Asynchroniczne sieci uczące w procesie LLL

ASYNCHRONICZNE SIECI UCZĄCE W PROCESIE LLL
JOLANTA CHĘĆ
Streszczenie
Nowoczesne technologie informacyjne i komunikacyjne umoĪliwiły powstanie
nowej formy edukacji: nauczania na odległoĞü (DL) zapewniającej naukĊ kaĪdemu
niezaleĪnie od czasu i miejsca. W artykule omówiono Asynchroniczne Sieci Uczące
(ang. ALN) umoĪliwiające realizacjĊ nauczania na odległoĞü w skali globalnej, wykorzystywane w procesie LLL (nauka trwająca przez całe Īycie). Przedstawiono róĪne rozwiązania sieci ALN takie, jak: off-campus, on-campus, rozproszone grupy kohortowe, model Stanford, roboty wiedzy. Szczególną uwagĊ poĞwiĊcono programom
wykorzystującym techniki inteligentnego agenta w celu zapewnienia wsparcia dla
opiekunów oraz uczestników kursów – tzw. knowbootów. Opisano takĪe funkcjonujący na Uniwersytecie Stanford model otwartych kursów online, dostĊpnych bezpłatnie
dla uczestników na całym Ğwiecie. W artykule omówiono ponadto warunki, jakie musi spełniü program edukacyjny, aby znaleĨü siĊ w sieci ALN składającej siĊ ze spójnej sekwencji kursów. Wskazano na przydatnoĞü takiego programu, którego ukoĔczenie daje moĪliwoĞü uzyskania tytułu lub zaĞwiadczenia.
Słowa kluczowe: asynchroniczne sieci uczce (ALN), nauczanie na odległo (DL),
samokształcenie, interaktywno asynchroniczna, roboty wiedzy, program
edukacyjny w technologii ALN, proces LLL (nauka przez całe ycie)
1. Wprowadzenie
Obecnie nastpuje ewolucja społeczestwa w kierunku społeczestwa opartego na informacji
i wiedzy jako kluczowych zasobach do wykorzystania przez kadego w dowolnym czasie i dowolnym miejscu. Takie społeczestwo jest nazywane społeczestwem wiedzy. Edukacja odgrywa
bardzo wan rol w społeczestwie wiedzy w którym nauka powinna by procesem cigłym
trwajcym przez całe ycie. Taki proces okrelany jest jako proces LLL (Life Long Learning) [1].
Koncepcja kształcenia zaocznego powstała 100 lat temu i nadal jest popularna. Zmianie uległa
tylko wykorzystywana technologia od postaci drukowanej materiałów szkoleniowych i przekazu
radiowego poprzez przekaz telewizyjny i wykorzystanie komputera po obecnie stosowane CDROM’y i strony WWW. Szybki rozwój technologii informacyjnych i komunikacyjnych (Information and Communications Technologies) umoliwił powstanie nowej formy edukacji: nauczanie na
odległo ułatwiajcej proces uczenia si. Stwarza to całkiem nowe moliwoci dla edukacji ludzi.
Stosowane obecnie techniki w edukacji na odległo mona pogrupowa w nastpujce kategorie:
• techniki samokształcenia (techniki z bardzo mał interakcj pomidzy ludmi lub bez
ludzkiej interakcji, obejmuj ksiki, tamy wideo, oprogramowanie uczce);
• techniki z ograniczoną interakcją ludzką (telewizja interaktywna);
6
Jolanta ChĊü
Asynchroniczne sieci uczące w procesie LLL
interaktywnoĞü asynchroniczna (wysoki stopie interaktywnoci, pomidzy geograficznie
oddalonymi uczniami i nauczycielem oraz pomidzy uczniami niezalenie od czasu
i miejsca).
Pierwsze pomysły dotyczce wykorzystania sieci komputerowych w nauczaniu pojawiły si
w latach siedemdziesitych, a wczesne implementacje w latach osiemdziesitych ubiegłego wieku.
W 1993r. Fundacja Alfreda P. Sloana [16] zainicjowała program ”Learning Outside the Classroom” w celu realizacji koncepcji Asynchronicznych Sieci Uczcych (ALN; Asynchronous Learning
Networks). Sieci ALN wykorzystywane s w procesie LLL (nauki trwajcej całe ycie). Sieci
ALN s sieciami ludzkimi umoliwiajcymi kształcenie na odległo w skali globalnej w dowolnym czasie i w dowolnym miejscu.
Poniej została przedstawiona architektura systemów uczcych DL (zgodnie ze standardem
LTSA opracowanym przez IEEE LTSC), model Fritza procesu uczenia, koncepcja sieci ALN,
róne rozwizania sieci ALN, wymagania jakie musi spełnia kurs ALN oraz wykorzystanie sieci
ALN w edukacji.
•
2. Architektura systemów DL w sieciach ALN
Ucze
Multimedia
Zachowanie
Zawarto uczca
Ocena
Dostawa
Styl uczenia
Zawarto
uczca
Biblioteka
wiedzy
Oszacowanie
Index lokalizacji
Wykonanie (biece)
Wykonanie
(historia)
Index zawartoci
(metadata)
Nauczyciel
Index zapytania
Baza
danych
Wykonanie (nowe)
Rysunek 1. Architektura systemu ODL zgodnie z LTSA
ródło: [14].
Znormalizowana specyfikacja architektury systemów kształcenia na odległo (LTSA) [14]
została opracowana przez IEEE LTSC (IEEE Learning Technology Standards Committee). Jest
ona bardzo przydatna przy opracowywaniu kompatybilnych systemów kształcenia na odległo
[3]. Zapewnienie wysokiej jakoci procesu uczenia wymaga nie tylko dostarczenia treci dydaktycznej oraz podłczenia i korzystania z Internetu. Systemy umoliwiajce realizacj kształcenia
na odległo powinny by systemami o charakterze otwartym. Na rys. 1 została pokazana architektura otwartych systemów kształcenia na odległo (ODL Systems) zgodnie ze standardem LTSA.
7
Studies & Proceedings of Polish Association for Knowledge Management
Nr 62, 2012
Składa si ona z nastpujcych elementów:
• procesy (uczeĔ, nauczyciel, dostawa, ocena);
• pamiĊci (baza danych, biblioteka wiedzy);
• połączenia (zawartoĞü ucząca, multimedia, styl uczenia, oszacowanie, wykonanie, zachowanie, indeks zapytania, indeks zawartoĞci, indeks lokalizacji).
Proces ucznia jest abstrakcyjnym przedstawieniem pojedynczej osoby, która uczy si lub grupy uczcych si uczniów. Proces nauczyciela jest abstrakcyjnym przedstawieniem nauczyciela.
Proces ucznia odbiera multimedialn tre dydaktyczn od procesu dostawy, a jego zachowanie
oceniane jest przez proces oceny. Wyniki oceny s przesyłane do procesu nauczyciela oraz s
magazynowane w bazie danych. Pamici okrelaj rodzaj przechowywanej informacji oraz metody
wyszukiwania, odzysku i aktualizacji informacji. Połczenia s okrelone przez typ (jedno- lub
dwukierunkowe), charakter (dyamiczne, statyczne) oraz rodzaj przesyłanej informacji.
3. Proces uczenia realizowany przez sieci ALN
Dobre rozumienie procesu uczenia jest bardzo wane dla zaprojektowania i implementacji
odpowienich i uytecznych systemów kształcenia zapewniajcych efektywn nauk w wysokiej
jakoci rodowisku uczenia. Proces uczenia jest wspomagany przez odpowiednie rodowisko
uczenia, gdzie uczniowie mog zyska stosowne dowiadczenie.
Budowanie i magazynowanie jednostek dowiadczenia przez uczniów jest realizowane poprzez kombinacj ludzkiego systemu sensorycznego, pocztkowej lub zdobytej wiedzy oraz budowania nowych dowiadcze w oparciu o oszacowanie poprzednich dowiadcze. Model Fritza
dla procesu uczenia (rys. 2) został opracowany na bazie pracy badawczej, prowadzonej przez
Fritza, Martineza, Banque,Rama,Adobbati i Samo, dotyczcej autonomicznych systemów inteligentnych. Jest on zgodny z pedagogiczn teori Kolba [13].
W modelu Fritza [12] wystpuj nastpujce pojcia dotyczce procesu uczenia:
• doznanie – sposób w jaki uczeĔ postrzega Ğrodowisko (poprzez tekst, obraz, animacjĊ,
symulacjĊ i wizualizacjĊ);
• sytuacja – jest specjalnym stanem (numeryczną wartoĞcią) doznania, np. okreĞlona sytuacja moĪe byü objaĞnieniem (w postaci audio) szczegółowego problemu dotyczącego zadania domowego;
• akcja – wykonane przez ucznia działanie, które transformuje bieĪącą sytuacjĊ lub stan do
nastĊpnej sytuacji lub stanu. Akcje, wykonywane przez ucznia na Ğrodowisku, zmieniają
sytuacjĊ lub stan;
• stan ucznia – jest informacją konieczną do unikalnego scharakteryzowania postĊpów
ucznia stosownie do spełniania misji;
• poziom przyjemnoci – miara przyjemnoĞci jako wynik wykonania jednej lub ciągu akcji;
• poziom wykonania – uczeĔ podczas wykonywania misji stanowi zbiór pomiarów wskazujących, jak dobrze osiąga swoją misjĊ;
• pojedyncze dowiadczenie – obejmuje 5 elementów: bieĪącą sytuacjĊ, akcjĊ, poziom
przyjemnoĞci, poziom wykonania oraz nastĊpną sytuacjĊ;
• pojedyncza lekcja – stanowi abstrakcjĊ zbioru doĞwiadczeĔ odnoszącego siĊ do wykonania misji. Lekcje powodują uczenie siĊ poprzez doĞwiadczenia. Lekcja moĪe byü reprezentowana przez 4 elementy: akcjĊ, poziom przyjemnoĞci, poziom wykonania i zadanie;
8
Jolanta ChĊü
Asynchroniczne sieci uczące w procesie LLL
misja, zadanie lub podzadanie – okreĞla nauczenie siĊ przedmiotu, szkolenie w zakresie
specyficznej funkcji lub rozwój fachowoĞci w specyficznym przedsiĊwziĊciu.
•
wykonanie
zadanie
Taksator
całkowity
Decyzja
ucznia
akcja
Wirtualne rododoznawanie
wisko Uczenia
Obiekty
sytuacja
Percepcja
Składnik
kontroli
Składnik
uczenia si
poziom przyjemnoci
Taksator
przejemnoci
Moduł
abstrakcji
lekcja
Obserwator
dowiadczenie
Rysunek 2. Model Fritza procesu uczenia
ródło: [12].
Generacja reguł uczenia (wskazówek dla procedur do generacji działa opartych na stanie, sytuacji i wydajnoci pociga za sob doznania poprzez ludzkie zmysły, identyfikacj zbioru sytuacji
oraz generacj stosownych działa w oparciu o stan systemu i wydajno systemu. Moe dotyczy
dowiadczenia, poziomu przyjemnoci i lekcji.
Sieci ALN, wykorzystujc model Fritza, zapewniaj wysokiej jakoci proces uczenia [7]. Taki
proces uczenia umoliwia efektywne budowanie wiedzy w umyle ludzkim.
9
Studies & Proceedings of Polish Association for Knowledge Management
Nr 62, 2012
4. Koncepcja sieci ALN
Asynchroniczne Sieci Uczące (ALN) [11] s sieciami ludzkimi przeznaczonymi do nauki
w dowolnym czasie i z dowolnego miejsca. Sieci ALN łcz techniki samokształcenia z szybk
interaktywnoci asynchroniczn. W sieciach ALN uczniowie wykorzystuj komputer i technologie komunikacyjne do pracy ze zdalnymi zasobami uczcymi [6], włczajc nauczycieli oraz
uczniów, ale bez koniecznoci obecnoci on-line w tym samym czasie. Najbardziej powszechnym
narzdziem komunikacyjnym sieci ALN jest WWW.
Sieci ALN znajduj zastosowanie w nauczaniu na odległo (nauka i konsultacje niezalenie
od czasu i miejsca). S sieciami dominujco asynchronicznymi z moliwoci stosowania najnowoczeniejszych mechanizmów synchronicznych. Wykorzystywane s w nich róne technologie
komunikacyjne i komputerowe. Sieci ALN wymagaj asynchronicznego oprogramowania komunikacyjnego. Zapewniaj dostp do nastpujcych rodzajów zasobów: zasobów dynamicznych
(studenci, nauczyciele, eksperci), zasobów statycznych (zadania do opracowania, notatki kursowe,
biblioteki) oraz zasobów dodatkowych (bazy danych, arkusze kalkulacyjne, symulacje generowane
programowo).
Programy edukacyjne oferowane w sieciach ALN, okrelane jako programy ALN, składaj si
ze spójnej sekwencji kursów umoliwiajc uzyskanie tytułu lub zawiadczenia po ich ukoczeniu.
Instytucje edukacyjne, oferujce programy ALN, zapewniaj usługi wspierajce obejmujce: informacj, rekrutacj, rejestracj, poradnictwo, finanse, sprawozdawczo.
Elementami składowymi sieci ALN s: samokształcenie (50%) oraz uczenie si z innymi
(50%). Samokształcenie obejmuje materiały on-line głównie w postaci stron Web (odczyt, przegldanie, pobieranie testów) oraz CBT (szkolenie w oparciu o komputer: symulacje, wizualizacje,
dostp do danych). Uczenie si z innymi obejmuje konferencje dla asynchronicznej interakcji
pomidzy ludmi (e-mail’e, fora dyskusyjne, listservs, newsgroups) oraz rodki synchroniczne
(chaty, telefonia, systemy wideo punkt-punkt).
5. RóĪne rozwiązania sieci ALN
W niniejszej czci artykułu omówione zostały róne moliwoci stosowania sieci ALN
w edukacji na odległo.
5.1. Nauka off-campus, on-campus
Zgodnie z definicj nauka w sieci ALN moliwa jest niezalenie od czasu i miejsca, tak wic
studenci znajdujcy si z dala od campusu (tj. off-campus) mog korzysta w pełni z moliwoci
oferowanych przez sieci ALN (nauka, konsultacje). Kada osoba w sieci ALN to jednoczenie
uytkownik i zasób. Dostp do zdalnych zasobów moliwy jest w sposób asynchroniczny. Dystrybucja materiałów w Web jest efektywniejsza od kadej innej formy dystrybucji. Interaktywno
asynchroniczna stanowi baz dla nauki grupowej. W sieci ALN zapewniony jest specjalny kanał
dla interakcji z nauczycielem i innymi studentami.. Studenci korzystajcy z sieci ALN maj wicej
dostpu do nauczyciela ni w tradycyjnym systemie ”face-to-face”. Maj take wicej czasu na
refleksje i własne przemylenia oraz sformułowanie odpowiedzi ni w systemie tradycyjnym.
W przypadku edukacji na odległo [8] mog wystpi dwie postaci nauki poza campusem
(off-campus): very-far-from-campus i near-campus. W pierwszym przypadku studenci maj zdal-
10
Jolanta ChĊü
Asynchroniczne sieci uczące w procesie LLL
ny dostp do usług edukacyjnych oraz do usług wspierajcych. W przypadku near-campus studenci mog rejestrowa si zdalnie za porednictwem telefonu lub komputera natomiast inne usługi
takie, jak usługi finansowe, zasoby biblioteczne, egzaminy, laboratoria s dostpne dla studentów
bezporednio w campusie. Forma near-campus jest szczególnie przydatna w przypadku edukacji
osób niepełnosprawnych, dla których zapewniane s porady i inne usługi w obu postaciach bezporednio (face-to-face) oraz on-line. Wykorzystuj one sie komputerow jako dodatkowy element
wspomagajcy.
Sie ALN moe by wykorzystywana take przez studentów w campusie (on-campus) ze
wzgldu na takie cechy sieci ALN, jak asynchroniczno, efektywno oraz zapewnienie realizacji
koncepcji rozproszonych grup kohortowych (p. 5.2). Moliwa jest nauka poprzez współprac
pomidzy studentami z wykorzystaniem dostpu asynchroniczego do opiekuna i innych studentów. W tym rozwizaniu studenci mog uczszcza na wykłady tak, jak w systemie tradycyjnym
natomiast zadania domowe wykonywa za porednictwem komputera (uywajc pakietu software’owego). Istnieje take moliwo nauki we własnym tempie on-campus z wykorzystaniem sieci
ALN (nie jest ona zgodna z koncepcj rozproszonych grup kohortowych). Nauka we własnym
tempie przeznaczona jest dla studentów on-campus, którzy chc przypieszy nauk, a take dla
tych, którzy musz uzupełni braki potrzebnej wiedzy dla realizacji danego kursu oraz tych, którzy
z rónych powodów opuszczaj normalne zajcia.
Nauka w sieci ALN moe odbywa si w nastpujcy sposób:
– nauka prowadzona w sposób samodzielny (korzystanie z materiałów elektronicznych przygotowanych przez instruktora lub instytucj edukacyjn);
– nauka prowadzona za porednictwem instruktora (interakcje instruktora ze studentami);
– hybryda dwóch poprzednich sposobów nauki.
W opisanych powyej przypadkach ukoczenie kursu moe prowadzi do uzyskania tytułu
lub zawiadczenia. W przypadku korzystania z materiałów edukacyjnych udostpnianych tylko
przez wydawc bez udziału instytucji edukacyjnej nie istnieje moliwo uzyskania zawiadczenia
lub tytułu.
5.2. Rozproszone grupy kohortowe
Sieci ALN umoliwiaj realizacj koncepcji geograficznie rozproszonych kohort [2] poprzez
asynchroniczny dostp do zdalnych zasobów (niezalenie od czasu i miejsca) oraz zapewnienie
moliwoci wysokiej ludzkiej interakcji. Znajduje to zastosowanie w przypadku szczególnie wskich specjalnoci, gdzie zapotrzebowanie na dany rodzaj wiedzy jest niskie chocia bardzo potrzebne dla niewielkiej iloci osób rozproszonych geograficznie. Poza tym bardziej efektywna jest
nauka w mniejszych grupach (podobnie, jak w nauczaniu tradycyjnym). Materiały szkoleniowe
mog by oferowane w Internecie oraz na CD-ROM’ach.
Grupy uczce komunikujce si poprzez poczt tradycyjn i telefonicznie nie s kohortami.
System kohort pozwala na przeprowadzenie wielu zsynchronizowanych działa grupowych. Interakcje grupowe mog mie róne formy od dyskusji nieformalnych po dyskusje tematyczne, grupowe opracowanie projektów, „burze mózgów”, itp. Małe grupy (3–5 osób) mog ze sob współpracowa w zakresie projektów inynierskich (praca grupowa). W kursach kohortowych małe
grupy s tworzone na pocztku kursu (studenci musz zarejestrowa si w okrelonym czasie)
i pracuj jako stały zespół przez cały czas trwania kursu. W kursach asynchronicznych równie
11
Studies & Proceedings of Polish Association for Knowledge Management
Nr 62, 2012
mog by tworzone małe grupy robocze, z t rónic, e mog one by formowane dla kadego
zadania tylko na czas jego trwania w ramach kursu.
Edukacja ze stylem kohort dla wskich specjalnoci jest bardzo korzystna w skali krajowej
nawet jeli w skali lokalnej moe by niekorzystna (bardzo mała ilo uczestników).
5.3. Model Stanford
Uniwersytet w Stanford opracował model nauczania na odległo, w którym proces nauczania
jest transparentny dla wykładowców (nie absorbuje dodatkowo czasu wykładowcy). W rozwizaniu tym wykłady dostarczane s poprzez Internet (całkowicie on-line) na bazie istniejcego ju
systemu edukacji za porednictwem przekazu telewizyjnego i umoliwiaj uzyskanie tytułu Mastera oraz zawiadcze akademickich równowanych z uzyskiwanymi w sposób tradycyjny.
W celu dostawy wykładów zastosowano model wideo na danie. Nadawane za porednictwem telewizji wykłady nagrano na wideo tamy, dokonano ich digitalizacji, a nastpnie udostpniono je w trybie na danie poprzez Internet. Jest to zdecydowanie lepszym rozwizaniem od
wysłania wideo tam z wykładami za porednictwem tradycyjnej poczty, które wprowadzało
opónienia czasowe oraz uniemoliwiało synchronizacj ze studentami w campusie. W modelu
Stanford studenci mog korzysta z wykładów w sposób asynchroniczny [10], natomiast terminy
zada domowych oraz egzaminów s zsynchronizowane z terminami dla studentów uczcych si
w campusie (on campus) lub za porednictwem przekazu telewizyjnego. Dla wykładowcy nie ma
tutaj adnej rónicy pomidzy studentem internetowym, a studentem tradycyjnym czy te studentem telewizyjnym.
W prezentacji wykładów online Stanford zapewnia take oddzielne okno dla grafiki towarzyszcej wykładowi oraz system indeksowania pozwalajcy na dostp do czci wykładów poprzez
temat. Wykłady online mog by take wykorzystane przez studentów w campusie. Niektórzy
wykładowcy wymagaj od studentów w campusie zapoznania si z wykładami (umieszczonymi
uprzednio na serwerze) w trybie online. Czas w fizycznej klasie wykorzystywany jest do dyskusji.
Na Uniwersytecie w Stanford kursy oferowane dla studentów na odległo s takie same, jak
dla studentów w campusie (zapewniane s przez ten sam wydział). Stosowane s istniejce kryteria selekcji studentów oraz wymagania dotyczce uzyskiwania tytułów. Tytuł uzyskany w trybie
online jest równowany tytułowi uzyskanemu w trybie on-campus.
5.4. Model z wykorzystaniem inteligentnych agentów (knowbot’ów)
Sieci ALN zapewniaj wysoki poziom ułatwie w trybie online w procesie nauczania zwikszajc jego efektywno [5]. Dla uczcych si bardzo wane jest uzyskanie szybkiej pomocy
i natychmiastowej odpowiedzi zawierajcej potrzebne w procesie uczenia informacje dotyczce
poprawnoci rozwizanych zada, wyjanie wtpliwoci, itp.
Kursy online mog by ulepszane przez wprowadzenie autonomicznych inteligentnych agentów software’owych (IA) zwanych „knowbots” [17]. Mog one wykonywa obowizki pomocników w nauczaniu w trybie online dla rutynowych zada. Wród funkcji inteligentnych agentów
(IA) mona wyróni: sprawdzanie kodu komputerowego, odpowiadanie na proste pytania, przypominanie uczcym si o koniecznoci i terminach wysłania rozwizanych zada.
Ideał w sieci ALN stanowi stały dostp do ludzkiego opiekuna online. Studenci chc mie natychmiastow odpowied od człowieka lub maszyny. Sprzenie takie moe by zapewnione
12
Jolanta ChĊü
Asynchroniczne sieci uczące w procesie LLL
przez inteligentnych agentów w trybie na danie. Autonomiczni inteligentni agenci mog poprawi efektywno nauczania oraz satysfakcj uczniów jednoczenie redukujc koszty.
Magazyn zda
powierzanie
powiadomienie
(jeĞli wymagane)
na Īądanie
Materiał
on-line
nauka
sprawdĨ zadanie
(opcja)
Sprawd zadanie
Ucze
Nauczyciel/
opiekun
KnowBot’y
nadaj/ wyĞwietl status
lub pozostałoĞü
Program
planujcy
Baza wiedzy
interakcja
interakcja
System konferencyjny
Rysunek 3. System robotów wiedzy (knowboty)
ródło: [11].
Knowbot (knowledge robot) jest to program wykorzystujcy techniki inteligentnego agenta
w celu zapewnienia wsparcia dla opiekunów oraz uczestników kursów (rozwizywanie zada).
Wewntrzn architektur knowbotów stanowi: agenci interfejsu uytkownika, agenci sprawdzacze (ang. checker) oraz agenci e-mail, a take moduły bazy wiedzy.
Agenci interfejsu uytkownika zapewniaj interfejs przyjazny uytkownikowi stanowic medium komunikacyjne pomidzy uytkownikiem i knowbotami. Agenci e-mail tworz i wysyłaj
e-mail’e do opiekuna i uczestników. Agenci sprawdzacze s odpowiedzialni za sprawdzanie rozwizanych zada przez uczestników.
Studies & Proceedings of Polish Association for Knowledge Management
Nr 62, 2012
13
Mona wyróni nastpujce typy knowbotów:
planowania (wysyłaj raport do kadego uczestnika kursu po sprawdzeniu zadania),
na danie (wywołani przez uczestnika kursu wysyłaj natychmiast wyniki do danego uytkownika),
pomocnik przekazania (formularze dla przekazania rozwizanego zadania).
Knowboty zwikszaj efektywno komunikacji człowiek-człowiek.
6. Program edukacyjny w technologii ALN
Programy edukacyjne oferowane w sieciach ALN [9] okrelane s jako programy ALN. Składaj si one ze spójnej sekwencji kursów, co zapewnia po ich ukoczeniu moliwo uzyskania
tytułu lub zawiadczenia.
Warunki jakie musi spełnia program, aby znale si w sieci ALN:
• kady kurs w programie ALN jest kierowany przez instruktora i zorganizowany w formie
uczcych kohort. Program, który jest realizowany wyłcznie we własnym tempie
uczniów nie jest programem ALN. Chocia jeli uczniowie maj zrealizowa moduł
w okrelonym czasie wyznaczonym przez instruktora, to moduł ten moe by realizowany w ich własnym tempie uczenia przy załoeniu, e stanowi on cz zbioru modułów
do nauki kierowanych przez instruktora;
• program ALN nie powinien wymaga fizycznej obecnoci uczniów w campusie. Programy ALN powinny umoliwia nauk bez koniecznoci przychodzenia do campusu, chocia w niektórych przypadkach moe to by sensowne. Program ALN near campus moe
wymaga lub pozwala na troch obecnoci w campusie;
• program ALN obejmuje rozproszone uczce kohorty. Kluczowa dla sieci ALN jest interakcja człowiek-człowiek. Programy ALN musz włcza tak interakcj za porednictwem medium asynchronicznego. Niewielkie interakcje synchroniczne s dozwolone;
• wszystkie kursy w programie ALN powinny by dostpne bez specjalnego wyposaenia
(poza dostpem do Internetu m.in. poprzez łcze telefoniczne);
• program ALN musi zapewnia moliwo rejestracji oraz oferowa uzyskanie tytułu lub
zawiadczenia po jego ukoczeniu.
W procesie tworzenia kursu ALN mona wyróni nastpujce etapy: okrelenie wymaga,
projekt kursu, opracowanie kursu, dostawa kursu, ocena kursu.
Analiza wymaga stanowi warunek wstpny dla pomylnego projektu i opracowania kursu.
Wyrónia si dwa rodzaje wymaga: wymagania dotyczce celów oraz wymagania funkcjonalne.
Najpierw powinny zosta sformułowane wymagania dotyczce celów kursu. W zwizku z tym
naley odpowiedzie na pytania: dlaczego kurs jest potrzebny? Jakie s jego cele z szerszej perspektywy? cele długoterminowe, cele dotyczce rozwizywania problemów; w jaki sposób kurs
jest powizany z innymi istniejcymi i planowanymi kursami? Najwaniejsze jakie jest miejsce
kursu w programach nauczania? (kurs wymagany, kurs nadobowizkowy). Po okreleniu wymaga dotyczcych celów kursu naley opracowa szczegółowe wymagania funkcjonalne. Obejmuj
one informacje dotyczce oczekiwa instruktorów i studentów odnonie kursu. Wymagania funkcjonalne stanowi główne ródło danych dla projektu kursu. Dla poprawy procesu projektowania
i opracowania kursu ALN konieczna jest systematyczna ocena kursów przez studentów.
14
Jolanta ChĊü
Asynchroniczne sieci uczące w procesie LLL
Dla opracowania wysokiej jakoci kursu w technologii ALN moe by wykorzystany zespół
rodków do wyboru strategii i metod dotyczcych procesu uczenia w rónych rodowiskach
o nazwie LASSI (Learning and Study Strategies Inventory) [4]. Składa si on z dziesiciu skal
(kada dla pomiaru innego składnika procesu uczenia). Poniej podano składniki procesu uczenia
objte pomiarem LASSI:
• nastawienie – zainteresowanie i motywacja studenta oraz gotowo do wykonania zadakoniecznych dla osignicia sukcesu na uczelni;
• motywacja – stopie do którego student akceptuje odpowiedzialno za wykonanie powyszych zada poprzez samodyscyplin i cik prac;
• zarządzanie czasem – zakres dla którego student tworzy lub wykorzystuje harmonogramy
w celu efektywnego zarzdzania swoimi zadaniami;
• obawa – stopie niepokoju jaki student odczuwa, gdy przystpuje do zada akademickich;
• koncentracja – zdolno studenta do skupienia uwagi i unikania jej rozproszenia w czasie
pracy zwizanej z zadaniami szkolnymi (studiowanie);
• przetwarzanie informacji – zdolno przetwarzania pomysów (idei) poprzez umysłow
prac nad nimi w celu organizowania ich w znaczcy sposób;
• wybór głównych idei – ogrom studnckich moliwoci do wyłowienia wanej informacji
podczas sytuacji uczenia;
• wsparcie studiów – zdolno do wykorzystania lub rozwoju czynników, które wspomagaj proces uczenia w czasie studiów;
• samotestowanie – wiadomo studenta w zakresie wanoci samotestowania i oceny
podczas nauki materiału oraz ich praktyczne wykorzystanie;
• strategie testowe – pomiar zdolnoci studenta do efektywnego przygotowania si do egzaminu oraz do rozumienia poprzez odpowied na pytanie.
Do klasyfikacji rónych czynników uczenia oraz do wyboru odpowiedniej technologii dla realizacji kształcenia w trybie on-line wykorzystywane s taksonomie [15] dotyczce kształcenia na
odlegó. Mona tu wyróni taksonomi Barret’a (zgodnie z któr proces uczenia naley do jednej z czterech kategorii) oraz taksonomi Merill’a wykorzystujc macierz: wykonanie (akcje
nauczajce) – zawarto (rodzaj treci dydaktycznej).
7. ZakoĔczenie
Sieci ALN ze wzgldu na ich charakter tj. moliwo nauki w dowolnym czasie i z dowolnego miejsca znajduj zastosowanie w nauczaniu na odległo. S wykorzystywane w edukacji pocztkowej (na poziomach: podstawowym, rednim i wyszym) i w edukacji ustawicznej (studia
podyplomowe, kursy, warsztaty) dla uaktualniania wiedzy i jej poszerzenia. S bardzo uyteczne
dla osób dorosłych pracujcych i uczcych si zapewniajc im wygod i moliwo nauki w trybie
anytime, anywhere.
Zastosowanie Internetu zapewnia dostp do materiałów dydaktycznych, bieco uaktualnianych, dla duej iloci studentów (wiksza ilo odbiorców w skali globalnej). Sieci ALN umoliwiaj rejestracj elektroniczn, elektroniczn obsług zada, konsultacje, nauk grupow lub we
własnym tempie, egzamin elektroniczny. Mog by wykorzystywane do nauki w trybie asynchronicznym poza campusem (w domu, w pracy), a take w samym campusie. W zwizku z tym wy-
15
Studies & Proceedings of Polish Association for Knowledge Management
Nr 62, 2012
stpuj nastpujce moliwoci nauki z wykorzystaniem sieci ALN: very-far-from-campus, nearcapus, on-campus.
Sieci ALN s szczególnie przydatne w przypadku edukacji osób niepełnosprawnych, a take
w wskich specjalnociach (rozproszone grupy kohortowe). Wykorzystywane s przez sie uczelni
wyszych oferujc programy edukacyjne w szeregu rónych dziedzin, takich jak: komputery,
inynieria i telekomunikacja, humanistyka, sztuka i nauki społeczne, ochrona zdrowia, odywianie
i medycyna, zarzdzanie i business, edukacja, prawo, rolnictwo, ochrona rodowiska. W ramach
poszczególnych programów edukacyjnych (w zalenoci od ich zakresu) w ww. dyscyplinach
moliwe jest uzyskanie tytułu np. doktora, magistra (Master), Bachelor lub zawiadczenia o ukoczeniu kursu. W sieciach ALN moliwe jest organizowanie rónorodnych form kształcenia takich,
jak kursy, szkolenia, studia zaoczne, podyplomowe, itp. obejmujcych rónorodn tematyk od
inynierii po filozofi (dziki stosowaniu rónorodnych narzdzi telematycznych i multimedialnych, jak np. symulacje ilustrujce wykłady, animacje, laboratoria symulowane i sterowane zdalnie, itp.).
Sieci ALN s łatwe w tworzeniu i konserwacji stwarzajc olbrzymie moliwoci dla rozwoju
edukacji na odległo w oparciu o najnowoczeniejsze osignicia technologiczne.
Bibliografia
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
[11]
[12]
[13]
[14]
Chec J., E-Learning w systemach LLL, Studia i Materiały Polskiego Stowarzyszenia
Zarzdzania Wiedz, nr 29, Bydgoszcz 2010.
Chec J., Global Aspects of New Forms of Life Long Learning, 10th Anniversary Conference
of EDEN, Royal Institute of Technology, Stocholm, Sweden 2001.
Chec J., Global Education Using Global Information Infrastructure, 4th Global Conference:
The Idea of Education, Prague 2005.
Chec J., Individualization of E-Learning Process in New Learning Cultures, 17th EDEN
Annual Conference: New Learning Cultures, Lisbon, Portugal 2008.
Chec J., Intelligent Computer Teacher in E-Learning Systems, 10th International Conference
ICL 2007, Villach, Austria 2007.
Chec J., Intelligent Educational Systems Used in Networks, International Conference
T.E.L.’04, Milano, Italy 2004.
Chec J., New Roles of a Teacher in E-Learning Systems, 5th International EDEN Open
Classroom Conference, Poitiers, France 2005.
Chec J., ODL System for Engineering Postgraduate Studies, 19th International Conference
on Technology and Education, Florida State University, USA 2001.
Chec J., Realization of Global Information Infrastructure, International IEEE Conference
on Information Technology, Gdansk University of Technology, Gdansk, Poland 2008.
Chec J., Use of Artificial Intelligence for Learner – Learning Content Interaction,
International Symposium I.C.E.’03, Imperial College, London, Great Britain 2003.
JALN, ALN Magazine, Vanderbilt University, USA 2009.
Joyce B., Calhoun E., Hopkins D., Models of Learning-Tools for Teaching, Open
University Press, Buckingham 1997.
Kolb D.A., Experiential Learning, Prentice Hall, 1984.
Learning Technology System Architecture (LTSA), IEEE LTSC Specification, v4.00,1988.
16
[15]
[16]
[17]
Jolanta ChĊü
Asynchroniczne sieci uczące w procesie LLL
Minoli D., Distance Learning. Technology and Application, Teleport Communication
Group, Stevens Institute of Technology, Artech House Inc. 1996.
Philips D.C., Soltis J.F., Perspectives on Learning, Teachers College Press, Columbia
University, 1998.
Russel S., Norvig P., Artificial Intelligence, Prentice Hall, London, Great Britain 1995.
ASYNCHRONOUS LEARNING NETWORKS IN LLL PROCESS
Summary
Thanks to modern information and communication technologies it was possible
to introduce a new form of education: distance learning (DL) providing education to
anyone, regardless of time and place. In this article Asynchronous Learning Network
(ALN) used in the LLL (Life Long Learning) are presented with their ability to
implement the distance learning on a global scale.
Various network ALN solutions are discussedm such as: off-campus, on-campus,
scattered groups, Stanford model, knowledge bots. Particular attention has been
given to programs using intelligent agent technology to provide support for the
educators and course participants – so called knowbots. A model of open online
courses functioning at Stanford Uniwersity, free of charge and available to
participants around the world has also been described. The author points out the
conditions to be met by the educational program to get included in the ALN network
consisting of a coherent sequence of courses. It has also bee pointed how useful can
be such a program, because of the possibility to obtain a complete title or certificate.
Keywords: Asynchronous Learning Networks (ALN), Distance Learning (DL), self-education,
asynchronous interactivity, knowledge robots, educational program in ALN
technology, LLL (Life Long Learning) process
Jolanta Ch
Instytut Łcznoci
Zakład Z-8
ul. Jakowa Dolina 15, 80-252 Gdask
e-mail: [email protected]