Streszczenie
Nowoczesne systemy e-learning wykorzystują nowe technologie informacyjne i komunikacyjne (ICT) dla usprawnienia procesu kształcenia. Opracowany Inteli-gentny System Nauczający (ISN) zapewnia optymalną naukĊ (umoĪliwiając indywi-dualizacjĊ procesu uczenia) poprzez zastosowanie narzĊdzi sztucznej inteligencji. WaĪne jest utworzenie odpowiedniego Ğrodowiska uczenia z uwzglĊdnieniem teorii pedagogicznych dotyczących procesu uczenia (zapewniając jego twórczy i poznaw-czy charakter).
Specjalizowane systemy e-learning (umoĪliwiając indywidualizacjĊ procesu uczenia z uwzglĊdnieniem rodzaju niepełnosprawnoĞci) są szczególnie przydatne w edukacji osób niepełnosprawnych.
Słowa kluczowe: specjalizowane systemy e-learning, teorie pedagogiczne dla procesu uczenia; e-edukacja osób niepełnosprawnych, inteligentny system nauczajcy, inteligentne rodowiska uczenia, indywidualizacja procesu uczenia 1. Wprowadzenie
Szybki rozwój nowych technologii informacyjnych i komunikacyjnych umoliwił powstanie nowych form edukacji realizowanych przez systemy e-learning. Systemy e-learning mog wyko-rzystywa róne dziedziny sztucznej inteligencji w rónych fazach procesu e-learning ułatwiajc nauk. Utworzone w ten sposób systemy nauczajce z inteligencj umoliwiaj indywidualizacj procesu e-learning zapewniajc optymalny proces uczenia dla kadego ucznia. Indywidualizacja procesu uczenia moe by realizowana w nastpujcy sposób: przez wykorzystanie struktury punktów wzłowych oraz przez inteligentne systemy e-learning (wykorzystujce modele uczniów).
E-learning stwarza olbrzymie moliwoci dla osób niepełnosprawnych zapewniajc indywi-dualizacj procesu e-learning (uwzgldniajc posiadan przez ucznia wiedz, dowiadczenie, pre-ferencje, zwyczaje i style uczenia zgodnie z teoriami pedagogicznymi dotyczcymi procesu ucze-nia). Systemy e-learning mog, po specjalnej adaptacji do potrzeb osób niepełnosprawnych, za-pewnia osobom niepełnosprawnym twórczy, efektywny i wygodny proces uczenia.
W artykule przeanalizowane zostały cechy istniejcych systemów e-learning, opracowanych dla osób zdrowych, pod ktem ich wykorzystania w procesie uczenia osób niepełnosprawnych. Przedstawiony został Inteligentny System Nauczajcy opracowany w celu optymalizacji procesu nauczania. Zaprezentowane zostały przykładowe rozwizania systemów e-learning dla osób nie-pełnosprawnych. Omówiona została moliwo przystosowania inteligentnych systemów e-learning do potrzeb uczniów niepełnosprawnych.
2. Systemy e-learning
Istniejce systemy e-learning dla osób zdrowych posiadaj szereg właciwoci równie bardzo korzystnych dla kształcenia osób niepełnosprawnych. Szczególnie przydatna jest, oferowana przez te systemy, moliwo indywidualizacji kształcenia (np. poprzez tworzenie modelu ucznia wyko-rzystywanego w procesie e-learning oraz poprzez zastosowanie struktury punktów wzłowych do prezentacji materiału dydaktycznego) w tempie dostosowanym do konkretnego ucznia z uwzgld-nieniem jego stylu uczenia oraz posiadanej przez niego wiedzy, niezalenie od czasu i miejsca.
W celu zapewnienia optymalnego procesu uczenia systemy e-learning powinny uwzgldnia : pedagogiczne aspekty procesu uczenia zgodnie z teoriami pedagogicznymi (np. pedagogiczn teo-ri Kolb’a) oraz moliwoci oferowane przez narzdzia sztucznej inteligencji (np. sieci uczce z inteligencj wykorzystujce knowboty).
2.1. Wykorzystanie sztucznej inteligencji
Tabela 1. Porównanie dziedzin Sztucznej Inteligencji
Główne cechy
Dziedziny Sztucznej Inteligencji Sieci neuronowe Algorytmy genetyczne Systemy rozmyte Systemy eksperckie Przetworzenie wiedzy
niepewnej i nieprecyzyjnej bardzo dobre dostateczne bardzo dobre złe Automatyzacja akwizycji
wiedzy bardzo dobre bardzo dobre zła zła
Wyjanienie czego? złe dostateczne dobre bardzo dobre ródło: [10].
Wykorzystanie sztucznej inteligencji [10] w edukacji umoliwia tworzenie wysokiej jakoci systemów edukacyjnych z inteligencj. Narzdzia sztucznej inteligencji zapewniaj indywidualizacj procesu uczenia zgodnie z potrzebami i charakterystyk ucznia. Indywidualizacja procesu uczenia obejmuje: personalizacj e-content (zgodnie z potrzebami ucznia, aktualn wiedz ucznia, stylem uczenia si, dowiadczeniem ucznia, jego preferencjami, jego przyzwyczajeniami) oraz nauk we własnym tempie Poszczególne dziedziny sztucznej inteligencji mog zosta wykorzystane do usprawnienia rónych faz procesu uczenia. Porównanie cech rónych dziedzin sztucznej inteligencji zostało przedstawione w tabeli 1.
Kada z dziedzin sztucznej inteligencji posiada pewne zalety i ograniczenia przy rozwizywaniu złoonych problemów. Połczenie rónych dziedzin sztucznej inteligencji w jednym systemie prowadzi do systemów hybrydowych, w których wykorzystuje si pozytywne cechy jednego podejcia, aby usun bd zminimalizowa ograniczenia innego. Połczenie rónych dziedzin sztucznej inteligencji w jednym systemie stwarza moliwo m.in. adaptacji do zmieniajcego si rodowiska. Dlatego systemy takie nazywa si inteligentnymi.
Opracowane zostały róne rozwizania systemów inteligentnych (realizujce zadania czstkowe) dla usprawnienia procesu e-learning. Roboty wiedzy wykorzystuj techniki inteligentnego agenta, umoliwiajc automatyzacj rutynowych zada realizowanych przez tutora-człowieka. Systemy instruktaowe s systemami eksperckimi. Agenci pedagogiczni opieraj si na paradygmacie autonomicznego agenta umoliwiajc naturalne interakcje z uczniami. Sieci
bayesowskie mog by wykorzystywane do przechowywania informacji o wiedzy ucznia. Metody rozmyte mog by zastosowane do reprezentacji niepewnoci w modelu ucznia. Sieci neuronowe jako sieci samoorganizujce si mog pomaga uczniom w znalezieniu stosownych materiałów uzupełniajcych w sieci web. Sieci neuronowe mog słuy take do monitorowania indywidualnych postpów w ramach kursów e-learning.
2.2. Indywidualizacja procesu uczenia
Indywidualizacja procesu uczenia iest szczególnie wana i przydatna dla edukacji osób niepełnosprawnych. Indywidualizacja procesu uczenia moe by zrealizowana na dwa sposoby.
Rysunek 1. Przykładowa organizacja wĊzłowa ródło: Opracowanie własne.
W pierwszym indywidualizacja procesu uczenia jest wykonywana przez samego ucznia wy-korzystujcego organizacj wzłow wiedzy (rys. 1). W organizacji wzłowej brak jest centralne-go punktu oraz pocztku i koca. Pozwala to na interdyscyplinarne przedstawienie wiedzy poprzez pokazanie zwizków pomidzy rónymi partiami wiedzy, które wydaj si by zbyt odległe. W ten sposób stwarza warunki do twórczego procesu kształcenia (mylenie twórcze). Organizacja w-złowa umoliwia uczcemu si podejmowanie decyzji w trakcie uczenia. Daje tym samym ucz-niowi moliwo dokonywania wyboru drogi uczenia si przez co zapewnia wysokiej jakoci in-dywidualizacj procesu kształcenia.
W drugim sposobie indywidualizacja procesu uczenia jest wykonywana przez Inteligentny System Nauczajcy z wykorzystaniem modeli uczniów. Inteligentny System Nauczajcy [3] (nau-czyciel komputerowy) umoliwia cigł adaptacj procesu uczenia do indywidualnych potrzeb ucznia i jego charakterystyki. (p. 2.3.)
2.3. Inteligentny System Nauczający (ISN)
Na rysunku 2 została przedstawiona koncepcja takiego systemu zgodna z opracowan przez IEEE LTSC specyfikacj architektury systemów DL. Inteligentny System Nauczajcy zgodnie z t koncepcj składa si z nastpujcych składników: silnika uczcego, modelu uytkownika (ucznia), bazy wiedzy, bazy metod, oceny, prezentacji i komunikacji.
Rysunek 2. 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. Skład-nik komuSkład-nikacja okrela poziom interaktywnoci rodowiska uczenia. SkładSkład-nik ocena okrela po-ziom wiedzy ucznia zapewniajc stosowne testy. Model ucznia [8] przechowuje informacje doty-czce indywidualnego ucznia, stanowi zbiór parametrów zawierajcych informacje charakteryzu-jce ucznia (wyrónia si nastpucharakteryzu-jce klasy parametrów w modelu ucznia: parametry profesjonal-ne, parametry psychologiczprofesjonal-ne, parametry fizjologiczprofesjonal-ne, parametry demograficzne), odzwierciedla biecy stan wiedzy ucznia. Wyrónia si róne rodzaje modeli ucznia (rys. 3). W modelu nakład-kowym wiedza ucznia stanowi podzbiór wiedzy eksperta. W modelu dewiacyjnym wiedza ucznia składa si z podzbioru wiedzy eksperta oraz błdnej wiedzy ucznia.
Prezentacja Silnik uczący Ocena Komunikacja Model uĪytkownika Baza metod Baza wiedzy
Rysunek 3. Modele uczniów ródło [8].
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), mog wybiera stosowny materiał uzupełniajcy wykorzystujc bogate mechanizmy wyszukiwa, ustawia parametry dla symulacji. Ucze wykorzystuje inteligentny system nauczajcy do nauki 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.
3. ĝrodowiska uczenia
Dla edukacji osób niepełnosprawnych szczególnie istotne jest uworzenie odpowiedniego ro-dowiska uczenia (z uwzgldnieniem teorii pedagogicznych). Tworzenie inteligentnych rodowisk uczenia zapewniajcych indywidualizacj procesu uczenia wymaga uwzgldnienia aspektów pe-dagogicznych. Pedagogiczna teoria Kolb’a jest bardzo uyteczna dla tworzenia przyjaznych ro-dowisk uczenia, ułatwiajcych proces uczenia z uwzgldnieniem typów wiedzy i stylów uczenia.
Zgodnie z teori Kolb`a [9] dotyczc uczenia empirycznego uczenie jest procesem, za pomo-c którego wiedza tworzona jest przez przekształcanie dowiadczenia. Jednym z najbardziej fun-damentalnych wymogów, który ułatwia uczenie jest odpowiednie rodowisko, gdzie uczcy si mog zdoby dowiadczenie W uczeniu empirycznym ucze pozostaje w bezporednim kontakcie
Wiedza
eksperta
Wiedza
ucznia
a) Nakładkowy model ucznia b) Dewiacyjny model ucznia
BłĊdna
wiedza
ucznia
Wiedza
eksperta
Wiedza
wspólna
ucznia i
eksperta
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. Na rysunku 4 przed-stawione zostały dwa prostopadłe wymiary uczenia (konkretny/abstrakcyjny oraz aktyw-ny/refleksyjny), niezalene od siebie, definiujce cztery tryby uczenia oraz cztery rodzaje wiedzy. Te cztery tryby uczenia to: konkretne dowiadczenie, obserwacja refleksyjna, abstrakcyjna kon-ceptualizacja, aktywne 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 przedstawione na rysunku 4 to odpowiednio: afektywnie komplek-sowe (koncentruje si na dowiadczaniu tego co wydaje si by profesjonalnym w studiowanej dziedzinie), percepcyjnie kompleksowe (głównym celem jest zrozumienie, tj. zdolno do defi-niowania problemów oraz do okrelenia powiza pomidzy pojciami), symbolicznie komplek-sowe (ucze jest zaangaowany w prób rozwizania problemu dla którego istnieje poprawna od-powied), behawioralnie kompleksowe (główny nacisk kładziony jest na aktywne zastosowanie wiedzy i umiejtnoci do problemu natury praktycznej).
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 Kolba wiedz klasyfikuje si jako: wiedz przystosowawcz, wiedz rozbien, wiedz asymilacyjn oraz wiedz zbien.
Kady rodzaj wiedzy zgodnie z teori Kolba zajmuje jedn z czterech wiartek wyznaczon przez strukturalne wymiary uczenia empirycznego. Kada dziedzina akademicka taka, jak fizyka, matematyka, historia, inynieria, itp. naley do jednego z rodzajów wiedzy okrelonych przez teo-ri Kolba (moe by umieszczona w jednej z wiartek przestrzeni uczenia empirycznego). Taka klasyfikacja jest bardzo przydatna dla zaprojektowania odpowiedniego rodowiska uczenia. Na przykład nauka przedmiotu z zakresu inynierii (nalecego do wiedzy zbienej) wymaga rodo-wiska behawioralnie i symbolicznie kompleksowego. Nauka przedmiotu z zakresu nauk cisłych (matematyki 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) wy-maga rodowiska afektywnie i percepcyjnie kompleksowego.
Rysunek 4. Pedagogiczna teoria Kolb'a ródło: [9].
Kade rodowisko uczenia moe by scharakteryzowane przez główne i drugorzdne cechy (tabela 2). rodowiska uczenia zapewniaj nastpujce główne cechy:
• rozwiązanie problemu krok po kroku – jest zapewniane przez behawioralnie komplekso-we rodowisko uczenia;
• ogniskowanie siĊ na procesie – jest zapewniane przez percepcyjnie kompleksowe rodo-wisko uczenia;
• dyskusje w małych grupach – s zapewniane przez afektywnie kompleksowe rodowisko uczenia;
• narzĊdzie symboliczne – jest zapewniane przez symbolicznie kompleksowe rodowisko uczenia.
Wybór odpowiednich cech rodowiska zaley od typu wiedzy, do której naley obiekt uczcy oraz charakterystyki uczniów (style uczenia, cele, preferencje, dowiadczenie). [6]
AFEKTYWNIE KOMPLEKSOWE Konkretne dowiadczenie Wiedza przysto-sowawcza Wiedza roz-biena Wiedza zbiena Wiedza asymilacyjna Aktywne eksperymentowanie Obserwacja refleksyjna Abstrakcyjna konceptualizacja SYMBOLICZNIE KOMPLEKSOWE BEHAVIORALNIE KOMPLEKSOWE PERCEPCYJNIE KOMPLEKSOWE
Tabela 2. Cechy Ğrodowiska uczenia
Cechy rodowiska Behavioralne Afektywne Symboliczne Percepcyjne
Zapisy wykładów Slajdy, tekst Slajdy, tekst z audio Slajdy, tekst z audio i wideo
S - - S - - S - - S - - Teoria do odczytu S S Studia przypadku S S
wiczenia, zadania domowe, kwizy S S
Wizualizacja S S Animacja S S Symulacja S S Partnerski feedback S Personalizowany feedback S Dzielone odczucia S
Zrczno /aktywne rozwizanie problemu S Nauczyciel jako korepetytor/pomocnik S Nauczyciel jako ekspert/interpretator S
Nauczyciel jako przewodnik S S
Nauczyciel jako model zawodu S
Rozmowa ekspercka/seminarium S
Autonomiczny (samokształcenie) ucze S S
Ucze myli samodzielnie S
Dowiadczenia ucznia bdce profesjonalnymi S
Ucze okrela własne kryteria powiza S
Ogniskowanie si na procesie P
Ogniskowanie si informacji na zadaniach i ich
reali-zacja S S
Narzdzie symboliczne P
ródło informacji jest tutaj i teraz S
Dyskusje w małych grupach P
Konferowanie Przekaz synchroniczny
Wykonanie ocenianie jako poprawne lub błdne S Rozwizanie problemu krok po kroku P
P – Cecha główna, S – Cecha drugorzdna. ródło: Opracowanie własne.
4. Specjalizowane systemy e-learning dla osób niepełnosprawnych
Systemy e-learning s szczególnie przydatne w edukacji osób niepełnosprawnych. Daj mo-liwo komunikowania si z nauczycielem drog elektroniczn (porady, wskazówki). Jest wiele moliwoci przystosowania istniejcych systemów e-learning opracowanych dla osób zdrowych (w szczególnoci zapewniajcych indywidualizacj procesu uczenia p. 2.2 i 2.3, co jest szczegól-nie korzystne w kształceniu osób szczegól-niepełnosprawnych) do potrzeb osób szczegól-niepełnosprawnych ze szczególnym uwzgldnieniem wykorzystania narzdów zdrowych w procesie kształcenia eliminu-jc niedogodnoci zwizane z niesprawnymi lub nie w pełni sprawnymi narzdami.
Osoby z ograniczonymi moliwociami poruszania si mog zdobywa wiedz uczc si w domu. Poniej zostały omówione przykładowe rozwizania systemów e-learning w kształceniu osób niewidomych (niedowidzcych) oraz osób nie słyszcych (niedosłyszcych).
4.1. E-learning dla osób niewidomych
W Instytucie Technologii Edukacyjnych w Palermo (Włochy) [1] opracowane zostało on-linowe rodowisko uczenia dla osób niewidomych (realizacja praktyczna). Oparte jest ono na sieci Web. Umoliwia łatwiejsze rozumienie materiału dydaktycznego i interakcje. Oparte jest na archi-tekturze klient-serwer. Komunikacja wykorzystuje protokoły internetowe: http i tcp/ip. Wszystkie moduły opracowane zostały w jzyku Java.
Interfejs głosowy i narzdzia wykorzystujce interfejs głosowy (rys. 5) zostały opracowane umoliwiajc osobom niewidomym komunikacj synchroniczn i asynchroniczn, odszukiwanie informacji przy wykorzystaniu Internetu oraz surfowanie w sieci Web. Uczniowie mog w pełni uczestniczy w pracy grupowej. Zaprojektowane zostały take narzdzia umoliwiajce przygo-towanie nowych kursów dla osób niewidomych oraz narzdzia dla zarzdzania tymi kursami. 4.2. E-learning dla osób niesłyszących
W Słowenii [7] jest 6000 osób niesłyszcych i niedosłyszcych (według danych Biura ds. osób niepełnosprawnych i przewlekle chorych).
Słowenia uczestniczyła w niektórych programach midzynarodowych dotyczcych edukacji osób niesłyszcych i niedosłyszcych takich, jak
• VISIOCOM (Video Supported Online Communities) – projekt PHARE oferujcy: narz-dzia dla wielopunktowych wideo-konferencji opartych na web, a take nauk z pomoc tutorów;
• BITEMA (Bilingual Teaching Material for Deaf by means of ICT) – projekt SOCRATES GRUNDTVIG w ramach, którego opracowany został prototyp interfejsu uytkownika dla niesłyszcych uczniów wykorzystujcy jzyk migowy. Przeprowadzona została ankiety-zacja i testy dotyczce procesu uczenia osób niesłyszcych. Lepsze wyniki zostały osi-gnite przez uczniów niesłyszcych uczcych si z wykorzystaniem systemów e-learning ni uczniów uczcych si metod tradycyjn. Systemy e-learning s bardzo uyteczne dla edukacji i rehabilitacji osób niesłyszcych.
Rysunek 5. Interfejs głosowy ródło: [1]. Wiadomo zapamitana Ładowanie wiadomoci Punkty rozszerze Typ wiadomoci Moduł komunikacyjny Nastpna wiadomo Dostp do wiadomoci Wylij wiadomo Pobierz wiadomo Wyszukiwanie głosowe Przeglądarka Web Głosowy chat Konwersja wiadomoci Uytkownik Silnik wyszukujcy Serwer wiadomoci Wyszukiwanie dokumentów Odnalezienie wybranego dokumentu Utworzenie przegldu wyniku Analiza wyników
Przegld strony Web Analiza dokumentów
Serwer usługowy Dołcz si do pomieszczeniachat Wykorzystaj pomieszczenie chat Wylij wiadomo Punkty rozszerze Typ wiadomoci Wylij wiadomo uytkownika Wylij przeformatowan wiadomo Serwer chat
5. ZakoĔczenie
Bardzo wane jest zdobycie odpowiedniego zawodu przez osoby niepełnosprawne umoliwia-jcego im póniejsz prac. Moliwoci takie stwarza stosowna edukacja. Szczególnie istotn rol mog tu odegra systemy e-learning uwzgldniajce potrzeby osób niepełnosprawnych. Systemy takie powinny opiera si na wykorzystaniu funkcji narzdów sprawnych i zdrowych eliminujc lub minimalizujc niesprawnoci utrudniajce proces kształcenia.
Systemy e-learning umoliwiajce nauk we własnym tempie, niezalenie od czasu i miejsca mog by bardzo pomocne w edukacji osób niepełnosprawnych. Systemy takie powinny zosta zaadaptowane z uwzgldnieniem rónych rodzajów niesprawnoci (np. dla osób niewidomych wykorzystanie specjalnych drukarek i klawiatur umoliwiajcych uywanie alfabetu Braille, take zastosowanie interfejsu głosowego i specjalnych narzdzi wykorzystujcych ten interfejs; dla osób niesłyszcych wykorzystanie prezentacji wizualnych takich, jak prezentacje video wykorzystujce jzyk migowy, obrazki, animacje, tekst) umoliwiajc osobom niepełnosprawnym efektywny pro-ces uczenia. Opracowane ju zostały pewne rozwizania systemów e-learning uwzgldniajce ró-ne rodzaje niesprawnoci (p.4.1 i p.4.2).
Uwaam, e istniejce inteligentne systemy e-learning wykorzystujce modele uczniów po-winny by zaadaptowane dla osób niepełnosprawnych z uwzgldnieniem rodzaju niesprawnoci. W ten sposób osoby niepełnosprawne bd mogły wykorzystywa funkcje oferowane osobom zdrowym (bez niesprawnoci) przez takie systemy. Zapewni to osobom niepełnosprawnym wyso-kiej jakoci proces uczenia o zindywidualizowanym i twórczym charakterze.
Bibliografia
[1] Arrio M. E-Learning Accessibility for blind students. Recent Research Development in Learning Technologies, 2005.
[2] Chec J.Creative and Cognitive Aspects of E-Learning Process. International EDEN Annual 2006 Conference. Vienna, Austria, 2006.
[3] Ch J.: Intelligent Computer Teacher in E-Learning Systems. 10th International Conference IC L 2007. Villach, Austria, 2007.
[4] Ch J., New Roles of a Teacher in E-Learning Systems. 5th International EDEN Open 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] Chec J.: Use of Artificial Intelligence in New Learning Environments. International Conference T.E.L.’03. Mediolan, 2003.
[7] Debevc M., Dugonic B. Use of Information and Communication Technology In Deaf and Hard of Hearing Education in Slovenia,brak wydawcy.
[8] Joyce B., Calhoun E. and Hopkins D. Models of learning – tools for teaching. Open University Press, Buckingham, 1997.
[9] Kolb D. A. Experiential Learning. Prientice Hall,1984.
USE OF E-LEARNING SYSTEMS FOR EDUCATION OF DISABLED PERSONS Summary
Modern e-learning systems use new information and communications technolo-gies (ICT) for improvement of education process. Elaborated Intelligent Teaching System (ISN) ensures optimum learning (enabling individualization of learning pro-cess) by the use of artificial intelligence tools). Creation of appropriate learning en-vironment considering pedagogical theories of learning process is important (ensur-ing its creative and cognitive nature)
Specialized e-learning systems (enabling individualization of learning process and considering kind of disability) are especially useful in education of disabled persons.
Keywords: specialized e-learning systems; pedagogical theories for learning process; e-education of disabled persons, intelligent teaching system, intelligent learning environments, individualizationj of learning process
Jolanta Ch Instytut Łcznosci Zakład Z-8
ul. Jakowa Dolina 15, 80-252 Gdask e-mail: J.Chec@itl.waw.pl
