적응 학습 시스템은 전통적으로 별도의 구성 요소 또는’모델’으로 구분되어 왔습니다. 다른 모델 그룹이 제시되었지만 대부분의 시스템에는 다음 모델 중 일부 또는 전부가 포함됩니다(때로는 이름이 다른 경우).:
- 전문가 모델–학습해야 할 정보가 있는 모델
- 학생 모델–학생에 대해 추적하고 학습하는 모델
- 교육 모델–실제로 정보를 전달하는 모델
- 교육 환경–시스템과의 상호작용을 위한 사용자 인터페이스
전문가 모델편집
전문가 모델은 학습중인 자료에 대한 정보를 저장합니다. 이것은 질문 세트에 대한 해결책만큼 간단 할 수 있지만 수업과 자습서를 포함 할 수 있으며,보다 정교한 시스템에서는 질문에 대한 접근 방식을 설명하는 전문가 방법론도 포함 할 수 있습니다.
전문가 모델을 포함하지 않는 적응 학습 시스템은 일반적으로 이러한 기능을 교육 모델에 통합합니다.
학생 모델 편집
학생의 기술 수준을 결정하는 가장 간단한 방법은 고양이(컴퓨터 적응 테스트)에 사용되는 방법입니다. 고양이,주제는 피사체의 추정 기술 수준과 관련하여 어려움의 자신의 수준에 따라 선택되는 질문되게됩니다. 시험이 진행됨에 따라,컴퓨터는 지속적으로 어려움의 좁은 범위에서 질문을 선택하여 점수를 미세 조정,자신의 대답에 따라 피사체의 점수를 조정합니다.
고양이 스타일 평가를위한 알고리즘은 구현이 간단합니다. 질문의 큰 풀 축적 및 전문가 분석,실험,또는이 둘의 조합을 통해,어려움에 따라 평가된다. 컴퓨터는 기본적으로 이진 검색을 수행,항상 피사체에게 컴퓨터가 이미 피사체의 최대 및 최소 가능한 기술 수 준으로 결정 무엇 사이의 중간 인 질문을 제공. 이 레벨은 질문의 난이도 수준으로 조정되어 피사체가 올바르게 대답 한 경우 최소값을 재 할당하고 피사체가 잘못 대답 한 경우 최대 값을 재 할당합니다. 물론,오류에 대한 특정 마진은 피사체의 대답은 자신의 진정한 기술 수준을 나타내는 것이 아니라 단순히 우연의 시나리오를 허용하기 위해 내장되어야한다. 어려움의 한 수준에서 여러 질문을하는 것은 크게 오해의 소지가 대답의 가능성을 줄이고,범위가 가정 기술 수준을 넘어 성장 할 수 있도록하는 것은 가능한 잘못 평가를 보상 할 수 있습니다.
개념의 관점에서 약점을 식별하는 또 다른 확장은 잘못된 답변을 분석하도록 학생 모델을 프로그래밍하는 것입니다. 이 객관식 질문에 특히 적용 할 수있다. 다음 예제를 고려하십시오.<:>
기음)… 디)…
분명히 대답하는 학생은 지수를 더하고 같은 용어의 개념을 파악하지 못하고 있습니다. 이 경우 오답은 잘못되었다는 단순한 사실 이상의 추가 통찰력을 제공합니다.
교육모델편집
교육모델은 일반적으로 기술이 제공하는 최고의 교육 도구(멀티미디어 프리젠 테이션 등)와 프레젠테이션 방법에 대한 전문 교사의 조언을 통합하는 것으로 보인다. 교육 모델의 정교함 수준은 학생 모델의 정교함 수준에 크게 좌우됩니다. 고양이 스타일의 학생 모델에서,교육 모델은 단순히 질문 풀의 순위에 대응하여 수업 순위를 매길 것입니다. 학생의 수준이 만족스럽게 결정되면,교육 모델은 적절한 수업을 제공합니다. 개념을 기반으로 평가하는 고급 학생 모델은 개념별로 수업을 구성하는 교육 모델이 필요합니다. 교육 모델은 약점 수집을 분석하고 그에 따라 수업 계획을 조정하도록 설계 될 수 있습니다.
오답이 학생 모델에 의해 평가 될 때,일부 시스템은’힌트’의 형태로 실제 질문에 대한 피드백을 제공하려고합니다. 학생이 실수를 할 때”숫자의 부호를주의 깊게 살펴보십시오”와 같은 유용한 제안이 나타납니다. 이것도 개념 모델의 영역에 속할 수 있으며 개념 약점에 따라 일반적인 개념 기반 힌트가 제공되거나 힌트는 학생,교육 및 전문가 모델이 모두 겹치는 경우 질문에 따라 달라질 수 있습니다.