I sistemi di apprendimento adattivo sono stati tradizionalmente suddivisi in componenti o “modelli” separati. Mentre sono stati presentati diversi gruppi di modelli, la maggior parte dei sistemi include alcuni o tutti i seguenti modelli (occasionalmente con nomi diversi):
- Esperto modello – Il modello con le informazioni che viene insegnato
- Studente modello, Il modello tracce e impara a conoscere lo studente
- Educativo modello – Il modello che in realtà trasmette l’informazione
- ambiente di insegnamento – L’interfaccia utente per l’interazione con il sistema
Esperto modelEdit
L’esperto modello memorizza informazioni circa il materiale che è stato insegnato. Questo può essere semplice come le soluzioni per il set di domande, ma può anche includere lezioni e tutorial e, in sistemi più sofisticati, anche metodologie esperte per illustrare gli approcci alle domande.
I sistemi di apprendimento adattivo che non includono un modello esperto in genere incorporano queste funzioni nel modello didattico.
Student modelEdit
Il mezzo più semplice per determinare il livello di abilità di uno studente è il metodo impiegato in CAT (computerized adaptive testing). In CAT, il soggetto viene presentato con domande che vengono selezionate in base al loro livello di difficoltà in relazione al livello di abilità presunto del soggetto. Man mano che il test procede, il computer regola il punteggio del soggetto in base alle risposte, regolando continuamente il punteggio selezionando le domande da una gamma più ristretta di difficoltà.
Un algoritmo per una valutazione in stile CAT è semplice da implementare. Un ampio pool di domande viene accumulato e valutato in base alla difficoltà, attraverso analisi di esperti, sperimentazione o una combinazione dei due. Il computer esegue quindi ciò che è essenzialmente una ricerca binaria, dando sempre al soggetto una domanda che è a metà strada tra ciò che il computer ha già determinato di essere i livelli di abilità massimi e minimi possibili del soggetto. Questi livelli vengono quindi adattati al livello di difficoltà della domanda, riassegnando il minimo se il soggetto ha risposto correttamente e il massimo se il soggetto ha risposto in modo errato. Ovviamente, un certo margine di errore deve essere costruito per consentire scenari in cui la risposta del soggetto non è indicativa del loro vero livello di abilità, ma semplicemente casuale. Porre più domande da un livello di difficoltà riduce notevolmente la probabilità di una risposta fuorviante, e permettendo la gamma di crescere oltre il livello di abilità ipotizzato può compensare eventuali valutazioni errate.
Un’ulteriore estensione dell’identificazione delle debolezze in termini di concetti è quella di programmare il modello dello studente per analizzare risposte errate. Questo è particolarmente applicabile per domande a scelta multipla. Si consideri il seguente esempio:
Q. Semplificare: 2 x 2 + x 3 {\stile di visualizzazione 2x^{2} + x^{3}}
a) Non può essere semplificato b) 3 x 5 {\displaystyle 3x^{5}}
c) … d) …
Chiaramente, uno studente che risponde (b) sta aggiungendo gli esponenti e non riesce a cogliere il concetto di termini simili. In questo caso, la risposta errata fornisce ulteriori informazioni oltre al semplice fatto che non è corretta.
Instructional modelEdit
Il modello didattico cerca generalmente di incorporare i migliori strumenti educativi che la tecnologia ha da offrire (come presentazioni multimediali) con consigli di insegnanti esperti per i metodi di presentazione. Il livello di sofisticazione del modello didattico dipende notevolmente dal livello di sofisticazione del modello studentesco. In un modello di studente in stile GATTO, il modello didattico classificherà semplicemente le lezioni in corrispondenza dei ranghi per il pool di domande. Quando il livello dello studente è stato determinato in modo soddisfacente, il modello didattico fornisce la lezione appropriata. I modelli studenteschi più avanzati che valutano in base ai concetti hanno bisogno di un modello didattico che organizzi le sue lezioni anche per concetto. Il modello didattico può essere progettato per analizzare la raccolta di punti deboli e adattare un piano di lezione di conseguenza.
Quando le risposte errate vengono valutate dal modello studente, alcuni sistemi cercano di fornire feedback alle domande effettive sotto forma di “suggerimenti”. Mentre lo studente commette errori, compaiono suggerimenti utili come”guarda attentamente il segno del numero”. Anche questo può rientrare nel dominio del modello didattico, con suggerimenti generici basati sul concetto offerti in base a punti deboli del concetto, o i suggerimenti possono essere specifici della domanda, nel qual caso i modelli studente, didattico ed esperto si sovrappongono.