Συλλογική τεχνητή νοημοσύνη και προσωποποιημένες εκπαιδευτικές αλληλεπιδράσεις στην εκμάθηση νέων δεξιοτήτων

Περίληψη

Η Κοινωνική Μάθηση (Social Learning) αποτελεί μια νέα, σημαντική περιοχή έρευνας στον τομέα της Τεχνητής Νοημοσύνης (Artificial Intelligence) και συγκεκριμένα στην μελέτη των μηχανισμών μάθησης των πολυπρακτορικών συστημάτων (Multi-Agent Systems) παιχνιδιού. Επίσης, θεωρείτε ένας σημαντικός άξονας μελέτης και εφαρμογών για διάφορους επιστημονικούς τομείς, όπως η κοινωνιολογία, η οικονομία και το μάρκετινγκ. Οι κοινωνικοί οργανισμοί (Social Organizations), βασιζόμενοι στα συστήματα προσομοίωσης με πράκτορες, καθώς και η μελέτη/διερεύνηση των στρατηγικών/τεχνικών εκπαίδευσης και μάθησης των πρακτόρων, εμπνεύστηκαν από την ικανότητα των ανθρώπων να μαθαίνουν από κοινωνικά περιβάλλοντα που είναι πλούσια σε κρυφές πληροφορίες και σε αλληλεπιδράσεις μεταξύ οντοτήτων (π.χ. ανθρώπων). Αυτός ο πλούτος του περιβάλλοντος, είναι μια πηγή πολυπλοκότητας όπου ένας μαθητευόμενος πρέπει να μπορεί να πλοηγηθεί ορθά και αποτελεσματικά σύμφωνα με τον στόχο του. Η εισαγωγή της κοινωνικής δυναμικής στα πολ ...
περισσότερα

Περίληψη σε άλλη γλώσσα

Social Learning has been an exciting area in Artificial Intelligence for researching learning mechanisms for in multi-agent game playing systems, besides being a useful concept in diverse science areas, like sociology, economics and marketing. The agent-based simulation of social organizations, based on the investigation of agents’ training and learning tactics and strategies, has been inspired by the ability of humans to learn from social environments which are rich in interactions between peers and partial or hidden information. Such richness is a source of complexity that an effective learner has to be able to navigate. Introducing socially inspired dynamics in multi-agent environments is perceived as a promising approach to simulate realistic human-like playing behaviors and highlight the importance of collectively gained knowledge.In this thesis, we first investigate the performance of synthetic agents in playing and learning scenarios in a turn-based zero-sum game and we highligh ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/41990
ND
41990
Εναλλακτικός τίτλος
Collective artificial intelligence and personalized educational interactions in learning new skills
Συγγραφέας
Κιουρτ, Χαϊρή του Ταχσίν
Ημερομηνία
2017
Ίδρυμα
Ελληνικό Ανοικτό Πανεπιστήμιο (ΕΑΠ). Σχολή Θετικών Επιστημών και Τεχνολογίας. Τμήμα Πληροφορικής
Εξεταστική επιτροπή
Καλλές Δημήτριος
Βούρος Γεώργιος
Ρεφανίδης Ιωάννης
Βερύκιος Βασίλειος
Πέππας Παύλος
Χατζηλυγερούδης Ιωάννης
Παυλίδης Γεώργιος
Επιστημονικό πεδίο
Φυσικές Επιστήμες
Επιστήμη Ηλεκτρονικών Υπολογιστών και Πληροφορική
Λέξεις-κλειδιά
Πολυπρακτορικά συστήματα; Ενισχυτική μάθηση; Παιχνίδια στρατηγικής; Συνθετική συμπεριφορά παιξίματος; Κοινωνική μάθηση; Κοινωνικοί οργανισμοί
Χώρα
Ελλάδα
Γλώσσα
Αγγλικά
Άλλα στοιχεία
2, xviii, 162 σ., εικ., πιν., σχημ., γραφ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)