Emne: Læring og informasjonsteknologi (del I)
Forfatter: Lars Vavik
Dato 9.des. 1999

Dette notatet har som mål å starte en diskusjon om læring og IKT-basert undervisning.

Emnet gir en oversikt over ulike læringsteoretisk retninger. Forskjellig syn på læring har vært med på å forme planer og innhold for hvordan informasjonsteknologien blir tatt i bruk. Den kognitivistiske tradisjonen (del I) vil i motsettning til det konstruktivistiske (del II) skape ulik tilnærming. I alle former for kategoriseringer ligger det forenklinger som gjør det vanskelig å plassere teorier - og personer knyttet til disse teoriene - i enkle båser.
 

 

·       I norsk pedagogisk sammenheng vil for eksempel boken ”Læring med IT” (Glenn- Eigil Torgersens IKT, 1998) være preget av kognitivistiks perspektiv.

·       De konstruktivistiske teoriene er i rikt mon presentert på denne adressen http://www.cudenver.edu/~mryder/reflect/constructivism.html

1. Innledning

Integrering av informasjonsteknologi i skole og arbeidsliv farges av læringsteoretiske spørsmål. Ulike meninger om hvordan undervisningen best kan tilrettelegges, krever forskjellige administrative og tekniske løsningen.


 

Fig. 1 IKT- støttede læremidler og samarbeidsformer

Figuren ovenfor illustrerer et skifte i bruk av tradisjonelle læremidler som bøker, film/video osv. over til digitale medier, for eksempel hyperdokumenter og multimedier. Ulike typer av informasjons teknologiske læremidler er listet opp i figuren: hypertekst, multimediadokumenter, treningsprogrammer, intelligente veiledningssystemer, simuleringsprogrammer og databaserte verktøy. Vi vil også se at de forskjellige teoriene har bidratt med utvikling av hver sine typer programsystemer.

Figuren viser også velkjente møteplasser slik som i klasserom, gruppesammenhenger og på arbeidsplassen, men også virtuelle rom knyttet sammen i et datastøttet nettverk (Computer Supported Collaborative Learning environment). Her finnes mange muligheter for å kombinere gamle og nye medier, velkjente og nye studieformer.
 

2. Undervisning og læring

Undervisningen kan grovt sett karakteriseres som en prosess delt inn i tre faser. Den kunnskap som finnes, som gjerne skulle bli til elevens viten, undergår visse forandringer på sin vei:

 

Klargjøring: Læreren klargjør sin personlige viten ved å omforme den til informasjon. Det er egentlig det som skjer i enhver forberedelse av et gitt undervisningemne. Vi setter oss ned og tenker gjennom hva som skal sies. Vi hefter oss ved noen nøkkelbegreper og overveier hvordan de skal defineres, presenteres og formuleres.

Tilrettelegging: Informasjonene kan overføres på flere forskjellige måter. Det er her informasjonsteknologien kommer inn i bildet. Informasjonsteknologi er mer enn bare datamaskiner. Bøker, blyanter, lydbånd, film osv. faller alle inn under begrepet informasjonsteknologi.

Personlig tilegning: Det som fra starten var lærerens viten skal bli elevens personlige kunnskap. Hvis vi ikke kan innrette omstendighetene slik at eleven kan omforme informasjon til personlig kunnskap, ender vi bare med en opphopning av informasjoner.

Denne forenklede beskrivelsen av undervisning inneholder noen begreper og synspunkter som blir vektlagt på ulik måter. Noen skiller for eksempel strengt mellom informasjon og kunnskap.Det blir sagt at vi kan formidle informasjon, men ikke kunnskap. Det vil si at et emne kan presenteres for eksempel ved hjelp av multimedier. Deretter starter undervisningen hvor en "forhandler" seg fram til en forståelse i samarbeide med andre. I det siste tilfelle. Det er også forskjellige meninger om hvor detaljert undervisningen kan planlegges og det er ulike meninger om en kan forutsi hva læringsresultatet blir som en konsekvens av hvordan undervisning blir tilrettelagt.

 

 

Fig 2 Forholdet mellom psykologi, informasjonsteknologi og fag-didaktikk

 

 

Spørsmålet vi forsøker å finne svar på er hvorvidt ulike syn på læring bestemmer hvordan elektroniske læremidler kan utformes og brukes, og hvordan dette påvirker en samlet plan som omfatter hele læringsmiljøet.


 

3. Kognitive teorier om overføring av informasjon og kunnskap


Kognitive teorier legger vekt på å forstå de indre mentale prosesser i forbindelse med læringen, som en konsekvens av ytre påvirkningsfaktorer. Mens behavioristene er opptatt av enkelt-stimuli og assosiasjoner, er den kognitive psykologien mest opptatt av å forklare hva som skjer når vi lærer, hvordan kunnskapen organiseres i hjernen, hvilke metoder hjernen arbeider etter under problemløsning, osv. Studier av hukommelsesfunksjoner ligger i sentrum for disse teoriene, dvs. mekanismer/prinsipper for å flytte kunnskap inn i minnet. En ser på læring som en akkumulativ prosess hvor individet gradvis internaliserer mer og mer komplekse og abstrakte enheter. Undervisningen må i følge dette konsentreres om hvilke elementer av kunnskap en trenger, hvordan den skal presenteres - og i hvilke form og i hvilke rekkefølge for best å oppnå koding, lagring og gjenfinning.

 

Kognitive teoretikere hevder at kunnskap om denne prosessen er nødvendig for å forstå læringsprosessen og for å utforme læremidler.

3. 1 Den kognitive prosessen

Hjernen tar imot informasjon gjennom sansene. Ettersom vi utsettes kontinuerlig for mengder ulike sanseinntrykk, må vi gjøre et utvalg av den informasjonen som strømmer inn. Oppmerksomheten er den psykologiske mekanisme som vi anvender for å gjøre dette utvalget.

 

Den informasjonen som oppmerksomheten har valgt ut, lagres i korttidsminnet. Korttidsminnet kalles også arbeidsminnet og er, som navnet antyder, det området der bevisste tankeprosesser foregår. Arbeidsminnet har sterkt begrenset kapasitet. Dette innebærer at det kan bare ha en begrenset mengde informasjon som er aktuell. Tar vi inn ny informasjon, forsvinner den tidligere informasjonen.

 

Om vi skal huske informasjonen permanent, må den flyttes fra arbeidsminnet til langtidsminnet. I motsetning til arbeidsminnet, har langtidsminnet stor kapasitet. Når informasjonen er lagret, forblir den der sannsynligvis for alltid - informasjonen har blitt til kunnskap.

For at flytting fra arbeidsminnet til langtidsminne skal skje, må informasjonen når den finnes i arbeidsminnet bearbeides (praktiseres), ellers blir den borte. Innenfor kognisjons psykologien brukes termen repetisjon om denne prosessen. Eksempel på repetisjonsprosesser er når en lager et visuelt bilde av informasjonen, eller når en omorganiserer informasjon, slik at en husker det til senere bruk

Repetisjon flytter altså informasjonen til langtidsminnet. På fagspråket blir dette kalt for å kode informasjonen i langtidsminnet. Når kunnskapen siden skal brukes, hentes den fra langtidsminnet og flyttes over til arbeidsminnet for å bearbeides der.

Flyten av informasjon går gjennom sansene, gjennom arbeidsminnet til langtidsminnet og tilbake til arbeidsminnet gjennom prosessene oppmerksomhet, repetisjon, koding og tilbakekalling.


 

3.2 Undervisningsprinsipper bygd på kognitiv teori.

Ut fra kunnskapen om kognisjonsprosesser kan en se at det finnes visse kritiske steg som er avgjørende for læringsresultatet. Dette gjelder spesielt:

·       å hente inn, håndtere og lagre informasjon

·       å hente inn informasjon til arbeidsminnet gjennom oppmerksomhetsprosessen

·       å forflytte kunnskap og ferdigheter gjennom arbeidsminnet til en permanent lagring i langtidsminnet

·       å hente inn informasjon fra langtidsminnet til arbeidsminnet når det er behov.

I det følgene blir det foreslått at undervisning bygges over et sett av læringsfunksjone, for å oppnå best mulig læring og overkomme de kritiske tersklene. En hevder at disse funksjonene på en hensiktsmessige måte knytter sammen læringsteori og den praktiske læringssituasjonen. Momentene kan realiseres på vidt forskjellige måter - det viktige er ikke hvordan de realiseres, men at de realiseres. Hvert enkelt av elementene nevnt i listen nedenfor kan forekomme en rekke ganger, men alltid minst en gang (Gagnè 1985, Shuell 1992).

 

 

Uten å gjøre krav på å være fullstendig, kan en beskriver disse læringsfunksjoner slik:

 

1.Motivasjon: Fange oppmerksomheten slik at eleven er klar til i motta stimuli.

 

2. Forventning: Skape forventninger til det som skal skje gjennom å informere om hensikten med læringen. Det er viktig å få eleven til å engasjere seg i læringsprosessen. Vanligvis skiller en mellom det å skape forventninger og den motiveringen som skapes i læringssituasjonen.

 

3. Framhenting av eksisterende kunnskap: Tilegning av ny kunnskap krever at en bygger videre på og anvender eksisterende kunnskap- en skaper forbindelse til tidligere strukturer som finnes i LTM (langtidsminnet).

 

4. Fokusering: Sikre selektiv persepsjon gjennom en klar og entydig presentasjon av lærestoffet. I læringssituasjon må oppmerksomheten rettes mot de viktigste elementene. Slik fokusering blir viktigere desto mer kompleks læringsmiljøet er. Det er viktig å ikke presentere altfor mye informasjon på en gang. For mye informasjon leder til det som kalles kognitiv overbelastning. En kan sjelden rette oppmerksomheten mot mer enn en sak av gangen. En person som hører på to ulike kanaler på samme volum, har små muligheter til å følge med i begge. Enda verre er det å gjenta informasjonen fra begge kanalene. I beste fall skulle en kunne fokusere sin oppmerksomhet på en av dem og ignorere den andre. Med de muligheter som multimedia har med sin blanding av medier er det lett å distrahere brukere med overflod av informasjon og kanskje også splitte oppmerksomheten gjennom at ulike medier formidler ulikt budskap. Det siste unngår en gjennom å la de medier som brukes presentere budskap som forsterker hverandre. For å unngå å overlesse med informasjon, bør ikke mer informasjon presenteres om gangen enn hva en klarer å håndtere i arbeidsminnet.

 

5.Omkoding: Sikre semantisk koding gjennom veiledning og eksempler til lærestoffet. Informasjonen må kodes slik at den kan tas vare på. Læringssituasjonen må både sørge for at en slik koding skjer, og for at kodingen er hensiktsmessig for den læringsprosessen en er i. Vi vet at begrep med en konkret mening er lettere å huske enn abstrakte begrep. En forklaring på dette kan være at når en støter på et konkret begrep, behandles det på to ulike måter - f.eks fonetisk (hvordan ordet uttales) og visuelt (en former et indre bilde). Med denne prosessen av dobbel koding lagres den opprinnelige informasjonen som to distinkte biter av informasjon som forsterker hverandre. Når det gjelder abstrakte begrep er disse vanskelig å huske fordi dobbel koding ikke skjer i samme utstrekning. I denne sammenhenger kan liknelser erstatte visuelle elementer, slik at abstrakte begrep kan kodes dobbelt. Multimedia er særskilt egnet for å forsterke informasjon gjennom to eller flere uttrykk eller representasjoner (tekst, bilde, bevegelse og lyd). Eksisterende kunnskap kan lette koding til langtidsminnet. Når informasjon presenteres ved hjelp av metaforer, utnytter vi eksisterende kunnskap. Selv om informasjonen som kodes inn i langtidsminnet finnes der permanent, kan en iblant ha vanskeligheter å hente den fram. Dette har å gjøre med at læringsmåten også styrer måten en husker den på. Det er for eksempel vanskelig å nevne årets måneder alfabetisk fordi disse er lært i kronologisk rekkefølge. Det er denne måten som vi har lagret informasjonen på. Kronologien fungerer som en nøkkel. Det betyr at en ikke lærer bare selve informasjonen, men også måten å hente den fram på. En tydelig illustrasjon til dette er når en koder inn informasjon om hvor mange dager det er i hver måned ved hjelp av en regle. Reglen fungerer som nøkkel.På samme måten vil en metafor fungere som en nøkkel.

 

6.Gjentakelse:For å lære vil det være nødvendig med gjentakelser. Gjentakelsene kan være siktet mot å memorere løsrevne kunnskapselementer, eller den kan ta sikte på å presentere det samme stoffet fra ulike synsvinkler, ved hjelp av ulike teknikker inn i forskjellige sammenhenger. Ettersom arbeidsminnet har en så begrenset kapasitet blir det fort fullt. Det er da viktig at det finnest mulighet til å repetere informasjonen som finnes i arbeidsminnet. Repetisjonen har to komplementære oppgaver - å ”rense” arbeidsminnet og flytte over informasjonen til langtidsminnet. Flere korte, men ofte gjentatte repetisjoner er mer effektiv enn en lang repetisjon. Repetisjon kan skje på ulike måter. Det som blir kalt bearbeidende repetisjon er mer effektivt enn pugging. Dette innebærer at en bearbeider den informasjonen som finnes i arbeidsminnet gjennom å bruke den i relevante sammenhenger.

 

7. Elevhandling: Skape elevhandling gjennom å kreve respons. Dette kan f.eks. skje gjennom øvinger som skal besvares.

 

8. Tilbakemelding: I læringssituasjonen vil eleven prøve ut hypoteser, som er en formulering av forståelsen. Gjennom de erfaringene som gjøres i denne utprøvingen, vil eleven oppleve om han er på rett vei eller om den forståelsen som han har, må korrigeres. Uten en form for tilbakemelding, reaksjon eller erfaring, vil læringssituasjonen etter hvert bli lite interessant for de fleste elever.

 

9. Evaluering: Evaluere elevens handling i forhold til læringsmålet etter flere repetisjoner. Læringsprosessen bør inneholde et element av vurdering av læringen. Partene i læringsprosessen bør ha en forståelse av hvor en står i forhold til hovedmål og delmål.

 

10. Kombinasjon, integrasjon: Forsterke læring og overføring til nye situasjoner. Dette innebærer særlig at ny kunnskap må omformes og integreres, slik at den - sammen med tidligere kunnskap - utgjør en ny og annerledes kunnskap.
 

3.3 Konsekvenser for utforming av elektroniske læremidler

Det er vanskelig å avgjøre hvor de kognitivestiske teorien har hatt størst betydning i utforming av læremidler. Her er det valgt ut noen sammenhenger som er knytta til undervisningsplanlegging, hvordan læremidlene er presentert og hvordan en har utviklet modeller for interaksjons mellom bruker og program.

 

Produksjonsplanlegging

Det finnes IKT baserte programmer (eks. GUIDA ) som har bygd opp et bibliotek av metoder for å sikre at utformingen av elektroniske læremidler følger de prinsippene som er nevnt i teksten ovenfor. I særlig grad er R. Gagnè undervisningslære ofte brukt som et pedagogisk grunnlag. En mener at deler av er slik læremiddelproduksjon kan automatiseres ved å bruke en felles plan for kvalitetssikring av alle trinn i utviklingsprosessen. Talsmenn for denne retningen mener også at det lar seg gjøre å foreskrive hva læringsresultatet blir dersom vi følger de anvisningene som blir gitt (O'Neal, 1988; Gibbons, A.S., 1988, Merrill, M.D, 1996, Tennyson, 1993). En forenklet framstilling av en slik produksjonsplan er gjengitt i diagrammet nedenfor.

De ulike stegene i planleggings prosessen kan beskrives slik:

1.   Forarbeide: foreslå hvilke oppgaver som kan bli løst gjennom undervisning, lage kostnadsoverslag og klargjøre de forventninger alle parter har.

2.   Brukeranalyse: samle bakgrunnsdata om studenter og lærere, finne ut i hvilke sammenheng undervisningen skal foregå, klargjøre hvilke metoder lærere og elever vil mestre.

3.   Jobb analyse: samle data om den arbeidsfunksjonen som undervisningen skal støtte, identifisere kunnskap, ferdigheter og holdninger som er nødvendig for å være funksjonsdyktig.

4.   Innholdsanalyse: gjennomgå dokumenter, eksisterende undervisningsopplegg, planer og lovverk. Anbefale i generelle termer de undervisningsformer som bør brukes.

5.   Produksjonsplanlegging: klarlegge detaljerte mål og delmål, lage undervisningssekvenser og velge presentasjonsformer.

6.   Produksjon: produksjon av undervisningsmateriale

7.   Kvalitetssikring: gjennomgå materialet med alle parter, elever og lærere, lage utprøvinger

8.   Presentasjon: integrering av læremidlet i undervisningssituasjonen

9.   Evaluering: hvordan ble det nye lærestoffet mottatt, hva slags kunnskaper, ferdigheter eller holdninger er lært i den nye situasjonen.

Presentasjonsformer

De kognitive prosessene for informasjons overføring oppmerksomhet, repetisjon, koding og tilbakekalling, har gitt grunnlag for et sett av undervisningsprinsipper. Problemet har vært at undervisningsprinsippene har blitt beskrevet for generelt. Fordi det har vært behov for større detaljering, har det i tillegg til disse generelle funksjonene blitt utviklet et sett av lover direkte knyttet til hvordan læremidlene skal utformes. Denne lovmessigheten er også formulert i matematiske termer med et sett av presentasjonsvariabler, for eksempel for informasjonstetthet, interaktivitetsmuligheter basert på oppmerksomhetsloven og kompleksitetsloven.  Slik vil en kunne analysere sekvenser i et multimedia program og vurdere om læremidlet ligger innenfor de anbefalte tersklene. Som et eksempel sier oppmerksomhetsloven at jo større grad av oppmerksomhet som rettes mot informasjonskilden, jo sterkere minnespor. Kompleksiteten i for eksempel et skjermbilde beregnes ut fra antall informasjons-items (enheter/pakker).

 

Et mål på kompleksitet er: K= fokuseringskilde (f) + antall esterne bevegelser/ikonsett (b) og eksterne lydkilder (L) hvor fokuseringskilde er hovedinformasjon ( eks. bilde av en person/figur som taler) bevegelser i skjermbildet som er avgrenset i form ( eks. et tre som bøyes i vinden, andre personer som beveger seg, tall/bokstaver som blinker). Eksterne lydkilder er alle andre typer lyder enn de lyder som er knyttet til fokuseringskilden ( vinden som blåser, musikk, lyd fra andre bevegelser). (Torgersen, 1998)

 

Modellering av læringsprosess

Innenfor den kognitive forskningstradisjonen har målet vært å kunne modellere har læringsprosessen. Det var naturlig å anta at dersom en kunne simulere tankeprosesser så ville en kunne stimulere disse prosessene gjennom å lage programmer som hjelper og rettleder fram mot løsningen og forståelsen av et problem. Dette er grunnlaget for å lage intelligente veilednings systemer som kan overta, automatisere eller støtte den funksjonen en faglig veileder har.Veiledningen kan gies på bakgrunn av forhåndsprogrammert tolkning av den måter vi løser eller måten vi ”mislykkes” å løse oppgaven på. Noen av de valg som gjøres, de data som studenten legger inn kan programmet tolke. BUGGY programmet gir f. eks. ikke bare informasjon om riktig eller galt svar i matematikk, men tolker feilene og gir veiledning ut fra dette. Når denne typen programmene arbeider i nettverk, blir de ofte kalt for  Intelligente agenter.  Programmene finnes i svært forskjellige former. De er avansert i den forstand at den faglige veiledningen bygger på en modell av hvordan læringen vil foregå, hva slags feil studenten kan gjøre og hva som er kjennetegnet på mestringsnivåer.

 

Intelligent agent teknologi er et av de områdene som vokser raskt innenfor programutvikling, særlig knyttet til nettverkskommunikasjon. Agentene er forskjellig fra andre applikasjoner. De er mobile, autonome, og har evnen til å reagere uavhengig av at brukeren er til stede. Når begrepet intelligens blir lagt til som egenskap til en agent så mener en agentens adaptive evne. Dette impliserer egenskaper som å tolke informasjon fra ytre kilder som f.eks nettverk, databaser, ut fra brukerens kunnskap, holdninger behov som er forstått av agenten. Vi skal senere se nærmere må det adaptive kjennetegnet ved databaserte veiledningssystemer. Disse har vanligvis gått under betegnelsen Intelligent Tutoring Systems (ITS). Innenfor kunstig intelligens forskningen (AI) er agenter definert i termer som vanligvis brukes i psykologien. Det er f.eks. vanlig å snakke om mentale tilstander i forbindelse med agenter. En bruker begreper som agentens kunnskap, tro, intensjon, forpliktelse osv. (Shoham,1993). Noen AI forskere har gått enda lengre og ser på emosjonelle egenskaper ved agenten (Bates,1994).

1. Autonomi

En agent må ha egenskapen å handle - løse en oppgave - uten å bli direkte styrt fra brukeren. Det må være et element av uavhengighet ved agenten. Dette er egenskaper som etterlikne egenskaper ved menneskelige agenter. Agenter utstyres med regler for å tolker ønsker og interesser. Denne informasjonen brukes som input og finner en bestemt løsning. Belgrave (http://www.ee.mcgill.ca/~belmarc/uaa_paper.html, 1995)  kaller denne egenskapen rett og slett for «initative». Dersom agenten har tilgang på et nettverk kan vi illustrere agentens autonomi ved å studere agenters atferd mens brukeren ikke er koblet inn. I sammenheng med f.eks. WWW kan autonome agenter tolkes som evnen til å operere innenfor Internett-området. Agentens «forstår» sin oppgave og reiser gjennom nettet for å finne en løsning.

 

2. Kommunikasjons evne

For å løse en oppgave må agenter få tilgang på informasjon fra en tredjepart. Dette forutsetter evnen til å kommunisere mot informasjonskilder. Kilden kan være andre agenter eller informasjons lager. Kommunikasjonen kan være i form av en enkelt forespørsel med et enkelt og konsist sett av mulige responser, eller det kan være en kompleks kommunikasjon med svært sammensatte responser. Det må finnes et kommunikasjonsfilter som agenten kan operer innenfor. Kommunikasjon kan være i form av dialoger ( i motsetning til protokoller). Foner, 1994, (http://foner.www.media.mit.edu/people/foner/Julia/Julia.html) beskriver agent-til-agent kommunikasjon som en forhandling mellom to parter. Agenten kommer fram til en enighet eller en kontrakt. For Web-baserte agenter, er kommunikasjons egenskaper viktig for å løse oppgaven.

3. Samarbeidsevne

Istedenfor at agenten skal bygge opp «erfaring» på nytt for hver bruker, blir det eksperimentert med ulike samarbeidsformer mellom agenter. Dette gir din agent en mulighet til å bruke den informasjon som andre agenter har samlet. Visjonen her er å aktivisere flere agenter for å utføre en oppgave. Dette er egenskaper som det forskes på innenfor begrepet «distributed artifical intelligence». Agenten «lærer» fra brukerens tidligere aktivitet. Agenten skal være i stand til å «forstå» et arbeidsmønster. En agent lærer ved stadig å se over skulderen til den som bruker applikasjonen. Hvis en agent f.eks. oppdager at en gjentatte ganger velger å lagre innkomne brev i en bestemte liste, så vil agenten foreslå å gjøre dette automatisk. Når agenten kan forutsi en handling, må agenten bestemme hvordan dette skal brukes. Et problem med mange agenter er at det kreves forholdsvis lang opplæringstid. I forhold til ukjente problemer står agenten hjelpeløs. Agenten kan bare bruke tidligere situasjoner (erfaringer) som mal for å utføre en oppgave. «Lærings kurven» for  agentene viser en svak stigningstakt. Gjennom den første perioden må en derfor operere uten hjelp fra agenten. Selv etter en lang tid finnes ikke regler for å håndtere nye situasjoner.  Det har vært interessant å vite hvorvidt en kan koble flere agenterfaringer sammen. Agenten har dermed tilgang på en langt større erfaringsbase.

 

4. Resonnering evnen

«Resonnering evnen» har vært tatt fram som en egenskap som skiller intelligente agenter fra robot lignende agenter (softbot).Belgrave beskriver at dette impliserer at «an agent can possess the ability to infer and extrapolate based on current knowledge and expiriences - in a rational reproducible way.» Det blir ofte operert med tre typer resonnering:

 

·         Regelbasert, hvor agenten bruker et sett av forhåndsbestemte regler for å evaluere informasjon

 

·        Kunnskapsbasert, hvor agenten er forsynt med et sett av data omkring foregående hendelser. Ut fra dette kan agenten dedusere seg fram til neste skritt, og

 

·        Kunstig utviklingsbasert, hvor agenter produserer nyere generasjoner av agenter som har høyere og høyere resonneringsevner

 

5. Antropomorfiske trekk

Agentene kan ha det en kaller «antropomorfiske» trekk; hvilket er evnen til å demonstrere «menneskelignende» egenskaper som følelser, tro, og intensjoner. En referer også til agenter som «intensjons system» som har en kombinasjon av «informative tenkemåter» (kunnskap og tro) og «pro-tenkemåter» (ønsker, intensjon, obligasjon og engasjement).

6. Agenter skal kunne lære

En agent skal kunne tilpasses til en brukers arbeidsmåte. Metaforen her er agenten som din   «personlige sekretær» eller «assistenten» som vil hjelpe deg i det å håndtere forskjellige arbeidsoppgaver. Forskjellen mellom «personlig sekretær» og «læreren» kommer fram ved at sekretæragenten inntar læresvennens rolle i åpningsfasen. Dette vil si at det er brukeren som tar initiativet. Agenten «lærer» fra brukerens tidligere aktivitet. Agenten skal være i stand til å «forstå» arbeidsmønster.

 

3.4 Visjoner eller fakta

H. Simon (1996) mener vi kan komme langt på vegen i å automatisere undervisningen gjennom intelligente programmer.

 

Human beings use symbolic processes to solve problems, reason, speak and write, learn and invent. Over the past thirty years, cognitive psychology has built and tested empirical models of these processes as they are used to perform simple tasks. The models take the form of computer programs that simulate human behavior. .....Using these programs as models, we have designed an entire secondary school mathematics curriculum (algebra and geometry) that is now being used in Chinese schools.

 

( http://www.psy.cmu.edu/psy/faculty/hsimon.html )

 

I sin bok "Computer Power and Human Reason" forteller professor Joe Weizenbaum at han under en diskusjon med en kollega ble utfordret med spørsmålet: "Hva er det en dommer vet som vi ikke kan fortelle en datamaskin? " Svaret den andre gav var "Ingenting".

Vi kan argumentere mot dette ved å si at bevisførsel i juridisk sammenheng må, slik praksis er i vår rettspleie, karakteriseres som en åpen situasjon. Det er ikke snakk om rent formelle beviser, men om vurdering av et utall av mulige og umulige situasjoner. Straffeutmåling er også en åpen vurdering, selv om dette er noe mer ryddig, i og med at rammelbetingelsene er gitt i lovtekstene. Å ville innføre et datasystem som dommer måtte altså gjøres ved å ignorere den åpne del av situasjonen. Dette ville bety innsnevringer av virkelighetsforståelsen noe som det ville bli vanskelig å få både jurister og politikere med på, unntatt i krisesituasjoner. De fleste fag ønsker jo å bevege seg i motsatt retning, nemlig mot økende innsikt og større virkelighetskontakt.

Det vi kan konstantere er at intelligente agenter vokser i antall og for utvida sitt bruksområde områder også som ITS (Intelligent Tutoring Systems). Systemene blir mer avansert. Sjakkmesterskapet mellom Deep Blue og Kasparov sjokkerte verden da Kasparov tapte for en automat.


 

Se http://www.msu.edu/user/bumgarn1/Deep_Blue/

 

 

Mer om INTELLIGENT TUTORING SYSTEM finnes på denne adressen http://agora.unige.ch/tecfa/edutech/welcome_frame.html

Eksempler på slike veiledningssystemer finnes under adressen:

http://www.jsc.nasa.g ov/cssb/icat/