Podložené výskumom

Systémy z projektu Vieme to sú postavené a neustále vylepšované na základe skúseností z vedeckého výskumu, ktorý je vedený v rámci Fakulty informatiky MU v Brne. Výsledky tohto výskumu sú publikované v popredných medzinárodných časopisoch a konferenciách zameriavajúcich sa na oblasť umelej inteligencie vo vzdelávaní.

Nižšie uvádzame niektoré vybrané publikácie, ktoré s projektom bezprostredne súvisia. Ďalšie súvisiace publikácie sa dajú nájsť na webe výskumnej skupiny Adaptive Learning.

Metodické články

• Complexity and Difficulty of Items in Learning Systems. R. Pelánek, T. Effenberger, J. Čechák, International Journal of Artificial Intelligence in Education, 2021.
  Článok rozoberá, prečo je užitočné rozlišovať medzi „obťažnosťou“ a „zložitosťou“ úloh, ako tieto dve charakteristiky merať a na čo to vlastne pri vývoji výučbových systémov je.
• Design and Analysis of Microworlds and Puzzles for Block-Based Programming, R. Pelánek, T. Effenberger, Computer Science Education, 2020.
  Princípy návrhov úvodných programátorských úloh, ktoré sú využívané vo Vieme programovať.
• Bayesian Knowledge Tracing, Logistic Models, and Beyond: An Overview of Learner Modeling Techniques. R. Pelánek. User Modeling and User-Adapted Interaction - The Journal of Personalization Research, 2017
  Prehľadový článok popisujúci techniky analýzy dát a modelovania študentov, ktoré sú relevantné pre vývoj výučbových systémov.

Miera zvládnutia

Veľkú pozornosť vo výskume venujeme analýze kritérií „miery zvládnutia“. Tú používame v mnohých cvičeniach v systémoch Vieme: ovplyvňujú zisk „štítov“ a splnenie domácich úloh.

• Analysis and Design of Mastery Learning Criteria. R. Pelánek, J. Řihák, New Review of Hypermedia and Multimedia, 2018.
• Conceptual Issues in Mastery Criteria: Differentiating Uncertainty and Degrees of Knowledge. R. Pelánek, Artificial Intelligence in Education, 2018.
• Experimental Analysis of Mastery Learning Criteria. R. Pelánek, J. Řihák. User Modelling, Adaptation and Personalization, 2017. „best paper award“

Analýzy dát

• Analyzing and Visualizing Learning Data: A System Designer's Perspective. R. Pelánek, Journal of Learning Analytics, 2021.
  Prehľad zákulisných analýz dát, na základe ktorých sú systémy Vieme priebežne vylepšované.
• Interpretable Clustering of Students' Solutions in Introductory Programming. T. Effenberger, R. Pelánek, Artificial Intelligence in Education (AIED), 2021.
  Analýzy dát z cvičenia Programovanie v Pythone na Umíme programovat.
• Exploring the Utility of Response Times and Wrong Answers for Adaptive Learning. R. Pelánek, Learning@Scale, 2018.
  Analýza nesprávnych odpovedí a časov riešenia zo systémov Umíme česky, Umíme matiku a Umíme anglicky.
• Measuring Similarity of Educational Items Using Data on Learners' Performance. J. Řihák, R. Pelánek. Educational Data Mining, 2017.
  Analýza metód pre určovanie podobnosti položiek, článok analyzuje okrem iného dáta z Umíme česky.
• Student Modeling Based on Problem Solving Times. R. Pelánek, P. Jarušek. International Journal of Artificial Intelligence in Education, 2015.
  Článok popisujúci analýzy dát z matematických a logických úloh, ktoré sú teraz použité v systéme Umíme matiku.