From interaction data to personalized learning: mining user-object interactions in intelligent environments

Цель этой работы состоит в развитии степени персонализации интеллектуальных учебных сред путем анализа данных взаимодействия пользователя с объектом, чтобы определить его поведение при решении задачи и в перерывах в работе (On-Task/Off-Task). Это достигается путем мониторинга и анализа взаимодействия пользователей при выполнении учебных заданий с гибридной системой, адаптированной для интеллектуальной университетской среды. Предложенная конфигурация системы, дополненная инструментарием добычи данных Orange и классификаторами на основе моделей нейронной сети, случайного леса, наивного классификатора Байеса и дерева классификации было проведено обучение взаимодействиям с объектами и тестирование 13 студентов (11 для обучения и два для тестирования), что позволило выявить представительные последовательности действий. Несмотря на небольшое количество данных, удалось понять, что наилучшие результаты показали две модели –нейронная сеть и наивный классификатор Байеса. Хотя для адекватного выполнения классификации необходим более значительный объем данных, проведенный опыт позволил лучше понять процесс. Впоследствии его можно будет полностью включить в интеллектуальную образовательную систему, что позволит внести вклад в создание персонализированных сред.