Tổng quan về bài toán khai khoáng dữ liệu giáo dục đào tạo

-4- CHƯƠNG 2: TỔNG QUAN VỀ BÀI TOÁN KHAI KHOÁNG DỮ LIỆU GIÁO DỤC ðÀO TẠO 2.1 Giới thiệu Trong suốt thập niên vừa qua, sự ñổi mới trong hệ thống giáo dục liên quan ñến sự xuất hiện của công nghệ mới là giáo dục trực tuyến. ðây là hình thức phổ cập kiến thức máy tính không phụ thuộc vào vị thế hay phần cứng. ðược xem như ñóng vai trò quan trọng và hàng ngàn khoá học trên web ñã ñược triển khai trong vài năm qua. Nhưng nhiều trong số các khoá học này lại dựa trên các tư liệu học tập tĩnh, không thực sự phù hợp với sự ña dạng trong sinh viên. Hệ thống giáo dục thích ứng và thông minh ñược coi như giải pháp cho môi trường học tập cá nhân. Hệ thống này cung cấp cho người học chế ñộ học tập cá nhân bằng cách xây dựng các mục tiêu cá nhân, sở thích và kiến thức. Khám phá tri thức trong dữ liệu (KDD) là tính năng tự ñộng rút các nguy cơ và các mẫu thoả mãn từ tập hợp dữ liệu lớn. KDD có thể ñược dùng không chỉ ñể học mô hình tiến trình học tập hay ñịnh hình sinh viên mà còn ñể xác thực và cải thiện hệ thống học tập trực tuyến bằng cách khám phá các thông tin học tập hữu ích từ các hồ sơ học tập. Trong môi trường giảng dạy tập trung, các giảng viên có thể thu nhận phản hồi về kinh nghiệm học tập sinh viên trong tương tác mặt ñối mặt với sinh viên, giúp cải thiện chương trình giảng dạy. Quyết ñịnh tiến hành theo dõi thái ñộ của sinh viên trong lớp, phân tích các dữ liệu trong lịch sử và ước lượng sự ảnh hưởng của chiến lược sư phạm. Tuy nhiên, khi sinh viên làm việc trong môi trường ñiện tử, việc giám sát này không khả thi. Giảng viên cần phải tìm cách khác ñể thu thập thông tin này. Các tổ chức quản trị các website trong lĩnh vực giáo dục, thu thập khối lượng lớn dữ liệu tự ñộng phát sinh từ web servers và thu thập từ các dữ liệu ghi vết truy cập. Môi trường học tập trực tuyến có khả năng ghi nhận lại các thái ñộ học tập của sinh viên và có thể cung cấp lượng khổng lồ hồ sơ học tập. Gần ñây, có sự tăng trưởng về quan tâm ñến sự phân tích tự ñộng trên dữ liệu về tương tác giữa người học với môi trường học trực tuyến. ðể cung cấp một môi trường học tập hiệu quả hơn, các kỹ thuật khai khoáng dữ liệu cần ñược thực hiện. Khai khoáng dữ liệu -5- là một bước trong toàn bộ tiến trình của KDD bao gồm tiền xử lý, khai khoáng và hậu xử lý. Khai khoáng dữ liệu ứng dụng thành công trong thương mại ñiện tử và bắt ñầu ñược sử dụng trong lĩnh vực ñào tạo trực tuyến với các kết quả triển vọng mặc dù các phương thức khám phá ñược sử dụng ở cả hai lĩnh vực (thương mại ñiện tử và ñào tạo trực tuyến) là tương tự nhau, tuy nhiên có vài ñiểm khác biệt quan trọng:
Lĩnh vực: Mục ñích của thương mại ñiện tử là hướng khách hàng ñến mua hàng trong khi ñào tạo trực tuyến hướng sinh viên ñến học tập.
Dữ liệu: Trong thương mại ñiện tử, dữ liệu sử dụng chỉ là ghi vết người dùng truy cập còn ñào tạo trực tuyến cần nhiều thông tin hơn về tương tác của sinh viên. Mô hình người dùng cũng khác biệt trong cả hai hệ thống.
Mục tiêu: mục tiêu của khai khoáng dữ liệu trong thương mại ñiện tử là làm tăng doanh thu, rất hữu hình và có thể hiểu như một lượng tiền, số lượng khách hàng và sự trung thành của khách hàng. Còn mục tiêu của khai khoáng dữ liệu trong ñào tạo trực tuyến là cải thiện học tập. Mục tiêu này chủ quan hơn và tinh vi hơn ñể ño lường.
Kỹ thuật: Hệ thống giáo dục có ñặc tính yêu cầu xử trí khác nhau ñối với mỗi vấn ñề khai khoáng. Kết quả là nhiều kỹ thuật khai khoáng ñặc biệt cần ñể chỉ ñịnh tiến trình ñào tạo. Vài kỹ thuật truyền thống có thể ñược thích ứng trong khi vài kỹ thuật khác thì không. Ứng dụng của kỹ thuật rút trích tri thức ñối với hệ thống giáo dục nhằm cải thiện ñào tạo có thể xem như kỹ thuật ước lượng hình thức, ñây là sự ước lượng của chương trình giáo dục trong khi chúng vẫn còn ñược phát triển và với mục ñích cải thiện chương trình. Tìm hiểu cách sinh viên sử dụng hệ thống là một trong những cách ước lượng thiết kế dạy theo lối hình thức và nó sẽ giúp người dạy cải thiện các tư liệu dạy học. Các kỹ thuật khai khoáng có thể khám phá ra các thông tin quan trọng có thể ñược sử dụng trong ước lượng hình thức ñể hỗ trợ người dạy kiến lập cơ sở sư phạm cho quyết ñịnh khi thiết kế hay ñiều chỉnh mội trường ñể giảng dạy tiếp cận. Ứng dụng của khai khoáng dữ liệu trong hệ thống giáo dục là một chu kỳ -6- lặp của hình thức cầm thế, kiểm nghiệm và cải tiến (xem hình 2.1)[19]. Tri thức khai khoáng ñược cần tham gia vào quy trình lặp của hệ thống và có ñịnh hướng.. Không chỉ chuyển dữ liệu thành tri thức mà còn tinh lọc tri thức khai khoáng ñể ñưa ra quyết ñịnh. Như chúng ta có thể thấy ở hình 2.1, người dạy và chịu trách nhiệm hàn lâm ñảm nhiệm công việc thiết kế, hoạch ñịnh, xây dựng và bảo trì hệ thống giáo dục. Sinh viên sử dụng và tác ñộng với họ. Bắt ñầu từ các thông tin có sẵn về các khoá học, sinh viên, lưu lượng sử dụng và tương tác, các kỹ thuật khai khoáng dữ liệu khác nhau có thể dùng ñể khám phá tri thức hữu ích ñể cải thiện tiến trình ñào tạo trực tuyến. Tri thức khám phá không chỉ người cung cấp có thể sử dụng mà cả người sở hữu (sinh viên) cũng có thể dùng. Vì vậy, ứng dụng của khai khoáng dữ liệu trong hệ thống giáo dục có thể hướng ñến tác nhân khác với các góc nhìn ñặc trưng:
Hướng ñến sinh viên: Mục tiêu là ñể khuyến khích người học về các hoạt ñộng, tài nguyên và các tác vụ học có thể gây hứng thú và cải thiện học vấn, ñề xuất kinh nghiệm học tập tốt cho sinh viên, ñề xuất hướng ñi và giảm thiểu hay ñơn giản là liên kết ñể sinh viên theo, dựa trên các tác vụ ñã hoàn thành và thành công của họ và các tác vụ ñã ñược tạo bởi những người học tương tự, …
Hướng ñến người dạy: Mục ñích là có ñược nhiều phản hồi về giảng dạy, ñánh giá cấu trúc nội dung khoá học và hiệu quả của nó lên tiến trình ñào tạo, phân lớp các học viên thành các nhóm dựa trên nhu cầu về ñịnh hướng và giám sát, tìm ra các mẫu thường và bất thường về tiến trình học tập của học viên, tìm ra các lỗi thường mắc, tìm ra các hoạt ñộng hiệu quả hơn, khám phá các thông tin ñể cải thiện tính hiêu quả và tuỳ biến khoá học, cấu trúc lại ñể cá nhân hoá chương trình dạy học tốt hơn, tổ chức lại nội dung hiệu quả hơn cho tiến trình của người học và xây dựng các kế hoạch thích ứng hơn, … -7- Hình 2.1: Chu trình ứng dụng khai khoáng dữ liệu vào các hệ thống giáo dục
Hướng ñến những người quản trị và những người chịu trách nhiệm chuyên môn: Mục tiêu là ñể có các thông số về cải thiện trang một cách hiệu quả và thích ứng ñối với hành vi của người dùng của họ (tối ưu kích thước server, phân bố dấu vết mạng, …), tìm cách tổ chức các tài nguyên thành lập (con người và tư liệu) và các ñề nghị giáo dục, ñề cao các chương trình giáo dục ñược cung cấp và quyết ñịnh sự ảnh hưởng lên việc tiếp cận khoảng cách trung gian học tập. Có nhiều công cụ khai khoáng thông thường cung cấp thuật toán khai khoáng, kỹ thuật lọc và trực quan hóa. Vài ví dụ của các công cụ thương mại và hàn lâm như DBMiner, Clementine, Intelligent Miner, Weka, … Tuy nhiên các công cụ này không ñược thiết kế ñặc biệt và bảo trì cho mục ñích giáo dục và thật là nặng nề cho người dạy nếu không có kiến thức bao quát trong lĩnh vực khai khoáng dữ liệu ñể sử dụng các công cụ này. ðể giải quyết vấn ñề này vài công cụ khai khoáng dữ liệu giáo dục, thống kê và trực quan hóa ñược phát triển ñể giúp người dạy phân tích khía cạnh khác biệt của tiến trình học tập (xem bảng 2.1). Các hệ thống giáo dục (Lớp học truyền thống, hệ thống ñào tạo trực tuyến, hệ thống giáo dục trực tuyến thích ứng và thông minh) Thiết kế, hoạch ñịnh, xây dựng và bảo trì Sử dụng, tương tác, tham gia và giao tiếp Dữ liệu về cách sử dụng và sự tương tác của sinh viên, thông tin khóa học, học liệu,… Khai khoáng dữ liệu (gom nhóm, phân lớp, tách nhóm, kết hợp, so khớp mẫu, khai khoáng văn bản) Thể hiện tri thức ñược khám phá ðưa ra các lời khuyên Giáo viênNhà chuyên môn Sinh viên -8- Bảng 2.1: Một số công cụ khai khoáng giáo dục, thống kê và trực quan hóa Công cụ Tác giả Tác vụ Mining Tool Zaiane và Luo (2001) Kết hợp và mẫu MultiStar Silva và Viera (2002) Kết hợp và phân lớp Data Analysis Center Shen et al. (2002) Kết hợp và phân lớp EPRules Romero et al. (2003) Kết hợp KAON Tane et al. (2004) Khai khoáng văn bản và gom nhóm TADA-ED Merceron và Yacef (2005) Phân lớp và kết hợp O3R Becker et al. (2005) Mẫu tuần tự Synergo/ColAT Avouris et al. (2005) Thống kê và trực quan hóa GISMO/Course Vis Mazza và Milani (2005) Trực quan hóa Listen Tool Mostow et al. (2005) Trực quan hóa TAFPA Damez et ak. (2005) Phân lớp iPDF_Analyzer Bari và Benzater (2005) Khai khoáng văn bản 2.2 Hệ thống giáo dục: dữ liệu và mục tiêu Khai khoáng dữ liệu có thể ứng dụng cho dữ liệu ñến từ 2 loại hệ thống giáo dục: lớp học truyền thống và giáo dục từ xa. Cần thiết phải giải quyết vấn ñề ñộc lập với ứng dụng của kỹ thuật khai khoáng trong mỗi loại bởi chúng khác biệt về nguồn dữ liệu và mục tiêu. 2.2.1 Lớp học truyền thống Môi trường lớp học truyền thống ñược sử dụng rộng khắp. Dựa trên phương thức giao tiếp mặt-ñối-mặt giữa người dạy và sinh viên thông qua các bài giảng. Có nhiều kiểu phụ khác nhau: giáo dục riêng và cộng ñồng, sơ cấp và trung cấp, cao cấp, cấp 3 và giáo dục hàn lâm, giáo dục ñặc biệt. Kiểu lớp học này bị chỉ trích vì nó khuyến khích lối học thụ ñộng, bỏ qua các khác biệt cá thể và nhu cầu của người học, không chú ý ñến giải quyết vấn ñề, lối suy nghĩ chủ quan, hoặc các kỹ năng suy nghĩ cao cấp. Trong lớp học truyền thống, người dạy có xu hướng ñề cao phương pháp bằng cách giám sát tiến trình học tập của sinh viên và phân tích thái ñộ bằng các ghi nhận trên giấy và quan sát. Họ cũng có thể sử dụng thông tin về tình hình tham dự lớp của sinh viên, thông tin khoá học, các mục tiêu cá nhân và -9- các dữ liệu kế hoạch cá nhân. Các viện giáo dục có nhiều loại nguồn thông tin khác nhau: cơ sở dữ liệu truyền thống (thông tin sinh viên, thông tin người dạy, lớp và thời khoá biểu,…), thông tin trực tuyến (các trang về thông tin khoá học), cơ sở dữ liệu truyền thông,… Khai khoáng dữ liệu giúp các tác nhân này về tiến trình học tập. Các viện muốn biết sinh viên nào muốn tham gia các khoá học ñặc thù nào và sinh viên nào cần sự giúp ñỡ ñể có thể tốt nghiệp. Người quản trị có thể muốn tìm hiểu các thông tin như các yêu cầu thu nạp và dự ñoán số lượng tham gia ñể có thể sắp thời gian. Sinh viên có thể muốn biết chọn lựa khoá học tốt nhất dựa trên dự ñoán thành tích trên khoá học ñã chọn. Người dạy có lẽ muốn biết kỹ năng học nào ñóng góp quan trọng trong toàn bộ tiến trình học, tại sao một lớp tiến triển kém hơn các lớp khác, các nhóm sinh viên tương ñương,… có vài nghiên cứu về ứng dụng của khai khoáng dữ liệu trong giáo dục truyền thống. Một trong những bài viết ñầu tiên về việc sử dụng khai khoáng dữ liệu trong giáo dục ñể hiểu về việc tham gia lớp học của sinh viên ñược viết bởi Sanjeev và Zytkow năm 1995. Họ ứng dụng tri thức khám phá vào mệnh ñề hình thức dạng “Mẫu P chứa dữ liệu trong khoảng R” cho cơ sở dữ liệu ñại học. Kết quả ñược trình bày ñến một quản trị trường ñại học chuyên ñể ñưa ra các quyết ñịnh mang tính chiến lược về qui cách viện. Một nghiên cứu khác về việc sử dụng KDD ñể ñịnh danh và ñể hiểu sự xét duyệt lý lịch có ảnh hưởng ñến sinh viên ở một trường ðại học Brazil do Becker và cộng sự ñưa ra năm 2000. Họ kiểm chứng chất lượng tác ñộng của xét duyệt và ñánh giá sử dụng nhiều kỹ thuật như tổng hợp, kết hợp, phân lớp. Một nghiên cứu khác liên quan, mục tiêu là chọn các sinh viên yếu ñể tham gia các lớp học phụ ñạo do Ma và cộng sự nêu ra năm 2000. Họ sử dụng hàm tính ñiểm dựa trên luật kết hợp. ðầu tiên, họ xác ñịnh các sinh viên yếu tiềm tàng và sau ñó chọn các khoá học ñược khuyến khích tham gia. Cuối cùng, ứng dụng trong giáo dục cao cấp ñể thực hiện phân tích thấu ñáo cá tính của sinh viên ñược thực hiện bởi Luan năm 2002 [15]. Ông ñề xuất sử dụng nhiều phương pháp không giám sát (mạng Kohonen) và giám sát (C5.0, các thuật toán thông dụng,…) ñể gom nhóm và dự ñoán nhằm cho phép các viện giáo dục cấp -10- tài nguyên và số liệu, tiên phong quản lý các kết quả của sinh viên và cải thiện tính hiệu quả của hậu phát triển. 2.2.2 Giáo dục từ xa Giáo dục từ xa hay ñào tạo từ xa bao gồm các kỹ thuật và phương pháp cung cấp kết nối ñến chương trình giáo dục cho những sinh viên bị cách biệt về thời gian và không gian với các bài giảng. Hệ thống ñào tạo trực tuyến thiếu hụt mối quan hệ gần gũi của sinh viên – giảng viên (một ñối với một). Có nhiều kiểu phụ của giáo dục từ xa: ñào tạo dựa trên giấy tương ñương, ñào tạo qua băng video, ñào tạo trên máy vi tính (ñào tạo ña truyền thông, ñào tạo trên internet, hoặc ñào tạo trực tuyến),... Hiện tại, ñược sử dụng nhiều nhất là hình thức ñào tạo trên web cho phép sinh viên học tập thuận tiện thông qua internet. ðào tạo trên web là hình thức ñào tạo từ xa phát triển trên internet do Johnson và cộng sự ñề xuất năm 2000. Ngày nay, có nhiều ñiều liên quan ñến giáo dục trên web như học tập trực tuyến, ñào tạo trực tuyến, hướng dẫn trực tuyến, học tập trên web, ñào tạo trên web, hướng dẫn trên web,... và có nhiều loại hệ thống dựa trên web: ñồng bộ và bất ñồng bộ, cộng tác và không cộng tác, tập văn mở và ñóng,… Các hệ thống giáo dục trên web này có thể ghi nhận truy cập của sinh viên trên web log cung cấp dấu vết thô của người học di chuyển trong site. Srivastava và cộng sự nêu ra nhiều loại log vào năm 2000:
Server log file: Hình thức ủy nhiệm ñược sử dụng rộng rãi dùng nguồn dữ liệu ñể thực hiện khai khoáng, chứa các chi tiết thật về thời gian, lộ trình và các phản hồi ñầu vào. ða dạng về ñịnh dạng như ñịnh dạng phổ biến (CLF), ñịnh dạng văn bản mở rộng (ELF),… Thường thì chỉ có dạng file log cho tất cả sinh viên.
Client log file: Bao gồm tập hợp các log files cho mỗi sinh viên, chứa thông tin về tương tác của sinh viên với hệ thống. Có thể ñược cài ñặt bằng các tác nhân từ xa (như Javascripts, Java Applets), ñịnh nghĩa mã nguồn của trình duyệt hiện hành, hoặc dùng cookies. -11-
Proxy log file: Bao gồm tập các log files lưu trữ ñệm giữa trình duyệt và máy chủ. Thông tin này bổ sung thông tin cho server log file. Cần lưu ý khái niệm log có bao gồm giới hạn của luật pháp. Ngoài ra bất cứ khi nào hệ thống log xác thực người dùng không cần phải liên quan ñến hiện diện thực của người dùng nhưng chủ yếu xem họ như chủ thể cá nhân. Log files cũng có nhiều giới hạn còn tồn tại, ghi vết dữ liệu không phải người dùng, ñơn giản chỉ click và không thực sự tham gia hoạt ñộng, không nắm bắt ñược thông tin ngữ cảnh, nhận biết các máy tính ñặc biệt chứ không phải con người, các vấn ñề liên quan ñến thông tin không hoàn tất hoặc không chính xác và vài khía cạnh kỹ thuật của trình duyệt (như bộ nhớ ñệm) có thể cản trở ghi vết. ðể ñịnh các vấn ñề, Yu, Own và Lin năm 2001 ñề xuất sử dụng cách khác ñể ghi nhận hồ sơ học viên bao gồm lộ trình học, chú trọng trên các khoá học, trình ñộ khoá học, thời gian học,… Li và Zayiane năm 2004 sử dụng nhiều kênh thông tin hơn ñể mô hình hoá ñịnh hướng người dùng : dấu vết truy cập, cấu trúc các trang ñã xem, thông tin các trang ñã xem. Avouris, Komis, Fiotakis, Margaritis và Voyiatzaki năm 2005 mở rộng tính năng tự ñộng sinh log files bằng cách giới thiệu các thông tin ngữ cảnh như là các sự kiện bổ sung bằng cách liên kết các bình luận và các files tĩnh. Monk năm 2005 kết hợp dữ liệu trên hoạt ñộng với nội dung và hồ sơ người dùng trong một mô hình kết hợp hình thức. Ingram năm 1999 kết hợp dữ liệu với các phương pháp thẩm vấn như trò chuyện với sinh viên, trong lớp thì phát biểu, khảo sát, hay viết phản hồi về web site. Iksal and Choquet năm 2005 ñề xuất sử dụng ghi vết siêu ngôn ngữ ñể mô tả ñường ñi ngữ nghĩa ghi nhận bởi hệ thống giáo dục trên web. Markham và cộng sự năm 2003 ñề xuất sử dụng phần mềm rút trích dữ liệu từ môi trường học trực tuyến và tổ chức chúng theo nhiều cách thông minh. Các hệ thống giáo dục ñược phân thành 3 loại: các khoá học trên web, hệ quản trị thông tin ñào tạo phổ biến và hệ thống giáo dục thông minh và dễ thích ứng trên web. -12- 2.2.2.1 Các khóa học ñặc thù trên web Các khoá học trên web là các chương trình học sử dụng chuẩn HTML (HyperText Markup Language). Có nhiều khoá học, hướng dẫn,… của loại này trên internet và cũng như các website khác, nó có cùng một loại nguồn dữ liệu:
Nội dung: Dữ liệu thực trong trang web, ví dụ dữ liệu ñược thiết kế ñể truyền ñạt ñến người dùng. Bao gồm vân bản, ñồ hoạ, video, âm thanh,…
Cấu trúc: Dữ liệu mô tả tổ chức của nội dung. Cấu trúc thông tin nội bao gồm dãy các thẻ HTML hay XML chứa trong một trang. Có thể ñược trình bày thành cấu trúc cây, trong ñó thẻ HTML thành gốc của cây. Loại chính yếu của cấu trúc thông tin trang là liên kết giữa trang này với trang khác.
Thông tin sử dụng: Dữ liệu mô tả mẫu sử dụng của các trang. Có hai loại thông tin sinh viên: thông tin về hành ñộng của sinh viên và truyền thông, thông tin về hoạt ñộng của sinh viên trong khoá học.
Hồ sơ người dùng: Dữ liệu cung cấp thông tin nhân khẩu về người dùng của site. Bao gồm thông tin ñăng ký và hồ sơ khách hàng. Khai khoáng dữ liệu có thể dùng ñể biết sinh viên sử dụng khoá học như thế nào, mức ñộ tác ñộng của các chiến lược sư phạm lên nhiều loại sinh viên, thứ tự sinh viên học về các ñề tài phụ, các trang/ ñề tài nào sinh viên thường bỏ qua, thời gian sinh viên bỏ ra trên một trang, một chương hay toàn bộ khoá học,… 2.2.2.2 Các hệ quản trị nội dung học tập phổ biến Các hệ quản trị thông tin nổi tiếng (LCMS) là các nền tảng cung cấp các kênh thông tin ña dạng và không gian làm việc ñể chia sẻ thông tin thuận tiện và truyền thông giữa các học viên trong khoá, cho phép người dạy chia sẻ thông tin ñến sinh viên, tạo ra các tư liệu, chuẩn bị các bảng phân công và bài kiểm tra, hứa hẹn vào các cuộc thảo luận, quản lý các lớp học từ xa và cho phép kết hợp học tập với diễn ñàn và chat, không gian lưu trữ hồ sơ, dịch vụ tin tức,… Vài ví dụ của LCMS thương mại Blackboard, Virtual-U, WebCT, TopClass,... và vài ví dụ về LCMS miễn phí: Moodle, Ilias, Claroline, aTutor,... Các hệ thống này gom lại lượng lớn dữ liệu vết hoạt ñộng của sinh viên và có tính năng giám sát tích hợp sẵn -13- (do Mazza & Milani nêu năm 2005). Có thể ghi nhận bất cứ hoạt ñộng nào có liên quan, như ñọc, viết, tham gia kiểm tra, thực hiện các tác vụ trong môi trường thực và ảo, ngay cả khi liên lạc với các máy ngang hàng (do Mostow nêu năm 2004). ðồng thời cung cấp dữ liệu lưu trữ toàn bộ thông tin hệ thống: thông tin cá nhân của người dùng (hồ sơ), kết quả hàn lâm, dữ liệu tương tác người dùng,… Mặc dù vài nền cung cấp công cụ báo cáo, khi mà có lượng lớn sinh viên, trở nên khó khăn cho quá trình rút trích thông tin hữu ích. Khai khoáng dữ liệu có thể ứng dụng ñể khám phá , trực quan hóa và phân tích dữ liệu nhận biết các mẫu hữu ích và kiểm ñịnh các hoạt ñộng trên web ñể có các phản hồi mang tính mục tiêu cho giảng dạy và biết nhiều hơn về cách sinh viên học trên LCMS. 2.2.2.3 Các hệ thống giáo dục thích ứng và thông minh trên web Brusilovsky & Peylo năm 2003 ñề cập ñến hệ thống giáo dục dễ thích ứng và thông minh (AIWBES) cung cấp lựa chọn cho lối truyền thống ñơn giản ñưa-chúng- lên-trang-web tiếp cận ñịnh hướng phát triển chương trình học trên web. AIWBES có khả năng thích ứng dễ dàng hơn bằng cách xây dựng mô hình các mục tiêu, sở thích và kiến thức của mỗi sinh viên và sử dụng mô hình ñó suốt quá trình giao tiếp với sinh viên nhằm thích ứng nhu cầu của sinh viên. AIWES là kết quả của sự tiến hoá của hệ thống hướng dẫn thông minh (ITS) và hệ siêu truyền thông dễ thích ứng (AHS). Vài ví dụ của ITS