Adaptive læringssystemer er traditionelt blevet opdelt i separate komponenter eller ‘modeller’. Mens forskellige modelgrupper er blevet præsenteret, inkluderer de fleste systemer nogle eller alle følgende modeller (lejlighedsvis med forskellige navne):
- Ekspertmodel – modellen med den information, der skal undervises
- Elevmodel – modellen, der sporer og lærer om den studerende
- Instruktionsmodel – modellen, der faktisk formidler Informationen
- Instruktionsmiljø – brugergrænsefladen til interaktion med systemet
Ekspertmodelledit
ekspertmodellen gemmer oplysninger om det materiale, der undervises. Dette kan være så simpelt som løsningerne til spørgsmålet, men det kan også omfatte lektioner og tutorials og i mere sofistikerede systemer endda ekspertmetoder til at illustrere tilgange til spørgsmålene.
Adaptive læringssystemer, der ikke inkluderer en ekspertmodel, vil typisk inkorporere disse funktioner i instruktionsmodellen.
Student modelEdit
det enkleste middel til at bestemme en studerendes færdighedsniveau er metoden anvendt i CAT (computeriseret adaptiv test). I CAT præsenteres emnet for spørgsmål, der vælges ud fra deres vanskelighedsniveau i forhold til fagets formodede færdighedsniveau. Som testen fortsætter, computeren justerer motivets score baseret på deres svar, løbende finjustere score ved at vælge spørgsmål fra en snævrere vifte af vanskeligheder.
en algoritme til en kat-stil vurdering er enkel at implementere. En stor pulje af spørgsmål samles og vurderes efter vanskeligheder, gennem ekspertanalyse, eksperimentering, eller en kombination af de to. Computeren udfører derefter det, der i det væsentlige er en binær søgning, og giver altid emnet et spørgsmål, der er halvvejs mellem, hvad computeren allerede har bestemt sig for at være fagets maksimale og mindst mulige færdighedsniveauer. Disse niveauer justeres derefter til niveauet for vanskeligheden ved spørgsmålet, omfordeling af minimum, hvis emnet svarede korrekt, og maksimum, hvis emnet svarede forkert. Det er klart, at der skal bygges en vis fejlmargin for at give mulighed for scenarier, hvor fagets svar ikke er tegn på deres sande færdighedsniveau, men simpelthen tilfældigt. At stille flere spørgsmål fra et vanskelighedsniveau reducerer i høj grad sandsynligheden for et vildledende svar, og at lade rækkevidden vokse ud over det antagne færdighedsniveau kan kompensere for mulige misevalueringer.
en yderligere udvidelse af identificering af svagheder med hensyn til begreber er at programmere elevmodellen til at analysere forkerte svar. Dette gælder især for multiple choice-spørgsmål. Overvej følgende eksempel:
K. forenkle: 2 * 2 + * 3 {\displaystyle 2 * ^{2} + * ^{3}}
a) kan ikke forenkles b) 3 gange 5 {\displaystyle 3 gange^{5}}
c) … g) …
det er klart, at en studerende, der svarer (b), tilføjer eksponenterne og undlader at forstå begrebet lignende udtryk. I dette tilfælde giver det forkerte svar yderligere indsigt ud over det enkle faktum, at det er forkert.
Instruktionsmodeledit
instruktionsmodellen ser generelt ud til at inkorporere de bedste uddannelsesværktøjer, som teknologien har at tilbyde (såsom multimediepræsentationer) med ekspertlærerrådgivning til præsentationsmetoder. Niveauet af sofistikering af instruktionsmodellen afhænger meget af niveauet af sofistikering af elevmodellen. I en elevmodel i KATTESTIL rangerer instruktionsmodellen simpelthen lektioner i overensstemmelse med rækkerne for spørgsmålspuljen. Når den studerendes niveau er blevet tilfredsstillende bestemt, giver instruktionsmodellen den passende lektion. De mere avancerede elevmodeller, der vurderer baseret på begreber, har brug for en instruktionsmodel, der også organiserer sine lektioner efter koncept. Instruktionsmodellen kan designes til at analysere samlingen af svagheder og skræddersy en lektionsplan i overensstemmelse hermed.
når de forkerte svar evalueres af studentmodellen, ser nogle systemer ud til at give feedback til de faktiske spørgsmål i form af ‘tip’. Når den studerende begår fejl, dukker nyttige forslag op som “se nøje på tegnet på nummeret”. Også dette kan falde inden for instruktionsmodellens domæne, med generiske konceptbaserede tip, der tilbydes baseret på konceptsvagheder, eller tipene kan være spørgsmålsspecifikke, i hvilket tilfælde den studerende, instruktions -, og ekspertmodeller overlapper hinanden.