Hình 2 .1 Mô hình kiến trúc hệ thống
Hình 2.3 Mô hình nội dung
/ T1 T2 T... Tn T21 T11 T2... T2n Tn1 Tn2 Tn... Tnk T2n2 T2n1 T2n... T2nm Tn21 Tn22 Tn2... Tn2m
2.4.2.4. Mô hình người học (Learner Model)
Một trong những thông tin quan trọng nhất trong lớp này là mô hình người học đó là yếu tố cơ bản để lựa chọn ra nội dung khóa học thích nghi cho người học khác nhau. Mô hình người học được thiết kế từ các yếu tố ngữ cảnh cũng như kiến thức của người học. Bởi vì tất cả các yếu tố ngữ cảnh được đặc trưng bởi các giá trị rời rạc nên các mô hình người học cũng được biểu diễn bởi các giá trị rời rạc tương ứng. Trong mô hình này, chúng ta giả định rằng mô hình người học phụ thuộc vào các yếu tố ngữ cảnh và kiến thức người học. Với những yếu tố ngữ cảnh, luận văn thiết kế mô hình người học có giá trị được tính bằng giá trị của vị trí, mức độ tập trung và thời gian để học được xác định trong Bảng 2.5. Ở giai đoạn này của mô hình, chúng tôi giả định rằng giá trị của mô hình học là tập hợp của tất cả các yếu tố ngữ cảnh . Do đó, có mười mẫu mô hình người học với các giá trị từ 3 đến 12 tương ứng.
Bảng 2.5. Giá trị đại diện cho mô hình người học dựa vào các yếu tố ngữ cảnh: vị trí, độ tập trung và thời gian
Độ tập trung Thấp(1) Trung bình (2) Cao (3)
Thời gian Vị trí 15 (1) 30 (2) 45 (3) 60 (4) 15 (1) 30 (2) 45 (3) 60 (4) 15 (1) 30 (2) 45 (3) 60 (4) Trạm xe bus (1) 3 4 5 6 4 5 6 7 5 6 7 8 Nhà hàng (2) 4 5 6 7 5 6 7 8 6 7 8 9
Cuộc đi chơi (3) 5 6 7 8 6 7 8 9 7 8 9 10 Khuôn viên (4) 6 7 8 9 7 8 9 10 8 9 10 11
Nhà (5) 7 8 9 10 8 9 10 11 9 10 11 12
Năm hàng trong Bảng 2.5 đại diện cho các giá trị yếu tố vị trí, hàng đầu tiên biểu thị vị trí tại nhà ga xe buýt trong đó có giá trị tối thiểu và hàng thứ năm biểu thị vị trí tại nhà có giá trị tối đa. Ví dụ, đối với người học là người ở nhà với mức độ tập trung thấp và thời gian để học là 45 phút, giá trị mô hình học đại diện trong Bảng 2.5 là giá trị 9 (hàng 5 và cột thứ 4).
Như đã đề cập ở trên, dựa trên yếu tố kiến thức của người học, luận văn xác định mô hình người học dựa trên sự kết hợp giữa các mẫu mô hình học tập ở Bảng 2.5 với kiến thức của người học được thể hiện trong Bảng 2.6.
Bảng 2.6. Mô hình người học được kết hợp các yếu tố ngữ cảnh và kiến thức của người học
Mô hình người học (vị trí, thời gian, độ tập
trung)
Kiến thức của người học
1 2 3 4 5 1 2 3 4 5 6 2 3 4 5 6 7 3 4 5 6 7 8 4 5 6 7 8 9 5 6 7 8 9 10 6 7 8 9 10 11 7 8 9 10 11 12 8 9 10 11 12 13 9 10 11 12 13 14 10 11 12 13 14 15
Có tất cả mười bốn mô hình của người học dựa trên mức độ kiến thức và bối cảnh các yếu tố của người học. Những mô hình này là cơ sở cho lớp thích ứng để chọn nội dung khóa học thích nghi cho người học khác nhau. Ví dụ, nếu người học có thể được tại nhà, mức độ tập trung là Trung bình, thời gian để học là 30 phút và trình độ kiến thức là tốt (Giá trị này được đánh giá thông qua các câu hỏi kiểm tra khi người học tham gia khóa học), các giá trị mô hình học là 11 .
Mỗi người học khi tham gia học sẽ có một mô hình học riêng, một tài khoản cho riêng mình, điều này đảm bảo tính cá nhân trong quá trình học về nội dung học cũng như hỗ trợ từ hệ thống. Hình 2.4. Mô hình học của hệ thống Người học Làm bài tập Học Đánh giá Hỗ trợ Thoát Đăng nhập Phản hồi
Hệ thống sẽ tương tác với người học thông qua hai chức năng chính là học và kiểm tra (luyện thi). Vì hệ thống được xây dựng dựa trên bài toán có liên quan nhiều đến ngữ cảnh, do vậy trong quá trình học, người học cần cung cấp ngữ cảnh cho hệ thống. Ngữ cảnh này sẽ giúp cho hệ thống quyết định nội dung học phù hợp cho từng người. Khi người học tương tác với hệ thống thông qua chức năng kiểm tra, một loại các câu hỏi ngẫu nhiên, do hệ thống sinh ra từ tập các câu hỏi trong tập các chủ đề, với số lượng do người học yêu cầu sẽ được đưa ra để người học thực hiện. Sau quá trình học và kiểm tra, hệ thống sẽ đánh giá kết quả đồng thời sẽ phản hồi tới người học. Sự phản hồi này là rất cần thiết và quan trọng đối với người học. Hệ thống sẽ đánh giá lượng kiến thức của người học có được tương ứng với chương trình và nội dung học, từ đó có lời khuyên bổ ích tới người học, chẳng hạn như: người học có nên tiếp tục học tiếp nội dung này hay không, hay người học có thể học tới nội dung khác v.v… Những hỗ trợ sẽ được đưa ra cụ thể đối với từng người học thông qua kết quả có được của họ. Điều này đảm bảo tính thích nghi của hệ thống đối với người học.
Mô hình người học trong hệ thống MobileEnglish dưới đây sẽ thể hiện chi tiết về điều này. Xét qua mô hình học này ta thấy có điểm cần quan tâm, đó là phần học sẽ được chia ra thành các miền nhỏ bao gồm chủ đề, ngữ cảnh và nội dung. Trong đó, hai miền chủ đề và ngữ cảnh sẽ quyết định miền nội dung. Ở đây, một yếu tố nữa có tính quyết định đến miền nội dung đã được ẩn đi, đó là kiến thức hiện tại của người học. Nếu người học học lần đầu tiên của chủ đề lựa chọn thì mặc định hệ thống sẽ không xét đến yếu tố kiến thức này. Tuy nhiên nó là rất quan trọng trong những lần học tiếp theo của người học. Nó giúp đánh giá khả năng của người học, từ đó sẽ kết hợp với hai yếu tố là chủ đề và ngữ cảnh để hình thành nên nội dung phù hợp với từng cá nhân người học.
Hình 2.5. Mô hình người học trong hệ thống MobileEnglish
2.4.3. Lớp thích nghi (Adaptation Layer)
Lớp thích nghi bao gồm một số chức năng được thiết kế để thích ứng với các tài liệu học tập cho mỗi người học. Dựa trên các kết quả của thử nghiệm cũng như nền tảng của người học, thành phần kiến thức đánh giá người học được sử dụng để xác định mức độ kiến thức của người học ở mức độ nào. Thành phần mô hình người học được xây dựng để xác định tất cả các yếu tố ngữ cảnh như vị trí, thời gian học và kiến thức của người học khác nhau ảnh hưởng đến sự thích nghi. Trái tim của lớp này, thành phần nội dung học nào được lựa chọn, được sử dụng để lựa chọn nội dung học tập thích nghi phù hợp cho từng người học theo mô hình học của họ. Luận văn thiết kế một số quy tắc để lựa chọn nguồn tài liệu học từ mô hình nội dung như duyệt các nút trên cây. Các nút con mô tả thông tin chi tiết về nút cha. Vì vậy, nếu người học duyệt cây càng sâu, nội dung thu được càng nhiều chi tiết hơn.
Học liệu được chuyển cho những người học khác nhau theo hai cách. Cách thứ nhất là khi người học lựa chọn một chủ đề trong danh sách mặc định, các nội dung thuộc chủ đề này đã thích nghi dựa trên mô hình học của những người học khác nhau. Cách thứ hai xảy ra khi người học hoàn thành một bài kiểm tra, hệ thống đề nghị một hoặc nhiều chủ đề mà người học cần phải học.
Luận văn phân loại người học dựa vào mười bốn loại mô hình để thích ứng với các nội dung khóa học.
Các quy tắc luận văn sử dụng để chọn học liệu trong mô hình này là quy tắc “nếu – thì”. Các quy tắc được mô tả như trong Bảng 2.7.
Dựa trên mô hình người học, các quy tắc thích ứng bao gồm ba yếu tố như chiều cao của cây, số lượng chủ đề và số lượng câu hỏi kiểm tra.
Bảng 2.7. Quy tắc thích nghi theo mô hình học
STT Mô hình người học Quy tắc
Chiều cao của cây Số chủ đề Số câu hỏi kiểm tra
1 LM1 1 1 5 2 LM2 1 2 5 3 LM3 1 2 5 4 LM4 2 3 5 5 LM5 2 3 5 6 LM6 3 3 10 7 LM7 3 4 10 8 LM8 3 4 10 9 LM9 4 4 10 10 LM10 4 4 12 11 LM11 4 5 12 12 LM12 5 5 12 13 LM13 5 5 12 14 LM14 5 5 12
Chiều cao của cây cho biết sự chi tiết của thông tin. Số chủ đề là số nút con hoặc các chủ đề con của chủ đề nhất định. Có một số chủ đề con, số lượng các chủ đề sẽ quyết định có bao nhiêu chủ đề được cung cấp cho những người học khác nhau. Tương tự như vậy, số lượng các câu hỏi kiểm tra biểu thị có bao nhiêu câu hỏi kiểm tra sẽ được yêu cầu để thực hiện sau khi những người học khác nhau xem các chủ đề nhất định.
Lớp thích nghi bao gồm bốn thành phần chính: Adaptive Engine, Quy tắc thích nghi, Context Engine và Quy tắc ngữ cảnh.
2.4.3.1. Quy tắc ngữ cảnh (Context Rule)
Thành phần này là một tập hợp các quy tắc để xử lý dữ liệu và ngữ cảnh được lớp dữ liệu và thành phần Request’s Knowledge cung cấp. Việc sử dụng các quy tắc cho các ngữ cảnh sẽ phụ thuộc vào yêu cầu của người học cung cấp. Nếu yêu cầu là để cung cấp các nội dung học tập hoặc đánh giá, các thành phần sẽ nhận được dữ liệu từ hai thành phần Learner’s Knowlegde và Context Data từ lớp dữ liệu cung cấp. Tương ứng, nếu yêu cầu là thay đổi mức độ kiến thức, thành phần sẽ nhận được dữ liệu từ thành phần Context Data thuộc lớp dữ liệu và từ thành phần Request’s Knowlegde thuộc lớp phát hiện. Sau khi nhận được các dữ liệu tương ứng từ các thành phần, dữ liệu và các quy tắc được xây dựng trước đó sẽ được thành phần Context Engine thực thi.
2.4.3.2. Thực thi ngữ cảnh (Context Engine)
Thành phần này thực hiện các quy tắc liên quan đến dữ liệu về ngữ cảnh. Kết quả của quá trình này là để đưa ra mô hình học tập cho người học. Việc tính toán được thực hiện như trong Bảng 2.6.
2.4.3.3. Quy tắc thích nghi (Adaptive Rule) và thực thi thích nghi (Adaptive Engine)
Quy tắc thích nghi là các quy tắc được thích nghi với từng mô hình học được cung cấp bởi lớp dữ liệu. Nếu mô hình học được hình thành từ các nội dung yêu cầu và kiến thức mà người học đã được lưu trước đó thì sau đó mô hình này sẽ được áp dụng các quy tắc thích nghi và được thực thi bởi thành phần Adaptive Engine như trong Bảng 2.7. Mặt khác, nếu mô hình học được dựa trên yêu cầu để thay đổi đánh giá về kiến thức của chủ đề đã học, mô hình nội dung sẽ được xác định dựa trên mô hình học tương ứng và số lượng câu hỏi ngẫu nhiên. Số câu hỏi ngẫu nhiên được đưa ra tương ứng với mô hình học và chủ đề mà người học muốn thay đổi mức độ đánh giá. Sau đó, các mô hình nội dung sẽ không bao gồm các nội dung học tập và chiều cao của cây. Để xác định mức độ khó của câu hỏi, với nó, việc xác định số lượng và mức độ khó của các câu hỏi sẽ được dựa trên các mô hình ngữ cảnh trước đó và mức độ cần thay đổi. Cụ thể, các mô hình ngữ cảnh sẽ quy định số lượng câu hỏi mà hệ thống sẽ yêu cầu người học phải trả lời; mức quy định nên thay đổi mức độ khó của câu hỏi. Số lượng các câu hỏi này sẽ được xác định mặc định bởi hệ thống. Trong khi đó, mức độ khó của câu hỏi được xác định bằng tỷ lệ giữa số lượng của các câu hỏi trả lời sai và số người được hỏi đã trả lời câu hỏi.
100% n2 n1 = L Trong đó:
n1: Số câu trả lời sai câu hỏi rằng
n2: Số người đã trả lời câu hỏi đó
Ví dụ: Với một câu hỏi có:
n1 = 200; n2 = 500; Sau đó, L = (200/500) * 100% = 40%.
Bởi vì mức độ cần thiết phải thay đổi chỉ bao gồm các giá trị: Thấp (1), Trung bình (2), Tốt (3), Rất tốt (4), Xuất sắc (5), luận văn sẽ xác định mức độ khó tương ứng với tỷ lệ giữa Thấp [0%, 20%), Trung bình [20%, 40%), Good [40%, 60%), Rất tốt [60%, 80%), Xuất sắc [80%, 100%]. Cụ thể, luận văn có Bảng 2.8:
Bảng 2.8. Bảng mức độ khó của câu hỏi
Mô hình
người học Số câu hỏi kiểm tra
Yêu cầu của kiến thức
1 2 3 4 5 1 10 [0%, 20%) [20%, 40%) [40%, 60%) [60%, 80%) [80%, 100%] 2 10 3 10 4 10 5 10 6 10 7 10 8 10 9 10 10 10
Các câu hỏi sẽ được đưa ngẫu nhiên trong các khoảng trên. Ví dụ: ban đầu, người học chọn các giá trị ngữ cảnh: Vị trí (nhà), thời gian (30 phút), độ tập trung (trung bình) và chủ đề là danh từ. Sau đó, người học hoàn thành và đánh giá: mức độ kiến thức là Trung bình. Người học muốn thay đổi giá này phải Tốt. Khi đó, số lượng câu hỏi hệ thống cung cấp là 10 và độ khó của câu hỏi này là trong khoảng [40% -60%).
CHƯƠNG 3
CÀI ĐẶT VÀ THỬ NGHIỆM 3.1. Công nghệ sử dụng
Chương trình MobileEnglish được viết trên nền tảng J2ME. Java là công nghệ mã nguồn mở và do Sun Microsystem hỗ trợ và phát triễn. J2ME (Java 2 Platform, Micro Edition) được xem là 1 trong 3 công nghệ hiện nay của Java và nó phát triển ứng dụng nhắm vào các thiết bị di động. Chuẩn của J2ME gồm 2 loại:
CLDC ( Connected Limited Device Configuration): có khả năng truyền thông trên mạng một cách rời rạc như: điện thoại di động (Mobile phones), máy nhắn tin hai chiều (two-way pagers), máy trợ lý cá nhân dùng kỹ thuật số (personal digital asisstants-PDAs). Loại này dùng cho một mục đích đặc biệt, thường giới hạn về chức năng.
CDC ( Connected Device Configuration): được kết nối cố định và liên tục như set-top boxes, Internet TVs, Internet – enabled screen phones, high – end communicators, hệ thống điều hướng xe hơi. Loại này hỗ trợ về giao diện người dùng.
J2ME được thiết kế để chạy trên các điện thoại di động có cấu hình tối thiểu như sau:
Bộ nhớ tổng cộng: 128-512 KB. Bộ xử lý: 16 đến 32 bit.
Tốc độ xử lý: 8-32 MHz.
Năng lượng: giới hạn, hoạt động bằng pin. Băng thông: giới hạn, khoảng 9600 bps.
MIDP (Mobile Information Device Profile): bổ sung các tính năng như hỗ trợ kết nối, các thành phần hỗ trợ giao diện người dùng, … vào CLDC. Profile này được thiết kế chủ yếu để nhắm vào điện thoại di động với đặc tính là màn hình hiển thị hạn chế, dung lượng chứa có hạn. Do đó MIDP sẽ cung cấp một giao diện người dùng đơn giản và các tính năng mạng đơn giản dựa trên HTTP. Có thể nói MIDP là profile nổi tiếng nhất bởi vì nó là kiến thức cơ bản cho lập trình Java trên các máy di động.
Những chức năng MIDP cung cấp:
Các lớp và kiểu dữ liệu: phần lớn các lớp mà các lập trình viên Java quen thuộc vẫn còn được giữ lại ví dụ như các lớp trong gói java.util như Stack, Vector và Hastable cũng như Enumeration.
Hỗ trợ đối tượng Display: đúng như tên gọi một chương trình MIDP sẽ hỗ trợ duy nhất một đối tượng Display là đối tượng quản lý việc hiển thị dữ liệu trên màn hình điện thoại.
Hỗ trợ Form và các giao diện người dùng. Hỗ trợ Timer và Alert.
Cung cấp tính năng Record Management System (RMS) cho việc lưu trữ dữ liệu.
Những chức năng MIDP không thể làm được:
Phép tính dấu chấm động (floating point): phép tính này đòi hỏi rất nhiều tài nguyên CPU và phần lớn các CPU cho các thiết bị di động không hỗ trợ phép tính này, do đó MIDP cũng không có.
Bộ nạp class (Class Loader).
Hỗ trợ từ khóa finalize( ) như trong J2SE: việc “dọn dẹp“ tài nguyên trước khi