FIT
2011 - 2015
Intelligente Tutorensysteme (ITSs) haben in den letzten 20 Jahren bemerkenswerte Fortschritte gemacht. Ein ITS benötigt allerdings üblicherweise exakte Domänenmodelle und pädagogische Modelle, welche die Reaktion eines menschlichen Tutors auf Fehler von Lernenden repräsentieren. Daher sind ITS-Systeme typischwerweise auf größere Anwendungskontexte in Domänen beschränkt, bei denen die erforderliche Formaliserung überhaupt möglich ist und sich der erhebliche Aufwand rentiert. In anderen Anwendungsfeldern (so-genannten ill-defined domains) sind menschliche Tutoren ITS-Systemen (sofern diese überhaupt existieren) deutlich überlegen. Das Ziel des FIT-Projektes war es, neue Formen von ITS-Methoden zu entwickeln, die auch in ill-defined domains mit realistischem Entwicklungsaufwand anwendbar sind. Ansatz waren hier autonome maschinelle Lernverfahren, welche aus gegebenen Daten (z.B. Lernerlösungen) Strukturen und Feedback-Möglichkeiten lernen. Hierzu sollten Prototypen-basierte Lernverfahren und neue Erweiterungen der Methoden für generelle nicht-Euklidische Strukturdaten so angepasst werden, dass sie gleichzeitig den Raum der Lernerlösungen strukturieren, geeignete Metriken für Strukturen adaptieren, gegebene Lernerlösungen mit bekannten Daten alignieren und basierend darauf geeignetes Feedback inferieren können. Die Lernverfahren wurden für komplett unüberwachte Szenarien und solche mit nur partieller Annotation entwickelt, um den Gegebenheiten von ITSs in ill-defined domains Rechnung zu tragen.
Personen
- Prof. Dr. Niels Pinkwart
- Dipl.-Wirt.-Inf. Sebastian Groß (ehemalige(r) Mitarbeiter(in))
Bilder
