ระบบการสอนอัจฉริยะ

ระบบการสอนอัจฉริยะ ( ITS ) คือระบบคอมพิวเตอร์ที่เลียนแบบผู้สอนที่เป็นมนุษย์และมุ่งให้คำแนะนำหรือข้อเสนอแนะที่ปรับแต่งได้ทันทีแก่^ผู้เรียน [ ¹^]โดยปกติแล้วไม่จำเป็นต้องมีการแทรกแซงจากครูผู้สอนที่เป็นมนุษย์^[²^] ITS มีเป้าหมายร่วมกันในการช่วยให้การเรียนรู้มีความหมายและมีประสิทธิภาพโดยใช้เทคโนโลยีคอมพิวเตอร์ที่หลากหลาย มีตัวอย่างมากมายของการใช้ ITS ทั้งในการศึกษาอย่างเป็นทางการและการตั้งค่าทางวิชาชีพ ซึ่งได้แสดงให้เห็นถึงความสามารถและข้อจำกัดของระบบ มีความสัมพันธ์อย่างใกล้ชิดระหว่างการสอนอัจฉริยะ ทฤษฎีการเรียนรู้เชิงปัญญา และการออกแบบ และมีการวิจัยอย่างต่อเนื่องเพื่อปรับปรุงประสิทธิภาพของ ITS โดยทั่วไปแล้ว ITS มุ่งที่จะจำลองประโยชน์ที่แสดงให้เห็นแล้วของการสอนแบบตัวต่อตัวและเฉพาะบุคคล ในบริบทที่นักเรียนอาจได้รับการสอนแบบหนึ่งต่อหลายคนจากครูคนเดียว (เช่น การบรรยายในห้องเรียน) หรือไม่มีครูเลย (เช่น การบ้านออนไลน์) ^[³^] ITS มักได้รับการออกแบบโดยมีเป้าหมายเพื่อให้ทุกคนสามารถเข้าถึงการศึกษาที่มีคุณภาพสูงได้

ประวัติศาสตร์

ระบบกลไกยุคแรก

ความเป็นไปได้ของเครื่องจักรอัจฉริยะได้รับการพูดคุยกันมาหลายศตวรรษแล้ว บลาส์ ปาสคาลสร้างเครื่องคำนวณเครื่องแรกที่สามารถคำนวณทางคณิตศาสตร์ได้ในศตวรรษที่ 17 ซึ่งเรียกง่ายๆ ว่าเครื่องคำนวณของปาสคาลในช่วงเวลานี้ นักคณิตศาสตร์และนักปรัชญากอตต์ฟรีด วิลเฮล์ม ไลบ์นิซ จินตนาการถึงเครื่องจักรที่สามารถให้เหตุผลและใช้กฎของตรรกะเพื่อยุติข้อพิพาท^{[ 4 ]}ผลงานในช่วงแรกเหล่านี้เป็นแรงบันดาลใจให้เกิดการพัฒนาในภายหลัง

แนวคิดเรื่องเครื่องจักรอัจฉริยะสำหรับการเรียนการสอนมีมาตั้งแต่ปี พ.ศ. 2467 เมื่อซิดนีย์ เพรสซีย์แห่งมหาวิทยาลัยโอไฮโอสเตทได้สร้างเครื่องจักรสอน แบบกลไก เพื่อสอนนักเรียนโดยไม่ต้องมีครูผู้สอน^{[ 5 ]}^{[ 6 ]}เครื่องจักรของเขามีลักษณะคล้ายเครื่องพิมพ์ดีดที่มีปุ่มหลายปุ่มและหน้าต่างที่แสดงคำถามแก่ผู้เรียน เครื่องจักรของเพรสซีย์อนุญาตให้ผู้ใช้ป้อนข้อมูลและให้ผลตอบรับทันทีโดยการบันทึกคะแนนของพวกเขาบนตัวนับ^{[ 7 ]}

Pressey ได้รับอิทธิพลจากEdward L. Thorndikeนักทฤษฎีการเรียนรู้และนักจิตวิทยาการศึกษาที่วิทยาลัยครูแห่งมหาวิทยาลัยโคลัมเบียในช่วงปลายศตวรรษที่ 19 และต้นศตวรรษที่ 20 Thorndike ได้เสนอกฎเกณฑ์สำหรับการเพิ่มการเรียนรู้ให้สูงสุด กฎเกณฑ์ของ Thorndike ประกอบด้วยกฎแห่งผลกระทบกฎแห่งการฝึกฝนและกฎแห่งความใหม่ตามมาตรฐานในภายหลัง เครื่องมือการสอนและการทดสอบของ Pressey จะไม่ถือว่าฉลาด เนื่องจากทำงานด้วยกลไกและอิงตามคำถามและคำตอบทีละครั้ง^{[ 7 ]}แต่มันได้สร้างแบบอย่างเบื้องต้นสำหรับโครงการในอนาคต

ในช่วงทศวรรษ 1950 และ 1960 มุมมองใหม่เกี่ยวกับการเรียนรู้เริ่มปรากฏขึ้นบูร์รัส เฟรเดอริก "บีเอฟ" สกินเนอร์แห่งมหาวิทยาลัยฮาร์วาร์ดไม่เห็นด้วยกับทฤษฎีการเรียนรู้แบบเชื่อมโยงของธอร์นได ค์ หรือเครื่องมือการสอนของเพรสซีย์ สกินเนอร์เป็นนักพฤติกรรมนิยมที่เชื่อว่าผู้เรียนควรสร้างคำตอบของตนเองและไม่ควรพึ่งพาการจดจำ^{[ 6 ]} เขายังสร้างเครื่องมือการสอนที่มีระบบกลไกแบบเพิ่มขึ้นซึ่งจะให้รางวัลแก่นักเรียนสำหรับคำตอบที่ถูกต้องของคำถาม^{[ 6 ]}

ระบบอิเล็กทรอนิกส์ยุคแรก

ในช่วงหลังสงครามโลกครั้งที่สอง ระบบเลขฐานสองเชิงกลได้ถูกแทนที่ด้วยเครื่องจักรอิเล็กทรอนิกส์ที่ใช้เลขฐานสอง เครื่องจักรเหล่านี้ถูกพิจารณาว่าฉลาดกว่าเครื่องจักรกลแบบดั้งเดิม เนื่องจากมีความสามารถในการตัดสินใจอย่างมีเหตุผล อย่างไรก็ตาม การศึกษาเกี่ยวกับการนิยามและการรับรู้ถึงความฉลาดของเครื่องจักรยังอยู่ในช่วงเริ่มต้น

อลัน ทัวริงนักคณิตศาสตร์ นักตรรกศาสตร์ และนักวิทยาศาสตร์คอมพิวเตอร์ได้เชื่อมโยงระบบคอมพิวเตอร์เข้ากับการคิด หนึ่งในบทความที่โดดเด่นที่สุดของเขาคือบทความที่อธิบายถึงการทดสอบสมมติฐานเพื่อประเมินสติปัญญาของเครื่องจักร ซึ่งต่อมาเป็นที่รู้จักในชื่อการทดสอบทัวริงโดยพื้นฐานแล้ว การทดสอบนี้จะให้บุคคลหนึ่งสื่อสารกับตัวแทนอีกสองตัว คือมนุษย์และคอมพิวเตอร์ โดยถามคำถามกับผู้รับทั้งสอง คอมพิวเตอร์จะผ่านการทดสอบหากสามารถตอบสนองในลักษณะที่มนุษย์ผู้ตั้งคำถามไม่สามารถแยกแยะความแตกต่างระหว่างมนุษย์อีกคนกับคอมพิวเตอร์ได้ การทดสอบทัวริงถูกนำมาใช้ในรูปแบบพื้นฐานมานานกว่าสองทศวรรษในฐานะแบบจำลองสำหรับการพัฒนา ITS ในปัจจุบัน อุดมคติหลักของระบบ ITS คือการสื่อสารอย่างมีประสิทธิภาพ^{[ 7 ]} ตั้งแต่ช่วงต้นทศวรรษ 1950 โปรแกรมต่างๆ ก็เริ่มแสดงคุณสมบัติอัจฉริยะ งานของทัวริง รวมถึงโครงการในภายหลังโดยนักวิจัยเช่นอัลเลน นิวเวลล์คลิฟฟอร์ด ชอว์ และเฮิร์บ ไซมอน แสดงให้เห็นว่าโปรแกรมต่างๆ สามารถสร้างการพิสูจน์เชิงตรรกะและทฤษฎีบทได้ โปรแกรมของพวกเขาThe Logic Theoristแสดงให้เห็นถึงการจัดการสัญลักษณ์ที่ซับซ้อนและแม้กระทั่งการสร้างข้อมูลใหม่โดยไม่ต้องมีการควบคุมโดยตรงจากมนุษย์ และบางคนถือว่าเป็นโปรแกรม AI ตัวแรก ความก้าวหน้าดังกล่าวเป็นแรงบันดาลใจให้เกิดสาขาใหม่ของปัญญาประดิษฐ์ซึ่งได้รับการตั้งชื่ออย่างเป็นทางการในปี 1956 โดยJohn McCarthyในการประชุม Dartmouth [ ⁴^{] การประชุมครั้ง}^นี้เป็นครั้งแรกที่อุทิศให้กับนักวิทยาศาสตร์และการวิจัยในสาขา AI

ช่วงปลายทศวรรษ 1960 และ 1970 มีโครงการ CAI (การเรียนการสอนโดยใช้คอมพิวเตอร์ช่วย) ใหม่ๆ มากมายที่สร้างขึ้นจากความก้าวหน้าในวิทยาศาสตร์คอมพิวเตอร์ การสร้าง ภาษาโปรแกรม ALGOLในปี 1958 ทำให้โรงเรียนและมหาวิทยาลัยหลายแห่งเริ่มพัฒนาโปรแกรมการเรียนการสอนโดยใช้คอมพิวเตอร์ช่วย (CAI) ผู้จำหน่ายคอมพิวเตอร์รายใหญ่และหน่วยงานของรัฐบาลกลางในสหรัฐอเมริกา เช่น IBM, HP และมูลนิธิวิทยาศาสตร์แห่งชาติได้ให้ทุนสนับสนุนการพัฒนาโครงการเหล่านี้^{[ 8 ]}การนำไปใช้ในด้านการศึกษาในช่วงแรกมุ่งเน้นไปที่การเรียนการสอนแบบโปรแกรม (PI) ซึ่งเป็นโครงสร้างที่อิงตามระบบอินพุต-เอาต์พุตแบบคอมพิวเตอร์ แม้ว่าหลายคนจะสนับสนุนรูปแบบการเรียนการสอนนี้ แต่ก็มีหลักฐานสนับสนุนประสิทธิภาพที่จำกัด^{[ 7 ]}ภาษาโปรแกรมLOGOถูกสร้างขึ้นในปี 1967 โดยWally Feurzeig , Cynthia SolomonและSeymour Papertในฐานะภาษาที่ปรับปรุงให้เหมาะสมกับการศึกษา PLATO ซึ่งเป็นเทอร์มินัลเพื่อการศึกษาที่มีจอแสดงผล ภาพเคลื่อนไหว และการควบคุมแบบสัมผัสที่สามารถจัดเก็บและส่งมอบเนื้อหาหลักสูตรจำนวนมาก ได้รับการพัฒนาโดย Donald Bitzer ที่มหาวิทยาลัยอิลลินอยส์ในช่วงต้นทศวรรษ 1970 นอกจากนี้ ยังมีการริเริ่มโครงการ CAI อื่นๆ อีกมากมายในหลายประเทศ รวมถึงสหรัฐอเมริกา สหราชอาณาจักร และแคนาดา^{[ 8 ]}

ในขณะเดียวกันกับที่ CAI กำลังได้รับความสนใจJaime Carbonellได้เสนอแนะว่าคอมพิวเตอร์สามารถทำหน้าที่เป็นครูได้มากกว่าเป็นเพียงเครื่องมือ (Carbonell, 1970) ^{[ 9 ]}มุมมองใหม่ที่เกิดขึ้นจะเน้นไปที่การใช้คอมพิวเตอร์เพื่อฝึกสอนนักเรียนอย่างชาญฉลาด เรียกว่า การสอนโดยใช้คอมพิวเตอร์ช่วยอย่างชาญฉลาด หรือ ระบบการสอนแบบอัจฉริยะ (Intelligent Tutoring Systems: ITS) โดยที่ CAI ใช้มุมมองเชิงพฤติกรรมนิยมในการเรียนรู้โดยอิงจากทฤษฎีของ Skinner (Dede & Swigger, 1988) ^{[ 10 ]} ITS ดึงเอาผลงานจากจิตวิทยาการรู้คิด วิทยาศาสตร์คอมพิวเตอร์ และโดยเฉพาะอย่างยิ่งปัญญาประดิษฐ์^{[ 10 ]}ในช่วงเวลานี้มีการเปลี่ยนแปลงในการวิจัย AI เนื่องจากระบบต่างๆ ย้ายจากการเน้นตรรกะในทศวรรษก่อนหน้าไปสู่ระบบที่อิงความรู้ ระบบสามารถตัดสินใจอย่างชาญฉลาดโดยอาศัยความรู้ที่มีอยู่ก่อนหน้า (Buchanan, 2006) ^{[ 4 ]}โปรแกรมดังกล่าวถูกสร้างขึ้นโดย Seymour Papert และ Ira Goldstein ซึ่งสร้างDendralระบบที่ทำนายโครงสร้างทางเคมีที่เป็นไปได้จากข้อมูลที่มีอยู่ งานวิจัยเพิ่มเติมเริ่มแสดงให้เห็นถึงการให้เหตุผลเชิงเปรียบเทียบและการประมวลผลภาษา การเปลี่ยนแปลงเหล่านี้โดยเน้นที่ความรู้มีผลกระทบอย่างมากต่อวิธีการใช้คอมพิวเตอร์ในการเรียนการสอน อย่างไรก็ตาม ข้อกำหนดทางเทคนิคของ ITS พิสูจน์แล้วว่าสูงกว่าและซับซ้อนกว่าระบบ CAI และระบบ ITS จะประสบความสำเร็จอย่างจำกัดในเวลานี้^{[ 8 ]}

ในช่วงปลายทศวรรษ 1970 ความสนใจในเทคโนโลยี CAI เริ่มลดลง^{[ 8 ]}^{[ 11 ]}คอมพิวเตอร์ยังคงมีราคาแพงและไม่พร้อมใช้งานอย่างที่คาดไว้ นักพัฒนาและผู้สอนต่างแสดงปฏิกิริยาเชิงลบต่อต้นทุนที่สูงในการพัฒนาโปรแกรม CAI การฝึกอบรมผู้สอนที่ไม่เพียงพอ และการขาดแคลนทรัพยากร^{[ 11 ]}

ไมโครคอมพิวเตอร์และระบบอัจฉริยะ

การ ปฏิวัติ ไมโครคอมพิวเตอร์ในช่วงปลายทศวรรษ 1970 และต้นทศวรรษ 1980 ช่วยฟื้นฟูการพัฒนา CAI และเร่งการพัฒนาระบบ ITS คอมพิวเตอร์ส่วนบุคคล เช่นApple II , Commodore PETและTRS-80ลดทรัพยากรที่จำเป็นในการเป็นเจ้าของคอมพิวเตอร์ และภายในปี 1981 โรงเรียนในสหรัฐอเมริกา 50% ใช้คอมพิวเตอร์ (Chambers & Sprecher, 1983) ^{[ 8 ]}โครงการ CAI หลายโครงการใช้ Apple 2 เป็นระบบในการส่งมอบโปรแกรม CAI ในโรงเรียนมัธยมและมหาวิทยาลัย รวมถึงโครงการบริติชโคลัมเบียและโครงการมหาวิทยาลัยรัฐแคลิฟอร์เนียในปี 1981 ^{[ 8 ]}

ในช่วงต้นทศวรรษ 1980 เป้าหมายของการสอนโดยใช้คอมพิวเตอร์ช่วยอัจฉริยะ (ICAI) และ ITS ก็เริ่มแตกต่างไปจากรากฐานของ CAI มากขึ้น เนื่องจาก CAI มุ่งเน้นไปที่การโต้ตอบที่ลึกซึ้งยิ่งขึ้นกับเนื้อหาที่สร้างขึ้นสำหรับพื้นที่ที่สนใจเฉพาะ ITS จึงพยายามสร้างระบบที่เน้นความรู้เกี่ยวกับงานและความสามารถในการสรุปความรู้นั้นในรูปแบบที่ไม่เฉพาะเจาะจง (Larkin & Chabay, 1992) ^{[ 10 ]}เป้าหมายหลักที่กำหนดไว้สำหรับ ITS คือความสามารถในการสอนงานได้เช่นเดียวกับการปฏิบัติงานนั้น โดยปรับตัวให้เข้ากับสถานการณ์ได้อย่างไดนามิก ในการเปลี่ยนผ่านจากระบบ CAI ไปสู่ระบบ ICAI คอมพิวเตอร์จะต้องแยกแยะไม่เพียงแต่ระหว่างคำตอบที่ถูกต้องและไม่ถูกต้องเท่านั้น แต่ยังต้องแยกแยะประเภทของคำตอบที่ไม่ถูกต้องเพื่อปรับประเภทของการสอนด้วย การวิจัยในด้านปัญญาประดิษฐ์และจิตวิทยาการ รู้คิดได้ เป็นแรงผลักดันให้เกิดหลักการใหม่ของ ITS นักจิตวิทยาพิจารณาว่าคอมพิวเตอร์จะสามารถแก้ปัญหาและดำเนินกิจกรรม 'อัจฉริยะ' ได้อย่างไร โปรแกรม ITS จะต้องสามารถนำเสนอ จัดเก็บ และเรียกค้นความรู้ได้ และแม้กระทั่งค้นหาฐานข้อมูลของตนเองเพื่อสร้างความรู้ใหม่เพื่อตอบคำถามของผู้เรียน โดยพื้นฐานแล้ว ข้อกำหนดเบื้องต้นสำหรับ ITS หรือ (ICAI) กำหนดให้ "วินิจฉัยข้อผิดพลาดและปรับแต่งการแก้ไขตามการวินิจฉัย" (Shute & Psotka, 1994, p. 9) ^{[ 7 ]} แนวคิดเรื่องการวินิจฉัยและการแก้ไขยังคงใช้กันอยู่ในปัจจุบันเมื่อเขียนโปรแกรม ITS

ความก้าวหน้าสำคัญในการวิจัย ITS คือการสร้าง The LISP Tutor ซึ่งเป็นโปรแกรมที่นำหลักการ ITS ไปใช้ในทางปฏิบัติและแสดงให้เห็นผลลัพธ์ที่น่าสนใจในการเพิ่มประสิทธิภาพของนักเรียน The LISP Tutor ได้รับการพัฒนาและวิจัยในปี 1983 ในฐานะระบบ ITS สำหรับการสอนนักเรียนเกี่ยวกับภาษาการเขียนโปรแกรม LISP (Corbett & Anderson, 1992) ^{[ 12 ]} The LISP Tutor สามารถระบุข้อผิดพลาดและให้ข้อเสนอแนะเชิงสร้างสรรค์แก่นักเรียนในขณะที่พวกเขากำลังทำแบบฝึกหัด พบว่าระบบนี้ช่วยลดเวลาที่ต้องใช้ในการทำแบบฝึกหัดให้เสร็จสิ้นในขณะที่ปรับปรุงคะแนนสอบของนักเรียน (Corbett & Anderson, 1992) ^{[ 12 ]}ระบบ ITS อื่นๆ ที่เริ่มพัฒนาในช่วงเวลานี้ ได้แก่ TUTOR ที่สร้างโดย Logica ในปี 1984 ในฐานะเครื่องมือการสอนทั่วไป^{[ 13 ]}และ PARNASSUS ที่สร้างขึ้นในมหาวิทยาลัย Carnegie Mellon ในปี 1989 สำหรับการสอนภาษา^{[ 14 ]}

ระบบไอทีสมัยใหม่

หลังจากการนำ ITS มาใช้ครั้งแรก นักวิจัยจำนวนมากได้สร้าง ITS จำนวนมากสำหรับนักเรียนที่แตกต่างกัน ในช่วงปลายศตวรรษที่ 20 เครื่องมือการสอนอัจฉริยะ (ITT) ได้รับการพัฒนาโดยโครงการไบแซนเทียม ซึ่งเกี่ยวข้องกับมหาวิทยาลัย 6 แห่ง ITT เป็นเครื่องมือสร้างระบบการสอนแบบทั่วไป และสถาบันหลายแห่งได้รับผลตอบรับที่ดีจากการใช้งาน (Kinshuk, 1996) ^{[ 15 ]}เครื่องมือสร้าง ITT นี้จะสร้างแอปพลิเคชันการสอนอัจฉริยะ (ITA) สำหรับสาขาวิชาต่างๆ ครูหลายคนสร้าง ITA และสร้างคลังความรู้ขนาดใหญ่ที่ผู้อื่นสามารถเข้าถึงได้ผ่านทางอินเทอร์เน็ต เมื่อสร้าง ITS แล้ว ครูสามารถคัดลอกและแก้ไขเพื่อใช้ในอนาคตได้ ระบบนี้มีประสิทธิภาพและยืดหยุ่น อย่างไรก็ตาม Kinshuk และ Patel เชื่อว่า ITS ไม่ได้ออกแบบจากมุมมองทางการศึกษาและไม่ได้พัฒนาโดยอิงจากความต้องการที่แท้จริงของนักเรียนและครู (Kinshuk และ Patel, 1997) ^{[ 16 ]} งานวิจัยล่าสุดได้นำวิธีการวิจัยเชิงชาติพันธุ์วิทยาและการออกแบบ^{[ 17 ] มาใช้เพื่อตรวจสอบวิธีการที่นักเรียน}^{[ 18 ]}และครู^{[ 19 ]}ใช้ ITS จริง ๆในบริบทต่าง ๆ ซึ่งมักจะเผยให้เห็นถึงความต้องการที่ไม่คาดคิดที่พวกเขาตอบสนอง ไม่สามารถตอบสนอง หรือในบางกรณี แม้กระทั่งสร้างขึ้นมาเอง

โดยทั่วไปแล้ว ITS ในปัจจุบันพยายามจำลองบทบาทของครูหรือผู้ช่วยครู และทำการอัตโนมัติฟังก์ชันการสอนมากขึ้นเรื่อยๆ เช่น การสร้างปัญหา การเลือกปัญหา และการสร้างข้อเสนอแนะ อย่างไรก็ตาม ด้วยแนวโน้มปัจจุบันที่มุ่งไปสู่รูปแบบการเรียนรู้แบบผสมผสาน งานวิจัยล่าสุดเกี่ยวกับ ITS จึงเริ่มมุ่งเน้นไปที่วิธีการที่ระบบเหล่านี้สามารถใช้ประโยชน์จากจุดแข็งที่เสริมกันของการสอนที่นำโดยมนุษย์จากครู^{[ 20 ]}หรือเพื่อน^{[ 21 ]} ได้อย่างมีประสิทธิภาพ เมื่อใช้ในห้องเรียนที่ตั้งอยู่ร่วมกันหรือบริบททางสังคมอื่นๆ^{[ 22 ]}

มีโครงการ ITS สามโครงการที่ทำงานโดยอาศัยการสนทนาโต้ตอบ ได้แก่AutoTutor , Atlas (Freedman, 1999) ^{[ 23 ]}และ Why2 แนวคิดเบื้องหลังโครงการเหล่านี้คือ เนื่องจากนักเรียนเรียนรู้ได้ดีที่สุดโดยการสร้างความรู้ด้วยตนเอง โปรแกรมจึงเริ่มต้นด้วยคำถามนำสำหรับนักเรียน และจะให้คำตอบเป็นทางเลือกสุดท้าย นักเรียนของ AutoTutor มุ่งเน้นไปที่การตอบคำถามเกี่ยวกับเทคโนโลยีคอมพิวเตอร์ นักเรียนของ Atlas มุ่งเน้นไปที่การแก้ปัญหาเชิงปริมาณ และนักเรียนของ Why2 มุ่งเน้นไปที่การอธิบายระบบทางกายภาพในเชิงคุณภาพ (Graesser, VanLehn และคนอื่นๆ, 2001) ^{[ 24 ]}ระบบการสอนพิเศษอื่นๆ ที่คล้ายกัน เช่น Andes (Gertner, Conati และ VanLehn, 1998) ^{[ 25 ]}มักจะให้คำแนะนำและข้อเสนอแนะทันทีสำหรับนักเรียนเมื่อนักเรียนมีปัญหาในการตอบคำถาม พวกเขาสามารถเดาคำตอบและได้คำตอบที่ถูกต้องโดยไม่ต้องมีความเข้าใจอย่างลึกซึ้งในแนวคิด การวิจัยดำเนินการกับกลุ่มนักเรียนขนาดเล็กโดยใช้ Atlas และ Andes ตามลำดับ ผลการศึกษาแสดงให้เห็นว่านักเรียนที่ใช้ Atlas มีพัฒนาการที่ดีขึ้นอย่างเห็นได้ชัดเมื่อเทียบกับนักเรียนที่ใช้ Andes ^{[ 26 ]}อย่างไรก็ตาม เนื่องจากระบบข้างต้นจำเป็นต้องมีการวิเคราะห์บทสนทนาของนักเรียน จึงจำเป็นต้องมีการปรับปรุงเพื่อให้สามารถจัดการบทสนทนาที่ซับซ้อนมากขึ้นได้

โครงสร้าง

ระบบการสอนอัจฉริยะ (ITS) ประกอบด้วยส่วนประกอบพื้นฐานสี่ส่วนตามฉันทามติทั่วไปในหมู่นักวิจัย (Nwana, 1990; ^{[ 27 ]} Freedman, 2000; ^{[ 28 ]} Nkambou et al., 2010 ^{[ 29 ]} ):

โมเดลโดเมน
แบบจำลองนักเรียน
รูปแบบการสอนพิเศษ และ
แบบจำลองส่วนต่อประสานผู้ใช้

แบบจำลองโดเมน (หรือที่รู้จักกันในชื่อแบบจำลองความรู้ความเข้าใจหรือแบบจำลองความรู้ของผู้เชี่ยวชาญ) สร้างขึ้นจากทฤษฎีการเรียนรู้ เช่น ทฤษฎี ACT-Rซึ่งพยายามคำนึงถึงขั้นตอนที่เป็นไปได้ทั้งหมดที่จำเป็นในการแก้ปัญหา โดยเฉพาะอย่างยิ่ง แบบจำลองนี้ "ประกอบด้วยแนวคิด กฎ และกลยุทธ์การแก้ปัญหาของโดเมนที่จะเรียนรู้ สามารถทำหน้าที่ได้หลายอย่าง เช่น เป็นแหล่งความรู้ของผู้เชี่ยวชาญ เป็นมาตรฐานสำหรับการประเมินผลการเรียนของนักเรียน หรือสำหรับการตรวจจับข้อผิดพลาด เป็นต้น" (Nkambou et al., 2010, หน้า 4) ^{[ 29 ]}แนวทางอื่นในการพัฒนาแบบจำลองโดเมนนั้นอิงตามทฤษฎีการเรียนรู้จากข้อผิดพลาดในการปฏิบัติงานของ Stellan Ohlsson ^{[ 30 ]}ซึ่งรู้จักกันในชื่อการสร้างแบบจำลองตามข้อจำกัด (CBM) ^{[ 31 ]}ในกรณีนี้ แบบจำลองโดเมนจะถูกนำเสนอเป็นชุดของข้อจำกัดเกี่ยวกับวิธีแก้ปัญหาที่ถูกต้อง^{[ 32 ]}^{[ 33 ]}

แบบจำลองนักเรียนสามารถคิดได้ว่าเป็นการวางซ้อนบนแบบจำลองโดเมน ถือเป็นองค์ประกอบหลักของ ITS ที่ให้ความสำคัญเป็นพิเศษกับสถานะทางปัญญาและอารมณ์ของนักเรียนและการเปลี่ยนแปลงของสถานะเหล่านั้นเมื่อกระบวนการเรียนรู้ดำเนินไป ขณะที่นักเรียนทำงานทีละขั้นตอนผ่าน กระบวนการ แก้ปัญหา ITS จะมีส่วนร่วมในกระบวนการที่เรียกว่าการติดตามแบบจำลองเมื่อใดก็ตามที่แบบจำลองนักเรียนเบี่ยงเบนจากแบบจำลองโดเมน ระบบจะระบุหรือแจ้งเตือนว่าเกิดข้อผิดพลาดขึ้น ในทางกลับกัน ในระบบติวเตอร์แบบใช้ข้อจำกัด แบบจำลองนักเรียนจะถูกแสดงเป็นการวางซ้อนบนชุดข้อจำกัด^{[ 34 ]}ระบบติวเตอร์แบบใช้ข้อจำกัด^{[ 35 ]}จะประเมินวิธีแก้ปัญหาของนักเรียนเทียบกับชุดข้อจำกัด และระบุข้อจำกัดที่ตรงตามเงื่อนไขและข้อจำกัดที่ละเมิด หากมีข้อจำกัดใด ๆ ที่ละเมิด วิธีแก้ปัญหาของนักเรียนจะไม่ถูกต้อง และ ITS จะให้ข้อเสนอแนะเกี่ยวกับข้อจำกัดเหล่านั้น^{[ 36 ]}^{[ 37 ]}ผู้สอนแบบมีข้อจำกัดจะให้ข้อเสนอแนะเชิงลบ (เช่น ข้อเสนอแนะเกี่ยวกับข้อผิดพลาด) และข้อเสนอแนะเชิงบวกด้วย^{[ 38 ]}

แบบจำลองผู้สอนรับข้อมูลจากแบบจำลองโดเมนและแบบจำลองนักเรียน และทำการเลือกเกี่ยวกับกลยุทธ์และการกระทำในการสอน ในทุกจุดของกระบวนการแก้ปัญหา ผู้เรียนอาจขอคำแนะนำเกี่ยวกับสิ่งที่ต้องทำต่อไป โดยสัมพันธ์กับตำแหน่งปัจจุบันของตนในแบบจำลอง นอกจากนี้ ระบบยังรับรู้เมื่อผู้เรียนเบี่ยงเบนจากกฎการผลิตของแบบจำลอง และให้ข้อเสนอแนะที่ทันท่วงทีแก่ผู้เรียน ส่งผลให้ระยะเวลาในการบรรลุความเชี่ยวชาญในทักษะเป้าหมายสั้นลง^{[ 39 ]} แบบจำลองผู้สอนอาจมีกฎการผลิตหลายร้อยข้อ ซึ่งอาจกล่าวได้ว่าอยู่ในสถานะใดสถานะหนึ่งจากสองสถานะ คือเรียนรู้แล้วหรือยังไม่ได้เรียนรู้ทุกครั้งที่นักเรียนนำกฎไปใช้กับปัญหาได้สำเร็จ ระบบจะอัปเดตการประมาณความน่าจะเป็นที่นักเรียนได้เรียนรู้กฎนั้น ระบบจะฝึกฝนนักเรียนต่อไปในแบบฝึกหัดที่ต้องใช้การประยุกต์ใช้กฎอย่างมีประสิทธิภาพ จนกว่าความน่าจะเป็นที่ได้เรียนรู้กฎนั้นจะถึงอย่างน้อย 95% ^{[ 40 ]}

การติดตามความรู้จะบันทึกความก้าวหน้าของผู้เรียนจากปัญหาหนึ่งไปยังอีกปัญหาหนึ่ง และสร้างโปรไฟล์จุดแข็งและจุดอ่อนที่สัมพันธ์กับกฎการแก้ปัญหา ระบบการสอนแบบรู้คิดที่พัฒนาโดยจอห์น แอนเดอร์สันที่มหาวิทยาลัยคาร์เนกีเมลลอน นำเสนอข้อมูลจากการติดตามความรู้ใน รูป แบบของเครื่องวัดทักษะ ซึ่งเป็นกราฟแสดงความสำเร็จของผู้เรียนในแต่ละทักษะที่เกี่ยวข้องกับการแก้ปัญหาพีชคณิต เมื่อผู้เรียนขอคำแนะนำ หรือพบข้อผิดพลาด ข้อมูลการติดตามความรู้และเครื่องวัดทักษะจะได้รับการอัปเดตแบบเรียลไทม์

ส่วนประกอบอินเทอร์เฟซ ผู้ใช้ "ผสานรวมข้อมูลสามประเภทที่จำเป็นในการดำเนินการสนทนา ได้แก่ ความรู้เกี่ยวกับรูปแบบการตีความ (เพื่อทำความเข้าใจผู้พูด) และการกระทำ (เพื่อสร้างคำพูด) ภายในการสนทนาความรู้เฉพาะด้านที่จำเป็นสำหรับการสื่อสารเนื้อหา และความรู้ที่จำเป็นสำหรับการสื่อสารเจตนา" (Padayachee, 2002, หน้า 3) ^{[ 41 ]}

Nkambou et al. (2010) กล่าวถึงการทบทวนสถาปัตยกรรมต่างๆ ของ Nwana (1990) ^{[ 27 ]}ซึ่งเน้นย้ำถึงความเชื่อมโยงที่แข็งแกร่งระหว่างสถาปัตยกรรมและกระบวนทัศน์ (หรือปรัชญา) Nwana (1990) ประกาศว่า “[การ]พบ ITS สองระบบที่ใช้สถาปัตยกรรมเดียวกันนั้นแทบจะเป็นเรื่องหายาก [ซึ่ง] เป็นผลมาจากลักษณะการทดลองของงานในสาขานี้” (หน้า 258) เขายังอธิบายเพิ่มเติมว่าปรัชญาการสอนที่แตกต่างกันจะเน้นส่วนประกอบต่างๆ ของกระบวนการเรียนรู้ (เช่น โดเมน นักเรียน หรือผู้สอน) การออกแบบสถาปัตยกรรมของ ITS สะท้อนให้เห็นถึงการเน้นย้ำนี้ และนำไปสู่สถาปัตยกรรมที่หลากหลาย ซึ่งไม่มีสถาปัตยกรรมใดเพียงอย่างเดียวที่สามารถรองรับกลยุทธ์การสอนทั้งหมดได้ (Nwana, 1990 อ้างอิงใน Nkambou et al., 2010) ยิ่งไปกว่านั้น โครงการ ITS อาจแตกต่างกันไปตามระดับสติปัญญาของส่วนประกอบต่างๆ ตัวอย่างเช่น โครงการที่เน้นสติปัญญาในแบบจำลองโดเมนอาจสร้างวิธีแก้ปัญหาที่ซับซ้อนและแปลกใหม่ เพื่อให้นักเรียนมีปัญหาใหม่ๆ ให้ทำอยู่เสมอ แต่อาจมีเพียงวิธีการง่ายๆ ในการสอนปัญหาเหล่านั้น ในขณะที่ระบบที่มุ่งเน้นวิธีการสอนที่หลากหลายหรือแปลกใหม่ในหัวข้อใดหัวข้อหนึ่ง อาจพบว่าการนำเสนอเนื้อหานั้นในรูปแบบที่ไม่ซับซ้อนก็เพียงพอแล้ว^{[ 28 ]}

วิธีการออกแบบและพัฒนา

นอกเหนือจากความแตกต่างระหว่างสถาปัตยกรรม ITS แต่ละแบบที่เน้นองค์ประกอบที่แตกต่างกัน การพัฒนา ITS ก็คล้ายคลึงกับ กระบวนการ ออกแบบการเรียนการสอน ทั่วไป Corbett et al. (1997) สรุปการออกแบบและพัฒนา ITS ว่าประกอบด้วยขั้นตอนแบบวนซ้ำสี่ขั้นตอน ได้แก่ (1) การประเมินความต้องการ (2) การวิเคราะห์งานด้าน ความรู้ความเข้าใจ (3) การนำผู้สอนไปใช้ในเบื้องต้น และ (4) การประเมินผล^{[ 42 ]}

ขั้นตอนแรกที่เรียกว่าการประเมินความต้องการเป็นเรื่องปกติในกระบวนการออกแบบการเรียนการสอนใดๆ โดยเฉพาะอย่างยิ่งการพัฒนาซอฟต์แวร์ ซึ่งเกี่ยวข้องกับการวิเคราะห์ผู้เรียนการปรึกษาหารือกับผู้เชี่ยวชาญด้านเนื้อหาและ/หรือผู้สอน ขั้นตอนนี้เป็นส่วนหนึ่งของการพัฒนาความรู้/ความเชี่ยวชาญของผู้เชี่ยวชาญและขอบเขตของผู้เรียน เป้าหมายคือการกำหนดเป้าหมายการเรียนรู้และร่างแผนทั่วไปสำหรับหลักสูตร จำเป็นอย่างยิ่งที่จะต้องไม่นำแนวคิดแบบดั้งเดิมมาใช้คอมพิวเตอร์ แต่ต้องพัฒนาโครงสร้างหลักสูตรใหม่โดยการกำหนดงานโดยทั่วไปและทำความเข้าใจพฤติกรรมที่เป็นไปได้ของผู้เรียนในการจัดการกับงาน และในระดับที่น้อยกว่าคือพฤติกรรมของผู้สอน ในการทำเช่นนั้น จำเป็นต้องจัดการกับมิติที่สำคัญสามประการ ได้แก่ (1) ความน่าจะเป็นที่นักเรียนจะสามารถแก้ปัญหาได้ (2) เวลาที่ใช้ในการบรรลุระดับประสิทธิภาพนี้ และ (3) ความน่าจะเป็นที่นักเรียนจะใช้ความรู้นี้อย่างกระตือรือร้นในอนาคต อีกแง่มุมที่สำคัญที่ต้องวิเคราะห์คือประสิทธิภาพด้านต้นทุนของอินเทอร์เฟซ นอกจากนี้ ต้องประเมินลักษณะการเข้าสู่ระบบของครูและนักเรียน เช่น ความรู้ก่อนหน้า เนื่องจากทั้งสองกลุ่มจะเป็นผู้ใช้ระบบ^{[ 42 ]}

ขั้นตอนที่สอง การวิเคราะห์งานด้านความรู้ความเข้าใจ เป็นแนวทางโดยละเอียดในการเขียนโปรแกรมระบบผู้เชี่ยวชาญ โดยมีเป้าหมายเพื่อพัฒนารูปแบบการคำนวณที่ถูกต้องของความรู้ในการแก้ปัญหาที่จำเป็น วิธีการหลักในการพัฒนารูปแบบโดเมน ได้แก่ (1) การสัมภาษณ์ผู้เชี่ยวชาญในโดเมน (2) การดำเนินการศึกษาโปรโตคอล "คิดดัง ๆ" กับผู้เชี่ยวชาญในโดเมน (3) การดำเนินการศึกษา "คิดดัง ๆ" กับผู้เริ่มต้น และ (4) การสังเกตพฤติกรรมการสอนและการเรียนรู้ แม้ว่าวิธีแรกจะเป็นวิธีที่ใช้กันทั่วไปมากที่สุด แต่ผู้เชี่ยวชาญมักไม่สามารถรายงานองค์ประกอบด้านความรู้ความเข้าใจได้ วิธีการ "คิดดัง ๆ" ซึ่งผู้เชี่ยวชาญถูกขอให้รายงานสิ่งที่เขา/เธอกำลังคิดเมื่อแก้ปัญหาทั่วไป สามารถหลีกเลี่ยงปัญหานี้ได้^{[ 42 ]}การสังเกตปฏิสัมพันธ์ออนไลน์จริงระหว่างผู้สอนและนักเรียนให้ข้อมูลที่เกี่ยวข้องกับกระบวนการที่ใช้ในการแก้ปัญหา ซึ่งเป็นประโยชน์สำหรับการสร้างบทสนทนาหรือการโต้ตอบในระบบการสอน^{[ 43 ]}

ขั้นตอนที่สาม การนำผู้สอนมาใช้ในขั้นต้น เกี่ยวข้องกับการตั้งค่าสภาพแวดล้อมการแก้ปัญหาเพื่อเปิดใช้งานและสนับสนุนกระบวนการเรียนรู้ที่แท้จริง ขั้นตอนนี้ตามมาด้วยกิจกรรมการประเมินหลายชุดเป็นขั้นตอนสุดท้าย ซึ่งคล้ายกับโครงการพัฒนาซอฟต์แวร์ทั่วไป^{[ 42 ]}

ขั้นตอนที่สี่ การประเมินประกอบด้วย (1) การศึกษานำร่องเพื่อยืนยันความสามารถในการใช้งานขั้นพื้นฐานและผลกระทบทางการศึกษา (2) การประเมินเชิงสร้างสรรค์ของระบบที่กำลังพัฒนา รวมถึง (3) การศึกษาเชิงพารามิเตอร์ที่ตรวจสอบประสิทธิผลของคุณลักษณะของระบบ และสุดท้าย (4) การประเมินเชิงสรุปผลของผลการสอนขั้นสุดท้าย: อัตราการเรียนรู้และระดับความสำเร็จสูงสุด^{[ 42 ]}

มีการพัฒนา เครื่องมือสร้างเนื้อหาหลากหลายชนิดเพื่อสนับสนุนกระบวนการนี้และสร้างผู้สอนอัจฉริยะ รวมถึง ASPIRE ^{[ 44 ]}เครื่องมือสร้างเนื้อหาผู้สอนเชิงปัญญา (CTAT) ^{[ 45 ]} GIFT ^{[ 46 ]} ASSISTments Builder ^{[ 47 ]}และเครื่องมือ AutoTutor ^{[ 48 ]}เป้าหมายของเครื่องมือสร้างเนื้อหาส่วนใหญ่เหล่านี้คือการทำให้กระบวนการพัฒนาผู้สอนง่ายขึ้น ทำให้ผู้ที่มีความเชี่ยวชาญน้อยกว่าโปรแกรมเมอร์ AI มืออาชีพสามารถพัฒนาระบบการสอนอัจฉริยะได้

หลักการแปดประการของการออกแบบและพัฒนาระบบสารสนเทศเพื่อระบบเทคโนโลยี (ITS)

Anderson et al. (1987) ^{[ 49 ]}ได้สรุปหลักการแปดประการสำหรับการออกแบบระบบติวเตอร์อัจฉริยะ และ Corbett et al. (1997) ^{[ 42 ]}ได้ขยายความหลักการเหล่านั้นในภายหลัง โดยเน้นหลักการที่ครอบคลุมซึ่งพวกเขาเชื่อว่าควบคุมการออกแบบระบบติวเตอร์อัจฉริยะ พวกเขาเรียกหลักการนี้ว่า:

หลักการที่ 0: ระบบติวเตอร์อัจฉริยะควรช่วยให้นักเรียนสามารถแก้ไขปัญหาได้อย่างสำเร็จลุล่วง

นำเสนอความสามารถของนักเรียนในรูปแบบชุดผลงานการผลิต
สื่อสารโครงสร้างเป้าหมายที่อยู่เบื้องหลังการแก้ปัญหา
ให้คำแนะนำในบริบทของการแก้ปัญหา
ส่งเสริมความเข้าใจเชิงนามธรรมเกี่ยวกับความรู้ในการแก้ปัญหา
ลดภาระการทำงานของหน่วยความจำให้น้อยที่สุด
ให้ข้อเสนอแนะเกี่ยวกับข้อผิดพลาดทันที
ปรับขนาดของคำแนะนำให้เหมาะสมกับการเรียนรู้
อำนวยความสะดวกในการประมาณค่าที่ต่อเนื่องไปยังทักษะเป้าหมาย^{[ 42 ]}

นำไปใช้ในทางปฏิบัติ

ทั้งหมดนี้เป็นงานจำนวนมาก แม้ว่าจะมีเครื่องมือสร้างเนื้อหาที่ช่วยให้งานง่ายขึ้นก็ตาม^{[ 50 ]}ซึ่งหมายความว่าการสร้าง ITS เป็นทางเลือกเฉพาะในสถานการณ์ที่แม้จะมีต้นทุนการพัฒนาที่ค่อนข้างสูง แต่ก็ยังช่วยลดต้นทุนโดยรวมลงได้ด้วยการลดความจำเป็นในการใช้ผู้สอนที่เป็นมนุษย์ หรือเพิ่มผลผลิตโดยรวมให้เพียงพอ สถานการณ์ดังกล่าวเกิดขึ้นเมื่อจำเป็นต้องสอนกลุ่มใหญ่พร้อมกัน หรือจำเป็นต้องมีการสอนซ้ำหลายครั้ง ตัวอย่างเช่น สถานการณ์การฝึกอบรมทางเทคนิค เช่น การฝึกอบรมทหารเกณฑ์ และคณิตศาสตร์ระดับมัธยมปลาย ระบบการสอนอัจฉริยะประเภทหนึ่งที่เรียกว่าCognitive Tutorได้ถูกนำมาใช้ในหลักสูตรคณิตศาสตร์ในโรงเรียนมัธยมปลายจำนวนมากในสหรัฐอเมริกา ส่งผลให้ผลการเรียนรู้ของนักเรียนดีขึ้นในการสอบปลายภาคและการทดสอบมาตรฐาน^{[ 51 ]}ระบบการสอนอัจฉริยะถูกสร้างขึ้นเพื่อช่วยให้นักเรียนเรียนรู้ภูมิศาสตร์ วงจร การวินิจฉัยทางการแพทย์ การเขียนโปรแกรมคอมพิวเตอร์ คณิตศาสตร์ ฟิสิกส์ พันธุศาสตร์ เคมี ฯลฯ ระบบการสอนภาษาอัจฉริยะ (ILTS) เช่น^{[ 52 ]}ระบบนี้ สอนภาษาธรรมชาติให้กับผู้เรียนภาษาแรกหรือภาษาที่สอง ILTS ต้องการเครื่องมือประมวลผลภาษาธรรมชาติเฉพาะทาง เช่น พจนานุกรมขนาดใหญ่ และเครื่องมือวิเคราะห์ทางสัณฐานวิทยาและไวยากรณ์ที่มีความครอบคลุมที่ยอมรับได้

แอปพลิเคชัน

ในช่วงการขยายตัวอย่างรวดเร็วของเว็บบูม รูปแบบการเรียนการสอนด้วยคอมพิวเตอร์แบบใหม่ เช่นอีเลิร์นนิงและการเรียนรู้แบบกระจาย ได้มอบแพลตฟอร์มที่ยอดเยี่ยมสำหรับแนวคิด ITS พื้นที่ที่ใช้ ITS ได้แก่การประมวลผลภาษาธรรมชาติ การเรียนรู้ของเครื่องการวางแผนระบบหลายเอเจน ต์ ออนโทโลยีเว็บเชิงความหมายและการประมวลผลทางสังคมและอารมณ์ นอกจากนี้ เทคโนโลยีอื่นๆ เช่น มัลติมีเดียระบบเชิงวัตถุการสร้างแบบจำลอง การจำลอง และสถิติ ก็ได้เชื่อมต่อหรือผสมผสานกับ ITS ด้วยเช่นกัน ในอดีต พื้นที่ที่ไม่ใช่เทคโนโลยี เช่น วิทยาศาสตร์การศึกษาและจิตวิทยา ก็ได้รับอิทธิพลจากความสำเร็จของ ITS เช่นกัน^{[ 53 ]}

ในช่วงไม่กี่ปีที่ผ่านมาระบบ ITS เริ่มเปลี่ยนจากระบบที่เน้นการค้นหาข้อมูลไปสู่การประยุกต์ใช้งานจริงที่หลากหลายมากขึ้น ระบบ ITS ได้ขยายตัวครอบคลุมโดเมนทางปัญญาที่สำคัญและซับซ้อนหลายด้าน และผลลัพธ์ที่ได้นั้นกว้างไกล ระบบ ITS ได้เข้ามามีบทบาทสำคัญในระบบการศึกษาอย่างเป็นทางการ และระบบเหล่านี้ได้ถูกนำไปใช้ในแวดวงการฝึกอบรมขององค์กรและการเรียนรู้ในองค์กร ระบบ ITS มอบโอกาสมากมายให้แก่ผู้เรียน เช่น การเรียนรู้แบบเฉพาะบุคคล การให้ข้อเสนอแนะทันท่วงที และความยืดหยุ่นในด้านเวลาและสถานที่

แม้ว่าระบบการสอนอัจฉริยะจะพัฒนามาจากงานวิจัยในด้านจิตวิทยาการรู้คิดและปัญญาประดิษฐ์ แต่ปัจจุบันมีการประยุกต์ใช้มากมายในด้านการศึกษาและองค์กรต่างๆ ระบบการสอนอัจฉริยะสามารถพบได้ในสภาพแวดล้อมออนไลน์หรือในห้องปฏิบัติการคอมพิวเตอร์ของห้องเรียนแบบดั้งเดิม และใช้ในห้องเรียนระดับอนุบาล-มัธยมศึกษา รวมถึงในมหาวิทยาลัยด้วย มีโปรแกรมจำนวนมากที่มุ่งเน้นไปที่วิชาคณิตศาสตร์ แต่ก็สามารถพบการประยุกต์ใช้ในด้านวิทยาศาสตร์สุขภาพ การเรียนรู้ภาษา และสาขาอื่นๆ ของการเรียนรู้ที่เป็นระบบได้เช่นกัน

รายงานเกี่ยวกับการพัฒนาความเข้าใจ การมีส่วนร่วม ทัศนคติ แรงจูงใจ และผลการเรียนของนักเรียน ล้วนเป็นปัจจัยที่ทำให้เกิดความสนใจอย่างต่อเนื่องในการลงทุนและการวิจัยระบบเหล่านี้ ลักษณะเฉพาะตัวของระบบการสอนอัจฉริยะเปิดโอกาสให้ครูผู้สอนสามารถสร้างโปรแกรมเฉพาะบุคคลได้ ในวงการศึกษา มีระบบการสอนอัจฉริยะมากมาย รายชื่อที่ครบถ้วนสมบูรณ์นั้นไม่มีอยู่จริง แต่โปรแกรมที่มีอิทธิพลมากที่สุดบางส่วนได้ถูกระบุไว้ด้านล่าง

การศึกษา

ณ เดือนพฤษภาคม 2024 แอปติวเตอร์ AI ติดอันดับ 5 ใน 20 แอปการศึกษายอดนิยมในApp Store ของ Apple และสองในนั้นมาจากนักพัฒนาชาวจีน^[⁵⁴^]

ติวเตอร์วิชาพีชคณิต: PAT (PUMP Algebra Tutor หรือ Practical Algebra Tutor) ซึ่งพัฒนาโดย Pittsburgh Advanced Cognitive Tutor Center ที่มหาวิทยาลัย Carnegie Mellonดึงดูดนักเรียนด้วยปัญหาการเรียนรู้ที่ยึดโยงกัน และใช้เครื่องมือพีชคณิตสมัยใหม่เพื่อให้นักเรียนมีส่วนร่วมในการแก้ปัญหาและแบ่งปันผลลัพธ์ เป้าหมายของ PAT คือการดึงเอาความรู้เดิมและประสบการณ์ในชีวิตประจำวันของนักเรียนเกี่ยวกับคณิตศาสตร์มาใช้เพื่อส่งเสริมการเติบโต ความสำเร็จของ PAT ได้รับการบันทึกไว้อย่างดี (เช่น สำนักงานประเมินผลและวิจัยของโรงเรียนรัฐไมอามี-เดดเคาน์ตี้) ทั้งจากมุมมองทางสถิติ (ผลลัพธ์ของนักเรียน) และด้านอารมณ์ (ข้อเสนอแนะจากนักเรียนและผู้สอน) ^{[ 55 ]}
SQL-Tutor: SQL-Tutor ^{[ 56 ]}^{[ 57 ]}เป็นโปรแกรมช่วยสอนแบบใช้ข้อจำกัดตัวแรกที่พัฒนาโดย Intelligent Computer Tutoring Group (ICTG) ที่มหาวิทยาลัยแคนเทอร์เบอรีประเทศนิวซีแลนด์ SQL-Tutor สอนนักเรียนวิธีการดึงข้อมูลจากฐานข้อมูลโดยใช้คำสั่ง SQL SELECT ^{[ 58 ]}
อีเออร์-ติวเตอร์: EER-Tutor ^{[ 59 ]}เป็นติวเตอร์แบบใช้ข้อจำกัด (พัฒนาโดย ICTG) ที่สอนการออกแบบฐานข้อมูลเชิงแนวคิดโดยใช้แบบจำลองความสัมพันธ์ระหว่างเอนทิตี เวอร์ชันก่อนหน้าของ EER-Tutor คือ KERMIT ซึ่งเป็นติวเตอร์แบบสแตนด์อะโลนสำหรับการสร้างแบบจำลอง ER ซึ่งส่งผลให้ความรู้ของนักเรียนดีขึ้นอย่างมีนัยสำคัญหลังจากการเรียนรู้หนึ่งชั่วโมง (โดยมีขนาดผลกระทบ 0.6) ^{[ 60 ]}
รวบรวม-UML: COLLECT-UML ^{[ 61 ]}เป็นติวเตอร์แบบใช้ข้อจำกัดที่สนับสนุนให้นักเรียนทำงานร่วมกันเป็นคู่ในแผนภาพคลาส UML ติวเตอร์จะให้ข้อเสนอแนะในระดับโดเมนและในด้านการทำงานร่วมกันด้วย
สโตอิคทูเตอร์: StoichTutor ^{[ 62 ]}^{[ 63 ]}เป็นติวเตอร์อัจฉริยะบนเว็บที่ช่วยให้นักเรียนมัธยมปลายเรียนรู้วิชาเคมี โดยเฉพาะอย่างยิ่งในสาขาย่อยของเคมีที่เรียกว่าสโตอิคิโอเมตรี มีการนำไปใช้เพื่อสำรวจหลักการและเทคนิคการเรียนรู้วิทยาศาสตร์ที่หลากหลาย เช่น ตัวอย่างที่ทำเสร็จแล้ว^{[ 64 ]}^{[ 65 ]}และมารยาท^{[ 66 ]}^{[ 67 ]}
ติวเตอร์คณิตศาสตร์: โปรแกรมช่วยสอนคณิตศาสตร์ (Beal, Beck & Woolf, 1998) ช่วยให้นักเรียนแก้โจทย์ปัญหาโดยใช้เศษส่วน ทศนิยม และเปอร์เซ็นต์ โปรแกรมช่วยสอนจะบันทึกอัตราความสำเร็จในขณะที่นักเรียนกำลังทำโจทย์ปัญหา พร้อมทั้งจัดเตรียมโจทย์ปัญหาที่เหมาะสมกับระดับความสามารถของนักเรียนให้ทำต่อไป โจทย์ปัญหาที่เลือกในลำดับถัดไปจะขึ้นอยู่กับความสามารถของนักเรียน และมีการประมาณเวลาที่เหมาะสมที่นักเรียนควรใช้ในการแก้โจทย์ปัญหา^{[ 68 ]}
อีทีเชอร์: eTeacher (Schiaffino et al., 2008) เป็นตัวแทนอัจฉริยะหรือตัวแทนการสอนที่สนับสนุนการช่วยเหลือการเรียนรู้แบบออนไลน์ส่วนบุคคล โดยจะสร้างโปรไฟล์นักเรียนในขณะที่สังเกตประสิทธิภาพของนักเรียนในหลักสูตรออนไลน์ จากนั้น eTeacher จะใช้ข้อมูลจากประสิทธิภาพของนักเรียนเพื่อแนะนำแนวทางการดำเนินการส่วนบุคคลที่ออกแบบมาเพื่อช่วยเหลือกระบวนการเรียนรู้ของพวกเขา^{[ 69 ]}
โซสแมท: ZOSMAT ได้รับการออกแบบมาเพื่อตอบสนองความต้องการทั้งหมดของห้องเรียนจริง โดยจะติดตามและแนะนำนักเรียนในแต่ละขั้นตอนของกระบวนการเรียนรู้ ระบบ ITS นี้เน้นนักเรียนเป็นศูนย์กลาง โดยจะบันทึกความก้าวหน้าในการเรียนรู้ของนักเรียน และโปรแกรมของนักเรียนจะเปลี่ยนแปลงไปตามความพยายามของนักเรียน ZOSMAT สามารถใช้ได้ทั้งสำหรับการเรียนรู้แบบรายบุคคลหรือในสภาพแวดล้อมห้องเรียนจริงควบคู่ไปกับการแนะนำของครูผู้สอน^{[ 70 ]}
เรียลป์: REALP ได้รับการออกแบบมาเพื่อช่วยให้นักเรียนพัฒนาความเข้าใจในการอ่านโดยการให้แบบฝึกหัดคำศัพท์เฉพาะสำหรับผู้อ่านแต่ละคน และเสนอแบบฝึกหัดส่วนบุคคลด้วยสื่อการอ่านที่มีประโยชน์และเป็นของจริงที่รวบรวมจากเว็บ ระบบจะสร้างแบบจำลองผู้ใช้โดยอัตโนมัติตามประสิทธิภาพของนักเรียน หลังจากอ่านจบ นักเรียนจะได้รับแบบฝึกหัดชุดหนึ่งโดยอิงจากคำศัพท์เป้าหมายที่พบในการอ่าน^{[ 71 ]}
CIRCSlM-Tutor: CIRCSIM_Tutor เป็นระบบการสอนอัจฉริยะที่ใช้กับนักศึกษาแพทย์ปีแรกที่สถาบันเทคโนโลยีอิลลินอยส์ โดยใช้ภาษาแบบโสกราติสที่อิงตามบทสนทนาตามธรรมชาติเพื่อช่วยให้นักศึกษาเรียนรู้เกี่ยวกับการควบคุมความดันโลหิต^{[ 72 ]}
ไว2-แอตลาส: Why2-Atlas เป็น ITS ที่วิเคราะห์คำอธิบายหลักการทางฟิสิกส์ของนักเรียน นักเรียนป้อนงานของตนในรูปแบบย่อหน้า และโปรแกรมจะแปลงคำพูดของพวกเขาให้เป็นการพิสูจน์โดยการตั้งสมมติฐานเกี่ยวกับความเชื่อของนักเรียนโดยอิงจากคำอธิบายของพวกเขา ในการทำเช่นนี้ ความเข้าใจผิดและคำอธิบายที่ไม่สมบูรณ์จะถูกเน้น ระบบจะแก้ไขปัญหาเหล่านี้ผ่านการสนทนากับนักเรียนและขอให้นักเรียนแก้ไขเรียงความของตน อาจมีการทำซ้ำหลายครั้งก่อนที่กระบวนการจะเสร็จสมบูรณ์^{[ 73 ]}
สมาร์ททิวเตอร์: มหาวิทยาลัยฮ่องกง (HKU) ได้พัฒนา SmartTutor เพื่อรองรับความต้องการของนักศึกษาที่เรียนต่อ การเรียนรู้แบบเฉพาะบุคคลได้รับการระบุว่าเป็นความต้องการที่สำคัญในการศึกษาผู้ใหญ่ที่ HKU และ SmartTutor มีเป้าหมายเพื่อตอบสนองความต้องการดังกล่าว SmartTutor ให้การสนับสนุนนักศึกษาโดยการผสมผสานเทคโนโลยีอินเทอร์เน็ต การวิจัยทางการศึกษา และปัญญาประดิษฐ์^{[ 74 ]}
ออโต้ทูเตอร์: AutoTutorช่วยเหลือนักศึกษาวิทยาลัยในการเรียนรู้เกี่ยวกับฮาร์ดแวร์คอมพิวเตอร์ ระบบปฏิบัติการ และอินเทอร์เน็ตในหลักสูตรความรู้เบื้องต้นเกี่ยวกับคอมพิวเตอร์ โดยจำลองรูปแบบการสนทนาและกลยุทธ์การสอนของผู้สอนที่เป็นมนุษย์ AutoTutor พยายามทำความเข้าใจข้อมูลที่ผู้เรียนป้อนจากแป้นพิมพ์ จากนั้นจึงกำหนดรูปแบบการสนทนาพร้อมข้อเสนอแนะ คำแนะนำ การแก้ไข และคำใบ้^{[ 75 ]}
ติวเตอร์ AI เชิงสร้างสรรค์: ผู้สอน AI เชิงสร้างสรรค์ในระดับอุดมศึกษาได้รวมเอาแบบจำลองภาษาขนาดใหญ่เพื่อมอบการสนับสนุนการสนทนาที่สอดคล้องกับเนื้อหาเฉพาะหลักสูตร ในการศึกษาในห้องเรียนแบบสุ่มในวิชาเศรษฐศาสตร์ระดับปริญญาตรี ผู้สอน AI เฉพาะหลักสูตรที่สร้างขึ้นจากเนื้อหาการบรรยายและการมอบหมายงานถูกนำมาเปรียบเทียบกับเงื่อนไขการเรียนรู้แบบเดี่ยวและแบบกลุ่ม ผู้เขียนอธิบายว่าระบบนี้ให้ข้อเสนอแนะแบบมีแนวทางในรูปแบบโสกราติสมากกว่าคำตอบโดยตรง และรายงานการใช้งานทั้งแบบอิสระและร่วมกับการอภิปรายแบบมีโครงสร้างระหว่างเพื่อน^{[ 76 ]}

แอคทีฟแมธ: ActiveMath เป็นสภาพแวดล้อมการเรียนรู้คณิตศาสตร์แบบปรับเปลี่ยนได้บนเว็บ ระบบนี้มุ่งมั่นที่จะปรับปรุงการเรียนรู้ทางไกล เสริมการสอนในห้องเรียนแบบดั้งเดิม และสนับสนุนการเรียนรู้ส่วนบุคคลและการเรียนรู้ตลอดชีวิต^{[ 77 ]}
ESC101-ITS: สถาบันเทคโนโลยีแห่งอินเดีย เมืองกานปุระ ประเทศอินเดีย ได้พัฒนา ESC101-ITS ซึ่งเป็นระบบการสอนอัจฉริยะสำหรับปัญหาการเขียนโปรแกรมเบื้องต้น
AdaptErrEx: ^{[ 78 ]}เป็นติวเตอร์อัจฉริยะแบบปรับตัวได้ที่ใช้ตัวอย่างที่ผิดพลาดแบบโต้ตอบเพื่อช่วยให้นักเรียนเรียนรู้เลขคณิตทศนิยม^{[ 79 ]}^{[ 80 ]}^{[ 81 ]}

การฝึกอบรมองค์กรและอุตสาหกรรม

กรอบงานอัจฉริยะทั่วไปสำหรับการสอน (GIFT)เป็นซอฟต์แวร์ทางการศึกษาที่ออกแบบมาเพื่อสร้างระบบการสอนโดยใช้คอมพิวเตอร์ พัฒนาโดยห้องปฏิบัติการวิจัยกองทัพบกสหรัฐฯตั้งแต่ปี 2009 ถึง 2011 GIFT ได้เปิดให้ใช้งานเชิงพาณิชย์ในเดือนพฤษภาคม 2012 ^{[ 82 ]} GIFT เป็นซอฟต์แวร์โอเพนซอร์สและไม่ขึ้นกับโดเมน และสามารถดาวน์โหลดได้ฟรีทางออนไลน์ ซอฟต์แวร์นี้ช่วยให้ผู้สอนสามารถออกแบบโปรแกรมการสอนที่ครอบคลุมหลากหลายสาขาวิชาผ่านการปรับเปลี่ยนหลักสูตรที่มีอยู่ ประกอบด้วยเครื่องมือสำหรับหลักสูตรที่ออกแบบมาเพื่อนักวิจัย นักออกแบบการสอน ผู้สอน และนักเรียน^{[ 83 ]} GIFT สามารถใช้งานร่วมกับสื่อการสอนอื่นๆ เช่น งานนำเสนอ PowerPoint ซึ่งสามารถบูรณาการเข้ากับโปรแกรมได้^{[ 83 ]}

SHERLOCK "SHERLOCK" ใช้ในการฝึกอบรมช่างเทคนิคของกองทัพอากาศเพื่อวินิจฉัยปัญหาในระบบไฟฟ้าของเครื่องบิน F-15 ระบบ ITS สร้างแผนผังวงจรระบบที่ผิดพลาดเพื่อให้ผู้เข้ารับการฝึกอบรมค้นหาและวินิจฉัย ระบบ ITS ให้ข้อมูลการวินิจฉัยที่ช่วยให้ผู้เข้ารับการฝึกอบรมตัดสินใจได้ว่าความผิดพลาดอยู่ที่วงจรที่กำลังทดสอบหรืออยู่ที่อื่นในระบบ ระบบจะให้ข้อเสนอแนะและคำแนะนำ และพร้อมให้ความช่วยเหลือหากร้องขอ^{[ 84 ]}

โปรแกรมฝึกสอนด้านหัวใจ (Cardiac Tutor ) มีจุดมุ่งหมายเพื่อสนับสนุนเทคนิคการดูแลหัวใจขั้นสูงแก่บุคลากรทางการแพทย์ โปรแกรมฝึกสอนจะนำเสนอปัญหาเกี่ยวกับหัวใจ และนักศึกษาจะต้องเลือกวิธีการแทรกแซงต่างๆ โดยใช้ขั้นตอนที่หลากหลาย โปรแกรมฝึกสอนด้านหัวใจจะให้คำแนะนำ คำปรึกษาด้วยวาจา และข้อเสนอแนะเพื่อปรับแต่งและเพิ่มประสิทธิภาพการเรียนรู้ การจำลองแต่ละครั้ง ไม่ว่านักศึกษาจะสามารถช่วยเหลือผู้ป่วยได้สำเร็จหรือไม่ก็ตาม จะส่งผลให้มีรายงานโดยละเอียดซึ่งนักศึกษาจะต้องตรวจสอบ^{[ 85 ]}

CODES Cooperative Music Prototype Design เป็นสภาพแวดล้อมบนเว็บสำหรับการสร้างต้นแบบดนตรีแบบร่วมมือกัน ออกแบบมาเพื่อสนับสนุนผู้ใช้ โดยเฉพาะผู้ที่ไม่ใช่ผู้เชี่ยวชาญด้านดนตรี ในการสร้างชิ้นงานดนตรีในลักษณะการสร้างต้นแบบ ตัวอย่างดนตรี (ต้นแบบ) สามารถทดสอบ เล่น และแก้ไขซ้ำได้ หนึ่งในแง่มุมหลักของ CODES คือการโต้ตอบและความร่วมมือระหว่างผู้สร้างดนตรีและคู่ค้าของพวกเขา^{[ 86 ]}

ประสิทธิผล

การประเมินประสิทธิผลของโปรแกรม ITS นั้นเป็นเรื่องยาก เนื่องจาก ITS มีการออกแบบ การนำไปใช้ และจุดเน้นทางการศึกษาที่แตกต่างกันอย่างมาก เมื่อมีการใช้ ITS ในห้องเรียน ระบบนี้ไม่ได้ถูกใช้โดยนักเรียนเท่านั้น แต่ครูก็ใช้ด้วยเช่นกัน การใช้งานเช่นนี้อาจสร้างอุปสรรคต่อการประเมินผลอย่างมีประสิทธิภาพด้วยเหตุผลหลายประการ โดยเฉพาะอย่างยิ่งเนื่องจากการที่ครูเข้าไปแทรกแซงการเรียนรู้ของนักเรียน

ครูมักมีความสามารถในการป้อนปัญหาใหม่ ๆ เข้าสู่ระบบหรือปรับหลักสูตร นอกจากนี้ ครูและเพื่อนร่วมชั้นมักมีปฏิสัมพันธ์กับนักเรียนในขณะที่พวกเขากำลังเรียนรู้ด้วย ITS (เช่น ระหว่างการเรียนในห้องปฏิบัติการคอมพิวเตอร์แบบรายบุคคล หรือระหว่างการบรรยายในชั้นเรียนที่คั่นระหว่างการเรียนในห้องปฏิบัติการ) ในลักษณะที่อาจส่งผลต่อการเรียนรู้ของพวกเขาด้วยซอฟต์แวร์^{[ 20 ]}งานวิจัยก่อนหน้านี้ชี้ให้เห็นว่าพฤติกรรมการขอความช่วยเหลือของนักเรียนส่วนใหญ่ในห้องเรียนที่ใช้ ITS อาจเกิดขึ้นนอกซอฟต์แวร์โดยสิ้นเชิง ซึ่งหมายความว่าลักษณะและคุณภาพของข้อเสนอแนะจากเพื่อนและครูในชั้นเรียนใดชั้นเรียนหนึ่งอาจเป็นตัวกลางที่สำคัญของการเรียนรู้ของนักเรียนในบริบทเหล่านี้^{[ 18 ]}นอกจากนี้ แง่มุมของบรรยากาศในห้องเรียน เช่น ระดับความสบายใจโดยรวมของนักเรียนในการขอความช่วยเหลือต่อหน้าสาธารณะ^{[ 17 ]}หรือระดับที่ครูมีส่วนร่วมทางกายภาพในการติดตามนักเรียนแต่ละคน^{[ 87 ]}อาจเพิ่มแหล่งที่มาของความแปรปรวนเพิ่มเติมในบริบทการประเมิน ตัวแปรทั้งหมดเหล่านี้ทำให้การประเมิน ITS มีความซับซ้อน^{[ 88 ]}และอาจช่วยอธิบายความแปรปรวนของผลลัพธ์ในการศึกษาการประเมินต่างๆ^{[ 89 ]}การทดลองในห้องเรียนแบบสุ่มในหลักสูตรเศรษฐศาสตร์มหภาคระดับปริญญาตรีเปรียบเทียบการทำงานเดี่ยว การทำงานกลุ่ม การสอนโดย AI และการสอนโดย AI ร่วมกับการอภิปรายระหว่างเพื่อน ผู้เขียนรายงานว่าคะแนนสอบเพิ่มขึ้นมากที่สุดในเงื่อนไขที่รวมการสอนโดย AI เข้ากับการทำงานร่วมกันระหว่างเพื่อนอย่างเป็นระบบ^{[ 90 ]}

แม้จะมีความซับซ้อนโดยธรรมชาติ แต่การศึกษาจำนวนมากได้พยายามวัดประสิทธิภาพโดยรวมของ ITS โดยมักจะเปรียบเทียบ ITS กับครูสอนที่เป็นมนุษย์^{[ 91 ]}^{[ 92 ]}^{[ 93 ]}^{[ 3 ]} การทบทวนระบบ ITS ในยุคแรก (1995) แสดงให้เห็นขนาดผลกระทบd = 1.0 เมื่อเปรียบเทียบกับการไม่มีการสอน ในขณะที่ครูสอนที่เป็นมนุษย์ได้รับขนาดผลกระทบd = 2.0 ^{[ 91 ]}ภาพรวมล่าสุดของ Kurt VanLehn (2011) เกี่ยวกับ ITS สมัยใหม่พบว่าไม่มีความแตกต่างทางสถิติในขนาดผลกระทบระหว่างครูสอนที่เป็นมนุษย์แบบตัวต่อตัวผู้เชี่ยวชาญและ ITS แบบทีละขั้นตอน^{[ 3 ]} ITS บางตัวได้รับการประเมินในเชิงบวกมากกว่าตัวอื่นๆ การศึกษาเกี่ยวกับ Algebra Cognitive Tutor พบว่านักเรียน ITS มีผลการเรียนดีกว่านักเรียนที่เรียนกับครูในห้องเรียนในโจทย์ทดสอบมาตรฐานและงานแก้ปัญหาในโลกแห่งความเป็นจริง^{[ 94 ]} การศึกษาต่อมาพบว่าผลลัพธ์เหล่านี้เด่นชัดเป็นพิเศษในนักเรียนจากการศึกษาพิเศษ ผู้ที่ไม่ใช่เจ้าของภาษาอังกฤษ และผู้ที่มีพื้นฐานรายได้ต่ำ^{[ 95 ]}

การวิเคราะห์เชิงอภิมานในปี 2015 ชี้ให้เห็นว่า ระบบการสอนอัจฉริยะ (ITS) สามารถมีประสิทธิภาพเหนือกว่าทั้งระบบการสอนอัตโนมัติด้วยคอมพิวเตอร์ (CAI) และครูผู้สอนที่เป็นมนุษย์ โดยเฉพาะอย่างยิ่งเมื่อวัดผลด้วยการทดสอบเฉพาะพื้นที่ เมื่อเทียบกับการทดสอบมาตรฐาน “นักเรียนที่ได้รับการสอนพิเศษแบบอัจฉริยะมีผลการเรียนดีกว่านักเรียนจากชั้นเรียนแบบดั้งเดิมใน 46 (หรือ 92%) จากการประเมินผลแบบควบคุม 50 ครั้ง และการพัฒนาผลการเรียนนั้นมากพอที่จะถือว่ามีความสำคัญอย่างมีนัยสำคัญใน 39 (หรือ 78%) จาก 50 การศึกษา ค่ามัธยฐานของขนาดผลกระทบ (ES) ในการศึกษา 50 ครั้งคือ 0.66 ซึ่งถือว่าเป็นผลกระทบขนาดปานกลางถึงมากสำหรับการศึกษาในสาขาสังคมศาสตร์ โดยประมาณแล้วเทียบเท่ากับการพัฒนาผลการสอบจากเปอร์เซ็นไทล์ที่ 50 เป็นเปอร์เซ็นไทล์ที่ 75 ซึ่งแข็งแกร่งกว่าผลกระทบโดยทั่วไปจากการสอนพิเศษรูปแบบอื่น ตัวอย่างเช่น การวิเคราะห์เมตาของ C.-LC Kulik และ Kulik (1991) พบค่าเฉลี่ย ES ที่ 0.31 ในการศึกษาการสอนพิเศษ CAI จำนวน 165 ครั้ง ผลลัพธ์จากการสอนพิเศษแบบอัจฉริยะ (ITS) สูงกว่าประมาณสองเท่า ผลกระทบของ ITS ยังมากกว่าผลกระทบโดยทั่วไปจากการสอนพิเศษโดยมนุษย์ ดังที่เราได้เห็นแล้ว โปรแกรมการสอนพิเศษโดยมนุษย์มักจะเพิ่มคะแนนสอบของนักเรียนประมาณ 0.4 ส่วนเบี่ยงเบนมาตรฐานเหนือระดับควบคุม นักพัฒนา ITS ตั้งเป้าที่จะปรับปรุงความสำเร็จของการสอน CAI และให้เทียบเท่ากับความสำเร็จของการสอนโดยมนุษย์มานานแล้ว ผลลัพธ์ของเราชี้ให้เห็นว่านักพัฒนา ITS ได้บรรลุเป้าหมายทั้งสองนี้แล้ว... แม้ว่าผลกระทบจะอยู่ในระดับปานกลางถึงสูงในการประเมินที่วัดผลลัพธ์จากการทดสอบที่พัฒนาขึ้นในท้องถิ่น แต่ผลกระทบนั้นมีขนาดเล็กกว่ามากในการประเมินที่วัดผลลัพธ์จากการทดสอบมาตรฐาน ค่าเฉลี่ย ES ในการศึกษาที่มีการทดสอบในท้องถิ่นคือ 0.73 ค่าเฉลี่ย ES ในการศึกษาที่มีการทดสอบมาตรฐานคือ 0.13 ความคลาดเคลื่อนนี้ไม่ใช่เรื่องผิดปกติสำหรับการวิเคราะห์เมตาที่รวมทั้งการทดสอบในท้องถิ่นและการทดสอบมาตรฐาน... การทดสอบในท้องถิ่นมีแนวโน้มที่จะสอดคล้องกับวัตถุประสงค์ของโปรแกรมการสอนเฉพาะ การทดสอบมาตรฐานสำเร็จรูปมีความเหมาะสมที่หลวมกว่า... ความเชื่อของเราเองคือการทดสอบทั้งในท้องถิ่นและการทดสอบมาตรฐานให้ข้อมูลที่สำคัญเกี่ยวกับประสิทธิผลของการสอน และเมื่อเป็นไปได้ ควรมีการรวมการทดสอบทั้งสองประเภทไว้ในการศึกษาการประเมิน" ^{[ 96 ]}

จุดแข็งที่ได้รับการยอมรับบางประการของ ITS ได้แก่ ความสามารถในการให้ผลตอบรับใช่/ไม่ใช่ทันที การเลือกงานแต่ละงาน คำแนะนำตามความต้องการ และการสนับสนุนการเรียนรู้แบบเชี่ยวชาญ^{[ 3 ]}^{[ 97 ]}

ข้อจำกัด

ระบบการสอนอัจฉริยะมีราคาแพงทั้งในการพัฒนาและการนำไปใช้ ขั้นตอนการวิจัยปูทางไปสู่การพัฒนาระบบที่มีศักยภาพในเชิงพาณิชย์ อย่างไรก็ตาม ขั้นตอนการวิจัยมักมีราคาแพง ต้องอาศัยความร่วมมือและข้อมูลจากผู้เชี่ยวชาญเฉพาะด้าน รวมถึงความร่วมมือและการสนับสนุนจากบุคคลต่างๆ ทั้งในองค์กรและระดับองค์กร ข้อจำกัดอีกประการหนึ่งในขั้นตอนการพัฒนาคือการวางแนวคิดและการพัฒนาซอฟต์แวร์ภายใต้ข้อจำกัดด้านงบประมาณและเวลา นอกจากนี้ยังมีปัจจัยที่จำกัดการนำระบบการสอนอัจฉริยะไปใช้ในโลกแห่งความเป็นจริง รวมถึงระยะเวลาที่ยาวนานที่จำเป็นสำหรับการพัฒนาและต้นทุนที่สูงในการสร้างส่วนประกอบของระบบ ต้นทุนส่วนใหญ่นั้นมาจากการสร้างส่วนประกอบเนื้อหา^{[ 29 ]}ตัวอย่างเช่น การสำรวจพบว่าการเข้ารหัสเวลาการสอนออนไลน์หนึ่งชั่วโมงต้องใช้เวลาในการพัฒนาเนื้อหาการสอนถึง 300 ชั่วโมง^{[ 98 ]}ในทำนองเดียวกัน การสร้าง Cognitive Tutor ใช้เวลาในการพัฒนาต่อเวลาการสอนอย่างน้อย 200:1 ชั่วโมง^{[ 91 ]}ต้นทุนการพัฒนาที่สูงมักจะบดบังความพยายามในการทำซ้ำเพื่อนำไปใช้ในโลกแห่งความเป็นจริง^{[ 99 ]} โดยทั่วไปแล้ว ระบบการสอนอัจฉริยะไม่สามารถนำไปใช้ในเชิงพาณิชย์ได้ในแอปพลิเคชันในโลกแห่งความเป็นจริง^{[ 99 ]}

ข้อวิจารณ์หนึ่งของระบบการสอนอัจฉริยะที่ใช้อยู่ในปัจจุบัน คือ หลักการสอนแบบให้ผลตอบรับทันทีและลำดับคำแนะนำที่ถูกสร้างขึ้นเพื่อให้ระบบ "ฉลาด" หลักการสอนนี้ถูกวิจารณ์ว่าล้มเหลวในการพัฒนาการเรียนรู้เชิงลึกในนักเรียน เมื่อนักเรียนได้รับอำนาจในการควบคุมความสามารถในการรับคำแนะนำ การตอบสนองการเรียนรู้ที่เกิดขึ้นจะเป็นไปในทางลบ นักเรียนบางคนหันไปหาคำแนะนำทันทีก่อนที่จะพยายามแก้ปัญหาหรือทำงานให้เสร็จ เมื่อเป็นไปได้ นักเรียนบางคนจะ ใช้คำแนะนำให้มากที่สุดเท่าที่จะเป็นไปได้โดยเร็วที่สุด เพื่อให้ทำงานเสร็จเร็วขึ้น หากนักเรียนไม่ไตร่ตรองถึงผลตอบรับหรือคำแนะนำของระบบการสอน และกลับเพิ่มการเดาจนกว่าจะได้รับผลตอบรับเชิงบวก นักเรียนก็จะเรียนรู้ที่จะทำสิ่งที่ถูกต้องด้วยเหตุผลที่ผิด ระบบการสอนส่วนใหญ่ในปัจจุบันไม่สามารถตรวจจับการเรียนรู้แบบตื้นเขิน หรือแยกแยะความแตกต่างระหว่างการดิ้นรนที่มีประสิทธิภาพกับไม่มีประสิทธิภาพได้ (อย่างไรก็ตาม ดูตัวอย่างเช่น^{[ 100 ]}^{[ 101 ]} ) ด้วยเหตุผลเหล่านี้และเหตุผลอื่นๆ อีกมากมาย (เช่น การปรับโมเดลพื้นฐานให้เข้ากับกลุ่มผู้ใช้เฉพาะกลุ่มมากเกินไป^{[ 102 ]} ) ประสิทธิภาพของระบบเหล่านี้จึงอาจแตกต่างกันอย่างมากในหมู่ผู้ใช้^{[ 103 ]}

ข้อวิจารณ์อีกประการหนึ่งของระบบการสอนอัจฉริยะคือความล้มเหลวของระบบในการถามคำถามนักเรียนเพื่ออธิบายการกระทำของพวกเขา หากนักเรียนไม่ได้เรียนรู้ภาษาเฉพาะด้าน ก็จะทำให้การทำความเข้าใจอย่างลึกซึ้ง การทำงานร่วมกันเป็นกลุ่ม และการถ่ายทอดภาษาเฉพาะด้านไปสู่การเขียนทำได้ยากขึ้น ตัวอย่างเช่น หากนักเรียนไม่ได้ "พูดคุยเรื่องวิทยาศาสตร์" ก็มีการโต้แย้งว่าพวกเขาไม่ได้ถูกปลูกฝังในวัฒนธรรมวิทยาศาสตร์ ทำให้ยากที่จะเขียนบทความทางวิทยาศาสตร์หรือมีส่วนร่วมในความพยายามร่วมกันเป็นทีม ระบบการสอนอัจฉริยะถูกวิพากษ์วิจารณ์ว่า "เน้นการสั่งสอน" มากเกินไปและทำให้ขาดแรงจูงใจภายใน บริบทการเรียนรู้ทางสังคม และความสมจริงของบริบทในการเรียนรู้^{[ 104 ]}

ควรคำนึงถึงข้อกังวลในทางปฏิบัติ ในแง่ของความโน้มเอียงของผู้สนับสนุน/หน่วยงาน และผู้ใช้ในการปรับใช้ระบบการสอนอัจฉริยะ^{[ 99 ]}ประการแรก ต้องมีผู้ที่เต็มใจที่จะนำ ITS ไปใช้^{[ 99 ]}นอกจากนี้ หน่วยงานต้องตระหนักถึงความจำเป็นในการบูรณาการซอฟต์แวร์การสอนอัจฉริยะเข้ากับหลักสูตรปัจจุบัน และสุดท้าย ผู้สนับสนุนหรือหน่วยงานต้องให้การสนับสนุนที่จำเป็นตลอดขั้นตอนการพัฒนาระบบจนกว่าจะเสร็จสมบูรณ์และนำไปใช้งาน^{[ 99 ]}

การประเมินระบบการสอนอัจฉริยะเป็นขั้นตอนที่สำคัญ อย่างไรก็ตาม มักจะยาก มีค่าใช้จ่ายสูง และใช้เวลานาน^{[ 99 ]}แม้ว่าจะมีเทคนิคการประเมินต่างๆ ที่นำเสนอในเอกสาร แต่ก็ไม่มีหลักการชี้นำสำหรับการเลือกวิธีการประเมินที่เหมาะสมที่จะใช้ในบริบทเฉพาะ^{[ 105 ]}^{[ 106 ]}ควรมีการตรวจสอบอย่างละเอียดเพื่อให้แน่ใจว่าระบบที่ซับซ้อนทำงานได้ตามที่กล่าวอ้าง การประเมินนี้อาจเกิดขึ้นระหว่างการออกแบบและการพัฒนาระบบในช่วงแรกเพื่อระบุปัญหาและชี้นำการแก้ไข (เช่น การประเมินเชิงสร้างสรรค์) ^{[ 107 ]}ในทางตรงกันข้าม การประเมินอาจเกิดขึ้นหลังจากระบบเสร็จสมบูรณ์เพื่อสนับสนุนข้อกล่าวอ้างอย่างเป็นทางการเกี่ยวกับการสร้าง พฤติกรรม หรือผลลัพธ์ที่เกี่ยวข้องกับระบบที่เสร็จสมบูรณ์ (เช่น การประเมินเชิงสรุป) ^{[ 107 ]}ความท้าทายอย่างมากที่เกิดจากการขาดมาตรฐานการประเมินส่งผลให้ละเลยขั้นตอนการประเมินในระบบการสอนอัจฉริยะที่มีอยู่หลายระบบ^{[ 105 ]}^{[ 106 ]}^{[ 107 ]}

การปรับปรุง

ระบบการสอนอัจฉริยะมีความสามารถด้อยกว่าครูผู้สอนที่เป็นมนุษย์ในด้านการสนทนาและการให้ข้อเสนอแนะ ตัวอย่างเช่น ครูผู้สอนที่เป็นมนุษย์สามารถตีความสภาวะทางอารมณ์ของนักเรียน และอาจปรับการสอนให้สอดคล้องกับการรับรู้เหล่านั้นได้ งานวิจัยล่าสุดกำลังสำรวจกลยุทธ์ที่เป็นไปได้ในการเอาชนะข้อจำกัดเหล่านี้ของระบบการสอนอัจฉริยะ เพื่อทำให้ระบบเหล่านี้มีประสิทธิภาพมากขึ้น

บทสนทนา

ผู้สอนที่เป็นมนุษย์มีความสามารถในการเข้าใจน้ำเสียงและน้ำเสียงของบุคคลในระหว่างการสนทนา และตีความสิ่งนี้เพื่อให้ข้อเสนอแนะอย่างต่อเนื่องผ่านการสนทนาที่ดำเนินอยู่ ระบบการสอนอัจฉริยะกำลังได้รับการพัฒนาเพื่อพยายามจำลองการสนทนาที่เป็นธรรมชาติ เพื่อให้ได้ประสบการณ์การสนทนาอย่างเต็มที่ คอมพิวเตอร์จะต้องได้รับการตั้งโปรแกรมในหลายด้าน รวมถึงความสามารถในการเข้าใจน้ำเสียง น้ำเสียง ภาษากาย และการแสดงออกทางสีหน้า จากนั้นจึงตอบสนองต่อสิ่งเหล่านี้ การสนทนาในระบบการสอนอัจฉริยะสามารถใช้เพื่อถามคำถามเฉพาะเพื่อช่วยชี้นำนักเรียนและดึงข้อมูลออกมา ในขณะเดียวกันก็อนุญาตให้นักเรียนสร้างความรู้ของตนเอง^{[ 108 ]}การพัฒนาการสนทนาที่ซับซ้อนมากขึ้นภายในระบบการสอนอัจฉริยะเป็นจุดสนใจในการวิจัยในปัจจุบันบางส่วน เพื่อแก้ไขข้อจำกัดและสร้างแนวทางที่สร้างสรรค์มากขึ้นสำหรับระบบการสอนอัจฉริยะ^{[ 109 ]}นอกจากนี้ งานวิจัยปัจจุบันบางส่วนยังมุ่งเน้นไปที่การสร้างแบบจำลองลักษณะและผลกระทบของสัญญาณทางสังคมต่างๆ ที่ใช้กันทั่วไปในการสนทนาระหว่างผู้สอนและผู้เรียน เพื่อสร้างความไว้วางใจและความสัมพันธ์ที่ดี (ซึ่งแสดงให้เห็นว่ามีผลเชิงบวกต่อการเรียนรู้ของนักเรียน) ^{[ 110 ]}^{[ 111 ]}

ผลกระทบทางอารมณ์

งานวิจัยจำนวนมากกำลังพิจารณาบทบาทของอารมณ์ต่อการเรียนรู้ โดยมีวัตถุประสงค์เพื่อพัฒนาระบบการสอนอัจฉริยะที่สามารถตีความและปรับตัวให้เข้ากับสภาวะทางอารมณ์ที่แตกต่างกันได้^{[ 112 ]}^{[ 113 ]}มนุษย์ไม่ได้ใช้เพียงกระบวนการทางปัญญาในการเรียนรู้เท่านั้น แต่กระบวนการทางอารมณ์ที่พวกเขาประสบก็มีบทบาทสำคัญเช่นกัน ตัวอย่างเช่น ผู้เรียนจะเรียนรู้ได้ดีขึ้นเมื่อพวกเขามีความไม่สมดุลในระดับหนึ่ง (ความหงุดหงิด) แต่ไม่มากพอที่จะทำให้ผู้เรียนรู้สึกท่วมท้นอย่างสิ้นเชิง^{[ 112 ]}สิ่งนี้กระตุ้นให้การคำนวณทางอารมณ์เริ่มผลิตและวิจัยการสร้างระบบการสอนอัจฉริยะที่สามารถตีความกระบวนการทางอารมณ์ของแต่ละบุคคลได้^{[ 112 ]} สามารถพัฒนาระบบการสอนอัจฉริยะ (ITS) เพื่ออ่านการแสดงออกและสัญญาณอื่นๆ ของอารมณ์ของแต่ละบุคคล เพื่อพยายามค้นหาและสอนให้เข้าสู่สภาวะทางอารมณ์ที่เหมาะสมที่สุดสำหรับการเรียนรู้ การทำเช่นนี้มีความซับซ้อนหลายประการ เนื่องจากอารมณ์ไม่ได้แสดงออกเพียงวิธีเดียว แต่แสดงออกได้หลายวิธี ดังนั้นเพื่อให้ ITS มีประสิทธิภาพในการตีความสภาวะทางอารมณ์ อาจต้องใช้วิธีการแบบหลายรูปแบบ (น้ำเสียง การแสดงออกทางใบหน้า ฯลฯ) ^{[ 112 ]}แนวคิดเหล่านี้ได้สร้างสาขาใหม่ขึ้นภายใน ITS นั่นคือ ระบบการสอนแบบเน้นอารมณ์ (Affective Tutoring Systems: ATS) ^{[ 113 ]}ตัวอย่างหนึ่งของ ITS ที่กล่าวถึงอารมณ์คือ Gaze Tutor ซึ่งได้รับการพัฒนาขึ้นเพื่อติดตามการเคลื่อนไหวของดวงตาของนักเรียนและพิจารณาว่าพวกเขารู้สึกเบื่อหรือวอกแวกหรือไม่ จากนั้นระบบจะพยายามดึงดูดความสนใจของนักเรียนอีกครั้ง^{[ 114 ]}

การสร้างความสัมพันธ์

จนถึงปัจจุบัน ITS ส่วนใหญ่เน้นเฉพาะด้านความรู้ความเข้าใจในการสอนพิเศษเท่านั้น และไม่ได้เน้นความสัมพันธ์ทางสังคมระหว่างระบบการสอนพิเศษกับนักเรียน ดังที่แสดงให้เห็นโดยแนวคิดที่ว่าคอมพิวเตอร์เป็นผู้แสดงทางสังคมมนุษย์มักจะฉายภาพฮิวริสติกทางสังคมลงบนคอมพิวเตอร์ ตัวอย่างเช่น ในการสังเกตปฏิสัมพันธ์ของเด็กเล็กกับSam the CastleMate ซึ่งเป็นตัวแทนการเล่าเรื่องแบบร่วมมือ เด็กๆ มีปฏิสัมพันธ์กับเด็กจำลองนี้ในลักษณะเดียวกับที่พวกเขามีต่อเด็กมนุษย์^{[ 115 ]}มีข้อเสนอแนะว่า เพื่อออกแบบ ITS ที่สร้างความสัมพันธ์ที่ดีกับนักเรียนได้อย่างมีประสิทธิภาพ ITS ควรเลียนแบบกลยุทธ์ของความทันทีทันใดในการสอน พฤติกรรมที่เชื่อมช่องว่างทางสังคมที่เห็นได้ชัดระหว่างนักเรียนและครู เช่น การยิ้มและการเรียกชื่อนักเรียน^{[ 116 ]}สำหรับวัยรุ่น Ogan et al. อ้างอิงจากการสังเกตเพื่อนสนิทที่สอนกันเองเพื่อโต้แย้งว่า เพื่อให้ ITS สร้างความสัมพันธ์แบบเพื่อนกับนักเรียนได้นั้น อาจจำเป็นต้องมีกระบวนการสร้างความไว้วางใจที่ซับซ้อนมากขึ้น ซึ่งท้ายที่สุดอาจต้องอาศัยระบบการสอนที่มีความสามารถในการตอบสนองอย่างมีประสิทธิภาพ และแม้กระทั่งแสดงพฤติกรรมที่ดูเหมือนหยาบคาย เพื่อไกล่เกลี่ยปัจจัยด้านแรงจูงใจและอารมณ์ของนักเรียนผ่านการเล่นตลกและการหยอกล้อ^{[ 117 ]}

ตัวแทนที่สามารถสอนได้

โดยทั่วไปแล้ว ITS จะทำหน้าที่เป็นผู้สอนอิสระ อย่างไรก็ตาม พวกเขายังสามารถทำหน้าที่เป็นผู้เรียนเพื่อจุดประสงค์ในการเรียนรู้ผ่านการสอนแบบฝึกหัด หลักฐานชี้ให้เห็นว่าการเรียนรู้ผ่านการสอนสามารถเป็นกลยุทธ์ที่มีประสิทธิภาพในการช่วยให้เข้าใจตนเอง ปรับปรุงความรู้สึกมั่นใจในตนเองและเพิ่มผลลัพธ์ทางการศึกษาและการจดจำ^{[ 118 ]}เพื่อจำลองผลกระทบนี้ บทบาทของนักเรียนและ ITS สามารถสลับกันได้ ซึ่งสามารถทำได้โดยการออกแบบ ITS ให้มีลักษณะเหมือนกำลังถูกสอน เช่นเดียวกับในเกมคณิตศาสตร์ตัวแทนที่สอนได้^{[ 119 ]}และ Betty's Brain ^{[ 120 ]}อีกแนวทางหนึ่งคือการให้นักเรียนสอนตัวแทนการเรียนรู้ของเครื่องจักร ซึ่งสามารถเรียนรู้ที่จะแก้ปัญหาโดยการสาธิตและการให้ข้อเสนอแนะที่ถูกต้อง เช่นเดียวกับในระบบ APLUS ที่สร้างขึ้นด้วย SimStudent ^{[ 121 ]}เพื่อจำลองผลกระทบทางการศึกษาของการเรียนรู้ผ่านการสอน ตัวแทนที่สอนได้โดยทั่วไปจะมีตัวแทนทางสังคมที่สร้างขึ้นบนตัวมันเองซึ่งตั้งคำถามหรือแสดงความสับสน ตัวอย่างเช่น Betty จาก Betty's Brain จะกระตุ้นให้นักเรียนถามคำถามเพื่อตรวจสอบให้แน่ใจว่านักเรียนเข้าใจเนื้อหา และ Stacy จาก APLUS จะกระตุ้นให้ผู้ใช้ให้คำอธิบายเพิ่มเติมเกี่ยวกับข้อเสนอแนะที่นักเรียนให้ไว้

ดูเพิ่มเติม

บรรณานุกรม

หนังสือ

คัมบู, โรเจอร์; บัวร์โด, แจ็กเกอลีน; มิโซกุจิ, ริอิจิโระ, eds. (2010) ความก้าวหน้าในระบบการสอนอัจฉริยะ สปริงเกอร์. ไอเอสบีเอ็น 978-3-642-14362-5.
วูล์ฟ, เบเวอร์ลี พาร์ค (2009). การสร้างระบบติวเตอร์อัจฉริยะแบบโต้ตอบ . มอร์แกน คอฟแมนน์. ISBN 978-0-12-373594-2.
อีเวนส์, มาร์ธา; ไมเคิล, โจเอล (2005). การสอนแบบตัวต่อตัวโดยมนุษย์และคอมพิวเตอร์ . รูทเลดจ์. ISBN 978-0-8058-4360-6.
Polson, Martha C.; Richardson, J. Jeffrey, บรรณาธิการ (1988). พื้นฐานของระบบการสอนอัจฉริยะ . Lawrence Erlbaum. ISBN 978-0-8058-0053-1.
Psotka, Joseph; Massey, L. Dan; Mutter, Sharon, บรรณาธิการ (1988). ระบบการสอนอัจฉริยะ: บทเรียนที่ได้รับ . Lawrence Erlbaum. ISBN 978-0-8058-0023-4.
เวนเกอร์, เอเตียน (1987). ปัญญาประดิษฐ์และระบบการสอน: แนวทางเชิงคำนวณและเชิงปัญญาในการสื่อสารความรู้มอร์แกน คอฟแมนน์. ISBN 978-0-934613-26-2.
แชมเบอร์ส, เจ.; สเปรเชอร์, เจ. (1983). การเรียนการสอนโดยใช้คอมพิวเตอร์ช่วย: การนำไปใช้ในห้องเรียน . เพรนติส-ฮอลล์ อิงค์. ISBN 978-0131643840.
บราวน์, ดี.; สลีแมน, จอห์น ซีลีย์, บรรณาธิการ (1982). ระบบการสอนอัจฉริยะ . สำนักพิมพ์วิชาการ. ISBN 978-0-12-648680-3.

เอกสาร

ระบบการสอนอัจฉริยะ: การทบทวนเชิงประวัติศาสตร์ในบริบทของการพัฒนาปัญญาประดิษฐ์และจิตวิทยาการศึกษา
ระบบการสอนอัจฉริยะ: คืออะไรและทำงานอย่างไร
ฟรีดแมน, เรวา (2000). "ระบบการสอนอัจฉริยะคืออะไร?" (PDF) . สติปัญญา . 11 (3): 15– 16. doi : 10.1145/350752.350756 . S2CID 5281543 .
ระบบการสอนอัจฉริยะ: การใช้ AI เพื่อปรับปรุงประสิทธิภาพการฝึกอบรมและผลตอบแทนจากการลงทุน
กรอบแนวคิดสำหรับการฝึกอบรมแบบปรับตัวตามแบบจำลอง
กรอบแนวคิดสำหรับระบบการสอนอัจฉริยะบนอินเทอร์เน็ต
ระบบการสอนอัจฉริยะพร้อมบทสนทนา
ELM-ART: ระบบการสอนอัจฉริยะบนเว็บทั่วโลก
ลักษณะเด่นของการวิจัยระบบการสอนอัจฉริยะ: ระบบการสอนอัจฉริยะใส่ใจอย่างแม่นยำ
การสร้างระบบการสอนอัจฉริยะ: การวิเคราะห์สถานะปัจจุบันของเทคโนโลยี
การสร้างแบบจำลองทางปัญญาและการสอนอัจฉริยะ
การสอนพิเศษอัจฉริยะไปโรงเรียนในเมืองใหญ่แล้ว
ไฮเปอร์มีเดียแบบปรับเปลี่ยนได้: จากระบบการสอนอัจฉริยะสู่การศึกษาบนเว็บ

ลิงก์ภายนอก

การประชุมวิชาการนานาชาติครั้ง ที่11 เรื่องระบบการสอนอัจฉริยะ – การปรับตัวร่วมกันในการเรียนรู้ – เมืองชาเนีย (2012)
การประชุมวิชาการนานาชาติครั้ง ที่10 เรื่องระบบการสอนอัจฉริยะ – สะพานเชื่อมสู่การเรียนรู้ – พิตต์สเบิร์ก (2010)
การประชุมวิชาการนานาชาติครั้ง ที่9 เรื่องระบบการสอนอัจฉริยะ - ระบบการสอนอัจฉริยะ: อดีตและอนาคต – มอนทรีออล (2008)
การประชุมวิชาการนานาชาติครั้ง ที่8 เรื่องระบบการสอนอัจฉริยะ (2006)
การประชุมปัญญาประดิษฐ์ในด้านการศึกษาปี2007
MERLOT - แหล่งข้อมูลการศึกษามัลติมีเดียสำหรับการเรียนรู้และการสอนออนไลน์
ลำดับเหตุการณ์ของเครื่องจักรเพื่อการสอนhttps://teachingmachin.es/timeline.html

ผู้

[

[

[ 4 ]

[ 5 ]

[ 6 ]

[ 7 ]

[ 8 ]

[ 9 ]

[ 10 ]

[ 11 ]

[ 12 ]

[ 13 ]

[ 14 ]

[ 15 ]

[ 16 ]

[ 19 ]

[ 21 ]

[ 22 ]

[ 23 ]

[ 24 ]

[ 25 ]

[ 26 ]

[ 27 ]

[ 28 ]

[ 29 ]

[ 30 ]

[ 31 ]

[ 32 ]

[ 33 ]

[ 34 ]

[ 35 ]

[ 36 ]

[ 37 ]

[ 38 ]

[ 39 ]

[ 40 ]

[ 41 ]

[ 42 ]

[ 43 ]

[ 44 ]

[ 45 ]

[ 46 ]

[ 47 ]

[ 48 ]

[ 49 ]

[ 50 ]

[ 51 ]

[ 52 ]

[ 53 ]

[

[ 55 ]

[ 56 ]

[ 57 ]

[ 58 ]

[ 59 ]

[ 60 ]

[ 61 ]

[ 62 ]

[ 63 ]

[ 64 ]

[ 65 ]

[ 66 ]

[ 67 ]

[ 68 ]

[ 69 ]

[ 70 ]

[ 71 ]

[ 72 ]

[ 73 ]

[ 74 ]

[ 75 ]

[ 76 ]

[ 77 ]

[ 78 ]

[ 79 ]

[ 80 ]

[ 81 ]

[ 82 ]

[ 84 ]

[ 85 ]

[ 86 ]

[ 87 ]

[ 88 ]

[ 89 ]

[ 90 ]

[ 91 ]

[ 92 ]

[ 93 ]

[ 94 ]

[ 95 ]

[ 96 ]

[ 97 ]

[ 98 ]

[ 99 ]

[ 100 ]

[ 101 ]

[ 102 ]

[ 103 ]

[ 104 ]