Model tracing challenges the first

Model tracing challenges the first criticism (feedback specificity). That is, the grain-size of feedback is as small as you can get (i.e., the production level) thus providing the most detailed, specific feedback possible. However, in some cases (i.e., for certain students or particular problems), this level of feedback may be too elemental, the forest is lost for the trees. Next, as mentioned above, the systems can adapt to a wide range of student conceptualizations, challenging the second (non-adaptability) criticism. The approach also demolishes the third criticism (atheoretical foundation), as it was explicitly based on Anderson's cognitive theory (ACT*). The positive features of this approach, however, are achieved at the expense of the fourth (restrictive environment) criticism. That is, the model-tracing approach is restrictive. To accomplish the necessary low-level monitoring and remediation of this approach, the learner's freedom has to be curtailed. So, learning by one's mistakes is out (which is often a powerful way to learn). A final drawback of this approach is that, while it works very well in modeling procedural skill acquisition, it does not work well for domains that are ill-structured, or that are not rule-based (e.g., Creative writing, Economics, Russian history).

19.4.2.2. More Buggy-Based Systems. During this time period, a plethora of tutors was developed based on the "buggy" library approach (see BUGGY, above). While these systems do provide very specific feedback about the nature of the learner's error (countering criticism 1, feedback specificity), the system response is dependent on the program's ability to match the student's error with that of a stored "bug." Along these same lines, as with model tracing (because only stored bugs are acknowledged), novel bugs are ignored; thus there is no way to update the buggy library or adapt to the learner's current conceptualization (criticism 2, non-adaptability). This approach is theoretically based on the notion of cognitive errors in specific procedures, impasse learning, and repair theory (VanLehn, 1990), countering criticism 3 (atheoretical foundation). Finally, these systems constrain the learner somewhat less than the model-tracing approach; thus, it is a response to criticism 4 (restrictive environment).

A good illustration of a system based on the buggy approach is PROUST (Johnson, 1986; Littman & Soloway, 1988), designed to diagnose nonsyntactic student errors in Pascal programs. The system works by locating errors in students' programs where they compute various descriptive statistics such as the minimum and maximum values, and averages. The major drawback of this system is that it is implemented off-line. In other words, the tutor has access to a final product on which to base its diagnosis of student errors--completed student programs are submitted to PROUST, which prints out the diagnosis (Johnson & Soloway, 1984).

A parallel "buggy" research project involved a system called PIXIE (Sleeman, 1987), an on-line ITS based on the Leeds Modeling System (LMS), a diagnostic model for determining sources of error in algebra problem solving due to incorrect procedural rules or "mal-rules." While some may equate mal-rules with buggy rules, they differ in a fundamental way. Sleeman created them by postulating a set of basic buggy rules from which higher order mal-rules could be generated from the structure of the knowledge base itself. Mal-rules are inferred from basic principles and bugs; they are at a level of abstraction above bugs. In fact, John Anderson makes the same point about his model-tracing procedures. Because of the complexity of his model-tracing productions, many productions fire or are used over and over again in contexts for which they were not first generated, and so they too take on a kind of abstract or general quality in his framework.

The major problem with LMS is that it only diagnoses the incorrect rules; it does not remediate.

19.4.2.3. Case-Based Reasoning. Another category of systems emerging at this time came from case-based reasoning (CBR) research (Schank, 1982; Kolodner, 1988). Proponents of this approach suggest that the goal of ITS should be to teach cases and how to index them. Given that the student, not the program, is the one doing the indexing, this system affords the learner greater freedom, and promotes a more adaptive learning environment (countering criticisms 4--restrictive environment and 2--non-adaptability, respectively). Furthermore, whereas the model-tracing tutors work poorly in ill-structured domains, CBR works well in those areas (e.g., politics, philosophy). This tradeoff, however, can result in less specific feedback to learners (criticism 1, feedback specificity).

ผลลัพธ์ (ไทย) 1:

รูปแบบการสืบค้นกลับท้าทายวิจารณ์แรก (ความจำเพาะคำติชม) นั่นคือ ขนาดเม็ดของผลป้อนกลับเป็นเล็กให้ได้รับ (เช่น ระดับการผลิต) ให้มากที่สุดรายละเอียด เฉพาะคำติชมไปได้ อย่างไรก็ตาม ในบางกรณี (เช่น สำหรับนักเรียนหรือปัญหาเฉพาะบางอย่าง), ระดับของข้อเสนอแนะนี้อาจได้ธาตุเกินไป หายไปสำหรับต้นไม้ป่า ถัดไป ดังกล่าวข้างต้น ในระบบสามารถปรับใช้กับหลากหลายของนักเรียน conceptualizations ท้าทายละห์ (ไม่ปรับ) สอง วิธีการ demolishes วิจารณ์สาม (atheoretical foundation), ยังเป็นมันอย่างชัดเจนตามทฤษฎีองค์ความรู้ของแอนเดอร์สัน (พระราชบัญญัติ *) แง่บวกของวิธีการนี้ อย่างไรก็ตาม จะได้รับค่าใช้จ่ายของการวิจารณ์ (สิ่งแวดล้อมจำกัด) สี่ นั่นคือ วิธีการสืบค้นกลับแบบเป็นจำกัด เพื่อให้บรรลุการตรวจสอบระดับความจำเป็นและด้านของวิธีการนี้ มีอิสระของผู้เรียนเพื่อจะเร่งสร้าง ดังนั้น เป็นการเรียนรู้ ด้วยความผิดพลาดของคน ๆ หนึ่งออก (ซึ่งมักจะเป็นวิธีที่มีประสิทธิภาพในการเรียนรู้) ในคืนสุดท้ายของวิธีการนี้คือ ว่า ในขณะที่มันทำงานได้ดีในทักษะขั้นตอนการซื้อ มันไม่ทำงานสำหรับโดเมนที่มีโครงสร้างไม่ดี หรือที่ไม่ได้ตามกฎ (เช่น เขียนเชิงสร้างสรรค์ เศรษฐศาสตร์ รัสเซียประวัติ)19.4.2.2 ขึ้นรถตามระบบ ในระหว่างช่วงเวลานี้ สอนมากมายได้รับการพัฒนาขึ้นในไลบรารี "รถ" วิธี (รถ โปรดดูข้างต้น) ในขณะที่ระบบเหล่านี้ให้เฉพาะเจาะจงมากข้อเสนอแนะเกี่ยวกับลักษณะของข้อผิดพลาดของผู้เรียน (การต่อต้านความจำเพาะคำติชมวิจารณ์ 1 ), การตอบสนองของระบบจะขึ้นอยู่กับความสามารถของโปรแกรมให้ตรงกับข้อผิดพลาดของนักเรียนที่มีเก็บไว้ "ข้อผิดพลาด ตามบรรทัดเหล่านี้เดียวกัน เป็นกับรูปแบบการสืบค้นกลับ (เนื่องจากเป็นที่ยอมรับข้อบกพร่องเก็บไว้เท่านั้น), บักนวนิยายจะถูกละเว้น จึง มีวิธีการปรับปรุงไลบรารีรถ หรือปรับให้เข้ากับเนยปัจจุบันของผู้เรียน (วิจารณ์ 2 ไม่ปรับตัว) วิธีการนี้ในทางทฤษฎีตามแนวคิดของข้อผิดพลาดความรู้ความเข้าใจในกระบวนการเฉพาะ คม และการเรียนรู้ ทฤษฎีการซ่อมแซม (VanLehn, 1990), ต่อต้านวิจารณ์ 3 (atheoretical foundation) ในที่สุด ระบบเหล่านี้จำกัดผู้เรียนค่อนข้างน้อยกว่าวิธีการสืบค้นกลับแบบ ดังนั้น มันเป็นการตอบสนองการวิจารณ์ 4 (สิ่งแวดล้อมจำกัด)ภาพประกอบที่ดีของระบบตามวิธีรถเป็นพรุสต์ (จอห์นสัน 1986 Littman & Soloway, 1988), ออกแบบมาเพื่อวินิจฉัยข้อผิดพลาด nonsyntactic นักเรียนในโปรแกรม Pascal ระบบการทำงาน โดยการค้นหาข้อผิดพลาดในโปรแกรมของนักเรียนที่พวกเขาคำนวณต่าง ๆ สถิติเชิงพรรณนาเช่นค่าต่ำสุด และสูงสุด และค่าเฉลี่ย อุปสรรคสำคัญของระบบนี้คือการ ที่จะดำเนินการไว้ ในคำอื่น ๆ กวดวิชามีการเข้าถึงผลิตภัณฑ์สุดท้ายที่จะใช้เป็นพื้นฐานของการวินิจฉัยผิดนัก-- นักเรียนที่เสร็จสมบูรณ์โปรแกรมจะถูกส่งไปพรุสต์ ซึ่งพิมพ์ออกวินิจฉัย (จอห์นสันและ Soloway, 1984)โครงการวิจัย "รถ" ที่ขนานเกี่ยวข้องกับระบบเรียกว่านางฟ้า (Sleeman, 1987), เป็นของออนไลน์ขึ้นบนลีดส์โมเดลระบบ (LMS), แบบวินิจฉัยการกำหนดแหล่งที่มาของข้อผิดพลาดในการแก้ปัญหาพีชคณิตเนื่องจากกฎระเบียบขั้นตอนไม่ถูกต้องหรือ "mal-กฎ" ในขณะที่บางคนอาจถือเอา mal-กฎกฎรถ พวกเขาแตกต่างในลักษณะพื้นฐาน Sleeman สร้างพวกเขา โดย postulating ชุดของกฎรถพื้นฐานที่สูงกว่าสั่ง mal-กฎอาจจะเกิดขึ้นจากโครงสร้างของฐานความรู้ของตัวเอง Mal-กฎจะสรุปจากหลักการพื้นฐานและข้อบกพร่อง ในระดับของนามธรรมเหนือข้อบกพร่องได้ ในความเป็นจริง จอห์นแอนเดอร์สันที่ทำให้จุดเดียวเกี่ยวกับขั้นตอนการติดตามรุ่นของเขา เนื่องจากความซับซ้อนของการผลิตรูปแบบการติดตามของเขา หลายผลิตไฟหรือจะใช้ซ้ำแล้วซ้ำอีกในบริบทซึ่งพวกเขาได้ครั้งแรกสร้างขึ้น และเพื่อ พวกเขาเกินไปใช้บนชนิดของนามธรรมหรือทั่วไปคุณภาพในกรอบของเขาปัญหาสำคัญของ LMS คือ ว่า มันเพียงวินิจฉัยกฎไม่ถูกต้อง มันไม่ฟื้นฟู19.4.2.3. กรณีตามเหตุผล ประเภทอื่นของระบบที่เกิดขึ้นในขณะนี้มาจากวิจัยเหตุผล (CBR) ตามกรณี (Schank, 1982 Kolodner, 1988) ผู้เสนอของวิธีการนี้แนะนำว่า ควรเป็นเป้าหมายของของการ สอนกรณีและวิธีการจัดทำดัชนี ระบบนี้แล้วผู้เรียนที่นักเรียน ไม่โปรแกรม จะทำดัชนี อิสรภาพ และส่งเสริมสภาพแวดล้อมการเรียนรู้ปรับตัวมากขึ้น (การต่อต้านวิพากษ์วิจารณ์ 4-- 2--ไม่ใช่ปรับ และสิ่งแวดล้อมที่เข้มงวดตามลำดับ) นอกจากนี้ ในขณะที่การสอนแบบสืบทำงานได้ไม่ดีในโดเมนมีโครงสร้างร้าย CBR ใช้ได้ดีในพื้นที่เหล่านั้น (เช่น การเมือง ปรัชญา) ข้อดี ข้อเสียนี้อย่างไรก็ตาม อาจทำให้ข้อเสนอแนะเฉพาะที่น้อยกว่าเรียน (วิจารณ์ 1 ความจำเพาะคำติชม)

ผลลัพธ์ (ไทย) 2:

รุ่นการติดตามท้าทายการวิจารณ์ครั้งแรก (ข้อเสนอแนะที่เฉพาะเจาะจง) นั่นคือเมล็ดข้าวขนาดของข้อเสนอแนะเป็นขนาดเล็กที่สุดเท่าที่คุณจะได้รับ (เช่นระดับการผลิต) จึงให้รายละเอียดมากที่สุดข้อเสนอแนะที่เป็นไปได้ที่เฉพาะเจาะจง อย่างไรก็ตามในบางกรณี (เช่นสำหรับนักเรียนบางอย่างหรือปัญหาที่เกิดขึ้นโดยเฉพาะอย่างยิ่ง) ระดับของความคิดเห็นนี้อาจจะเป็นธาตุเกินไปป่าหายไปสำหรับต้นไม้ ถัดไปเป็นที่กล่าวถึงข้างต้นระบบสามารถปรับให้เข้ากับความหลากหลายของนักเรียน conceptualizations ท้าทายที่สอง (ที่ไม่ใช่การปรับตัว) วิจารณ์ วิธีการนี้ยัง demolishes วิจารณ์สาม (มูลนิธิ atheoretical) เช่นมันก็ขึ้นอยู่อย่างชัดเจนในทฤษฎีองค์ความรู้ของ Anderson (ACT *) คุณสมบัติในเชิงบวกของวิธีการนี้ แต่จะประสบความสำเร็จที่ค่าใช้จ่ายของคนที่สี่ (สภาพแวดล้อมที่ จำกัด ) วิจารณ์ นั่นคือวิธีการรูปแบบการติดตามเป็นข้อ จำกัด เพื่อให้บรรลุการตรวจสอบในระดับต่ำที่จำเป็นและการฟื้นฟูของวิธีการนี้เสรีภาพของผู้เรียนจะต้องมีการตัดทอน ดังนั้นการเรียนรู้จากความผิดพลาดของคน ๆ หนึ่งจะออก (ซึ่งมักจะเป็นวิธีที่มีประสิทธิภาพในการเรียนรู้) ข้อเสียเปรียบสุดท้ายของวิธีนี้คือว่าในขณะที่การทำงานเป็นอย่างดีในการสร้างแบบจำลองการเข้าซื้อกิจการทักษะในการดำเนินการก็ไม่ได้ทำงานได้ดีสำหรับโดเมนที่ป่วยโครงสร้างหรือที่ไม่ได้ตามกฎ (เช่นการเขียนเชิงสร้างสรรค์เศรษฐศาสตร์ประวัติศาสตร์รัสเซีย ).

19.4.2.2 เพิ่มเติมระบบ Buggy-Based ในระหว่างช่วงเวลานี้มากมายเหลือเฟือของอาจารย์ผู้สอนที่ได้รับการพัฒนาขึ้นอยู่กับ "รถ" วิธีการห้องสมุด (ดู BUGGY ด้านบน) ในขณะที่ระบบเหล่านี้จะให้ข้อเสนอแนะที่เฉพาะเจาะจงมากเกี่ยวกับธรรมชาติของความผิดพลาดของผู้เรียน (โต้ตอบวิจารณ์ 1 ความคิดเห็นเฉพาะเจาะจง) การตอบสนองของระบบจะขึ้นอยู่กับความสามารถของโปรแกรมเพื่อให้ตรงกับข้อผิดพลาดของนักเรียนกับที่ของที่เก็บไว้ "ข้อผิดพลาด". พร้อมสายเดียวกันนี้เช่นเดียวกับรูปแบบการติดตาม (เพราะข้อบกพร่องที่เก็บไว้เพียง แต่จะได้รับการยอมรับ), โรคจิตนวนิยายจะถูกละเว้น; จึงมีวิธีการในการปรับปรุงห้องสมุดรถหรือปรับให้เข้ากับแนวความคิดของผู้เรียนในปัจจุบัน (2 วิจารณ์ไม่ใช่การปรับตัว) ไม่มี วิธีการนี้เป็นไปตามหลักวิชาในความคิดของข้อผิดพลาดความรู้ความเข้าใจในวิธีการเฉพาะการเรียนรู้อับจนและทฤษฎีซ่อมแซม (VanLehn, 1990) การโต้ตอบการวิจารณ์ 3 (มูลนิธิ atheoretical) สุดท้ายระบบเหล่านี้ จำกัด การเรียนค่อนข้างน้อยกว่าวิธีการรูปแบบการติดตาม; ดังนั้นจึงเป็นที่ตอบสนองต่อการวิจารณ์ 4 (สภาพแวดล้อมที่ จำกัด ) ได้.

ภาพประกอบที่ดีของระบบซึ่งเป็นไปตามแนวทางที่รถเป็น Proust (จอห์นสัน 1986; & Littman Soloway, 1988) ที่ออกแบบมาเพื่อวินิจฉัยข้อผิดพลาดของนักเรียน nonsyntactic ในโปรแกรมภาษาปาสคาล ระบบทำงานโดยการตั้งข้อผิดพลาดในโปรแกรมของนักเรียนที่พวกเขาคำนวณสถิติเชิงพรรณนาต่างๆเช่นต่ำสุดและสูงสุดค่าและค่าเฉลี่ย อุปสรรคที่สำคัญของระบบนี้ก็คือว่ามันจะดำเนินการปิดสาย ในคำอื่น ๆ ครูสอนพิเศษที่มีการเข้าถึงผลิตภัณฑ์สุดท้ายที่จะนำมาวินิจฉัยข้อผิดพลาดของนักเรียน - นักศึกษาโปรแกรมเสร็จถูกส่งไปยัง Proust ซึ่งพิมพ์ออกวินิจฉัย (Johnson & Soloway, 1984).

คู่ขนาน "รถ" การวิจัย โครงการที่เกี่ยวข้องกับระบบที่เรียกว่านางฟ้า (Sleeman, 1987) บนเส้นบนพื้นฐานของการสร้างแบบจำลองระบบลีดส์ (LMS) ซึ่งเป็นรูปแบบการวิเคราะห์สำหรับการกำหนดแหล่งที่มาของข้อผิดพลาดในการแก้ปัญหาพีชคณิตเนื่องจากกฎระเบียบขั้นตอนไม่ถูกต้องหรือ "Mal กฎ " ในขณะที่บางคนอาจถือเอา Mal กฎระเบียบว่าด้วยรถที่พวกเขาแตกต่างกันในทางพื้นฐาน Sleeman สร้างพวกเขาโดยยืนยันชุดของกฎรถขั้นพื้นฐานจากการที่สูงขึ้นเพื่อ Mal กฎอาจจะเกิดจากโครงสร้างของฐานความรู้ของตัวเองได้ Mal กฎจะอนุมานจากหลักการพื้นฐานและข้อบกพร่อง; พวกเขาจะอยู่ในระดับที่เป็นนามธรรมข้างต้นข้อบกพร่อง ในความเป็นจริงจอห์นเดอร์สันทำให้จุดเดียวกันเกี่ยวกับขั้นตอนรูปแบบการติดตามของเขา เนื่องจากความซับซ้อนของรูปแบบการติดตามของเขาโปรดักชั่นหลายโปรดักชั่นไฟไหม้หรือถูกนำมาใช้ซ้ำแล้วซ้ำอีกในบริบทที่พวกเขาไม่ได้สร้างขึ้นเป็นครั้งแรกและเพื่อให้พวกเขาก็ใช้เวลาอยู่กับชนิดของคุณภาพนามธรรมหรือทั่วไปในกรอบของเขา.

รายใหญ่ ปัญหากับ LMS คือว่ามันเพียงวินิจฉัยกฎไม่ถูกต้อง มันไม่ได้ remediate.

19.4.2.3 Case-Based เหตุผล หมวดหมู่ของระบบที่เกิดขึ้นใหม่ในเวลานี้ก็มาจากเหตุผลกรณีตาม (CBR) การวิจัย (Schank 1982; Kolodner, 1988) ผู้เสนอของวิธีการนี้ชี้ให้เห็นว่าเป้าหมายของตนควรจะสอนกรณีและวิธีการที่ดัชนีพวกเขา ระบุว่านักเรียนไม่ได้เป็นโปรแกรมที่เป็นหนึ่งในการจัดทำดัชนีทำระบบนี้กำบังเสรีภาพผู้เรียนมากขึ้นและส่งเสริมสภาพแวดล้อมการเรียนรู้การปรับตัวมากขึ้น (โต้ตอบวิพากษ์วิจารณ์ 4 - สภาพแวดล้อมที่เข้มงวดและ 2 - ที่ไม่ใช่การปรับตัวตามลำดับ) นอกจากนี้ในขณะที่อาจารย์ผู้สอนรูปแบบการติดตามการทำงานได้ไม่ดีในโดเมนป่วยโครงสร้าง CBR ทำงานได้ดีในพื้นที่เหล่านั้น (เช่นการเมืองปรัชญา) ถ่วงดุลอำนาจนี้ แต่จะส่งผลให้ข้อเสนอแนะที่เฉพาะเจาะจงน้อยที่จะเรียน (1 คำวิจารณ์และข้อเสนอแนะที่เฉพาะเจาะจง)

ผลลัพธ์ (ไทย) 3:

รูปแบบการติดตามความท้าทายการวิจารณ์ครั้งแรก ( ความคิดเห็นที่เฉพาะเจาะจง ) นั่นคือ ขนาดของเกรนความคิดเห็นเป็นขนาดเล็กคุณจะได้รับ ( เช่น การผลิตระดับ ) จึงให้รายละเอียดมากที่สุดข้อเสนอแนะที่เฉพาะเจาะจงที่สุด อย่างไรก็ตาม ในบางกรณี ( เช่นนักเรียนบางคนหรือบางปัญหาโดยเฉพาะ ) , ระดับของความคิดเห็นนี้อาจจะด้วยธาตุ ป่าหายไปกับต้นไม้ ต่อไป ตามที่กล่าวไว้ข้างต้น ระบบสามารถปรับให้เข้ากับความหลากหลายของ conceptualizations นักเรียนท้าทายที่สอง ( ไม่ปรับ ) วิจารณ์ วิธีการก็รื้อถอนวิจารณ์ 3 ( พื้นฐานการวิเคราะห์ ) , มันเป็นอย่างชัดเจนตามทฤษฎีการรับรู้พระราชบัญญัติแอนเดอร์สัน * ) บวกคุณสมบัติของวิธีการนี้ แต่ความที่ค่าใช้จ่ายของที่สี่ ( สภาพแวดล้อมที่เข้มงวด ) วิจารณ์ นั่นคือรูปแบบการติดตามวิธีการที่เข้มงวด . เพื่อให้บรรลุการตรวจสอบระดับที่จำเป็นและการฟื้นฟูของวิธีการนี้เป็นอิสระของผู้เรียนมี curtailed . ดังนั้น การเรียนรู้จากความผิดพลาดคือออก ( ซึ่งมักจะเป็นวิธีที่มีประสิทธิภาพในการเรียนรู้ ) อุปสรรค์สุดท้ายของวิธีการนี้คือในขณะที่มันทำงานได้ดีมากในการซื้อทักษะ กระบวนการ , มันไม่ทำงานได้ดีสำหรับโดเมนที่มีโครงสร้างไม่ดี หรือที่ไม่มีกฎ ( เช่น การเขียนสร้างสรรค์ เศรษฐศาสตร์ ประวัติศาสตร์ รัสเซีย )19.4.2.2 . ค่ารถกอล์ฟเพิ่มเติมจากระบบ ในระหว่างช่วงเวลานี้ มากมายเหลือเฟือของติวเตอร์ที่ถูกพัฒนาขึ้นบนพื้นฐานของ " กอล์ฟ " วิธีการห้องสมุด ( เห็นรถข้างบน ) ในขณะที่ระบบเหล่านี้ทำให้เจาะจงความคิดเห็นเกี่ยวกับธรรมชาติของข้อผิดพลาดของผู้เรียน ( countering วิจารณ์ 1 ความคิดเห็นที่เฉพาะเจาะจง ) , การตอบสนองของระบบจะขึ้นอยู่กับความสามารถของโปรแกรมให้ตรงกับความผิดพลาดของนักเรียนกับของที่เก็บไว้ " แมลง " ตามบรรทัดเหล่านี้เหมือนกัน เป็นแบบติดตาม ( เพราะเก็บแมลง ได้รับการยอมรับ ) , บักนวนิยายจะถูกละเว้น ดังนั้นไม่มีวิธีที่จะปรับปรุงรถห้องสมุด หรือปรับให้เข้ากับแนวความคิดปัจจุบันของผู้เรียน ( วิจารณ์ 2 ( ไม่ปรับ ) วิธีการนี้คือ ในทางทฤษฎี ขึ้นอยู่กับความคิดของการรับรู้ข้อผิดพลาดในขั้นตอนที่เฉพาะเจาะจงนี้ การเรียนรู้ และทฤษฎีการซ่อม ( vanlehn 1990 ) , countering วิจารณ์ 3 ( พื้นฐานในการวิเคราะห์ ) ในที่สุด ระบบเหล่านี้กำหนดผู้เรียนค่อนข้างน้อยกว่ารูปแบบติดตามเข้าไป จึงเป็นการตอบสนองต่อเสียงวิพากษ์วิจารณ์ที่ 4 ( สิ่งแวดล้อมเข้มงวด )ภาพที่ดีของระบบบนพื้นฐานของกอล์ฟ วิธีการคือ ผู้ทรงคุณวุฒิ ( จอห์นสัน , 1986 ; ลิตต์แมน & Soloway , 1988 ) , ที่ออกแบบมาเพื่อการวินิจฉัยข้อผิดพลาดของนักเรียน nonsyntactic ในโปรแกรมภาษาปาสคาล ระบบทำงานโดยการค้นหาข้อผิดพลาดในโปรแกรมของนักศึกษาที่พวกเขาคำนวณค่าสถิติต่าง ๆ เช่น ค่าต่ำสุดและสูงสุด และค่าเฉลี่ย ข้อเสียเปรียบหลักของระบบนี้คือ ว่า มัน ใช้แบบออฟไลน์ . ในคำอื่น ๆติวเตอร์สามารถเข้าถึงผลิตภัณฑ์ขั้นสุดท้ายที่ฐานการวินิจฉัยโรคของข้อผิดพลาด -- เสร็จสมบูรณ์นักเรียนนักศึกษาโปรแกรมจะส่งให้ผู้ทรงคุณวุฒิ ซึ่งพิมพ์ออกมาในการวินิจฉัย ( จอห์นสัน & Soloway , 1984 )ขนาน " Buggy " โครงการวิจัยที่เกี่ยวข้องกับระบบที่เรียกว่า Pixie ( สลีแมน , 1987 ) ออนไลน์ของ บริษัท ขึ้นอยู่กับ Leeds แบบระบบ ( LMS ) , รูปแบบการกำหนดแหล่งที่มาของข้อผิดพลาดในการแก้ไขปัญหาพีชคณิตเนื่องจากกฎระเบียบขั้นตอนไม่ถูกต้องหรือ " กฎมัล " ในขณะที่บางคนอาจถือเอากฎมัลกับกฎรถกอล์ฟ , พวกเขาแตกต่างกันในทางพื้นฐาน สลีแมนสร้างโดย postulating ชุดของกฎพื้นฐานรถที่สั่งซื้อสูงมัลกฎสามารถถูกสร้างขึ้นจากโครงสร้างของฐานความรู้ตัวเอง กฎมัลเป็นทั้งหลักการ และแมลง พวกเขาอยู่ในระดับนามธรรมข้างต้นข้อบกพร่อง ในความเป็นจริง , จอห์น แอนเดอร์สัน ทำให้จุดเดียวกันเกี่ยวกับรูปแบบการติดตามกระบวนการ เนื่องจากความซับซ้อนของโมเดลติดตามการผลิต หลายผลิตไฟหรือจะใช้ซ้ำแล้วซ้ำอีกในบริบทที่พวกเขาไม่ได้เป็นครั้งแรกที่สร้างขึ้น และดังนั้น พวกเขาก็ใช้ในชนิดของนามธรรมหรือคุณภาพทั่วไปในกรอบของเขาปัญหาหลักกับ LMS เป็นเพียงการวินิจฉัยกฎที่ไม่ถูกต้อง ; มันไม่ได้รักษา .19.4.2.3 . เหตุผลตามกรณี อีกประเภทของระบบที่เกิดขึ้นในครั้งนี้ มาจากเหตุผลที่กรณีตาม ( CBR ) วิจัย ( schank , 1982 ; kolodner , 1988 ) ผู้เสนอแนวคิดนี้ชี้ให้เห็นว่าเป้าหมายของตนควรสอนผู้ป่วยและวิธีการดัชนีพวกเขา ระบุว่านักเรียนไม่ได้โปรแกรม คือ การทำระบบนี้ให้ผู้เรียนมีอิสระมากขึ้น และส่งเสริมเพิ่มเติมการเรียนรู้สิ่งแวดล้อม ( countering วิจารณ์ 4 -- 2 -- ไม่ จำกัด สภาพแวดล้อมและการปรับตัว ตามลำดับ ) นอกจากนี้ ส่วนรูปแบบการติดตามติวเตอร์ทำงานไม่ดีป่วยโครงสร้างโดเมน CBR ทำงานได้ดีในพื้นที่เหล่านั้น ( เช่น การเมือง ปรัชญา ) ข้อเสียนี้ แต่ได้ผลเฉพาะในน้อยกว่าความคิดเห็นผู้เรียน ( บทวิจารณ์ 1 , ความคิดเห็นที่เฉพาะเจาะจง )