Az Intelligent Tutoring System tudásbázis

Az Intelligent Tutoring System tudásbázis

FARKAS I. JÓZSEF

A m agyar közoktatásban ma m ég csak kevesen ism erik az In te llig e n s Tutor R endszer (a továbbiakban ITS - Inte llig e n t Tutoring System) kifejezés teljes tartalmát, bá r néhány p e d a g ó g u s készít és használ o kta tó je lle g ú szám ítógépes program okat. U gyanakkor az u tó b b i évek szűkös an yag i kö rü lm é n ye i ellenére, a szám ítógépek csaknem valam ennyi hazai oktatási e g ység b e n m e gjelentek. S aj­

nos, a m agas szintű techno ló g ia gyors beáram lása nem já rt e g yütt a sze m lé le t hasonló ütem ű form álódásával. Kevés kivételtől eltekintve gyakorló tanáraink tö b b sé g e id e g e n ke d ik a szám ítógép használatától, nem ism ervén keze lé sé n ek szakm ai fogásait, a forgalom ban m egtalálható p ro g ra m o k használatát, le h e tő s é ­ geit. E tém akörnek szinte egyáltalán nin cs m agyar nyelvű szakirodalm a, a szűk körben forgó, töb b sé gé b e n id e g e n nyelvű irodalom nem p ó to lja az ism ere te k általános elterjedéséhez szükséges p u blicitást. Ezt a dolg o za to t felhívásnak szánom a hasonló tém akörben dolgozó kollegákhoz, egy tudom ányosan m e g ­ alapozott kutató-fejlesztő p u b lik á c ió s polém iára, am elyben a közös g o n d o lk o ­ dással egym ást segítve p ró b á lju k behozni azt a lem aradást, am i a fejlett, o kta ­ tásszem pontú szám ítástechnikai alkalm azókkal szem ben a m ai m agyar sze m lé ­ lete t jellem zi.

Az ITS

Első lépésben m eg kell határoznunk, hogy mit takar az ITS betűszó, m ire lehet használni ezeket a szám ítógépes program okat, hogyan lehet beilleszteni a mai o k ta ­ tási gyakorlatba, m int oklatásm ó d sze rta n i eszközt.

Étien Wenger szerint az ITS olyan technikai eszköz, amellyel a tanárt mint szakértőt helyettesíthetjük, tehát egy szakterület teljes ismeretanyagát feldolgozásra kész állapotban, időhöz és helyhez való kötöttség nélkül a tanuló rendelkezésére bocsátjuk. Az ITS p rogra­

mok szerkezeti felépítésükkel a humán gondolkodás, problém am egoldás folyam atát szi­

mulálva próbálják megtanítani azt, amit tudásbázisukba beépítettek. Az ITS nem egy egyszerű oktatóprogram ! Arra nézvést, hogy természetes nyelven kom m unikálhatunk a számítógéppel, hogy a program, futási időben, tehát az anyag feldolgozásával párhuzam o­

san, folyam atában értékeli a tanuló teljesítményét, ehhez igazodva adja m eg a haladás ütemét, az elkövetett hibák okát, illetve eredetét képes felderíteni, annak javítására tud tanácsot adni, sőt önállóan generál feladatokat, W enger kijelentését elfogadhatónak tartjuk.

Azt azonban ki kell jelentenünk, hogy az élő tanítás komplex folyamatát ITS-el, a pillanatnyi felkészültségünk mellett nem tudjuk kiváltani. Összefoglalva tehát azt mondhatjuk, hogy az ITS egy, az oktatásban használható számítógépes segédeszköz, am ellyel egy pontosan meghatározott, jó l körülírt problém akör részfeldolgozása, m egtanulása közvetlen tanári közreműködés nélkül megoldható.

Az ITS rövid története

K özism ert tény, h o gy a szám ítástechnika szülőhazája az A m erikai E gyesült Á llam ok.

Nem véletlen tehát, h o gy itt kezdtek először foglalkozni a oktatás szám ítógépes tá m o g a tá sá n a k lehetőségeivel. Az 1960-as évek elején az Á llam ok két egyetem én, a S tanford U niversity és az U niversity o f lllio n is intézeteiben indított fejlesztő m unka ere dm é n ye kén t született a PLATO C om puter System (1). Ez volt az első teljes, kife je ­ zetten oktatási célra alkalm azott szám ítógépes p ro gra m cso m ag . Itt nem vesszük fig y e le m b e a katonai célú, speciális esetekre fejlesztett rendszereket (például az 1957-ben m ár alkalm azott program ot, az AN /M PQ -57 HIPIR-t - H ig h -P o w e re d Illu m i­

n a tin g R adar), ugyanis ezek szervezési szem pontjai rendkívül távol állnak a k ö z o k ta ­ tás szem pontjaitól.

A PLATO kísérleti stádium ában egyszerre 30 m unkahelyen (te rm iná lo n) heti 60 órában 450 ta n u ló t oktattak fizikára, kémiára, m atem atikára, de alkalm azása során, idegen nyelv oktatásra is felhasználták. Például az U niversity of lllion is-o n egyszerre 80 te rm iná lo n futott a program . Jellem zésként azt m ondhatjuk a rendszerről, hogy egy jól felszerelt tanítási segédeszköz, olyan keretrendszer (shell), am ellyel te tszőleges bázisra é p ü lő oktatási m etodikát lehet kialakítani, a p e da g ó g u st felszabadítva a n a g y ­ tö m e g ű adm in isztrá ció , rutinm uka időt rabló, m onoton terhei alól.

É rd e kessé g ké n t m egem lítjük, h o gy 1970-ben az A m erikai E gyesült Á lla m o kb a n a kö zé p isko lá k 31% -ában használtak szám ítógépet és eb bő l 13%-nyit, kizárólag o k ta tá ­ si célra alkalm aztak (2).

Az o k ta tó p ro g ra m o k m ásodik generációját a TICCIT (Tim e-shared Interactive C om ­ p u te r C o n tro lle d Inform ation Television) és a MACC (M innesota E d u ca tio n a l C o m p u ­ tin g C onsortium ) rendszerek képviselik. E két projekt volt a szisztem atikus fejlesztési és kutatási m unkák m ásodik állom ása. Itt, az oktatórendszer egy előteszt e re d m é n ye ­ ire építkező m odell alapján, m ár tervezte a haladás ütemét, kihasználta a m ás m édiák n yú jtotta lehetőségeket. Interaktív kapcsolatot tartott a tanár, illetve a ta n u ló és a te ch n ika i eszközök, ú gym int film vetítő, m agnetofon, TV, vide o között. Az irányítást m ég fo lya m atosa n ellenőrizte a p edagógus, csak az egyes részegységek (u n ito k ) fe ld o lg o z á s i fo lya m ata került a gép, p o ntosabban a program hatáskörébe. 1975-ben a TIC C IT rendszer 128 ta n u ló p a d egyidejű m unkája során párhuzam osan kezelt színes TV-ket, 10 d b videolejátszót, hurokvetítőt és m agnetofont (2 db. N ova800 Central 64K és 32K RAM -m al szervezett procasszorral, 175 M b osztható háttértárral m űkö dö tt. Ára 4 0 0 0$ /m u n ka p ad volt.) U gya n e kko r a CDC PLATO IV p ro g ra m c s o m a g egyszerre tö b b száz m u n ka p a d o n kiváló grafikai m odulokkal, audió-, m ikrofilm vetítő k a p c s o la ­ tokkal, elvileg korlátlan m em óriaháttérrel dolgozott.

A m ai értelem ben használt ITS m egjelenését Jaim e C arbonell nevéhez köthetjük, aki a BB N -nél (Bolt Beranch and N ew m an Inc. C am bridge, M assachusetts) d o lg o z ta ki p ro gra m ját a SC HO LAR-t (3). Ez a program , Dél-Am erika (innen szárm azik C arbonell) föld rajzi neveit, fo g a lm a it m egtanító rendszer. Négy elkülönülő m o d u lb a szervezett program , am elynek szerkezete azóta is kiindulási alap a korszerű ITS-ek tervezésénél, fejlesztésénél. E bben a rendszerben jelent meg először a term észetes nyelvi k o m m u ­ n iká ció (lokális résnyelvtanra épülő, kész, nyitott m o ndatok halm azával), az input kiértékelő ta n u ló -d ia g n ó z is m odul. Itt különül el a tényanyag felso rolá sje lleg ú h a lm a ­ zától (a tudásb ázistó l) a szakértő, a kezelést, szervezést, irányítást ellátó szabálybázis (operá to r bázis), és itt találhatjuk m eg első ízben az aktív kognitív m odellen alapuló oktatási stratégia szám ítógépes alkalmazását.

A kiépítés, illetve a szabálybázis felállítása cé lspecifikus m e g fo nto lá so k eredm énye.

A ké ső b b ie kb e n ez a rész vált a legintenzívebben kutatott területté. A m ennyiségi értékeléstől a m inőségi szim ulációig haladó fejlődést jól szem lélteti a SOPHIE MII ICAI

[In te llig e n t C om puter A id e d Instruction) alakulása (4). Bár az első és a harm adik változat m egjelenése között alig 5 év telt el, a rendszer fejlesztésének g yö kere i 17 év távlatára nyúlnak vissza. Az adatbázis kezelését, term észetes nyelvi in te rfa c e -szel, az első változatban John Seely Brown és R ichard Burton, az U niversity o f C alifornia at Irvine laboratórium ában kiépített, kérdés-válasz m oduljával o ld o ttá k meg, egy vé g es állapotú autom atát szim uláló operátor bázissal vezérelve. H átrányait (a ta n u ló m o d e ll­

jének hiánya, a pedagógiai aspektus m inim ális jelenléte, a hibakeresésen a lapuló egyszerű értékelő rutin a sszociációs problém ái) a m ásodik, illetve a harm adik változat csaknem teljesen kiküszöböli (5,6).

A felsorolt p rogram ok és projektek forrásainak kiértékelésével n yo m o n követh e tjük azt a fejlődési utat, am elyen az ITS az elm últ 30 e sztendő alatt keresztülm ent. A kro n olo g iku s és teljes történeti áttekintést kiváló m o n og rá fiá kba n találhatjuk m eg (2,7,8). Ezekben a m űvekben egyértelm ű választ kapunk arra is, hogy m ilyen m é ly s é ­ gig érdem es a gépesített oktatási form a kínálta lehetőségekre tá m a szko dn i, hol az a pont, ahol m ár sem m iképpen sem váltható ki a p e d a g ó g u s egyénisége.

Az ITS alkalmazásai

M int azt már említettük, az ITS rendszerek használata b iz o n y o s m értékig jól definiált területekre korlátozott. Ha azonban m eggo n d olju k, hogy polihisztort, az e m b erisé g teljes történetét tekintve sem találunk túl sokat, a specia lizá ló dá st te rm észetes fo ly a ­ m atnak tekinthetjúk. Ez a tény egyben segítség is a fe lh asznáhatóság p o n to s leírásá­

hoz. Vegyük besorolási szem pontként a program adatbázisának kezelési, tárolási, adatlehívási m ódszerét és a ko m m un iká ció s rendszer felépítését. Azért vá la sztju k e két param étert, mert m int látni fogjuk, egy problém a m e g o ld á s a k o r a rendelkezésre álló ism eretek kezelése, azok alkalm azásának, illetve közlésének m ó d szere e g y é rte l­

m űen utal az adatbázis tudom ányterületi forrására. A fentieket fig y e le m b e véve, azokat a pro gra m cso m ag o ka t, rendszereket, am elyeket m int in te llig e n s , s z á m ító g é p e s m u n ­ kaeszközt, egy adott területen használhatunk, (9) nyom án négy n a g y o b b ka te g ó riá b a sorolhatjuk

1. M atem atika, geom etria, program nyelv-típusú feladatok oktatására, tu d á s s z in t m érésére alkalm azott program ok. A szabálybázis itt a xiom atikus sze m antikájú m eta- nyelvre épúlő rendszer, hangsúlyosan szereplő hiba-felderítő-elem ző (tro u b le s h o o - ting) m odullal. A felhasználóval m enüvezérelt online segítség, ja va so lt p ro b lé m a m e ­ g o ld ó rutinok tarják a kapcsolatot. Például a LISP-TUTOR (10).

2. O rvosi diagnosztikára, vegyészeti labor-, illetve üzem i szim ulációra, elektronikai szettek, panelek tervezésére, szim ulációs bem érésére h a sználható p ro g ra m o k . A k o m m u n iká ció s szint egy irányított, term észetesnyelvi interaktív blokk, va g y m e n ü v e ­ zéreit ikon-rendszer, a leíró jellegű tényanyag kezelése IF-THEN, va g y T s za b á lyo n alapuló szabálybázis oldja meg. pl. MYCIN, GUIDON (11,12). Ma is m ű k ö d ő o rvo si d ia g n o sztikus ITS.

3. Alkalm azói softw are-ek m anagm ent, m arketing, irodarendszerek kezelésére, a d ­ m inisztrációs, könyvelési feladatok ellátására. A kapcsolat „fe lh a szn á lób a rá t", ik o n s t­

rukturált ko m m u n iká ció s nyelveken alapul, a ténybázis m enüvezérelt irányítással, b lokkstrukturált rutinrendszerrel szerveződik, pl. E-m ail rendszerek, SIG HTPLAN (13).

4. Logikát fejlesztő, g o n d o lko d á si szokásokat b efolyásoló, térben g o n d o lk o d ta tó feladatgenerátoros ITS-ek. Ebbe a kategóriába azok a p ro g ra m o k tartoznak, am elyek a hum án g o n d o lk o d á s folyam atának szim ulálásával te tsző le g es p ro b lé m a m e g o ld h a ­ tó A ténybázis szervezése az aktív kognitív tanulási m odellen alapul, sza b a d te rm é ­ szetes nyelvi ko m m un iká ció s kapcsolattal rendelkezik, esteleg text-to-speach beszéd - generátorral élő beszédet generál, inputanalízisen n yu gvó a u to m atiku s ta n u ló i-h ip o té ­

zis m o d e llt felállító rutinja van, cólgenerálással, hibafelderítővel, paralel segítővel (o n lin e h e lp fu n k c ió ) a tanulás folyam atát követni, korrigálni, irányítani tu d ja pl.

IDEBUG G Y (14).

H og y a saját tervezésű program jaink célorientált tudásbázisát m iként kíséreljük m eg feltölteni, h o gya n kezeljük az adat-hozzáférések folyam atát, azok m on itorra kerülését, azaz m ilyen jelle gű operá to rb á zist építsük ki, ahhoz tekintsük át a lehetséges m ó d s z e ­ reket.

A tudásbázis fejlődése

M inden oktatási fo rm a három , általánosítható és egym ástól jól elkülöníthető sz e m ­ pont alapján b ontja fel a m egtanítandó tananyagot (15):

1. a h a té ko nysá g szem pontja,

2. a k a p c s o ló d ó készségek kialakításának szem pontja, 3. a m egism erés, az elsajátítás szem pontja.

A korai ITS fejlesztői - bár m ég nem ism erhették a fenti m etodikát - m eg pró b á lták úgy szervezni pro gra m jaik m űködését, hogy az élő tanítás m ozzanatainak szim ulálása v a ló b a n b e fo g a d h a tó legyen a tanuló szám ára és a fenti kritérium okat, m inte gy rá- érzéssel kielégítik. A term észetes nyelvi kapcsolat m egjelenésekor azonban ham ar kiderült, h o g y az input elem zése - szabad válaszok esetén - képtelenül nagy szabály- rendszert, adatbázist, m em óriát és m űveleti sebességet igényel. Úgy tűnt, h o g y a m e g o ld á st a szerkesztői nyelv, az „A uthoring L a nguage" jelenti, am ely speciá lis p ro b ­ lém ákhoz, sp e ciá lis nyelvet és szem antikát ad. M int k a p c s o ló d ó kutatási terület, a szá m ító g é p es nyelvészet, nyelvi m odellek sokaságát szolgáltatja, m égis, az ITS-ek fejlesztése során, alapvetően csupán két program nyelvet, a LISR illetve a PROLOG n yelveket alkalm azzák. A tényleges m egoldást, legalábbis a gyakorlat ezt m utatja, a tudásbázisX szervező, kezelő operátorbázis adja, m elynek nyom ait m ár C arbonell S C H O LA R -jában is felfedezhetjük.

A szemantikus háló

A S C H O LA R -ban, szem antikus hálóba szervezett c s o m ó p o n to k b a n tá ro ló d n a k a fö ld ra jzi nevek és fogalm ak, ahol az egyes c s o m ó p o n to k (n o d e -ok), a saját re k to ra ­ iknak m e g fe le lő hierarchikus szintekre szerveződnek illetve felértékelődnek szu p er-a t­

trib ú tu m na k, szuper-fogalom nak, szuper-résznek. Például: S antiagó D él-A m erikában van, s m ivel S antiagó C hilében van, Chile D él-Am erikában van. A relátorok te rm é ­ szetesen ka p c s o la to t tu d n a k terem teni két c s o m ó p o n t között is, pl. S a n tiag o és B uenos Aires két dél-am erikai főváros.

Á ltalánosan m egfogalm azva, a kido lg ozo tt m odell egy m etanyelvet definiálva adja m eg egy-egy inputfúzér linearizált szem antikus viszonyát M inden, az adatbázisban szereplő fo g a lo m h o z fü g g vé n n ye l rendel egy szim bólum ot, am it típusnak nevez, m ajd a s z im b ó lu m o k halm azán parciális rendezéssel hozza létre a hierarchiát, am it típ u s h á ­ lónak nevez el. A háló m axim ális eleme az univerzális típus, m inim ális elem e az abszurd típus. (A m inim ális elem az üres halmaz, nem a 0!) E gyedi jelö lőke t használva, am elyek lehetnek egyediek illetve generíkusak, a m ódszer te tsző le g es szem antikus hálókat képes generálni, ahol az fj fo g a lo m n a k m egfelelő predikátum a típus (f,), az i argum e n tu m pedig a háló i-edik elem éhez tartozó f, fog a lo m azonosítója. F orm alizál­

va: ([V Á R O S :# 1 2 ] = > (STAT) = > [FŐVÁROS] = > (LOC) = > [C H IL E ])— > ]x]y(V Á - R O S (# 1 2))& S T A T (# 1 2,x)& F Ő V Á R O S (x)& L O C (x,y)& (y)).

A hol a fo rm u la teste a predikátum ok konjunkciója, kvantifikációja pedig ]x-j]x2...]x n, a # 1 2 = e g y e d i jelölő. Például ha a [VÁROS] egyedi je lö lője (re fe re n s e ) a # 1 2 , akko r az, az n darab lehetséges város közül a 12-diket, példánkban S antiagót azonosítja.

Ha összevetjük a hum án g o n d o lko d á s és a szem antikus netw ork (C arbonell tu d á s ­ bázisa) m űködését, ham ar kiderül, hogy csak egyszerű esetekben v o n h a tu n k p á rh u ­ zam ot. A zonban néhány speciális körülm ény definiálásával, nem túl nagy a d a tb á z is ­ sal, a fenti algoritm us jó eredm ényeket képes szolgáltatni. A m ó d szer használata sok esetben napjainkban is célravezető. Mivel azonban a g o n d o lk o d á s fo lya m a tá n a k gépi m odelljei ekkor m ég nem voltak képesek szim ulálni a tényleges való sá g o t, c é ls z e rű ­ nek tűnt a m űködés egyes m ozzanatait kiragadva részfolyam atokat kido lg ozn i, és azokat az egyedi esetekre alkalm azni.

A szókrateszi metodika

A kutatók figyelm e ekkor a dialó gu so n alapuló szókrateszi m e tó d u s felé fordult, am elyben a tanár sohasem exponál direkt m ó d on egy tárgyra, hanem a ta n u ló intellektusának m egfelelő kérdésekkel engedi, hogy a m e g fo ga lm a zott vá la szo k a la p ­ ján, felfedezésként élje meg az új ism eret elm élyülését. A m e to d ika szám ító g é p es adaptálására C ollins d o lg o zo tt ki algoritm ust, am ely kiválóan szim ulálja a rávezető kérdésekkel operáló szókrateszi m etodikát (16). A teljes m odellt, a 60 sza b ályo n alapuló algoritm ust, a WHY nevű, földrajzi ITS-ben alkalm azták e lő szö r - a fö ld csapadékzónáinak elhelyezkedését, jellegét m egtanító ITS (17). P éldaként a 6. s z a ­ bályt tesszük közzé C ollinstól átvéve.

Rule 6: From a general rule fo r an insufficient factor.

/F th e student gives an explanation of one or m ore fa c to rs that are not su fficie n t THEN form ulate a general rule asserting that the fa cto rs given are su fficia nt and ask the student if the rule is true

REASON fo r use

to fo rce the student to pay attention to other casual fa cto rs

EXAMPLE If the student gives water as the reason w hy they grow rice in C hine, ask him „D o you think any place with enought water can grow rice?"

A WHY-ban a tényanyagot egy leíró-hierarchikus, sztereotip ka p cso la tre n d s z e r tá ­ rolja, am elyben a leírószekvenciák állandóak és az esetek közötti ka p csola té p íté s könnyen vizsgálható. Ezt kihasználva, az általános kérdésgeneráló, az egyszerű tő l indulva - a leírás fü g g ő sé g é b e n - halad a b onyolult felé. (A kog nitív „to p d o w n -b o tto m up" m egism erési folyam athoz hasonlóan.) Az algoritm us m ű kö dé sé t egy p ró b a fu tá s eredm ényével lehet illusztrálni:

WHY: Do you think the AM AZON jungle has heavy rainfall or light rainfall?

(Kérdés az egyik predikátum megközelítésére, egy eset kapcsán.) Student: Heavy rainfall.

WHY: W hy does the A m azon have heavy rainfall?

(Kérdés, a priori.)

Student: Because it’s near the Atlantic.

WHY: Yes, the A m azon jungle is near the equatorial Atlantic. H ow d o e s that affect rainfall in the A m azon jungle?

(Egy közbevetett kérdés az ok felderítésére.) Student: The w ater in the current is warm.

WHY: Do you think that any place with m ountains has heavy rainfall?

(A m egsejtett szabály általánosítására tett kísérlet.) S tudent: Yes.

WHY: S outhern C alifornia has m ountains. W hy d o e s n ’t Southern C alifornia have heavy raitall?

(A m egtanultnak feltételezett szabály helyes alkalm azásának próbája.)

A kirag a d o tt példa nem csak a szókrateszi m etodika egy kiváló szim ulálását sz e m ­ lélteti, hanem vilá g o san m egm utatja, hogy a term észetesnyelvi interfész az ITS-ek Akhillesz-sarka.

A véges állapotú automata

A szókrateszi m odell leg n a g yo b b hátránya, hogy az aktuális cél m eghatározásakor elveszítjük a ta n u ló m ás területről vett asszociációinak ellenőrzési lehetőségét (hiszen a tu d á sb á zis spe ciá lis esetre épült ki), ami esetleg diktátum szerűvé teszi tanulás folyam atát. Ezt a pro blé m át a METEOROLOGY iTS-ben m egkísérelték feloldani. E b ­

ben a p ro g ra m b a n a leíró adatbázist V éges-Á llapotú-A utom aták (Finit State A utom ata - FSA) halm aza kezeli. Ezek, a cím kézett cso m ó p o n to k a t irányított élekkel ö ssze kö tő

gráfok, am elyeknek definiált kezdő és végállapotaik vannak. Ha egy input hatására valam elyik autom ata vég ig fu t egy élsorozaton és a végállap o tá b a jut, akkor az input kiértékelése sikeres, ellenkező esetben valam ilyen hibát hordoz. Mivel egy tu d á sb ázis tö b b kezdő és végállapottal bír, a rendszernek ism ernie kell az azo no s cím kéjű ke zd ő á lla p o to k teljes halm azát, így szükség esetén valam ennyi releváns autom atát m ű k ö d é s b e tu d ja hozni. Ha egy autom ata valam ely élrendszeren végigfut, v é g re h a jt­

hat egy átm enetet a „lejárt" autom ata nevével cím kézve, így azon él v é g p o n tjá b ó l fo lyta tja a m űködést, am elyből az elő b b kilépett. Mivel az átm enetek az inputtól fü g g e ne k, akkor lesz sikeres az átmenet, ha az input egy predikátum m al m egegyezik.

Ezzel a p rogram a kció so ro za to k sokaságát végezheti el, amit W o o d s „B ővített Á tm e ­ n e th á ló n a k ” nevezett el (18).

R öviden, az FSA-t tekinthetjük, egy tényekből és azok tu la jd o n ság a ibó l, m int attri­

b ú tu m o k b ó l álló cso m ó p o n t-h a lm a z egyes elemei között ka p csola to t létesítő gépnek.

A kötéseket logikai és (&) m űvelettel definiálja, s akkor sikeres a fo lya m at egy-egy lépése, ha az egyes tények és azok tulajdonságaik & kapcsolata a sza b álybázisban rögzítetteknek nem m ondanak ellent. Az így összegyűjtütt c s o m ó p o n to k v é g e re d m é ­ nye az FSA egy eredm ényes végállapota, ami akkor helyes m egoldás, ha a rögzített tu d á sb á zis tartalm az ilyen FSA végállapotot, illetve olyan végállapot sorozatot, a m e ­ lyet az input generálta FSA-k befutottak.

E b b ől a tu d á sb ázis-ke zelő m ódszerből fejlő d ö tt ki a „színezett” élekkel operáló A N D-O R gráftechnika, ami a M esterséges Intelligencia (A rtific ia l In te lllg e n c e - Al) kedvelt eszköze a tények tárolási, lehívási, kezelési folyam atát vezérlő operátor-bázis kiépítésének.

A m entális m odell

A fenti m ódszert to vábbfejlesztve a SOPHIE ITS p rogram ban dolg o zta k ki egy olyan rendszert, am elyben e lőször bukkan fel az aktív kognitív tudásreprezentáció, m int a ta n u ló g o n d o lk o d á s á t m érlegelő m entális m odell. (5). A SOPHIE I. m ég nem kom plex ITS, de m int autom atikus labor-szim uláció, már term észetesnyelvi interface-szel d o l­

gozott. Inputértékelő rendszere hibakeresésen alapszik és azonnal (re a l-tim e ) értékel, így lehetőség nyílik a hibás beidegződések kizárására. A tu d ásbázis felépítésekor kü lönválasztották a készségalapú tudást {p ro ced ú rá i kn o w le dg e ) és a tényalapú tudást (d e cla ra tive kn o w le d g e ). Szervezésüket a már jól ism ert szem antikus háló c s o m ó p o n tja in vé g ig fu tó FSA-k halm aza oldja meg, am elyben az o p e rá to ro k négy sze m p on t alapján keresik m eg az össze fü g gő cso m ó p o n to ka t:

1. Válasz egy feltételezett eset kim enetelére Például, mi történik, ha egy szabály valam elyik összetevőjét elhagyjuk. Ez a szem pont egy fo rm u la p o n to s elsajátítását, alkalm azását, a kom ponensek kapcsolatának értését teszteli.

2. A lehetséges kim enet végállapotának m eghatározása. A beérkező inp u t alapján felépített gráfból m eg tudjuk határozni a tanuló által inicializált FSA v é g á lla p o tá t és ezzel m ég a m egoldás előtt valószínűsíthetjük az eredm ényességet.

3. Az input lehetséges kim eneteleinek teljes listája. Mivel egy feladatnak tö b b jó m egoldása lehetséges, m inden m egoldáshoz kell lennie egy FSA-nak. Ezek teljes listáját elő kell állítani.

4. Az újszerű m egoldások kiértékelése. Ha egy feladatot fo g a lm a zu n k m eg, tu d n u n k kell, hogy m ennyi és m ilyen adatra van szükség am ivel korrekt m e g o ld á st lehet generálni.

Ez azért lényeges, mert a program is felállít egy m egközelítési hipotézist, és ha ennek az FSA-nak „n in cs m egoldás" a végállapota, a ta n u ló m ind e n m e g o ld á s á t jó n a k ítéli, lévén a beérkező input vezérelte FSA végállapota: „n in c s m e g o ld á s ". U g y a n a k ­ kor, ha a tanuló talál egy eddig nem rögzített, de a vé g ere d m é nn ye l eg yező v é g á lla ­ potú autom atát, am elynek átm enetei érintik az összes szü kséges és e lé g sé g es c s o ­ m ó p o n to t (ami véletlenül is bekövetkezhet), meg kell határozni, ho gy a bejárás m e n y ­ nyire releváns az aktuális feladathoz.

A m entális m odellt a SOPHIE II illetve III p ro gram okban továbbfe jle szte tték. B e é pí­

tettek egy hibafelderítő és elem ző m odult, amellyel lehetővé vált a hiba elkö ve té sé n e k pillanatában törté n ő elemzése. Az értékelés eredm ényét felhasználva generá lha tu n k egy d ia ló gu so n alapuló azonnali korrekciós rutin, ami a hiba jellegétől, h a tá skö ré től és helyétől függ. A m ódszer önálló m űködésre is alkalm as, „reaktív ta n u ló -kö rn ye ze tn e k"

nevezték el (19).;

A hibakereső m odell

Ez az irányzat az eddigi p ró bálkozások közül a legsike rese b b kísérlet a hum án g o n d o lk o d á s elektronikus szim ulálására. A SOPHIE lll-ban a tu d á sb á zis (e le ktro n ics expert) felett a hibakereső (tro u b le s h o o tin g) m űködik. S tratégiája egy id ő b e n jelent m eg a BLOCK TUTOR (6) hibaelem zőjével és azzal a lg o ritm u s s z e m p o n tjá b ó l c s a k ­ nem teljesen m egegyezik. Az optim alizált hibakereső három szintre ta g o ló d ik :

Az alsó szinten m ennyiségi adatok - a SOPHIE lll-ban például (és a to v á b b i eseteket

—^ folyamat

generátor ^ ---- . Nkövetkezmény értékelő

általános kimeneti kép

/\ F '

eseti jellemzők V

leírása szimulációs

rendszer

szabály­

bázis mennyiségi

propagátor elemi adattáblák

I bázis

I __ J

is innen idézzük) áram köri elem ek jellem ző kim eneti ill. bem eneti adatai, a k a p c s o lh a - tósági jellem zők, kapcsolási m ódok és a felhasználható elem ek bázisa található. A m ásodik szint a m inőségi jellem zők tára, a ka pcsolási esetek, a kim eneti tu la jd o n s á ­ gok és a törvények leírása. A harm adik szint az általános szint, ahol a m egtervezett áram kör tu la jd o n ság a it szim uláló folyam at szerveződik. Az általános kim eneti kép egy, az inpu to kra épülő m űködési gráf, am elynek felépítésébe bárhol be lehet avatkozni és

a m ó d o sítá so kn a k m egfelelően a fagenerátor újraszervezi azt.

A fenti tu d á sb ázist m echanisztikus mentális, illetve causal - quantitativ m odellnek nevezték el, egyben jó példa az elektronikus, optim alizáló hibakereső m odell m ű k ö d é ­ sére.

A m int azt a fen tie kb ől láthatjuk, az Intelligens Tutor Rendszerek elm életi alapja három tu d o m á n y o s terület eredm ényeire épül. A m esterséges intelligencia (Artifical Intelligence — A l), a kognitív p szich o lóg ia és a szám ítógépes nyelvészet törvényeit, szabályait ötvö zve építi fel tudásbázisát, am ellyel a hum án g o n d o lk o d á s folyam atát szim ulálva m egkísérli a tanítás gépi adaptálását. Ha m egkíséreljük a mai m agyar oktatási rendszerbe integrálni a szám ítógépes oktatást, m int kiegészítő eszközt, olyan p ro g ra m c s o m a g o k a t kell összeállítanunk, am elyek a fenti m odellek m űkö dé sé h ez hasonlóan, lehetővé teszik m inden peda g ó g us és tanuló szám ára az egyszerű h o zzá ­ férést, a kö n nyű használatot. Ehhez azonban tö b b részletkérdést tisztázni kell. Ezt csak rendszeresen közzétett tapasztalatok, fejlesztési eredm ények, kutatási fo ly a m a ­ tok ö tvözésével lehet m egoldani.

L e g s ú ly o s a b b p ro blé m a a m agyar nyelvű term észetes nyelvi interfész hiánya, bár tö b b kísérlet tö rté n t már ennek m egvalósítására (20). De m egoldatlan m ég a hazai szokásokra, beidegződ é se kre épülő felhasználói felület (u s e r in te rfa ce ) op tim ális kialakítása, vag y a tu d á sb ázis kezelésére rendszeresíthető olyan sp e cifiku s o p e rá to r­

bázis kiépítése, am elyik a m agyar nyelv kötetlen szórendű m o n d a ta ib ó l is képes kihá m o zn i a beszerkesztett inform ém ákat. N incs intézm ényesített p ro g ra m g yű jtő , tá ­ roló, terjesztő szervezet, nem koordinálja sem m i az önállóan d o lg o z ó m űhelyek, egyének m unkáját.

E d o lg o z a t felhívás is egyben, hogy ezeket a szervezeti h iá n yo ssá go ka t legalább p u b lik á c ió s szinten, részlegesen feloldjuk. Tegyük közzé tapasztalatainkat, e lké p ze lé ­ seinket rendszeresen, hogy a kiem elkedően m agas színvonalú, de elszigetelten d o l­

go zó szám ítástechnikai szakem bergárda felzárkózhasson a nyugati te c h n o ló g ia alka l­

m azóinak élvonalához.

IRODALOM

(1) Smith, S.G. & Sherwood, B.A.: Educational Uses of the PLATO Computer System. Science, 1976/192 sz. 344-352. p.

(2) Price, R.V.: Computer Aided Instruction. A Guide for Authors. Brook/Cale Publishing Corp. USA, 1991.

(3) C arbonell, J R .: Mixed Initiative Man-Computer Instructional Dialogues. Doktori disszertáció, Massachusetts Institute of Technology Cambridge, 1970.

(4) Yazdani, M. \ Intelligent Tutoring Systems: An Overview. In Artifcal Intelligence an Education, volume one (10) Ablex Publishing, 1987. 184-201. p.

(5) Brown, J.S., Burton, R.R. & Bell, A .G .: SOPHIE: A step towards a reactive learning enviroment.

International Journal of Man-Machine Studies, 1974/7. sz. 675-696. p.

(6) Brown, J.S., Burton, R.R.: A paradigmatic example of an artrfically intelligent instructional system. International Jurnal of Man-Machine Studies, 1978/10. sz. 323-339. p.

(7) Bork, A.: Learning with computer. Bedford, MA: Digital Press, 1981.

(8) Úttal, W.R.: On conversational interaction. In J.E. Coulson (Ed.) Programmed Learning and Computer Based Instruction. New York:Willey, 1962. 1-11. p.

(9) Kidd, A .L .: Knowledge Acquisition for Expert Systems. Plenum Press, New York, 1987.

(10) A nderson, J.R., Corbett, A.T., & Reiser, B.J.: Essential LISP Reading, MA: Addison-Wesley, 1986.

(11) Shortliffe, E .H .: Computer-based medical consultations: MYCIN. American Elsevier, New York, 1976.

(12) Clancey, W.J. : Tutoring Rules for guiding a case method dialogue. In D. Sleeman & J.S. Brow n (Eds.) Intelligent Tutoring Systems. Academic Press London, 1982. 201-225. p.

(13) Tomelein, I D., Jonson, M.V. (Jr.), Hayes-Roth, B. A Levitt, R.E.: SIGHTPLAN: A Blackboard Expert System lo r Construction Site Layout. In J. Gero (Ed.) Expert systems in computer aided

design. Elsevier Science Publishers B.V. North-Holland, (1987).

(14) Van Lehn, K.: Felicity conditions for human Skill acquisition validating an Al-based theory.

(Tech.Rep CIS-21) Palo Alto, CA:Xerox Palo Alto Researc Center, 1983.

(15) Reigeluth, C.M. & Curtio, R.V.: Learning situations and instructional models. In R. G agné (Ed.) Instructional Technology: Foundations (7) Laurence Erlbaum Associates Publisher, Hillsdale, New Jersey. 175-206. p.

(16) Collins, A.\ Process in Acquiring Knowledge. In R.C. Anderson, R.J. Spiro & W.E. M ontague (Eds.) Schooling and the Acquisition of Knowledge. Laurence Erlbaum Assotiates, Hillsdale, New Jersey, 1977.

(17) Steven, A.L. & Collins, A.: The goal structure of a Socratic tutor. Proceedings of the National ACM Conference, Seattle, Washington. Association for Computing Machinery, New York, 1977.

256-263. p.

(18) Woods, W.A. : Transition Network Grammar for natural Language Analysis. CACM. 13. (10), 1970. 591-606. p.

(19) Brown, J.S., Burton, R.R. & de Kleer, J.: Pedagogical natural language and knowledge engeneering techniques in SOPHIE I and III. In D. Sleeman & J.S. B row n (Eds.) Intelligent Tutoring Systems Academic Press London, 1982. 227-282. p.

(20) Prószéki, G.: Számítógépes nyelvészet. Akadémiai Kiadó, Budapest, 1990.