Nalaganje ...
Projekti / Programi vir: ARIS

Strojno učenje v gradnji inteligentnih sistemov za poučevanje

Raziskovalna dejavnost

Koda Veda Področje Podpodročje
2.07.07  Tehnika  Računalništvo in informatika  Inteligentni sistemi - programska oprema 

Koda Veda Področje
P170  Naravoslovno-matematične vede  Računalništvo, numerična analiza, sistemi, kontrola 

Koda Veda Področje
1.02  Naravoslovne vede  Računalništvo in informatika 
Ključne besede
umetna inteligenca, inteligentni poučevalni sistemi, strojno učenje
Vrednotenje (pravilnik)
vir: COBISS
Raziskovalci (9)
št. Evidenčna št. Ime in priimek Razisk. področje Vloga Obdobje Štev. publikacijŠtev. publikacij
1.  02275  dr. Ivan Bratko  Računalništvo in informatika  Vodja  2011 - 2014  741 
2.  28365  dr. Matej Guid  Računalništvo in informatika  Raziskovalec  2011 - 2014  85 
3.  14075  dr. Alenka Horvat Ledinek  Nevrobiologija  Raziskovalec  2011 - 2014  137 
4.  29021  dr. Martin Možina  Računalništvo in informatika  Raziskovalec  2011 - 2014  76 
5.  05380  dr. Zvezdan Pirtošek  Nevrobiologija  Raziskovalec  2011 - 2014  743 
6.  15441  dr. Uroš Rot  Nevrobiologija  Raziskovalec  2011 - 2014  181 
7.  20389  dr. Aleksander Sadikov  Računalništvo in informatika  Raziskovalec  2011 - 2014  190 
8.  08752  dr. Saša Šega Jazbec  Srce in ožilje  Raziskovalec  2011 - 2014  199 
9.  29020  dr. Jure Žabkar  Računalništvo in informatika  Raziskovalec  2011 - 2014  123 
Organizacije (2)
št. Evidenčna št. Razisk. organizacija Kraj Matična številka Štev. publikacijŠtev. publikacij
1.  0312  Univerzitetni klinični center Ljubljana  Ljubljana  5057272000  76.638 
2.  1539  Univerza v Ljubljani, Fakulteta za računalništvo in informatiko  Ljubljana  1627023  16.011 
Povzetek
Splošno je sprejeto, da je posamično poučevanje bistveno bolj učinkovito kot poučevanje v razredu učencev, vendar predrago v večini situacij. Za ekonomično izvedbo posamičnega poučevanja je zato zanimiva alternativa poučevanje z računalniki (CAI, computer aided instruction). Vendar je CAI poučevanje zelo togo, zato se za najbolj obetavno možnost smatrajo inteligentni poučevalni sistemi (ITS, intelligent tutoring systems). Vendar je ovira spet v visoki ceni razvoja ITS sistemov, saj njihov razvoj zahteva obsežno sodelovanje področnega eksperta za realizacijo inteligentne interakcije med učencem in računalnikom. Glavni namen tega projekta je razviti metode, s katerimi bi bilo mogoče vsaj delno avtomatizirati gradnjo ITS sistemov in s tem bistveno znižati stroške gradnje. Glavni cilj projekta je razviti metode za avtomatsko konceptualizacijo učnih domen, kar je bistvena komponenta razvoja ITS sistemov. Izpeljali bomo tudi vrsto eksperimentalnih študij iz dveh tipov učnih domen: simbolično reševanje problemov, kot sta fizika in šah, ter domene motoričnih in kontrolnih spretnosti, kot jih najdemo pri pilotiranju, teku ali tenisu. Pomen konceptualizacije domen je v naslednjem.  V zahtevnih problemskih domenah je pot od osnovne teorije domene (aksiomi, zakoni, formule, pravila igre itd.) do rešitev problema pogosto zelo dolga in za človeka težko izvedljiva. Zato se značilno pojavi potreba po vmesni teoriji, konceptualizirani domenski teoriji, ki služi kot most med osnovno deklarativno teorijo in postopkovnim znanjem, potrebnim za reševanje konkretnih problemov. To pot lahko gledamo kot verigo izpeljav: iz osnovne teorije domene logično sledi konceptualizirana teorija, iz te pa naprej rešitev problema. Rešitev problema sledi tudi iz same osnovne teorije, vendar je ta pot veliko daljša. Tako je osnovna teorija tipično “neoperativna” za človeka (zahteva preveč računanja ali pa je preobsežna, da bi si jo učenec sploh lahko zapomnil), medtem ko konceptualizirano teorijo po definiciji človek lahko asimilira. Te relacije lahko ponazorimo takole:   osnovna teorija ----------------------------------------)   rešitev problema osnovna teorija ---) konceptualizirana teorija ---) rešitev problema   Tako je konceptualizirana teorija učinkovito orodje za človeško reševanje problemov, zato pa mora biti enostavna in kompaktna, da jo lahko učenec razume, si jo zapomni in uporabi pri reševanju konkretnih problemov. Poleg metod konceptualizacije se bomo posvetili tudi metodam avtomatskega generianja komentarjev rešitev v luči uporabljene knceptualizacije. Kot tehnično osnovo za razvoj in implementacijo metod konceptualizacije nameravamo uporabiti nekatere novejše tehnike in paradigme umetne inteligence, ki jih nameravamo dopolniti oz. nadgraditi za potrebe konceptualizacije. Med temi so: argumentirano strojno učenje (ABML; Argument Based Machine Learning), kvalitativno sklepanje in modeliranje (QR; Qualitative Reasoning and modelling), Q2 učenje (Qualitatively faithful Quantitative learning), generalizacija in učenje z razlago (EBG, EBL; Explanation Based Generalisation and Learning), induktivno logično programiranje (ILP; Inductive Logic Programming), ter specifične tehnike za vedenjsko kloniranje (zajemanje človeških motoričnih/kontrolnih veščin). Razvite metode konceptualizacije bomo eksperimentalno uporabili na izbranih domenah poučevanja z ITS kot sledi: (1) simbolno reševanje problemov: fizika, medicinsko diagnostično sklepanje (diagnostika tremorjev) in šah; (2) motorične spretnosti: tek, tenis in hoja pri bolnikih (multipla skleroza).   Raziskave iz umetne inteligence v tem prijektu bo izvajal Laboratorij za umetno inteligenco Univerze v Ljubljani, medtem ko bo Laboratorij za motnje gibanja Kliničnega centra v Ljubljani sodeloval pri medicinskih aplikacijah. Pričakujemo, da bosta obe medicinski aplikaciji neposredno postali del klinične prakse.
Pomen za razvoj znanosti
Glavni znanstveni prispevki prokekta so povezani z učinkovito izgradnjo inteligentnih poučevalnih sistemov s tehnikami umetne inteligence, še zlasti z vidika konceptualizacije problemskih domen. To je, kako prevesti dano osnovno teorije (podano z aksiomi, zakoni, formulami, pravili igre, itd.), ki ni primerna za učinkovito reševanje problemov, v operativno, konceptualizirano teorijo, ki jo lahko uporablja učenec za učinkovito reševanje problemov. Razvili smo tudi nekatere nove pristope za ocenjevanje veščin pri reševanju problemov in za avtomatsko prepoznavanje težavnosti problemov. Poleg tega smo razvili nekatere temelje avtomatskega ocenjevanja težavnosti problemov za ljudi.
Pomen za razvoj Slovenije
Projekt je pomemben s stališča izobraževanja podiplomskih in dodiplomskih študentov na hitro spreminjajočem in razvijajočem se področju uporabe umetne inteligence v izobraževanju. Neposredna uporaba razvite programske opreme bo možna v poučevanju računalniškega programiranja. Za neposredno uporabo v medicini je pomembna aplikacija za diagnosticiranje tremorjev, razvita v okviru tega projekta. Splošno je dosegljiva kot mobilna aplikacija imenovana ParkinsonCheck.
Najpomembnejši znanstveni rezultati Letno poročilo 2011, 2012, 2013, zaključno poročilo, celotno poročilo na dLib.si
Najpomembnejši družbeno–ekonomsko in kulturno relevantni rezultati Letno poročilo 2011, 2012, 2013, zaključno poročilo, celotno poročilo na dLib.si
Zgodovina ogledov
Priljubljeno