a glance into the future of digital language learning
Post on 01-Nov-2014
1.509 Views
Preview:
DESCRIPTION
TRANSCRIPT
A glance into the future of digital language learning for professionals:
Adaptive, Entertaining, Intelligent, Open and Ubiquitous
Say it with Vowels
0. CALL als onderzoeksdomein1. A - adaptive2. E - entertaining3. I - intelligent4. O - open5. U - ubiquitous
0. evolutie van CALL als onderzoeksdomein
0.1 radicaal interdisciplinairaanvankelijk: CALL als deel van toegepaste
taalkunde & taaldidactiek– inzichten uit taaldidactiek hertalen naar e-
omgeving– onderzoekers uit Letteren, coördinatoren
talencentra, leermiddelenontwikkelaars, etc. – => application-driven, development-oriented,
less research oriented
(Levy 1999: 72)
• human-computer interaction: usability onderzoek• artificial intelligence: expert dialoogsysteem,
geprogrammeerde instructie• computational linguistics (NLP): spraaksynthese
(ASR) en spraakherkenning (TTS), taalkundige annotatie
• technology and design: effectiviteitsonderzoek, instructional design
• psychologie: werking geheugen, automatiseringsprocessen, leerprocessen
• SLA: leerstadia, context, learnability• computerwetenschappen: datamining, semantic
web, distributed networks
informatica(Prof. dr. Patrick Decausmaecker)
gedistribueerde beslissings-ondersteuning
multi-agent systemen
heuristische optimalisatie
data mining heuristieken
gedistribueerd zoeken
toegepaste taalkunde(Prof. dr. Piet Desmet)
elektronische taalleeromgevingen
taaltesting
CorpusCALL
auteurssystemen
onderwijskunde
(Prof. dr. Geraldine Clarebout)
ontwikkeling van leeromgevingen
met speciale aandacht voor:
rol en functie van leerhulpen zoals pedagogical agents
identificeren van relevante leerderskenmerken
methodologie(Prof. dr. Wim Van den Noortgate)
multilevel analyse
meta-analyse
item respons theorie
digital libraries
mobile mobile learninglearning
elektronic elektronic assessmentassessment
computer science
applied linguistics
educational science
effectiveness research on electronic learning environments
methodology
integration NLP in learning environments
webmining for webmining for learning learning
environmentsenvironments
adaptive adaptive learning learning systemssystems
0.2 open innovatie via netwerking1. structurele interactie academia – industria
– spin-off activiteiten: BLCC & Televic Education– IOF kennisplatform– IWT & IBBT projecten
2. interactie onderzoek & ontwikkeling3. data is the next ‘Intel Inside’
data > softwarecontent is king=> netwerking met gebruikersgroepen (Vb Franel, Selor)
1. A - adaptive
• auto-industrie: – tijd– plaats– weersomstandigheden
• adaptieve marketing– profiel
1.1 adaptief toetsen• Toetsmatrijs (constructs- en inhoudsvaliditeit)• Itemontwikkeling• Pretesting• Itemanalyse• Kalibratie en opstellen meetschaal• Itemselectieregels• Cesuurbepaling / normering (standard setting)
• Toetsmatrijs wordt gebaseerd op de constructdefinitie
• De matrijs moet volledig gevuld zijn met opgaven om inhoudsvaliditeit te kunnen garanderen
• Een voorbeeld voor component luistervaardigheid < S-ALTO
taalhandeling visuele ondersteuning geen visuele ondersteuning
Persoonlijke teksten
Publieke teksten
Ambtelijke teksten
Persoonlijke teksten
Publieke teksten
Ambtelijke teksten
met een zichtbare partner
TV, besloten toespraak
in een vergadering
aan de telefoon op de radio in een toespraak waar spreker veraf staat
globaal begrijpen
relevante gegevens selecteren
informatie verbinden
pilot & kalibratiestudie
• kleine en grootschalige afname; doel: creërencreëren van betrouwbare Collective Intelligence
• daarna : analyserenanalyseren met Item Response Theory
Item Response Theorie - IRT
• Klassieke Test Theorie (KTT): vaardigheid van de leerling = som van de scores die leerling haalt op itemsitems van de toets.
• Item Response Theorie (IRT): – vaardigheidvaardigheid kandidaten & moeilijkheidsgraadmoeilijkheidsgraad items als twee
aparte parameters.– items verschillen in moeilijkheidsgraad– items gerangschikt op meetschaalmeetschaal met oplopende
moeilijkheidsgraad– kandidaten verschillen in vaardigheid; kunnen ook
gerangschikt worden op die meetschaal volgens stijgende vaardigheid
– IRT meetmodel laat toe kandidaten en items rechtstreeks te vergelijken (in termen van kansenkansen dat een item correct kan worden opgelost)
IRT-analyse
- doel: vaardigheid (V) van personen & moeilijkheid (M) van items op één schaal brengen
- zowel V als M worden uitgedrukt in een cijfer (=logit)
- gem. M = 0
Kandidaten
vaardigheid
Items
moeilijkheidsgraad
Item g
Item e
Item a
Item b
Item c
Item d
Item f
Item h
Item i
Item j
Beheersing in termen van kansen
3 5 %
2 12 %
1 27 %
0 50 %
-1 73 %
-2 88 %
-3 95 %
Welke kansen?
CAT – een voorbeeld(Sara Gysen)
DEMO
1.2 adaptief leren“Adaptive Learning Environments Based on IRT:
Possibilities and Challenges” Kelly WAUTERS, Piet DESMET & Wim VAN DEN NOORTGATE
(submitted)
• the challenge of the dataset– missing values– skipped items
• the challenge of the algorithm– item difficulty estimation– ability estimation– item selection algorithm
2. E - entertaining
gaming• belangrijke features voor educational gaming• 2 pistes
belangrijke features voor educational gaming
• inspelen op “players sense of challenge” en dit koppelen aan “rewards”
• inbouwen van verschillende levels• vaak First-person game, waarbij wel met een
avatar gewerkt wordt. meer in het algemeen: personalization!
• multiplayer! (-> collaboration)• realistische, immersieve omgeving, aanpak is
“experience-based or exploratory”, leerder kan praktijkervaring opdoen
+• duidelijk omlijnde leerdoelen
(leerder weet wat hij leert)• permanent monitoren van leerders prestaties en
acties -> aanpassen van omgeving hieraan -> belang van adaptiviteit!
• belang van directe en tijdige feedback -> leerder blijven stimuleren en motiveren
• nood aan scaffolding (hints, deel van oplossing meegeven, extra info, etc.)
2 pistes
• SAIL- omgeving (Situated Avatar baded Immersive Learning)
• game-elements in taalleeromgeving
SAILSAIL = Situated Avatar based immersive learning of Virtual Reality
(VR-) Based Educationtaaltaken = challenges binnen een virtual reality die de
leerder/speler alleen of met meerdere aanpakt, waar hij feedback op krijgt en die tot rewards leiden
doelpubliek: zakenmensen, volwassenen in het algemeen
= edutainment edutainmentVb LLINGO
LLINGOpartners
– externe partners• Larian Studios• Televic Education• BLCC• VRT
– IBBT groups• MMLab• ITEC• MICT
LLINGOwerkpakketten
– WP0: Project Management– WP1: Requirements, Conceptual Architecture & Scripting– WP2: Tracking, Logging and Adaptivity– WP3: Infinite Textures– WP4: User and Experience Research– WP5: Effectivity Research– WP6: Proof of Concept
game-elements in taalleeromgeving
1. gaming for content deliverycontent delivery• alle soorten animaties, van passief naar actief
(met doe-component)• werking van iets tonen, procedure toelichten,
grammatica-regel toelichten, etc.
(Kurt Feyaerts)
2. gaming as rewardreward• na het educatieve luik, bij wijze van beloning• slechts toegang indien voldoende leerprestaties en
in functie van omvang leerprestatie -> credit-systeem
• fun aangepast aan domein (bv. voor taal: tv-reportages en movies, funny commercials, toegang tot i-tunes, etc.)inspiratie zoeken bij taalspelletjes:
Vb Iphone: LexitronVb http://visl.sdu.dk/ (oa. Syntris, Labyrinth, etc.)
3. gaming as competitioncompetition– challenge– multiplay is nice– computer can play the opponent– “the best wins”
3. I – integrated & intelligent
Nood aan Integrated Language Learning Environments (ILLE)
1. infrastructuur: c- en e-omgeving zijn niet op mekaar afgestemdgeen e mogelijk in c-omgeving (cf. klassiek leslokaal)geen c mogelijk in e-omgeving (cf. PC-klas)
2. domeinen: e-learning: dominant kennisgerichte domeinen (lexicon, grammatica, etc.)
c-learning: ook vaardigheidstraining (lezen, luisteren, schrijven, spreken)
3. content: beperkte onderlinge afstemming tussen c- and e-inhouden
4. coaching: e-learning vaak vooral voor remediëring of differentiatie-> geen centrale component van didactisch proces
beperkte interactie tussen e-coaching en c-coach
integrated
(Desmet, P. 2005. “An Integrated Language Learning Environment: towards an optimal blend of c-and e-learning”. In: Kommers, P. – Richards, G. eds 2005. Proceedings of ED-MEDIA)
intelligentgesloten oefeningen voorbij, 2 technieken:• NLP (Natural Language Processing)• ASM (Approximate String Matching)
NLP ASM
- by definition language dependent
- high R&D effort
+ by definition language
independent
+ lower R&D effort
- unequal availability and quality of existing algorithms and tools
- technologies not easily transferable to new tools/environments
- slow
+ high availability of existing ASM algorithms
+ easily reusable algorithms
+ higher speed
+ better granularity (fineness with which input can be analysed)
- highly depending on teacher’s input (number of correct answers predicted by teacher)
+ language specific intelligent feedback generation by the algorithm (cf. E-Tutor T. Heift)
- no automatic language specific feedback generation
ASM @ edumatic• normalisering van input of niet
• hoofdletters• interpunctie• accenten
• algoritme op basis van beste match met input
I inform you to XXX the (…) tomorrow (XXX).
• 3 codes: delete, insert, substitute (error)
• pogingen model:attempt – feedback – attempt – (…) – solution model
4. O – open
Innovation in Assembly
Web as a platform of servicesVb widgets: small, reusable components (mini-
application) CALL?• Nood aan standaarden:
Vb Sharable Content Object Reference Model-> nood aan LLOM (Language Learning Object Metadata)
• Import/export tussen platformen (‘content portability’)Vb SCORM-export
co-creatie van nieuwe content
– zuuQI poll
– zuuQI tagcloud
Vb wiki voor Spaans (OI-project Dagmar Vandebosch)
Vb Livemocha.com: online language-learning community
5. U - ubiquitous5.1 mobile learning
– adaptiviteit: leerobjecten aanpassen aan specifieke features van een device (grootte scherm, toetsenbord, etc.)
– localisering: leerobjecten afstemmen op plaats waar men is (Vb in Parijs leerobjecten rond Parijs) => contextual learning
– content-creatie: language captured and shared in context
(Kukulska-Hulme, A. & Traxler J. 2005. Mobile Learning : A Handbook for Educators and Trainers, Rougledge, London.)
5.2 franel.mobihttp://franel.mobi
5.3 pervasive computing
multiple devices• Soylu, A., De Causmaecker, P., Desmet, P. 2009.
Context and Adaptivity in Pervasive Computing Environments: Links with Software Engineering and Ontological Engineering (published)
• Soylu, A., De Causmaecker, P., Desmet, P. 2009. Context and Adaptivity in Context-Aware Pervasive Computing Environments (published)
MAPLEpartners
– externe partners• BLCC• Mobixx• Televic Education• RMM
– IBBT groups• CUO• ITEC• MMLab• SMIT
werkpaketten• WP0: Project Management• WP1: Requirements & Conceptual Architecture• WP2: Business Modeling• WP3: Software Infrastructure• WP4: Data & Metadata• WP5: Adaptivity and Mobility• WP6: Demonstrator
• Prof. Dr. Piet DesmetPiet.Desmet@kuleuven-kortrijk.behttp://wwwling.arts.kuleuven.ac.be/franling/pdesmet/
• ITECitec@kuleuven-kortrijk.bewww.kuleuven-kortrijk.be/itec
top related