Embed Size (px)
Citation preview
Ostravská univerzita Pedagogická fakulta
Pedagogická fakulta
Sémantická síť pojmů v adaptivním e-learningu
Semantic Network of Concepts
in Adaptive e-Learning
Autoreferát k disertační práci
2016
Studijní program: Specializace v pedagogice
P 7507
Obor: Informační a komunikační technologie ve vzdělávání
7507V066
Disertant: Ing. Emilie Šeptáková
Ostravská univerzita, Pedagogická fakulta
katedra informačních a komunikačních technologií
Fráni Šrámka 3, 709 00 Ostrava-Mariánské Hory
Školitel: Doc., RNDr. Jana Šarmanová, CSc.
Ostravská univerzita, Pedagogická fakulta
katedra informačních a komunikačních technologií
Fráni Šrámka 3, 709 00 Ostrava-Mariánské Hory
Obhajoba disertační práce se uskuteční
v úterý 9. února 2016
v zasedací místnosti SA 407
Ostravská univerzita, Pedagogická fakulta
katedra informačních a komunikačních technologií
Fráni Šrámka 3, 709 00 Ostrava-Mariánské Hory
Oponenti:
doc. RNDr. PaedDr. Hashim Habiballa, PhD, Ph.D., OU
prof. PhDr. Martin Bílek, Ph.D., UHK
Autoreferát byl rozeslán dne 11. 1. 2016
S disertací se lze seznámit na katedře informačních a komunikačních
technologií Pedagogické fakulty Ostravské univerzity v Ostravě
Fráni Šrámka 3, 709 00, Ostrava-Mariánské Hory od 6. 2. 2016.
Bibliografická identifikace
Jméno a příjmení autora: Ing. Emilie Šeptáková
Název disertační práce:
Sémantická síť pojmů v adaptivním e-learningu
Název disertační práce anglicky:
Semantic Network of Concepts in Adaptive e-Learning
Školitel: Doc., RNDr. Jana Šarmanová, CSc.
Rok obhajoby: 2016
Abstrakt
Disertační práce „Sémantická síť pojmů v adaptivním e-learningu“ se týká
mé práce návrhu sémantické sítě pojmů vybudované nad e-learningovou
adaptivní oporou a její využití autorem – pedagogem při tvorbě opory
nebo studentem při studiu. Teoretická část uvádí, co je to adaptivní výuka,
e-learning, jeho výhody a nevýhody, popisuje obecnou strukturu
a metadata výukové opory a navazující datovou i grafickou strukturu
sémantické sítě pojmů. Formuluje hlavní a dílčí cíle disertační práce.
Popisuje obecnou strukturu a metadata stávající adaptivní výukové opory
a jak na ni navržená struktura sémantické sítě pojmů navazuje. Popisuje
funkce a metody vhodné pro práci s touto sítí a konečně formuluje hlavní
přínosy disertační práce - vizualizace struktury výukového textu jako
zpětná vazba pro potřeby autora textu a automatická kontrola dodržení
pedagogických zásad ve vytvořené studijní opoře pomocí sémantické sítě
pojmů. Zobrazením seznamu nalezených nedostatků upozorní pedagoga
na nutnost chyby v textu odstranit nebo rozhodnout, že hlášení je
neoprávněné.
Pro studenta sémantická síť slouží jako podpora pro lepší orientaci
v pojmech učebnice, případně jako pomůcka pro opakování pojmů
a vztahů mezi nimi.
Klíčová slova
adaptivní výuka, adaptivní e-learning, sémantická síť pojmů, studijní
opora, metadata, vizualizace, evaluace, didaktické zásady
Abstract
The dissertation thesis “The Semantic Network of Terms in E-learning”
deals with the results of my work in design of semantic network of terms
developed for adaptive e-learning material, and use by the author –
educator while creating the study material, or by the student while
studying. The theoretical part defines adaptive e-learning, describes its
advantages and disadvantages, general structure, learning material
metadata and the follow-up data, and graphical structure of the semantic
network of terms. Furthermore, it formulates the main objectives and sub-
objectives of my PhD thesis. It also describes the general structure and
metadata for the existing supporting adaptive e-learning, and how
designed structure of the semantic network of concepts follows it.
Furthermore, it presents functions and methods suitable for working with
this network, and finely expresses the main contributions of the
dissertation thesis – visualization of the structure of educational text as a
feedback for the author and as automatic check of compliance with
pedagogical principles in the developed study material using semantic
networks of terms. Displaying a list of deficiencies will alert the educator
to eliminate errors in the text or decide that reporting is unjustified.
For the student, semantic network serves as support for ease of reference
in the terms of the textbooks, or as an aid for repetition of concepts and
relationships between them.
Key words
adaptive learning, adaptive e-learning, semantic network of terms, study
material, metadata, visualization, evaluation, principles of teaching
Abstract
Die Dissertationsarbeit „Das semantische Netzwerk der Begriffe im
adaptiven E-Learning“ behandelt meinen Vorschlag des semantischen
Netzwerks der Begriffe, das über die adaptive E-Learningstütze aufgebaut
wurde und ihre Verwendung durch den Autor – den Pädagogen bei der
Schaffung der Stütze oder durch den Studenten beim Studium. Im
theoretischen Teil werden der adaptive Unterricht, das E-Learning, seine
Vorteile und Nachteile erklärt. Er beschreibt die allgemeine Struktur und
Metadaten der Stütze des Unterrichts und nachfolgende graphische
Struktur und Datenstruktur des semantischen Netzwerks der Begriffe. Es
werden hier Haupt- und Teilziele der Dissertationsarbeit formuliert. Dieser
Teil beschäftigt sich mit der allgemeinen Struktur und Metadaten der
bestehenden adaptiven Stütze des Unterrichts und wie die vorgeschlagene
Struktur des semantischen Netzwerks der Begriffe an sie anbindet. Er
beschreibt die für die Arbeit mit diesem Netzwerk geeigneten Funktionen
und Methoden und schließlich formuliert er die Hauptbeiträge der
Dissertationsarbeit – die Visualisierung der Struktur des Unterrichtstextes
wie das Feedback für Bedürfnisse des Autors und automatische Kontrolle
der Einhaltung der pädagogischen Grundsätze in der geschaffenen Stütze
im Studium mit Hilfe des semantischen Netzwerks der Begriffe. Die
Darstellung der Liste der gefundenen Mängel macht den Pädagogen auf
die Notwendigkeit aufmerksam, die Fehler im Text zu beseitigen oder
entscheiden, ob die Meldung unberechtigt ist.
Das semantische Netzwerk dient dem Studenten als eine Unterstützung
für bessere Orientierung in den Begriffen des Lehrbuches,
beziehungsweise als eine Stütze für Wiederholung der Begriffe und
Beziehungen unter ihnen.
Schlüsselbegriffe
Adaptiver Unterricht, adaptives E-Learning, semantisches Netzwerk der
Begriffe, Stütze im Studium, Metadaten, Visualisierung, Evaluation,
didaktische Grundsätz
OBSAH ÚVOD ............................................................................................................ 9 1 Současný stav řešené problematiky ......................................................... 11
1.4 E-learning .................................................................................... 11 1.5 Adaptivní výuka .......................................................................... 12
1.5.1 Adaptivní výuka v e-learningu ............................................ 13 1.5.2 Struktura adaptovatelné opory .......................................... 14
1.6 Strukturování učiva ..................................................................... 16 1.7 Sémantické sítě ........................................................................... 17 1.8 Sémantické sítě a jejich implementace ...................................... 18
1.8.1 Sémantické sítě v e-learningu ............................................. 19 1.8.2 Vizualizace sémantické sítě a vhodný software ................. 20
1.9 Didaktické zásady ....................................................................... 21 2 Cíle práce .................................................................................................. 23
2.1 Motivace pro využití SNT v adaptivním e-learningu ................... 23 2.2 Cíle disertační práce ................................................................... 24
3 Teoretický návrh SNT ............................................................................... 26 3.1 Analýza SNT v adaptivním e-learningu ....................................... 26 3.2 Návrh struktury a metod pro práci se SNT ................................. 26 3.3 Návrh kontroly didaktických zásad pomocí SNT ........................ 28
3.3.1 Zásada názornosti ............................................................... 29 4 Realizace SNT ........................................................................................... 31
4.1 Zadání, datová a funkční analýza systému SNT .......................... 31 4.2 Implementace SNT...................................................................... 32
4.2.1 Vizuální náhled na pojmy a výskyty v SNT .......................... 32 4.2.2 Výpisy ze SNT ve formě tabulek .......................................... 33 4.2.3 Didaktické zásady kontrolované SNT .................................. 33 4.2.4 Menu SNT pro studenta ...................................................... 35
5 Výuková opora ......................................................................................... 36 6 Výzkumná šetření a jejich výsledky .......................................................... 37
6.1 Pedagogický experiment ............................................................ 37 6.2 Výzkumný problém a dílčí otázky ............................................... 37
6.2.1 Organizace experimentu..................................................... 38 6.2.2 Výzkumné techniky ............................................................. 39 6.2.3 Průběh experimentu ........................................................... 39 6.2.4 Způsob zpracování dat ........................................................ 39
6.3 Shrnutí přínosu SNT pro autora .................................................. 41 7 ZÁVĚR ....................................................................................................... 43
7.1 Výsledky práce ............................................................................ 43 7.2 Další rozvoj použití SNT .............................................................. 44
8 POUŽITÁ LITERATURA .............................................................................. 45 9 PUBLIKAČNÍ AKTIVITY ............................................................................... 52 10 PROFESNÍ ŽIVOTOPIS ...................................................................... 53
9
ÚVOD
V současné době se část výuky na vysoké škole, vyučována formou e-
learningových kurzů, neustále zvětšuje. O studentech v kombinované
formě studia, ale nejen těch, se předpokládá, že jsou schopni se
samostatně učit z vhodně strukturovaných studijních opor. V případě
adaptivní výuky by tento proces učení měl být efektivnější, protože
studentovi je přednostně předkládán výklad látky formou, která vyhovuje
jeho učebnímu stylu.
Sdělování učiva mívá ve velké většině případů lineární podobu. Důležité
pojmy nebo myšlenky jsou zdůrazněny v psaném projevu graficky
(podtržením, kurzívou, polotučným fontem), v mluveném projevu
intonačně. Studentovi jsou tím dány signály, že uváděné informace
a pojmy jsou důležité. Úkolem studenta při učení není jen zapamatovat si
nové údaje, ale také vztahy mezi nimi. Musí je najít v textu a zkonstruovat
si vlastní strukturu učiva. Hledá nové vztahy k tomu, co dosud zná,
zařazuje je do své dosavadní poznatkové struktury, případně tuto
strukturu reorganizuje. Těmto dovednostem - strukturovat čtený nebo
slyšený text - studenty nikdo cíleně neučí a mnohdy k ní dospívají metodou
pokusů a omylů, případně si vytvářejí struktury neúplné i chybné. Někdy
i v učebnici, častěji však v podání učitele, bývá struktura nevhodná,
neúplná nebo nevhodně uspořádaná, což studentovi přidělává práci při
učení. Tato struktura učiva mívá v jednodušším případě podobu stromu
nebo obecnější podobu sítě.
Pro strukturování učiva a vizualizaci této struktury bude určitě užitečná
idea pojmové sítě a struktura textu vyjádřená ve formě grafu, který
pracuje se 2 základními prvky uzel a hrana, pomocí kterých je možné
konstruovat bohatě strukturované sítě, (viz Čáp, Mareš, 2007, kap.
Strukturování učiva, vyučovací a učební strategie, Collins, Quillian, 1969,
Sowa, 1992).
10
Úkolem této práce bude najít a popsat strukturu autorského textu,
automatizovat její vytvoření a poté vizualizaci pojmové sítě tak, aby si
student mohl pomocí této sítě lépe zapamatovat pojmy a vazby mezi nimi,
aby se lépe orientoval v pojmech celého předmětu, a mohl případně
procházet učebním textem i jinou, než lineární cestou podobně jako
v hypertextu (Dostál, 2009).
Klasické hypertextové odkazy musí být vytvářeny ručně autorem a záleží
na jeho zkušenosti, systematičnosti a časovém nasazení, jak strukturu
textu popíše - kolik a jakých odkazů vytvoří. Tím se ale neřeší otázka
úplnosti a správnosti vazeb v nich popsaných.
Psaní učebnice není jednoduchá autorská práce. I při dobré znalosti
vyučované oblasti je potřeba dodržovat také pedagogické zásady a umět je
správně použít na danou problematiku. Při přípravě kurzu v e-
learningovém prostředí, navíc s možností adaptace obsahu kurzu, platí
další pravidla, která by pedagog při vytváření textu studijní opory měl znát
a uplatňovat, aby vznikl kvalitní, optimalizovaný kurz.
Pedagogové a studenti magisterského a doktorandského programu
pedagogické fakulty OU v rámci svých prací navrhli a implementovali
adaptivní LMS, určený především pro pedagogické experimenty. Díky
podrobné strukturalizaci adaptovatelného textu opor v tomto LMS by bylo
možné realizovat i modul s funkcemi pro práci se sémantickou sítí pojmů
(SNT - semantic network of terms) nad autorským textem. Ten by mohl
sloužit autorovi učebnice jako zpětná vazba k evaluaci textu dříve, než se
zpřístupní studentům.
11
1 Současný stav řešené problematiky
Disertační práce se dotýká několika vědních oblastí. Cílem práce je
automatizované vytvoření sémantické sítě důležitých pojmů nad
autorským textem v adaptivním e-learningu a její vizualizace jako zpětnou
vazbu pedagogovi a jako pomocnou strukturu studentovi. V následujících
podkapitolách jsou stručně shrnuty současné informace o e-learningu,
adaptivním e-learningu, sémantických sítích a evaluaci textu opory podle
didaktických zásad pomocí sémantické sítě pojmů.
1.4 E-learning
Pokud se na e-learning podíváme z pedagogického hlediska, tak je to
vzdělávací proces, ve kterém používáme multimediální technologie
(používání obrazových, zvukových a textových informací k obohacení
výuky), Internet a další elektronická média, pro zlepšení kvality vzdělávání,
pro zvýšení přístupu ke studijním materiálům a službám, k výměně
informací a ke vzájemné spolupráci jak mezi studenty, tak mezi studentem
a pedagogem.
E-learning kromě dodávání výuky ve formě elektronického kurzu také
pokrývá i další oblasti, jako je monitorování, plánování nebo sdílení
vědomostí
Klasické vzdělávání předpokládá, že všichni studenti se sejdou ve stejnou
chvíli v učebně, vnímají stejně rychle, všem vyhovuje mluvený výklad
lektora a všichni chtějí v dané chvíli látku studovat. Ve skutečnosti to bývá
jinak.
12
Tabulka 1. Výhody a nevýhody e-learningu
E-learning mnohé tyto nedostatky odstraňuje. Student si kurz spouští ve
chvíli, kdy potřebuje, to znamená, že chce studovat a bude se výkladu
věnovat. Prochází výukovým kurzem svým tempem, sám si určuje způsob
průchodu, vracení se k tématům, vybírá si z více variant výkladu.
Prostřednictvím řady otázek, simulací a testů je vtahován aktivně do
výuky, což významně zvyšuje zapamatování výukové látky. V Tabulka 1
jsou shrnuty výhody a nevýhody e-learningu (Kulíková, 2010).
1.5 Adaptivní výuka
Adaptace obsahu mění strukturu a prezentaci kurzu způsobem, který
vyhovuje uživatelovým vlastnostem a optimalizuje kvalitu a čas učení.
Výhody Nevýhody
samostudium chybí přímý kontakt lektora se studujícími
časová flexibilita, nižší nároky na kapacity
vyžaduje vysoké nároky na kvalitu studijních pomůcek a celkovou organizaci – vysoké počáteční náklady
možnost využití pro vzdělávání početné cílové skupiny z různých oblastí
nevhodnost pro určité typy kurzů - výuku týmové práce a další složitější metody či organizační formy
vzdělávání může být využito i pro studium rozsáhlejší problematiky, ne však příliš náročné
nevhodnost pro určité typy studentů – předpoklad: zodpovědný, samostatný student
vyšší efektivita výuky pro studenta – rychlejší vstřebání informací, lépe zapamatovatelná forma informací
závislost na technologiích
dostupnost kdykoliv nízká úroveň kvality obsahu
menší náklady na vzdělání vyšší náklady na přípravu kurzu
možnost modularizace
aktuálnost informací
větší možnost testování znalostí
snadná administrace
13
Tento způsob adaptace zahrnuje dynamickou selekci vhodných částí
(variant výkladu) kurzu a dynamické změny pořadí dílčích elementů kurzu
(vrstev odpovídajících fázím výuky). Nadále budeme adaptivním učením
chápat právě takovouto adaptaci obsahu.
1.5.1 Adaptivní výuka v e-learningu
V monografii (Kostolányová, 2012) se autorka zabývá teorií adaptivního e-
learningu, kde na základě definovaných pojmů výchova, vzdělávání, výuka
a učení definuje, co je to individuální výuka – výuka jednotlivce a co je
adaptace výuky, tj. změna ve způsobu výuky stejné vyučované látky, ale
pokaždé uskutečněné jiným postupem, aby nejlépe vyhovoval potřebám
každého studenta. Dále definuje teoretický model adaptivní výuky, který
rozděluje do tří modulů – studentský, autorský a modul řídící tzv. virtuální
učitel.
Dále autorka popisuje vlastnosti studentů, které mohou být použity pro
adaptaci výukového procesu a stanovuje vhodná metadata pro popis
těchto vlastností a formu jejich uložení. Navrhuje vhodnou strukturalizaci
výukových opor pro adaptivní formu výuky a rozděluje výukové opory do
několika smyslových forem a výkladových hloubek. Dále navrhuje obecnou
formulaci pravidel, která mapují vlastnosti studenta na formu, obsahovou
hloubku a vhodné vnitřní uspořádání výkladové jednotky. Za použití
výukového stylu studenta navrhuje a implementuje adaptivní algoritmus
pro řízení výukového procesu optimalizovaného vzhledem k individuálním
potřebám studentů – virtuálního učitele.
Výsledkem výzkumu v adaptivním e-learningu (Takács, 2014) je obecný
systém pro adaptaci obsahu výuky, který pro známé charakteristiky
studenta, ovlivňující jeho učební proces, a pro známou strukturu studijní
opory, doporučují optimální výukový styl, realizovaný tzv. virtuálním
učitelem. Virtuálním učitelem nazýváme program v LMS, řídicí výukový
proces (Takács, 2014). Optimálním výukovým stylem pak nazýváme výše
14
zmíněný výběr optimální varianty výkladu a optimální pořadí výukových
vrstev, odpovídající učebním charakteristikám každého konkrétního
studenta.
Aby se obsah výukového textu (včetně použitých multimédií
a interaktivních prvků) dal adaptovat, musí být poměrně podrobně
strukturován.
Řada pedagogů a studentů doktorského studia na PdF OU se zapojila do
rozsáhlého projektu o adaptivní výuce, který přizpůsobuje výklad učiva
zjištěnému učebnímu stylu studenta. Pedagogové v současné době testují
jeden z výsledků projektu Adaptivní individualizovaná výuka v e-learningu
implementaci automatizovaného řízení výukového procesu v prostředí e-
learningu podle stylů učení studenta (Takacs, 2014), (Horký, 2013),
(Prextová, 2014).
1.5.2 Struktura adaptovatelné opory
Aby mohl virtuální učitel přizpůsobovat různým osobnostem studentů,
musí mít výukovou látku rozdělenou na malé části a zpracovánu více
rozdílnými způsoby (Kostolányová, 2011).
Pedagog přirozeně rozkládá svůj autorský text konkrétního kurzu na
kapitoly a lekce (výukové hodiny).
Lekce se dále dělí na rámce, které obsahují jednotkovou výukovou
informaci - nově zavedený pojem nebo skupině souvisejících pojmů -
(motivace pro jeho zavedení, definice, vysvětlení, aplikace, příklad,
ověřující testovací otázky a úlohy k řešení).
Aby bylo možno výuku modifikovat podle individuality studenta,
Kostolányová (2012) navrhla dva způsoby, jak reagovat na studentovy
vlastnosti:
1. Výběr vhodné varianty výkladu obsahu rámce: nejčastěji citovanou
charakteristikou studenta je převažující forma jeho smyslového
vnímání informací – verbální (upřednostňuje textovou formu
15
informací), vizuální (upřednostňuje schémata, schematické obrázky,
tabulky a grafy), auditivní (preferuje mluvené slovo, zvuky, kontakt
s jinými lidmi) nebo kinestetická (preferuje názorné ukázky, modely,
videa, filmy a praktické informace).
Druhou charakteristikou, známou z pedagogické praxe, je studentova
potřeba podrobnosti výkladu látky. Obě tyto charakteristiky jsou
řešeny tak, že se obsah každého rámce zpracuje v několika variantách
se stejným obsahem - ve třech „hloubkách“ podrobnosti výkladu a ve
čtyřech smyslových variantách.
2. Výběr vhodného pořadí vrstev rámce. Typy vrstev odpovídají fázím
výkladu: úplný cyklus výuky, vycházející z dále uvedených didaktických
zásad a doporučovaný v literatuře (například Gagné, 1975) zahrnuje:
motivaci a cíle výuky, výklad a návaznost na předchozí znalosti, cvičení,
ověření znalostí, zakončení. Podrobnější analýzou těchto fází byly
rozděleny do následujících vrstev a z nich pak je vytvářen každý rámec
(každá jeho varianta):
výkladové vrstvy: teoretická, sémantická, fixační, řešené příklady,
příklady z praxe,
testovací vrstvy: otázky teoretické, úlohy k řešení, úkoly z praxe,
speciální vrstvy: motivační, navigační, vrstva cílů, literatura.
Pro studenty s různými učebními taktikami (teoretický – praktický typ,
detailista – holista atd.) je vhodné použít různé pořadí těchto vrstev.
Jednou z funkcí virtuálního učitele tedy je vybrat studentovi optimální
variantu výkladu a v ní optimální pořadí vrstev (Kostolányová, 2012).
Protože však student nakonec projde všemi vrstvami, je nutné jen to, aby
autor zajistil existenci všech důležitých vrstev.
Na Obr. 1 dále je zjednodušeně znázorněna struktura autorské části
adaptivního LMS.
16
Obr. 1 Schéma struktury autorské části adaptivního LMS
1.6 Strukturování učiva
Sdělování učiva mívá ve velké většině případů lineární, sekvenční strukturu
(Čáp, 2007). V textu učebnice, ve výkladu jsou poznatky sdělovány
následně jeden po druhém. Nové informace jsou zaváděny postupně a ne
vždy jsou dostatečně zdůrazněny jejich souvislosti. Důležité pojmy nebo
myšlenky bývají v psaném projevu zvýrazněny graficky (podtržením,
kurzívou, polotučným fontem), v mluveném projevu intonačně. Studentovi
jsou tím dány signály, že uváděné informace a pojmy jsou důležité.
V některých učebnicích bývají uvedeny přehledy učiva v podobě tabulek,
schémat a žák se je má naučit v hotové podobě bez znalosti, jak se k nim
dospělo. Někdy i v učebnici, častěji však v podání učitele, bývá struktura
nevhodná, neúplná nebo nevhodně uspořádaná, což studentovi přidělává
práci při učení. Ne vždy jsou základní jednotky učiva - přiměřené (věku,
předchozím znalostem,…), úplné (chybí pojmy a vztahy mezi nimi) a
správně, logicky seřazené.
Úkolem studenta při učení není jen zapamatovat si nové údaje, ale také
vztahy mezi nimi. Musí je najít v textu a zkonstruovat si vlastní strukturu
učiva na papíře, ale také ve své hlavě. Hledá nové vztahy k tomu, co dosud
zná, zařazuje je do své dosavadní poznatkové struktury, případně tuto
Předmět Lekce Rámec Varianta
Vrstva Tvrstva
Kapitola
Komponenta
Odpověď
Zam
17
strukturu reorganizuje. Těmto dovednostem - strukturovat čtený nebo
slyšený text - studenty nikdo cíleně neučí a mnohdy k nim dospívají
metodou pokusů a omylů, případně si vytvářejí struktury neúplné
i chybné. Tomuto uspořádávání se vžilo označení prostorové učební
strategie (spatial learning strategies), (Holley, 1984)
Struktura učiva, která se má předávat žákovi, v zásadě odpovídá struktuře
vědeckého poznání dané doby, se zjednodušeními pro školní vyučování.
Přístupy ke strukturování učiva spočívají ve zlepšení vyučovacích strategií
(vyučovací činnost učitele, programované učebnice, počítačové programy),
aby se usnadnilo studentovo učení nebo zlepšení učebních strategií
(žákovu činnost při výběru učiva, zapamatování, uchovávání v paměti a
vybavování učiva), aby se kvalitativně zlepšily žákovy postupy při učení
(Čáp, 2007). V několika přístupech se objevují schémata nebo grafy
struktury učiva (orientační osnova činnosti, struktura hlavních pojmů
tématu (Kulič, 1992) grafy logické struktury učiva, vytváření sítí klíčových
pojmů a vztahů mezi nimi, vytváření schémat a map pojmů). Tato
struktura učiva mívá v jednodušším případě podobu stromu, obecnější
podobu sítě.
1.7 Sémantické sítě
Jednou z možností, jak zaznamenat objekty a vazby mezi nimi, je
sémantická síť. Ve slovníku cizích slov (Kučera, 2004) je sémantická síť
definovaná jako ohodnocený orientovaný graf, kde uzly reprezentují
objekty a hrany představují vztahy mezi objekty. Kde místo objektů
obecně můžeme dosadit i typy entit nebo hodnoty atributů.
Jiná definice (Lukasová, 2010) říká: Asociativní síť (sémantická síť) je
ohodnocený graf sestávající z uzlů, ohodnocených termy, a hran,
ohodnocených binárními predikátovými symboly, přičemž hrany spojují
některé dvojice uzlů.
Termy jsou slova nebo slovní spojení, která v daném kontextu mají svoje
významy. Tyto významy se mohou lišit od významů stejných slov v jiném
18
kontextu nebo v každodenním používání. Terminologie jako disciplína,
kromě jiných věcí, studuje, jak takové termy vznikají a jejich vazby v rámci
dané kultury. Na rozdíl od lexikografie, která studuje slova a jejich
významy, terminologie studuje koncepty, konceptuální systémy a jejich
termy.
1.8 Sémantické sítě a jejich implementace
Na jeden výsledek použití sémantické sítě v praxi je možné se podívat na
stránkách WordNetu - A lexical database for English (Princeton University,
2010), které vznikly na Princetonské Universitě v USA. Struktura WordNetu
slouží jako užitečný nástroj počítačovým lingvistům pro zpracování
přirozeného jazyka. Podstatná jména, slovesa, přídavná jména a příslovce
jsou seskupeny do množin synonym tzv. synsetů, každý vyjadřuje odlišný
koncept. Synsety jsou vzájemně propojeny prostřednictvím konceptuálně-
sémantických a lexikálních vztahů. Uživatel se může pohybovat ve
výsledné síti souvisejících slov a pojmů pomocí prohlížeče. WordNet je
také volně a veřejně k dispozici ke stažení.
WordNet navenek připomíná tezaurus v tom, že vytváří skupiny slov na
základě jejich významů. Nicméně, jsou zde některé důležité rozdíly. Za
prvé, WordNet propojuje nejen podobné tvary slov – řetězce písmen, ale
i slova podobného významu, tj. slova, která se nacházejí v těsné blízkosti
v síti, mají sémanticky podobný význam. Za druhé, WordNet pojmenovává
typy sémantických vztahů mezi slovy, zatímco seskupení slov v tezauru
znamená podobnost, nic jiného.
Druhá aplikace Lexipedia (Lexipedia, 2012) je vizuální animovaná on line
sémantická síť se slovníkem a tesaurem. Lexipedia zobrazuje slova a jejich
sémantické vazby ve formě sítě slov (podstatná jména, slovesa, příslovce,
přídavná jména, synonyma – slova se stejným významem, fuzzynyma –
slova s jiným významem, ale s vazbou na vybrané slovo, antonyma) – viz
Obr. 2 na další straně. Lexipedia podporuje více jazyků – angličtinu,
19
holandštinu, francouzštinu, němčinu, italštinu, španělštinu. Obsahuje
rozšířenou verzi anglického WordNetu.
Obr. 2 Příklad slov a vazeb ke slovu „welcome“ - Lexipedie
1.8.1 Sémantické sítě v e-learningu
Bylo publikováno několik článků, které se zabývají tématem sémantických
sítí v e-learningu, ale všechny byly jen na úrovni návrhu. Např. v článku
(Lucke, 2010) je navrhována sémantická síť pro samostatnou navigaci
v učebním objektu (LO - Learning Object) nad tradičním hierarchickým
kurzem. Sémantická síť zachycuje různé cesty kurzem a tyto určuje autor.
Pro realizaci sítě by text kurzu musel být doplněn o značky jazyka XML,
které tvoří strukturu kurzu - lekce a kroky - které odpovídají jedné
obrazovce nebo slide. Pro autora neznalého alespoň základů jazyka XML je
to náročná úloha navíc.
V článku (Martin, 2008) je navržena síť konceptuálního grafu, která
reprezentuje obsah několika kurzů a která by mohla pomoci studentům
porozumět, porovnat, zapamatovat si pojmy z kurzů. Zobrazení této sítě je
implementováno, ale pouze v textové podobě a ve formátu, který není
příliš čitelný člověkem.
20
Úkolem této práce je automatizovat zobrazení pojmů a vztahů mezi nimi
nad textem adaptivní opory, což je odlišný úkol od výše zmíněných.
1.8.2 Vizualizace sémantické sítě a vhodný software
Nejužitečnější a názorné využití sémantické sítě pojmů je právě
v grafickém znázornění. Výsledný graf sítě je na první pohled čitelnější než
textový zápis.
Existují programy, knihovny, komerční nebo volně dostupné, pomocí
kterých je možné vizualizovat ohodnocenou síť pojmů ve tvaru
přehledného grafu zadané topologie (např. hierarchické, stromové,
kruhové, pravoúhlé, organické, sférické,…). V Obr. 3 je zobrazen příklad
grafu, který byl zpracován nástrojem Gephi (2015), který umožňuje
zkoumat grafy a více se o nich dozvědět. Dovoluje uživateli měnit tvar,
barvu uzlů i strukturu grafu, aby objevil jeho skryté vlastnosti. Je to
doplňkový nástroj k tradiční statistice. Obsahuje velké množství algoritmů
pro rozmístění uzlů grafu do zvolené topologie. Samozřejmostí jsou
výpočty různých charakteristik grafu. V Gephi je možné zobrazit graf o 50
tisících uzlech a 1 milionu vazeb. Vhodný také pro zkoumání sociálních sítí.
Obr. 3 Příklad grafu sítě
21
Další z možných nástrojů pro vizualizaci grafu je JavaScriptová knihovna
SigmaJs (Sigmajs, 2012). Umožňuje publikovat sítě na webových stránkách
a integrovat průzkum sítě ve webových aplikacích. Předpokladem jsou
data ve formátu GEXF a případnou manipulaci s grafem je potřeba
implementovat v JavaScriptu.
Vlastní řešení jsem zvolila z několika důvodů
lineární posloupnost definovaných pojmů v autorském pořadí v LMS,
výuková opora je součástí LMS,
existuje omezený malý počet definovaných pojmů v předmětu,
cizí nástroje obsahují množství funkcí navíc, které se v SNT nevyužijí,
integrace nástrojů Gephi nebo SigmaJs do adaptivního LMS a jejich
přizpůsobení požadavkům není triviální.
1.9 Didaktické zásady
Pod pojmem didaktické zásady rozumíme základní pravidla, jež mají zajistit
efektivnost výuky. Jedná se o nejobecnější doporučení pro učitele, při
jejichž respektování může učitel při výuce (či žák při autodidakci)
dosáhnout maximální efektivity a účinnosti. Systém didaktických zásad se
utvářel po staletí.
J. A. Komenský chápal didaktiku jako „všeobecné umění, jak naučit
všechny všemu“. V díle Velká didaktika (Komenský, 1948) zahrnuje pod
pojem didaktika veškerou pedagogickou problematiku. Zařazuje sem
vymezení obecných cílů a úkolů výchovy, vymezení obsahu vzdělávání,
mravní, náboženské a tělesné výchovy, vyučovací zásady a metody, teorii
školy a organizaci školské soustavy. V XVI. kapitole formuluje obecně
platné vyučovací zásady, které nejen tehdy byly průlomové až revoluční
a které pak při výuce sám aplikoval. Je považován za zakladatele moderní
pedagogiky a na jeho dílo navazují prakticky všichni další teoretici
v pedagogice.
22
Zásady, které formuloval J. A. Komenský:
Zásada názornosti.
Zásada systematičnosti a soustavnosti.
Zásada aktivnosti a uvědomělosti.
Zásada trvalosti.
Zásada přiměřenosti.
Zásada vyučovat od jednoduššího ke složitějšímu.
Žák má být současně učitelem.
Vyučování má být zábavné.
Prvotním východiskem pro formulaci didaktických zásad byly zkušenosti
pedagogů. Jejich empirické poznatky byly postupem času upřesňovány
a doplňovány prostřednictvím pedagogického vědeckého výzkumu.
Za posledních 350 let se tyto zásady mnoho nezměnily, jen některé byly
mírně přeformulovány a přibylo několik dalších. V (Malach, 2003) jsou
definovány další
Zásada komplexního rozvoje žáka.
Zásada vědeckosti.
Zásada spojení teorie s praxí.
Zásada individuálního přístupu.
Zásada emocionálnosti.
Zásada zpětné vazby.
S rozvojem nových pedagogických i technických možností, speciálně pak
s rozvojem ICT je možno výuku optimalizovat nejen dodržováním
obecných zásad, ale i respektováním individuality studenta, jeho
vrozených i výchovou a vzděláním získaných vlastností.
Dále je uvedeno, zda vůbec lze a jakým způsobem kontrolovat porušení
jednotlivých pedagogických zásad a to pomocí mnou navržené SNT.
23
2 Cíle práce
2.1 Motivace pro využití SNT v adaptivním e-
learningu
Klasické sémantické sítě popisují pojmy a jejich vztahy v realitě. Výukový
nebo odborný text by měl realitu odrážet, zaznamenávat realisticky, a
současně podávat výklad pojmů s dodržení didaktických zásad. I zkušený
autor se může občas proti těmto pravidlům prohřešit. Výukové opory
v adaptivním e-learningu (díky jejich vysoké strukturalizaci a rozlišení
sémantického významu dílčích vrstev textu) dávají dobrou možnost pojmy
a vztahy mezi nimi rozpoznat, zaevidovat, vizualizovat i vyhledat případné
didaktické chyby v nich. Vytvořená SNT nad výukovou oporou je pro tento
účel dobrým nástrojem.
Pro autora může být náhled na autorskou strukturu textu zajímavý z
několika důvodů:
Ověří, jestli opora správně popisuje realitu, jestli jsou dodrženy
didaktické zásady při výkladu (např. jestli je dostatečný počet příkladů
k danému pojmu apod.).
Použití SNT mezi předměty usnadní autorům i studentům porovnání
definic pojmů, případně upozorní autory na nesrovnalosti.
Použití SNT mezi předměty odhalí autorům zbytečné duplicity ve
výuce nebo případné neshody definic nebo jejich výkladů.
Pro studenta může být motivací, když uvidí definované pojmy a vztahy
mezi nimi, kde dále budou zavedené pojmy zapotřebí, v jakých a kolika
příkladech se pojem vyskytuje apod. Při samotném studiu student bude
moci využít SNT pro náhled na pojmy předmětu a procházet učivo nejen
klasicky sekvenčně, ale případně také s náhledem na celou látku pomocí
pojmů, vazeb a výskytů ve vizualizované SNT.
24
Když student studuje látku postupně tak, jak je popsána
v učebnici, dochází k situacím, kdy si potřebuje zopakovat dřívější
pojmy, které s novou látkou souvisejí; použitím SNT nemusí
„listovat“, ale najde okamžitě jak definice těchto pojmů, tak
všechny související informace.
Když studenta zajímá častá otázka o nové látce „k čemu je to
dobré“, pomocí SNT okamžitě vidí jak teorii navazující na nový
pojem, tak jeho uplatnění v praktických dovednostech, při řešení
úloh apod.
Zobrazení SNT napomáhá studentovi budovat si v paměti svou
strukturu pojmů a jejich souvislosti.
Při opakování látky před zkouškou umožní SNT lepší orientaci
v pojmech; vizualizace sítě pojmů je často výhodnější pro
zapamatování, než pouhý text.
Studenti často nepoznají, že tentýž pojem v různých předmětech
znamená totéž, jen se probírá z jiného hlediska; učí se je znovu,
zbytečně zatěžují paměť a nechápou souvislosti mezi předměty;
použití mezipředmětové SNT tak umožní studentům náhled na
stejné pojmy s různým přístupem a tím i lepší pochopení reality;
příklady takových pojmů: vektor (matematika, fyzika,
programování), systém (prakticky všude) a další.
SNT umožní i další funkce, jako tisk výkladového slovníku definovaných
pojmů; to může studentovi pomoci při opakování látky, autorovi k další
kontrole správnosti a úplnosti textu.
2.2 Cíle disertační práce
Hlavním cílem disertační práce je
Vytvořit sémantickou síť pojmů podle struktury definované v adaptivní
výukové opoře a umožnit tak
evaluaci textu této opory z hlediska pedagogických zásad,
25
nelineární orientaci studenta v problematice studovaného
předmětu.
Z hlavního cíle plynou následující dílčí cíle.
Teoreticky navrhnout a popsat typy uzlů a jejich ohodnocení a typy
vazeb mezi nimi pro použití v SNT.
Teoreticky zpracovat a navrhnout možnosti kontroly dodržení
jednotlivých pedagogických zásad pomocí SNT, rozpoznání jejich
porušení a návrh chybového protokolu pro zobrazení autorovi.
Teoreticky navrhnout a pak realizovat rozšíření adaptivního LMS
o modul s funkcemi pracujícími se SNT – její vytvoření a uživatelské
ovládání. K tomu je zapotřebí:
o provést datovou analýzu - nadefinovat datovou strukturu metadat
SNT,
o provést funkční analýzu - nadefinovat algoritmy pro automatické
vytváření sémantické sítě pojmů a pro práci s touto sítí s ohledem
na teorii adaptivní výuky, pro evaluaci opory a pro využití při
výuce,
o implementovat navrženou databázi i metody pro zadání důležitých
pojmů, automatizované vytvoření SNT, vizualizaci částí SNT,
kontrolu textu a zobrazení chybových hlášení a pro zobrazení,
případně tisk, výkladového slovníku z definic důležitých pojmů
jednoho předmětu,
o umožnit studentovi procházet a alternativně studovat oporu s
využitím vizualizace pojmů a vazeb SNT,
Umožnit pedagogovi prohlížet graf SNT a chybová hlášení pro možnou
kontrolu a případné vylepšení autorského textu.
Ověřit fungování SNT a její přínos pro evaluaci předmětu s autory
adaptivních výukových opor kvalitativním výzkumem.
Umožnit studentovi používat SNT pro lepší orientaci v problematice
předmětu, jeho pojmech, vztazích mezi pojmy a využití definovaných
pojmů v další teorii i využití v praxi.
26
3 Teoretický návrh SNT
3.1 Analýza SNT v adaptivním e-learningu
Byla provedena analýza SNT - pro potřeby disertační práce byly definovány
pojmy (pojem, synonymum, výskyt pojmu, vztahy a metavztahy) a na jejich
základě popsány základní části SNT - typy uzlů (pojmy a synonyma,
a výskyty jako výskyt před a výskyt po definici). Dále bylo definováno, kdy
je pojem předchůdcem a kdy následníkem.
Byly definovány vztahy mezi pojmy, které lze využít pro vizualizaci
a evaluaci opory - isa hierarchie (vztah předek - potomek), jePředchůdce,
jeNásledník.
Toto použití SNT tedy zobrazuje navíc a především jiné vztahy, než klasická
síť. Zobrazuje strukturu autorského textu a vztahy mezi pojmy, díle mezi
pojmy a jejich výskyty v tomto textu. Byly definovány vztahy mezi pojmem
a jeho výskytem, tj. metavztahy výskytPřed, výskytPo definici.
Podrobné definice a popis jsou uvedeny v disertační práci.
3.2 Návrh struktury a metod pro práci se SNT
Ke každému definovanému pojmu byla stanovena další metadata
vrstva a rámec, kde definovaný pojem leží,
synonyma k danému pojmu,
všechny nalezené výskyty tohoto pojmu každého typu (výskytPřed,
výskytPo),
přímé předchůdce pojmu a přímé následníky pojmu,
počet automaticky nalezených výskytů pojmu,
počet automaticky nalezených výskytů pojmu před definicí,
počet přímých předchůdců,
počet přímých následníků,
počet výskytů pojmu před definicí,
27
počet výskytů pojmu za definicí,
počet výskytů pojmu v jednotlivých vrstvách předmětu
případně počet výskytů pojmu v jednotlivých vrstvách po rámcích,
hlášení pro autora o porušení pedagogických zásad.
Na základě těchto informací byla navržena struktura databáze, schéma je
uvedeno dále v kapitole 4.1.
Dále byly navrženy základní metody pro práci se SNT
definování pojmů a jejich synonym v teoretické vrstvě,
automatické vytvoření SNT,
zobrazení SNT (vizualizace),
zobrazení výkladového slovníku pojmů,
kontrola didaktické správnosti autorského textu,
prohlížení případných informačních, varovných nebo chybových
výpisů.
Byl navržen algoritmus generování a návrh vizualizace SNT a návrh
zobrazení výkladového slovníku.
Obr. 4 Grafický návrh rozmístění jednotlivých prvků SNT
28
3.3 Návrh kontroly didaktických zásad pomocí
SNT
Jedním ze dvou hlavních úkolů SNT, jako nástroje autora, je kontrola
dodržení některých z didaktických zásad, kontrola úplnosti všech fází výuky
a kontrola správné návaznosti zaváděných informací. Gramatickou
a stylistickou stránku si může autor kontrolovat například funkcemi MS
Wordu. Ale zatím neexistuje automatická kontrola textu učebnice. Není
sice možné automaticky zkontrolovat všechny didaktické zásady, ani
kontrolovat věcnou správnost výkladu. Je však možná analýza struktury
textu a kontrola řady pedagogických charakteristik. Autor tak může být
před zveřejněním výukové opory upozorněn na případné chyby nebo
místa k zamyšlení se nad obsahem a jeho úplností.
Grafické zobrazení sítě nebo její části pedagogovi umožní vizuálně
zkontrolovat strukturu výukové opory vzhledem k definovaným pojmům
a automaticky nalezeným výskytům těchto pojmů. Podle jejich případné
ne/existence v jednotlivých vrstvách pak autor může upravit autorský text
tak, aby splňoval pedagogické zásady.
Byl podrobně analyzován způsob automatické kontroly textu opory
pomocí SNT. Dále je popsána jedna pedagogická zásada, jakým způsobem
je možno ji kontrolovat a jak informovat autora o porušení zásady. Ostatní
zásady, a zda lze a jak kontrolovat jejich porušení pomocí SNT, jsou
uvedeny v disertační práci.
Po kontrole zásady, pokud není dodržena nebo je možné doplnění textu,
se automaticky vygeneruje hlášení různé důležitosti:
informativní hlášení (i) - informace o možném vylepšení textu,
varovné hlášení (w) - o drobnější chybě,
chybové hlášení (e) - chybné nedodržení některé zásady.
Pedagog, na základě výpisu seznamu hlášení, může chyby odstranit nebo
rozhodnout, že hlášení je neoprávněné.
29
3.3.1 Zásada názornosti
Definice:
Tato zásada vychází z toho, že žáci již mají o vyučované problematice jisté
představy, které je třeba vědecky uchopit, aby si žáci problém
zapamatovali a pochopili. Učitel vede žáky k vytváření a zobecňování
představ bezprostředním vnímáním skutečnosti či jejího zobrazení pomocí
pomůcek a didaktické techniky, nebo při výuce uplatňuje takový výklad,
který v žácích vyvolá již dříve vytvořené představy popisované
skutečnosti, tj. přírodních i uměle vytvořených předmětů a přírodních
nebo společenských jevů (Komenský, 1948). Učební činnost by měla
aktivovat co největší množství smyslů, měla by rozvíjet žákovu
představivost a fantazii, měla by obohacovat, kultivovat osobní zkušenost
žáka. Smyslové vnímání umožní žákovi si vytvořit základní představy
o věcech a jevech, které následně může zpracovat v pojmy. Názornost
pomáhá hlavně u žáků, kteří nemají dostatek zkušeností, tj. názorné
předvedení zprostředkuje žákovi přímou zkušenost, a také usnadňuje
přechod k abstraktnímu myšlení.
Pravidla pro evaluaci zásady v opoře:
aktivovat smysly → pokryty variantami aspoň 2 smyslové formy
(adaptivní LMS)
používat různé pomůcky → audio, video, schémata,
využívat dříve vytvořené představy → použita fixační vrstva a vrstvy
řešených a praktických příkladů (opakování)
názorné předvedení → použity řešené a praktické příklady a úlohy a
praktické úlohy
Kontrola pomocí SNT:
pokud se pojem nevyskytuje ve vyjmenovaných výkladových a testovacích
vrstvách rámce, tak je vypsáno chybové hlášení, které vrstvy je potřeba
dopracovat pro vybraný pojem.
30
Chybové hlášení po kontrole zásady názornosti:
(e) pojem se nevyskytuje ve výkladové vrstvě rámce - fixační, řešené
příklady, praktické příklady
(e) pojem se nevyskytuje v testovací vrstvě rámce - úlohy a praktické úlohy
(e) pojem se vyskytuje ve vrstvách jen jedné smyslové varianty rámce
Následující zásady kontrolovat pomocí SNT nelze:
Zásada přiměřenosti.
Zásada komplexního rozvoje žáka.
Zásada vědeckosti.
Zásada individuálního přístupu.
Přesto, že 4 pedagogické zásady se nedají kontrolovat pomocí SNT, zbývá
8 zásad, které se kontrolovat dají, a výsledná hlášení o porušení těchto
zásad po evaluaci opory mohou výrazně pomoci pedagogovi vylepšit
oporu a tím také studentovi poté umožnit kvalitnější a trvalejší znalosti
a dovednosti.
31
4 Realizace SNT
4.1 Zadání, datová a funkční analýza systému SNT
Realizace SNT probíhala v několika fázích, které odpovídají cyklu
programového díla - zadání, analýza, návrh implementace, implementace,
údržba.
Na základě zadání, viz kap. 3 a 4.1 práce byla provedena datová a funkční
analýza SNT. Jedním z výsledků datové analýzy je ER diagram, který lze
vidět dále v Obr. 5, pak podrobný popis entitních typů a typů vazeb mezi
entitami a také navázání nově navržené struktury SNT na stávající
strukturu autorské části adaptivního LMS.
Obr. 5 ER diagram SNT a jednotlivé typy entit a vazeb
Výsledkem funkční analýzy jsou podrobně popsané algoritmy složitějších
metod, které v další fázi studia podle tohoto popisu byly implementovány.
Dále bylo realizováno
samostatný subsystém pro práci se SNT (data a metody) byl začleněn
do existujícího LMS Barborka;
32
do autorského subsystému byla přidána možnost definice pojmů
a jejich synonym;
v autorském subsystému byly implementovány funkce definované
v kapitole 3.2 a pomocí přehledného menu dány autorovi k dispozici;
v autorském subsystému lze všechny části SNT, včetně pedagogických
zásad a jak je kontrolovat, vypsat jako seznamy v přehledných
tabulkách;
do subsystému student/výuka byly začleněny metody pro zobrazení
grafu SNT a výkladového slovníku.
4.2 Implementace SNT
V další části autoreferátu následují vybrané ukázky z implementace a jejich
popis.
4.2.1 Vizuální náhled na pojmy a výskyty v SNT
Algoritmus zobrazení grafu SNT, ve kterém jsou zakresleny pojmy, jejich
synonyma, vazby mezi pojmy, výskyty k vybranému pojmu a vazby mezi
pojmem a výskyty, byl implementován a jeden příklad tohoto grafu je na
Obr. 6. Jednotlivé prvky tohoto grafu jsou vysvětleny níže
1. sloupec rámců, setříděný v autorském pořadí
2. sloupec pojmů, synonym, změna vybraného pojmu a překreslení SNT
(ikona terčík) a náhled na vrstvu definice (ikona oko)
3. sloupec výskytů, náhled na vrstvu výskytu (ikona oko)
4. vztahy jePředchůdce (zelená šipka)
5. vztahy jeNásledník (fialová šipka)
6. metavztahy výskytPřed (modro-červená šipka), výskytPo (modrá šipka)
33
Obr. 6 Vizualizace SNT včetně výskytů vybraného pojmu
4.2.2 Výpisy ze SNT ve formě tabulek
Kromě grafu SNT lze vypsat všechny seznamy v tabulkách - např. seznam
definovaných pojmů, synonym, předchůdců, následníků atd.
V následujících dvou výpisech jsou počty výskytů podle typů vrstvy (Obr. 7
dále) a část výkladového slovníku předmětu (Obr. 8 dále).
4.2.3 Didaktické zásady kontrolované SNT
Na Obr. 9 dále je zobrazena část výpisu chybových hlášení. V tabulce
Chyby proti pedagogickým zásadám jsou ve sloupcích název předmětu,
pojem, kterého se chyba týká, popis chyby, případně vrstva, kde chyba
nastala, typ vrstvy, které se chyba týká, dále typ chyby a zásada.
34
Obr. 7 Počty výskytů pojmu za typy vrstev
Obr. 8 Výkladový slovník předmětu, část
Obr. 9 Výpis nalezených porušení didaktických zásad
35
4.2.4 Menu SNT pro studenta
Obr. 10 Náhled na obrazovku v režimu výuka - menu a text opory
Na Obr. 10 je zobrazeno menu a text opory tak, jak to vidí student
v průběhu výuky. V nově přidané části menu Související pojmy je seznam
pojmů, které souvisí s aktuálně zobrazovaným rámcem. Výběrem pojmu se
zobrazí graf části SNT, která se vztahuje k tomuto pojmu.
36
5 Výuková opora
Pro experimenty byla zpracována část opory - 7 lekcí předmětu Databáze -
cvičení - část Jazyk SQL. Stejná opora byla použita pro samotné testování
SNT a jejích funkcí, pro testování studentů, pro proškolení autorů
a otestování funkcí SNT autory. Ukázka části opory je v příloze H práce.
Při tvorbě opory bylo postupováno podle metodiky tvorby adaptivních
opor (Kostolányová, 2012).
Zpracovaných 7 lekcí předmětu obsahuje celkem
37 rámců v jedné variantě,
37 klíčových pojmů,
23 synonym,
163 vrstev adaptivního LMS.
Poté byla opora (7 lekcí) vložena do LMS Barborka, byla vygenerována SNT
a algoritmus generování SNT našel 422 výskytů těchto klíčových pojmů
a synonym v opoře.
Původní verze opory nebyla úmyslně zpracována se zachováním všech
didaktických zásad, aby bylo možno otestovat úplnost a správnost
chybových hlášení.
37
6 Výzkumná šetření a jejich výsledky
6.1 Pedagogický experiment
Pedagogický experiment je zaměřen na zkoumání vztahu mezi učením
dotazovacímu jazyku SQL v adaptivním e-learningu s využitím SNT a bez
využití SNT.
6.2 Výzkumný problém a dílčí otázky
Byl formulován základní výzkumný problém:
Jaký je vliv využití SNT na efektivitu učení v průběhu učení v prostředí
adaptivního e-learningu?
Byla formulována hlavní hypotéza:
Studenti, kteří absolvují výuku dotazovacího jazyka SQL v e-learningu
v adaptivním LMS s využitím SNT, budou v jeho zvládnutí úspěšnější než
studenti, kteří absolvují výuku dotazovacího jazyka bez přístupu do SNT.
Dále byly formulovány dílčí výzkumné otázky (a k nim hypotézy - v textu
práce)
1. Jaké jsou rozdíly ve znalostech tvorby SQL dotazů mezi kontrolní
a experimentální skupinou na začátku experimentu?
2. Jaké jsou rozdíly ve znalostech tvorby SQL dotazů mezi kontrolní
a experimentální skupinou na konci experimentu?
3. Jaké jsou rozdíly ve znalostech tvorby SQL dotazů mezi pre-testem
a post-testem u experimentální skupiny?
4. Jaké jsou rozdíly ve znalostech tvorby SQL dotazů mezi pre-testem
a post-testem u kontrolní skupiny?
5. Jaké jsou rozdíly ve znalostech tvorby SQL dotazů mezi kontrolní
a experimentální skupinou?
38
6.2.1 Organizace experimentu
Byly definovány následující proměnné experimentu:
Experimentální skupina: skupina studentů pedagogické fakulty druhého
ročníku bakalářského studia a skupina studentů prvního ročníku
navazujícího studia, které po dobu 5 týdnů absolvovaly e-learningovou
výuku dotazovacího jazyka SQL v adaptivním LMS standardním způsobem
a navíc s možností zobrazit graf SNT pro vybraný pojem související se
studovaným rámcem a s možností procházet oporou pomocí funkcí SNT.
Kontrolní skupina: skupina studentů pedagogické fakulty druhého ročníku
bakalářského studia a skupina studentů prvního ročníku navazujícího
studia, která po dobu 5 týdnů absolvovala e-learningovou výuku
dotazovacího jazyka SQL v adaptivním LMS pouze standardním způsobem,
bez možnosti zobrazit graf SNT a tedy i bez možnosti procházet oporou
pomocí funkcí SNT.
Obě skupiny byly testovány před začátkem experimentu (pre-test) a po
skončení experimentu (post-test).
Pre-test: test praktického použití dotazovacího jazyka SQL, který byl zadán
před začátkem experimentu (Příloha F práce)
Post-test: test praktického použití dotazovacího jazyka SQL, který byl
zadán po skončení experimentu (Příloha G práce).
Mezi testované dovednosti patřily
1. tvorba různých typů dotazů v jazyce SQL nad jednou tabulkou,
2. tvorba různých typů dotazů v jazyce SQL nad více tabulkami.
Otázky v post-testu nebyly úplně shodné s pre-testem, ale byly
ekvivalentní z hlediska obtížnosti.
39
6.2.2 Výzkumné techniky
Pro ověření přínosu SNT pro studenty adaptivních opor byla použita
metoda srovnání dvou paralelních skupin (Chráska, 2007, str. 28), která je
vhodná pro učení se pomocí e-learningu. Obě skupiny měly k dispozici
7 lekcí opory v adaptivním LMS (viz Příloha H, popis opory je v kapitole 5).
Testování proběhlo formou párového testu (Chráska, 2007).
Při konstrukci didaktických testů jsem vycházela z probíraného tématu
dotazovací jazyk SQL a z vlastních zkušeností tvorby testů a ze skript
(Jeřábek, 2010). Test se skládal z 10 úloh na tvorbu dotazů v jazyce SQL.
6.2.3 Průběh experimentu
Samotný experiment byl realizován po dobu 5 týdnů v říjnu a listopadu
akademického roku 2015/2016. Nejprve byli studenti seznámeni s cílem
a průběhem experimentu. Poté studenti napsali pre-test. Po absolvování
pre-testu byl studentům vysvětlen význam SNT formou krátkého výkladu
a bylo názorně předvedena postup učení včetně použití SNT v LMS
Barborka. Studenti dále dostali k dispozici Příručku pro studenta (příloha I)
s podrobným popisem funkcí nad SNT a přístupem do LMS Barborka
k vytvořeným pro ně novým lekcím adaptivní opory.
Na prostudování nové látky, včetně vyzkoušení SNT u experimentální
skupiny, měli studenti 5 týdnů. Po této době studenti absolvovali post-test
a vyplnili dotazník pro evaluaci.
6.2.4 Způsob zpracování dat
Měření během experimentu a vyhodnocení získaných dat byla založena na
kvantitativním metodologickém přístupu s využitím následujícího postupu:
1. uspořádání získaných dat a sestavení tabulek,
2. grafické metody zobrazení dat (sloupcové grafy, kvartilové grafy),
40
3. neparametrický test Manna a Whitneyho pro velmi malé výběry
pro všechny otázky a párový t-test na střední hodnotu pro
opakovaná měření.
Při vyhodnocování výsledků experimentu jsem vycházela z formulovaných
otázek a hypotéz. Statistickou významnost ve zmíněných případech jsem
prověřovala pomocí testu Manna a Whitneyho pro velmi malé výběry a
párového t-testu na hladině významnosti α = 0,05. Všechna data byla
zpracována a výpočty byly realizovány v programu MS Excel.
Závěr vyhodnocení
Všechna porovnání, kromě porovnání výsledků pre-testu mezi
experimentální a kontrolní skupinou, potvrdila statisticky významný rozdíl.
1. V úrovni znalostí tvorby SQL dotazů na začátku experimentu mezi
kontrolní a experimentální skupinou neexistuje statisticky významný
rozdíl.
2. Studenti v kontrolní skupině dosáhli průměrně 6,083 bodů a studenti
experimentální skupiny získali statisticky významný lepší výsledek v
průměru 7,92 bodů z deseti možných.
3. Oba testy, test Manna a Whitneyho i párový t-test, potvrdily statisticky
významné zlepšení studentů v experimentální skupině - dosáhli
průměrně 7,92 bodů z deseti možných v post-testu oproti 2,33 bodům
v pre-testu.
4. Oba testy, test Manna a Whitneyho i párový t-test, potvrdily statisticky
významné zlepšení studentů v kontrolní skupině - dosáhli průměrně
6,08 bodů z deseti možných v post-testu oproti 2,33 bodům v pre-
testu.
5. Potvrdila se hlavní hypotéza, která byla formulována na základě cíle
experimentu: prakticky ověřit efektivitu výuky v adaptivním e-
learningu s využitím SNT:
41
Studenti, kteří měli k dispozici SNT, vykazovali statisticky významné
zlepšení v post-testu - v průměru o 5,57 bodů, oproti studentům bez
přístupu k SNT, kteří se průměrně zlepšili o 3,75 body.
Byla potvrzena hlavní hypotéza
Studenti, kteří absolvují výuku dotazovacího jazyka SQL v e-learningu
v adaptivním LMS s využitím SNT, jsou v jeho zvládnutí úspěšnější než
studenti, kteří absolvují výuku dotazovacího jazyka v adaptivním LMS
bez přístupu do SNT.
Vzhledem k tomu, že vzorek studentů byl velmi malý, výsledky nelze
zobecňovat.
Dále studenti vyplnili dotazník, výsledky dotazníku jsou v disertační práci.
6.3 Shrnutí přínosu SNT pro autora
Pro ověření přínosu SNT pro autory adaptivních opor byl proveden
experiment, kde pro sběr dat byla použita metoda strukturovaného
interview s autory, kteří již mají vlastní zkušenost s tvorbou adaptivní
opory. Takových autorů prozatím není mnoho, proto byla zvolena forma
interview s předem připravenými otázkami s otevřenými odpověďmi.
42
Vyhodnocení otázek bylo provedeno podobně jako při vyhodnocení
dotazníku (Chráska, 2007, s. 184).
Úkolem šetření bylo odpovědět na následující výzkumné otázky
1. zda využití SNT a její vizualizace při tvorbě opory je pro autory
přínosem,
2. zda výsledná hlášení po evaluaci opory pomocí SNT autoři využijí pro
zkvalitnění opory.
Shrnutí za první otázku - reakce na použití a vizualizaci SNT byly
jednoznačně kladné, grafické zpracování SNT i barvy byly vhodně zvoleny,
graf SNT je čitelný a odpovídá představám respondentů. Respondenti
v minulosti již vytvářeli adaptivní opory, ale SNT tehdy nebyla k dispozici.
Respondenti v průběhu výzkumu nevytvářeli svoje vlastní opory, vizualizaci
SNT testovali na dříve vytvořeném testovacím předmětu Jazyk SQL -
všichni prohlásili, že by tuto síť v budoucnu určitě použili při tvorbě
vlastních opor a že přínosem je také vytvoření výkladového slovníku
pojmů.
Shrnutí za druhou otázku - respondenti se shodli, na většinu otázek
odpověděli ano, evaluace adaptivní opory pomocí SNT je a bude pro
autora přínosem.
43
7 ZÁVĚR
7.1 Výsledky práce
Na základě teoretického návrhu, datové a funkční analýzy byla SNT
implementována jako nadstavba nad adaptivním LMS včetně funkcí
pracujícími nad SNT:
automatické vytvoření SNT z autorem definovaných důležitých pojmů,
vizualizace struktury výukového textu z definovaných pojmů formou
grafu SNT jako zpětnou vazbu pro potřeby autora textu a jako podporu
pro lepší orientaci v textu učebnice pro studenty,
automatická kontrola dodržení pedagogických zásad pomocí SNT
a výpis hlášení o porušení zásad pedagogovi pro možné vylepšení
textu opory,
možnost nelineárního procházení textu opory pomocí SNT studentem i
pedagogem jako funkce doplňující standardní postup při výuce v LMS,
možnost výpisu výkladového slovníku pojmů.
V rámci experimentu byla vytvořena část adaptivní e-learningové opory -
část Jazyk SQL. Tato opora byla vložena do adaptivního LMS Barborka a
použita pro samotné testování SNT a jejích funkcí, pro testování studentů
v rámci experimentu, pro proškolení autorů a otestování funkcí SNT
autory.
Byl ověřen přínos SNT pro studenty v pedagogickém experimentu.
Studenti, kteří měli k dispozici SNT, vykazovali statisticky významné
zlepšení v post-testu v průměru o 5,57 bodů, oproti studentům bez
přístupu k SNT, kteří se průměrně zlepšili o 3,75 bodů a z dotazníku
vyplývá pozitivní přijetí možnosti využití SNT pro výuku i opakování pojmů.
V dalším experimentu byl autory adaptivních výukových opor ověřen
význam SNT a její přínos pro evaluaci předmětu.
Závěrem bych chtěla konstatovat, že cíl disertační práce byl naplněn.
44
7.2 Další rozvoj použití SNT
Touto prací možnosti využívání SNT v e-learningové výuce zdaleka nekončí.
Jednou z možností, jak rozšířit SNT, je automatické vytvoření SNT přes
všechny příbuzné předměty v adaptivním LMS. Tím dát autorům
možnost například sjednotit definice shodných pojmů nebo studentům
nahlížet, ve kterých dalších předmětech se pojem vyskytuje.
Zásady, které jsou zde v adaptivním LMS kontrolovány pomocí SNT, by
měly platit obecně v jakékoliv učebnici. Ale v textu učebnice, například
ve formátu pdf, nelze zatím obecně poznat, kde je definice pojmu.
Proto sestrojení SNT nad textovými oporami není triviální, ale bylo by
bezpochyby užitečné pro pedagogy - autory opor.
Algoritmus vyhledávání výskytů pojmů v textu opory hledá shodná
slova, slovní spojení v textu. Nalezení pojmu ve vrstvě je podmíněno
existencí shodného tvaru pojmu alespoň v jedné komponentě vrstvy.
Toto pravidlo je také popsáno v příručce pro autory. Zde se nabízí idea
využít/zabudovat do LMS generátor tvarů slov - pro vyhledávání
výskytů i podle všech možných tvarů slov.
Ve stávající implementaci SNT je vizualizována jen část sítě - všechny
definované pojmy v autorském pořadí a výskyty jen k vybranému
pojmu. Do budoucna by bylo vhodné doplnit vizualizaci grafu celé sítě
- všech definovaných pojmů a jejich výskytů.
45
8 POUŽITÁ LITERATURA
ADOBE. Adobe Connect Learning [online]. Ireland, Dublin: Adobe System
Software Ireland Ltd, 2015, duben 2015 [cit. 2015-06-09]. Dostupné z:
http://www.adobe.com/products/adobeconnect/elearning.html
BabelNet: Search, translate, learn! [online]. 2015. Roma, 09-2015 [cit.
2015-12-07]. Dostupné z: http://babelnet.org/
BAREŠOVÁ, Andrea. 2003. E-Learning ve vzdělávání dospělých. Vyd. 1.
Praha: VOX. 167 s. ISBN 80-863-2427-3.
BÍLEK, Martin, Petra POULOVÁ a Ivana ŠIMONOVÁ. 2009. E-learning a
multimédia jako předmět výzkumných šetření - stručný exkurz do
metodologie. In: CHROMÝ, Jan a René DRTINA. Média a vzdělávání 2009.
Vydání první. Praha 8: Media4u Magazine, s. 15-20, 122 s. ISSN
1214−9187. Dostupné také z:
http://www.media4u.cz/sbornikmeavz2009.pdf
BLACKBOARD INC. Blackboard [online]. United Kingdom, London:
Blackboard Inc., 2015 [cit. 2015-06-09]. Dostupné z:
http://www.blackboard.com
CISCO SYSTEMS, INC. 2015. Cisco [online]. San Jose, CA 95134 USA: Cisco
Systems, Inc., [cit. 2015-06-03]. Dostupné z: http://www.cisco.com/
COLLINS, Allan M. a M. Ross QUILLIAN. 1969. Retrieval time from semantic
memory. Journal of Verbal Learning and Verbal Behavior. Volume 8, Issue
2, April 1969, Pages 240-247. ISSN 0022-5371, 10.1016/S0022-
5371(69)80069-1. Dostupné z:
http://www.sciencedirect.com/science/article/pii/S0022537169800691
ČÁP, Jan a Jiří MAREŠ. 2007. Psychologie pro učitele. Vyd. 2. Praha: Portál,
655 s. ISBN 978-807-3672-737.
ČESKÉ DRÁHY, A.S. Dopravní vzdělávací institut a.s. [online]. Praha: ©
Dopravní vzdělávací institut a.s., 2006 [cit. 2015-06-03]. Dostupné z:
http://www.dvi.cz/e-learning/
46
DIESTEL, Reinhard. 2010. Graph theory. 4th ed. New York: Springer, xviii,
436 p. Graduate texts in mathematics, 173. ISBN 9783642142796.
DOSTÁL, Jiří. 2009. Multimediální, hypertextové a hypermediální učební
pomůcky - trend soudobého vzdělávání. Časopis pro technickou a
informační výchovu [online]. Olomouc: Vydala Univerzita Palackého, 1(2):
s. 18 - 23. [cit. 2016-01-05]. ISSN 1803-537X (print), 1803-6805 (on-line).
Dostupné z: http://www.jtie.upol.cz/artkey/jti-200902-
0003_MULTIMEDIALNI_HYPERTEXTOVE_A_HYPERMEDIALNI_UCEBNI_PO
MUCKY_-_TREND_SOUDOBEHO_VZDELAVANI.php
DRÁPELA, Radek. 2013. Systém řízení výuky adaptované podle učebního
stylu studenta. Ostrava. Diplomová práce. Vysoká škola báňská - Technická
univerzita Ostrava, Fakulta elektrotechniky a informatiky, katedra
informatiky.
ĎURIČ, Ladislav a Jozef ŠTEFANOVIČ. 1977. Psychológia pre učiteľov:
vysokoškolská učebnica pre vysoké školy na Slovensku. 2. nezm. vyd.
Bratislava: Slovenské pedagogické nakladateľstvo, 592 s.
E-learningové prvky pro podporu výuky odborných a technických
předmětů [online]. 2006. Ostrava, 3. 7. 2006 [cit. 2016-01-03]. Dostupné z:
http://www.elearn.vsb.cz/
FILOVÁ, Hana, Josef MAŇÁK, Jiří STRACH, Oldřich ŠIMONÍK, Jan ŠŤÁVA a
Vlastimil ŠVEC. 1996. Vybrané kapitoly z obecné didaktiky. 1. vyd. Brno:
Masarykova univerzita, 95 s. ISBN 8021013087.
FRONTER. Fronter: A Simpler Learning Platform [online]. Norway, Oslo:
Fronter International, 2015, 6. 5. 2015 [cit. 2015-06-09]. Dostupné z:
https://eng.fronter.com/blog/from-general-manager-nils-sundsteigen/a-
simpler-learning-platform/
GAGNÉ, R. M. 1975. Podmínky učení. Praha: SPN, 1975. 287s.
Gephi: makes graphs handy [online]. 2015. Paříž: The Gephi Consortium,
2015-12-15 [cit. 2015-12-15]. Dostupné z: https://gephi.org/
47
GOPAS. 2013. GOPAS: elearning [online]. Praha: GOPAS, [cit. 2015-06-03].
Dostupné z: http://elearning.gopas.eu/hlavni-stranka.aspx
HERNANDEZ, Michael J.. 2006. Návrh databází. První vydání. Praha: Grada,
408 s. Profesionál. ISBN 80-247-0900-7.
HOLLEY, Charles D a Donald F DANSEREAU. 1984. Spatial learning
strategies: techniques, applications, and related issues. Orlando: Academic
Press, xvii, 328 p. ISBN 0123526205.
HORKÝ, Emil. 2014. Autonomní učení cizích jazyků v e-learningu. Ostrava.
Disertační práce. OSTRAVSKÁ UNIVERZITA V OSTRAVĚ. Vedoucí práce Doc.
RNDr. Jana Šarmanová, CSc.
HÖFLEROVÁ, Eva. 2011. Elektronický učební text: učební text. Vydání
první. [online] VŠB - Technická univerzita Ostrava. 52 s. ISBN 978-80-248-
2472-7. Dostupné z:
http://www.person.vsb.cz/archivcd/OSU/EUT/Elektronicky%20ucebni%20
text.pdf
CHRÁSKA, Miroslav. 2007. Metody pedagogického výzkumu: základy
kvantitativního výzkumu. Vyd. 1. Praha: Grada, 265 s. Pedagogika (Grada).
ISBN 978-80-247-1369-4.
IBM Notes: Messaging and collaboration. IBM: Industries & solutions
[online]. New York, USA: International Business Machines Corp. [cit. 2015-
06-04]. Dostupné z: http://www-
01.ibm.com/software/lotus/category/messaging/index.html
ITunes U: Bring your classroom together on iPad. 2015. Apple: Start
something new [online]. Apple Inc., 17. 12. 2015 [cit. 2016-01-04].
Dostupné z: http://www.apple.com/education/ipad/itunes-u/
JEŘÁBEK, Ondřej a Martin BÍLEK. 2010. Teorie a praxe tvorby didaktických
testů. První vydání. Olomouc: Univerzita Palackého v Olomouci, 91 s. ISBN
978-80-244-2494-1.
JŮVA, Vladimír a Vladimír JŮVA. 1995. Úvod do pedagogiky. 2. rozš. vyd.
Brno: Paido, 95 s. ISBN 80-85931-06-0.
48
KAPOUNOVÁ, Jana a Jiří PAVLÍČEK. 2003. Počítače ve výuce a učení.
Ostrava. Ostravská univerzita. Pedagogická fakulta. 118 s. ISBN 80-7042-
265-3.
KOMENSKÝ, Jan Amos. 1948. Didaktika velká. Vyd. 3. Editor Josef
Hendrich. Překlad Augustin Krejčí. Brno: Komenium, 252 s. Pedagogické
klasobraní, sv. 2.
KOPECKÝ, Kamil. 2006. E-learning (nejen) pro pedagogy. 1. vyd. Olomouc:
Hannex, 125 s. ISBN 8085783509.
KOSTOLÁNYOVÁ, Kateřina, ŠARMANOVÁ, Jana a TAKÁCS, Ondřej. 2011.
Classification of learning styles for adaptive education. New educational
review. Vol. 23, issue 1, p. 199-212. ISSN 1732-6729.
KOSTOLÁNYOVÁ, Kateřina, & Ostravská univerzita. 2012. Teorie
adaptivního e-learningu. Vyd. 1. Ostrava: Ostravská univerzita v Ostravě.
ISBN 978-80-7464-014-8.
KUČERA, Radek, & daughter. ABZ Slovník cizích slov [online]. [cit. 2012-01-
05]. Dostupné z: http://slovnik-cizich-
slov.abz.cz/web.php/slovo/semanticka-sit
KULIČ, Václav. 1992. Psychologie řízeného učení. Vyd. 1. Praha: Academia,
187 s. ISBN 8020004475.
KULÍKOVÁ, Markéta. 2010. E-learning. [online]. [cit. 2012-01-05] Dostupné
z: http://kisk.phil.muni.cz/wiki/E-learning
Lexipedia beta: – Where words have meaning [online]. 2012. Ewing, New
Jersey: Vantage Linguistics, 2015 [cit. 2015-11-23]. Dostupné z:
http:/www.lexipedia.com
LUCKE, Ulrike and Alke MARTENS. 2010. Utilization of Semantic Networks
for Education: On the Enhancement of Existing Learning Objects with
Topic Maps in <ML>³. In Eds. Fähnrich, Klaus-Peter and Bogdan Franczyk.
Informatik 2010: Service Science - Neue Perspektiven für die Informatik,
Beiträge der 40. Jahrestagung der Gesellschaft für Informatik e.V. (GI),
49
Band 2, 27.09. - 1.10.2010, Leipzig. LNI 176, GI 2010, ISBN 978-3-88579-
270-3.
LUKASOVÁ, Alena, HABIBALLA, Hashim, TELNAROVÁ, Zdeňka a Marek
VAJGL. 2010. Formální reprezentace znalostí. Vyd. 1. Ostrava: Ostravská
univerzita, 345 s. Universum (Ostravská univerzita), 13. ISBN 978-80-7368-
900-1.
MALACH, Josef. 2003. Základy didaktiky. Ostrava: Ostravská univerzita v
Ostravě. ISBN 80-7042-266-1.
MARTIN, Philippe A. 2008. Semantic Networks to Support Learning. In:
EKLUND, Peter a Ollivier HAEMMERLÉ. Supplementary proceedings of ICCS
2008: 16th International Conference on Conceptual Structures (ICCS'08)
[online]. Toulouse, France, 11-Jun-2008, s. pp. 115-130 [cit. 2015-01-02].
ISSN 1613-0073. Dostupné z:
http://webkb.org/doc/papers/iccs08/iccs08s.pdf
MIT OPEN COURSEWARE. 2012. [online]. Massachusetts Institute of
Technology. [cit. 2012-01-05]. Dostupné z: http://ocw.mit.edu/index.htm
MOODLE. 2012. Moodle: the world's open source learning platform
[online]. Western Australia, West Perth: Moodle Pty Ltd, [cit. 2015-06-09].
Dostupné z: http://moodle.com/
Moodle Docs: Hlavní strana [online]. 2006. MediaWiki, 20. 12. 2010 [cit.
2016-01-03]. Dostupné z:
http://docs.moodle.org/archive/cs/Hlavn%C3%AD_strana
NELEŠOVSKÁ, Alena a Hana SPÁČILOVÁ. 2000. Didaktika III. 1. vyd.
Olomouc: Univerzita Palackého v Olomouci. 39 s. ISBN 80-7067-795-3.
PARAMYTHIS Alexandros and Susanne LOIDL-REISINGER. 2003. Adaptive
Learning Environments and eLearning Standards. In R. Williams (Ed.),
Proceedings of the 2nd European Conference on e-Learning (ECEL),
Glasgow, Scotland, 6-7 November (pp. 369-379). Academic Conferences
International Reading. ISBN 0-9544577-4-9.
50
PAVLÍČEK, Jiří. 2003. E-learning v podnikovém vzdělávání. Ostrava:
Ostravská univerzita v Ostravě. ISBN 80-7042-920-8.
PAVLÍČEK, Jiří. 2003a. Technologie pro e-tutory. Vyd. 1. Ostrava: Ostravská
univerzita, 66 s. Systém celoživotního vzdělávání Moravskoslezska. ISBN
8070429224.
Personalizace výuky prostřednictvím e-learningu [online]. 2009. Ostrava:
VŠB TU Ostrava, 30. 4. 2012 [cit. 2016-01-03]. Dostupné z:
http://www.person.vsb.cz/cz/index.php
PhpMyAdmin: Bringing MySQL to the web [online]. 2015. 25. 12. 2015 [cit.
2015-12-29]. Dostupné z: https://www.phpmyadmin.net/
PLHÁKOVÁ, Alena. 2004. Učebnice obecné psychologie. Vyd. 1. Praha:
Academia, 472 s. ISBN 8020010866.
PREXTOVÁ, Tatiana. 2014. Zvyšovanie úrovne vedomosti žiakov pomocou
adaptívnych testov. Dizertační práce. Ostravská univerzita. Ostrava.
PRŮCHA, Jan. 2000. Přehled pedagogiky. Praha: Portál, s. 108-109. ISBN
80-7178-399-4.
PRŮCHA, Jan, Jiří MAREŠ a Eliška WALTEROVÁ. 2003. Pedagogický slovník.
4. aktualiz. vyd. Praha: Portál, 322 s. ISBN 80-717-8772-8.
PRINCETON UNIVERSITY. 2010. About WordNet [online]. WordNet.
Princeton University. [cit. 2012-01-06]. Dostupné z:
http://wordnet.princeton.edu
QUILLIAN, Ross. 1963. A notation for representing conceptual information:
An application to semantics and mechanical English para-phrasing. SP-
1395, System Development Corporation, Santa Monica.
RICHENS, Richard H. 1956. General program for mechanical translation
between any two languages via an algebraic interlingua. Cambridge
Language Research Unit. Mechanical Translation, November 1956; p. 37.
51
ROHLÍKOVÁ, Lucie a Jana VEJVODOVÁ. 2012. Vyučovací metody na vysoké
škole: praktický průvodce výukou v prezenční i distanční formě studia. 1.
vyd. Praha: Grada, 281 s. ISBN 978-80-247-4152-9.
Sigmajs [online]. 2012. Nantes (France), 2014-12-28 [cit. 2015-12-15].
Dostupné z: http://sigmajs.org
SIMMONS, Robert F. 1963. Synthetic language behavior. Data Processing
Management 5 (12): 11-18.
SLAVÍK, Milan. 2012. Vysokoškolská pedagogika. Vyd. 1. Praha: Grada,
2012, 253 s. Pedagogika (Grada). ISBN 978-80-247-4054-6.
SOWA, John F. 1992. Semantic networks. In: Encyclopedia of Artificial
Intelligence. Ed. SHAPIRO, Stuart, C. Wiley, New York, 1987; revised and
extended for the second edition. Dostupné z:
http://www.jfsowa.com/pubs/semnet.htm
ŠARMANOVÁ, Jana. 2007. Teorie zpracování dat: učební text. Vydání
druhé, přepracované. [online] VŠB - Technická univerzita Ostrava. 169 s.
ISBN 978-80-248-1498-8. Dostupné z:
http://www.elearn.vsb.cz/archivcd/FEI/TZD/TZD.pdf
ŠARMANOVÁ, Jana a Kateřina KOSTOLÁNYOVÁ. 2011. Tvorba adaptivních
e-learningových opor: (metodická příručka pro autory). První. Ostrava:
Ostravská univerzita Ostrava, 49 s.
TAKÁCS, Ondřej. 2014. Automatizované řízení adaptivní výuky v e-
learningu podle stylů učení studenta. Ostrava. Disertační práce. VŠB –
Technická univerzita Ostrava. Vedoucí práce Doc. RNDr. Jana Šarmanová,
CSc.
ZLÁMALOVÁ, Helena. 2003. Příručka pro tutory distančního vzdělávání. 1.
vyd. Ostrava: Vysoká škola báňská - Technická univerzita, 22 s. ISBN
8024802805.
ZLÁMALOVÁ, Helena. ed., 2008. Distanční vzdělávání a eLearning: učební
text pro distanční studium. Vyd. 1. Praha. Univerzita Jana Amose
Komenského Praha. 144 s. ISBN 978-80-86723-56-3.
52
9 PUBLIKAČNÍ AKTIVITY
ŠEPTÁKOVÁ, Emilie, 2011. Sémantická síť pojmů v e-learningu. In: NÝDL,
V., J. KOREŠ a M. ŠERÝ, editoři. Sborník konference ICTE – Junior, Č.
Budějovice 25. - 26. června 2011 [CD]. Č. Budějovice: Pedagogická fakulta
JU, 2011. ISBN 978-80-7394-323-3.
ŠEPTÁKOVÁ, Emilie, 2012. Sémantická síť pojmů v e-learningu . In: Sborník
konference DITECH´12. 11. - 12. ledna 2012 [CD]. Hradec Králové:
Přírodovědecká fakulta UHK. ISBN 978-80-7435-178-5.
ŠEPTÁKOVÁ, Emilie, 2012. Sémantická síť pojmů v e-learningu . In:
VOJÁČKOVÁ, Hana, editor. Sborník konference Tvorba e-learningových
opor na VŠ 9. - 10. února 2012 [CD]. Jihlava: Vysoká škola polytechnická,
2012. ISBN 978-80-87035-54-2.
ŠEPTÁKOVÁ, Emilie, 2012. Sémantická síť pojmů v e-learningu . In:
KOSTOLÁNYOVÁ, Kateřina a Jana KAPOUNOVÁ, Editors. Information and
Communication Technology in Education, Ph.D. students' section, 11. – 13.
9. 2012 [CD]. Rožnov pod Radhoštěm, Pedagogická fakulta Ostravská
univerzita, Ostrava. ISBN 978-80-7464-136-7.
ŠEPTÁKOVÁ, Emilie, 2013. Automatic Creation of Semantic network of
terms in Adaptive e-Learning. In: Proceedings of the12th European
conference on e-learning: ECEL. Reading, UK: Academic Conferences and
Publishing International Limited. s. 447-456. [2013-10-30]. ISBN 978-1-
909507-84-5.
ŠEPTÁKOVÁ, Emilie a Jana ŠARMANOVÁ, 2014. Evaluation of E-Learning
Support by Means of Semantic Network of Terms. In: Eds. KAPOUNOVÁ,
Jana a Kateřina KOSTOLÁNYOVÁ. Information and Communication
Technology in Education. first, 2014. Ostrava: University of Ostrava, pp.
219-227. ISBN 978-80-7464-561-7.
53
10 PROFESNÍ ŽIVOTOPIS
Ing. Emilie Šeptáková
Datum narození 9. 5. 1960, Frýdek Místek
Adresa Vodárenská 725
725 26 Ostrava - Krásné Pole
Telefon +420 606 910 188
E-mail [email protected]
Vzdělání
1966 – 1975 Základní devítiletá škola, Frýdek Místek.
1975 – 1979 Gymnázium M. Koperníka, Bílovec,
třída s matematickým zaměřením,
ukončeno maturitou.
1979 – 1984 Vysoké učení technické, Brno, Ing,
fakulta elektrotechnická, obor Elektronické počítače.
Diplomová práce - obhájeno 1984
Grafické zpracování řešení elektrického pole metodou
konečných prvků
2010 – dosud Doktorské studium - probíhá,
Ostravská univerzita, Pedagogická fakulta,
Katedra informačních a komunikačních technologií
Téma disertační práce
Sémantická síť pojmů v adaptivním e-learningu
Profesní charakteristika
Odborná a výzkumná činnost
1984–1990 Výzkumný a vývojový pracovník,
54
VÚHŽ, Dobrá, pobočka Ostrava, Ostrava - Hrabůvka
Podílela jsem se na řešení:
IS Číselníky ocelí (přijat jako zlepšovací návrh) - Cobol,
IS RVT, který byl ještě v roce 2002 využíván v hutních
podnicích - dBase III Plus,
IS Normování práce - FoxPro,
Knihovny hydraulických a elektrických značek do
AutoCADu,
Přednášela jsem v kurzech AutoCadu pořádaných domem
techniky v Ostravě - Mariánských Horách.
1990 – 1991 Odborný pracovník pro elektronizaci,
VŠB TUO, FEI, katedra elektrických strojů a přístrojů,
Ostrava - Poruba.
Program pro numerické řešení charakteristik
asynchronního motoru
1991 – 2011 Odborný asistent,
VŠB TUO, FEI, katedra informatiky, Ostrava - Poruba.
1991 – 2011 Oblasti zájmu
AutoCad - kreslení pomocí počítače
Objektově orientované programování
Databázové a informační systémy
Datové sklady, Metody dolování dat
1991 – 2011 Výuka a cvičení v předmětech
Počítačová grafika (AutoCad), Základy algoritmizace,
Objektově orientované programování (jazyk C++),
Teorie zpracování dat, Databázové a informační systémy 1
(Visual FoxPro a Oracle),
Databázové a informační systémy 3 (internetové
55
informační systémy - PHP, MySQL, XML), Elektronické
publikování (použití TEXu při vytváření odborných
technických publikací), Informační systémy a datové sklady
(MS SQL Server, BIDS), Informační systémy (pro FMMI)
Každý rok jsem vedla inženýrské, později bakalářské
a magisterské závěrečné práce, z nichž některé se již
několik let využívaly na katedře v předmětu TZD v rámci
výuky
Ostatní činnost na katedře informatiky, FEI, VŠB TUO
1991 Podílela jsem se na řešení ekonomického systému KIS VŠB
1992 Authorized Trainer, udělen statut - autorizovaný školitel fy
Autodesk pro ČSFR.
2002–2008 Vytvářela jsem a udržovala internetové stránky katedry.
2002–2004 KatIS, spoluúčast při návrhu a implementaci části
"Publikace členů katedry".
2003 Osvědčení, o úspěšném absolvování kurzu pro pracovníky
distančního vzdělávání.
Účast na projektech
2006–2008 E-learningové prvky pro podporu výuky odborných
a technických předmětů, projekt ESF Operační program
Rozvoj lidských zdrojů, vývoj a udržování webových stránek
projektu.
2009–2012 Personalizace výuky prostřednictvím e-learningu, projekt
ESF Operační program Vzdělávání pro konkurenceschopnost,
vývoj a udržování webových stránek projektu.
2013 Studentská grantová soutěž OU
