Uyarlanabilir öğretim, kişilerin bireysel farklılıklarını gözeterek öğretimi gerçekleştirmeyi amaçlayan bir yaklaşımdır. Uyarlanabilir öğrenme sistemlerinde temel amaç, kullanıcıların hedeflerinin, ilgilerinin ve tercihlerinin bir modelini oluşturarak, öğrenme ortamını yapılandırmak ve her bir kullanıcı için öğretimi bireyselleştirmektir.
Bu sistemlerin kullanıcıya sunmuş olduğu bireyselleştirme imkanı yapay zeka algoritmaları sayesinde mümkün olabilmektedir.
İlk olarak bireyselleştirmeden kastedilen nedir ve elektronik bir öğrenme ortamında yapay zeka algoritmaları kullanılarak bireyselleştirme nasıl sağlanmaktadır, bu soruların cevaplarına bir göz atalım.
Bireyselleştirilmiş öğrenme desteği, sistemin, kullanıcının kişisel özelliklerini belirleme ve bilginin sunum biçimini bu özelliklere göre ayarlama özelliğidir.
Kişilik özellikleri derleniyor
Bireyselleştirilmiş öğretim sistemleri alanında yapılan çalışmalar 1970'li yıllardan itibaren; bilgisayar bilimleri, eğitim teknolojileri ve yapay zeka tekniklerinin birlikte kullanıldığı Zeki Öğretim Sistemleri ile başlamıştır. Zeki Öğretim Sistemlerinde temel amaç, kullanıcının bilgi düzeyi hakkında karar vererek içeriği kullanıcıya göre düzenleyip ona izleyeceği yolu göstermektir.
Bu anlamda zeki öğretim sistemleri bireyselleştirilmiş öğrenme seçenekleri sunan uyarlanabilir öğrenme ortamlarıdır.
Bireyselleştirme, ziyaret edilen sayfalar ve gezinme süreleri gibi kullanım kayıtlarını kullanarak farklı öğrenme özelliklerine sahip kullanıcıların kişilik özellikleri, ön bilgileri, ilgi ve hedefleri hakkında bilgi toplamak suretiyle gerçekleşmektedir.
Bireyselleştirme ile öğrenme çıktılarının niceliğinin artmasının yanında kullanıcıların öğrenme ortamından daha fazla memnun olmaları sağlanabilmektedir. Literatürde uyarlanabilir öğretim tasarımı için üç yaklaşımdan bahsedilir.
3 yaklaşım
Bunlardan ilki makro yaklaşımdır. Bu yaklaşım Keller’in bireyselleştirilmiş öğrenme modeline dayanır ve bu modele göre her kullanıcının farklı öğrenme hızı vardır. Öğretim kullanıcının bireysel hızına göre uyarlanmalıdır. Kullanıcı performansının değerlendirilmesi ve uygun geribildirimin sağlanmasında bireysel özellikler dikkate alınmalıdır.
İkinci yaklaşım Yetenek-Yöntem etkileşimidir. Bu yaklaşıma göre öğrenmenin niteliğini ve niceliğini arttırmak için öğretimi kullanıcının bireysel özelliklerine ve yeteneklerine uygun tasarlamak gerekmektedir.
Burada sözü edilen yetenek faktörü olarak bilgi işleme kapasitesi, algı, dikkat gibi bilişsel beceriler, ön bilgi düzeyi, yetenek, öğrenme stilleri, bilişsel stiller, öz yeterlik, motivasyon gibi değişkenlerden bahsedilmektedir.
Bir diğer yaklaşım ise Mikro yaklaşımdır. Bu yaklaşım öğrenme etkinliği sırasında kullanıcının duruma göre değişen belirli ihtiyaçlarına yönelik etkinliği düzenleyen dinamik bir yaklaşımdır. Yapay zeka tekniklerini içeren zeki öğretim sistemleri, web tabanlı öğretim ortamları kullanıcının ilgi ve ihtiyaçlarını belirleyerek sistemde uyarlamalar yapan mikro yaklaşım örnekleridir.
Öğrenme sürecinin desteklenmesi
Zeki öğretim sistemlerinde problem çözme sürecinde kullanıcılara yol gösterici şekilde uygun desteğin sağlanması amaçlanmaktadır. Bunun için yapay zekâ, bilişsel bilim, bilişim, web teknolojileri kullanılmakta, bir öğreticinin davranışlarına benzer şekilde öğrenenin ilerlemesine rehberlik edilmekte ve anlık geri dönütler ile öğrenme sürecinin desteklenmesi sağlanmaktadır.
Bu sistemlerde, güncellemeler kullanıcıların sorulara verdikleri cevaplara göre etkileşimli olarak yapılmakta ve ilerleme sağlanmaktadır. 2000'li yıllardan itibaren de uyarlanır ve zeki öğretim sistemlerinin birleşmesiyle bireyselleştirmeyi yüksek düzeyde sağlayan, "Uyarlanabilir Web Tabanlı Zeki Öğretim Sistemleri" alanında araştırmalar ağırlık kazanmıştır. Yapay zekâ teknolojilerindeki gelişmelerle birlikte öğrenme süreçlerinin bireyselleştirilmesi, içeriklerin uyarlanması ve öğrenme süreci boyunca öğrenenlere uygun desteğin sunulması kolaylaşmıştır.
İnsan gibi davranıyor
Yapay Zeka, insan gibi davranan sistemleri modelleme çalışmasının genel adıdır. Çeşitli kaynaklarda mantıksal analiz robotu tanımlaması ile de karşımıza çıkan Yapay zekâ (artificial intelligence), bir bilgisayarın veya bilgisayar kontrolündeki bir robotun çeşitli faaliyetleri zekasını kullanabilen canlılara benzer şekilde yerine getirme kabiliyeti olarak ta adlandırılabilir.
Yapay Zekâ kavramı, disiplinler arası bir kavram olarak ele alınabilir. Bu disiplinler biyoloji, psikoloji, sosyoloji, bilgisayar, matematik, tıp ve bunların alt dallarıdır. Davranış biçimi de temel olarak kontrol, karar verme, tahmin, problem çözme, öğrenme ve optimizasyon olarak karşımıza çıkmaktadır.
Yapay zeka ilgili bilginin seçilerek, uygun kararlar vermede, sonuç çıkarmada, gözden geçirerek değiştirmede, karşılaştırma yapmada ve problem çözmede kullanmayı kapsar. Tüm bu etkinlikler öğretim için geçerli olan kavram ve süreçlerin ayrılmaz parçasıdırlar. Bu nedenle de bilgisayar destekli eğitim programlarının Zeki Öğretim Sistemleri olarak adlandırılan sistemler bazında geliştirilmesi çalışmalarına yol açmıştır. Dreambox Learning, Smart Sparrow, Knewton, Desire2Learn, CogBooks Zeki ve Uyarlanabilir e-Öğrenme Uygulamalarına örnek olarak verilebilir.
Yapay sinir ağları (YSA), Uzman Sistemler, Bulanık Mantık, Genetik Algoritmaları gibi teknikler yapay zeka tekniklerine örnek olarak verilebilir. Problem Çözümü, problem indirgeme teknikleri, bulmaca, satranç, Uzman Sistemler ve uzmanlık, Planlama, Robotik, Obje tanıma (Görme), Makine Öğrenmesi, Şimdiki veriden gelecek davranışlar hakkında tahmin çıkarımı, beynin fiziksel davranışını modelleme, nesne tabanlı programlama teknikleri, otomatik programlama gibi alanlar yapay zekanın kullanıldığı alanlardır.
Yapay zeka algoritmalarının kullanıldığı zeki öğretim sistemlerinin hayatımıza girmesi ile eğitim alanında yeni ufukların açılması kaçınılmazdır. Günümüzde geleneksel öğretim sisteminde ortaya çıkabilecek birtakım yetersizliklerin üstesinden ancak yapay zeka programlama teknikleri kullanılarak hazırlanan zeki öğretim platformları ile gelineceği aşikardır.
Yrd. Doç. Dr. Meltem Eryılmaz, Atılım Üniversitesi, Mühendislik Fakültesi
Kaynaklar:
1. Intelligence Britannica.com
2. Brusilovsky, P. , Peylo, C. (2003) Adaptive and Intelligent Web-based Educational Systems, Journal International Journal of Artificial Intelligence in Education archive Volume 13 Issue 2-4.
3. Self, J. (1990) Theoretical Foundations for Intelligent Tutoring Systems, Journal of Artifical Intelligence in Education, 1(4), 3-14.
4. Murray, M. C., & Pérez, J. (2015). Informing and performing : A study comparing adaptive learning to traditional learning. Informing Science: International Journal of an Emerging Transdiscipline, 18, 111–125.
5. Park, O., & Lee, J. (2003). Adaptive Instructional Systems. Handbook of Research for Educational Communications and Technology, (1911), 651–684.
6. Regian, J. W., & Shute, V. J. (1992). Cognitive approaches to automated instruction. Hillsdale, NJ: Lawrence Erlbaum Associates