Free Powerpoint Templates

1. Modelovanie používateľa v doméne vzdelávania Free Powerpoint Templates Maroš Unčík prof. Mária Bieliková

2. Modelovanie používateľa • Model používateľa – zjednodušená reprezentácia používateľa v adaptívnom systéme • Proces budovania a aktualizácie modelu používateľa • Správny model - základ pre vizualizáciu

3. Motivácia • Zahltenie informáciami • Reprezentovanie charakteristík a personalizácia • V kontexte práce • nejednotný prístup • kombinácia viacerých vstupných zdrojov

4. Charakteristiky modelu • Prekryvný model • Jednoduchosť • Využitie v existujúcich systémoch na našej fakulte (ALEF) • Všeobecnosť

5. Proces modelovania Zabúdanie

6. Návrh modelu používateľa • Charakteristiky • Doménovo-nezávislé charakteristiky(vek, skúsenosti ...) • Doménovo-závislé charakteristiky - vedomosti, záujmy, ciele • Hodnota charakteristiky • dvojdimenzionálny vektor [hodnota, pravdepodobnosť]

7. Návrh modelu používateľa

8. Problémy • Kombinácia viacerých zdrojov, ktoré obohacujú model • Šírenie vedomostí • Zabúdanie

9. Skladanie vedomostí Vedomosť = vektor (hodnota, pravdepodobnosť) hodnota ∈ <0, 1> pravdepodobnosť ∈ <0, 1> Vedomosť Dôveryhodnosť pointer (0.2, 0.8) 0.2 (0.1, 0.65) 0.3 (0.9, 0.9) 0.4

10. Skladanie hodnôt Vedomosť = vektor (hodnota, pravdepodobnosť) hodnota ∈ <0, 1> pravdepodobnosť ∈ <0, 1> Vedomosť pointer (0.2, 0.8) Vedomosť (0.1, 0.65) (0.72, _ ) (0.9, 0.9) ck– výsledná hodnota vedomostí ck(N)– hodnota vedomostí pre koncept k určená nástrojom N p(ck(N)) – pravdepodobnosť d(N) – dôveryhodnosť nástroja d(N1) = 0.2; d(N2) = 0.3; d(N3) = 0.4

11. Skladanie pravdepodobností Vedomosť = vektor (hodnota, pravdepodobnosť) hodnota ∈ <0, 1> pravdepodobnosť ∈ <0, 1> Vedomosť pointer (0.2, 0.8) Vedomosť (0.1, 0.65) (0.72, 0.71) (0.9, 0.9) p(ck) – výsledná pravdepodobnosť p(ck(N)) – pravdepodobnosť vedomostí pri danom nástroji d(N) – dôveryhodnosť nástroja d(N1) = 0.2; d(N2) = 0.3; d(N3) = 0.4

12. Šírenie vedomostí • Metóda šírenia energie v grafe • Hodnota zostáva, mení sa pravdepodobnosť • Aktivačná funkcia E´u1 – pôvodná úroveň energie fd(u1,u2) – funkcia vzdialenosti Eu2 – energia šírená z uzla u2 wu1u2 – váha relácie

13. Zabúdanie vedomostí • Znižujeme pravdepodobnosť vedomosti Pamäť Čas od učenia

14. Učenie prvýkrát Opakovanie

15. Kedy sa zabúda • Prepočítanie konceptov • Pred začiatkom sedenia • Pre každý koncept samostatne • Aktualizuje sa hodnota všetkých konceptov s ohľadom na novú hodnotu parametra s

16. Aktualizácia Rozdiel v parametri s

17. Overenie • ALEF • Kvantitatívne overenie • laboratórny experiment – overenie modelu používateľa ako takého, so zabúdaním a bez zabúdania