークのオントロジー開発に関する考慮事項。I3M 防衛および国土安全保障シミュレーション会議 (DHSS 2012)。
- ^ Razzaq, L., Patvarczki, J., Almeida, SF, Vartak, M., Feng, M., Heffernan, NT, & Koedinger, KR (2009). Assistment Builder: 指導システムのコンテンツ作成ライフサイクルのサポート。IEEE Transactions on Learning Technologies, 2(2), 157–166
- ^ Nye, BD, Graesser, AC, & Hu, X. (2014). AutoTutor とそのファミリー: 17 年間の自然言語指導のレビュー。International Journal of Artificial Intelligence in Education、24(4)、427–469。doi:10.1007/s40593-014-0029-5。
- ^ Anderson, J., Boyle, C., Farrell, R., & Reiser, B. (1987). コンピュータチューターの設計における認知原理。P. Morris (編) 『認知のモデリング』。NY: John Wiley。
- ^ ITSオーサリングツールの例については、認知指導オーサリングツールを参照してください。
- ^ Koedinger, KR ; Corbett, A. (2006). 「認知チューター: 学習科学を教室にもたらすテクノロジー」 Sawyer, K. (編) 『ケンブリッジ学習科学ハンドブック』 ケンブリッジ大学出版局。pp. 61–78。OCLC 62728545 。
- ^ Shaalan, Khalid F. (2005 年 2 月)。「アラビア語 学習者のためのインテリジェントなコンピュータ支援言語学習システム」。コンピュータ支援言語学習。18 (1 & 2 ) : 81–108。doi :10.1080/09588220500132399。
- ^ Ramos, C., Ramos, C., Frasson, C., & Ramachandran, S. (2009). インテリジェント指導システムの実世界への応用に関する特集号の紹介、2(2) 62-63。
- ^ https://trac.v2.nl/export/.../Intelligent%20Tutoring%20Systems.pdf [永久リンク切れ ]
- ^ Liao, Rita (2024-05-25). 「AI家庭教師が米国の子供の勉強方法を静かに変えつつある、そしてその主役は中国製のアプリ」TechCrunch 。 2024年5月28日閲覧。
- ^ 認知チューター代数 I プログラムの評価 A Shneyderman – マイアミ・デイド郡公立学校、評価研究局、マイアミ、フロリダ州、2001 年 9 月
- ^ Mitrovic, A. (1998) コンピュータ化されたチューターによる SQL の学習。第 29 回 ACM SIGCSE 技術シンポジウム、pp. 307-311。
- ^ Mitrovic, A. (1998) SQL-Tutor での制約ベース モデリングの実装経験。Proc. ITS'98、B. Goettl、H. Halff、C. Redfield、V. Shute (編)、pp. 414-423。
- ^ Mitrovic, A. (2003) Web上のインテリジェントSQLチューター。Int. J. Artificial Intelligence in Education、13(2-4)、173-197。
- ^ Zakharov, K.、Mitrovic, A.、Ohlsson, S. (2005) EER-Tutor でのフィードバック マイクロ エンジニアリング。著：CK Looi、G. McCalla、B. Bredeweg、J. Breuker (編) Proc.教育における人工知能 AIED 2005、IOS Press、718-725 ページ。
- ^ Suraweera, P.、Mitrovic, A.、「エンティティ関係モデリングのためのインテリジェントな指導システム」。Int. J. Artificial Intelligence in Education、vol. 14、no 3-4、375-417、2004 年。
- ^ Baghaei, N.、Mitrovic, A.、Irwin, W. UML クラス図の制約ベースの CSCL 環境での協調学習と問題解決のサポート。Int. J. CSCL、vol. 2、no. 2-3、pp. 159-190、2007 年。
- ^ 「ホーム」. stoichtutor.cs.cmu.edu .
- ^ McLaren, BM, Lim, S., Gagnon, F., Yaron, D., & Koedinger, KR (2006). ウェブベースのインテリジェントチューターのコンテキストにおけるパーソナライズされた言語と実例の効果の研究。M. Ikeda、KD Ashley、TW. Chan (編)、Proceedings of the 8th International Conference on Intelligent Tutoring Systems (ITS-2006)、Lecture Notes in Computer Science、4053 (pp. 318-328)。ベルリン: Springer。
- ^ McLaren, BM, Lim, S., & Koedinger, KR (2008). いつ、どのくらいの頻度で生徒に実例を与えるべきか? 新たな結果と研究の現状の要約。BC Love、K. McRae、VM Sloutsky (編)、認知科学協会第30回年次会議議事録 (pp. 2176-2181)。テキサス州オースティン: 認知科学協会。
- ^ McLaren, BM, van Gog, T., Ganoe, C., Karabinos, M., & Yaron, D. (2016). 実例と誤例の比較、指導による問題解決、教室での実験における問題解決の効率。Computers in Human Behavior、55、87-99。
- ^ McLaren, BM, DeLeeuw, KE, & Mayer, RE (2011). 丁寧なウェブベースのインテリジェントチューター：教室での学習を改善できるか？ Computers & Education, 56(3), 574-584. doi: 10.1016/j.compedu.2010.09.019.
- ^ McLaren, BM, DeLeeuw, KE, & Mayer, RE (2011). ウェブベースのインテリジェントチューターによる学習における礼儀正しさの効果。国際人間コンピュータ研究ジャーナル、69(1-2), 70-79。doi:10.1016/j.ijhcs.2010.09.001
- ^ Beal, CR, Beck, J., & Woolf, B. (1998). インテリジェントコンピュータ教育が女子の数学の自己概念と数学の価値に対する信念に与える影響。アメリカ教育研究協会の年次会議で発表された論文。
- ^ Schiaffino, S., Garcia, P., & Amandi, A. (2008). eTeacher: eラーニングの学生にパーソナライズされた支援を提供する。Computers & Education 51, 1744-1754
- ^ Keles, A.; Ocak, R.; Keles, A.; Gulcu, A. (2009). 「ZOSMAT: 教授学習プロセスのための Web ベースのインテリジェント チュータリング システム」.エキスパート システムとアプリケーション. 36 (2): 1229–1239. doi :10.1016/j.eswa.2007.11.064.
- ^ Heffernan, NT, Turner, TE, Lourenco, ALN, Macasek, MA, Nuzzo-Jones, G., & Koedinger, KR (2006). The ASSISTment Builder: ITS 作成の費用対効果の分析に向けて。FLAIRS2006 (フロリダ) で発表。
- ^ 「イリノイ工科大学とラッシュ医科大学の CIRCSIM-Tutor インテリジェント チュータリング システム プロジェクト」。
- ^ aroque.bol.ucla.edu/pubs/vanLehnEtAl-its02-architectureWhy.pdf
- ^ Cheung, B.; Hui, L.; Zhang, J.; Yiu, SM (2003). 「SmartTutor: Web ベースの成人教育におけるインテリジェントな個別指導システム」.システムおよびソフトウェアジャーナル. 68 : 11–25. doi :10.1016/s0164-1212(02)00133-4.
- ^ Graesser, AC, Wiemer-Hastings, K., Wiemer-Hastings, P., & Kreuz, R., & TRG. (1999). AutoTutor: 人間の家庭教師のシミュレーション。認知システム研究ジャーナル1, 35-51
- ^ Melis, E., & Siekmann, J. (2004). Activemath: 数学のためのインテリジェントな指導システム。R. Tadeusiewicz、LA Zadeh、L. Rutkowski、J. Siekmann (編)、第 7 回国際会議「人工知能とソフトコンピューティング」(ICAISC) 講義ノート、AI LNAI 3070。Springer-Verlag 91-101
- ^ 「AdaptErrEx プロジェクト」。
- ^ McLaren, BM, Adams, DM, & Mayer, RE (2015). 誤った例による遅延学習効果: Webベースのチューターによる小数学習の研究。International Journal of Artificial Intelligence in Education、25(4)、520-542。
- ^ Adams, D., McLaren, BM, Mayer, RE, Goguadze, G., & Isotani, S. (2013). 誤った例は望ましい困難である。Lane, HC, Yacef, K., Mostow, J., & Pavlik, P. (編)。Proceedings of the 16th International Conference on Artificial Intelligence in Education (AIED 2013)。LNCS 7926 (pp. 803-806)。Springer、ベルリン。
- ^ McLaren, BM, Adams, D., Durkin, K., Goguadze, G. Mayer, RE, Rittle-Johnson, B., Sosnovsky, S., Isotani, S., & Van Velsen, M. (2012). 「人は過ちを犯す、説明し訂正することは神である：中学校の数学の生徒との対話型誤った例の研究」A. Ravenscroft、S. Lindstaedt、C. Delgado Kloos、D. Hernándex-Leo (編)、「EC-TEL 2012 議事録：第 7 回ヨーロッパ技術強化学習会議」、LNCS 7563 (pp. 222-235)。Springer、ベルリン。
- ^ 「概要 - GIFT - GIFTポータル」www.gifttutoring.org . 2018年7月30日閲覧。
- ^ ab Sinatra, Anne M.; Goldberg, Benjamin S.; Sottilare, Robert A. (2014-09-01). 「ヒューマンファクター専門家のためのツールとしてのチュータリング用一般化インテリジェントフレームワーク (GIFT)」、ヒューマンファクター専門家のためのツールとしてのチュータリング用一般化インテリジェントフレームワーク (GIFT)」。人間工学および人間工学協会年次会議議事録。58 (1): 1024–1027。doi : 10.1177 /1541931214581214。ISSN 1541-9312。S2CID 111915804 。
- ^ Lajoie, SP; Lesgold, A. (1989). 「職場における見習い訓練: 見習いの新しい形としてのコンピュータ指導による練習環境」. Machine-Mediated Learning . 3 : 7–28.
- ^ Eliot, C., & Woolf, B. (1994). シミュレーションベースのリアルタイムトレーニングシステムにおけるユーザーについての推論。ユーザーモデリングに関する第4回国際会議の議事録、121-126 ページ。
- ^ MILETTO, EM, PIMENTA, MS, VICARI, RM, & FLORES, LV (2005). CODES: 協調的音楽プロトタイピングのためのウェブベース環境。Organised Sound, 10(3), 243-253.
- ^ Holstein, K., McLaren, BM, & Aleven, V. (2017 年 3 月)。SPACLE: 空間リプレイを使用した仮想空間と物理空間をまたいだ学習の調査。第 7 回国際学習分析および知識会議の議事録(pp. 358-367)。ACM。
- ^ インテリジェント チュータリング システム、第 37 章 / Corbett、Koedinger、Anderson / 第 37 章 (オリジナル pp 849-874) 14 2012 年 5 月 21 日に http://act-r.psy.cmu.edu/papers/173/Chapter_37_Intelligent_Tutoring_Systems.pdf から取得。2012 年 6 月 17 日にWayback Machineにアーカイブされました。
- ^ Karam, R., Pane, JF, Griffin, BA, Robyn, A., Phillips, A., & Daugherty, L. (2016). テクノロジーベースのブレンド型代数Iカリキュラムの大規模実装の検討。教育技術研究開発、1-27。
- ^ abc Anderson, JR; Corbett, AT; Koedinger, KR; Pelletier, R. (1995). 「認知チューター：学んだ教訓」. The Journal of the Learning Sciences . 4 (2): 167–207. doi :10.1207/s15327809jls0402_2. S2CID 22377178.
- ^ Christmann, E.; Badgett, J. (1997). 「コンピュータ支援学習が中等教育生徒の学業成績に及ぼす影響の漸進的比較」教育におけるコンピューティング研究ジャーナル. 29 (4): 325–338. doi :10.1080/08886504.1997.10782202.
- ^ Fletcher, JD (2003)。テクノロジーを活用した指導による学習の証拠。HF O'Neil および R. Perez (編)、『教育におけるテクノロジーの応用: 学習の視点』(pp. 79–99)。Mahwah、NJ: Erlbaum。
- ^ Koedinger, KR; Anderson, JR; Hadley, WH; Mark, MA ( 1997). 「インテリジェントな個別指導が大都市の学校に導入」。国際人工知能教育ジャーナル。8 : 30–43。
- ^ Plano, GS (2004)。「認知チューター代数が9年生の代数コースの生徒の態度と成績に与える影響」。未発表の博士論文、セトンホール大学、ニュージャージー州サウスオレンジ。
- ^ Kulik, James A.; Fletcher, JD (2016). 「インテリジェントな個別指導システムの有効性: メタ分析レビュー」.教育研究レビュー. 86 : 42–78. doi :10.3102/0034654315581420. S2CID 7398389.
- ^ Koedinger, Kenneth; Alven, Vincent (2007). 「認知的チューターを用いた実験における援助のジレンマの探究」Educ Psychol Rev . 19 (3): 239–264. CiteSeerX 10.1.1.158.9693 . doi :10.1007/s10648-007-9049-0. S2CID 339486.
- ^ Murray, T. (1999). インテリジェントな指導システムのオーサリング: 最先端の分析。International Journal of Artificial Intelligence in Education (IJAIED), 10, 98–129。
- ^ abcdef ポルソン、マーサ C.、リチャードソン、J. ジェフリー編 (1988)。インテリジェント チュータリング システムの基礎。ローレンス エルバウム。
- ^ Baker, R., Gowda, S., Corbett, A., & Ocumpaugh, J. (2012). 学生の学習が浅いかどうかを自動的に検出する方向へ。Intelligent Tutoring Systems (pp. 444-453)。Springer Berlin/Heidelberg。
- ^ Käser, T., Klingler, S., & Gross, M. (2016 年 4 月)。いつ止めるか?: 普遍的な指導方針に向けて。第 6 回国際学習分析と知識会議の議事録(pp. 289-298)。ACM。
- ^ Ocumpaugh, J., Baker, R., Gowda, S., Heffernan, N., & Heffernan, C. (2014). 教育データマイニングモデルの人口妥当性：感情検出のケーススタディ。British Journal of Educational Technology、45 (3)、487-501。
- ^ Koedinger, K.; Aleven, V. (2007). 「認知指導教師による実験における援助ジレンマの探究」.教育心理学レビュー. 19 (3): 239–264. CiteSeerX 10.1.1.158.9693 . doi :10.1007/s10648-007-9049-0. S2CID 339486.
- ^ Jonassen, DH, & Reeves, TC (1996). 「テクノロジーを使った学習: 認知ツールとしてのコンピュータの利用」DH Jonassen (編)、『教育コミュニケーションとテクノロジーに関する研究ハンドブック』(pp. 693 - 719)。ニューヨーク: Macmillan。
- ^ ab イクバル、A.、オッパーマン、R.、パテル、A.、キンシュク (1999)。インテリジェント個別指導システムの評価手法の分類。 U. Arend、E. Eberleh、K. Pitschke (編著) Software Ergonomie '99 - Design von Informationswelten、ライプツィヒ: BG Teubner Stuttgart、169-181。
- ^ ab Siemer, J., & Angelides, MC (1998). 完全なインテリジェント指導システムの評価のための包括的な方法。意思決定支援システム、22(1), 85–102。
- ^ abc Mark, MA, Greer, JE. (1993). インテリジェント指導システムの評価方法論。人工知能教育ジャーナル、4、129–129。
- ^ Graessner AC, Kurt VanLehn, C. P R., Jordan, P. & Harter, D. (2001). 会話型対話によるインテリジェントな指導システム。AI Magazine, 22(4), 39.
- ^ Graesser, AC, Chipman, P., Haynes, BC, & Olney, A. (2005). AutoTutor: 混合主導対話によるインテリジェントな指導システム、48(4) 612-618。
- ^ Zhao, R., Papangelis, A., & Cassell, J. (2014 年 8 月)。人間と仮想エージェントのインタラクションにおける関係管理の二者間計算モデルの構築。International Conference on Intelligent Virtual Agents (pp. 514-527)。Springer International Publishing。
- ^ Madaio, MA, Ogan, A., & Cassell, J. (2016 年 6 月)。友人関係とチューターの役割が相互のピア チューター戦略に与える影響。International Conference on Intelligent Tutoring Systems (pp. 423-429)。Springer International Publishing。
- ^ abcd D'Mello, C.; Graessner, A. (2012). 「複雑な学習中の感情状態のダイナミクス」.学習と指導. 22 (2): 145–157. doi :10.1016/j.learninstruc.2011.10.001. S2CID 53377444.
- ^ ab Sarrafzadeh, A.; Alexander, S.; Dadgostar, F.; Fan, C.; Bigdeli, A. (2008). 「私が理解していないことをどうやって知るのか？」インテリジェント指導システムの将来展望". Computers in Human Behavior . 24 (4): 1342–1363. doi :10.1016/j.chb.2007.07.008. hdl : 10652/2040 .
- ^ D'Mello, S.; Olney, A.; Williams, C.; Hays, P. (2012). 「Gaze tutor: 視線に反応するインテリジェントな指導システム」. International Journal of Human-Computer Studies . 70 (5): 377–398. doi :10.1016/j.ijhcs.2012.01.004.
- ^ Cassell, Justine (2004 年 1 月)。「テクノロジーと リテラシー開発のモデルに向けて: ストーリーリスニングシステム」。応用発達心理学ジャーナル。25 (1): 75–105。doi : 10.1016 /j.appdev.2003.11.003。ISSN 0193-3973。S2CID 9493253 。
- ^ Wang, Ning; Gratch, Jonathan (2009 年 9 月)。「親密な関係と表情」。2009年 3 回目の国際感情コンピューティングおよびインテリジェント インタラクション カンファレンスおよびワークショップ。IEEE。pp. 1–6。doi : 10.1109 / acii.2009.5349514。ISBN 9781424448005. S2CID 9673056。
- ^ Ogan, Amy; Finkelstein, Samantha; Walker, Erin; Carlson, Ryan; Cassell, Justine (2012)、「無礼と信頼関係: ピア チュータリングにおける侮辱と学習効果」、Intelligent Tutoring Systems、Lecture Notes in Computer Science、vol. 7315、Springer Berlin Heidelberg、pp. 11–21、CiteSeerX 10.1.1.477.4527、doi :10.1007/978-3-642-30950-2_2、ISBN 9783642309496、S2CID 14315990
- ^ Fiorella, Logan; Mayer, Richard E. (2013年10月). 「教えることによって学ぶことと期待をもって教えることの相対的な利点」. Contemporary Educational Psychology . 38 (4): 281–288. doi :10.1016/j.cedpsych.2013.06.001. ISSN 0361-476X.
- ^ パレート、レナ; アルベモ、トビアス; ダール、イルバ; ハーケ、マグナス; グルツ、アグネタ (2011)、「学習可能なエージェントによる算数ゲームの数学理解、態度、自己効力感への影響」、人工知能教育、コンピュータサイエンス講義ノート、vol. 6738、シュプリンガーベルリンハイデルベルク、pp. 247–255、doi :10.1007/978-3-642-21869-9_33、ISBN 9783642218682、S2CID 17108556
- ^ BISWAS, GAUTAM; JEONG, HOGYEONG; KINNEBREW, JOHN S.; SULCER, BRIAN; ROSCOE, ROD (2010 年 7 月)。「学習可能なエージェント環境における社会的相互作用による自己制御学習スキルの測定」。テクノロジー強化学習の研究と実践。05 (2): 123–152。doi : 10.1142 /s1793206810000839。ISSN 1793-2068 。
- ^ 松田 昇、ウィリアム W. コーエン、ケネス R. ケーディンガー、ビクトリア カイザー、ロハン ライザーダ、エブリン ヤルゼビンスキー、シェイナ P. ワトソン、ガブリエル スティリアニデス (2012 年 3 月)。「生徒のチューターに説明を求める学習可能なエージェントを使用したチューター学習の効果の研究」。2012 IEEE 第 4 回デジタル ゲームおよびインテリジェント トイ強化学習に関する国際会議。IEEE。pp. 25–32。doi : 10.1109 / digitel.2012.12。ISBN 9781467308854. S2CID 15946735。
文献
書籍
- ンカンブー、ロジャー。ブルドー、ジャクリーン。溝口理一郎編（2010年）。インテリジェント個別指導システムの進歩。スプリンガー。ISBN 978-3-642-14362-5。
- ウルフ、ビバリー パーク(2009)。インテリジェントなインタラクティブ チューターの構築。モーガン カウフマン。ISBN 978-0-12-373594-2。
- エヴァンス、マーサ、マイケル、ジョエル (2005)。『人間とコンピュータによる一対一の指導』。Routledge。ISBN 978-0-8058-4360-6。
- ポルソン、マーサ C.、リチャードソン、J. ジェフリー編 (1988)。インテリジェント チュータリング システムの基礎。ローレンス エルバウム。ISBN 978-0-8058-0053-1。
- Psotka, Joseph; Massey, L. Dan; Mutter , Sharon 編 (1988)。インテリジェント チュータリング システム: 学んだ教訓。Lawrence Erlbaum。ISBN 978-0-8058-0023-4。
- ウェンガー、エティエンヌ (1987)。人工知能と指導システム: 知識の伝達に対する計算的および認知的アプローチ。モーガン カウフマン。ISBN 978-0-934613-26-2。
- Chambers, J.; Sprecher, J. (1983).コンピュータ支援教育: 教室での利用. Prentice-Hall Inc. ISBN 978-0131643840。
- Brown, D.; Sleeman , John Seely 編 (1982)。インテリジェント チュータリング システム。Academic Press。ISBN 978-0-12-648680-3。
論文
- インテリジェント指導システム：人工知能と教育心理学の発展の文脈における歴史的レビュー
- インテリジェントな個別指導システム: その内容と方法
- Freedman, Reva (2000). 「インテリジェントな指導システムとは何か?」(PDF) . Intelligence . 11 (3): 15–16. doi :10.1145/350752.350756. S2CID 5281543.
- インテリジェントな指導システム: AI を活用してトレーニングのパフォーマンスと ROI を向上させる
- モデルベースの適応型トレーニングのフレームワーク
- インターネットベースのインテリジェント指導システムの概念フレームワーク
- 対話型インテリジェント指導システム
- ELM-ART: ワールドワイドウェブ上のインテリジェントな指導システム
- インテリジェントな指導システム研究の特徴：ITSのケア、正確に
- インテリジェントな指導システムの作成: 最先端の分析
- 認知モデリングとインテリジェントな指導
- インテリジェントな家庭教師が大都市の学校に進出
- 適応型ハイパーメディア: インテリジェントな指導システムから Web ベースの教育まで
外部リンク
- 第 11 回インテリジェント チュータリング システムに関する国際会議 – 学習における共適応 – ハニア (2012)
- 第 10 回インテリジェント チュータリング システムに関する国際会議 – 学習への架け橋 – ピッツバーグ (2010)
- 第 9 回インテリジェント チュータリング システムに関する国際会議 - インテリジェント チュータリング システム: 過去と未来 - モントリオール (2008)
- 第 8 回インテリジェント チュータリング システムに関する国際会議 (2006)
- 2007 年の教育における人工知能会議。
- MERLOT - 学習とオンライン教育のためのマルチメディア教育リソース
- ティーチングマシンのタイムライン http://teachingmachin.es/timeline.html