Projectomschrijving

Eén van de essentiële aspecten bij het leren is feedback (Kulhavy and Wager 1993, Mory 2003, Passier and Jeuring 2004, 2006). Huidige leersystemen ontdekken vertaalfouten aan de hand van string matching algoritmes en kunnen de correctie ervan tonen, maar de verklaring voor de fout wordt nooit gegeven. Mory (2003) stelt, net zoals ons, vast dat er een frequent gebrek aan feedback is in elektronische leeromgevingen. De weinige feedback die in huidige systemen wordt gegeven, is meestal hard gecodeerd, niet erg waardevol en nagenoeg altijd beperkt tot vragen met beperkte keuzemogelijkheden (Passier and Jeuring, 2004). Nochtans is er een grote nood aan meer en betere feedback:

“An e- Learning system that produces semantically rich feedback is very desirable, because feedback is crucial in effective learning, feedback is sparse in most e-Learning systems, and the number of eLearning systems and eCourses is growing rapidly.” (Passier and Jeuring, 2004)

In deze dissertatie ontwikkelen we een automatisch en adaptief machine learning algoritme in staat om feedback te generen voor verschillende taaloefeningen. Het algoritme wordt initieel getraind met een grote hoeveelheid data, maar heeft als grote voordeel dat het zichzelf verbetert aan de hand van nieuw ingevoerde feedback. De training en test-data van ons algoritme wordt bovendien steeds gedetailleerder en correcter, omdat onze ervaren gebruikers graag zelf de data labelen.