INTELIGENTNY SYSTEM DO NAUKI JĘZYKA JAPOŃSKIEGO
Transkrypt
INTELIGENTNY SYSTEM DO NAUKI JĘZYKA JAPOŃSKIEGO
PAWEŁ KAROL FRANKOWSKI E-mail: [email protected] Katedra Elektrotechniki Teoretycznej i Informatyki Zachodniopomorski Uniwersytet Technologiczny w Szczecinie ul. Sikorskiego 37, 70-313 Szczecin INTELIGENTNY SYSTEM DO NAUKI JĘZYKA JAPOŃSKIEGO Streszczenie: W artykule podjęto zagadnienia związane z projektowaniem inteligentnych, komputerowych systemów nauczania. Na podstawie wykonanego prototypu, omówiono budowę takich systemów oraz zasady psychologiczne wykorzystywane w celu zwiększenia wydajności nauki. Przedstawiono również algorytmy, dzięki którym komputerowy system nauczania może być substytutem klasycznego nauczyciela. Słowa kluczowe: e-learning, systemy ekspertowe, sztuczna inteligencja, komputerowe systemy nauczania 1. Wstęp W artykule omówiona została tematyka związane z budową komputerowych, inteligentnych systemów nauczania (KSN). Na przykładzie wykonanego prototypu służącego do nauki języka japońskiego przedstawiono metody umożliwiające zwiększenie efektywności nauki oraz te umożliwiające zastąpienie nauczyciela programem komputerowym. Język japoński wybrany został ze względu na znaczne różnice pomiędzy nim, a językami europejskimi, w tym zwłaszcza językiem polskim. Odmienności te stworzyły sposobność do szerszego omówienia niektórych zagadnień technicznych. W kulturze europejskiej język japoński uznawany jest powszechnie za jeden z najtrudniejszych na świecie. Identyfikując różnice pomiędzy nim, a językiem polskim może posłużyć do określenia przyczyn takiego stanu rzeczy. 56 Paweł Frankowski W języku japońskim istnieją tylko dwa czasy, czas przeszły oraz teraźniejszoprzyszły. Rzeczowniki nie odmieniają się przez liczbę i rodzaj. Liczba mnoga może być tworzona przez kontekst, specjalne sufiksy, reduplikacje (podwojenie znaku) lub poprzez dodanie liczby lub określeń takich jak wiele czy kilka. Czasowniki są odmieniane, ale ich odmiana jest w znakomitej większości przypadków regularna. W języku japońskim występują również elementy gramatyczne bardziej rozbudowane niż w większości języków europejskich jak np. system języka grzecznościowego, pomimo tego można stwierdzić, że ogólnie japońska gramatyka jest łatwa i mało złożona. Trudności nie powinna przysporzyć również wymowa. W języku japońskim nie występują dźwięki nierozpoznawalne w języku polskim, zaś tonacja oraz akcentowanie są nieskomplikowane i proste do opanowania. Najwięcej problemów studentom tego języka przysparza pisownia. W języku japońskim wyróżniamy trzy różne sposoby zapisu, które są względem siebie komplementarne. Podstawowym są pochodzące z Chin znaki kanji. Logogramy te wywodzą się z pisma obrazkowego, w którym jednemu wyrażeniu odpowiada jeden znak. Szacuje się, że liczba kanji w języku japońskim wynosi około 50 000, większość z nich nie jest jednak powszechnie używana. W praktyce wykorzystuje się mniej więcej 6 000 znaków. Przeciętny Japończyk zna około 3 000, zaś w szkole naucza się tzw. zestaw jōyō, który zawiera 2 136 znaków i jest niezbędnym minimum. Tak duża liczba znaków sprawia, że japońskie dzieci są w stanie przeczytać codzienną gazetę dopiero w wieku 15 lat. Poza kanji funkcjonują również alfabety sylabiczne, tzw. kana. Każdy znak kana czyta się jak samogłoskę lub sylabę, a wyrazy składa się podobnie jak w alfabetach zachodnich, zwykle z kilku znaków. Pierwszy z alfabetów kana jest hiragana. Stosowana głównie do zapisu japońskich słów, które nie mają własnego zapisu znakami kanji lub też są używane na tyle rzadko, że ich zapis jest nieznany przeciętnemu Japończykowi. Każdemu znakowi w hiraganie odpowiada jeden znak w katakanie. Ten alfabet z kolei wykorzystywany jest głównie do zapisu słów pochodzenia obcego oraz dźwiękonaśladowczych [1] . Język japoński stawia przed twórcą systemu nauczania szereg problemów, z którymi można się spotkać podczas budowania inteligentnych systemów nauczania innych dziedzin, a jednocześnie nie wymaga wchodzenia w zawiłości gramatyczne lub problemy związane z wymową. 2. Architektura inteligentnych systemów nauczania Wyróżniamy dwa podstawowe rodzaje komputerowych systemów nauczania. Pierwsze bazują na statycznych metodach reprezentacji wiedzy, takich jak np. Inteligentny system do nauki języka japońskiego 57 reguły i obrazy. Systemy tego typu nazywany statycznymi. Drugie, dynamiczne, są połączeniem systemu statycznego i systemu symulacyjnego. W tym przypadku uczeń oddziałuje na model, a następnie obserwuje efekty swojego działania. ELEMENTY DYNAMICZNEGO SYSTEMU NAUCZAELEMENTY STATYCZNEGO SYSTEMU NAUCZANIA SYSTEM EKSPERTOWY INTERFEJS UŻYTKOWNIKA ELEMENTY ZAPEWNIAJĄCE MOŻLIWOŚĆ DIALOGU ELEMENTY WYJAŚNIAJĄCE WIZUALIZACJA MECHANIZM WNIOSKOWANA BAZA DANYCH AKTUALIZATOR BAZA WIEDZY PROGRAM ŁĄCZĄCY SYSTEMY SYSTEM SYMULACYJNY Rys. 1. Elementy komputerowych systemów nauczania Bez względu na dziedzinę przedmiotową oraz sposób przekazywania wiedzy w strukturze każdego inteligentnego systemu nauczania pojawiają się elementy takie jak: baza danych, baza wiedzy, mechanizm wnioskowania czy interfejs użytkownika. Można zauważyć w tym schemacie znaczne analogie do architektury systemów ekspertowych. W gruncie rzeczy inteligentne systemy nauczania są systemami ekspertowymi lub takowe systemy w sobie zawierają, co przedstawiono na rysunku 1. Podsumowując, systemy statyczne zawierają w sobie wiedzę deklaratywną oraz system zarządzania procesem nauczania. W systemach dynamicznych do tych dwóch bloków należy dodać jeszcze wiedzę proceduralną oraz system symulacyjny [2, 3]. Zwykle przyjmuje się, że systemy służące do nauczania języków obcych są systemami statycznymi. W przypadku KSN do nauki języka japońskiego daje się jednak zauważyć również elementy dynamiczne, jak np. nauka pisania znaków [2, 3]. W języku japońskim bardzo dużą wagę przykłada się do kolejności stawiania poszczególnych kresek, błędy w pisowni są (dla Japończyków) zauważalne i traktowane podobnie jak w języku polskim błędy ortograficzne. Chcąc zawrzeć w systemie lekcje poprawnej pisowni należy zaimplementować 58 Paweł Frankowski pewną wiedzę proceduralną. Ponadto dodając tablicę, na której użytkownik może zapisać zadany znak, który następnie za pomocą np.: sztucznych sieci neuronowych Hopfielda będzie identyfikowany, wprowadza się w rzeczywistości pewien prosty system symulacyjny. Użytkownik pisząc oddziałuje na model poprawnej pisowni, a następnie obserwuje efekt w formie poprawnego lub niepoprawnego rozpoznania znaku. Jednym z podstawowych elementów komputerowego systemu nauczania jest baza danych. Zawiera ona informacje zarówno na temat użytkownika, jak i nauczanego materiału. W omawianym systemie baza danych mieści m.in. tablice nauczanych słów w zapisie kanji, hiragana, katakana, romanji (standaryzowany zapis słów japońskich alfabetem łacińskim) i ich ilustracje oraz tłumaczenie na język polski. Z drugiej strony znajdują się tam wypełnione ankiety osobowe użytkowników oraz wskaźniki ich postępów, dzięki którym schematy lekcji mogą być dopasowywane do aktualnych potrzeb. Kolejnym istotnym elementem KSM jest baza wiedzy. Można ją podzielić na model wiedzy ucznia, model wiedzy eksperta i model wiedzy o dziedzinie szkolenia. Model wiedzy ucznia jest aktualizowany w sposób ciągły. W omawianym przypadku uwzględniano w nim odpowiedzi ucznia i czas, który upłynął od ostatniej lekcji. Oba czynniki oddziaływały na szereg wskaźników, które opisują postępy użytkownika i są wykorzystywane do przyspieszania procesów nauki. Model wiedzy eksperta zawiera z góry ustaloną wiedzę o wzorcowym sposobie wykonania ćwiczeń i nie ulega zmianie w trakcie procesu szkolenia. Ostatnim elementem jest model wiedzy o dziedzinie szkolenia, zawiera on: scenariusze ćwiczeń, materiały dydaktyczne i strategie nauczania. Kolejnym elementem inteligentnego, komputerowego systemu nauczania jest mechanizm wnioskowania. Na podstawie modelu wiedzy ucznia przewiduje on jakiego typu odpowiedzi użytkownik udzieli w późniejszym czasie, dostosowuje lekcje i porównuje swoje przewidywanie z bieżącymi odpowiedziami. Na podstawie tych informacji udoskonala model wiedzy ucznia. Mechanizm wnioskowania dostosowuje również sam materiał lekcji do potrzeb ucznia. Korzystając z wskaźników znajomości konkretnych słów lub znaków, system może dobierać przykładowo podczas lekcji gramatyki, takie zadania, w których występują słowa nie do końca jeszcze opanowane. Tego typu zabiegi mają służyć maksymalnemu skróceniu czasu nauki. W uzasadnionych przypadkach mechanizm blokuje możliwość przejścia do następnej lekcji. Ponadto dzięki wskaźnikom szybkości nauki słownictwa, gramatyki, znaków itp. możliwe jest dostosowanie liczby zadań oraz ilość lekcji z danego materiału do aktualnych potrzeb ucznia. Inteligentny system do nauki języka japońskiego 59 Kolejnym elementem systemu jest interfejs użytkownika. Odpowiada on za komunikację pomiędzy uczniem, a elementami systemu nauczania. W systemach statycznych dominują interfejsy tekstowe. W przypadku KSN dynamicznych, oprócz tekstowych, przeważnie niezbędne są również interfejsy graficzne. Aktualizator, program przedstawiony na rysunku 1 umożliwia wprowadzanie zmian w systemie, dodawania nowych wzorców w bazie wiedzy lub nowych danych do bazy danych. Elementy wyjaśniające to części systemu odpowiadające za objaśnienia zaistniałych sytuacji takich, jak niezaliczenie lub nieuzyskanie dostępu do następnej lekcji, błędne rozwiązanie zadania itp. Do tej grupy zaliczamy również wszelką pomoc kontekstową. 3. Teorie dydaktyczne w komputerowych systemach nauczania 3.1. Strategia nauczania Najprostszą ze znanych strategii nauczania jest ustanowienie jedynej słusznej ścieżki rozwoju ucznia. Uczeń przechodzi wówczas krok po kroku każdą lekcję, powtarzając ją aż do uzyskania zaliczenia. Dopiero wówczas uzyskuje dostęp do następnego ćwiczenia. Drugim sposobem jest pozwolenie użytkownikowi na popełnianie błędów i kierowanie go na właściwy tor dopiero, gdy liczba błędów przekroczy założoną wielkość (nauka na błędach). Ostatnią, trzecią metodą prowadzenia lekcji jest pozwalanie na popełnianie błędów przy jednoczesnym dostosowywaniu lekcji do ucznia tak, aby rozwiązując dalsze zadania miał szansę sam zidentyfikować i poprawić swoje wcześniejsze błędy. W ten sposób ostatecznie osiąga się zamierzony cel dydaktyczny. Strategia ta pomimo wielu zalet może również prowadzić do nagromadzenia się zalęgłości, co będzie skutkowało wydłużeniem czasu nauki [2, 3]. W omawianym systemie zastosowano hybrydę strategii drugiej i trzeciej. Sposób jej działania najlepiej omówić na przykładzie. Uczeń otrzymując z lekcji pierwszej ocenę mierną otrzyma dostęp do lekcji drugiej, jednak system doda do niej również zadania z materiału przerabianego podczas lekcji pierwszej. W przypadku, gdy uczeń rozwiąże zadania powtórkowe poprawnie, ocena z poprzedniej lekcji zostanie poprawiona. W innym razie nie ulegnie ona zmianie lub zostanie obniżona. Załóżmy dalej, że uczeń nie poprawił oceny z lekcji pierwszej. Co więcej, z lekcji drugiej otrzymał ponownie ocenę mierną. W ta- 60 Paweł Frankowski kiej sytuacji system ponownie pozwoli mu przejść dalej, uzupełniając lekcję trzecią o przykłady z dwóch poprzednich. Jeśli i tym razem wynik lekcji będzie niski, a poprzednie oceny nie zostaną poprawione, system nie dopuści do przejścia na wyższy poziom. Uczeń zostanie skierowany na powtórzenie materiału. Taki algorytm działania pozwala na dostosowanie materiału do potrzeb ucznia, jednocześnie uniemożliwiając nadmierne nagromadzenia się zaległości. 3.2. Indywidualizacja procesu nauczania Usprawnienie procesu kształcenia wymaga opracowania inteligentnego systemu nauczającego, optymalnie adaptującego się do indywidualnych możliwości i potrzeb ucznia w trakcie procesu uczenia. W przypadku KSN rolę nauczyciela przejmuje system komputerowy. Jednak fakt ten w gruncie rzeczy nie ma wpływu na mechanikę procesu nauczania. Aby zwiększyć wydajność nauki należy skoncentrować się na możliwościach ucznia i dostosować do jego potrzeb i możliwości zakres materiału oraz sposób i tempo jego przedstawiania. dorośli dzieci młodzież seniorzy µ(Wiek) 1 0,5 0 10 20 30 40 50 60 70 80 90 100 Wiek [lata] Rys. 2. Funkcja przynależności wieku Należy zauważyć, że indywidualizacja procesu nauczania jest możliwa tylko wówczas, gdy system jest w stanie rozpoznać użytkownika. Z tego powodu konieczne jest tworzenie kont, na których zapisywane są postępy poszczególnych użytkowników. Uczeń w pierwszej kolejności wypełnia ankietę. Na podstawie wieku, wykształcenia, zawodu itp. ustala się wstępne wartości wskaźni- Inteligentny system do nauki języka japońskiego 61 ków szybkości uczenia się. Wartości te nie są z góry założone, wynikają one z początkowych osiągnięć uczniów o najbardziej zbliżonych profilach. Profile w większości opisywane są zmiennymi dyskretnymi, co znacząco ułatwia odszukanie podobieństw pomiędzy nimi. Zmienne ciągłe jak np. wiek przedstawiane są w sposób lingwistyczny, a następnie sprowadzane do formy funkcji przynależności. Przykład takiej funkcji przedstawiono na rysunku 2. Dla nowego użytkownika określane są potencjalne wartości wskaźników ogólnych, takich jak: szybkość nauki znaków kanji, szybkości nauki alfabetów kana, szybkość opanowywania słownictwa i szybkości opanowywania gramatyki. Jednocześnie wskaźniki szczegółowe pokazujące, w jakim stopniu uczeń zna konkretne słowo lub znak pozostają wyzerowane. Jeżeli uczeń będzie opanowywał materiał szybciej niż założono (mała liczba błędów w czasie lekcji i powtórek), wskaźniki szybkości uczenia będą wzrastać, a wraz z nimi liczba przykładów w lekcji maleć. Analogicznie, jeżeli nauka będzie postępowała wolniej, wówczas wartości wskaźników szybkości uczenia będą maleć, a wzrośnie liczba przykładów. Oczywiście możliwe są przypadki, w których uczeń np. doskonale opanowuje gramatykę, a ma problemy z pisownią. Wówczas długość lekcji gramatyki zmaleje do minimum, zaś lekcji pisania wzrośnie. Możliwe są również przypadki, w których uczeń wykaże się niezwykle dużą szybkością opanowywania materiału, ponieważ przed przystąpieniem do lekcji był w pewnym zakresie z nim zaznajomiony. Taka sytuacje mogłaby prowadzić do osiągnięcia zbyt dużych wartości wskaźników wskutek czego, ze względu na bezwładność systemu nowy materiał byłby podawany przez jakiś czas w zbyt dużym tempie. Przed takimi sytuacjami zabezpiecza opisany wcześniej algorytm przechodzenia do następnej lekcji. Uczeń, nie nadążając za przesadną szybkością nauki, nie uzyska dostępu do kolejnych lekcji tak długo, aż nie opanuje materiału. Jego wskaźniki w tym czasie samoczynnie się wyregulują. Istotną rolę odgrywają również wskaźniki szczegółowe odpowiadające opanowaniu poszczególnych wyrazów, znaków, reguł gramatycznych itp. Do każdej nowej lekcji dodana być może ograniczona liczba zadań powtórkowych z lekcji poprzednich tego samego typu (np. w lekcji słownictwa mogą wystąpić tylko zadania z poprzednich lekcji słownictwa). Liczba powtórek zależy od średniej wartości współczynników szczegółowych. Im niższa średnia, tym więcej dodatkowych zadań się pojawi. Ćwiczenia dobierane są w sposób losowy, a prawdopodobieństwo wylosowania konkretnego przykładu uzależnione jest od wskaźnika szczegółowego opanowania słowa, które jest w nim ćwiczone, im niższa wartość wskaźnika, tym większe prawdopodobieństwo wylosowania. Poprawne rozwiązanie zadania powtórkowego skutkuje podniesieniem wartości wskaźnika. W ten sposób materiał dobrze utrwalony powtarzany jest relatywnie rzadko, natomiast materiał, z którym uczeń ma trudności często. 62 Paweł Frankowski 3.3. Forma lekcji Bardzo duże znaczenie w procesie nauczania odgrywa forma przedstawianych treści. Wyróżniamy cztery style uczenia się: wzrokowy, słuchowy, dotykowy i kinestetyczny. Ważna jest też dominacja półkuli mózgowej: prawej (ogólnej, artystycznej) lub lewej (logicznej, profesorskiej). Można zatem próbować dostosować formę lekcji do konkretnej osoby. Niemniej takie działanie nie ma logicznego uzasadnienia. Znacznie praktyczniejszym rozwiązaniem jest przygotowanie lekcji w taki sposób, aby oddziaływały na wzrok, słuch i jednocześnie wzbudzały emocje. W tym celu przy nauce słowa można dodać ścieżkę audio wymowy oraz zabawny obrazek lub historyjkę, która się z nim wiąże. Należy również pamiętać, że największe znaczenie w procesie nauczania odgrywają samodzielne ćwiczenia, co przedstawiono na rysunku 3 [4, 5]. Rys. 3. Zapamiętywanie informacji [4, 5] Kolejnym bardzo ważnym aspektem w procesie nauczania są skojarzenia (tzw. haki). Są one szczególnie istotne przy nauce kanji. Znaki te powstają często z połączenia kilku innych znaków. Lekcje powinny, zatem rozwijać wiedzę ucznia w sposób uporządkowany, od ogółu do szczegółu lub ewentualnie od szczegółu do ogółu. Przykładowo, przed nauczaniem słowa samolot warto w poprzednich lekcjach zawrzeć słowa latać 飛, przemieszcza się 行 i maszyna 機, gdyż samolot zapisuje się jako latająco-przemieszczająca się maszyna 飛行機. Analogiczna sytuacja zachodzi przy nauce samych znaków. Słowo drzewo zapisywane jest jako 木. Znak oznaczający gaj to 林, zaś las 森. Należy pamiętać, że znaki kanji powstały, na podstawie pisma obrazkowego, tak więc posługiwanie się skojarzeniami jest bardzo wskazane, a nieraz wręcz niezbędne. Słowo człowiek/osoba zapisuje się jako 人. Podobnie jak w przypadku drzewa można zauważyć, że znak ten jest po prostu bardzo uproszczonym rysunkiem. Inteligentny system do nauki języka japońskiego 63 Gdy łączymy znak człowiek z innym znakiem tak, aby powstał znak trzeci, wówczas ulega on spłaszczeniu. W ten sposób łącząc znak człowiek z znakiem drzewo otrzymujemy znak 休, oznaczający odpoczywać. Nie trudno wymyśleć w tym przypadku skojarzenia lub historyjkę, co więcej nasze skojarzenie prawdopodobnie będzie zgodne z oryginalnym zamysłem. To właśnie skojarzenia pozwalają zapamiętywać rzeczy pozornie nie do zapamiętania. Tezę tę można łatwo potwierdzić, wystarczy wyobrazić sobie upalny japoński dzień i człowieka, który odpoczywa w cieniu drzewa. 3.4. System powtórek System powtórek zaprojektowano w oparciu o tzw. krzywe zapominania Ebbinghausa. Według teorii tego niemieckiego psychologa, po zakończeniu nauki następuje szybki spadek ilości zapamiętanych informacji. W przypadku bezsensownych danych połowa materiału zostaje zapomniana w ciągu pierwszej godziny. Następnie proces zapominania spowalnia, aby po drugim dniu w przybliżeniu ustabilizować się na dość niskim poziomie. W przypadku danych mających sens, zasada działania mechanizmu zapominania jest podobna, jednak tempo procesu jest znacznie mniejsze. Bazując na [6] przyjęto, że na drugi dzień ilość zapamiętanych informacji maleje zaledwie o 10%. Jednak, jeżeli materiał nie zastanie powtórzony, to po dwóch miesiącach zapomniane zostanie około 90% informacji. Koncepcja inteligentnych powtórek polega na powtarzaniu materiału w odpowiednich, coraz dłuższych odstępach czasu. Według teorii Ebbinghausa po każdej powtórce materiału jego zapominanie będzie postępowało wolniej. Założono, że pierwsza powtórka powinna być wykonana następnego dnia, druga tydzień później, trzecia miesiąc, czwarta dwa miesiące, a piąta, pół roku od dnia nauki. Dzięki powtórkom przedstawione informacje powinny zostać ostatecznie zapamiętane w około 90%. System powtórek został zaimplementowany dzięki uwzględnieniu mnożnika czasu w każdym z wcześniej opisanych wskaźników szczegółowych. Mnożnik przyjmuje wartości wartość od 0,5 do 1, a jego wartość ulega zmianie wraz z upływem czasu. Przykładowo, zalecany czas pomiędzy nauką, a pierwszą powtórką wynosi zaledwie jeden dzień, zatem wartość wskaźnika zmienia się dość szybko. Po rozwiązaniu zadania mnożnik wraca do wartości 1. Po czym zaczyna ponownie maleć tak, aby sześć dni później znowu osiągnąć wartość 0,5. Czas między czwartą, a piątą powtórką wynosi cztery miesiące, więc w tym przypadku wartość wskaźnika maleje już bardzo wolno. Ostatnie trzy powtórki zaleca się wykonywać co pół roku. Po ich poprawnym wykonaniu wartość mnożnika przyjmuje stałą wartość 1. Jeżeli któreś z zadań powtórkowych zostanie rozwiązane błędnie, to wartość samego współczynnika zmaleje z 1 do 0,66, zaś wartość mnożnika wróci do poziomu 1. 64 Paweł Frankowski Jednocześnie cykl powtórkowy zostanie wyzerowany i następny zalecany termin powtórki zostanie wyznaczony na następny dzień. Pierwszym przejawem sposobu działania inteligentnych powtórek w KSM jest dodawanie do każdej lekcji pewnej ilości zadań powtórkowych. Ilość ta nie może być jednak zbyt duża. Przyjęto, że zadań powtórkowych nie powinno być więcej niż 20%. W związku z tym konieczne jest dodanie lekcji typowo powtórkowych. Uczeń ma możliwość, aby w dowolnym momencie taką lekcję samemu uruchomić. W przypadku, gdy średnia wartość wskaźników cząstkowych spadnie poniżej pewnej zadanej wartości, lekcja taka stanie się obowiązkowa, a KSN zasugeruje jej przeprowadzenie. 4. Wnioski W ramach przeprowadzonych prac wykonano prototyp inteligentnego systemu nauczania. W modelu uwzględnione zostały teorie pedagogiczne, które mają zapewnić twórczy i kreatywny charakter nauki. Dzięki zastosowaniu środków sztucznej inteligencji możliwa stała się indywidualizacja procesu uczenia. Wymienione czynniki powinny w sposób znaczący zoptymalizować proces nauczania. Wstępne doświadczenia dowodzą słuszności przyjętych założeń, system wymaga jednak znaczącego uzupełnienia materiału dydaktycznego i kontynuowania testów mogących dowieść jego faktyczną wydajność. Literatura 1. 2. 3. 4. 5. 6. Krassowska-Mackiewicz E.: Język japoński dla początkujących. Wydanie drugie, PJWSTK, Warszawa, 2011. Popov O.: Elementy teorii systemów – systemy dynamiczne. Wydawnictwo Uczelniane Politechniki Szczecińskiej, Szczecin, 2005 Mulawka J.: Systemy ekspertowe. WNT, Warszawa, 1996 Zeman E.: Edukacja czytelnicza i informacyjna. WSiP, Warszawa, 1999. Buzan T.: Pamięć na zawołanie. Ravi, Łudź, 1999. Gorzelańczyk E.: Pamięć, świadomość, język. Zastosowanie algorytmu optymalizującego odstępy między powtórkami w glottodydaktyce. Medsystem, Poznań, 2000.