Kljub obljubljenemu potencialu prilagodljivih u\u010dnih sistemov ostaja na tem podro\u010dju veliko vpra\u0161anj neodgovorjenih. Raziskav in dokumentiranja razrednih praks, ki bi pomagale razjasniti ta vpra\u0161anja, \u0161e ni dovolj:<\/p>\n\n
Pri razvoju prilagodljivih u\u010dnih sistemov se nekatera na\u010dela uporabljajo neposredno ali implicitno. Ta na\u010dela niso vedno brez posledic.<\/p>\n\n
Kaj po\u010dnejo sistemi strojnega u\u010denja, ko nekaj napovedujejo ali priporo\u010dajo? Naslanjajo se na pretekle izku\u0161nje, preference in uspe\u0161nost u\u010denca in tako se odlo\u010dijo, kaj mu bodo priporo\u010dili: za napovedovanje prihodnosti se ozirajo v preteklost. Zato so ti sistemi vedno pristranski v odnosu do preteklosti4<\/sup>. Strojno u\u010denje najbolje deluje v stati\u010dnem in stabilnem svetu, kjer je preteklost tak\u0161na kot prihodnost5<\/sup>. Prilagodljivi u\u010dni sistemi, ki temeljijo na modelih strojnega u\u010denja, po\u010dnejo bolj ali manj enako, sedaj z dodatkom pedago\u0161kih vidikov.<\/p>\n Posledi\u010dno ti sistemi ne morejo upo\u0161tevati nihanj v normalnosti, kot je bila npr. pandemija COVID, ali zdravstvena vpra\u0161anja in druge te\u017eave. Le deloma znajo upo\u0161tevati starost, rast, obvladovanje novih kompetenc in osebnostni razvoj mladih ljudi.<\/p>\n Ali je vedenje u\u010dencev sploh predvidljivo? Kolikokrat lahko ponovimo formulo, ki je v preteklosti dobro delovala, preden postane dolgo\u010dasna in ponavljajo\u010da ter za\u010dne ovirati napredek6<\/sup>? Tudi \u010de bi bila tak\u0161na predvidevanja mogo\u010da, ali je sploh smotrno u\u010dence izpostavljati le stvarem, ki so jim v\u0161e\u010d in ki jim ustrezajo? Kolik\u0161na mera novosti je preobremenjujo\u010da in kontraproduktivna6<\/sup>?<\/p>\nTe\u017eko je dolo\u010diti, kako podobne naj bodo posamezne priporo\u010dene aktivnosti, koliko novih vrst aktivnosti naj uvedemo v eni \u0161olski uri ali kdaj to\u010dno bi bilo dobro spodbuditi u\u010denca k soo\u010danju z izzivi in raziskovanju novih interesov. Odgovori na ta vpra\u0161anja se ne skrivajo zgolj v preteklosti u\u010dencev.\n Tudi \u010de bi lahko preteklost zanesljivo uporabili za napovedovanje prihodnosti, bi bilo preteklost kot tak\u0161no te\u017eko natan\u010dno opredeliti. Kako Youtube ve, da je bil uporabniku v\u0161e\u010d dolo\u010den videoposnetek? Zagotovo je to la\u017eje v primerih, ko je uporabnik po ogledu kliknil na gumb 'V\u0161e\u010d mi je' ali se naro\u010dil na nek kanal. Vendar je tak\u0161no eksplicitno vedenje zelo redko. Sistemi za priporo\u010danje se ves \u010das zana\u0161ajo na prikrite, implicitne signale, ki pa lahko\u00a0resnico <\/span>v celoti odra\u017eajo, ali pa tudi ne<\/span>4<\/sup>. Youtube, na primer, upo\u0161teva \u010das, ki ga je uporabnik porabil za ogled videoposnetka, kot implicitni signal, da mu je bil videoposnetek v\u0161e\u010d in da bi rad gledal <\/span>druge podobne vsebine. Seveda pa golo dejstvo, da se je videoposnetek na ra\u010dunalniku predvajal do konca, \u0161e zdale\u010d ne pomeni, da je bil uporabniku v\u0161e\u010d, niti ne pomeni nujno, da si ga je sploh ogledal<\/span>7<\/sup>.<\/span><\/p>\nKaj pa na\u010din bele\u017eenja povratnih informacij v prilagodljivem u\u010dnem sistemu? Da bi na primer ocenil, ali je bil u\u010denec med dejavnostjo pozoren, lahko sistem bele\u017ei \u0161tevilo digitalnih virov, na katere je kliknil, kdaj in kako dolgo je do njih dostopal. Vendar to ne odra\u017ea natan\u010dno ravni njegove p<\/span>ozornosti<\/span>1<\/sup>.<\/span>\n\nNa primer, \u010de je u\u010dencu jasno, kaj mora storiti pri dolo\u010deni aktivnosti, lahko pregleda ve\u010d virov in se hitro osredoto\u010di na kriti\u010dne to\u010dke. Nekdo, ki pa nima tako jasne predstave, pa lahko odpre vse vire in porabi za to veliko \u010dasa, ne da bi se veliko nau\u010dil1<\/sup>. Lahko se zgodi, da bo prvi u\u010denec neupravi\u010deno ozna\u010den, kot da mu manjka motivacije in bo moral opraviti dodatno delo.\n\nUpo\u0161tevati je treba tudi dejstvo, da lahko modeli strojnega u\u010denja zabele\u017eijo le dva dogodka - klik u\u010denca na vir in visoka ocena u\u010denca pri povezani nalogi. Ne morejo pa sklepati, da je u\u010denec dosegel visoko oceno, ker<\/em> je pregledal vir -\u00a0sklepajo <\/span>lahko torej le o korelaciji (soodnosnosti), ne pa tudi o kavzaciji (vzro\u010dnosti)<\/span>5<\/sup>.<\/span>\n\nNeupravi\u010deno pri\u010dakovanje nekaterih prilagodljivih u\u010dnih sistemov je, da se bo u\u010ditelj poglobil v te napake in jih odpravil. V drugih sistemih pa u\u010ditelj tega sploh nima mo\u017enosti storiti.\nParadigma prilagodljivega u\u010dnega sistema: eksplicitno odra\u017ea implicitno<\/h3>\n
Paradigma prilagodljivega u\u010dnega sistema: vse lahko nadomesti zgolj eno vpra\u0161anje<\/h3>\nPriporo\u010dilni sistemi ne morejo obravnavati ve\u010d ciljev hkrati. Cilj prilagodljivega u\u010dnega sistema se najpogostoje ka\u017ee v obliki enega samega vpra\u0161anja: nadomestnega vpra\u0161anja. Kak\u0161no oceno je uporabnik dal filmu? Kako dolgo je gledal videoposnetek? Kak\u0161en je rezultat u\u010denca pri testu? Kako dobro je zadostil merilom sistema za merjenje pozornosti?Sistemi se nato nau\u010dijo dose\u010di ta cilj in so testirani na podlagi tega, ali je bil dose\u017een. Njihovo delovanje se nenehno prilagaja, da bi dosegli \u010dim bolj\u0161i rezultat (uspe\u0161no dosegli cilj).\n\n\u010ce je cilj uspe\u0161na re\u0161itev testa, se dolo\u010dene vsebine priporo\u010dajo na dolo\u010den na\u010din. Tako je uspe\u0161nost pri izpitu nadomestni problem, ki ga sistem re\u0161i. \u010ce je cilj le, da u\u010denci kliknejo na \u010dim ve\u010d virov, potem je priporo\u010dilo prilagojeno tako, da jih sili k temu. Izziv je tako narediti vire \u010dim bolj privla\u010dne.\n\nIzbira nadomestnega vpra\u0161anja je izredno pomembna za delovanje prilagodljivega u\u010dnega sistema4<\/sup>. V nasprotju z idejo o prilagodljivih u\u010dnih sistemih kot objektivnih sistemih, je izbira nadomestnega problema za priporo\u010dila bolj umetnost kot znanost4<\/sup>.\n
Vsa tehnologija ni nujno visoka tehnologija<\/h3>\nKot smo videli do zdaj, je pri izdelavi prilagodljivega u\u010dnega sistema potrebnih veliko odlo\u010ditev: katere podatke meri, kako se ti podatki uporabljajo za oblikovanje povratnih informacij, kateri cilji so optimizirani, kak\u0161ni algoritmi se uporabljajo za njihovo optimizacijo itd. Pri sprejemanju teh odlo\u010ditev najve\u010dkrat sodelujejo programerji, podatkovni znanstveniki, strokovnjaki za finance in tr\u017eenje. U\u010ditelji in pedago\u0161ki strokovnjaki v razvojni proces prispevajo le redko in pogosto \u0161ele po procesu na\u010drtovanja2<\/sup>. Produkti se pred sprejetjem v \u0161olah ne preizku\u0161ajo na terenu, njihova u\u010dinkovitost pa pogosto temelji na pri\u010devanjih in anekdotah namesto na znanstvenih raziskavah2<\/sup>.\n\nZato to, kar \u0161ola potrebuje in pozna, le malo vpliva na to, kaj podjetja oblikujejo. Stro\u0161ki, razpolo\u017eljivost in infrastruktura imajo velik vpliv na to, kaj lahko \u0161ole kupijo. To je treba upo\u0161tevati, ko se odlo\u010damo, ali in kako uporabiti dolo\u010den izdelek. Morda je bolje, da o njih ne razmi\u0161ljamo kot o\u00a0prilagodljivih u\u010dnih <\/span>sistemih ali UI, temve\u010d nanje gledamo kot na individualne sisteme z zelo razli\u010dnimi cilji, zasnovami in zmogljivostmi.<\/span>\n\nPrilagodljivi u\u010dni sistemi so v splo\u0161nem dobri za podajanje personaliziranih povratnih informacij, odranje in vadbo. Poi\u0161\u010dejo lahko vrzeli v u\u010denju in jih odpravijo v okviru omejitev programiranja in zasnove. Ne morejo pa zaznati \"u\u010dljivih trenutkov\" - npr. kdaj bi bilo najbolje izkoristiti razpolo\u017eenje v razredu za predstavitev nove zamisli ali primera. Te sposobnosti so tisto, kar naredi u\u010denje \u010darobno in kar pomaga, da u\u010dna ura \u0161e dolgo vztraja v u\u010den\u010devi zavesti - in ostajajo izklju\u010dno v domeni u\u010ditelja.\n\n
\n