Algoritmų intelektualaus programinio agento būsenai atpažinti tyrimas

Adaptyvios intelektualios mokymos(si) aplinkos (VMA) kontekste analizuojama konceptualios klasterizacijos algoritmų taikymo galimybė, siekiant užtikrinti programinio agento gebėjimą „jausti“ kintančią aplinką ir atpažinti būsenas, kuriose jis atsiduria. Agento aplinka suprantama kaip VMA sąsaja su vartotoju ir VMA bazėje išsaugotus besimokančiojo modelis, kuris nuolat kinta mokymos(si) proceso eigoje. Agento gebėjimas „jausti“ suvokiamas kaip agento savybė klasifikuoti besimokančiuosius, atsižvelgiant į jų turimą žinių lygį, kuris taip pat kinta mokymos(si) proceso eigoje. Taikant literatūroje aprašytus konceptualios klasterizacijos algoritmus, siekiama atrinkti geriausiai tinkantį probleminės srities specifikai, pritaikant realiems duomenims modeliuoti.

In the context of adaptive intellectual learning environment (VLE) possibility of using conceptual clustering algorithms is analyzed, trying to accomplish the ability of software agent to "feel" the changing environment and recognise the states it is in. Agent environment is understood as interface between the user of VLE and the students model, which is stored in the VLE and is constantly changing. Agents ability to "feel" is understood as agents ability to classify students, based on their knowledge level, which changes in the learning process. Using conceptual clustering algorithms found in the literature, we are trying to choose one which is most suited for the problem area, modifying it to model real data.