Adaptive læringssystemer har tradisjonelt blitt delt inn i separate komponenter eller’modeller’. Mens ulike modellgrupper har blitt presentert, inneholder de fleste systemer noen eller alle av de følgende modellene (noen ganger med forskjellige navn):
- Ekspertmodell – modellen med informasjonen som skal undervises
- Studentmodell – modellen som sporer og lærer om studenten
- Instruksjonsmodell – modellen som faktisk formidler informasjonen
- Instruksjonsmiljø – brukergrensesnittet for samhandling med systemet
Ekspertmodelledit
ekspertmodellen lagrer informasjon om materialet som blir undervist. Dette kan være så enkelt som løsningene for spørsmålet, men det kan også inkludere leksjoner og opplæringsprogrammer, og i mer sofistikerte systemer, til og med ekspertmetoder for å illustrere tilnærminger til spørsmålene.
Adaptive læringssystemer som ikke inkluderer en ekspertmodell, vil typisk inkludere disse funksjonene i instruksjonsmodellen.
Studentmodellrediger
den enkleste måten å bestemme studentens ferdighetsnivå er metoden som brukes I CAT (datastyrt adaptiv testing). I CAT presenteres emnet med spørsmål som er valgt ut fra deres vanskelighetsgrad i forhold til det antatte ferdighetsnivået til emnet. Etter hvert som testen fortsetter, justerer datamaskinen motivets poengsum basert på svarene deres, og finjusterer poengsummen kontinuerlig ved å velge spørsmål fra et smalere vanskelighetsgrad.
en algoritme for EN CAT-stil vurdering er enkel å implementere. Et stort utvalg av spørsmål er samlet og vurdert etter vanskeligheter, gjennom ekspertanalyse, eksperimentering eller en kombinasjon av de to. Datamaskinen utfører deretter det som egentlig er et binært søk, og gir alltid emnet et spørsmål som er halvveis mellom hva datamaskinen allerede har bestemt seg for å være fagets maksimale og minste mulige ferdighetsnivåer. Disse nivåene justeres deretter til vanskelighetsgraden av spørsmålet, tilordne minimum hvis motivet svarte riktig, og maksimum hvis motivet svarte feil. Åpenbart må en viss feilmargin bygges inn for å tillate scenarier der fagets svar ikke er en indikasjon på deres sanne ferdighetsnivå, men bare tilfeldig. Å stille flere spørsmål fra ett vanskelighetsgrad reduserer sannsynligheten for et misvisende svar, og slik at rekkevidden kan vokse utover det antatte ferdighetsnivået, kan kompensere for mulige feilvurderinger.
en ytterligere utvidelse av å identifisere svakheter i begreper er å programmere studentmodellen til å analysere feil svar. Dette gjelder spesielt for flervalgsspørsmål. Tenk på følgende eksempel:
Q. Simplify: 2 x 2 + x 3 {\displaystyle 2x^{2}+x^{3}}
a) kan ikke forenkles b) 3 x 5 {\displaystyle 3x^{5}}
c) … d) …
Klart, en student som svarer (b) legger til eksponentene og unnlater å forstå begrepet like vilkår. I dette tilfellet gir feil svar ytterligere innsikt utover det enkle faktum at det er feil.
Instruksjonsmodellrediger
instruksjonsmodellen ser generelt ut til å inkludere de beste pedagogiske verktøyene som teknologien har å tilby (for eksempel multimediepresentasjoner) med ekspertlærerråd for presentasjonsmetoder. Nivået på raffinement av instruksjonsmodellen avhenger sterkt av nivået av raffinement av studentmodellen. I EN KATT-stil student modell, instruksjons modellen vil bare rangere leksjoner i korrespondanse med rekkene for spørsmålet bassenget. Når studentens nivå er tilfredsstillende bestemt, gir instruksjonsmodellen den riktige leksjonen. De mer avanserte studentmodellene som vurderer basert på konsepter, trenger en instruksjonsmodell som også organiserer leksjonene etter konsept. Instruksjonsmodellen kan utformes for å analysere samlingen av svakheter og skreddersy en leksjonsplan tilsvarende.
når feil svar evalueres av studentmodellen, ser noen systemer ut til å gi tilbakemelding på de faktiske spørsmålene i form av ‘hint’. Som studenten gjør feil, nyttige forslag dukker opp som «se nøye på tegnet av nummeret». Dette kan også falle i domenet til instruksjonsmodellen, med generiske konseptbaserte hint som tilbys basert på konsept svakheter, eller hintene kan være spørsmålsspesifikke i hvilket tilfelle student -, instruksjons – og ekspertmodeller overlapper.