Algorithmic Debugging and Literate Programming to Generate Feedback in Intelligent Tutoring Systems
Algorithmic Debugging and Literate Programming to Generate Feedback in Intelligent Tutoring Systems
复制标题
在智能辅导系统中生成反馈的算法调试和文学编程
DOI：
10.1007/978-3-319-11206-0_4
复制
发表时间：
2014
期刊：
影响因子：
--
通讯作者：
C. Zinn
中科院分区：
文献类型：
--
作者：
C. Zinn
算法调试是智能教学系统(ITSS)中一种有效的诊断方法。在将专家问题解决编码为逻辑程序的情况下，它会将程序在增量执行期间的行为与观察到的学习者行为进行比较。任何偏差都会捕获程序位置方面的学习者错误。然后，ITS的反馈引擎可以接受有问题的程序从句，为学习者生成帮助以纠正他们的错误。然而，由于错误信息限于程序位置，反馈引擎只能根据当前问题解决步骤的错误给出补救。由于无法访问学生行动的整体分层背景，因此很难提供脚手架帮助，很难解释为什么以及如何执行步骤，很难总结学习者到目前为止的表现，也很难让学习者为未来的问题解决做好准备。这很遗憾，因为这样的脚手架有助于学习。为了解决这个问题，我们扩展了元解释技术，并用程序注释方法对其进行了补充。Expert程序中充斥着解释程序背后逻辑的术语，非常类似于解释代码块的注释。元解释器被扩展为收集程序执行路径中的所有注释，并保留程序证明树的相关部分的记录。我们获得了一个框架，该框架定义了基于Prolog的任务定义、执行和监控方面的复杂教程交互。
Algorithmic debugging is an effective diagnosis method in intelligent tutoring systems (ITSs). Given an encoding of expert problem-solving as a logic program, it compares the program’s behaviour during incremental execution with observed learner behaviour. Any deviation captures a learner error in terms of a program location. The feedback engine of the ITS can then take the program clause in question to generate help for learners to correct their error. With the error information limited to a program location, however, the feedback engine can only give remediation in terms of what’s wrong with the current problem solving step. With no access to the overall hierarchical context of a student action, it is hard to dose scaffolding help, to explain why and how a step needs to be performed, to summarize a learner’s performance so far, or to prepare the learner for the problem solving still ahead. This is a pity because such scaffolding helps learning. To address this issue, we extend the meta-interpretation technique and complement it with a program annotation approach. The expert program is enriched with terms that explain the logic behind the program, very much like comments explaining code blocks. The meta-interpreter is extended to collect all annotation in the program’s execution path, and to keep a record of the relevant parts of the program’s proof tree. We obtain a framework that defines sophisticated tutorial interaction in terms of Prolog-based task definition, execution, and monitoring.
登录
查看更多内容
DOI：
--
发表时间：
2011
期刊：
Deutsche Jahrestagung für Künstliche Intelligenz
影响因子：
--
作者：
C. Zinn
通讯作者：
C. Zinn
DOI：
--
发表时间：
1998
期刊：
Comput. Educ.
影响因子：
--
作者：
Kuo;Mei;Sei
通讯作者：
Sei
逻辑编程框架中的演绎错误重构和分类
DOI：
--
发表时间：
1993
期刊：
影响因子：
--
作者：
Sieghard Beller;H. Hoppe
通讯作者：
H. Hoppe
KI 2011：人工智能的进展
DOI：
--
发表时间：
2011
期刊：
Lecture Notes in Computer Science
影响因子：
--
作者：
Joscha Bach;S. Edelkamp
通讯作者：
S. Edelkamp