Podložené výskumom

Výukový systém je postavený a neustále vylepšovaný na základe skúseností z vedeckého výskumu, ktorý je vedený v spolupráci s výskumnou skupinou Adaptive Learning na Fakulte 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. Môžete sa tiež pozrieť na konkrétne príklady techník použitých vo Vieme.

Metodické články

• Improving Learning Environments: Avoiding Stupidity Perspective. R. Pelánek, T. Effenberger. IEEE Transactions on Learning Technologies, 2022.
  Vývoj adaptabilného výučbového systému je náročnejší, než si mnohí uvedomujú. Tento článok systematicky rozoberá, čo všetko sa môže pokaziť, a popisuje techniky, ktoré pomáhajú pokazeniu predchádzať.
• 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 "náročnosťou“ a „zložitosťou“ úloh, ako tieto dve charakteristiky merať a k čomu to vlastne pri vývoji výučbových systémov je.
• 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 výukových systémov.

Informatika

• The Landscape of Computational Thinking Problems for Practice and Assessment. R. Pelánek, T. Effenberger. ACM Transactions on Computing Education, 2023.
  Článok ponúka komplexný prehľad úloh použiteľných na precvičovanie informatického myslenia. Predstavuje metodické východisko, na ktorom stojí príprava zadaní pre Vieme informatiku.
• Design and Analysis of Microworlds and Puzzles for Block-Based Programming, R. Pelánek, T. Effenberger. Computer Science Education, 2020.
  Princípy návrhu úvodných programátorských úloh, ktoré sú využívané vo Vieme informatiku.
• Code Quality Defects across Introductory Programming Topics T. Effenberger, R. Pelánek. Technical Symposium on Computer Science Education, 2022.
  Prehľad najčastejších štylistických chýb, ktoré študenti robia pri programovaní v Pythone.
• Interpretable Clustering of Students' Solutions in Introductory Programming. T. Effenberger, R. Pelánek. Artificial Intelligence in Education, 2021.
  Analýzy dát z cvičenia Programovania v Pythone na Vieme informatiku.

Miera zvládnutia

Veľkú pozornosť vo výskume venujeme analýze kritérií „miery zvládnutia“. Tú používame v mnohých cvičeniach v systémoch Vieme: ovplyvňujú zisk „štítov“ a splnenia 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.
  Článok ocenený „best paper award“.

Analýzy dát

• Towards Design-Loop Adaptivity: Identifying Items for Revision. R. Pelánek, T. Effenberger, A. Kukučka. Journal of Educational Data Mining, 2022.
  Popis vybraných techník, ktoré používame na kontinuálne vylepšovanie obsahu.
• Analyzing and Visualizing Learning Data: A System Designer's Perspective. R. Pelánek. Journal of Learning Analytics, 2021.
  Prehľad zákulisných analýz dát, na základe ktorých je systém Vieme priebežne vylepšovaný.
• Exploring the Utility of Response Times and Wrong Answers for Adaptive Learning. R. Pelánek. Learning@Scale, 2018.
  Analýza zlých 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 na 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 Vieme matiku.