U ovom tekstu imaćete priliku da pročitate nešto o primeni veštačke inteligencije u obrazovnom kontekstu –  konkretnije, da saznate ključne karakteristike, prednosti, ali i neke od nedostataka softvera za podučavanje, tj. inteligenog tutorskog sistema.  

Šta je inteligentni tutorski sistem?

Termini tutor i mentor vezuju se za nekoga ko daje stručnu pomoć u određenoj oblasti; na nekoga ko pomaže da se steknu određene veštine i znanja u procesu učenja. Preneseno u kontekst informacionih tehnologija i veštačke inteligencije, inteligentni tutorski sistem (Intelligent Tutoring Systems, ITS) predstavlja softver koji simulira ponašanje tutora/nastavnika/mentora, tj. pomoćnika u učenju. Konkretnije rečeno, ovaj softver pruža individualnu podršku i pomoć pri učenju tako što učenicima postavlja pitanja, raščlanjava njihove dgovore i nudi prilagođene instrukcije i povratne informacije koje su u funkciji učenja i razumevanja sadržaja.

Ono što je posebno važno za ovaj tip obrazovnog softvera, po kome se on razlikuje od ostalih, jeste to da inteligentni tutorski sistemi mogu da protumače odgovore učenika i da reaguju u skladu sa njima. Dakle, ovom softveru cilj nije samo da prepozna tačan/netačan odgovor, već da prepozna u kom koraku učenik greši i u skaldu sa greškama pruži odgovarajuću povratnu informaciju i sugestiju učeniku.

Kako inteligentni tutorski sistem funkcioniše?

Kada govorimo o strukturi i arhitekturi ovih alata, važno je naglasiti da se oni značajno razlikuju i da je, zapravo, prava retkost naći dva softvera ovog tipa koji imaju identičnu strukturu. Međutim, u stručnoj literaturi (prema: Hyacinth S. Nwana) postoji konsenzus o tome da se struktura ovih alata najčešće sastoji iz 4 elementa:
① Učenički interfejs (Student interface) – odnosi se na interfejs pomoću kog učenik komunicira sa sistemom.

② Modul ekspertskog znanja(The expert knowledge module) – upućuje na znanja, veštine ili ponašanja stručnjaka u određenoj oblasti, a koja bi trebalo preneti na učenika. Istraživanja inteligentnih tutorskih sistema ukazuju da modul ekspertskog znanja mora obuhvatati specifična znanja, identifikovana od strane eksperata koji imaju dugogodišnje iskustvo iz konkretnih naučnih oblasti kojima je alat namenjan.

③ Modul učeničkog modela (The student model module) – opisuje realno znanje i ponašanje učenika koje softver procenjuje i onda na osnovu njega dalje deluje.

④ Modul podučavanja (The tutoring module) – razlika između modula učeničkog modela (realnog znanja i ponašanja učenika) i modula ekspertskog znanja (očekivanog ekspertskog znanja iz oblasti) zapravo pokreće modul podučavanja, koji na osnovu identifikovanih problema kod učenika reaguje pružanjem povratnih informacija, instrukcija i pomoći u prevazilaženju problema u učenju. Dakle, ovaj modul koristi znanje o učeniku (o nivou njegovog znanja) i na osnovu toga bira koju pedagošku intervenciju će primeniti u konkretnom slučaju: savete, podršku, objašnjenja, zadatke, testove i sl.

Kako smo naveli, ovi alati nisu identični po načinu funkcionisanja, ali sadrže sličnu strukturu i generalni princip po kom funkcionišu – softver učenicima nudi vežbe, koje oni rade prema zadatim koracima koje softver nudi.

Na primer, zadatak iz matematike dostupan u okviru softvera bio bi podeljen na nekoliko koraka koje bi učenik rešavao – recimo, da nešto izračuna, zatim da nacrta grafik, definiše određene vrednosti… Sistem zatim procenjuje svaki odgovor učenika prema navedenim koracima i ukazuje na tačke i korake u kojima je grešio, tj. upoređuje rešenje učenika (modul učeničkog modela) i tačno rešenje zadatka (modul ekspertskog znanja), a onda identifikuje razlike između ta dva rešenja, i na osnovu njih odlučuje o narednim koracima – pruža savete, pomoć pri radu, povratne informacije…
Osim toga, kod većine ovih alata sistem kreira profil svakog učenika, beleži tačne i netačne odgovore i računa statističke procene napredovanja učenika, na osnovu kojih dobija informacije o tome na kom nivou znanja je svaki od učenika i koje vrste zadataka bi trebalo da vežba u skladu sa tim.

Putem OVOG LINKA možete videti kako izgledaju zadaci u jednom od ovih alata.

Dakle, iako postoje mnoge vrste inteligentnih tutorskih sistema, ono što im je zajedničko, jeste da se svaki mora ponašati inteligentno, tj. mora biti u stanju da:

● precizno evaluira nivo znanja i veština učenika;
● daje povratne informacije i instrukcije koje su personalizovane, relevantne za učenika, a ne programirane, uopštene odgovore i savete;
● odlučuje o narednim koracima i zadacima koje će ponuditi učeniku na osnovu nivoa njegovog znanja.

Zašto su ovi alati značajni?

Namena inteligentnih tutorskih sistema nije da zamene čoveka, koji donosi složenu društvenu interakciju u kontekst učenja i obrazovanja, već da olakšaju i unaprede proces učenja i razumevanja gradiva.

★ Glavna prednost ovog alata je u tome što može da radi sa velikim brojem učenika u vidu pružanja pomoći svakom učenuku, prilagođavanja njihovoj brzini i specifičnim ulovima učenja, kao i to što može biti na raspolaganju kada god je učeniku potreban, bez vremenskih ograničenja.

★ Takođe, važno je pomenuti da je ovaj sistem jako uspešan kada je reč o vođenju učenika kroz proces učenja. Istraživači koji su ispitivali efikasnost ovih alata navode da oni mogu pomoći u postavljanju pretpostavki o tome kako učenici kao pojedinci uče, a osim toga, sam način funkcionisanja inteligentnih tutorskih sistema – gde zapravo učenici ukazuju na to šta u zadatku razumeju – na osnovu čega softver dalje predlaže sugestije, savete i instrucije predstavlja efikasniji način rada sa učenicima nego ukazivanje na to šta ne shvataju.

★ Osim navedenih prednosti, pokazalo se da kompjuterski mentor može da smanji količinu anksioznosti koju neki učenici mogu osećati u vezi sa priznanjem da ne razumeju neki koncept ili proces, a koju mogu pojačano osećati u odnosu sa realnim nastavnikom u socijalnoj situaciji u nastavi.

Šta su nedostaci inteligentnih tutorskih sistema?

Kao nedostaci inteligentnih tutorskih sistema navode se sledeće tvrdnje:

► Princip rada ovog softvera kritikovan je zbog neupeha u razvijanju „dubinskog” učenja i razumevanja kod učenika.

• Na primer, kada se učenicima daje kontrola nad tim kako će i koliko primati saveta od sistema, oni ga mogu „prevariti” tako što će tražiti savete i pomoć u rešavanju zadatka sve dok sistem ne ponudi tačan odgovor, ili, s druge strane, zahtevati mnogo pomoći u kratkom vremenskom roku, kako bi što pre završili zadatak. Ukoliko učenik ne iskoristi savete i povratne informacije softvera na pravi način, tj. ukoliko ih ne iskoristi za refleksiju, razmišljanje i razumevanje svojih grešaka, već umesto toga zahteva gotova rešenja, učenik zapravo ne uči, već stvara iluziju o tome. Dakle, glavna zamerka se može formulisati kao nesposobnosti ovih alata da prepoznaju „plitko” učenje.

► Još jedna kritika odnosi se na to što sistem ne može da postavlja pitanja učeniku – na osnovu kojih bi učenici bili podstaknuti da objašnjavaju svoje razmišljanje i akcije koje su preduzimali tokom rešavanja zadatka. Ovi alati su kritikovani da su perviše „instruktivni” i da utiču na smanjenje motivacije za samostalno istraživanje i pronalaženje rešenja kod učenika.

► Slabost inteligentnih tutorski sistema odnosi se i na kompleksnost njihove izrade i visoke troškove koji uz to idu.

• Programiranje svakog elementa ovog softvera je veoma kompleksan i dugotrajan proces. Na primer, samo kreiranje baze ekspertskog modela (ekspertskog znanja) može biti dugotrajan zadatak. Samo pitanje – kako kodirati ekspertsko znanje i kako ga predstaviti u okviru softvera, predstavlja ključno pitanje za kreatore ovih sistema, jer se predstavljanje ekspertskog znanja ne sme zadržati samo na opisu onoga što učenik treba da nauči, već i na prepoznavanju veština i razumevanju sadržaja, koji predstavljaju osnove stručnosti. Opet, s druge strane, postoje izazovi koji se vezuju za procenu znanja učenika, posebno zbog toga što je u većini slučajeva ovih sistema glavni način komunikacije između sistema i učenika tastatura. Čovek, za razliku od sitema, može da kombinuje različite izvore informacija, kao što su glas, ton, dinamika govora, mimika i neverbalna komunikacija. 

U kom smeru se kreće razvoj ovih alata?

Razvoj komunikacije pomoću dijaloga
Istraživači danas rade na uvođenju glasa i simulaciji dijaloga u komunikaciji inteligentnih tutorskih sistema i učenika. Na taj način ovi alati će jednog dana biti u mogućnosti da odgovore ne samo rečima već tonom, dinamikom, izrazom lica i govorom tela. Međutim, kako bi se dobio potpuni doživljaj dijaloga, postoji mnogo različitih oblasti u kojima računar mora biti programiran, uključujući i to da bude u stanju da razume ton, dinamiku govora, govor tela i mimiku, a onda da odgovori na njih, što nimalo nije jednostavan posao.

Razumevanje emocija od strane sistema
Do sada je nebrojano puta potvrđena povezanost emocija i učenja, tj. da osim kognicije, i emocije igraju veoma važnu ulogu u učenju. To je upravo i motivisalo kreatore inteligentnih tutorskih sistema da kreiraju sitstem koji će moći da tumači i da reaguje na emocionalna stanja sagovornika, tj. učenika. ITS sistem se može razviti tako da „pročita” i razume izraze lica sagovornika, ali svakako da postoje komplikacije u tome, jer se emocije ne izražavaju samo na jedan, već na više različitih načina – tako da, da bi ovaj softver bio efikasan u tumačenju emocija, mora da obuhvata multimodalni pristup (ton, izraz lica…). Ove ideje su uticale na stvaranje potpuno nove oblasti u okviru razvoja inteligentnih tutorskih sistema, afektivnih tutorskih sistema (Affectiv Tutor System). Jedan od primera inteligentnih tutorskih sistema koji tumači emocije je Gaze Tutor, koji je razvijen sa ciljem da prati pokrete očiju sagovornika i na taj način utvrdi njihove emocije – da li im je dosadno ili su zabrinuti, odsutni, a zatim, nakon tumačenja emocije, sistem pokušava da se poveže sa učenikom.

Izvori:

• Intelligent Tutoring Systems
• 7 THINGS YOU SHOULD KNOW ABOUT … 
• Intelligent Tutoring Systems: What Happened? 
• Inteligentni tutorski sustavi
• Artificial Intelligence
• Intelligent tutoring system
• Hyacinth S. Nwana, Intelligent Tutoring Systems