Dalam tulisan ini, Micheline Manske dan Cristina Conati mempresentasikan penelitian untuk meningkatkan model belajar siswa selama interaksi dengan Prime Climb, sebuah edu-game untuk faktorisasi angka. Model ini akan digunakan oleh agen pedagogis yang menghasilkan intervensi disesuaikan untuk memicu penalaran siswa selama siswa tampaknya tidak bisa belajar baik dari permainan. Kami membahas bagaimana kita secara substansial meningkatkan akurasi model awal dengan mengubah kausalitas dari dependensi antara node pengetahuan dan bukti, dan parameter model dari data. mereka jugamenggambarkan versi ketiga dari model yang mencakup sebuah node faktor umum untuk meningkatkan kekhususan saran didaktik bahwa model dapat mendukung. Langkah selanjutnya dalam penelitian ini adalah untuk mengeksplorasi apakah kita dapat lebih meningkatkan akurasi model dengan memperoleh data untuk menyempurnakan bagian dari model yang mencakup informasi mengenai penggunaan Kaca pembesar, termasuk dalam model intervensi Perdana Climb agen, yang Saat ini tidak dianggap karena kami ingin memastikan akurasi model sebelum menambahkan tindakan agen yang bergantung pada model. mereka juga berencana untuk menjalankan studi ablasi untuk memverifikasi apa dampak akurasi model telah di keseluruhan efektivitas agen pedagogis. Akhirnya, kami ingin menjelajahi skalabilitas pendekatan kami untuk model pembelajaran dalam permainan yang lebih kompleks dan keterampilan.
Senin, 11 April 2011
Modelling Learning in an Educational Game
Langganan:
Postingan (Atom)