Univerzitet u Novom Sadu Fakultet tehničkih naukaSaobraćajni odsek

SHATANJE O NEZNANJU

ZNANJE (Nivo tradicionalnog učenja)

RAZUMEVANJE-SHVATANJE

IMPLEMENTACIJA i PRIMENA

RAZVOJ

Shvatamo

da ne znam

o

Nаučeni materijal

је zaista

apsorbovan

Zahteva znatno duži

period refleksije nego

samo znanje ili

prisećanje

Ono što smo naučili

možem

o uspešno

implem

entirati i stvarno

primeniti

VLADAMO NIVOIMA ZNANJA I

SHVATANJA

TOK ILI KONTINUITET UČENJA DOVODI NAS NA NIVO RAZVOJANIVO RAZVOJA

NE PREDSTAVLJA SAMO SAKUPLJANJE ZNANJA.

dinamičkog razvoja kontinuuma znanja,

usavršavanja veština, izgrađivanja orijentacije i ponašanja kroz sticanje,

primenu i razvoj novog vida znanja i/ili iskustva.

kojim pojedinac stiče novo znanje, veštine, stavove,

iskustva i kontakte sa generisanjem promena u ponašanju, odlučivanju i

akcionom delovanju.

Reorganizovanje već

savladanih modela akcija.

Aspekti kontinuuma znanja i korespodentni tipovi učenjaVid – aspek

znanjaTip učenja Performansni

fokusVremenska perspektiva

Svest - nivo

PODATAK Instiktivno Proaktivnost Sakupljanje podataka-feedback

Trenutačna Osećajna svest

INFORMACIJA Proceduralno

Proceduralnost - efikasnost

Vrlo kratkoročna

Receptorska - čulna

ZNANJE Refleksivno

Funkcionalnost - efektivnost

Kratkoročna

Svesno -refleksivna

PRIMENJENO ZNANJE

Sistemsko-strukturalno

Produktivnost - upravljanje

Srednjeročna

Komunalna - kontekstualna

INTELIGENCIJA Integrativno učenje

Optimalnost -integracija

Dugoročna Strukturalna

MUDROST Generativno – otvoreno interakcijsko

Regenerativnost Obnova – integriteta veza

Vaoma dugoročna

Etična

Kapacitet za

deljenje znanja ZAJEDNICE znanja i učenja

Sinergijsko

Kolaborativnost Saradnja može biti: kooperacija, koordinacija , kolaboracija

Vanvremenska

Univerzalna

U iskustvu su mrežno povezani ili integrisani NAUČENI MODELI VEZANAUČENI MODELI VEZA koje omogućavaju

razumljiva objašnjenja za tekuće situacije i njihovo rešavanje pomoću analogije sa

“prepoznatim situacijama”.

proces u kome se znanje kreira transformacijom ISKUSTVA

Proces razmišljanja regeneriše znanje

koje će se koristiti u interpretaciji

iskustva.

UČENJE KROZ UČENJE KROZ ISKUSTVO ISKUSTVO

uključuje i apstraktne konceptualizacije

Znanje koje je potpuno shvaćeno i absorbovano se ugrađuje u praksu i sa njim se

eksperimentiše u različitim kontekstima‚.

pojedinac ili organizacija uče iz iskustva i procene iskustva.

predviđanjem budućnosti bira se bolji radni metod.

Razmišlja se kako će se događaji odvijati tako da

se može doneti plan buduće akcije. Nakon

implementacije, procenjuje se njegova efektivnost.

počinje praktičnim

problemom.

Korišćenje pristupa korena i grana i analiziranje događaja, postavljanje pitanja u vezi sa tim zašto radimo to što radimo.

Akciono učenje se deli na dva sektora – prvo, kada se

pronađe rešenje, i drugo, kada se ono primeni.

Tipičan proces donošenja odluka je zasnovan na korektivnim merama koje diktiraju trenutni akcioni modeli –učenje sa jednom i sa dve petlje.

Najbolje uče kroz aktivnost.

Uključuju se u potpunosti i bez sklonosti u novim iskustvima.

Sve aktivnosti centriraju oko sebe.

Ne odgovaraju na teoretske vežbe, nego traže praktična rešenja.

Uživaju ovde i sada i u dominantnosti neposrednim iskustvima.

Povlače se i posmatraju iskustva iz raznih perspektiva.

Slušaju druge pre nego što iznesu svoje stavove.

Razmatraju sve moguće uglove i implikacije pre nego što naprave potez.

Sakupljaju podatke i vole dobro da promisle pre nego što donesu zaključak.

Uče rezonovanjem i izgradnjom logičkih modela.

Nastoje da budu analitičari i posvećeni racionalnoj objektivnosti.

Pristup problemima je konzistentno logičan.

Prilagođavaju i integrišu posmatranja u kompleksne, ali logičke teorije.

Najbolje uče iz eksperimenata i kada se suoče sa teškim problemom ili su uključeni u mnogo akcija.

Proveravaju ideje, teorije i tehnike da vide da li rade u praksi.

Brzo deluju i pouzdano u vezi sa idejama koje ih privlače.

Na probleme odgovaraju kao “na izazove”, pri čemu donose praktične odluke.

"...korišćenje multimedije i Interneta u svrhu poboljšanja kvaliteta učenja -omogućavanjem pristupa udaljenimizvorima i servisima i omogućavanjemsaradnje i komunikacije i na daljinu.”

Proces obrazovanja koji se izvodi uz

upotrebu nekog oblika informacione i

komunikacione tehnologije, sa ciljem

unapređenja kvaliteta toga procesa ikvaliteta ishoda obrazovanja.

Nove tehnologije podržavaju kodifikovanje i distribuciju učenja, just-in-time učenje, i e-učenje zaposlenih

sa ciljem da se postigne nova individualna kompetentnost za

“hvatanje” znanja i dokumentovanje posla,

pakovanje sadržaja za različite stilove učenja,

kulture i medije.

DEFINICIJA

Hibridna ili mešovita nastava – kombinacija nastave u učionici i nastave uz pomoć tehnologija (engl. hybrid, mixed mode learning).

U zavisnosti od intenziteta i načina korišćenja ICT-a u obrazovanju razlikujemo nekoliko oblika e-

učenja:

Klasična nastava - nastava u učionici (engl. face- to-face).

Nastava uz pomoć ICT-a - tehnologija u službi poboljšanja klasične nastave (engl. ICT supported teaching and learning).

Online nastava - nastava je uz pomoć ICT-a u potpunosti organizovana na daljinu (engl. fully online).

Omogućuju upotrebu raznih zapisa (tekst, audio i video)

koji se kombinuju u multimedijalni sadržaj i

prezentuju studentu.

Nezavisnost od vremena

Nezavisnost od vremena održavanja nastaveodržavanja nastave

Niski troškovi za Niski troškovi za korisnikakorisnika

Mogućnost Mogućnost samoorganizovanja

samoorganizovanja vremena za učenjevremena za učenjeDiskusije sa drugim Diskusije sa drugim polaznicima kursa polaznicima kursa

““1 na 1” konsultacije sa

1 na 1” konsultacije sa nastavnikomnastavnikom

Tehnička podrškaTehnička podrška

Tekstovi za čitanjeTekstovi za čitanje

Multimedijalni materijalMultimedijalni materijal

TutorijaliTutorijali

Neograničeno

Neograničeno

ponavljanje gradiva

ponavljanje gradivaNezavisnost od mesta

Nezavisnost od mesta održavanja nastaveodržavanja nastave

Lista dodatih resursa

Lista dodatih resursa

za učenjeza učenje

Projekti i seminarski

Projekti i seminarski

radoviradovi

Lokacija za učenje na

Lokacija za učenje na

InternetuInternetu

VežbanjaVežbanja

TestoviTestovi

Završni testovi

Završni testovi

Trenutna dostupnost

Trenutna dostupnost

rezultatarezultata

Rečnik pojmova i FAQ

Rečnik pojmova i FAQ

bazabaza

Sertifikat o završenom

Sertifikat o završenom

kursukursu

Vreme Tip e-učenja Koncept tehnologije

1960.- te

Obrazovanje bazirano na računarima.

Automatizacija

1970.- te

Inteligentni tutorski sistemi. Automatizacija

1980.- te

“Mikrosvet” alati za produkciju.

Igračke, konstrukcijski mediji

1990.- te

Podrška računara.Kolaborativno učenje.

Asinhroni komunikacijski alati i kolaboracija

2000.-te Virtuelna okolina učenja Multimodalna infrastruktura sinhronih i asinhronih alata

Nove generacije sistema e-učenja koriste Web servise koji mogu obezbediti podudaranje sadržaja učenja i konteksta korisnika na

način koji obezbeđuje prilagođeno, personalizovano iskustvo.

Važnu ulogu za postizanje interoperabilnosti između različitih sistema učenja preko Interneta

ima servisno orijentisana arhitektura - SOA i tehnologija Web servisa.

MODELUJE SE KAO E-SERVIS

Upravlja svim aspektima kreiranja i korišćenja poslovnih procesa upakovanih kao servisi, definiše i priprema IT infrastrukturu koja obezbeđuje različite aplikacije za razmenu podataka bez obzira na operativni sistem i programski jezik koji podržava ove aplikacije.

Prilikom izgradnje aplikacija, SOA kombinuje labavo povezane i interoperabilne servise kao osnovne gradivne blokove aplikacija.

→Menja postojeću arhitekturu višeslojnih aplikacija.→ Izlaže funkcije aplikacija u vidu servisa. → Koristi princip raslojavanja.→Uvodi dodatni nivo koji omogućuje integraciju servisa.

Najznačajnija implementaciona tehnologija za SOA

Softverska aplikacija koja razmenjuje podatke sa drugim Web zasnovanim aplikacijama.

Interoperabilnost se postiže korišćenjem standardnih protokola i otvorenih standarda.

UDDI je registrar za čuvanje informacija o Web servisima;UDDI je registar Web servisnih interfejsa opisanih pomoću WSDL-a;UDDI komunicira preko SOAP;UDDI je sagrađen unutar Microsoft.NET platforme.

UDDI (engl. Universal Description , Discovery and

Integration)

SOAP je komunikacioni protokol;SOAP služi za komunikaciju između aplikacija;SOAP je format za slanje poruka;SOAP je dizajniran za komunikaciju preko Interneta;SOAP je platformno nezavistan;SOAP je jezično nezavistan;SOAP je baziran na XML-u;SOAP je jednostavan i proširljiv;SOAP dozvoljava pristup između firewall-ova;SOAP će biti razvijen kao W3C standard.

SOAP (engl. Simple Object Access Protocol)

WSDL je jezik za opisivanje Web servisa.WSDL je pisan u XML-u;WSDL je jedan XML dokument;WSDL je takođe korišćen za lociranje Web servisa;

WSDL (engl. Web Services Descripcion

Language)

OBRASCI RAZMENE PORUKA

Potpiši-gurni

Zahtev-odgovor

Zahtev-odgovor preko servisnog registra

Ispitaj-odgovori

OSNOVNA OPERACIJA ILI JEDINICA ZADATKA PODRŽANA E-SERVISOM

POSREDNIK PORUKA IZMEĐU APLIKACIJA SISTEMA E-UČENJA

Sadrži podatke koji ne čine sam sadržaj poruke, već predstavljaju pomoćna svojstva - opcioni podaci, identifikacija poruke i informacije o rutiranju poruke.

Omotnica (Anvelopa)

Sadrži aktuelnu korisnu nosivost poruke (sam sadržaj ili sadašnje stanje procesiranja) koju poruka treba preneti. Sadržaj je predstavljen XML dokumentom.

PORUKA - Modelovana je korišćenjem obrasca glava/telo.

Internet-zasnovana aplikacija i servis ponuđen kao pojedinačan proizvod za rešavanje specifičnih poslovnih potreba korisnika, a koji je bešavno

integrisan sa (poslovnim ili privatnim) korisničkim procesima.

Obavlja određene poslove, izvršava zadatke ili upotpunjuje transakcije, uz korišćenje elektronske komunikacije, bez face-to-face susreta između dve strane

u transakcijama.

Snabdevanje e-servisima je individualno, po-zahtevu i u realnom vremenu.

Veza proizvodnje i potrošnje dešava se simultano pa se parafraziranje e-servisa vrši u terminima

njihovih generičkih ključnih karakteristika:

nedodirljivost, vizuelna nevidljivost, nerazdvojivost, istovremenost i varijabilnost

Proizvodni procesi e-servisa su personalizovani.

Zahtevaju informacije kao input, virtuelne su prirode, uključuju korisnike u fazi

proizvodnje/isporuke (participacija učesnika na-licu-mesta ).

U obezbeđivanju e-servisa obuhvaćeni su pojedinci, preduzeća, državne i obrazovne

ustanove.

registrovanje korisnika,

ažuriranje korisničkih informacija,

postavljanje zahteva i instrukcija,

učestvovanje u nastavi,

pretraživanje i razmenjivanje informacija,

primanje informacija i servisa, itd.

ažuriranje korisničkog statusa,

E-učenje je proces koji podrazumeva lepezu

mogućih aktivnosti, od jednostavnog čitanja teksta ka složenijim

strukturama kao što je audiovizielna percepcija

sadržaja ili aktivno učestvovanje u nastavi,

kooperativno učenje, itd.

Obim usvojenog znanja je u vezi sa različitim oblicima prezentracije obrazovnih

sadržaja e-učenja.

Model interakcije e-servisa koristi koncept radnog toka.

E-servis je definisan pomoću:→ jezgra (celokupni sadržaj e-servisa koji nastaje iz specifičnih resursa provajdera),→ polja interakcije (skup sposobnosti u kojem svako s = (c, R, Ps) predstavlja komponentu koja se eksplicitno graniči sa ulogom R i primenjuje skup interakcionih procesa P).

Sposobnost polja interakcije predstavlja obrasce kooperacije

učesnika u interakciji.

E-servisni resursi predstavljaju učesnike u

interakcijiZa dve sposobnosti s = (cs, rs, Ps), t = (ct, rt, Pt), interakcioni procesi e-servisa p1Ps, p2Pt su sastavljeni od dve aktivnosti a1 i a2 , gde a1 definiše odlazeću interakciju p1, a a2 definiše dolazeću interakciju

p2.

Naučne i obrazovne institucije, elektronske biblioteke i knjižare su e-servisni provajderi, odnosno logički distributeri ili pristupne tačke za e-servise u

e-učenju.

KOLEKCIJA E-SERVISA DEFINISANA OD STRANE

PROVAJDERA

omogućuje razumevanje dostupnih e-servisa, olakšava izbor e-servisa od strane korisnika, određuje korisnike koji imaju pravo korišćenja određenog e-servisa.

E-kursevi (engl. e-Course) posredstvom spiska

elektronskih adresa (engl. mailing list) predstavljaju

najjednostavniji oblik isporučivanja edukativnog

sadržaja studentu.

Materijali neophodni za određeni kurs stižu na elektronsku adresu

po potrebi, dnevno, nedeljno ili po određenom rasporedu.

Student ne mora da posećuje Web sajt obrazovne institucije, jer je sva

korespondencija vezana za e-mail.

E-knjiga može da bude priručnik ali i kompletan kurs, sa kombinacijom

grafičkih, audio i video zapisa.

Najčešće je u formatu sa ekstenzijom .pdf, ali može da

bude .exe ili neki drugi prepoznatljiv format kao što je

html.

U zavisnosti od softvera koji je korišćen za realizaciju e-knjige, postoje opcije za pretraživanje

i za zaštitu e-knjige od kopiranja ili štampanja.

Korišćenje multimedijalnih tehnologija omogućava

prezentaciju obrazovnog sadržaja na dinamičan i

eksplicitan način.U okviru e-učenja organizuju se

predavanja u formi Web konferencije (engl. Web-

conference), Web prenosa (engl. Webcasts) ili Web seminara

(engl. Webinars).Praćenje predavanja ili vežbi uživo upotrebom ovih medija

omogućavaju studentu da događaje vezane za e-učenje

prati iako je dislociran.

U formi 3D interaktivnih simulacija, zabavnih igrica ili kvizova, plasiraju se

vrlo ozbiljni nastavni sadržaji.

Edukativni programi se dugo koriste u obrazovanju.

Primenjeni u e-učenju dobijaju nov i dinamičan oblik.

Na kraju kursa polaže se ispit u obrazovnoj instituciji. Na taj način je omogućeno da student stekne kredite za položene predmete ili diplomu ako položi sve propisane ispite nekog univerziteta.

Rešenje za studente koji nisu u mogućnosti da prisustvuju nastavi u školskoj ili univerzitetskoj učionici.

Najpoznatiji oblik e-učenja.Web stranica koju studenti sami uređuju. Može se opisati kao dnevnik pojedinca ili

interesne grupe.

Predstavlja interaktivnu razmenu znanja, komunikaciju između studenata ili interesnih grupa.

Posetioci mogu unositi svoje komentare direktno na Web strani, na određeni link ili poslati e-mail.

prati aktivnosti svojih učesnika,

interpretira njihove zahteve na osnovu oblasno-specifičnih modela,

precizno ih reprezentuje u povezanim modelima.

otkriva zahteve i preferencije u skladu sa prethodno uočenim aktivnostima,

Sistem elektronskog učenja se definiše kao adaptivan, ako je u mogućnosti da:

pored kreiranja personalizovanih sadržaja, sposoban je da obezbedi adaptivno “dostavljanje“ kursa, interakciju, saradnju i podršku

Sistem elektronskog učenja treba prilagoditi pojedinačnim stilovima

učenja

zasnovan na hipermedia ili hipertekstu, poseduje validan model korisnika, u mogućnosti je da izvrši adaptaciju u skladu sa modelom korisnika (učenika).

Felder-Silverman model opisuje svakog studenta u skladu sa četiri dimenzije stila

učenja

dizajn, selekcija, struktura procesa prema trenutnom korisniku i kontekstu

Specifikacija adaptacije se može posmatrati na različitim nivoima:

selekcija, dizajn, struktura i prezentacija sadržaja

izbor adaptivnih strategija i tehnika na meta-nivou u skladu sa trenutnim kontekstom

 Na koji način se može izvršiti adaptacija.

Osnovni aspekti adaptacije i odgovarajući modeli

DOMENSKI MODELDOMENSKI MODEL

Šta će biti adaptirano i stavljeno na

raspolaganje.

U skladu sa kojim parametrima se može izvršiti

adaptacija.

MODEL KORISNIKA I MODEL KORISNIKA I KONTEKSTUALNI MODELKONTEKSTUALNI MODEL

MODEL AKTIVNOSTI I MODEL MODEL AKTIVNOSTI I MODEL ADAPTACIJE ADAPTACIJE

DOMENSKI MODEL

MODEL KORISNIKA

MODEL SADRŽAJA

MODEL INSTRUKCIJA

MODEL ADAPTACIJE

Usled velike količine podataka koja se generiše u sistemima e-učenja svakodnevno, javlja se PROBLEM ANALIZE PODATAKA.

analiza opservacionih setova podataka u cilju pronalaženja neotkrivenih veza i

sumiranja podataka na sofisticirane načine, razumljive i korisne za vlasnika

podataka.Primenom data mininga mogu se vršiti inteligentne analize velikih količina podataka skladištenih u bazi

podataka i predložene platforme sistema PERSONALIZOVANOG UČENJA

Neophodno je definisati ključne delove i modele u

sistemu

Prikupiti lične podatke (godine, pol, mesto rođenja), podaci o stilovima učenja, kao i veze

sa konceptualnim i domenskim modelom (godina studija, prosečna ocena, godina upisa,

ocene iz sličnih predmeta)Oblasti koje se proučavaju - elektronsko poslovanje, internet

tehnologije, i računarska simulacija.

Uključuje sve sadržaje dostupne u

okviru kurseva

Podrazumeva niz aktivnosti preduzetih na osnovu informacija dobijenih izgradnjom data mining

modela.

Ovde se odvijaju ključne aktivnosti u celokupnom procesu izgradnje adaptivnog sistema Pomoću inteligentne analize se povezuju određeni koncepti i sadržaji sa karakterisitkama studenata, pre svega se odnose na STILOVE UČENJA.

identifikovanje, izvodljivost primene poslovne inteligencije – određivanje inicijalnih ciljeva

personalizacije, planiranje arhitekture sistema elektronskog učenja, definisanje uloge

poslovne inteligencije u razvoju okruženja personalizovanog učenja, pretvaranje ciljeva u

probleme data mining – a.

(1) DEFINISANJE PROBLEMA DEFINISANJE PROBLEMA E-PERSONALIZACIJEE-PERSONALIZACIJE

primena komponenata poslovne inteligencije u analizi podataka, kreiranje skladišta

podataka, razvoj “ranih” modela data mining - a korišćenjem tehnika klasterovanja.

EKSPLOATACIJA POSTOJEĆIH EKSPLOATACIJA POSTOJEĆIH PODATAKA O STUDENTIMA PODATAKA O STUDENTIMA

KORIŠĆENJEM DATA WAREHOUSE, KORIŠĆENJEM DATA WAREHOUSE, DATA MININGDATA MINING II KLASTEROVANJAKLASTEROVANJA

(2)

(3)specifikacija klastera, podela studenata u

grupe prema njihovim preferencama i karakteristikama, adaptacija načina

organizovanja kursa postavljanjem zahteva studenata u centar modela.

ADAPTACIJA KURSEVA U SKLADU ADAPTACIJA KURSEVA U SKLADU SA DEFINISANIM GRUPAMA SA DEFINISANIM GRUPAMA

(KLASTERIMA)(KLASTERIMA)

(4) organizovanje i prijem studenata koji će pohađati kurseve u narednom periodu,

sakupljanje novih podataka, da bi se kreirali profili studenata.

UPIS NOVIH STUDENATA I UPIS NOVIH STUDENATA I SAKUPLJANJE NOVIH PODATAKASAKUPLJANJE NOVIH PODATAKA

(5) korišćenje naprednih metoda poslovne inteligencije za klasifikaciju studenata u

predefinisane grupe iz faze 3.

KLASIFIKACIJA NOVIH KLASIFIKACIJA NOVIH STUDENATA U DEFINISANE STUDENATA U DEFINISANE

GRUPE (KLASTERE)GRUPE (KLASTERE)

(6)

nadgledanje, kontrola načina na koji studenti prolaze kroz kurs, korišćenje

metoda poslovne inteligencije za izveštavanje i generisanje tzv. real-time

korekcija.

REALIZACIJA KURSEVAREALIZACIJA KURSEVA

(7)

obuhvata testiranje efektivnosti kurseva, kako kreirani personalizovani modeli

funkcionišu, poređenje sa polu ili nepersonalizovanim sistemima, potrebne

korekcije, poboljšanje performansi sistema.

TTESTIRANJE EFEKTIVNOSTI ESTIRANJE EFEKTIVNOSTI KURSEVAKURSEVAOdnos prema prezentaciji

nastavničkog materijala (multimedijalni, pisani, verbalni) ima najveći značaj za klasifikaciju

studenata.

MAŠINSKO UČENJEMAŠINSKO UČENJE

Mašinsko učenje (eng. machine learning) predstavlja naučnu disciplinu koja se bavi razvojem algoritama koji omogućuju računaru da uči na osnovu analize postojećih podataka, pri čemu je naglasak na prepoznavanju složenih pravilnosti u podacima i donošenju inteligentnih odluka zasnovanih na njima (Alpaydin, 2004).

Pojedini sistemi mašinskog učenja nastoje da eliminišu potrebu za ljudskom intuicijom, dok su drugi orijentisani ka uspostavljanju saradnje čoveka i mašine.

U tom se smislu mašinsko učenje može posmatrati kao pokušaj da se naučni metod delimično automatizuje

Ljudska intuicija ne može u potpunosti biti eliminisana s obzirom da osoba koja razvija sistem specificira u kom obliku će podaci biti predstavljeni i koji će meha-nizmi biti korišćeni za njihovu karakterizaciju.

MAŠINSKO UČENJEMAŠINSKO UČENJE

Kod nadgledanog učenja NU (eng. supervised learning) zadatak je predvideti vrednost određene funkcije validnog objekta nakon što je sistemu predočen izve-stan broj primera za obučavanje (parova ulaznih objekata i njima odgovarajućih izlaza).

Kod nenadgledanog učenja NenU(eng. unsupervised learning), cilj je otkriti unutrašnju strukturu podataka, odnosno, način njihove organizacije, pri čemu su na raspolaganju samo podaci bez posebnih oznaka.

Primer nenadgledanog učenja predstavljaju algoritmi za grupisanje podataka (eng. clustering).

Pri tome izlazna funkcija NU može biti

kontinualna, kada se radi o regresiji, i diskretna, u kom slučaju se radi o klasifikaciji. Izvođenje zaključaka kod NU na osnovu analize primera za obuku i njihova primena na test-primere

naziva se transdukcijom.

HVALA NA PAŽNJI

HVALA NA PAŽNJI