Libro in rete
II.2 Simulazione Integrata, Presentazione di Casi e Tutoring Socratico: un'Architettura per Evitare il Fallimento dell'Apprendimento in Settori Complessi Teoricamente Deboli
di Alex Kass
1. Introduzione
Il presente saggio si propone di descrivere un'architettura per ambienti di apprendimento computerizzati che è stata progettata per insegnare agli studenti a sviluppare ipotesi su sistemi complessi. L'architettura è incorporata nel software come una struttura indipendente e una serie di strumenti per la produzione. La struttura e gli strumenti facilitano la creazione di applicazioni che combinano testo, grafica, video e audio per produrre una classe di sistemi che permettono allo studente di apprendere una determinata competenza attraverso l'esercizio pratico al computer, sotto l'occhio vigile di un tutor. Il tutor può intervenire quando è necessario un orientamento, spesso proposto sotto forma di storie vere, raccontate da esperti umani che appaiono sul video. I filmati del mondo reale sono potenziati da dialoghi interattivi, in stile socratico, tramite i quali il tutor aiuta gli studenti ad esaminare il loro ragionamento causale e a scoprire e correggere le lacune nel loro ragionamento. Riteniamo che l'ambiente di pratica realistico, le storie di vita vissuta raccontate in momenti adatti ed il tutoring socratico si complementino in modo sinergico e creino un ambiente di apprendimento ad un tempo piacevole ed efficace.
1.1 Ambienti Intelligenti per "Apprendere Facendo"
L'architettura che esaminerò in questo saggio è stata sviluppata nell'ambito di un lavoro più ampio per la creazione di strumenti che facilitino lo sviluppo di una vasta gamma di sistemi che chiamiamo Ambienti Intelligenti per Apprendere Facendo (ILDE - Intelligent Learning by Doing Environment). Gli ILDE presentano due livelli principali: il primo è quello dell'ambiente di lavoro, il secondo è il livello di tutoring. Oltre a questi due livelli principali, la maggior parte degli ILDE contengono anche alcuni materiali di riferimento basati sugli ipermedia, che comprendono una terza componente importante. Tuttavia i temi inerenti alla costruzione di quest'ultima componente (vedi, ad esempio Ferguson et al., 1992) vanno oltre lo scopo di questo studio.
Abbiamo sviluppato una serie di ILDE per insegnare un ventaglio di argomenti a diversi livelli di complessità. Tutti i sistemi contengono sia un compito da svolgere nell'ambiente dato, sia un livello di tutoring, anche se si realizzano in vari modi a seconda delle esigenze degli studenti e la natura dell'argomento. Ad esempio, il programma Broadcast News (Kass et al., 1994a) è un ILDE progettato per insegnare agli studenti delle superiori scienze politiche ed attualità permettendo loro di preparare un proprio telegiornale. L'ambiente di lavoro in Broadcast News è uno strumento strutturato multimediale di editing che consente agli studenti di modificare il testo ed il filmato in un abbozzo di storia che é stata loro presentata. Il livello di tutoring è costituito da un programma che risponde alle azioni degli studenti nell'ambiente di lavoro presentando filmati di politologi, giornalisti e altri esperti che mettono alla prova le scelte editoriali degli studenti e spiegano i temi contenuti nella storia.
Un altro esempio di ILDE è il programma Yello (Kass et al., 1994b) progettato per insegnare ad uno studente come vendere gli spazi pubblicitari delle Pagine Gialle. All'interno dell'ambiente di lavoro di Yello vi è una serie di clienti simulati con diversi scopi, progetti e personalità. Il compito dello studente è quello di cogliere le indicazioni che i clienti simulati offrono di sé, spesso in modo sottile, e di spiegare (in uno stile che si addica alla personalità del cliente) come le Pagine Gialle possano soddisfare le loro esigenze. A livello dell'ambiente di lavoro, Yello è, chiaramente, molto diverso da Broadcast News, mentre il tutoring è piuttosto simile nella struttura: il sistema presenta filmati di venditori esperti che raccontano storie vere inerenti alla situazione attuale degli studenti.
Questo saggio è incentrato sulla descrizione del tentativo di sviluppare un ILDE che possa insegnare ad uno studente a diagnosticare un sistema complesso e sviluppare ipotesi circa le cause di una serie di fenomeni osservati. Si tratta di capacità basilari in molti campi, inclusa la medicina ed altri settori scientifici e tecnici. Il particolare prototipo che abbiamo sviluppato, chiamato Casper, è progettato per insegnare agli studenti a diagnosticare i problemi che i clienti incontrano in un sistema idrico pubblico. Questo compito implica l'interazione con dei clienti, come in Yello, ma la personalità del cliente non è significativa ai fini della diagnosi di un problema idrico, mentre è importante per una vendita. Quindi la simulazione del cliente (che è al centro di entrambi gli ambienti di lavoro) può essere molto più semplice in Casper rispetto a Yello. D'altra parte, poiché diagnosticare un problema del sistema idrico può richiedere ragionamenti causali più complessi e una notevole competenza tecnica, la componente tutoriale di Casper è più complessa rispetto a quella di Broadcast News e di Yello. Oltre a presentare gli esperti che raccontano storie istruttive, il tutor di Casper impegna lo studente in dialoghi più interattivi, di stile socratico, che aiutano lo studente a riesaminare e correggere i propri errori.
1.2 Descrizione delle Altre Sezioni
Il presente saggio si articola in altre tre sezioni. La prima descrive la teoria dell'apprendimento e la filosofia didattica alla base della creazione degli ILDE che hanno influenzato l'approccio adottato per sviluppare l'architettura di Casper. La seconda descrive le specifiche delle applicazioni di Casper. La terza, molto breve, descrive lo stato attuale dell'applicazione di Casper e i nostri futuri piani di ricerca e sviluppo. Questa parte comprende una succinta descrizione degli strumenti che sono stati sviluppati per facilitare il sistema-autore in applicazioni come Casper.
2. Struttura Teorica
L'architettura di Casper, e la progettazione degli ILDE in generale, trae fondamento da due aspetti della nostra teoria su come pensiamo e apprendiamo: in primo luogo, ragioniamo meglio su casi specifici piuttosto che su norme astratte; in secondo luogo, impariamo meglio facendo, in particolare commettendo errori, scoprendo questi errori e quindi correggendoli, piuttosto che memorizzando in modo meccanico o osservando passivamente l'esecuzione di un esperto. A un livello più approfondito, si può affermare che la filosofia didattica alla base di Casper è riassumibile nei quattro punti seguenti:
1. Riteniamo ( conformemente a Lave e Wenger, 1991, ad es.) che per apprendere qualsiasi competenza complessa gli studenti devono essere in grado di affrontare esercizi realistici piuttosto che intraprendere unità di "esercitazioni e pratica" nelle quali apprendono micro parti di competenze al di fuori del contesto.
2. Concordiamo con ricercatori come Collins, Brown e Newman (1989), secondo i quali la pratica da sola in genere non è sufficiente.
Perché l'interazione dello studente con un ambiente didattico sia un'efficace esperienza di apprendimento è necessaria una guida. Inoltre, per sfruttare meglio la sinergia naturale tra pratica e istruzione, è importante che le due siano strettamente interconnesse.
3. Sosteniamo che nell'insegnamento di sistemi complessi, per i quali gli studenti debbano seguire regole empiriche euristiche, è importante far conoscere agli studenti esperienze del mondo reale vissute da esperti, senza limitarsi alle sole norme astratte. Tramite le esperienze del mondo reale lo studente può vedere come quelle norme siano applicate in un dato contesto.
4. Crediamo che il metodo più efficace per insegnare compiti complessi di ragionamento causale sia un dialogo interattivo di iniziativa mista (Carbonell, 1970), in cui gli studenti sono aiutati a scoprire e correggere i propri errori.
2.1 Perché Integrare Pratica e Apprendimento
È veramente difficile insegnare a qualcuno ad eseguire un compito complesso. Per diventare veramente esperto in qualcosa di complesso, uno studente deve apprendere i principi astratti del lavoro, nonché imparare come questi principi si applicano nella pratica. Alcuni metodi di insegnamento sono abbastanza efficaci nel trasmettere principi astratti, non altrettanto nell'insegnare come applicare tali principi. Nell'educazione scolastica formale, ad esempio, le conoscenze e le competenze solitamente sono astratte dalle loro utilizzazioni nel modo reale. A differenza dell'apprendistato tradizionale, dove l'apprendimento si basa sull'esperienza di prima mano, le lezioni in classe spesso perdono di vista la pratica che dovrebbero trasmettere. Di conseguenza, la motivazione è spesso scarsa e molto di quanto si impara viene presto dimenticato o rimane "non integrato o inerte" (Collins, Brown & Newman, 1989). Alcuni metodi di insegnamento, invece, tralasciano completamente i principi astratti; per cui lo studente apprende mnemonicamente. Il risultato di questo tipo di formazione è che gli studenti hanno memorizzato i passi standard da compiere ma potrebbero non essere in grado di confrontarsi con situazioni originali. Molti ricercatori ed educatori progressisti concordano che gli ambienti di apprendimento delle competenze dovrebbero attribuire allo studente un ruolo attivo. Gli ambienti di "Learning by Doing" presentano molti vantaggi rispetto a quelli in cui lo studente assorbe passivamente informazioni impartite da un insegnante. Come sottolineato da Lave e Wenger (1991), il Learning by Doing aiuta ad evitare il problema delle conoscenze non utilizzate, situando il sapere nel contesto nel quale sarà usato. Nei campi sociali, dove gli studenti hanno già una notevole conoscenza, è particolarmente importante che un ambiente di apprendimento lasci usare agli studenti le conoscenze di cui sono già in possesso applicandole al campo in oggetto. La maggior parte dei ricercatori sono inoltre concordi nell'affermare che i sistemi efficaci di insegnamento debbano includere un'istruzione esplicita
nonché un ambiente di lavoro. Un'eccezione è rappresentata da Papert (1980) ed altri, per i quali lo stesso ambiente di lavoro, se sufficientemente ricco, può invogliare gli studenti ad esplorare ed apprendere da soli. Mentre l'approccio non guidato può funzionare in alcuni contesti limitati, ve ne sono molti altri in cui l'esplorazione non guidata non è una valida tecnica di apprendimento. Quando il compito non è di facile soluzione, un principiante senza guida può avere difficoltà nell'interpretare ciò che accade in una simulazione (Shrager, 1990).
Una esplicita componente di guida può ovviare a questa difficoltà e incoraggiare gli studenti ad esplorare assunti ed ipotesi che altrimenti non avrebbero
sperimentato (Klahr, Dunbar & Fay, 1990); senza una guida, gli studenti spesso tendono a vedere solo ciò che conferma le loro aspettative (Schauble et al., 1991).
L'apprendimento umano del mondo reale spesso dipende dalla capacità di spiegare i propri insuccessi (Schank, 1992). Una guida esplicita è particolarmente importante per i campi sociali, perché in sua assenza può essere molto difficile spiegare un fallimento in questi domini. Gli studenti in un ambiente sociale potrebbero sapere abbastanza di quello che stanno facendo per evitare di
dilungarsi in discussioni vuote, ma non a sufficienza per spiegare i propri insuccessi in modo produttivo. Pertanto, senza guida, alla fine potrebbero riuscire nella simulazione, ma potrebbero non comprendere concetti più vasti che dovrebbero assimilare. Un insegnamento non invadente può essere d'aiuto per chiarire questi concetti senza interferire con l'esecuzione del compito da parte dello studente.
Quando l'istruzione e la soluzione di problemi sono in giusta proporzione tra loro si può raggiungere una potente sinergia: lo studente può riflettere sulle proprie esperienze nell'ambiente di apprendimento con la guida di un tutor e i principi astratti descritti dal tutor sono motivati, resi operativi e memorizzabili grazie all'attività di soluzione di problemi (Schank & Jona, 1991; Williams, 1993).
Purtroppo nel tipico ambiente di una classe queste sinergie potenziali sono spesso vanificate da problemi di tempo. Per sfruttare appieno l'interazione complementare tra l'attività di soluzione dei problemi e l'istruzione, un insegnante deve poter impartire l'istruzione adeguata nel momento in cui lo studente ne ha bisogno. Questa condizioni ideale viene quasi realizzata nei migliori apprendistati, in cui l'esperto controlla le attività dell'apprendista, eventualmente intervenendo con opportuni consigli e critiche. Tuttavia quando ci sono più studenti che insegnanti, l'insegnante non può essere continuamente disponibile per impartire l'istruzione adeguata. Inoltre, poiché molte attività non possono essere eseguite in classe, spesso vi è una separazione fisica tra la sede dell'istruzione e quella della pratica. Così nei più comuni regimi moderni di formazione, l'istruzione e la soluzione realistica dei problemi sono separati l'uno dall'altro nel tempo e nello spazio. Un esempio particolarmente chiaro è la separazione tra le lezioni e le sedute di laboratorio nei corsi di scienze al liceo e al college. Uno dei vantaggi principali dell' insegnamento su sistemi computerizzati è la possibilità di superare gli ostacoli pratici che spesso obbligano ad una separazione tra la soluzione dei problemi e l'apprendimento.
2.2 Come Integrare Pratica e Apprendimento con il Computer
Le simulazioni al computer possono consentire l'integrazione di apprendimento e soluzione dei problemi dove altrimenti sarebbe stato piuttosto difficile ottenerla. Il computer presenta molti vantaggi potenziali. Prima di tutto, le simulazioni al computer possono permettere agli studenti di esercitarsi in compiti che altrimenti sarebbero troppo onerosi e/o troppo pericolosi. In un mondo simulato gli studenti sono al sicuro, possono correre rischi ed imparare dai propri errori. Ad esempio, diagnosticare i problemi che i clienti incontrano con l'acqua del rubinetto può avere importanti implicazioni sanitarie e di sicurezza. Sarebbe pericoloso permettere agli studenti di imparare facendo pratica su clienti reali. Tuttavia, commettere un errore potenzialmente dannoso con un cliente simulato permette allo studente di essere esposto alle conseguenze negative dell'errore senza mettere nessuno realmente in pericolo.
Un secondo vantaggio rilevante della simulazione al computer è quello di poter sospendere una simulazione computerizzata per il tempo necessario per impartire l'istruzione in qualunque momento dell'attività. Nel mondo reale non è sempre possibile rallentare o sospendere un'esecuzione. Ad esempio, non sarebbe opportuno per un medico in servizio al pronto soccorso sospendere la visita di un paziente potenzialmente colpito da un attacco cardiaco per consentire al tutor di insegnargli a distinguere un attacco cardiaco da un disturbo meno grave.
Infine, una simulazione al computer associata a un tutor intelligente può contribuire a rafforzare l'interconnessione tra soluzione dei problemi e apprendimento fornendo un insegnamento individualizzato. Se l'insegnamento individualizzato da parte di una persona sarebbe l'ideale, in realtà un rapporto computer/studente di 1 a 1 è molto più fattibile economicamente di un rapporto insegnante/ studente di 1 a 1.
2.3 Alcune Sfide Speciali nell'Insegnamento della Risoluzione di Problemi Complessi
La soluzione di problemi complessi è una questione che solo recentemente è stata affrontata in psicologia (Sternberg & Frensch, 1992). Nel senso utilizzato, ad esempio, da Funke (1992), il criterio principale per definire problemi complessi è che i problemi non sono trasparenti, ovvero le variabili importanti non sono di immediata osservazione. Questo criterio si applica in particolare alle situazioni sociali. Importanti variabili sociali, come lo stato mentale interno di altri agenti o il loro status in un gruppo sociale in genere, devono essere desunte tramite prove indirette. Persino un resoconto diretto può essere sospetto poiché gli agenti possono essere confusi circa il proprio stato o mentire intenzionalmente. Un altro criterio importante per individuare un problema complesso è che possono essere in gioco scopi molteplici e in conflitto tra di loro. Ad esempio, quando un rappresentante del servizio clienti pone delle domande a un cliente per diagnosticare un problema idrico, cerca di raccogliere il maggior numero di informazioni nel più breve tempo possibile e allo stesso tempo cerca di rassicurare il cliente ed evitare chiamate di servizio inutili. Le azioni dello studente sono spesso mirate a più di uno di questi scopi alla volta, ma può succedere che uno degli scopi debba essere parzialmente sacrificato per realizzarne un altro. Decidere a quale scopo dare la priorità in una data occasione richiede una acuta capacità di giudizio che non può essere facilmente ridotta a norme rigide. Questo tipo di competenza richiede pratica ed esperienza almeno quanto l'apprendimento di norme specifiche.
La maggior parte dei sistemi di tutoring intelligente (ITS) sono stati progettati in vista di lezioni di tipo propedeutico rivolte a studenti di livello pressoché iniziale. Tali sistemi si basano sulla capacità di modellare le conoscenze dello studente, cosa molto difficile se lo studente accede al sistema possedendo già una gran quantità di conoscenze relative alla competenza in questione. Il tipo di guida solitamente presente deriva dal confronto tra il comportamento dello studente e ciò che è previsto da un modello esperto (Anderson, 1988; Wenger, 1987). Il tutor interviene quando lo studente si allontana da ciò che prevede il modello esperto e il ruolo del tutor è quello di riportare lo studente sulla buona strada.
Due difficoltà dell'approccio tradizionale ITS hanno una particolare rilevanza rispetto al'insegnamento di soluzioni a problemi complessi. Primo, gli studenti che imparano compiti complessi non possono essere modellati produttivamente come principianti. Anche quando gli studenti sono ad un livello iniziale, non giungono alla competenza di arrivo partendo dallo zero assoluto. Le competenze complesse sono condizionate dalle conoscenze che gli studenti già possiedono. Importante almeno quanto l'apprendimento di nuovi concetti e nuove competenze è l'apprendimento di come adattare questi nuovi concetti e competenze al proprio repertorio di conoscenze. Questo orientamento è spesso assente nell'insegnamento formale in settori come la matematica e la scienza, dove l'accento è posto sul tentativo di lavorare sulle nozioni errate ed ingenue degli studenti (Driver, Guesne & Tiberghien, 1985). E' molto più presente nell'insegnamento della composizione scritta (Bereiter & Scardamalia, 1987): le capacità che gli studenti possiedono devono essere approfondite ed ampliate. La presentazione di casi diversi è un approccio utilizzato da Casper che ben si adatta al compito di aiutare gli studenti ad affinare le loro conoscenze, perché i dettagli delle storie vere permettono allo studente di compiere piccole correzioni che le norme astratte non consentono.
Quando si presuppone che il modello del dominio dello studente sia più grande che piccolo e che derivi in larga parte da esperienze di vita precedenti piuttosto che dalle interazioni che il tutor può controllare, non è pratico basarsi su un modello di tutoring che richiede un modello preciso dello stato mentale dello studente. Il risultato è che il contributo dell'architettura di Casper per modellare lo studente è alquanto modesto. Il tutor di Casper ha un modello di dominio piuttosto dettagliato ma non cerca di costruire un modello dettagliato di studente. Poiché non finge di conoscere esattamente cosa lo studente sta pensando in un dato momento, il tutor cerca di giudicare le azioni dello studente sulla base degli effetti negativi che avrebbero nel mondo simulato, e non sulla base di deduzioni sui processi intellettivi che si possono ricavare dal suo comportamento. Il tutor interviene quando l'azione dello studente ha una conseguenza negativa nel mondo simulato oppure quando lo studente inoltra una richiesta esplicita di aiuto.
3. Casper: Formare gli Studenti alla Diagnosi di Problemi del Sistema Idrico
Per illustrare l'architettura che abbiamo sviluppato per insegnare agli studenti come investigare, formulare ipotesi e diagnosticare problemi, descriverò le applicazioni di Casper. Casper è stato sviluppato per affrontare un grosso problema di formazione a livello industriale. E' progettato per formare i dipendenti di una società idrica britannica a diagnosticare i problemi del sistema idrico che i clienti riferiscono per telefono. Prima descriverò cosa fa il sistema in termini generali; quindi traccerò un quadro delle componenti principali del sistema, inclusa una descrizione di come sono utilizzati grafica, video e audio per presentare queste componenti allo studente; infine illustrerò passo per passo una sessione campione che uno studente potrebbe affrontare con il sistema.
3.1 Cosa Deve Imparare un CSR
I Rappresentanti del Servizio Clienti (CSR - Customer Service Representatives) che Casper deve formare sono responsabili di tutte le chiamate telefoniche dei clienti alla società. Oltre ai reclami relativi al sistema idrico, queste chiamate possono riguardare richieste di interesse generale, informazioni sulle bollette e anche minacce. Tuttavia questo studio si incentra su come insegnare ai CSR a trattare i reclami e i quesiti degli utenti sulla qualità dell'acqua. La versione attuale di Casper è progettata per insegnare a un CSR che cosa fare. E' probabilmente il tipo di quesito più difficile che può essere posto a un CSR di una società idrica.
Quando un cliente chiama la società idrica per lamentarsi della qualità dell'acqua, la conversazione in genere inizia con il cliente che descrive un problema che ha notato nell'acqua che esce dal rubinetto. La descrizione è spesso vaga ed incompleta e può addirittura contenere informazioni errate. Il CSR deve porre le domande giuste per diagnosticare, se possibile, la causa del problema, e per prescrivere il rimedio adeguato (a volte è lo stesso cliente ch vi può provvedere) o prevedere l'invio di un tecnico dei sistemi per ulteriori indagini o riparazioni. Tra i fattori che complicano il lavoro vi è la difficoltà o, talvolta, l'impossibilità per il cliente di osservare direttamente la causa del problema; di conseguenza il CSR deve dedurla combinando prove indirette e spesso probabilistiche. Inoltre la descrizione dei clienti è spesso inaffidabile, anche quando riguarda parti che si possono osservare direttamente.
Un "sistema di contatto cliente" (CCS - Customer Contact System) computerizzato aiuta i CSR nel loro lavoro. Oltre a registrare i problemi ed emettere gli ordini di lavoro, il CCS può essere usato per cercare le informazioni che potrebbero servire per la diagnosi del problema di un cliente. Ad esempio il CSR può usare il CCS per determinare il tipo di fonte da cui esce l'acqua del cliente (fiume, lago, bacino o pozzo); per sapere se anche altri nella zona del cliente abbiano mai riferito problemi simili o se sono in corso lavori che interessano il sistema idrico e potrebbero essere la causa del problema.
Per eseguire bene il loro lavoro, i CSR devono conoscere a fondo come l'acqua arriva dalle sorgenti, attraverso il trattamento e la distribuzione, alle case. I CSR devono anche capire la meccanica di come si sviluppa un'ipotesi sulle cause non viste di un fenomeno osservato; ad esempio come si cercano le prove, si notano gli indizi e si sceglie tra ipotesi alternative.
3.2 Componenti del Sistema Casper
3.2.1 La simulazione
Le due entità con cui deve interagire un CSR per trattare una vera chiamata sono il cliente (via telefono) e l'aiuto del CCS computerizzato. L'ambiente di lavoro fornito da Casper contiene le simulazioni di entrambe le componenti.
Il Sistema di Contatto Cliente Simulato: La Figura 1 (vedi testo) illustra lo schermo principale di Casper. La parte inferiore a destra dello schermo contiene il CCS simulato. Le finestre CCS di Casper sono una copia piuttosto fedele delle finestre che i CSR usano effettivamente nel loro lavoro. Lo studente può inserire informazioni sul cliente proprio come avviene nel sistema reale. In risposta il CCS simulato è in grado di fornire lo stesso tipo di informazioni sulla storia ed il vicinato del cliente così come fa il sistema reale nella finestra "Profilo Cliente". Raccogliendo informazioni sul problema del cliente, lo studente può classificare il problema nella finestra "Archivio Contatti". Sulla base di questa classificazione, il CCS può offrire una certa quantità di suggerimenti sugli aspetti che il CSR dovrebbe verificare con il cliente.
Quando lo studente inserisce informazioni nel CCS simulato, il tutor di Casper controlla quella attività ed interviene quando lo studente commette determinati tipi di errore, come sbagliare la categoria del problema del cliente. La forma di intervento del tutor sarà esaminata al capitolo 3.2.3.
Comunicazione dal Cliente Simulato allo Studente: il cliente simulato è la parte più importante della simulazione. Casper usa brani audio pre-registrati per permettere allo studente di ascoltare le risposte del cliente alle sue domande. I brani audio aiutano a conferire un po' più di realisticità alla simulazione. Essi permettono anche allo studente di avere la sensazione del tono di voce del cliente oltre che delle parole. Ciò permette a Casper di trasmettere elementi importanti come il tono di voce dei clienti, che a volte può indicare quanto siano certi di una descrizione che stanno facendo o quanto possano innervosirsi quando il CSR lascia intendere che un problema potrebbe essere pericoloso o quando lo studente pone domande che non sembrano pertinenti.
Oltre ai brani audio per ogni frase del cliente simulato, Casper fornisce una trascrizione della conversazione in corso, che appare in basso a sinistra nelle Figure 1-6 (come si può vedere alla Figura 6, lo studente può far scorrere indietro la trascrizione per rivedere le parti precedenti di una lunga interazione - vedi testo). Naturalmente, se la trascrizione può aiutare lo studente a cogliere nelle risposte del cliente gli indizi che si sono persi all'inizio, può anche fornire un supporto non realistico. E' giusto preoccuparsi del fatto che gli studenti non sentiranno il bisogno di ascoltare con la dovuta attenzione un cliente simulato, se sanno di poter contare sulla trascrizione. Tuttavia, poiché il sistema mira più ad insegnare come costruire una teoria piuttosto che sviluppare capacità di percezione auditiva, la contropartita è comunque valida. Se l'effetto di questo supporto risulta essere un problema, l'approccio migliore potrebbe essere quello di fornire la trascrizione solo per alcuni scenari e disattivarla nelle fasi finali, prima che lo studente sia messo a confronto con clienti veri.
Comunicazione dallo studente al cliente: probabilmente l'ideale sarebbe che lo studente potesse veramente parlare con il cliente simulato in un microfono e il sistema potesse usare un procedimento di riconoscimento vocale e di elaborazione del linguaggio naturale per interpretare le frasi dello studente. Tuttavia, poiché questo tipo di tecnologia non è ancora abbastanza consolidata, e quindi non ancora abbastanza affidabile, Casper fornisce una interfaccia diversa per permettere allo studente di indicare cosa vuole dire al cliente.
Per essere più precisi, ci sono due interfacce diverse tra le quali lo studente può scegliere. La prima è una serie di menu gerarchici che lo studente può usare per costruire una frase. All'angolo superiore sinistro della Figura 1 (vedi testo) sono illustrate cinque opzioni di livello superiore che lo studente può scegliere quando costruisce una frase. Le opzioni dello studente sono le seguenti:
* Lo studente può chiedere qualcosa al cliente.
Esempio: "Che odore ha l'acqua?"
* Lo studente può spiegare qualcosa al cliente.
Esempio: "E' meglio non bere quell'acqua."
* Lo studente può dare indicazioni al cliente.
Esempio: "Per favore, faccia scorrere per un po' l'acqua fredda e mi dica cosa vede."
* Lo studente può promettere al cliente un tipo di azione.
Esempio: "Le manderò subito un tecnico."
* Lo studente può chiudere la conversazione salutando.
Una volta che lo studente decide quale tipo di frase desidera attivare, appare un menu di secondo livello che gli consente di perfezionare la frase. Ad esempio, la Figura 2 (vedi testo) illustra il menu che indica allo studente che ha deciso di fare una domanda i possibili argomenti della domanda. Gli argomenti possibili sono una ventina; una volta scelto l'argomento, a volte appare un terzo menu per permettere allo studente di migliorare ulteriormente la domanda. Ad esempio, se lo studente sceglie l'argomento "perdita", appare il sotto-menu che indica opzioni quali "durata della perdita", "luogo della perdita" o "entità della perdita". A volte sono necessari fino a quattro menu per perfezionare una frase, anche se in genere due o tre sono sufficienti. Sebbene non si vede nelle Figure, quando lo studente ha completato la domanda usando i menu, la frase corrispondente alla sua scelta appare nel riquadro vicino al tasto "Dire questo". Se la frase è di suo gradimento, lo studente può premere il tasto "Dire questo" per simulare la formulazione della domanda al cliente. A questo punto lo studente sente di solito una risposta del cliente simulato.
Il "costruttore di frasi", come chiamiamo questo gruppo di menu gerarchici, presenta qualche vantaggio pedagogico ma anche alcuni svantaggi. Il vantaggio principale è che presentando esplicitamente le scelte aiuta a rafforzare nella mente dello studente il tipo di scelte valide. Gli svantaggi sono numerosi: primo, gli utenti principianti impiegano un po' di tempo ad abituarsi a questa interfaccia. Secondo, ci vuole più tempo per costruire una frase usando questo menu di quanto ce ne voglia per pronunciarla, cosa che può disarticolare il pensiero dello studente. Terzo, indicando allo studente l'universo delle scelte, lo studente potrebbe usare i menu come un altro punto di supporto irrealistico. Ampliando il gruppo di scelte disponibili e suddividendole in modo che lo studente debba scegliere un argomento (ad esempio) prima di vedere quali sotto-argomenti sono disponibili in quell'ambito, possiamo minimizzare questo svantaggio ma non eliminarlo del tutto. Sebbene la nostra limitata sperimentazione dimostri che gli svantaggi potenziali di questa interfaccia possono essere meno rilevanti nella pratica che nella teoria, riteniamo che sia una tecnologia di compromesso.
Come alternativa all'uso del costruttore di frasi, lo studente può scrivere una frase direttamente nel riquadro vicino al tasto "Dire questo". Casper utilizza quindi una tecnologia specializzata di elaborazione del linguaggio naturale chiamata "analisi concettuale indicizzata" (Fitzgerald, 1994) per decidere quale delle frasi che conosce possano andare bene con quello che lo studente ha scritto. Il sistema sostituisce il testo scritto dallo studente con la frase associata al concetto che è stata scelta come l'accoppiamento migliore. Se lo studente trova che il testo fornito dal sistema rappresenti un abbinamento abbastanza appropriato, può premere il tasto "Dire questo", proprio come se la frase fosse stata costruita con il menu. Se la frase non è sufficientemente armoniosa, lo studente può provare ad usare il menu "Altre Scelte" (che appare in alto a destra dello schermo, come si può vedere alla Figura 1 - vedi testo). Questo menu contiene gli altri accoppiamenti idonei che il sistema ha trovato. Se nessuno di questi corrisponde a quello che lo studente intendeva dire, occorre ritornare ai menu del costruttore di frasi. Nell'esperimento limitato all'interno dell'azienda di riferimento, abbiamo rilevato che alcuni utenti preferiscono il costruttore di frasi, ma che la maggior parte preferisce l'analizzatore. Per quanto imperfetto, l'analizzatore sembra riuscire a capire correttamente il significato degli input dell'utente in una percentuale di casi tale da farne un supporto conveniente .
3.2.2 Materiale Ipermediale di Riferimento sul Sistema Idrico
Oltre alla simulazione, descritta nel paragrafo precedente, e il tutor, descritto più avanti, Casper fornisce allo studente una mappa multimediale/ipermediale del sistema idrico che funge da utilissimo strumento di riferimento, che merita una breve descrizione in questa sede La "mappa idrica" è accessibile allo studente quando ha bisogno di avere informazioni per fronteggiare una chiamata simulata. Inoltre, come vedremo al capitolo 3.3, il tutor fa esplicito riferimento a questo strumento nell'aiutare lo studente.
La mappa idrica può essere inserita nello stesso spazio occupato dal CCS, come risulta dalle Figure 2-6 (vedi testo). Appena appare, mostra un quadro di livello generale del "viaggio verso il rubinetto" che l'acqua compie dalla sorgente alle case degli utenti passando attraverso le fasi di trattamento, deposito, distribuzione. Ogni tappa del tragitto corrisponde ad una parte della mappa su cui è possibile clickare. Se lo studente seleziona una fase del tragitto, ne appare una breve descrizione. Clickando sul tasto "altri particolari" che appare sullo schermo, lo studente può avere una visione particolareggiata della fase selezionata del sistema di distribuzione idrico.
La Figura 3 (vedi testo) mostra la visione dettagliata della fase di distribuzione. Viene illustrato tutto quello che può avere luogo nella fase di distribuzione e che può causare problemi ai clienti. Sono descritti tredici problemi per la fase della distribuzione, tra cui: lavori effettuati sulle condutture principali, una perdita nelle condutture principali e un operaio che pulisce le condutture principali. Un numero analogo di problemi viene descritto per ognuna delle altre fasi del sistema di distribuzione dell'acqua. Se lo studente seleziona uno dei problemi possibili riportati sulla mappa idrica, appare un riquadro con testo e/o video che descrive il problema ed i relativi sintomi. Ad esempio la Figura 3 (vedi testo) mostra un filmato di un dipendente di una società idrica che descrive cosa possono causare i lavori sulle condutture principali. Lo studente può guardare il filmato per tutto il tempo che gli necessita. Gli studenti, quindi, possono abbandonare la simulazione in qualunque momento per scorrere la mappa idrica e ottenere utili descrizioni delle cause che ritengono potrebbero essere all'origine del problema del cliente.
Ognuna delle voci selezionabili della mappa è contornata da un bordo. Il colore del bordo può essere usato dallo studente in funzione della probabilità della causa (i significati dei colori sono spiegati nella legenda, visibile nella parte superiore della mappa idrica alla Figura 4 - vedi testo). Quando lo studente seleziona una voce della mappa, il sistema fa apparire un menu dal quale lo studente può definire il grado di probabilità di quella voce (il menu può essere osservato alla Figura 3 (vedi testo), sotto al filmato). All'inizio di ogni chiamata simulata il sistema riporta tutte le voci al valore neutro"forse". Lo studente può regolare il valore di una voce su "probabile", "forse" o "improbabile". Se lo studente evidenzia un'intera fase del livello generale (quello rappresentato alla Figura 2 - vedi testo) come "improbabile", questo attribuirà a tutte le voci di quella fase il valore di "improbabile". Comunque se lo studente attribuisce a qualche voce del livello inferiore un valore diverso da "improbabile", allora la fase in cui la voce è contenuta tornerà al valore "forse".
3.2.3 Il Tutor
Nel sistema Casper il tutor può essere chiamato in due modi diversi. Se lo studente non ha ben chiaro perché è successo qualcosa o cosa fare successivamente, può chiamare esplicitamente il tutor. Lo studente chiede al tutor "Perché" o "E adesso?" premendo il tasto con la scritta corrispondente (come si può vedere sopra la trascrizione nella Figura 1 - vedi testo). Oltre a rispondere ad espliciti richiami dello studente, il tutor interverrà automaticamente in riposta a certe azioni. Ad esempio, il tutor in genere appare per mettere alla prova lo studente quando annuncia al cliente un'ipotesi non corroborata dalle prove raccolte fino a quel momento. Può anche apparire automaticamente quando lo studente rivela una comprensione sbagliata o non avvalorata da prove della situazione, ad esempio tramite le interazioni con il CCS o con la mappa idrica. Lo studio dell'algoritmo preciso tramite il quale il tutor decide quando apparire e cosa fare una volta apparso, non rientra negli obiettivi di questo saggio, che intende limitarsi ai soli esempi illustrativi. L'algoritmo per determinare l'intervento e la strategia del tutor è sviluppato dal progettista del sistema, tramite l'uso di un gruppo di strumenti autore tutor, con fini generali, parzialmente descritti in Jona & Kass, 1993.
Il tutor di Casper non rivela allo studente la risposta esatta ad una domanda, bensì cerca di condurre lo studente alla soluzione attraverso una catena di ragionamenti; infatti lo scopo non è quello di rivelare la soluzione al problema del cliente simulato, ma di insegnare allo studente come risolvere problemi analoghi. Ad esempio, quando lo studente seleziona "E adesso?" il tutor non indica il passo successivo da compiere. Risponde, invece, come illustrato alla Figura 4 (vedi testo):
"Per aiutarti a decidere cosa fare ho bisogno di capire il tuo scopo attuale".
"Scegli tra le frasi a destra quella che descrive meglio il tuo scopo attuale."
I tasti a destra coprono la gamma di attività appropriate quando si cerca di formulare una diagnosi e risolvere un problema. Sono le seguenti:
* Raccogliere informazioni
* Esaminare le possibili cause
* Restringere le cause probabili
* Agire su una diagnosi
Oltre a questi tasti, c'è un'opzione pensata per gli studenti che hanno serie difficoltà con il procedimento di costruzione di una teoria:
* Non ho idea.
Se lo studente preme quest'ultimo tasto, il sistema presenta una spiegazione dettagliata del significato degli altri tasti e descrive la sequenza generale che occorre seguire per determinare come risolvere il problema di un cliente. Se lo studente sceglie uno degli altri tasti, il tutor pone domande di verifica e offre feedback alle risposte dello studente. Ad esempio, il tutor può indicare ad uno studente impegnato in una diagnosi che non ha ancora raccolto informazioni sufficienti per svolgere questo compito. Il tutor interviene anche per offrire supporto e spesso presenta un filmato di un esperto di una società idrica che spiega come fare quello che lo studente dichiara di voler fare.
Quando il tutor appare automaticamente per rispondere a un errore dello studente, non indica semplicemente dove lo studente ha sbagliato e cosa invece dovrebbe essere fatto. Piuttosto chiede allo studente di spiegare il proprio ragionamento e lo commenta in modo critico. Ad esempio, se lo studente avanza un'ipotesi immotivata sulla causa del problema del cliente, il tutor chiederà allo studente di selezionare dalla trascrizione le frasi del cliente che dovrebbero avvalorare la sua diagnosi (Cfr. Figura 5 sul testo). Il tutor quindi utilizza il suo modello di esperto del dominio per confutare il ragionamento dello studente. Ad esempio, il tutor può indicare che le voci selezionate dallo studente comprovano la diagnosi dello studente, ma ci possono essere cause più probabili. Quindi il tutor può chiedere allo studente di esplorare la mappa idrica per individuare altre cause possibili e difendere la nuova ipotesi alternativa come nel caso precedente. Se lo studente commette un errore, come chiedere al cliente di fare qualcosa di costoso o fastidioso senza una giusta causa, dire qualcosa che possa gettarlo nel panico o fare domande che condizionino la sua risposta, il tutor spesso interviene con un filmato di un esperto CSR che racconta di essersi trovato in circostanze simili a quelle dello studente e di aver commesso un errore analogo. Raccontando le conseguenze negative di un errore nel mondo reale, proprio nel momento in cui lo studente sta per commettere quell'errore, l'esperto reale aiuta a portare a termine la lezione in modo efficace.
3.3 Casper in Azione
Nei capitoli 3.1 e 3.2 sono state descritte le caratteristiche principali di Casper. Lo scopo di questo capitolo è semplicemente quello di unire tutte le parti e rendere più concreta la descrizione dell'architettura con l'esempio di uno scenario specifico che abbiamo affrontato con Casper.
Ogni scenario accompagna lo studente lungo un'intera telefonata con un cliente. Lo scenario inizia con il sistema che emette il suono di un telefono che squilla e mostra allo studente un tasto "rispondi al telefono". La trascrizione che segue è un esempio di cosa può succedere dopo che lo studente risponde al telefono.
Studente: Pronto, qui è la North West Water. Posso aiutarla?
Cliente: Buongiorno, sono il Sig. Lamb. Abito al 44 Worthy Road di
Liverpool. L'acqua è di un colore strano e non sono sicuro che
si possa bere.
Studente: Succede solo con il rubinetto dell'acqua calda o con tutti
e due?
Cliente: Non sono sicuro. L'ho notato solo in quello dell'acqua calda.
Studente: Può far scorrere l'acqua fredda per qualche secondo e vedere
se fa lo stesso?
Cliente: Aspetti un attimo ... il problema è in entrambi i rubinetti.
A questo punto lo studente usa il CCS per classificare correttamente il problema del cliente.
Categoria contatto: Qualità dell'acqua
Motivo contatto: Colorazione acqua
Quindi lo studente seleziona il tasto Suggerimenti ed informazioni sul CCS. Il CCS suggerisce varie azioni (il sistema non conosce, naturalmente, quello che il cliente ha già detto al CSR, quindi i suoi suggerimenti includono informazioni che sono già state date). Tra le azioni suggerite compare: "Stabilisci da quanto tempo è presente il problema".
Studente: Da quanto tempo ha questo problema?
Cliente: Da oggi pomeriggio.
A questo punto lo studente è ad un punto morto. Seleziona il tasto "E adesso?"
Tutor: Per aiutarti a decidere cosa fare successivamente ho bisogno
di capire il tuo scopo attuale. Stai cercando di.......
- raccogliere informazioni per elaborare una teoria sulla causa
del problema
- confermare o escludere una teoria sulla causa del problema
- scegliere un'azione che risolverebbe il problema
- non ho idea
Lo studente seleziona Chiarire sintomi
Tutor: Questa sembra una buona idea. Ecco il tipo di informazioni
che un Funzionario Operativo consiglia di raccogliere.
Il tutor mostra il filmato di un ingegnere che spiega come raccogliere informazioni sui problemi di colorazione dell'acqua. Tra le altre cose, l'ingegnere suggerisce che bisognerebbe chiedere qual è l'aspetto, il sapore e l'odore e informarsi se i vicini hanno lo stesso problema.
Studente: Potrebbe descrivermi il colore dell'acqua?
Cliente: È una specie di strano colore marrone, come se contenesse un
sedimento sabbioso.
Studente: Qualcuno dei suoi vicini ha lo stesso problema?
Cliente Si. Ho telefonato al Sig. Wellman della casa accanto.
Ha l'acqua proprio come la mia.
Lo studente procede così raccogliendo dati sul caso. Non ci soffermeremo su tutte le coppie di domanda/risposta. Saltiamo al punto in cui lo studente annuncia una inquietante ipotesi non corroborata da prove.
Studente: La sua acqua è contaminata.
Tutor: La contaminazione è un problema molto grave.
Dicendo al cliente che la sua acqua è contaminata puoi
gettarlo nel panico.
Guarda questo video su un CSR che ha gettato nel panico un cliente.
Il tutor quindi mostra un filmato di un CSR che una volta aveva gettato nel panico una cliente semplicemente chiedendole se c'era qualcosa che nuotava nell'acqua. La cliente è immediatamente arrivata alla conclusione che c'era qualcosa nell'acqua. Dopo aver parlato al telefono con il CSR, la cliente aveva chiamato il dipartimento della sanità per riferire che la società idrica le aveva detto che nell'acqua c'erano uova che sarebbero diventate insetti.
Tutor: Quindi devi essere certo di non impaurire il cliente,
specialmente se non sei sicuro di quale problema si tratti.
Perché pensi che l'acqua del Sig. Lamb sia contaminata?
Lo studente seleziona le voci della trascrizione: quelle in cui il cliente indica che i suoi vicini hanno lo stesso problema e quelle dove il cliente indica che il problema è insorto solo da quel pomeriggio.
Tutor: Questi elementi non provano con certezza che la contaminazione sia la causa del problema del Sig. Lamb. Per di più, la contaminazione si verifica raramente. Dovresti prima considerare teorie più probabili.
Vorresti ritirare la tua affermazione o lasciarla tale e quale?
Lo studente seleziona ritirare affermazione. "La sua acqua è contaminata" è eliminato dalla trascrizione.
Tutor: Seleziona un evento nella mappa idrica che possa aver causato il problema del Sig. Lamb.
Quale potrebbe essere una teoria più probabile circa la causa del problema del Sig. Lamb?
Lo studente scorre la mappa per un po', guardando alcune descrizioni, eliminando alcune possibilità, includendo tutto ciò che riguarda l'appartamento del cliente (dato che i vicini hanno lo stesso problema). Alla fine decide di annotare la segnalazione "rottura di condutture principali" come teoria probabile.
Tutor: Quali prove hai che le condutture principali potrebbero essere la causa del problema del Sig. Lamb?
Lo studente seleziona solo da questa mattina e frammenti neri nell'acqua.
Tutor: Queste prove sono deboli. Per confermare questa teoria devi avere altre informazioni.Cosa vuoi fare adesso?
Lo studente seleziona indagare su rottura di condutture principali.
Tutor: Ecco cosa può dirti un Ingegnere del Controllo della Qualità sulla rottura di condutture principali
Il tutor mostra un filmato di un ingegnere che descrive le conseguenze della rottura di condutture principali.
Studente: Ha notato degli operai in strada?
Cliente: Non ho visto nessun operaio ma c'erano i Vigili del Fuoco
quando sono venuto a casa, che lavoravano con un idrante
Ma adesso se ne sono andati.
Studente: I vigili del Fuoco devono aver fatto scorrere le condutture
principali sollevando dei sedimenti.
Studente: Faccia scorrere l'acqua per 15 minuti per pulirla.
Studente: Mi richiami se ci fossero problemi.
Cliente: Ma posso bere l'acqua? Ho un bambino piccolo e non voglio
che si ammali.
Studente: Potrà berla quando sarà tornata chiara.
Cliente: Va bene
Studente: La ringrazio per aver chiamato la NWW.
4. Conclusioni
In questo saggio ho cercato di dimostrare come i sistemi multimediali possano essere usati in modo efficace per insegnare agli studenti come imparare a sviluppare le capacità necessarie per effettuare diagnosi e formulare ipotesi. Ho descritto un sistema che combina audio, video, grafica e testo per produrre un ambiente intelligente di "Learning by Doing" in cui si può fare pratica di diagnosi e ricevere feedback da un tutor con uno stile socratico e da veri esperti - presentati su video - che reagiscono alle azioni intraprese dallo studente nella simulazione.
Il sistema che ho descritto al momento viene sperimentato con i dipendenti della società idrica che ne ha sponsorizzato lo sviluppo. Il sistema che stanno sperimentando comprende sei scenari. Ogni scenario presenta allo studente un tipo di problema molto diverso. Ognuno dei sei clienti simulati nell'attuale versione di Casper può dire centinaia di cose a seconda delle opzioni scelte dallo studente. Tra gli studenti vi sono notevoli differenze per quanto riguarda il tempo che impiegano a completare lo scenario, tuttavia la media sembra essere di 20-30 minuti per ognuno, quindi i sei scenari corrispondono a 2-3 ore di formazione. Il tutor ha un modello esteso del sistema idrico che permette di fornire un supporto su una vasta gamma di errori. Il sistema contiene circa due ore di filmati di esperti (approssimativamente 80 filmati, in genere di durata variabile tra i 45 ed i 90 secondi).
Oltre ad apportare i miglioramenti suggeriti dai risultati del test pilota, il nostro obiettivo primario è adesso quello di perfezionare gli strumenti autore che abbiamo sviluppato con il sistema Casper, affinché altri sistemi simili possano essere costruiti rapidamente e l'architettura pedagogica rappresentata da Casper possa essere applicata per insegnare un ampio ventaglio di argomenti. Attualmente sono in funzione le versioni iniziali degli strumenti. Questi includono uno strumento usato per creare le entità simulate per l'ambiente di lavoro e due strumenti che sono usati per creare il livello di tutor. Uno facilita la creazione di strategie di tutoring indipendenti dal dominio, che possono essere riutilizzate da una applicazione all'altra. L'altro consente la creazione di modelli specifici di dominio per applicazioni particolari. In una applicazione come Casper, il tutor consiste in strategie indipendenti dal dominio che vengono applicate allo specifico modello di dominio.
Questi strumenti sono stati utilizzati da soggetti non programmatori per produrre la versione attuale di Casper. Adesso è possibile creare un nuovo scenario di Casper senza alcuna programmazione supplementare. Gli strumenti sono utilizzati anche per produrre altre applicazioni simili a Casper. Per noi si tratta di una conquista entusiasmante. Tuttavia gli strumenti non sono ancora così potenti o facili da usare come vorremmo. Sebbene gli utenti degli strumenti non abbiano bisogno di sapere come programmare, necessitano tuttavia di una notevole formazione su come usare lo strumento. Attualmente uno dei nostri utenti impiega una o due settimane per produrre un nuovo scenario. Si tratta di tempi migliori rispetto a una programmazione che parte da zero, ma non sono ancora veloci come vorremmo. Inoltre non abbiamo ancora uno strumento per produrre interfacce utenti per programmi come Casper. La costruzione di un'interfaccia richiede ancora la programmazione. Il nostro obiettivo è di progettare, nel prossimo futuro, uno strumento che possa produrre un'intera applicazione come Casper senza nessuna programmazione e che possa essere usato dal grande pubblico per creare un nuovo scenario in pochi giorni senza richiedere una notevole formazione. Rendendo disponibili strumenti come questo, speriamo di creare degli strumenti-autore che consentano di cambiare il modo in cui attualmente si realizzano l'apprendimento e la formazione.
Riferimenti bibliografici
Anderson John R. (1988), The Expert Module in M. C. Polson & J. J. Richardson (Eds.), Foundations of Intelligent Tutoring Systems. Hillsdale, NJ: Lawrence Erlbaum Associates.
Carbonell J.R. (1970), Mixed-Initiative Man-Computer Instructional Dialogues. Doctoral dissertation, Massachusetts Institute of Technology, Cambridge, MA.
Collins Allan John S. Brown & Susan E. Newman (1989), "Cognitive Apprenticeship: Teaching the Crafts of Reading, Writing, and Mathematics." in L. B. Resnick, (ed.), Knowing, learning and instruction: Essays in honor of Robert Glaser. Hillsdale, NJ: Lawrence Erlbaum Associates.
Ferguson W., Bareiss R., Birnbaum L., and Osgood R. (1992), ASK Systems: An Approach to the Realization of Story-Based Teachers in The Journal of the Learning Sciences, 2(1), pp. 95-134.
Fitzgerald W. (1994), "Indexed Concept Parsing for Interactive Tutors." in corso di stampa su Working Notes of the 1994 AAAI Workshop on Active Parsing.
Jona K. & Alex Kass (1993), "The Teaching Executive: Facilitating Development Of Educational Software Through The Reuse Of Teaching Knowledge". Presentato al 10th Annual International Conference on Technology and Education.
Kass A., R. Burke, E. Blevis, M. Williamson (1994a), "Constructing Learning Environments for Complex Social Skills" in corso di stampa su The Journal of the Learning Sciences,
Kass A., S. Dooley, F. Luksa, and C. Conroy (1994b), "Using Broadcast Journalism to Motivate Hypermedia Exploration." in corso di stampa su Educational Multimedia and Hypermedia Annual, 1994. Association for the Advancement of Computing in Education, Charlottesville, VA.
Klahr David, K. Dunbar, & A. Fay (1990), Designing good experiments to test bad hypotheses in J. Shrager & P. Langley (eds.), Computational models of scientific discovery (pp. 355-402). San Mateo, CA: Morgan Kaufmann Publishers.
Lave Jean & Etienne Wenger (1991), Situated Learning: Legitimate peripheral participation. New York: Cambridge University Press.
Papert Seymour (1980), Mindstorms: Children, Computers and Powerful Ideas. New York: Basic Books.
Schank Roger C. & Menachem Y. Jona (1991), Empowering the Student: New Perspectives on the Design of Teaching Systems in Journal of the Learning Sciences, 1(1), 7-35.
Schank Roger C. (1982), Dynamic Memory: A Theory of Learning in Computers and People. New York: Cambridge University Press.
Schauble Leona, Robert Glaser, Kalyani Raghavan, & M. Reiner (1991), Causal models and experimentation strategies in scientific reasoning in Journal of the Learning Sciences, 1(2), 201-238.
Shrager Jeff (1990), Commonsense perception and the psychology of theory formation in J. Shrager & P. Langley (eds.), Computational models of scientific discovery and theory formation (pp. 437-470). San Mateo, CA: Morgan Kaufmann.
Funke Joachim (1991), Solving Complex Problems: Exploration and Control of Complex Systems in R. J. Sternberg and P. A. Frensch (eds.), Complex Problem Solving: Principles and Mechanisms (pp. 185-222). Hillsdale, NJ: Lawrence Erlbaum Associates.
Williams Susan M. (1993), Putting Case-Based Instruction into Context: Examples from Legal, Business, and Medical Education in corso di stampa su Journal of the Learning Sciences.
Torna all'INDICE