Adapting to the Individual through Machine learning

Da prosjektet startet var fokuset studentenes kognitive prosess når de hadde interaksjon med læringsressurser. Da vi ser på læringsprosessen som en integrasjon av både en intern psykologisk prosess med tilegnelse og utdyping og en ekstern interaksjonsprosess mellom eleven og miljøet, ser vi nødvendigheten av å utvide visjonen og innta et mer helhetlig syn. Spesielt når vi introduserer et AI-system for å tilpasse læringsprosessen til en individuell student gjennom maskinlæring, bør dette AI-systemet ta hensyn til både interne og eksterne agenter og artefakter. Derfor er forskningsfokuset nå på hvilke agenter og hvilke artefakter som har signifikant betydning. ? Hva skal vi måle (dvs. hvilke attributter) for å kunne skape og vedlikeholde en tilstrekkelig situasjonsbevissthet? ? Hvordan kan vi måle de identifiserte attributtene (dvs. hvilke metrikker bør brukes)? ? Hvordan kan vi måle forskjellene mellom forskjellige situasjoner (dvs. avstand mellom de flerdimensjonale vektorene av de identifiserte ulikhetene)? ? Hvordan kan vi gruppere de forskjellige situasjonene (dvs. identifisering av passende algoritmer)?

Obtaining a quality education is fundamental both for our society with respect to the global challenges we are exposed to, for the foundation to creating sustainable development, and for any business in today's competitive world. In addition to improving quality of life, access to inclusive education can help equip locals with the tools required to develop innovative solutions to the world's greatest problems. The question is therefore how to improve learning, within the opportunities and constraints of the UN's sustainable development goals, and at the same time streamline and facilitate the learning process both for the student, a possible lecturer and the learning institution. As stated in Myers and Myers (1980), though, "One of the great frustrations of teaching is that you are always robbing Peter to pay Paul". When designing an education program to reach one group of students, lecturers know that in so doing they are going to turn off another group. Most lecturers have experienced that diversity is upon us. Textbooks taking this into account, i.e. adapting to the knowledge and personality of the reader, should therefore facilitate and improve the learning process ("the meshing hypothesis"). Terp has the goal to accomplish this in cooperation with our collaborators The Norwegian Computing Center and University of Stavanger by utilising a new concept of learning material; the a-book. An a-book is an intelligent and improved e-book that characterises the students through tests and observations, and then customises the content of the textbook to help them learn better. I.e., an a-book adapts to the reader.