Ostravská univerzita
Pedagogická fakulta
Pedagogická fakulta
Sémantická síť pojmů v adaptivním e-learningu Semantic Network of Concepts in Adaptive e-Learning Autoreferát k disertační práci 2016
Studijní program:
Specializace v pedagogice P 7507
Obor:
Informační a komunikační technologie ve vzdělávání 7507V066
Disertant:
Ing. Emilie Šeptáková Ostravská univerzita, Pedagogická fakulta katedra informačních a komunikačních technologií Fráni Šrámka 3, 709 00 Ostrava-Mariánské Hory
Školitel:
Doc., RNDr. Jana Šarmanová, CSc. Ostravská univerzita, Pedagogická fakulta katedra informačních a komunikačních technologií Fráni Šrámka 3, 709 00 Ostrava-Mariánské Hory
Obhajoba disertační práce se uskuteční v úterý 9. února 2016 v zasedací místnosti SA 407 Ostravská univerzita, Pedagogická fakulta katedra informačních a komunikačních technologií Fráni Šrámka 3, 709 00 Ostrava-Mariánské Hory Oponenti: doc. RNDr. PaedDr. Hashim Habiballa, PhD, Ph.D., OU prof. PhDr. Martin Bílek, Ph.D., UHK
Autoreferát byl rozeslán dne 11. 1. 2016 S disertací se lze seznámit na katedře informačních a komunikačních technologií Pedagogické fakulty Ostravské univerzity v Ostravě Fráni Šrámka 3, 709 00, Ostrava-Mariánské Hory od 6. 2. 2016.
Bibliografická identifikace Jméno a příjmení autora: Ing. Emilie Šeptáková Název disertační práce: Sémantická síť pojmů v adaptivním e-learningu Název disertační práce anglicky: Semantic Network of Concepts in Adaptive e-Learning Školitel: Doc., RNDr. Jana Šarmanová, CSc. Rok obhajoby: 2016
Abstrakt Disertační práce „Sémantická síť pojmů v adaptivním e-learningu“ se týká mé práce návrhu sémantické sítě pojmů vybudované nad e-learningovou adaptivní oporou a její využití autorem – pedagogem při tvorbě opory nebo studentem při studiu. Teoretická část uvádí, co je to adaptivní výuka, e-learning, jeho výhody a nevýhody, popisuje obecnou strukturu a metadata výukové opory a navazující datovou i grafickou strukturu sémantické sítě pojmů. Formuluje hlavní a dílčí cíle disertační práce. Popisuje obecnou strukturu a metadata stávající adaptivní výukové opory a jak na ni navržená struktura sémantické sítě pojmů navazuje. Popisuje funkce a metody vhodné pro práci s touto sítí a konečně formuluje hlavní přínosy disertační práce - vizualizace struktury výukového textu jako zpětná vazba pro potřeby autora textu a automatická kontrola dodržení pedagogických zásad ve vytvořené studijní opoře pomocí sémantické sítě pojmů. Zobrazením seznamu nalezených nedostatků upozorní pedagoga na nutnost chyby v textu odstranit nebo rozhodnout, že hlášení je neoprávněné. Pro studenta sémantická síť slouží jako podpora pro lepší orientaci v pojmech učebnice, případně jako pomůcka pro opakování pojmů a vztahů mezi nimi. Klíčová slova adaptivní výuka, adaptivní e-learning, sémantická síť pojmů, studijní opora, metadata, vizualizace, evaluace, didaktické zásady
Abstract The dissertation thesis “The Semantic Network of Terms in E-learning” deals with the results of my work in design of semantic network of terms developed for adaptive e-learning material, and use by the author – educator while creating the study material, or by the student while studying. The theoretical part defines adaptive e-learning, describes its advantages and disadvantages, general structure, learning material metadata and the follow-up data, and graphical structure of the semantic network of terms. Furthermore, it formulates the main objectives and subobjectives of my PhD thesis. It also describes the general structure and metadata for the existing supporting adaptive e-learning, and how designed structure of the semantic network of concepts follows it. Furthermore, it presents functions and methods suitable for working with this network, and finely expresses the main contributions of the dissertation thesis – visualization of the structure of educational text as a feedback for the author and as automatic check of compliance with pedagogical principles in the developed study material using semantic networks of terms. Displaying a list of deficiencies will alert the educator to eliminate errors in the text or decide that reporting is unjustified. For the student, semantic network serves as support for ease of reference in the terms of the textbooks, or as an aid for repetition of concepts and relationships between them. Key words adaptive learning, adaptive e-learning, semantic network of terms, study material, metadata, visualization, evaluation, principles of teaching
Abstract Die Dissertationsarbeit „Das semantische Netzwerk der Begriffe im adaptiven E-Learning“ behandelt meinen Vorschlag des semantischen Netzwerks der Begriffe, das über die adaptive E-Learningstütze aufgebaut wurde und ihre Verwendung durch den Autor – den Pädagogen bei der Schaffung der Stütze oder durch den Studenten beim Studium. Im theoretischen Teil werden der adaptive Unterricht, das E-Learning, seine Vorteile und Nachteile erklärt. Er beschreibt die allgemeine Struktur und Metadaten der Stütze des Unterrichts und nachfolgende graphische Struktur und Datenstruktur des semantischen Netzwerks der Begriffe. Es werden hier Haupt- und Teilziele der Dissertationsarbeit formuliert. Dieser Teil beschäftigt sich mit der allgemeinen Struktur und Metadaten der bestehenden adaptiven Stütze des Unterrichts und wie die vorgeschlagene Struktur des semantischen Netzwerks der Begriffe an sie anbindet. Er beschreibt die für die Arbeit mit diesem Netzwerk geeigneten Funktionen und Methoden und schließlich formuliert er die Hauptbeiträge der Dissertationsarbeit – die Visualisierung der Struktur des Unterrichtstextes wie das Feedback für Bedürfnisse des Autors und automatische Kontrolle der Einhaltung der pädagogischen Grundsätze in der geschaffenen Stütze im Studium mit Hilfe des semantischen Netzwerks der Begriffe. Die Darstellung der Liste der gefundenen Mängel macht den Pädagogen auf die Notwendigkeit aufmerksam, die Fehler im Text zu beseitigen oder entscheiden, ob die Meldung unberechtigt ist. Das semantische Netzwerk dient dem Studenten als eine Unterstützung für bessere Orientierung in den Begriffen des Lehrbuches, beziehungsweise als eine Stütze für Wiederholung der Begriffe und Beziehungen unter ihnen. Schlüsselbegriffe Adaptiver Unterricht, adaptives E-Learning, semantisches Netzwerk der Begriffe, Stütze im Studium, Metadaten, Visualisierung, Evaluation, didaktische Grundsätz
OBSAH ÚVOD ............................................................................................................ 9 1 Současný stav řešené problematiky......................................................... 11 1.4 E-learning .................................................................................... 11 1.5 Adaptivní výuka .......................................................................... 12 1.5.1 Adaptivní výuka v e-learningu ............................................ 13 1.5.2 Struktura adaptovatelné opory .......................................... 14 1.6 Strukturování učiva ..................................................................... 16 1.7 Sémantické sítě ........................................................................... 17 1.8 Sémantické sítě a jejich implementace ...................................... 18 1.8.1 Sémantické sítě v e-learningu ............................................. 19 1.8.2 Vizualizace sémantické sítě a vhodný software ................. 20 1.9 Didaktické zásady ....................................................................... 21 2 Cíle práce.................................................................................................. 23 2.1 Motivace pro využití SNT v adaptivním e-learningu ................... 23 2.2 Cíle disertační práce ................................................................... 24 3 Teoretický návrh SNT ............................................................................... 26 3.1 Analýza SNT v adaptivním e-learningu ....................................... 26 3.2 Návrh struktury a metod pro práci se SNT ................................. 26 3.3 Návrh kontroly didaktických zásad pomocí SNT ........................ 28 3.3.1 Zásada názornosti ............................................................... 29 4 Realizace SNT ........................................................................................... 31 4.1 Zadání, datová a funkční analýza systému SNT .......................... 31 4.2 Implementace SNT...................................................................... 32 4.2.1 Vizuální náhled na pojmy a výskyty v SNT .......................... 32 4.2.2 Výpisy ze SNT ve formě tabulek.......................................... 33 4.2.3 Didaktické zásady kontrolované SNT .................................. 33 4.2.4 Menu SNT pro studenta...................................................... 35 5 Výuková opora ......................................................................................... 36 6 Výzkumná šetření a jejich výsledky .......................................................... 37 6.1 Pedagogický experiment ............................................................ 37 6.2 Výzkumný problém a dílčí otázky ............................................... 37 6.2.1 Organizace experimentu..................................................... 38 6.2.2 Výzkumné techniky ............................................................. 39 6.2.3 Průběh experimentu ........................................................... 39 6.2.4 Způsob zpracování dat ........................................................ 39
6.3 Shrnutí přínosu SNT pro autora .................................................. 41 7 ZÁVĚR ....................................................................................................... 43 7.1 Výsledky práce ............................................................................ 43 7.2 Další rozvoj použití SNT .............................................................. 44 8 POUŽITÁ LITERATURA .............................................................................. 45 9 PUBLIKAČNÍ AKTIVITY............................................................................... 52 10 PROFESNÍ ŽIVOTOPIS ...................................................................... 53
ÚVOD V současné době se část výuky na vysoké škole, vyučována formou elearningových kurzů, neustále zvětšuje. O studentech v kombinované formě studia, ale nejen těch, se předpokládá, že jsou schopni se samostatně učit z vhodně strukturovaných studijních opor. V případě adaptivní výuky by tento proces učení měl být efektivnější, protože studentovi je přednostně předkládán výklad látky formou, která vyhovuje jeho učebnímu stylu. Sdělování učiva mívá ve velké většině případů lineární podobu. Důležité pojmy nebo myšlenky jsou zdůrazněny v psaném projevu graficky (podtržením, kurzívou, polotučným fontem), v mluveném projevu intonačně. Studentovi jsou tím dány signály, že uváděné informace a pojmy jsou důležité. Úkolem studenta při učení není jen zapamatovat si nové údaje, ale také vztahy mezi nimi. Musí je najít v textu a zkonstruovat si vlastní strukturu učiva. Hledá nové vztahy k tomu, co dosud zná, zařazuje je do své dosavadní poznatkové struktury, případně tuto strukturu reorganizuje. Těmto dovednostem - strukturovat čtený nebo slyšený text - studenty nikdo cíleně neučí a mnohdy k ní dospívají metodou pokusů a omylů, případně si vytvářejí struktury neúplné i chybné. Někdy i v učebnici, častěji však v podání učitele, bývá struktura nevhodná, neúplná nebo nevhodně uspořádaná, což studentovi přidělává práci při učení. Tato struktura učiva mívá v jednodušším případě podobu stromu nebo obecnější podobu sítě. Pro strukturování učiva a vizualizaci této struktury bude určitě užitečná idea pojmové sítě a struktura textu vyjádřená ve formě grafu, který pracuje se 2 základními prvky uzel a hrana, pomocí kterých je možné konstruovat bohatě strukturované sítě, (viz Čáp, Mareš, 2007, kap. Strukturování učiva, vyučovací a učební strategie, Collins, Quillian, 1969, Sowa, 1992). 9
Úkolem této práce bude najít a popsat strukturu autorského textu, automatizovat její vytvoření a poté vizualizaci pojmové sítě tak, aby si student mohl pomocí této sítě lépe zapamatovat pojmy a vazby mezi nimi, aby se lépe orientoval v pojmech celého předmětu, a mohl případně procházet učebním textem i jinou, než lineární cestou podobně jako v hypertextu (Dostál, 2009). Klasické hypertextové odkazy musí být vytvářeny ručně autorem a záleží na jeho zkušenosti, systematičnosti a časovém nasazení, jak strukturu textu popíše - kolik a jakých odkazů vytvoří. Tím se ale neřeší otázka úplnosti a správnosti vazeb v nich popsaných. Psaní učebnice není jednoduchá autorská práce. I při dobré znalosti vyučované oblasti je potřeba dodržovat také pedagogické zásady a umět je správně použít na danou problematiku. Při přípravě kurzu v elearningovém prostředí, navíc s možností adaptace obsahu kurzu, platí další pravidla, která by pedagog při vytváření textu studijní opory měl znát a uplatňovat, aby vznikl kvalitní, optimalizovaný kurz. Pedagogové a studenti magisterského a doktorandského programu pedagogické fakulty OU v rámci svých prací navrhli a implementovali adaptivní LMS, určený především pro pedagogické experimenty. Díky podrobné strukturalizaci adaptovatelného textu opor v tomto LMS by bylo možné realizovat i modul s funkcemi pro práci se sémantickou sítí pojmů (SNT - semantic network of terms) nad autorským textem. Ten by mohl sloužit autorovi učebnice jako zpětná vazba k evaluaci textu dříve, než se zpřístupní studentům.
10
1 Současný stav řešené problematiky Disertační práce se dotýká několika vědních oblastí. Cílem práce je automatizované vytvoření sémantické sítě důležitých pojmů nad autorským textem v adaptivním e-learningu a její vizualizace jako zpětnou vazbu pedagogovi a jako pomocnou strukturu studentovi. V následujících podkapitolách jsou stručně shrnuty současné informace o e-learningu, adaptivním e-learningu, sémantických sítích a evaluaci textu opory podle didaktických zásad pomocí sémantické sítě pojmů.
1.4 E-learning Pokud se na e-learning podíváme z pedagogického hlediska, tak je to vzdělávací proces, ve kterém používáme multimediální technologie (používání obrazových, zvukových a textových informací k obohacení výuky), Internet a další elektronická média, pro zlepšení kvality vzdělávání, pro zvýšení přístupu ke studijním materiálům a službám, k výměně informací a ke vzájemné spolupráci jak mezi studenty, tak mezi studentem a pedagogem. E-learning kromě dodávání výuky ve formě elektronického kurzu také pokrývá i další oblasti, jako je monitorování, plánování nebo sdílení vědomostí Klasické vzdělávání předpokládá, že všichni studenti se sejdou ve stejnou chvíli v učebně, vnímají stejně rychle, všem vyhovuje mluvený výklad lektora a všichni chtějí v dané chvíli látku studovat. Ve skutečnosti to bývá jinak.
11
Výhody
Nevýhody
samostudium
chybí přímý kontakt lektora se studujícími
časová flexibilita, nižší nároky na kapacity
vyžaduje vysoké nároky na kvalitu studijních pomůcek a celkovou organizaci – vysoké počáteční náklady
možnost využití pro vzdělávání početné cílové skupiny z různých oblastí
nevhodnost pro určité typy kurzů - výuku týmové práce a další složitější metody či organizační formy
vzdělávání může být využito i pro studium rozsáhlejší problematiky, ne však příliš náročné
nevhodnost pro určité typy studentů – předpoklad: zodpovědný, samostatný student
vyšší efektivita výuky pro studenta – rychlejší vstřebání informací, lépe zapamatovatelná forma informací
závislost na technologiích
dostupnost kdykoliv
nízká úroveň kvality obsahu
menší náklady na vzdělání
vyšší náklady na přípravu kurzu
možnost modularizace aktuálnost informací větší možnost testování znalostí snadná administrace
Tabulka 1. Výhody a nevýhody e-learningu E-learning mnohé tyto nedostatky odstraňuje. Student si kurz spouští ve chvíli, kdy potřebuje, to znamená, že chce studovat a bude se výkladu věnovat. Prochází výukovým kurzem svým tempem, sám si určuje způsob průchodu, vracení se k tématům, vybírá si z více variant výkladu. Prostřednictvím řady otázek, simulací a testů je vtahován aktivně do výuky, což významně zvyšuje zapamatování výukové látky. V Tabulka 1 jsou shrnuty výhody a nevýhody e-learningu (Kulíková, 2010).
1.5 Adaptivní výuka Adaptace obsahu mění strukturu a prezentaci kurzu způsobem, který vyhovuje uživatelovým vlastnostem a optimalizuje kvalitu a čas učení. 12
Tento způsob adaptace zahrnuje dynamickou selekci vhodných částí (variant výkladu) kurzu a dynamické změny pořadí dílčích elementů kurzu (vrstev odpovídajících fázím výuky). Nadále budeme adaptivním učením chápat právě takovouto adaptaci obsahu.
1.5.1 Adaptivní výuka v e-learningu V monografii (Kostolányová, 2012) se autorka zabývá teorií adaptivního elearningu, kde na základě definovaných pojmů výchova, vzdělávání, výuka a učení definuje, co je to individuální výuka – výuka jednotlivce a co je adaptace výuky, tj. změna ve způsobu výuky stejné vyučované látky, ale pokaždé uskutečněné jiným postupem, aby nejlépe vyhovoval potřebám každého studenta. Dále definuje teoretický model adaptivní výuky, který rozděluje do tří modulů – studentský, autorský a modul řídící tzv. virtuální učitel. Dále autorka popisuje vlastnosti studentů, které mohou být použity pro adaptaci výukového procesu a stanovuje vhodná metadata pro popis těchto vlastností a formu jejich uložení. Navrhuje vhodnou strukturalizaci výukových opor pro adaptivní formu výuky a rozděluje výukové opory do několika smyslových forem a výkladových hloubek. Dále navrhuje obecnou formulaci pravidel, která mapují vlastnosti studenta na formu, obsahovou hloubku a vhodné vnitřní uspořádání výkladové jednotky. Za použití výukového stylu studenta navrhuje a implementuje adaptivní algoritmus pro řízení výukového procesu optimalizovaného vzhledem k individuálním potřebám studentů – virtuálního učitele. Výsledkem výzkumu v adaptivním e-learningu (Takács, 2014) je obecný systém pro adaptaci obsahu výuky, který pro známé charakteristiky studenta, ovlivňující jeho učební proces, a pro známou strukturu studijní opory, doporučují optimální výukový styl, realizovaný tzv. virtuálním učitelem. Virtuálním učitelem nazýváme program v LMS, řídicí výukový proces (Takács, 2014). Optimálním výukovým stylem pak nazýváme výše 13
zmíněný výběr optimální varianty výkladu a optimální pořadí výukových vrstev, odpovídající učebním charakteristikám každého konkrétního studenta. Aby se obsah výukového textu (včetně použitých multimédií a interaktivních prvků) dal adaptovat, musí být poměrně podrobně strukturován. Řada pedagogů a studentů doktorského studia na PdF OU se zapojila do rozsáhlého projektu o adaptivní výuce, který přizpůsobuje výklad učiva zjištěnému učebnímu stylu studenta. Pedagogové v současné době testují jeden z výsledků projektu Adaptivní individualizovaná výuka v e-learningu implementaci automatizovaného řízení výukového procesu v prostředí elearningu podle stylů učení studenta (Takacs, 2014), (Horký, 2013), (Prextová, 2014).
1.5.2 Struktura adaptovatelné opory Aby mohl virtuální učitel přizpůsobovat různým osobnostem studentů, musí mít výukovou látku rozdělenou na malé části a zpracovánu více rozdílnými způsoby (Kostolányová, 2011). Pedagog přirozeně rozkládá svůj autorský text konkrétního kurzu na kapitoly a lekce (výukové hodiny). Lekce se dále dělí na rámce, které obsahují jednotkovou výukovou informaci - nově zavedený pojem nebo skupině souvisejících pojmů (motivace pro jeho zavedení, definice, vysvětlení, aplikace, příklad, ověřující testovací otázky a úlohy k řešení). Aby bylo možno výuku modifikovat podle individuality studenta, Kostolányová (2012) navrhla dva způsoby, jak reagovat na studentovy vlastnosti: 1. Výběr vhodné varianty výkladu obsahu rámce: nejčastěji citovanou charakteristikou studenta je převažující forma jeho smyslového vnímání informací – verbální (upřednostňuje textovou formu 14
informací), vizuální (upřednostňuje schémata, schematické obrázky, tabulky a grafy), auditivní (preferuje mluvené slovo, zvuky, kontakt s jinými lidmi) nebo kinestetická (preferuje názorné ukázky, modely, videa, filmy a praktické informace). Druhou charakteristikou, známou z pedagogické praxe, je studentova potřeba podrobnosti výkladu látky. Obě tyto charakteristiky jsou řešeny tak, že se obsah každého rámce zpracuje v několika variantách se stejným obsahem - ve třech „hloubkách“ podrobnosti výkladu a ve čtyřech smyslových variantách. 2. Výběr vhodného pořadí vrstev rámce. Typy vrstev odpovídají fázím výkladu: úplný cyklus výuky, vycházející z dále uvedených didaktických zásad a doporučovaný v literatuře (například Gagné, 1975) zahrnuje: motivaci a cíle výuky, výklad a návaznost na předchozí znalosti, cvičení, ověření znalostí, zakončení. Podrobnější analýzou těchto fází byly rozděleny do následujících vrstev a z nich pak je vytvářen každý rámec (každá jeho varianta): výkladové vrstvy: teoretická, sémantická, fixační, řešené příklady, příklady z praxe, testovací vrstvy: otázky teoretické, úlohy k řešení, úkoly z praxe, speciální vrstvy: motivační, navigační, vrstva cílů, literatura. Pro studenty s různými učebními taktikami (teoretický – praktický typ, detailista – holista atd.) je vhodné použít různé pořadí těchto vrstev. Jednou z funkcí virtuálního učitele tedy je vybrat studentovi optimální variantu výkladu a v ní optimální pořadí vrstev (Kostolányová, 2012). Protože však student nakonec projde všemi vrstvami, je nutné jen to, aby autor zajistil existenci všech důležitých vrstev. Na Obr. 1 dále je zjednodušeně znázorněna struktura autorské části adaptivního LMS.
15
Kapitola
Předmět
Lekce
Rámec
Varianta
Vrstva
Zam
Tvrstva
Odpověď
Komponenta
Obr. 1
Schéma struktury autorské části adaptivního LMS
1.6 Strukturování učiva Sdělování učiva mívá ve velké většině případů lineární, sekvenční strukturu (Čáp, 2007). V textu učebnice, ve výkladu jsou poznatky sdělovány následně jeden po druhém. Nové informace jsou zaváděny postupně a ne vždy jsou dostatečně zdůrazněny jejich souvislosti. Důležité pojmy nebo myšlenky bývají v psaném projevu zvýrazněny graficky (podtržením, kurzívou, polotučným fontem), v mluveném projevu intonačně. Studentovi jsou tím dány signály, že uváděné informace a pojmy jsou důležité. V některých učebnicích bývají uvedeny přehledy učiva v podobě tabulek, schémat a žák se je má naučit v hotové podobě bez znalosti, jak se k nim dospělo. Někdy i v učebnici, častěji však v podání učitele, bývá struktura nevhodná, neúplná nebo nevhodně uspořádaná, což studentovi přidělává práci při učení. Ne vždy jsou základní jednotky učiva - přiměřené (věku, předchozím znalostem,…), úplné (chybí pojmy a vztahy mezi nimi) a správně, logicky seřazené. Úkolem studenta při učení není jen zapamatovat si nové údaje, ale také vztahy mezi nimi. Musí je najít v textu a zkonstruovat si vlastní strukturu učiva na papíře, ale také ve své hlavě. Hledá nové vztahy k tomu, co dosud zná, zařazuje je do své dosavadní poznatkové struktury, případně tuto 16
strukturu reorganizuje. Těmto dovednostem - strukturovat čtený nebo slyšený text - studenty nikdo cíleně neučí a mnohdy k nim dospívají metodou pokusů a omylů, případně si vytvářejí struktury neúplné i chybné. Tomuto uspořádávání se vžilo označení prostorové učební strategie (spatial learning strategies), (Holley, 1984) Struktura učiva, která se má předávat žákovi, v zásadě odpovídá struktuře vědeckého poznání dané doby, se zjednodušeními pro školní vyučování. Přístupy ke strukturování učiva spočívají ve zlepšení vyučovacích strategií (vyučovací činnost učitele, programované učebnice, počítačové programy), aby se usnadnilo studentovo učení nebo zlepšení učebních strategií (žákovu činnost při výběru učiva, zapamatování, uchovávání v paměti a vybavování učiva), aby se kvalitativně zlepšily žákovy postupy při učení (Čáp, 2007). V několika přístupech se objevují schémata nebo grafy struktury učiva (orientační osnova činnosti, struktura hlavních pojmů tématu (Kulič, 1992) grafy logické struktury učiva, vytváření sítí klíčových pojmů a vztahů mezi nimi, vytváření schémat a map pojmů). Tato struktura učiva mívá v jednodušším případě podobu stromu, obecnější podobu sítě.
1.7 Sémantické sítě Jednou z možností, jak zaznamenat objekty a vazby mezi nimi, je sémantická síť. Ve slovníku cizích slov (Kučera, 2004) je sémantická síť definovaná jako ohodnocený orientovaný graf, kde uzly reprezentují objekty a hrany představují vztahy mezi objekty. Kde místo objektů obecně můžeme dosadit i typy entit nebo hodnoty atributů. Jiná definice (Lukasová, 2010) říká: Asociativní síť (sémantická síť) je ohodnocený graf sestávající z uzlů, ohodnocených termy, a hran, ohodnocených binárními predikátovými symboly, přičemž hrany spojují některé dvojice uzlů. Termy jsou slova nebo slovní spojení, která v daném kontextu mají svoje významy. Tyto významy se mohou lišit od významů stejných slov v jiném 17
kontextu nebo v každodenním používání. Terminologie jako disciplína, kromě jiných věcí, studuje, jak takové termy vznikají a jejich vazby v rámci dané kultury. Na rozdíl od lexikografie, která studuje slova a jejich významy, terminologie studuje koncepty, konceptuální systémy a jejich termy.
1.8 Sémantické sítě a jejich implementace Na jeden výsledek použití sémantické sítě v praxi je možné se podívat na stránkách WordNetu - A lexical database for English (Princeton University, 2010), které vznikly na Princetonské Universitě v USA. Struktura WordNetu slouží jako užitečný nástroj počítačovým lingvistům pro zpracování přirozeného jazyka. Podstatná jména, slovesa, přídavná jména a příslovce jsou seskupeny do množin synonym tzv. synsetů, každý vyjadřuje odlišný koncept. Synsety jsou vzájemně propojeny prostřednictvím konceptuálněsémantických a lexikálních vztahů. Uživatel se může pohybovat ve výsledné síti souvisejících slov a pojmů pomocí prohlížeče. WordNet je také volně a veřejně k dispozici ke stažení. WordNet navenek připomíná tezaurus v tom, že vytváří skupiny slov na základě jejich významů. Nicméně, jsou zde některé důležité rozdíly. Za prvé, WordNet propojuje nejen podobné tvary slov – řetězce písmen, ale i slova podobného významu, tj. slova, která se nacházejí v těsné blízkosti v síti, mají sémanticky podobný význam. Za druhé, WordNet pojmenovává typy sémantických vztahů mezi slovy, zatímco seskupení slov v tezauru znamená podobnost, nic jiného. Druhá aplikace Lexipedia (Lexipedia, 2012) je vizuální animovaná on line sémantická síť se slovníkem a tesaurem. Lexipedia zobrazuje slova a jejich sémantické vazby ve formě sítě slov (podstatná jména, slovesa, příslovce, přídavná jména, synonyma – slova se stejným významem, fuzzynyma – slova s jiným významem, ale s vazbou na vybrané slovo, antonyma) – viz Obr. 2 na další straně. Lexipedia podporuje více jazyků – angličtinu, 18
holandštinu, francouzštinu, němčinu, italštinu, španělštinu. Obsahuje rozšířenou verzi anglického WordNetu.
Obr. 2
Příklad slov a vazeb ke slovu „welcome“ - Lexipedie
1.8.1 Sémantické sítě v e-learningu Bylo publikováno několik článků, které se zabývají tématem sémantických sítí v e-learningu, ale všechny byly jen na úrovni návrhu. Např. v článku (Lucke, 2010) je navrhována sémantická síť pro samostatnou navigaci v učebním objektu (LO - Learning Object) nad tradičním hierarchickým kurzem. Sémantická síť zachycuje různé cesty kurzem a tyto určuje autor. Pro realizaci sítě by text kurzu musel být doplněn o značky jazyka XML, které tvoří strukturu kurzu - lekce a kroky - které odpovídají jedné obrazovce nebo slide. Pro autora neznalého alespoň základů jazyka XML je to náročná úloha navíc. V článku (Martin, 2008) je navržena síť konceptuálního grafu, která reprezentuje obsah několika kurzů a která by mohla pomoci studentům porozumět, porovnat, zapamatovat si pojmy z kurzů. Zobrazení této sítě je implementováno, ale pouze v textové podobě a ve formátu, který není příliš čitelný člověkem. 19
Úkolem této práce je automatizovat zobrazení pojmů a vztahů mezi nimi nad textem adaptivní opory, což je odlišný úkol od výše zmíněných.
1.8.2 Vizualizace sémantické sítě a vhodný software Nejužitečnější a názorné využití sémantické sítě pojmů je právě v grafickém znázornění. Výsledný graf sítě je na první pohled čitelnější než textový zápis. Existují programy, knihovny, komerční nebo volně dostupné, pomocí kterých je možné vizualizovat ohodnocenou síť pojmů ve tvaru přehledného grafu zadané topologie (např. hierarchické, stromové, kruhové, pravoúhlé, organické, sférické,…). V Obr. 3 je zobrazen příklad grafu, který byl zpracován nástrojem Gephi (2015), který umožňuje zkoumat grafy a více se o nich dozvědět. Dovoluje uživateli měnit tvar, barvu uzlů i strukturu grafu, aby objevil jeho skryté vlastnosti. Je to doplňkový nástroj k tradiční statistice. Obsahuje velké množství algoritmů pro rozmístění uzlů grafu do zvolené topologie. Samozřejmostí jsou výpočty různých charakteristik grafu. V Gephi je možné zobrazit graf o 50 tisících uzlech a 1 milionu vazeb. Vhodný také pro zkoumání sociálních sítí.
Obr. 3 Příklad grafu sítě 20
Další z možných nástrojů pro vizualizaci grafu je JavaScriptová knihovna SigmaJs (Sigmajs, 2012). Umožňuje publikovat sítě na webových stránkách a integrovat průzkum sítě ve webových aplikacích. Předpokladem jsou data ve formátu GEXF a případnou manipulaci s grafem je potřeba implementovat v JavaScriptu. Vlastní řešení jsem zvolila z několika důvodů
lineární posloupnost definovaných pojmů v autorském pořadí v LMS, výuková opora je součástí LMS, existuje omezený malý počet definovaných pojmů v předmětu, cizí nástroje obsahují množství funkcí navíc, které se v SNT nevyužijí, integrace nástrojů Gephi nebo SigmaJs do adaptivního LMS a jejich přizpůsobení požadavkům není triviální.
1.9 Didaktické zásady Pod pojmem didaktické zásady rozumíme základní pravidla, jež mají zajistit efektivnost výuky. Jedná se o nejobecnější doporučení pro učitele, při jejichž respektování může učitel při výuce (či žák při autodidakci) dosáhnout maximální efektivity a účinnosti. Systém didaktických zásad se utvářel po staletí. J. A. Komenský chápal didaktiku jako „všeobecné umění, jak naučit všechny všemu“. V díle Velká didaktika (Komenský, 1948) zahrnuje pod pojem didaktika veškerou pedagogickou problematiku. Zařazuje sem vymezení obecných cílů a úkolů výchovy, vymezení obsahu vzdělávání, mravní, náboženské a tělesné výchovy, vyučovací zásady a metody, teorii školy a organizaci školské soustavy. V XVI. kapitole formuluje obecně platné vyučovací zásady, které nejen tehdy byly průlomové až revoluční a které pak při výuce sám aplikoval. Je považován za zakladatele moderní pedagogiky a na jeho dílo navazují prakticky všichni další teoretici v pedagogice.
21
Zásady, které formuloval J. A. Komenský:
Zásada názornosti. Zásada systematičnosti a soustavnosti. Zásada aktivnosti a uvědomělosti. Zásada trvalosti. Zásada přiměřenosti. Zásada vyučovat od jednoduššího ke složitějšímu. Žák má být současně učitelem. Vyučování má být zábavné.
Prvotním východiskem pro formulaci didaktických zásad byly zkušenosti pedagogů. Jejich empirické poznatky byly postupem času upřesňovány a doplňovány prostřednictvím pedagogického vědeckého výzkumu. Za posledních 350 let se tyto zásady mnoho nezměnily, jen některé byly mírně přeformulovány a přibylo několik dalších. V (Malach, 2003) jsou definovány další
Zásada komplexního rozvoje žáka. Zásada vědeckosti. Zásada spojení teorie s praxí. Zásada individuálního přístupu. Zásada emocionálnosti. Zásada zpětné vazby.
S rozvojem nových pedagogických i technických možností, speciálně pak s rozvojem ICT je možno výuku optimalizovat nejen dodržováním obecných zásad, ale i respektováním individuality studenta, jeho vrozených i výchovou a vzděláním získaných vlastností. Dále je uvedeno, zda vůbec lze a jakým způsobem kontrolovat porušení jednotlivých pedagogických zásad a to pomocí mnou navržené SNT.
22
2 Cíle práce 2.1 Motivace pro využití
SNT v adaptivním e-
learningu Klasické sémantické sítě popisují pojmy a jejich vztahy v realitě. Výukový nebo odborný text by měl realitu odrážet, zaznamenávat realisticky, a současně podávat výklad pojmů s dodržení didaktických zásad. I zkušený autor se může občas proti těmto pravidlům prohřešit. Výukové opory v adaptivním e-learningu (díky jejich vysoké strukturalizaci a rozlišení sémantického významu dílčích vrstev textu) dávají dobrou možnost pojmy a vztahy mezi nimi rozpoznat, zaevidovat, vizualizovat i vyhledat případné didaktické chyby v nich. Vytvořená SNT nad výukovou oporou je pro tento účel dobrým nástrojem. Pro autora může být náhled na autorskou strukturu textu zajímavý z několika důvodů:
Ověří, jestli opora správně popisuje realitu, jestli jsou dodrženy didaktické zásady při výkladu (např. jestli je dostatečný počet příkladů k danému pojmu apod.).
Použití SNT mezi předměty usnadní autorům i studentům porovnání definic pojmů, případně upozorní autory na nesrovnalosti.
Použití SNT mezi předměty odhalí autorům zbytečné duplicity ve výuce nebo případné neshody definic nebo jejich výkladů.
Pro studenta může být motivací, když uvidí definované pojmy a vztahy mezi nimi, kde dále budou zavedené pojmy zapotřebí, v jakých a kolika příkladech se pojem vyskytuje apod. Při samotném studiu student bude moci využít SNT pro náhled na pojmy předmětu a procházet učivo nejen klasicky sekvenčně, ale případně také s náhledem na celou látku pomocí pojmů, vazeb a výskytů ve vizualizované SNT. 23
Když student studuje látku postupně tak, jak je popsána v učebnici, dochází k situacím, kdy si potřebuje zopakovat dřívější pojmy, které s novou látkou souvisejí; použitím SNT nemusí „listovat“, ale najde okamžitě jak definice těchto pojmů, tak všechny související informace.
Když studenta zajímá častá otázka o nové látce „k čemu je to dobré“, pomocí SNT okamžitě vidí jak teorii navazující na nový pojem, tak jeho uplatnění v praktických dovednostech, při řešení úloh apod.
Zobrazení SNT napomáhá studentovi budovat si v paměti svou strukturu pojmů a jejich souvislosti.
Při opakování látky před zkouškou umožní SNT lepší orientaci v pojmech; vizualizace sítě pojmů je často výhodnější pro zapamatování, než pouhý text.
Studenti často nepoznají, že tentýž pojem v různých předmětech znamená totéž, jen se probírá z jiného hlediska; učí se je znovu, zbytečně zatěžují paměť a nechápou souvislosti mezi předměty; použití mezipředmětové SNT tak umožní studentům náhled na stejné pojmy s různým přístupem a tím i lepší pochopení reality; příklady takových pojmů: vektor (matematika, fyzika, programování), systém (prakticky všude) a další.
SNT umožní i další funkce, jako tisk výkladového slovníku definovaných pojmů; to může studentovi pomoci při opakování látky, autorovi k další kontrole správnosti a úplnosti textu.
2.2 Cíle disertační práce Hlavním cílem disertační práce je Vytvořit sémantickou síť pojmů podle struktury definované v adaptivní výukové opoře a umožnit tak
evaluaci textu této opory z hlediska pedagogických zásad, 24
nelineární orientaci předmětu.
studenta
v
problematice
studovaného
Z hlavního cíle plynou následující dílčí cíle.
Teoreticky navrhnout a popsat typy uzlů a jejich ohodnocení a typy vazeb mezi nimi pro použití v SNT. Teoreticky zpracovat a navrhnout možnosti kontroly dodržení jednotlivých pedagogických zásad pomocí SNT, rozpoznání jejich porušení a návrh chybového protokolu pro zobrazení autorovi. Teoreticky navrhnout a pak realizovat rozšíření adaptivního LMS o modul s funkcemi pracujícími se SNT – její vytvoření a uživatelské ovládání. K tomu je zapotřebí: o provést datovou analýzu - nadefinovat datovou strukturu metadat SNT, o provést funkční analýzu - nadefinovat algoritmy pro automatické vytváření sémantické sítě pojmů a pro práci s touto sítí s ohledem na teorii adaptivní výuky, pro evaluaci opory a pro využití při výuce, o implementovat navrženou databázi i metody pro zadání důležitých pojmů, automatizované vytvoření SNT, vizualizaci částí SNT, kontrolu textu a zobrazení chybových hlášení a pro zobrazení, případně tisk, výkladového slovníku z definic důležitých pojmů jednoho předmětu, o umožnit studentovi procházet a alternativně studovat oporu s využitím vizualizace pojmů a vazeb SNT, Umožnit pedagogovi prohlížet graf SNT a chybová hlášení pro možnou kontrolu a případné vylepšení autorského textu. Ověřit fungování SNT a její přínos pro evaluaci předmětu s autory adaptivních výukových opor kvalitativním výzkumem. Umožnit studentovi používat SNT pro lepší orientaci v problematice předmětu, jeho pojmech, vztazích mezi pojmy a využití definovaných pojmů v další teorii i využití v praxi. 25
3 Teoretický návrh SNT 3.1 Analýza SNT v adaptivním e-learningu Byla provedena analýza SNT - pro potřeby disertační práce byly definovány pojmy (pojem, synonymum, výskyt pojmu, vztahy a metavztahy) a na jejich základě popsány základní části SNT - typy uzlů (pojmy a synonyma, a výskyty jako výskyt před a výskyt po definici). Dále bylo definováno, kdy je pojem předchůdcem a kdy následníkem. Byly definovány vztahy mezi pojmy, které lze využít pro vizualizaci a evaluaci opory - isa hierarchie (vztah předek - potomek), jePředchůdce, jeNásledník. Toto použití SNT tedy zobrazuje navíc a především jiné vztahy, než klasická síť. Zobrazuje strukturu autorského textu a vztahy mezi pojmy, díle mezi pojmy a jejich výskyty v tomto textu. Byly definovány vztahy mezi pojmem a jeho výskytem, tj. metavztahy výskytPřed, výskytPo definici. Podrobné definice a popis jsou uvedeny v disertační práci.
3.2 Návrh struktury a metod pro práci se SNT Ke každému definovanému pojmu byla stanovena další metadata
vrstva a rámec, kde definovaný pojem leží, synonyma k danému pojmu, všechny nalezené výskyty tohoto pojmu každého typu (výskytPřed, výskytPo), přímé předchůdce pojmu a přímé následníky pojmu, počet automaticky nalezených výskytů pojmu, počet automaticky nalezených výskytů pojmu před definicí, počet přímých předchůdců, počet přímých následníků, počet výskytů pojmu před definicí, 26
počet výskytů pojmu za definicí, počet výskytů pojmu v jednotlivých vrstvách předmětu případně počet výskytů pojmu v jednotlivých vrstvách po rámcích, hlášení pro autora o porušení pedagogických zásad.
Na základě těchto informací byla navržena struktura databáze, schéma je uvedeno dále v kapitole 4.1. Dále byly navrženy základní metody pro práci se SNT
definování pojmů a jejich synonym v teoretické vrstvě, automatické vytvoření SNT, zobrazení SNT (vizualizace), zobrazení výkladového slovníku pojmů, kontrola didaktické správnosti autorského textu, prohlížení případných informačních, varovných nebo chybových výpisů.
Byl navržen algoritmus generování a návrh vizualizace SNT a návrh zobrazení výkladového slovníku.
Obr. 4
Grafický návrh rozmístění jednotlivých prvků SNT
27
3.3 Návrh
kontroly
didaktických
zásad
pomocí
SNT Jedním ze dvou hlavních úkolů SNT, jako nástroje autora, je kontrola dodržení některých z didaktických zásad, kontrola úplnosti všech fází výuky a kontrola správné návaznosti zaváděných informací. Gramatickou a stylistickou stránku si může autor kontrolovat například funkcemi MS Wordu. Ale zatím neexistuje automatická kontrola textu učebnice. Není sice možné automaticky zkontrolovat všechny didaktické zásady, ani kontrolovat věcnou správnost výkladu. Je však možná analýza struktury textu a kontrola řady pedagogických charakteristik. Autor tak může být před zveřejněním výukové opory upozorněn na případné chyby nebo místa k zamyšlení se nad obsahem a jeho úplností. Grafické zobrazení sítě nebo její části pedagogovi umožní vizuálně zkontrolovat strukturu výukové opory vzhledem k definovaným pojmům a automaticky nalezeným výskytům těchto pojmů. Podle jejich případné ne/existence v jednotlivých vrstvách pak autor může upravit autorský text tak, aby splňoval pedagogické zásady. Byl podrobně analyzován způsob automatické kontroly textu opory pomocí SNT. Dále je popsána jedna pedagogická zásada, jakým způsobem je možno ji kontrolovat a jak informovat autora o porušení zásady. Ostatní zásady, a zda lze a jak kontrolovat jejich porušení pomocí SNT, jsou uvedeny v disertační práci. Po kontrole zásady, pokud není dodržena nebo je možné doplnění textu, se automaticky vygeneruje hlášení různé důležitosti:
informativní hlášení (i) - informace o možném vylepšení textu, varovné hlášení (w) - o drobnější chybě, chybové hlášení (e) - chybné nedodržení některé zásady.
Pedagog, na základě výpisu seznamu hlášení, může chyby odstranit nebo rozhodnout, že hlášení je neoprávněné. 28
3.3.1 Zásada názornosti Definice: Tato zásada vychází z toho, že žáci již mají o vyučované problematice jisté představy, které je třeba vědecky uchopit, aby si žáci problém zapamatovali a pochopili. Učitel vede žáky k vytváření a zobecňování představ bezprostředním vnímáním skutečnosti či jejího zobrazení pomocí pomůcek a didaktické techniky, nebo při výuce uplatňuje takový výklad, který v žácích vyvolá již dříve vytvořené představy popisované skutečnosti, tj. přírodních i uměle vytvořených předmětů a přírodních nebo společenských jevů (Komenský, 1948). Učební činnost by měla aktivovat co největší množství smyslů, měla by rozvíjet žákovu představivost a fantazii, měla by obohacovat, kultivovat osobní zkušenost žáka. Smyslové vnímání umožní žákovi si vytvořit základní představy o věcech a jevech, které následně může zpracovat v pojmy. Názornost pomáhá hlavně u žáků, kteří nemají dostatek zkušeností, tj. názorné předvedení zprostředkuje žákovi přímou zkušenost, a také usnadňuje přechod k abstraktnímu myšlení. Pravidla pro evaluaci zásady v opoře: aktivovat smysly → pokryty variantami aspoň 2 smyslové formy (adaptivní LMS) používat různé pomůcky → audio, video, schémata, využívat dříve vytvořené představy → použita fixační vrstva a vrstvy řešených a praktických příkladů (opakování) názorné předvedení → použity řešené a praktické příklady a úlohy a praktické úlohy Kontrola pomocí SNT: pokud se pojem nevyskytuje ve vyjmenovaných výkladových a testovacích vrstvách rámce, tak je vypsáno chybové hlášení, které vrstvy je potřeba dopracovat pro vybraný pojem. 29
Chybové hlášení po kontrole zásady názornosti: (e) pojem se nevyskytuje ve výkladové vrstvě rámce - fixační, řešené příklady, praktické příklady (e) pojem se nevyskytuje v testovací vrstvě rámce - úlohy a praktické úlohy (e) pojem se vyskytuje ve vrstvách jen jedné smyslové varianty rámce Následující zásady kontrolovat pomocí SNT nelze: Zásada přiměřenosti. Zásada komplexního rozvoje žáka. Zásada vědeckosti. Zásada individuálního přístupu. Přesto, že 4 pedagogické zásady se nedají kontrolovat pomocí SNT, zbývá 8 zásad, které se kontrolovat dají, a výsledná hlášení o porušení těchto zásad po evaluaci opory mohou výrazně pomoci pedagogovi vylepšit oporu a tím také studentovi poté umožnit kvalitnější a trvalejší znalosti a dovednosti.
30
4 Realizace SNT 4.1 Zadání, datová a funkční analýza systému SNT Realizace SNT probíhala v několika fázích, které odpovídají cyklu programového díla - zadání, analýza, návrh implementace, implementace, údržba. Na základě zadání, viz kap. 3 a 4.1 práce byla provedena datová a funkční analýza SNT. Jedním z výsledků datové analýzy je ER diagram, který lze vidět dále v Obr. 5, pak podrobný popis entitních typů a typů vazeb mezi entitami a také navázání nově navržené struktury SNT na stávající strukturu autorské části adaptivního LMS.
Obr. 5
ER diagram SNT a jednotlivé typy entit a vazeb
Výsledkem funkční analýzy jsou podrobně popsané algoritmy složitějších metod, které v další fázi studia podle tohoto popisu byly implementovány. Dále bylo realizováno
samostatný subsystém pro práci se SNT (data a metody) byl začleněn do existujícího LMS Barborka; 31
do autorského subsystému byla přidána možnost definice pojmů a jejich synonym; v autorském subsystému byly implementovány funkce definované v kapitole 3.2 a pomocí přehledného menu dány autorovi k dispozici; v autorském subsystému lze všechny části SNT, včetně pedagogických zásad a jak je kontrolovat, vypsat jako seznamy v přehledných tabulkách; do subsystému student/výuka byly začleněny metody pro zobrazení grafu SNT a výkladového slovníku.
4.2 Implementace SNT V další části autoreferátu následují vybrané ukázky z implementace a jejich popis.
4.2.1 Vizuální náhled na pojmy a výskyty v SNT Algoritmus zobrazení grafu SNT, ve kterém jsou zakresleny pojmy, jejich synonyma, vazby mezi pojmy, výskyty k vybranému pojmu a vazby mezi pojmem a výskyty, byl implementován a jeden příklad tohoto grafu je na Obr. 6. Jednotlivé prvky tohoto grafu jsou vysvětleny níže 1. sloupec rámců, setříděný v autorském pořadí 2. sloupec pojmů, synonym, změna vybraného pojmu a překreslení SNT (ikona terčík) a náhled na vrstvu definice (ikona oko) 3. sloupec výskytů, náhled na vrstvu výskytu (ikona oko) 4. vztahy jePředchůdce (zelená šipka) 5. vztahy jeNásledník (fialová šipka) 6. metavztahy výskytPřed (modro-červená šipka), výskytPo (modrá šipka)
32
Obr. 6
Vizualizace SNT včetně výskytů vybraného pojmu
4.2.2 Výpisy ze SNT ve formě tabulek Kromě grafu SNT lze vypsat všechny seznamy v tabulkách - např. seznam definovaných pojmů, synonym, předchůdců, následníků atd. V následujících dvou výpisech jsou počty výskytů podle typů vrstvy (Obr. 7 dále) a část výkladového slovníku předmětu (Obr. 8 dále).
4.2.3 Didaktické zásady kontrolované SNT Na Obr. 9 dále je zobrazena část výpisu chybových hlášení. V tabulce Chyby proti pedagogickým zásadám jsou ve sloupcích název předmětu, pojem, kterého se chyba týká, popis chyby, případně vrstva, kde chyba nastala, typ vrstvy, které se chyba týká, dále typ chyby a zásada. 33
Obr. 7
Počty výskytů pojmu za typy vrstev
Obr. 8
Výkladový slovník předmětu, část
Obr. 9
Výpis nalezených porušení didaktických zásad 34
4.2.4 Menu SNT pro studenta
Obr. 10
Náhled na obrazovku v režimu výuka - menu a text opory
Na Obr. 10 je zobrazeno menu a text opory tak, jak to vidí student v průběhu výuky. V nově přidané části menu Související pojmy je seznam pojmů, které souvisí s aktuálně zobrazovaným rámcem. Výběrem pojmu se zobrazí graf části SNT, která se vztahuje k tomuto pojmu.
35
5 Výuková opora Pro experimenty byla zpracována část opory - 7 lekcí předmětu Databáze cvičení - část Jazyk SQL. Stejná opora byla použita pro samotné testování SNT a jejích funkcí, pro testování studentů, pro proškolení autorů a otestování funkcí SNT autory. Ukázka části opory je v příloze H práce. Při tvorbě opory bylo postupováno podle metodiky tvorby adaptivních opor (Kostolányová, 2012). Zpracovaných 7 lekcí předmětu obsahuje celkem
37 rámců v jedné variantě, 37 klíčových pojmů, 23 synonym, 163 vrstev adaptivního LMS.
Poté byla opora (7 lekcí) vložena do LMS Barborka, byla vygenerována SNT a algoritmus generování SNT našel 422 výskytů těchto klíčových pojmů a synonym v opoře. Původní verze opory nebyla úmyslně zpracována se zachováním všech didaktických zásad, aby bylo možno otestovat úplnost a správnost chybových hlášení.
36
6 Výzkumná šetření a jejich výsledky 6.1 Pedagogický experiment Pedagogický experiment je zaměřen na zkoumání vztahu mezi učením dotazovacímu jazyku SQL v adaptivním e-learningu s využitím SNT a bez využití SNT.
6.2 Výzkumný problém a dílčí otázky Byl formulován základní výzkumný problém: Jaký je vliv využití SNT na efektivitu učení v průběhu učení v prostředí adaptivního e-learningu? Byla formulována hlavní hypotéza: Studenti, kteří absolvují výuku dotazovacího jazyka SQL v e-learningu v adaptivním LMS s využitím SNT, budou v jeho zvládnutí úspěšnější než studenti, kteří absolvují výuku dotazovacího jazyka bez přístupu do SNT. Dále byly formulovány dílčí výzkumné otázky (a k nim hypotézy - v textu práce) 1. Jaké jsou rozdíly ve znalostech tvorby SQL dotazů mezi kontrolní a experimentální skupinou na začátku experimentu? 2. Jaké jsou rozdíly ve znalostech tvorby SQL dotazů mezi kontrolní a experimentální skupinou na konci experimentu? 3. Jaké jsou rozdíly ve znalostech tvorby SQL dotazů mezi pre-testem a post-testem u experimentální skupiny? 4. Jaké jsou rozdíly ve znalostech tvorby SQL dotazů mezi pre-testem a post-testem u kontrolní skupiny? 5. Jaké jsou rozdíly ve znalostech tvorby SQL dotazů mezi kontrolní a experimentální skupinou?
37
6.2.1 Organizace experimentu Byly definovány následující proměnné experimentu: Experimentální skupina: skupina studentů pedagogické fakulty druhého ročníku bakalářského studia a skupina studentů prvního ročníku navazujícího studia, které po dobu 5 týdnů absolvovaly e-learningovou výuku dotazovacího jazyka SQL v adaptivním LMS standardním způsobem a navíc s možností zobrazit graf SNT pro vybraný pojem související se studovaným rámcem a s možností procházet oporou pomocí funkcí SNT. Kontrolní skupina: skupina studentů pedagogické fakulty druhého ročníku bakalářského studia a skupina studentů prvního ročníku navazujícího studia, která po dobu 5 týdnů absolvovala e-learningovou výuku dotazovacího jazyka SQL v adaptivním LMS pouze standardním způsobem, bez možnosti zobrazit graf SNT a tedy i bez možnosti procházet oporou pomocí funkcí SNT. Obě skupiny byly testovány před začátkem experimentu (pre-test) a po skončení experimentu (post-test). Pre-test: test praktického použití dotazovacího jazyka SQL, který byl zadán před začátkem experimentu (Příloha F práce) Post-test: test praktického použití dotazovacího jazyka SQL, který byl zadán po skončení experimentu (Příloha G práce). Mezi testované dovednosti patřily 1.
tvorba různých typů dotazů v jazyce SQL nad jednou tabulkou,
2.
tvorba různých typů dotazů v jazyce SQL nad více tabulkami.
Otázky v post-testu nebyly úplně shodné s pre-testem, ale byly ekvivalentní z hlediska obtížnosti.
38
6.2.2 Výzkumné techniky Pro ověření přínosu SNT pro studenty adaptivních opor byla použita metoda srovnání dvou paralelních skupin (Chráska, 2007, str. 28), která je vhodná pro učení se pomocí e-learningu. Obě skupiny měly k dispozici 7 lekcí opory v adaptivním LMS (viz Příloha H, popis opory je v kapitole 5). Testování proběhlo formou párového testu (Chráska, 2007). Při konstrukci didaktických testů jsem vycházela z probíraného tématu dotazovací jazyk SQL a z vlastních zkušeností tvorby testů a ze skript (Jeřábek, 2010). Test se skládal z 10 úloh na tvorbu dotazů v jazyce SQL.
6.2.3 Průběh experimentu Samotný experiment byl realizován po dobu 5 týdnů v říjnu a listopadu akademického roku 2015/2016. Nejprve byli studenti seznámeni s cílem a průběhem experimentu. Poté studenti napsali pre-test. Po absolvování pre-testu byl studentům vysvětlen význam SNT formou krátkého výkladu a bylo názorně předvedena postup učení včetně použití SNT v LMS Barborka. Studenti dále dostali k dispozici Příručku pro studenta (příloha I) s podrobným popisem funkcí nad SNT a přístupem do LMS Barborka k vytvořeným pro ně novým lekcím adaptivní opory. Na prostudování nové látky, včetně vyzkoušení SNT u experimentální skupiny, měli studenti 5 týdnů. Po této době studenti absolvovali post-test a vyplnili dotazník pro evaluaci.
6.2.4 Způsob zpracování dat Měření během experimentu a vyhodnocení získaných dat byla založena na kvantitativním metodologickém přístupu s využitím následujícího postupu: 1. 2.
uspořádání získaných dat a sestavení tabulek, grafické metody zobrazení dat (sloupcové grafy, kvartilové grafy), 39
3.
neparametrický test Manna a Whitneyho pro velmi malé výběry pro všechny otázky a párový t-test na střední hodnotu pro opakovaná měření.
Při vyhodnocování výsledků experimentu jsem vycházela z formulovaných otázek a hypotéz. Statistickou významnost ve zmíněných případech jsem prověřovala pomocí testu Manna a Whitneyho pro velmi malé výběry a párového t-testu na hladině významnosti α = 0,05. Všechna data byla zpracována a výpočty byly realizovány v programu MS Excel. Závěr vyhodnocení Všechna porovnání, kromě porovnání výsledků pre-testu mezi experimentální a kontrolní skupinou, potvrdila statisticky významný rozdíl. 1. V úrovni znalostí tvorby SQL dotazů na začátku experimentu mezi kontrolní a experimentální skupinou neexistuje statisticky významný rozdíl. 2. Studenti v kontrolní skupině dosáhli průměrně 6,083 bodů a studenti experimentální skupiny získali statisticky významný lepší výsledek v průměru 7,92 bodů z deseti možných. 3. Oba testy, test Manna a Whitneyho i párový t-test, potvrdily statisticky významné zlepšení studentů v experimentální skupině - dosáhli průměrně 7,92 bodů z deseti možných v post-testu oproti 2,33 bodům v pre-testu. 4. Oba testy, test Manna a Whitneyho i párový t-test, potvrdily statisticky významné zlepšení studentů v kontrolní skupině - dosáhli průměrně 6,08 bodů z deseti možných v post-testu oproti 2,33 bodům v pretestu. 5. Potvrdila se hlavní hypotéza, která byla formulována na základě cíle experimentu: prakticky ověřit efektivitu výuky v adaptivním elearningu s využitím SNT:
40
Studenti, kteří měli k dispozici SNT, vykazovali statisticky významné zlepšení v post-testu - v průměru o 5,57 bodů, oproti studentům bez přístupu k SNT, kteří se průměrně zlepšili o 3,75 body.
Byla potvrzena hlavní hypotéza Studenti, kteří absolvují výuku dotazovacího jazyka SQL v e-learningu v adaptivním LMS s využitím SNT, jsou v jeho zvládnutí úspěšnější než studenti, kteří absolvují výuku dotazovacího jazyka v adaptivním LMS bez přístupu do SNT. Vzhledem k tomu, že vzorek studentů byl velmi malý, výsledky nelze zobecňovat. Dále studenti vyplnili dotazník, výsledky dotazníku jsou v disertační práci.
6.3 Shrnutí přínosu SNT pro autora Pro ověření přínosu SNT pro autory adaptivních opor byl proveden experiment, kde pro sběr dat byla použita metoda strukturovaného interview s autory, kteří již mají vlastní zkušenost s tvorbou adaptivní opory. Takových autorů prozatím není mnoho, proto byla zvolena forma interview s předem připravenými otázkami s otevřenými odpověďmi. 41
Vyhodnocení otázek bylo provedeno podobně jako při vyhodnocení dotazníku (Chráska, 2007, s. 184). Úkolem šetření bylo odpovědět na následující výzkumné otázky 1. zda využití SNT a její vizualizace při tvorbě opory je pro autory přínosem, 2. zda výsledná hlášení po evaluaci opory pomocí SNT autoři využijí pro zkvalitnění opory. Shrnutí za první otázku - reakce na použití a vizualizaci SNT byly jednoznačně kladné, grafické zpracování SNT i barvy byly vhodně zvoleny, graf SNT je čitelný a odpovídá představám respondentů. Respondenti v minulosti již vytvářeli adaptivní opory, ale SNT tehdy nebyla k dispozici. Respondenti v průběhu výzkumu nevytvářeli svoje vlastní opory, vizualizaci SNT testovali na dříve vytvořeném testovacím předmětu Jazyk SQL všichni prohlásili, že by tuto síť v budoucnu určitě použili při tvorbě vlastních opor a že přínosem je také vytvoření výkladového slovníku pojmů. Shrnutí za druhou otázku - respondenti se shodli, na většinu otázek odpověděli ano, evaluace adaptivní opory pomocí SNT je a bude pro autora přínosem.
42
7 ZÁVĚR 7.1 Výsledky práce Na základě teoretického návrhu, datové a funkční analýzy byla SNT implementována jako nadstavba nad adaptivním LMS včetně funkcí pracujícími nad SNT:
automatické vytvoření SNT z autorem definovaných důležitých pojmů, vizualizace struktury výukového textu z definovaných pojmů formou grafu SNT jako zpětnou vazbu pro potřeby autora textu a jako podporu pro lepší orientaci v textu učebnice pro studenty, automatická kontrola dodržení pedagogických zásad pomocí SNT a výpis hlášení o porušení zásad pedagogovi pro možné vylepšení textu opory, možnost nelineárního procházení textu opory pomocí SNT studentem i pedagogem jako funkce doplňující standardní postup při výuce v LMS, možnost výpisu výkladového slovníku pojmů.
V rámci experimentu byla vytvořena část adaptivní e-learningové opory část Jazyk SQL. Tato opora byla vložena do adaptivního LMS Barborka a použita pro samotné testování SNT a jejích funkcí, pro testování studentů v rámci experimentu, pro proškolení autorů a otestování funkcí SNT autory. Byl ověřen přínos SNT pro studenty v pedagogickém experimentu. Studenti, kteří měli k dispozici SNT, vykazovali statisticky významné zlepšení v post-testu v průměru o 5,57 bodů, oproti studentům bez přístupu k SNT, kteří se průměrně zlepšili o 3,75 bodů a z dotazníku vyplývá pozitivní přijetí možnosti využití SNT pro výuku i opakování pojmů. V dalším experimentu byl autory adaptivních výukových opor ověřen význam SNT a její přínos pro evaluaci předmětu. Závěrem bych chtěla konstatovat, že cíl disertační práce byl naplněn. 43
7.2 Další rozvoj použití SNT Touto prací možnosti využívání SNT v e-learningové výuce zdaleka nekončí.
Jednou z možností, jak rozšířit SNT, je automatické vytvoření SNT přes všechny příbuzné předměty v adaptivním LMS. Tím dát autorům možnost například sjednotit definice shodných pojmů nebo studentům nahlížet, ve kterých dalších předmětech se pojem vyskytuje. Zásady, které jsou zde v adaptivním LMS kontrolovány pomocí SNT, by měly platit obecně v jakékoliv učebnici. Ale v textu učebnice, například ve formátu pdf, nelze zatím obecně poznat, kde je definice pojmu. Proto sestrojení SNT nad textovými oporami není triviální, ale bylo by bezpochyby užitečné pro pedagogy - autory opor. Algoritmus vyhledávání výskytů pojmů v textu opory hledá shodná slova, slovní spojení v textu. Nalezení pojmu ve vrstvě je podmíněno existencí shodného tvaru pojmu alespoň v jedné komponentě vrstvy. Toto pravidlo je také popsáno v příručce pro autory. Zde se nabízí idea využít/zabudovat do LMS generátor tvarů slov - pro vyhledávání výskytů i podle všech možných tvarů slov. Ve stávající implementaci SNT je vizualizována jen část sítě - všechny definované pojmy v autorském pořadí a výskyty jen k vybranému pojmu. Do budoucna by bylo vhodné doplnit vizualizaci grafu celé sítě - všech definovaných pojmů a jejich výskytů.
44
8 POUŽITÁ LITERATURA ADOBE. Adobe Connect Learning [online]. Ireland, Dublin: Adobe System Software Ireland Ltd, 2015, duben 2015 [cit. 2015-06-09]. Dostupné z: http://www.adobe.com/products/adobeconnect/elearning.html BabelNet: Search, translate, learn! [online]. 2015. Roma, 09-2015 [cit. 2015-12-07]. Dostupné z: http://babelnet.org/ BAREŠOVÁ, Andrea. 2003. E-Learning ve vzdělávání dospělých. Vyd. 1. Praha: VOX. 167 s. ISBN 80-863-2427-3. BÍLEK, Martin, Petra POULOVÁ a Ivana ŠIMONOVÁ. 2009. E-learning a multimédia jako předmět výzkumných šetření - stručný exkurz do metodologie. In: CHROMÝ, Jan a René DRTINA. Média a vzdělávání 2009. Vydání první. Praha 8: Media4u Magazine, s. 15-20, 122 s. ISSN 1214−9187. Dostupné také z: http://www.media4u.cz/sbornikmeavz2009.pdf BLACKBOARD INC. Blackboard [online]. United Kingdom, London: Blackboard Inc., 2015 [cit. 2015-06-09]. Dostupné z: http://www.blackboard.com CISCO SYSTEMS, INC. 2015. Cisco [online]. San Jose, CA 95134 USA: Cisco Systems, Inc., [cit. 2015-06-03]. Dostupné z: http://www.cisco.com/ COLLINS, Allan M. a M. Ross QUILLIAN. 1969. Retrieval time from semantic memory. Journal of Verbal Learning and Verbal Behavior. Volume 8, Issue 2, April 1969, Pages 240-247. ISSN 0022-5371, 10.1016/S00225371(69)80069-1. Dostupné z: http://www.sciencedirect.com/science/article/pii/S0022537169800691 ČÁP, Jan a Jiří MAREŠ. 2007. Psychologie pro učitele. Vyd. 2. Praha: Portál, 655 s. ISBN 978-807-3672-737. ČESKÉ DRÁHY, A.S. Dopravní vzdělávací institut a.s. [online]. Praha: © Dopravní vzdělávací institut a.s., 2006 [cit. 2015-06-03]. Dostupné z: http://www.dvi.cz/e-learning/ 45
DIESTEL, Reinhard. 2010. Graph theory. 4th ed. New York: Springer, xviii, 436 p. Graduate texts in mathematics, 173. ISBN 9783642142796. DOSTÁL, Jiří. 2009. Multimediální, hypertextové a hypermediální učební pomůcky - trend soudobého vzdělávání. Časopis pro technickou a informační výchovu [online]. Olomouc: Vydala Univerzita Palackého, 1(2): s. 18 - 23. [cit. 2016-01-05]. ISSN 1803-537X (print), 1803-6805 (on-line). Dostupné z: http://www.jtie.upol.cz/artkey/jti-2009020003_MULTIMEDIALNI_HYPERTEXTOVE_A_HYPERMEDIALNI_UCEBNI_PO MUCKY_-_TREND_SOUDOBEHO_VZDELAVANI.php DRÁPELA, Radek. 2013. Systém řízení výuky adaptované podle učebního stylu studenta. Ostrava. Diplomová práce. Vysoká škola báňská - Technická univerzita Ostrava, Fakulta elektrotechniky a informatiky, katedra informatiky. ĎURIČ, Ladislav a Jozef ŠTEFANOVIČ. 1977. Psychológia pre učiteľov: vysokoškolská učebnica pre vysoké školy na Slovensku. 2. nezm. vyd. Bratislava: Slovenské pedagogické nakladateľstvo, 592 s. E-learningové prvky pro podporu výuky odborných a technických předmětů [online]. 2006. Ostrava, 3. 7. 2006 [cit. 2016-01-03]. Dostupné z: http://www.elearn.vsb.cz/ FILOVÁ, Hana, Josef MAŇÁK, Jiří STRACH, Oldřich ŠIMONÍK, Jan ŠŤÁVA a Vlastimil ŠVEC. 1996. Vybrané kapitoly z obecné didaktiky. 1. vyd. Brno: Masarykova univerzita, 95 s. ISBN 8021013087. FRONTER. Fronter: A Simpler Learning Platform [online]. Norway, Oslo: Fronter International, 2015, 6. 5. 2015 [cit. 2015-06-09]. Dostupné z: https://eng.fronter.com/blog/from-general-manager-nils-sundsteigen/asimpler-learning-platform/ GAGNÉ, R. M. 1975. Podmínky učení. Praha: SPN, 1975. 287s. Gephi: makes graphs handy [online]. 2015. Paříž: The Gephi Consortium, 2015-12-15 [cit. 2015-12-15]. Dostupné z: https://gephi.org/ 46
GOPAS. 2013. GOPAS: elearning [online]. Praha: GOPAS, [cit. 2015-06-03]. Dostupné z: http://elearning.gopas.eu/hlavni-stranka.aspx HERNANDEZ, Michael J.. 2006. Návrh databází. První vydání. Praha: Grada, 408 s. Profesionál. ISBN 80-247-0900-7. HOLLEY, Charles D a Donald F DANSEREAU. 1984. Spatial learning strategies: techniques, applications, and related issues. Orlando: Academic Press, xvii, 328 p. ISBN 0123526205. HORKÝ, Emil. 2014. Autonomní učení cizích jazyků v e-learningu. Ostrava. Disertační práce. OSTRAVSKÁ UNIVERZITA V OSTRAVĚ. Vedoucí práce Doc. RNDr. Jana Šarmanová, CSc. HÖFLEROVÁ, Eva. 2011. Elektronický učební text: učební text. Vydání první. [online] VŠB - Technická univerzita Ostrava. 52 s. ISBN 978-80-2482472-7. Dostupné z: http://www.person.vsb.cz/archivcd/OSU/EUT/Elektronicky%20ucebni%20 text.pdf CHRÁSKA, Miroslav. 2007. Metody pedagogického výzkumu: základy kvantitativního výzkumu. Vyd. 1. Praha: Grada, 265 s. Pedagogika (Grada). ISBN 978-80-247-1369-4. IBM Notes: Messaging and collaboration. IBM: Industries & solutions [online]. New York, USA: International Business Machines Corp. [cit. 201506-04]. Dostupné z: http://www01.ibm.com/software/lotus/category/messaging/index.html ITunes U: Bring your classroom together on iPad. 2015. Apple: Start something new [online]. Apple Inc., 17. 12. 2015 [cit. 2016-01-04]. Dostupné z: http://www.apple.com/education/ipad/itunes-u/ JEŘÁBEK, Ondřej a Martin BÍLEK. 2010. Teorie a praxe tvorby didaktických testů. První vydání. Olomouc: Univerzita Palackého v Olomouci, 91 s. ISBN 978-80-244-2494-1. JŮVA, Vladimír a Vladimír JŮVA. 1995. Úvod do pedagogiky. 2. rozš. vyd. Brno: Paido, 95 s. ISBN 80-85931-06-0. 47
KAPOUNOVÁ, Jana a Jiří PAVLÍČEK. 2003. Počítače ve výuce a učení. Ostrava. Ostravská univerzita. Pedagogická fakulta. 118 s. ISBN 80-7042265-3. KOMENSKÝ, Jan Amos. 1948. Didaktika velká. Vyd. 3. Editor Josef Hendrich. Překlad Augustin Krejčí. Brno: Komenium, 252 s. Pedagogické klasobraní, sv. 2. KOPECKÝ, Kamil. 2006. E-learning (nejen) pro pedagogy. 1. vyd. Olomouc: Hannex, 125 s. ISBN 8085783509. KOSTOLÁNYOVÁ, Kateřina, ŠARMANOVÁ, Jana a TAKÁCS, Ondřej. 2011. Classification of learning styles for adaptive education. New educational review. Vol. 23, issue 1, p. 199-212. ISSN 1732-6729. KOSTOLÁNYOVÁ, Kateřina, & Ostravská univerzita. 2012. Teorie adaptivního e-learningu. Vyd. 1. Ostrava: Ostravská univerzita v Ostravě. ISBN 978-80-7464-014-8. KUČERA, Radek, & daughter. ABZ Slovník cizích slov [online]. [cit. 2012-0105]. Dostupné z: http://slovnik-cizichslov.abz.cz/web.php/slovo/semanticka-sit KULIČ, Václav. 1992. Psychologie řízeného učení. Vyd. 1. Praha: Academia, 187 s. ISBN 8020004475. KULÍKOVÁ, Markéta. 2010. E-learning. [online]. [cit. 2012-01-05] Dostupné z: http://kisk.phil.muni.cz/wiki/E-learning Lexipedia beta: – Where words have meaning [online]. 2012. Ewing, New Jersey: Vantage Linguistics, 2015 [cit. 2015-11-23]. Dostupné z: http:/www.lexipedia.com LUCKE, Ulrike and Alke MARTENS. 2010. Utilization of Semantic Networks for Education: On the Enhancement of Existing Learning Objects with Topic Maps in <ML>³. In Eds. Fähnrich, Klaus-Peter and Bogdan Franczyk. Informatik 2010: Service Science - Neue Perspektiven für die Informatik, Beiträge der 40. Jahrestagung der Gesellschaft für Informatik e.V. (GI), 48
Band 2, 27.09. - 1.10.2010, Leipzig. LNI 176, GI 2010, ISBN 978-3-88579270-3. LUKASOVÁ, Alena, HABIBALLA, Hashim, TELNAROVÁ, Zdeňka a Marek VAJGL. 2010. Formální reprezentace znalostí. Vyd. 1. Ostrava: Ostravská univerzita, 345 s. Universum (Ostravská univerzita), 13. ISBN 978-80-7368900-1. MALACH, Josef. 2003. Základy didaktiky. Ostrava: Ostravská univerzita v Ostravě. ISBN 80-7042-266-1. MARTIN, Philippe A. 2008. Semantic Networks to Support Learning. In: EKLUND, Peter a Ollivier HAEMMERLÉ. Supplementary proceedings of ICCS 2008: 16th International Conference on Conceptual Structures (ICCS'08) [online]. Toulouse, France, 11-Jun-2008, s. pp. 115-130 [cit. 2015-01-02]. ISSN 1613-0073. Dostupné z: http://webkb.org/doc/papers/iccs08/iccs08s.pdf MIT OPEN COURSEWARE. 2012. [online]. Massachusetts Institute of Technology. [cit. 2012-01-05]. Dostupné z: http://ocw.mit.edu/index.htm MOODLE. 2012. Moodle: the world's open source learning platform [online]. Western Australia, West Perth: Moodle Pty Ltd, [cit. 2015-06-09]. Dostupné z: http://moodle.com/ Moodle Docs: Hlavní strana [online]. 2006. MediaWiki, 20. 12. 2010 [cit. 2016-01-03]. Dostupné z: http://docs.moodle.org/archive/cs/Hlavn%C3%AD_strana NELEŠOVSKÁ, Alena a Hana SPÁČILOVÁ. 2000. Didaktika III. 1. vyd. Olomouc: Univerzita Palackého v Olomouci. 39 s. ISBN 80-7067-795-3. PARAMYTHIS Alexandros and Susanne LOIDL-REISINGER. 2003. Adaptive Learning Environments and eLearning Standards. In R. Williams (Ed.), Proceedings of the 2nd European Conference on e-Learning (ECEL), Glasgow, Scotland, 6-7 November (pp. 369-379). Academic Conferences International Reading. ISBN 0-9544577-4-9. 49
PAVLÍČEK, Jiří. 2003. E-learning v podnikovém vzdělávání. Ostrava: Ostravská univerzita v Ostravě. ISBN 80-7042-920-8. PAVLÍČEK, Jiří. 2003a. Technologie pro e-tutory. Vyd. 1. Ostrava: Ostravská univerzita, 66 s. Systém celoživotního vzdělávání Moravskoslezska. ISBN 8070429224. Personalizace výuky prostřednictvím e-learningu [online]. 2009. Ostrava: VŠB TU Ostrava, 30. 4. 2012 [cit. 2016-01-03]. Dostupné z: http://www.person.vsb.cz/cz/index.php PhpMyAdmin: Bringing MySQL to the web [online]. 2015. 25. 12. 2015 [cit. 2015-12-29]. Dostupné z: https://www.phpmyadmin.net/ PLHÁKOVÁ, Alena. 2004. Učebnice obecné psychologie. Vyd. 1. Praha: Academia, 472 s. ISBN 8020010866. PREXTOVÁ, Tatiana. 2014. Zvyšovanie úrovne vedomosti žiakov pomocou adaptívnych testov. Dizertační práce. Ostravská univerzita. Ostrava. PRŮCHA, Jan. 2000. Přehled pedagogiky. Praha: Portál, s. 108-109. ISBN 80-7178-399-4. PRŮCHA, Jan, Jiří MAREŠ a Eliška WALTEROVÁ. 2003. Pedagogický slovník. 4. aktualiz. vyd. Praha: Portál, 322 s. ISBN 80-717-8772-8. PRINCETON UNIVERSITY. 2010. About WordNet [online]. WordNet. Princeton University. [cit. 2012-01-06]. Dostupné z: http://wordnet.princeton.edu QUILLIAN, Ross. 1963. A notation for representing conceptual information: An application to semantics and mechanical English para-phrasing. SP1395, System Development Corporation, Santa Monica. RICHENS, Richard H. 1956. General program for mechanical translation between any two languages via an algebraic interlingua. Cambridge Language Research Unit. Mechanical Translation, November 1956; p. 37.
50
ROHLÍKOVÁ, Lucie a Jana VEJVODOVÁ. 2012. Vyučovací metody na vysoké škole: praktický průvodce výukou v prezenční i distanční formě studia. 1. vyd. Praha: Grada, 281 s. ISBN 978-80-247-4152-9. Sigmajs [online]. 2012. Nantes (France), 2014-12-28 [cit. 2015-12-15]. Dostupné z: http://sigmajs.org SIMMONS, Robert F. 1963. Synthetic language behavior. Data Processing Management 5 (12): 11-18. SLAVÍK, Milan. 2012. Vysokoškolská pedagogika. Vyd. 1. Praha: Grada, 2012, 253 s. Pedagogika (Grada). ISBN 978-80-247-4054-6. SOWA, John F. 1992. Semantic networks. In: Encyclopedia of Artificial Intelligence. Ed. SHAPIRO, Stuart, C. Wiley, New York, 1987; revised and extended for the second edition. Dostupné z: http://www.jfsowa.com/pubs/semnet.htm ŠARMANOVÁ, Jana. 2007. Teorie zpracování dat: učební text. Vydání druhé, přepracované. [online] VŠB - Technická univerzita Ostrava. 169 s. ISBN 978-80-248-1498-8. Dostupné z: http://www.elearn.vsb.cz/archivcd/FEI/TZD/TZD.pdf ŠARMANOVÁ, Jana a Kateřina KOSTOLÁNYOVÁ. 2011. Tvorba adaptivních e-learningových opor: (metodická příručka pro autory). První. Ostrava: Ostravská univerzita Ostrava, 49 s. TAKÁCS, Ondřej. 2014. Automatizované řízení adaptivní výuky v elearningu podle stylů učení studenta. Ostrava. Disertační práce. VŠB – Technická univerzita Ostrava. Vedoucí práce Doc. RNDr. Jana Šarmanová, CSc. ZLÁMALOVÁ, Helena. 2003. Příručka pro tutory distančního vzdělávání. 1. vyd. Ostrava: Vysoká škola báňská - Technická univerzita, 22 s. ISBN 8024802805. ZLÁMALOVÁ, Helena. ed., 2008. Distanční vzdělávání a eLearning: učební text pro distanční studium. Vyd. 1. Praha. Univerzita Jana Amose Komenského Praha. 144 s. ISBN 978-80-86723-56-3. 51
9 PUBLIKAČNÍ AKTIVITY ŠEPTÁKOVÁ, Emilie, 2011. Sémantická síť pojmů v e-learningu. In: NÝDL, V., J. KOREŠ a M. ŠERÝ, editoři. Sborník konference ICTE – Junior, Č. Budějovice 25. - 26. června 2011 [CD]. Č. Budějovice: Pedagogická fakulta JU, 2011. ISBN 978-80-7394-323-3. ŠEPTÁKOVÁ, Emilie, 2012. Sémantická síť pojmů v e-learningu . In: Sborník konference DITECH´12. 11. - 12. ledna 2012 [CD]. Hradec Králové: Přírodovědecká fakulta UHK. ISBN 978-80-7435-178-5. ŠEPTÁKOVÁ, Emilie, 2012. Sémantická síť pojmů v e-learningu . In: VOJÁČKOVÁ, Hana, editor. Sborník konference Tvorba e-learningových opor na VŠ 9. - 10. února 2012 [CD]. Jihlava: Vysoká škola polytechnická, 2012. ISBN 978-80-87035-54-2. ŠEPTÁKOVÁ, Emilie, 2012. Sémantická síť pojmů v e-learningu . In: KOSTOLÁNYOVÁ, Kateřina a Jana KAPOUNOVÁ, Editors. Information and Communication Technology in Education, Ph.D. students' section, 11. – 13. 9. 2012 [CD]. Rožnov pod Radhoštěm, Pedagogická fakulta Ostravská univerzita, Ostrava. ISBN 978-80-7464-136-7. ŠEPTÁKOVÁ, Emilie, 2013. Automatic Creation of Semantic network of terms in Adaptive e-Learning. In: Proceedings of the12th European conference on e-learning: ECEL. Reading, UK: Academic Conferences and Publishing International Limited. s. 447-456. [2013-10-30]. ISBN 978-1909507-84-5. ŠEPTÁKOVÁ, Emilie a Jana ŠARMANOVÁ, 2014. Evaluation of E-Learning Support by Means of Semantic Network of Terms. In: Eds. KAPOUNOVÁ, Jana a Kateřina KOSTOLÁNYOVÁ. Information and Communication Technology in Education. first, 2014. Ostrava: University of Ostrava, pp. 219-227. ISBN 978-80-7464-561-7.
52
10 PROFESNÍ ŽIVOTOPIS Ing. Emilie Šeptáková Datum narození
9. 5. 1960, Frýdek Místek
Adresa Vodárenská 725 725 26 Ostrava - Krásné Pole Telefon +420 606 910 188 E-mail
[email protected] Vzdělání 1966 – 1975
Základní devítiletá škola, Frýdek Místek.
1975 – 1979
Gymnázium M. Koperníka, Bílovec, třída s matematickým zaměřením, ukončeno maturitou.
1979 – 1984
Vysoké učení technické, Brno, Ing, fakulta elektrotechnická, obor Elektronické počítače. Diplomová práce - obhájeno 1984 Grafické zpracování řešení elektrického pole metodou konečných prvků
2010 – dosud Doktorské studium - probíhá, Ostravská univerzita, Pedagogická fakulta, Katedra informačních a komunikačních technologií Téma disertační práce Sémantická síť pojmů v adaptivním e-learningu Profesní charakteristika Odborná a výzkumná činnost 1984–1990
Výzkumný a vývojový pracovník, 53
VÚHŽ, Dobrá, pobočka Ostrava, Ostrava - Hrabůvka Podílela jsem se na řešení: IS Číselníky ocelí (přijat jako zlepšovací návrh) - Cobol, IS RVT, který byl ještě v roce 2002 využíván v hutních podnicích - dBase III Plus, IS Normování práce - FoxPro, Knihovny hydraulických a elektrických značek do AutoCADu, Přednášela jsem v kurzech AutoCadu pořádaných domem techniky v Ostravě - Mariánských Horách. 1990 – 1991
Odborný pracovník pro elektronizaci, VŠB TUO, FEI, katedra elektrických strojů a přístrojů, Ostrava - Poruba. Program pro numerické řešení charakteristik asynchronního motoru
1991 – 2011
Odborný asistent, VŠB TUO, FEI, katedra informatiky, Ostrava - Poruba.
1991 – 2011
Oblasti zájmu AutoCad - kreslení pomocí počítače Objektově orientované programování Databázové a informační systémy Datové sklady, Metody dolování dat
1991 – 2011
Výuka a cvičení v předmětech Počítačová grafika (AutoCad), Základy algoritmizace, Objektově orientované programování (jazyk C++), Teorie zpracování dat, Databázové a informační systémy 1 (Visual FoxPro a Oracle), Databázové a informační systémy 3 (internetové 54
informační systémy - PHP, MySQL, XML), Elektronické publikování (použití TEXu při vytváření odborných technických publikací), Informační systémy a datové sklady (MS SQL Server, BIDS), Informační systémy (pro FMMI) Každý rok jsem vedla inženýrské, později bakalářské a magisterské závěrečné práce, z nichž některé se již několik let využívaly na katedře v předmětu TZD v rámci výuky Ostatní činnost na katedře informatiky, FEI, VŠB TUO 1991
Podílela jsem se na řešení ekonomického systému KIS VŠB
1992
Authorized Trainer, udělen statut - autorizovaný školitel Autodesk pro ČSFR.
2002–2008
fy
Vytvářela jsem a udržovala internetové stránky katedry.
2002–2004 KatIS, spoluúčast při návrhu a implementaci části "Publikace členů katedry". 2003
Osvědčení, o úspěšném absolvování kurzu pro pracovníky distančního vzdělávání.
Účast na projektech 2006–2008 E-learningové prvky pro podporu výuky odborných a technických předmětů, projekt ESF Operační program Rozvoj lidských zdrojů, vývoj a udržování webových stránek projektu. 2009–2012 Personalizace výuky prostřednictvím e-learningu, projekt ESF Operační program Vzdělávání pro konkurenceschopnost, vývoj a udržování webových stránek projektu. 2013
Studentská grantová soutěž OU
55
