Using a Machine Learning Approach To Support an Intelligent Cooperative Multi-Agent System - archive-EduTice - Education et technologies de l'information et de la communication Accéder directement au contenu
Communication Dans Un Congrès Année : 2002

Using a Machine Learning Approach To Support an Intelligent Cooperative Multi-Agent System

Résumé

In this paper, we describe a machine learning approach, ID3 Decision Tree Induction Algorithm, to analysing and predicting learning style of learners on-line. Our goal is to adapt the interaction by choosing an appropriate resentation for the learners. One way to make a good adaptation is by extracting some knowledge about each learner such as learners' behavior during a learning session, knowledge level, and learning styles. We have developed a confidence Intelligent Tutoring System (CITS), which is based on a multi-agent approach, in order to manage negotiations within a community of learners. The main goal of CITS is to adapt intelligent distance learning environments interactions among the participants to be more cooperative. This paper focuses on how CITS can extract the knowledge from learners. An experiment shows that this approach can determine learning style with 78% accuracy. Using this way, CITS can predict learning style instead of using a long questionnaire.
Dans cet article, nous décrivons une méthode d'apprentissage machine basée sur l'algorithme d'arbre de décision ID3. Elle est utilisée pour analyser et prédire, en ligne, le style d'apprentissage de l'apprenant. Notre objectif est d'adapter les interactions en choisissant la présentation appropriée à l'apprenant. Pour faire une bonne adaptation, on peut extraire certaines connaissances concernant les apprenants, comme par exemple leur comportement durant une session d'apprentissage, leur niveau de connaissance et le style d'apprentissage qu'ils affectionnent. Nous développons un Système Tutoriel Intelligent de Confiance (STIC), s'inspirant d'une approche multiagents, de façon à gérer des négociations dans une communauté à gérer des négociations dans unecommunauté d'apprenants. L'objectif principal du STIC est de permettre plus de coopération entre les participants en adaptant les interactions dans les environnements intelligents d'apprentissage à distance. Cet article se focalise sur la manière dont le STIC peut extraire de telles connaissances des apprenants. L'expérimentation a montré que cette approche peut déterminer le style d'apprentissage d'un apprenant avec une précision de 78%. En utilisant cette méthode, le STIC peut prédire le style d'apprentissage de l'apprenant sans avoir recours à un long questionnaire.
Fichier principal
Vignette du fichier
Razek.pdf (1.35 Mo) Télécharger le fichier
Loading...

Dates et versions

edutice-00000636 , version 1 (30-09-2004)

Identifiants

  • HAL Id : edutice-00000636 , version 1

Citer

Mohammed A Razek, Claude Frasson, Marc Kaltenbach. Using a Machine Learning Approach To Support an Intelligent Cooperative Multi-Agent System. Technologies de l'Information et de la Communication dans les Enseignements d'ingénieurs et dans l'industrie, Nov 2002, Villeurbanne, France. pp.119-123. ⟨edutice-00000636⟩

Collections

TICE TICE2002
179 Consultations
397 Téléchargements

Partager

Gmail Facebook X LinkedIn More