Transcript
Institut für Informationswirtschaft und Marketing Abt. Informationsdienste und elektronische Märkte Kaiserstraße 12 76131 Karlsruhe http://www.em.uni-karlsruhe.de
Bachelorarbeit „Generatoren für quantitative Übungsaufgaben“ Implementierung und Evaluierung von verteilten Aufgabengeneratoren zur Verbesserung der Lehre Eine Vielzahl von Übungs- und Klausuraufgabenstellungen quantitativer Natur sind manuell nur unter gewissem Aufwand zu erstellen. Darüber hinaus birgt das manuelle Erstellen die Gefahr von Fehlern. Aufgaben, die nach einem bestimmten Muster aufgebaut sind, lassen sich unter Eingabe bestimmter Startparameter automatisch generieren und gegen die Lösung validieren. Unter Berücksichtigung eines sinnvollen bzw. zulässigen Parameterraums lassen sich auch vollständig automatisiert Aufgaben erstellen, welche z.B. zu Übungszwecken verwendet werden können. Generierbare Aufgabentypen sind u.A.: • (Lineare) Regressionen: zufällige Wahl der Parameter + Generierung normalverteilter Datenpunkte • • • •
um die Regressionskurve herum Bayes-Analysen Decision Trees Warenkorbanalysen (APRIORI) Zwei-Personen-Summenspiele
Generierbar, aber nur bedingt validierbar: • k-Means Clustering (nicht deterministisches Ergebnis des Verfahrens)
Aufgabenstellung
•
Stellen Sie das Generierungs-/Validierungsproblem formal dar (d.h. so, dass von einem konkreten
•
Aufgabentyp abstrahiert wird) Modellieren Sie basierend darauf eine generische Umgebung, welche die Implementierung nahezu
•
beliebiger Aufgabentypen erlaubt. Implementieren Sie die Umgebung mittels Python und Django (https://www.djangoproject.com/) auf
•
der Lehrstuhlinfrastruktur. Implementieren Sie einen Generator/Validator für einen Aufgabentyp (nach Absprache mit dem
•
Betreuer) wie er am Lehrstuhl vorkommen kann. Auch Negativbeispiele sollen generierbar sein (Bsp. lin. Regr.: Daten ohne linearen Zusammenhang) Beschreiben Sie die theoretischen Grundlagen Ihrer Arbeit und geben Sie einen Überblick über verwandte Ansätze.
Schlagworte eLearning, Intelligent Tutoring Systems (ITS), automatische Generierung und Validierung von Aufgaben, Web-Technologien
Literatur J. R. Carbonell, “AI in CAI: An Artificial-Intelligence Approach to Computer-Assisted Instruction,” IEEE Transactions on Man-Machine Systems, vol. 11, no. 4, pp. 190–202, Dec. 1970.
Betreuung Lehrstuhl für Informationsdienste und elektronische Märkte Prof. Dr. Andreas Geyer-Schulz Gbd. 20.20, Raum 170 M. Sc. Inform.-Wirt. Fabian Ball Gbd. 20.20, Raum 154
[email protected], 0721 / 608 48 404
