E-learning w ksztaceniu LLL

Streszczenie

Rozwój nowych technologii informacyjnych i komunikacyjnych umoĪliwił powstanie nowych narzĊdzi wspierających proces uczenia. Systemy uczące wykorzy-stujące te nowe narzĊdzia nazywane są systemami e-learning. Mogą byü stosowane w sieciach komputerowych zapewniając naukĊ kaĪdemu niezaleĪnie od czasu i miej-sca. NarzĊdzia te powinny umoĪliwiaü twórczy i poznawczy proces uczenia przez wy-korzystanie teorii pedagogicznych. Zastosowanie Ğrodków sztucznej inteligencji zapewnia wysokiej jakoĞci indywidualizacjĊ procesu uczenia.

Szybko rozwijające siĊ obecnie róĪne dziedziny wiedzy wymagają ciągłej aktu-alizacji wiedzy co zapewnia proces LLL (uczenie trwające przez całe Īycie).

Słowa kluczowe: systemy e-learning; proces uczenia trwajcy przez całe ycie (proces LLL); teorie pedagogiczne dot. procesu uczenia; edukacja oparta na komputerze (CBE); roboty wiedzy; agenci pedagogiczni; inteligentny nauczyciel kompute-rowy

1. Wprowadzenie

Wiedza ludzka powinna by bieco uaktualniana. Realizacj tego umoliwia proces LLL (Li-fe Long Learning), który jest procesem uczenia trwajcym przez całe ycie obejmujc edukacj wstpn na poziomie podstawowym, rednim i wyszym oraz edukacj ustawiczn (w sensie uaktualniania i poszerzania posiadanej wiedzy) poprzez studia podyplomowe, kursy, warsztaty. Proces LLL moe by wspomagany przez zastosowanie nowoczesnych narzdzi technologii informacyjnych i komunikacyjnych (Information and Communication Technology Tools; ICT Tools), z uwzgldnieniem teorii pedagogicznych dotyczcych procesu uczenia, zapewniajc wysokiej jakoci nauk.

E-learning jest procesem uczenia wykorzystujcym rodki informatyczne. Systemy informa-tyczne realizujce e-learning nazywane s systemami e-learning. Dla tworzenia wysokiej jakoci aplikacji e-learning wykorzystywane s nastpujce narzdzia i metody:

• nowoczesne technologie:

¾ technologie prezentacji – technologie dla prezentacji materiału dydaktycznego uczniowi;

¾ technologie dystrybucji – technologie dla dostarczenia materiału dydaktycznego; ¾ technologie interakcji – technologie umoliwiajce interakcj midzy ludmi

w czasie procesu uczenia; • sztuczna inteligencja:

systemy ekspertowe, sieci neuronowe, algorytmy genetyczne, systemy rozmyte, inteli-gentni agenci, sieci Bayesowskie, systemy hybrydowe SI. Połczenie rónych dziedzin

sztucznej inteligencji w jednym systemie stwarza moliwo wykorzystania pozytywnych cech jednego podejcia w celu usunicia bd zminimalizowania ogranicze innego. Systemy e-learning mog by stosowane w sieciach komputerowych, mog take uwzgldnia teorie pedagogiczne w procesie uczenia. Systemy e-learning stosowane w sieciach komputero-wych umoliwiaj nauk niezalenie od czasu i miejsca zapewniajc jednoczenie niezalene od czasu i miejsca komunikowanie si pomidzy uczniami i nauczycielem (pomoc nauczyciela w procesie uczenia) oraz pomidzy uczniami (wymian informacji). Realizowane jest to przez systemy kształcenia na odległo (ODL; Open and Distance Learning) oraz asynchroniczne sieci uczce (ALN; (Asynchronous Learning Networks).

Systemy kształcenia na odległo (ODL) zapewniaj proces uczenia z wykorzystaniem Inter-netu (oferujc narzdzia synchroniczne i asynchroniczne), w którym uczniowie i nauczyciel nie musz by obecni w tym samym miejscu oraz mog komunikowa si niezalenie od czasu. Narzdzia asynchroniczne umoliwiaj komunikacj pomidzy uytkownikami niezalenie od czasu. Nie wymagaj obecnoci uczestników w tym samym czasie. S bardzo przydatne dla nauki we własnym tempie, współpracy pomidzy uczniami z rónych stref czasowych. Zapewniaj odpowied refleksyjn. Narzdzia synchroniczne umoliwiaj komunikacj pomidzy uytkowni-kami w tym samym czasie. Wymagaj obecnoci wszystkich uczestników w tym samym czasie. S bardzo przydatne dla „burzy mózgów”` i rozpoczynania nowych działa. Zapewniaj natych-miastow odpowied;

Asynchroniczne sieci uczce ALN (sieci ludzkie umoliwiajce kształcenie na odległo w skali globalnej w dowolnym czasie i dowolnym miejscu) łcz moliwo samokształcenia z interaktywnoci asynchroniczn pomidzy nauczycielem i uczniami oraz pomidzy uczniami.

W procesie uczenia moe by wykorzystywany nauczyciel komputerowy (w miejsce nauczy-ciela opiekuna – człowieka) umoliwiajc indywidualizacj procesu nauczania poprzez wykorzy-stanie rodków sztucznej inteligencji (inteligentny system nauczajcy).

W artykule przedstawione zostały: teorie pedagogiczne umoliwiajce przystosowanie proce-su e-learning do indywidualnych potrzeb uczniów w procesie LLL, rozwój systemów kształcenia wykorzystujcych nowoczesne narzdzia ICT, przykładowe realizacje systemów e-learning takie, jak roboty wiedzy (knowboty), edukacja oparta na komputerze (CBE), agenci pedagogiczni, inteligentny system nauczajcy.

2. Teorie pedagogiczne dla e-learning

2.1. Rola poznawcza komputera w procesie uczenia

Wraz z rozwojem technologii zmieniaj si narzdzia wspomagajce proces uczenia. Sam proces uczenia, z pedagogicznego punktu widzenia, nie zmienia si. Technologie ICT stosowane w edukacji stanowi nowy element dodany do istniejcego zestawu narzdzi wspomagajcych nauczanie. Technologie te powinny by zestawem narzdzi poznawczych, a nie tylko narzdziami do zbierania, magazynowania i przesyłania informacji.

Komputer powinien by wykorzystywany jako narzdzie kreatywne i poznawcze dla wspo-magania uczniów podczas procesu uczenia zapewniajc wysokiej jakoci efektywn nauk. Kom-puter powinien by stosowany w celu wsparcia procesu mylenia oraz dla ułatwienia budowania wiedzy w umyle ludzkim. Proces rozumienia informacji umoliwia tworzenie mechanizmu automatycznej nauki. Zgodnie z teori Andersona moliwe jest wyrónienie nastpujcych dwóch

rodzajów wiedzy: wiedzy deklaratywnej (wiedzie e) oraz wiedzy proceduralnej (wiedzie jak). D. H. Jonassen opracował model dotyczcy narzdzi poznawczych, podobny do modelu Guilforda dla trójwymiarowej struktury umysłu. Model Jonassena zakłada, e narzdzia poznawcze umiesz-czone s w przestrzeni trójwymiarowej (rys. 1).

Rys. 1. NarzĊdzia poznawcze ródło: [7].

Opracowanie programu komputerowego umoliwiajcego wykorzystanie komputera jako na-rzdzia intelektualnego, kreatywnego i poznawczego wymaga znajomoci wiedzy z zakresu technologii komputerowej, wiedzy w zakresie technologii kształcenia oraz wiedzy z zakresu stosowania narzdzi poznawczych

.

2.2. Pedagogiczna teoria Kolb’a

Zgodnie z teori Kolb`a dotyczc uczenia empirycznego uczenie jest procesem za pomoc którego wiedza tworzona jest przez przekształcanie dowiadczenia. Jednym z najbardziej funda-mentalnych wymogów, który ułatwia uczenie jest odpowiednie rodowisko, gdzie uczcy si mog zdoby dowiadczenie W uczeniu empirycznym ucze pozostaje w bezporednim kontakcie ze studiowan rzeczywistoci. Mózg ludzki składa si z dwóch półkul: lewa półkula reprezentuje symbole abstrakcyjne, z kolei prawa półkula reprezentuje rzeczywisto . Proces uczenia nie jest dla kadego identyczny w zwizku z tym wyrónia si róne style uczenia. Dwa wymiary uczenia (konkretny/abstrakcyjny oraz aktywny/refleksyjny), niezalene od siebie, definiuj cztery tryby uczenia (konkretne dowiadczenie, obserwacja refleksyjna, abstrakcyjna konceptualizacja, aktyw-ne eksperymentowanie) oraz cztery rodzaje wiedzy (wiedza przystosowawcza, wiedza rozbiena, wiedza asymilacyjna, wiedza zbiena). Indywidualne style uczenia okrelone s przez tryby uczenia jako: przystosowanie, rozbieno , asymilacja, zbieno .

Dla efektywnego uczenia wymagane jest odpowiednie rodowisko. rodowiska uczenia, które wspieraj cztery tryby uczenia to odpowiednio: afektywnie kompleksowe (koncentruje si na dowiadczaniu tego co wydaje si by profesjonalnym w studiowanej dziedzinie), percepcyjnie

narzdzia poznawcze Nauczyciel Tworzenie Kontrola Ucze Generacja Reprodukcja Pasywno Aktywno

kompleksowe (głównym celem jest zrozumienie, tj. zdolno do definiowania problemów oraz do okrelenia powiza pomidzy pojciami), symbolicznie kompleksowe (ucze jest zaangaowany w prób rozwizania problemu dla którego istnieje poprawna odpowied), behawioralnie kom-pleksowe (główny nacisk kładziony jest na aktywne zastosowanie wiedzy i umiejtnoci do problemu natury praktycznej).

Rys. 2. RóĪne dziedziny akademickie w uczeniu empirycznym ródło: [8].

Uniwersytety klasyfikuj wiedz jako nauki cisłe, inynieri, medycyn, zarzdzanie, sztuk, nauki humanistyczne. Nie jest jednak wiadomo w jaki sposób ludzie ucz si przedmiotowych dziedzin. Natomiast zgodnie z teori pedagogiczn Kolb’a wiedz klasyfikuje si jako: wiedz przystosowawcz, wiedz rozbien, wiedz asymilacyjn oraz wiedz zbien. Kady rodzaj wiedzy zgodnie z teori Kolb’a zajmuje jedn z czterech wiartek (rys. 2) wyznaczon przez strukturalne wymiary uczenia empirycznego. Kada dziedzina akademicka taka, jak fizyka, mate-matyka, historia, inynieria, itp. naley do jednego z rodzajów wiedzy okrelonych przez teori Kolba (moe by umieszczona w jednej wiartek przestrzeni uczenia empirycznego). Taka

klasy-Praca społeczna Historia Matematyka Biznes Fizyka InĪynieria elektrycznoĞci Edukacja PRZYSTOSOWAWCZA _ROZBIEĩNA ASYMILACYJNA ZBIEĩNA

fikacja jest bardzo przydatna dla zaprojektowania odpowiedniego rodowiska uczenia. Na przy-kład nauka przedmiotu z zakresu inynierii (nalecego do wiedzy zbienej) wymaga rodowiska behawioralnie i symbolicznie kompleksowego. Nauka przedmiotu z zakresu nauk cisłych (mate-matyki lub fizyki, które nale do wiedzy asymilacyjnej) wymaga rodowiska symbolicznie i percepcyjnie kompleksowego. Nauka przedmiotu z zakresu ekonomii lub zarzdzania (nalece-go do wiedzy przystosowawczej) wymaga rodowiska afektywnie i behawioralnie kompleksowe-go. Nauka przedmiotu z zakresu nauk humanistycznych (nalecego do wiedzy rozbienej) wyma-ga rodowiska afektywnie i percepcyjnie kompleksowego.

3. Systemy e-learning

Zastosowanie nowoczesnych technologii informacyjnych i komunikacyjnych w procesie uczenia umoliwia rozwój systemów kształcenia. Na rys.3 przedstawione zostały etapy rozwoju systemów kształcenia (realizowanych metod face-to-face i metod korespondencyjn z wykorzystaniem nowych rodków technicznych).

Rys. 3. Etapy rozwoju systemów kształcenia ródło: Opracowanie własne.

Moliwe jest wyrónienie nastpujcych rodzajów systemów kształcenia wykorzystujcych sieci komputerowe:

ze wzgldu na czas w którym odbywa si nauka:

• aplikacje synchroniczne: wymagaj obecnoci uczestników (nauczyciel, uczniowie) pro-cesu uczenia w tym samym czasie;

• aplikacje asynchroniczne: proces uczenia nie wymaga obecnoci uczestników (nauczy-ciel, uczniowie) w tym samym czasie (jest niezaleny od czasu nauki poszczególnych uczestników);

Przeszło Teraniejszo Przyszło

Konwencjonalny nauczyciel Konwencjonalne na odległoĞü Interakcyjne na odległoĞü Edukacja hybrydowa Tele-nauczanie Tele-wykłady

ze wzgldu na miejsce, w którym odbywa si nauka: • nauka poza campusem (off-campus):

very far from campus: uczestnicy procesu uczenia maj zdalny dostp do usług edukacyj-nych oraz wspierajcych,

near campus (bardzo uyteczne dla osób niepełnosprawnych): uczestnicy procesu uczenia maj zdalny dostp do usług edukacyjnych oraz bezporedni dostp (on campus) do usług wspierajcych;

• nauka w campusie (on-campus): ucze ma moliwo uczestniczenia w tradycyjnych wykładach (face-to-face), a take komunikowania si i współpracy z nauczycielem – opiekunem oraz innymi uczniami poprzez wykorzystanie komputera w campusie. Istnieje take moliwo nauki we własnym tempie. Nauka we własnym tempie przeznaczona jest dla uczniów, którzy chc przypieszy nauk, dla tych którzy musz uzupełni braki potrzebnej wiedzy, a take tych, którzy z rónych powodów opuszczaj normalne zajcia; • geograficznie rozproszone grupy kohortowe (bardzo uyteczne w przypadku szczególnie wskich specjalnoci): małe grupy (3–5 osób), geograficznie rozproszone, mog ze sob współpracowa np. w realizacji projektów inynierskich (praca grupowa);

ze wzgldu na czas i miejsce, w którym odbywa si nauka • w tym samym czasie i w tym samym miejscu; • w tym samym czasie i w rónych miejscach; • w rónym czasie i w tym samym miejscu; • w rónym czasie i w rónych miejscach;

ze wzgldu na pomoc nauczyciela-opiekuna w procesie uczenia

• model Stanford: proces nauczania jest transparentny dla wykładowcy (nie absorbuje do-datkowo jego czasu). Wykłady nagrano na kasety wideo, dokonano ich digitalizacji, a nastpnie udostpniono je poprzez Internet w trybie wideo na danie. W tym modelu studenci mog korzysta z wykładów w sposób asynchroniczny, natomiast terminy zada domowych oraz egzaminów s zsynchronizowane z terminami dla studentów uczcych si w campusie lub za porednictwem przekazu telewizyjnego;

• aplikacja e-learning z wykorzystaniem robotów wiedzy (p. 3.1);

• aplikacja e-learning umoĪliwiająca pomoc nauczyciela-opiekuna (człowieka): zapewnia interakcj w trybie asynchronicznym oraz synchronicznym pomidzy uczniami i nauczycielem-opiekunem (człowiekiem) oraz pomidzy uczniami poprzez wykorzysta-nie bogatych rodków komunikacji asynchronicznej i synchronicznej (nauczyciel czło-wiek moe wspiera uczniów w procesie uczenia);

• inteligentny nauczyciel komputerowy (p. 3.4);

3.1. Roboty wiedzy (knowboty)

Powtarzalne zadania wykonywane przez nauczycieli-opiekunów (ludzi) s zautomatyzowane przez zastosowanie inteligentnych agentów softwarowych zwanych robotami wiedzy (knowbota-mi). Knowbot jest to program wykorzystujcy techniki inteligentnego agenta w celu zapewnienia wsparcia dla uczestników kursu (nauczycieli-opiekunów i uczniów). Roboty wiedzy s stosowane w kursach online dla symulacji ludzkich zachowa wykonujc obowizki pomocników w naucza-niu dla rutynowych zada. Wród funkcji, które moe wykonywa knowbot mona wyróni odpowiadanie na proste pytania, sprawdzanie kodu komputerowego, przypominanie uczcym si o koniecznoci i terminach wysłania rozwizanych zada.

Rys. 4. Ogólna charakterystyka systemu knowbot ródło [6].

Knowboty (rys. 4) s umieszczane pomidzy nauczycielem-opiekunem i uczniem umoliwia-jc interakcj. System knowbotów obejmuje nastpuumoliwia-jce składniki: knowbot’y, baz wiedzy, magazyn zada, uytkownika/ucznia, interfejs z nauczycielem-opiekunem (człowiekiem). We-wntrzn architektur knowbotów stanowi agenci interfejsu uytkownika, agenci sprawdzacze

Nauczyciel/ opiekun

Magazyn zada

sprawd zadanie (opcja) powiadomienie (jeli wymaga-ne) interakcja Program planujcy KnowBot’y

(checker) oraz agenci e-mail, a take moduły bazy wiedzy. Agenci interfejsu uytkownika zapew-niaj interfejs przyjazny uytkownikowi stanowic medium komunikacyjne pomidzy uytkowni-kiem i knowbotami. Agenci e-mail tworz i wysyłaj e-mail’e do uczestników kursu (nauczycieli-opiekunów i uczniów). Agenci sprawdzacze s odpowiedzialni za sprawdzanie rozwizanych zada przez uczniów.

Mona wyróni nastpujce typy knowbotów:

¾ Planowania – wysyłaj raport do kadego uczestnika kursu po sprawdzeniu zadania; ¾ Na danie – wywołane przez uczestnika kursu wysyłaj natychmiast wyniki do

dane-go uytkownika;

¾ Pomocnik przekazu – formularze dla przekazania rozwizanego zadania.

Uczniowie chc mie stały dostp do opiekuna online, chc mie natychmiastow odpowied od człowieka lub maszyny. Sprzenie takie moe by zapewnione przez roboty wiedzy w trybie na danie. Autonomiczni inteligentni agenci mog poprawi efektywno nauczania oraz satysfakcj uczniów jednoczenie redukujc koszty.

3.2. Edukacja oparta na komputerze CBE)

Rys. 5. Koncepcja CBE ródło [7].

Zgodnie z koncepcj CBE (rys. 5) uczniowie mog uczy si na róne sposoby z uwzgldnieniem ich stylów uczenia, posiadanej wiedzy, celów i zainteresowa. Uczniowie mog by informowani o ocenie ich wiedzy w zakresie studiowanego materiału z wykorzystaniem logu uczenia. Proces uczenia składa si z dwóch faz: rozumienia konceptualnego i uczenia w głb.

Faza rozumienia konceptualnego umoliwia zrozumienie powiza pomidzy modułami ma-Structura wewntrzna Struktura zewntrzna i problemy Wybór materiału Rozumienie konceptualne styl uczenia wiedza ucznia log uczenia Uczenie w głb Materiał uzupełniajcy 1 Materiał uzupełniajcy 2 Materiał uzupełniajcy 3 Oszacowanie rozumienia Wybór materiału uzupełniaj-cego Temat T eo ria P o k az P rz y k ła d y

teriału dydaktycznego. Składa si ona z nastpujcych czci:

¾ Struktura zewnĊtrzna i problemy - pomaga zrozumie powizania pomidzy materiałem dydaktycznym i innymi kursami w zakresie danego obszaru zainteresowa. Zaprojekto-wana jest dla uczenia problemowego;

¾ Struktura wewnĊtrzna – czyni jawnymi konceptualne powizania pomidzy modułami wiedzy oraz informuje uczniów, które moduły wiedzy powinni pozna wczeniej, aby biecy moduł mógł by zrozumiały.

Faza uczenia w głb umoliwia uczniom korzystanie z trzech rónych sposobów prezentacji materiału, takich jak: teoria, przykłady, pokazy. Uczniowie mog take wybra stosowny materiał uzupełniajcy.

3.3. Agenci pedagogiczni

Rys. 6. Agent pedagogiczny – architektura ródło [6].

Agenci pedagogiczni opieraj si na paradygmacie autonomicznego agenta umoliwiajc bar-dziej naturalne interakcje pomidzy uczniami i inteligentnym materiałem dydaktycznym poprzez wykorzystanie osoby animowanej. Agent pedagogiczny (rys. 6) składa si z dwu elementów: osoby animowanej i silnika wnioskujcego. Osoba animowana moe by wykorzystana oddzielnie lub moe by włczona do wikszej aplikacji. Uytkownik ma moliwo wyboru osoby animo-wanej.

Silnik wnioskujcy wykonuje cały monitoring (włczajc interakcje ucznia) oraz podejmowanie Symulacja Osoba animowana Silnik tekst - mowa Silnik wnioskujący Planujący zada-nia, oceniający Klient ADE Server ADE

PamiĊü: student, osoba, referencja i symulacja

W eb s er v er W eb b ro w se r

decyzji. W systemie z wieloma uytkownikami decyzje silnika wnioskujcego oparte s na modelu ucznia, planie zada i stanowi pocztkowemu pobieranymi z serwera oraz na uaktualnianym biecym stanie agenta.

System e-learning, który wykorzystuje agentów pedagogicznych, zapewnia takie funkcje, jak prezentacja, monitorowanie ucznia, sprzenie zwrotne, porady, wyjanienia. Te moliwoci s połczone z osob animowan wspierajc wielo-modalne interakcje z uczniem. Zalet agentów pedagogicznych w stosunku do konwencjonalnych inteligentnych rodowisk uczenia jest moli-wo bardziej naturalnych interakcji pomidzy uczniami i inteligentnym materiałem dydaktycz-nym. Przykładowy system zastosowany w medycynie został zaprojektowany do współpracy z symulacjami edukacyjnymi opartymi na sieci web.

3.3.1. Inteligentny nauczyciel komputerowy

Inteligentny system nauczajcy (nauczyciel komputerowy) umoliwia cigł adaptacj proce-su uczenia do indywidualnych potrzeb ucznia i jego charakterystyki. Na rys. 7 została przedsta-wiona koncepcja takiego systemu. Inteligentny system nauczajcy zgodnie z t koncepcj składa si z nastpujcych składników: silnika uczcego, modelu uytkownika (ucznia), bazy wiedzy, bazy metod oraz modułów: oceny, prezentacji i komunikacji.

Rys. 7. Inteligentny System Nauczający – architektura ródło: Opracowanie własne.

Silnik uczcy jest wykorzystywany do sterowania, kontroli i koordynacji wszystkich składni-ków. Baza wiedzy zawiera materiał dydaktyczny. Baza metod zawiera róne koncepcje i metody dydaktyczne wspomagajce nauczycieli. W praktyce nauczyciele wykorzystuj wicej ni jedn metod nauczania zgodnie z typem wiedzy dziedzinowej. Zmieniaj take metod nauczania dla tej samej partii materiału dydaktycznego dostosowujc si do rónych stylów uczenia si. Składnik prezentacja umoliwia generacj i prezentacj materiału dydaktycznego na róne sposoby.

Prezentacja Silnik uczący Ocena Komunikacja Model uĪytkownika Baza metod Baza wiedzy

Składnik komunikacja okrela poziom interaktywnoci rodowiska uczenia. Składnik ocena okrela poziom wiedzy ucznia zapewniajc stosowne testy. Model ucznia przechowuje informacje dotyczce indywidualnego ucznia, stanowi zbiór parametrów zawierajcych informacje charakte-ryzujce ucznia odzwierciedla biecy stan wiedzy ucznia. Wyrónia si róne rodzaje modeli ucznia. W modelu nakładkowym wiedza ucznia stanowi podzbiór wiedzy eksperta. W modelu dewiacyjnym wiedza ucznia składa si z podzbioru wiedzy eksperta oraz błdnej wiedzy ucznia.

Inteligencja takiego systemu nauczajcego zawiera si w podejmowanych przez niego decy-zjach pedagogicznych, jak uczy na podstawie gromadzonej o uczniach informacji. Inteligentny system nauczajcy, poprzez wykorzystanie rodków sztucznej inteligencji, zapewnia uczniom automatyczny tutoring (interakcja od materiału dydaktycznego). Uczniowie mog do interakcji z materiałem dydaktycznym wykorzystywa szereg rónorodnych rodków. Mog wybiera form prezentacji materiału dydaktycznego (teoria, przykłady, pokaz), wybiera stosowny materiał uzupełniajcy wykorzystujc bogate mechanizmy wyszukiwa, ustawia parametry dla symulacji. Ucze uczy si wykorzystujc inteligentny system nauczajcy poprzez rozwizywanie pro-blemów. System porównuje swoje rozwizanie z rozwizaniem ucznia, przygotowuje diagnoz, wysyła zwrotnie stosown informacj, uaktualnia model ucznia, okrela nastpn parti materiału do nauki i sposób jej prezentacji. Nastpnie wybiera problemy do rozwizania przez ucznia i cały cykl zostaje powtórzony.

ISN przystosowuje w sposób optymalny materiał dydaktyczny (personalizacja e-content) do indywidualnego ucznia (z uwzgldnieniem wiedzy i zdolnoci ucznia). ISN sprawdza wiedz ucznia i uczy go w sposób optymalny

4. Podsumowanie

W zalenoci od wymaga dotyczcych kształcenia z wykorzystaniem narzdzi ICT mog by stosowane róne rodzaje systemów e-learning usprawniajce proces uczenia (przedstawione w artykule) takie, jak systemy uywajce roboty wiedzy, systemy z agentami pedagogicznymi, systemy CBE, inteligentny nauczyciel komputerowy.

Wykorzystanie nowoczesnych narzdzi ICT w procesie uczenia zapewnia niezaleno nauki od czasu i miejsca, a take znacznie ułatwia nauk zapewniajc wysokiej jakoci kształcenie przez całe ycie (take osobom dorosłym pracujcym). Uwzgldnienie teorii pedagogicznych w procesie uczenia zapewnia twórczy i kreatywny charakter nauki. Zastosowanie rodków sztucznej inteli-gencji umoliwia indywidualizacj procesu uczenia (szczególnie wane dla osób niepełnospraw-nych).

Wysokiej jakoci proces uczenia wsparty przez nowe technologie informacyjne i komunikacyjne stanowi podstaw dla rozwoju społeczestwa informacyjnego.

Bibliografia

[1] Chec, J., Creative and Cognitive Aspects of E-Learning Process. European Distance Educa-tion Network Conference, Vienna, Austria, 2006.

[2] Chec J., Individualization of E-Learning Process in New Learning Cultures. 17th EDEN Annual Conference. Lisbon, Portugalia, 2008.

[3] Ch J., Intelligent Educational Systems Used in Networks. International Conference T.E.L.’04, Milano, Włochy, 2004.

Classroom Conference, Poitiers, Francja, 2005.

[5] Chec J., ODL System for Engineering Postgraduate Studies. 19th International Conference on Technology and Education. Florida State University, USA, 2001.

[6] JALN, ALN Magazine. Vanderbilt University, USA, 2000.

[7] Joyce, B., Calhoun E., Hopkins D., Models of Learning – Tools for Teaching, Buckingham. Open University Press, 1997.

[8] Kolb, D. A., Experiential Learning. Prentice-Hall, 1984.

[9] Minoli, D., Distance Learning. Technology and Application. Teleport Communication. Group, Stevens Institute of Technology, Artech House, Inc., 1996.

[10] Sternberg R. J. Psychologia poznawcza. WSiP, Warszawa, 2001.

E-LEARNING IN LLL EDUCATION Summary

Development of new information and communications technologies en abled the birth of new tools supporting learning process. Learning Systems using these new tools are called e-learning systems. They can be used in computer networksensuring learning for anyone independebly on time and place.

These tools should anable creative and cognitive learning process by the use of pedagogical theories Use of artificial intrlligence means ensures high qualityindi-vidualization of learning process.

Nowadays quickly developing different fields of knowledge require continuous updatingthat is ensured by LLL (Life Long Learning ) process.

Keywords: e-learning systems; Life Long Learning process (LLL process); pedagogical theories for learning process; computer based education (CBE); knowledge robots; pedagogi-cal agents; intelligent computer teacher

Jolanta Ch Zakład Z-8 Instytut Łcznoci

ul. Jakowa Dolina 15, 80-252 Gdask e-mail: j.chec@itl.waw.pl