ZEKİ ÖĞRETİM SİSTEMLERİ NDE KULLANICI MODELİ

ZEKİ ÖĞRETİM SİSTEMLERİ NDE KULLANICI MODELİ Bahattin Dağ *, Kadir Erkan **, Funda Dağ * * Uzman, Tübitak UEKAE, 41470 Gebze KOCAELİ, 2626481000, bdag@uekae.tubitak.gov.tr, bahattin@gmail.com ** Doç.Dr., Kocaeli Üniversitesi, Uzaktan Eğitim Araştırma ve Uygulama Merkezi, KOU Umuttepe Yerleşkesi 41380 Umuttepe-İZMİT, 2623031281,fax:2623031283, erkan@kou.edu.tr * Öğr.Gör., Kocaeli Üniversitesi, Enformatik Bölümü, KOU Umuttepe Yerleşkesi 41380 Umuttepe-İZMİT, 2623031296, fax:2623031283, fundadag@kou.edu.tr ÖZET Bu makalede, ZÖS ve UÖS için kullanıcı modeli incelenmiştir. Modelin nasıl kurulduğu, nasıl ilklendirildiği, nasıl güncellendiği açıklanmıştır. Bu işlemler için kullanılan modelleme yaklaşımlarından bahsedilmiş ve oluşturulan kullanıcı modelinin değerlendirilmesi için bugüne kadar yapılan çalışmaların incelenmesi sonucu elde edilen temel kriterler sıralanmıştır. Verimli ve etkili öğretim için öğretim sisteminin kullanıcı modeli, kullanıcının bilgi seviyesini, psikolojik karakteristiklerini, öğrenme stilini ve hızını, öğrenme yeteneğini, stratejisini sezebilecek bir yapıda tasarlanmalıdır. Modeli oluşturan kavramların çokluğu ve karmaşıklığı göz önüne alındığında kullanıcı modelinin oluşturulmasının zorluğu ortaya çıkmaktadır. Bu sebeple son yıllarda ZÖS ve UÖS alanlarında yapılan çalışmalar kullanıcı modelinin daha kapsamlı ve etkili hale getirilmesi yönüne kaymaktadır. Bu makalede ortaya konulan çalışmanın bu alanda çalışan kişilere temel kaynak oluşturması açısından faydalı olacağı düşünülmektedir. Anahtar Kelimeler: Kullanıcı Modeli, Öğrenci Modeli, Uyarlanabilir Öğretim Sistemi, Zeki Öğretim Sistemi. USER MODELLING FOR INTELLIGENT TUTORING SYSTEM ABSTRACT The most important component of Intelligent Tutoring Systems (ITS) or Adaptive Learning Systems (ALS) is student or user model that is researched in this article. Scope, realization, realization methods and update and evaluation methods of user modelling is researched and discussed. Construction of user model, initialization of user model, update of user model are explained. ITS and ALS are composed of several component. The most important component of these system is user model. Scope of user model, modelling approaches, initialization of user model, update of user model are important factors for adaptivity and intelligence of learning system. User model should be constituted to understand learner s knowledge level, pyscological charactestics, learning style for effective learning. Construction of user model is difficult due to concepts abundance and complexity. Because of that reason, the researches about user model scope and productivity are increased in last years. User modelling approaches and evaluation of user models are investigated. Keywords: User model, Student model, Adaptive Learning System, Intelligent tutoring system. 1

1. GİRİŞ Bu makalede, Zeki Öğretim Sistemleri (ZÖS) nin en önemli bileşeni olarak kabul edilen kullanıcı modelinin kapsamı, nasıl gerçeklendiği, gerçeklemede kullanılan yaklaşımlar, modelin güncellenmesi ve değerlendirme kriterleri incelenmiştir. ZÖS; Internet teknolojilerinin hızlı gelişimi sonucu artık web-tabanlı ZÖS veya başka bir yaklaşımla Uyarlanabilir Öğretim Sistemleri (UÖS) kişinin bilgi seviyesine uygun olarak öğretim materyellerinin düzenlenmesini sağlayan, yapay zeka, öğretim teknolojileri ve bilgisayar teknolojileri ortak oluşumunda incelenen yeni bir araştırma alanı olarak bilimsel platformlarda yer almaktadır. UÖS veya ZÖS birden fazla bilim dalı ile ilgili olduğundan, oluşumu birden fazla bileşenin bir araya gelmesiyle olmaktadır. Bu tip öğretim sistemlerinin anahtar bileşeni Kullanıcı Modeli olmaktadır (Kavcic, 2000). Kullanıcı modelinin kapsamı, modellemede kullanılan yaklaşım, modelin ilklendirilmesi ve güncellenme şekli öğretim sisteminin zekasını veya uyarlanabilir olma yeteneğini belirlemede en önemli etkendir. Verimli ve etkili öğretim için öğretim sisteminin kullanıcı modeli, kullanıcının bilgi seviyesini, psikolojik karakteristiğini, öğrenme stilini ve hızını, öğrenme yeteneğini, stratejisini sezebilecek bir yapıda tasarlanmalıdır (Zaitseva & Boule, 2003). Modeli oluşturan kavramların çokluğu ve karmaşıklığı göz önüne alındığında kullanıcı modelinin oluşturulmasının zorluğu ortaya çıkmaktadır (Weber & Specht, 1997). Bu sebeple son yıllarda ZÖS ve UÖS alanlarında yapılan çalışmalar kulanıcı modelinin daha kapsamlı ve etkili hale getirilmesi yönüne kaymaktadır. Bu makalede, ZÖS leri alanında çalışan kişilere temel kaynak oluşturması amacıyla kullanıcı modeli ile ilgili tasarım kriterleri ortaya konmuştur. 2. Kullanıcı Modeli Kullanıcı modeli, öğrencinin sahip olduğu bilgi seviyesini tahmin etmek için kullanılan ZÖS bileşenidir. Model gerçek dünyadaki kullanıcının (öğrencinin) soyut gösterimidir. Bu modelin oluşturulması için yapılan işlemler süreci kullanıcı(öğrenci) modelleme 2

(user[student] modeling) olarak adlandırılır. Kullanıcı modelleme, bir kullanıcı ile ilgili bilgi elde etme, modeli yapılandırma ve güncellemeyi içermektedir. Kullanıcı ile olan etkileşimi kişiselleştirebilmek için ZÖS nin kullanıcıya ait bazı izlenimleri toplayıp saklaması gerekir. Bu izlenimler; Kullanıcı hangi zihinsel yapıya sahip, Ne öğrenildi ve ne kadar öğrenildi, Hangi öğretim yöntemi kullanıcı için daha başarılı, hangisi daha az başarılı, gibi bilgiler olmaktadır. Kullanıcı modelleme ile kullanıcının öğrenmesine ait tüm bakış açıları izlenip saklanmaktadır. Kullanıcı modeli olmaksızın öğretim ortamının kullanıcının ihtiyaçlarına göre düzenlenmesi ve verim sağlanması imkansızdır. ZÖS deki Kullanıcı Modeli ile kişiselleştirme; öğrenciye göre okuma materyali sağlayarak, tavsiyeler yaparak, kısa bilgi ölçme testleri (quiz) yaparak, uyarılar yaparak sağlanmaktadır. Bu şekilde ZÖS den istenen verim elde edilmektedir (Xu,Wang, Su, 2002). 3. Kullanıcı Modellerinin Sınıflandırılması ZÖS nde ve UÖS nde yer alan Kullanıc Modelleri bir çok farklı şekilde sınıflandırılabilmektedirler. Sistem içinde sergilenen fonksiyonlar göz önünde bulundurularak bir kullanıcı modelinin sahip olması gereken 6 temel özellik sayılabilir (Chua, 2003). Bunlar; Düzeltici (Corrective): Kullanıcının hataları için geri besleme sağlar. Detaylandırıcı (Elaborative): Kullanıcının bilgi seviyesi ile ilgili ayrıntılı bilgi verir. Stratejik (Strategic): Değişik öğretim taktiklerine karşı kullanıcının bilgi seviyesine uygun yaklaşım geliştirir. Tanılayıcı (Diagnostic): Kullanıcının bilgi seviyesini ve karakteristiğini analiz eder. Öngörücü (Predictive): Bu özelliğe sahip kullanıcı modeli, kullanıcının davranışlarını taklit etmek için bir benzetimci (Simulator) gibi davranır. Değerlendirici (Evaluative): Kullanıcının başarı seviyesini belirlemek için değerlendirme yapar. 3

Kullanıcı modeli; yorumlama şekline göre de, işlem ve durum (process and state) modelleri olarak iki şekilde sınıflandırılabilir. İşlem modelleri, öğrencinin bir problemi çözmede kullandığı işlem adımlarını benzetim (simule etme) yeteneğine sahiptir. Bu gerçekleştirilirken kullanıcı modelleme fonksiyonlarından öngörücülük fonksiyonu kullanılır. İşlem modelleri yürütülebilir ya da çalıştırılabilir modeller olarak da tanımlanır. Bir kullanıcı modeli, öğrencinin bir problemi çözerken gösterdiği davranışın, sistemin yorumlayıcısı tarafından, varolan duruma benzetilmesine dayanıyorsa, bu model yürütülebilir bir modeldir. Brusilovsky (1994) e göre, yürütülebilir modeller işlemsel (procedural) modellere referans oluşturmaktadır. Bu tanımlamaya göre kullanıcı bilgisi kullanıcı modelinde işlemler (procedures) olarak temsil edilmekte ve diğer genel bilgi elementleri üretim kuralları (production rules) kullanılarak çıkartılmaktadır (Brusilovsky, 1994). LISP ve GUIDON adlı sistemler bu yapıdadır. Durum modelleri ise sadece durum bilgisi içerirler, Benzetim yeteneğine sahip sistemler değillerdir. Elektronik devre çözümü alan bilgisi üzerine kurulu, SOPHIE ve Pascal Programlama yapısının öğretilmesi alan bilgisine sahip, PROUST sistemleri de bu yapıdadır (Chua, 2003). 3.1 ZÖS lerinde Kullanılan Kullanıcı Modelleme Teknikleri Kullanıcı Modelleme Teknikleri, genellikle içerdiği bilgilerin doğasına ve yapısına göre sınıfladırılır (Brusilovsky, 1994). Konu alanı ile ilişkili olarak kullanıcı modeli iki tür bilgi içerir (Victoria T., Maria V.,2002). Alan bilgisi bağımlı (domain specific information) Alan bilgisi bağımsız (domain independent information.) Alan bilgisi bağımlı, diğer bir deyişle verilen kursa bağımlı bilgiye göre öğrencinin modellendiği tekniklerdir. Bu kullanıcı modelleme teknikleri, Bilgi Tabanlı (Knowledge Based) Kullanıcı Modelleme Teknikleri olarakta adlandırırlır. Bu teknikler aşağıdaki şekilde sıralanabilir (Abdullah,2003): Sayıl Model (Scalar Model) Değişikliğe Uğratma Modeli (Perturbation Model) Basmakalıp Örnek Model Genetik Harita Modeli (Genetic (Stereotype Model) Kaplama Modeli (Overlay Model) Graph Model) Kısıtlama Tabanlı Model Ayrımsal Model (Differential Model) (Constraint-based Model) Bilgisayarlı Uyarlanabilir Test (Computerised Adaptive Testing) 4

Alan bilgisi bağımsız modelleme teknikleri ise, kullanıcının karakteristik özelliklerini temel alarak modelleme yapmaktadır. Genel olarak; kullanıcıyla ilgili karakteristik özellikler onun öğrenme çabasıyla ilgili olan; istekleri, amaçları ve duygusal motivasyonu, hisleri, kaygıları gibi soyut bilgileri kapsar. Bu açıklamalara göre, alan bilgisi bağımsız kullanıcı modelleme teknikleri, kullanıcının davranışsal ve kurs ile ilgili bilgilerini temsil eden kavramsal bilgilerinin tümünü içeren gerçek dünyadaki kullanıcıyı(öğrenciyi) modellemede kullanılan yöntemlerdir (Abdullah,2003). Alan bilgisi bağımsız modelleme teknikleriyle, özellikle, sistemde öğrencinin sergileyeceği umulan davranışsal bilgi ile ilgili belirsizliğin giderilmesi amaçlanır. Kullanıcı bilgisi ile ilgili belirsizlik durumunun giderilmesi için, Yapay Zeka bilimini temel alan teknikler kullanılır. Alan bilgisi bağımsız modelleme teknikleri şöyle sıralanabilir (Abdullah,2003). Makina Öğretimi (Machine Lerning) Yapay Sinir Ağlarına Dayalı Modelleme (Neural Network Based Modelling) Bayesian Arabirim Ağları (Bayesian Networks) Bulanık Modelleme (Fuzzy Modelling) Kısaca yukarıda adı geçen modelleme yaklaşımlarının özelliklerini açıklarsak; Kullanıcı modellemede kullanılan en basit teknik sayıl modeldir. Öğrencinin kurstaki bir kavram ile ilgili bilgi düzeyini kurs materyelleri parçalarından oluşan bir bütün içinde 1 den 5 e kadar sayısal değerler vererek kesin değerlere yaklaştırır. Basmakalıp modellemede, kullanıcının özellikleri ve bilgisi, madde ve değeri şeklinde çiftlerle ifade edilir. Giriş, orta ve uzman şeklinde önceden tanımlanmış basmakalıp örnek tipler oluşturularak, madde ve değeri çiftleri bu basmakalıp örnek tiplerine atanır. Daha sonra bir kullanıcı bir basmakalıp örnek tipe atanır ve o tipin özelliklerine sahip olur. İlk defa GRUNDY sisteminde kullanılmıştır (Rich,1979). Kaplama modeli, klasik kullanıcı modelleme tekniğidir. Scholar, ELM-ART, HyperTutor ve Guidon gibi ZÖS leri kullanıcı modelinin oluşturulmasında bu tekniği kullanmışlardır. Şekil 1 de görüldüğü gibi kaplama modelinde, kullanıcı bilgisi uzman bilgisinin veya alan bilgisinin alt kümesi şeklinde ifade edilir. Alan bilgisi ile kullanıcı bilgisi arasındaki fark öğrencinin bilgi eksikliği olarak ifade edilir. Şekil 2 de görüldüğü gibi, uzman bilgisi 5

sayısal öğelere (kurallar, gerçekler,...vs.) ayrılarak bir kaplama model kurulabilir. Kaplama modeli, kullanıcının sadece eksik bilgisini modellediği için kullanıcının gerçek düzeyini belirlemede yetersiz kalır. Kullanıcının yanlış anlama gibi bilgileri bu teknikte göz önünde bulundurulmamaktadır (Mayo, 2001). Ayrımsal model, kaplama modelinin farklı biçimde düzenlenmiş şeklidir. Ayrımsal modelde aslında, bilinmesi umulan bilgi üzerinde bir kaplama oluşturulmaktadır. Bu modelde uzman alan bilgisi ile kullanıcı bilgisi karşılaştırılmaz. Kullanıcı bilgisi iki kategoriye ayrılır. Bunlar, kullanıcının bilmesi gereken bilgiler ve bilmesi umulan bilgilerdir. Şekil 3 de görülen ayrımsal kullanıcı modelinde, alan bilgisi uzman bilgisini temsil eder. Kaplama kullanıcı modelinin, uzman bilgisi içinde kullanıcının bilmesi umulan bilgi alanının kaplanmasına çalışılır. Değişikliğe Uğratma Kullanıcı Modelleme tekniğinde, Şekil 4 de görüldüğü gibi, kullanıcının doğru ve hatalı bilgileri, alan bilgisinin ve olası hata bilgisinin alt kümesi şeklinde ifade edilmektedir. (Brusilovsky, 1994). Kullanıcının yanlış algılamalarının modellenmesi ile sistem, kullanıcı modeli için daha iyi düzeltme sağlayabilmektedir. Şekil 1. Kaplama Kullanıcı Modeli (Abdullah, 2003). Şekil 2. Kaplama Kullanıcı Modelinde Kullanıcı ve Uzman Bilgisinin Gösterimi (Mayo, 2003) Şekil 3. Ayrımsal (Differential) Kullanıcı Modeli (Abdullah, 2003). Şekil 4. Değişikliğe Uğratma (Pertubation) Kullanıcı Modeli (Abdullah, 2003). Buraya kadar açıklanan modelleme yaklaşımlarında, kullanıcının anlık bilgisi kullanılarak modelleme yapılmaktadır. Bu modelleme yaklaşımlarından farklı olarak, 6

Genetik haritalar zaman içindeki kullanıcı bilgisinin evrimsel sürecini içerirler (Goldstein, 1982). Genetik haritalardaki düğümler (nodes) kullanıcının bilgisini ifade eder. Düğümler arasındaki bağlantılar (kenarlar ), öğrenmenin nasıl oluşacağına dair uzman görüşünü içerirler. Kısıtlama Tabanlı Modelleme (Constrait Based Model), Ohlsson tarafından 1994 te ortaya konmuştur. Kaplama kullanıcı modelinin değişime uğramış bir halidir. Bu modelleme tekniğinde, çok geniş deneysel çalışmalarla elde edilmiş hata kütüphanesi oluşturmak gerekmemektedir. Kullanıcı modeli kısıtlamalardan oluşan küme şeklindedir. Kısıtlamalar bir çıkartım mekanizmasıdır (Martin,B., Mitrovic,A.,2002). Kısıtlamalar, if then kuralları ile çıkartımlardan elde edilir ve bu şekilde bir kullanıcı modeli elde dilir. Bilgisayarlı Uyarlanabilir Test (Computerised Adaptive Testing), en yeni modelleme yöntemlerinden biridir. Bu yöntem ile minimum sayıda problem kullanılarak kullanıcının bilgisi verimli ve doğru bir şekilde elde edilmeye çalışılır (Chua, 2003). Makine öğretimi, öğretim süreci için ölçümsel teoriler geliştiren bir Yapay Zeka tekniğidir. Bu yöntemde hata kütüphaneleri için deneysel araştırmaya ihtiyaç yoktur. Makine öğretimi algoritmaları ile öğrenciler belli gruplara veya basmakalıp örnek tiplere ayrılır. TALC Geometric Tutor isimli ZÖS de, kullanıcı modelinin oluşturulmasında bu teknik kullanılmıştır (Desmolines & Van Labeke, 1996). Son yıllarda, kullanıcı modellemede belirsizliği kontrol edebilmek için sayısal teknikler daha fazla kullanılmaya başlamıştır. Bunlardan biride Bayesian Arabirim Ağları dır. Bu teknik, olasılık kuramı içinde yer alan Bayes formülü teoreminin Yapay Zeka bilimine uygulanmış halidir. Bayesian arabirim ağları, kullanıcının özelliklerini içeren düğümler (nodes) ve düğümler arasındaki olasılık durumunu ifade eden bağlantılardan (link) oluşmuş bir harita şeklindedir. HYDRIVE ve ANDES sistemleri, Bayesian ağlarının ZÖS nde uygulanmasına örnek teşkil eder (Millan, Cruz,Suarez, 2000). Kullanıcı modellerindeki problem seçme, uygun öğretim materyali seçme gibi işlemlerde, kullanıcının sistem içindeki, önceki bilgilerinden (davranışlarından) elde edilen bilgilerden bir sinir ağı tasarlanıp eğitilerek gerekli öğretim kararları verilebilir. 7

SQL Tutor da kullanıcı modelinde yapay sinir ağlarından bu konuda faydalanılımıştır (Wang, Mitrovic,2002). Bulanık mantık teknikleri kullanıcı modellemede, kullanıcının hareketleri, bilgisi ve bilişsel yetenekler gibi kesin olmayan bilgileri yakalamadaki yeteneğinden dolayı tercih edilmektedir. Bu teknikler, Sherlock 2 ve MDF tutor gibi sistemelerde kullanılmıştır (Stathacopoulou, Magoulas, Grigoriadou, 1999). 3.2 Kullanıcı Modellemedeki Engeller Kullanıcı modelleme ZÖS de en çok engele sahip olan alandır. Kullanıcının davranışlarından bilgi çıkarabilme probleminin sonucu olan bazı engeller söz konusudur. Bunlar; ZÖS ortamındaki büyük miktardaki belirsizlikler Kullanıcı elde edilen bilginin sağlama temele dayanmayan çelişkili bilgilere dayanması Her kullanıcının diğerinden farklı ve kendine ait bir öğrenme kapasitesi olması, Her kullanıcının farklı öğrenme tekniklerini kullanması,. Kullanıcının sınırlı konu alanlarında modellenebilmesi, Zeki Öğretim Sistemi nin öğrenme sorunun olması, şeklinde maddelendirilebilir. Kullanıcı modeli olmadan, ZÖS olarak tanımlanan bir öğretim sistemi öğretme işlevini gerçekleştirememektedir. Bu nedenle belirtilen olası sorunlar ve kullanıcı modelinin sahip olması gereken işlevsel yetenekler göz önüne alınarak uygun bir modelleme yöntemiyle kullanıcı modeli oluşturulmalıdır. 3.3 Kullanıcı Modelinin İlklendirilmesi Kullanıcı modeli üç şekilde ilklendirilebilir. Bunlar; Açık olarak soru sormak, Test uygulamak Basmakalıp örneklemek (stereotyping) şeklinde sıralanabilir. Açık olarak soru sormada, kullanıcıya sorular yöneltilerek, kullanıcı hakkında genel bilgi edinmeye ve kullanıcı modeli oluşturulmaya çalışılır. Test uygulamada, kullanıcı sistemde oturum açınca test uygulanır. Bu test sonucundan, kullanıcı modelini oluşturmak için gerekli ilk parametreler elde edilir. Basmakalıp örnekleme, belli bir grup insan için oluşan özelliklerin toplamının gösterimi, şeklinde ifade edilebilir. Genellikle, basmakalıp örnekler kullanıcı ilklendirmede tercih edilen yöntemlerdir. 8

3.4 Kullanıcı Modelinin Güncellenmesi Kullanıcı modelinin verimli çalışabilmesi için devamlı güncel tutulması gerekmektedir. Kullanıcı modelinin güncellenmesi için gerekli olan veriler ZÖS tarafından kullanıcıya sunulan soruların cevaplarından, problem çözme süreci ve kullanıcının sistemle olan etkileşiminden elde edilir. Kullanıcıya sunulan soruların cevaplarının analiz edilmesine performans ölçümü denilmektedir. Kullanıcıya verilen problemi çözmedeki süreç takip edilerek kullanıcı modeli güncellenebilir. Buna model izleme denir. Kullanıcının sistem ile olan etkileşimini izlemek, çok karışık bir süreçtir. Kullanıcının, bir problem çözmede veya bir müfredat konusu öğrenmede izlediği yol incelenerek kullanıcı modeli güncellenir. Buna konu izleme denir (Brusilovsky, 1994). 4. Mevcut Sistemlerde Kullanıcı Modeli Bileşenleri Günümüze kadar tek kullanıcılı veya ağ tabanlı ZÖS alanında çeşitli çalışmalar yapılmıştır. Bu çalışmaların incelenmesinden elde edilen sonuçlara göre, verimli ve etkili öğretim süreci için kullanıcı modellerinde olması gereken bazı bileşenleri şu şekilde sıralanmıştır (Zaitseva,L., Boule,C.,2003). 1. Bilgi seviyesi 5. Öğrenme yeteneği (öğrenme dikkati) 2. Psikolojik karakteristikler 6. Yetenek seviyesi 3. Öğrenme stili ve hızı 7. Öğrenme stratejisi 4. Görevleri ödevleri yerine 8. Bilgi haritası getirme Zaitseva ve Boule (2003) tarafından yapılan çalışmanın sonucuna göre, kullanıcı modellemede en çok önem verilenin bilgi seviyesini ölçen veya değerlendiren bileşendir. Psikolojik karakteristikleri değerlendirme bileşeni ise çok az kullanılmaktadır. 5. SONUÇ ve TARTIŞMA Kullanıcı Modeli ZÖS ve UÖS nin temel bileşenidir. Sistemin genel tasarımı içinde önemli bir paya sahiptir. Verimli ve etkili bir ZÖS veya UÖS nin tasarlanabilmesi için, öğretim sisteminin kullanıcı modeli; kullanıcının bilgi seviyesini, psikolojik karakteristiklerini, öğrenme stilini ve hızını, öğrenme yeteneğini ve stratejisini sezebilecek bir yapıda olmalıdır. Kullanıcı modelinin kapsamı ve modellenen varlığın bir insan olduğu göz önüne alındığında, iyi bir kullanıcı modeli oluşturmanın zorluğu 9

ortaya çıkmaktadır. Bu sebeple, ZÖS ve UÖS alanlarında yapılan çalışmalar daha iyi ve kapsamlı kulanıcı modeli oluşturmak üzerine yoğunlaşmıştır. Bu amaç doğrultusunda bu makalede, var olan ZÖS leri ve UÖS leri incelenerek bu sistemlerde kullanılan kullanıcı modeli yapıları ve özellikleri incelenmiştir. Yapılan geniş literatür taramasıyla ortaya çıkan çalışmanın ZÖS ve UÖS alanında çalışan kişilere yol gösterici olması amaçlanmıştır. KAYNAKLAR [ 1 ]. Abdullah, S.C., (2003). Student Modelling by Adaptive Testing-A Knowledge-Based Approach, Doctorate Dissertation, The University of Kent At Canterbury in the Subject of Computer Science, Ch:2, p.16. [ 2 ]. Brusilovsky, P. (1994) The construction and application of student models in intelligent tutoring systems. Journal of Computer and System Sciences International, 32(1), 70-89. [ 3 ]. Burton J. (1982). Diagnosing bugs in a simple procedural skill. In Sleeman D and Brown J. (Eds.) Intelligent Tutoring Systems, New York, NY: Academic Press. [ 4 ]. Desmoulins,C., van Labeke,N. (1996). Towards Student Modelling in Geometry with Inductive Logic Programming. www.loria.fr/~vanlabek/papers/euro-aied96.html [ 5 ]. Goldstein,I.P. (1982). The Genetic Graph: A Representation for the Evolution of Procedural Knowledge. In: Sleeman,D.H., Brown,J.S., (Eds.), Intelligent Tutoring Systems. Academic Press, London. [ 6 ]. Kavcic, A. (2000). The Role of User Models in Adaptive Hypermedia Systems. 10.Mediterrannean Electrotechnical Conference, MeleCon 2000, Vol.1, 2000 IEEE. [ 7 ]. Martin,B., Mitrovic,A.,(2002), WETAS: A Web-Based Authoring System for Constraint- Based ITS, AH 2002, LNCS 2347, pp 543 546. Springer-Verlag Berlin Heidelberg 2002. [ 8 ]. Mayo,M J., (2001), Bayesian Student Modelling anddecision-theoretic Selection of TutorialActions in Intelligent Tutoring Systems, phd_thesis, University of Canterbury [ 9 ]. Millan. E.,Cruz, J.,Suarez, E.,(2000), Adaptive Bayesian Networks for Multilevel Student Modelling, G. Gauthier, C. Frasson, K. VanLehn (Eds.): ITS 2000, LNCS 1839, pp. 534-543, Springer-Verlag Berlin Heidelberg 2000 [ 10 ]. Rich E. (1979). User Modeling Via Stereotypes. Cognitive Science 3, 329-354. [ 11 ]. Stathacopoulou, R., Magoulas, G.D., Grigoriadou, M., (1999), Neural network-based fuzzy modeling of the student in intelligent tutoring systems, IJCNN '99. International Joint Conference on, Volume: 5, 10-16 July 1999 Pages:3517-3521 vol.5 IEEE. [ 12 ]. Victoria T., Maria V.,(2002). Dynamically Initializing the Student Model in a Web Based Language Tutor, 2002 First International IEEE Symposium INTELLIGENT SYSTEMS, September 2002. [ 13 ]. Wang, T., Mitrovic, A.,(2002), Using Neural Networks to Predict Student s Performance, ICCE 2002, IEEE. [ 14 ]. Weber,G., Specht,M., (1997). User Modeling and Adaptive Navigation Supportin WWW- Based Tutoring Systems, In Anthony Jameson, Cécile Paris, and Carlo Tasso(Eds.), User Modeling: Proceedings of the Sixth International Conference, UM97. Vienna, New York: Springer Wien New York. CISM, 1997. Available on-line from http://um.org. [ 15 ]. Xu, D., Wang, H., Su, K.,(2002), Intelligent Student Profiling with Fuzzy Models, 35 th Annual Hawaii International Conference on System Sciences, IEEE 2002. [ 16 ]. Zaitseva,L., Boule,C.,(2003), Student Models in Computer Based Education, Proceedings of the The 3rd IEEE International Conference on Advanced Learning Technologies (ICALT 03), IEEE 2003. 10