Integrating Machine Learning Techniques in a Guided Discovery Tutoring Environment : MEMOCAR

J.-D. ZUCKER

IBP-Laforia 1995/07: Rapport de Recherche Laforia / Laforia research reports
18 pages - Mai/May 1995 - Document en anglais.

PostScript : 56 Ko /Kb

Titre / Title: Integrating Machine Learning Techniques in a Guided Discovery Tutoring Environment : MEMOCAR


Résumé : Le thème abordé dans ce rapport est celui de l'utilisation de techniques d'apprentissage symbolique automatique (ASA) pour l'amélioration des interactions dans les environnements d'enseignement par la découverte assisté par ordinateur. Nous présentons différents environnements intégrant des techniques d'apprentissage symbolique automatique; principalement pour construire et/ou mettre à jour un modèle de l'élève. Nous présentons ensuite une intégration originale de l'ASA dans le cadre d'un environnement dédié à l'apprentissage des caractères chinois par la découverte: memocar. Notre approche consiste à utiliser l'ASA pour faire apprendre au système sur les mêmes données que l'élève, et à utiliser les résultats de cet apprentissage pour construire des interactions. Deux des principales activités du système memocar, la découverte par l'apprenant de similarités entre caractères et les exercices de test de l'apprentissage sont ainsi basées sur l'adaptation d'un algorithme inductif: charade. Ce type d'intégration de l'ASA dans les environnements d'apprentissage par la découverte s'insère dans les recherches visant à rendre de tels environnements plus coopératifs.

Abstract : This chapter presents how Machine Learning Techniques can effectively contribute to improve the quality of interactions in Guided Discovery Tutoring Environments (GDTE) . We review several approaches to integrate Machine Learning in ITS. Most of these approaches use concept learning from examples to maintain a Student Model. We go along presenting an alternative use of induction techniques to learn concepts on the same data that are presented to the learner. We present on a concrete example how this approach is integrated in a GDTE called MEMOCAR, a Computer Aided Language Learning System for Chinese characters. Three main types of activity are identified in MEMOCAR: familiarization with Chinese characters, collaborative discovery of similarities between characters and exercises to test characters acquisition. The stage of familiarization is supported by exploration of hyperdata whilst collaborative discovery and exercises' diagnosis are supported by a tool based on CHARADE, a top-down induction system. Such integration offers a new alternative to the complex problem of making Guided Discovery Tutoring Environment more collaborative.


Publications internes Laforia 1995 / Laforia research reports 1995