LingroRu
SRS

Что такое intelligent tutoring system для изучения языков

Intelligent tutoring system для языков - это не просто приложение с уроками. Такая система отслеживает знания пользователя, подбирает упражнения, даёт обратную связь и постепенно адаптирует обучение под ошибки, уровень и цели.

Почему обычного набора уроков недостаточно

Многие языковые приложения устроены как фиксированный курс.

Есть последовательность уроков.

Есть карточки.

Есть упражнения.

Есть прогресс.

Есть правильные и неправильные ответы.

Это уже полезно. Но у такого подхода есть ограничение: он часто показывает примерно один и тот же путь всем пользователям.

А реальные ученики разные.

Один хорошо читает, но плохо понимает на слух.

Другой знает много слов, но не может говорить.

Третий путает времена.

Четвёртый быстро забывает фразы.

Пятый хочет язык для путешествия.

Шестой - для работы.

Седьмой постоянно ошибается в предлогах.

Восьмой уже знает половину урока и скучает.

Фиксированный курс плохо учитывает эти различия.

Именно здесь появляется идея intelligent tutoring system - интеллектуальной обучающей системы.

Что такое intelligent tutoring system

Intelligent tutoring system, или ITS, - это система, которая пытается выполнять часть функций преподавателя.

Не просто показать следующий экран, а понять:

  • что ученик уже знает;
  • где ошибается;
  • что стало слишком лёгким;
  • что пока слишком трудное;
  • какой материал стоит повторить;
  • какое объяснение или подсказка нужна;
  • какое упражнение дать следующим.

В идеале ITS не говорит всем: "идите на урок 12". Она строит индивидуальную траекторию.

Для языков это особенно важно, потому что язык состоит из множества пересекающихся навыков: словарь, грамматика, чтение, аудирование, письмо, произношение, фразы, chunks, скорость доступа к памяти.

Что такое CALL и ICALL

CALL - computer-assisted language learning. Это широкая область: использование компьютеров и цифровых инструментов для изучения языков.

Сюда входят приложения, упражнения, электронные словари, онлайн-курсы, платформы, тренажёры, аудио, интерактивные задания.

ICALL - intelligent CALL. Это более узкое направление, где к языковому обучению добавляется "интеллектуальность":

  • NLP;
  • анализ ответов;
  • learner model;
  • adaptive feedback;
  • автоматическая генерация упражнений;
  • подбор материала;
  • отслеживание прогресса;
  • персонализация.

То есть ICALL - это не просто "языковое приложение", а приложение, которое пытается понимать учебную ситуацию.

Три модели внутри ITS

У сильной intelligent tutoring system обычно есть три ключевых слоя.

Первый - domain model.

Это модель самого учебного домена: какие слова, конструкции, грамматические темы, навыки и связи существуют в языке.

Второй - learner model.

Это модель ученика: что он знает, что забывает, где ошибается, какие темы даются легко или трудно.

Третий - instruction model.

Это логика обучения: что показать дальше, когда повторить, какую подсказку дать, когда усложнить, когда упростить.

Обычное приложение часто имеет только контент и порядок уроков. ITS должна иметь ещё и модель пользователя.

Почему learner model важнее простого прогресса

Прогресс в приложении часто выглядит просто:

урок пройден;

карточка повторена;

серия дней сохранена;

правильных ответов 80%.

Но это слабое представление знаний.

Например, пользователь мог пройти урок, но забыть половину фраз через неделю. Или отвечать правильно в тесте с вариантами, но не понимать фразы на слух. Или знать слово в одном примере, но не узнавать его в другом.

Learner model должна быть глубже.

Она может учитывать:

  • какие фразы пользователь видел;
  • когда видел;
  • как ответил;
  • как быстро ответил;
  • ошибся ли в тексте или аудио;
  • понял ли без подсказки;
  • перепутал ли похожие фразы;
  • насколько стабильно вспоминает;
  • какие темы выбирает сам;
  • какие задания пропускает.

Так система получает не просто "уровень", а карту состояния пользователя.

Почему "правильно/неправильно" слишком мало

Многие приложения дают простой feedback:

Correct

Wrong

Но для языка этого мало.

Ошибка может быть разной.

Пользователь мог:

  • забыть слово;
  • перепутать предлог;
  • не узнать фразу на слух;
  • ошибиться в форме глагола;
  • понять общий смысл, но не точный оттенок;
  • выбрать дословный перевод;
  • не понять грамматическую конструкцию;
  • сделать опечатку;
  • знать ответ, но отвечать слишком медленно.

Если система всё это сводит к "неправильно", она теряет полезную информацию.

Хороший tutor должен понимать тип ошибки и реагировать по-разному.

Как feedback превращает ошибку в обучение

Содержательная обратная связь должна помогать ученику исправиться.

Плохо:

Wrong.

Лучше:

I used to live here. - "Я раньше жил здесь."

I'm used to living here. - "Я привык жить здесь."

Если пользователь перепутал эти фразы, простая отметка "неправильно" почти бесполезна. Нужен контраст.

Другой пример:

interested in

Если пользователь пишет interested on, feedback должен показать правильную связку и, желательно, ещё один пример:

I'm interested in history.

She's interested in music.

Так ошибка становится материалом для следующей практики.

Почему адаптация должна избегать двух крайностей

Хорошая система должна держать ученика между скукой и перегрузом.

Если задания слишком лёгкие, пользователь скучает. Он нажимает ответы автоматически и не учится.

Если задания слишком трудные, пользователь раздражается. Он ошибается слишком часто и теряет мотивацию.

Адаптивная система должна искать рабочую зону:

  • не слишком легко;
  • не слишком трудно;
  • достаточно знакомого;
  • немного нового;
  • понятный feedback;
  • повторение в нужный момент.

Это особенно важно для языка, где сложность может резко прыгнуть из-за одного незнакомого слова, идиомы или грамматической формы.

Почему реальные тексты важны

Многие языковые приложения используют заранее созданные учебные фразы.

Это удобно, но ограничено.

Реальные тексты дают живой язык: стиль, связность, смысл, темы, контекст.

Например, пользователь может читать статью, историю, диалог или новость, а система превращает части текста в упражнения.

Так материал становится интереснее и ближе к реальной цели.

Но real-world material труднее контролировать. В нём могут быть редкие слова, сложная грамматика, длинные предложения, культурные отсылки.

Поэтому ITS должна уметь подбирать упражнения из реального текста осторожно: не всё подряд, а то, что подходит текущему пользователю.

Почему beyond beginner level особенно труден

Для новичков проще создать курс.

A1-фразы ограничены. Темы базовые. Задания можно заранее подготовить.

Для intermediate и advanced уровней всё сложнее.

Пользователю уже нужны:

  • реальные тексты;
  • разные темы;
  • тонкие различия;
  • грамматика в контексте;
  • стиль;
  • устойчивые выражения;
  • письменная речь;
  • профессиональная лексика;
  • работа с ошибками;
  • много разнообразия.

Сделать фиксированный набор упражнений на всё это трудно и дорого.

Поэтому для уровней выше beginner особенно важны автоматическая генерация упражнений, retrieval, learner model и adaptive feedback.

Почему cloze-задания полезны

Cloze-задание - это упражнение с пропущенным словом или формой.

Например:

I'm interested ___ history.

Пользователь должен вставить:

in

Или:

Yesterday she ___ to the store.

Ответ:

went

Такие задания полезны, потому что проверяют не только узнавание, но и использование формы в контексте.

Для языков это особенно важно: слово или грамматическая форма должны работать внутри предложения.

Но cloze-задания нужно делать аккуратно. Если возможны несколько правильных ответов, система должна это понимать или избегать двусмысленности.

Почему автоматическая генерация упражнений сложна

Если система берёт реальный текст и автоматически делает задания, появляются трудности.

Нужно выбрать, какие слова скрыть.

Нужно понять, подходит ли фрагмент уровню пользователя.

Нужно проверить, есть ли один правильный ответ.

Нужно дать подсказку.

Нужно обработать альтернативный правильный ответ.

Нужно объяснить ошибку.

Нужно решить, повторять ли эту конструкцию позже.

Это уже не просто "показать карточку". Это настоящая ICALL-задача.

Почему student model должен обновляться после каждого ответа

Каждый ответ пользователя - это данные.

Если он правильно восстановил форму, система может немного повысить уверенность: этот элемент доступен.

Если ошибся, уверенность падает.

Если ответил медленно, связь есть, но слабая.

Если ошибся в аудио, но понял текст, проблема может быть именно в listening.

Если перепутал похожие конструкции, нужно показать contrastive examples.

Так обучение становится не линейным, а реагирующим.

Как SRS связан с ITS

SRS - это один из компонентов адаптивного обучения.

Он отвечает на вопрос:

когда вернуть материал?

ITS отвечает шире:

что вернуть, зачем, в каком формате, с каким feedback и какой следующий шаг дать?

Например, пользователь ошибся во фразе:

Could you repeat that?

SRS может вернуть карточку раньше.

ITS может сделать больше:

  • дать аудио;
  • показать перевод;
  • дать похожую фразу;
  • предложить listening-задание;
  • проверить фразу в обратную сторону;
  • включить её в мини-диалог;
  • снизить сложность следующей фразы.

То есть SRS - важная часть, но не вся система.

Как retrieval связан с ITS

Retrieval помогает подобрать материал из каталога.

Пользователь хочет:

hotel phrases

Система ищет подходящие фразы.

Но ITS должна не просто найти все фразы про отель. Она должна выбрать те, которые:

  • подходят уровню;
  • не слишком длинные;
  • имеют аудио;
  • не перегружают new vocabulary;
  • связаны с целью пользователя;
  • не дублируют уже выученное;
  • полезны для следующего шага;
  • могут попасть в SRS.

Retrieval без learner model - это поиск. Retrieval с learner model - это персональное обучение.

Как generation связан с ITS

Генерация может помочь создать новые упражнения, объяснения, варианты фраз, мини-диалоги.

Но в ITS генерация должна быть контролируемой.

Нельзя просто попросить LLM:

"Сделай упражнение."

Нужно задать ограничения:

  • уровень;
  • словарь пользователя;
  • грамматическая цель;
  • длина;
  • формат;
  • допустимые ответы;
  • стиль;
  • количество нового;
  • feedback.

И потом проверить результат.

Иначе генерация может дать красивый, но плохой учебный материал.

Почему teacher-like system не должна притворяться человеком

Интеллектуальная система может выполнять часть функций преподавателя, но не должна притворяться полноценной заменой преподавателя.

Преподаватель видит мотивацию, эмоции, контекст, речь, цели, ошибки, усталость, интонации, живые реакции.

Приложение может быть сильным инструментом, но оно ограничено.

Честная роль ITS:

  • поддерживать регулярность;
  • отслеживать ошибки;
  • давать практику;
  • адаптировать упражнения;
  • возвращать материал;
  • объяснять типовые ошибки;
  • помогать учиться между живыми занятиями.

Это уже достаточно ценно.

Как это связано с Lingro.ru

Lingro.ru можно рассматривать как основу для движения в сторону intelligent tutoring system.

Сейчас ключевое ядро:

  • реальные фразы;
  • перевод;
  • озвучка;
  • интервальное повторение;
  • короткие регулярные занятия.

Следующий уровень может включать:

  • learner model по фразам;
  • анализ ошибок;
  • разные типы заданий;
  • адаптивный выбор повторений;
  • подбор фраз под цель;
  • listening-specific practice;
  • feedback по типам ошибок;
  • маршруты по темам;
  • связи между похожими фразами.

Так Lingro.ru может развиваться от "SRS с фразами" к "адаптивному языковому tutor".

Пример развития одной фразы в ITS

Фраза:

I'm not sure if I can come.

Обычное приложение показывает перевод и повторяет карточку.

Более умная система может сделать так:

1. Показать фразу с переводом.

2. Дать аудио.

3. Проверить понимание.

4. Позже дать русский смысл и попросить восстановить английскую фразу.

5. Если пользователь ошибся, показать шаблон I'm not sure if...

6. Дать похожие фразы:

I'm not sure if this is right.

I'm not sure if we should wait.

7. Включить в мини-диалог.

8. Если всё легко - увеличить интервал.

9. Если трудно - вернуть раньше и упростить.

Это уже не просто карточка. Это маленький адаптивный маршрут.

Почему система должна помнить не только успехи, но и ошибки

Многие приложения любят показывать достижения.

Но для обучения ошибки не менее важны.

Если пользователь постоянно ошибается в:

depend on

система должна это помнить.

Если он плохо узнаёт на слух:

What do you mean?

это тоже отдельная информация.

Если он путает:

I used to...

I'm used to...

нужно дать contrastive practice.

Ошибка - это не плохая статистика. Это материал для персонализации.

Почему визуализация прогресса должна быть содержательной

Прогресс в процентах или streak полезен для мотивации, но мало объясняет.

Лучше показывать:

  • какие темы стали сильнее;
  • какие фразы стабильны;
  • где больше ошибок;
  • что пора повторить;
  • какие навыки проседают;
  • что улучшилось за неделю;
  • какие темы можно открыть дальше.

Для пользователя это превращает обучение из тумана в карту.

Он понимает не только "я занимаюсь", но и "что именно улучшается".

Почему ITS не должна быть слишком сложной для пользователя

Внутри система может быть сложной. Но снаружи она должна быть простой.

Пользователь не должен видеть графы знаний, вероятности, embeddings, retrieval pipeline и классификаторы.

Он должен видеть понятные действия:

  • повторить трудные фразы;
  • потренировать listening;
  • разобрать ошибки;
  • выбрать тему;
  • добавить 5 новых фраз;
  • вернуться к слабому месту;
  • пройти короткий диалог.

Хорошая система прячет сложность внутри и даёт пользователю простой следующий шаг.

Где есть ограничения

ITS для языков - сложная задача.

Язык не похож на математику, где часто есть один точный ответ. В языке много вариантов, синонимов, стиля, контекста, допустимых форм.

Автоматическая проверка может ошибаться.

Feedback может быть неполным.

LLM может объяснить неправильно.

Уровень пользователя трудно измерить одной меткой.

Реальные тексты могут быть слишком сложными.

Поэтому такие системы нужно строить постепенно, проверять на пользователях и не обещать невозможного.

Практические выводы

Intelligent tutoring system отличается от обычного приложения тем, что строит learner model.

Для языков особенно важны adaptive exercises, feedback и работа с реальным контекстом.

Простое "правильно/неправильно" мало помогает; лучше понимать тип ошибки.

SRS отвечает на вопрос "когда повторить", но ITS должна решать ещё "что, зачем и как повторить".

Retrieval и generation полезны, если связаны с уровнем, целью и историей пользователя.

Для Lingro.ru естественный путь развития - от фразового SRS к adaptive tutor system.

Вывод

Будущее языковых приложений - не просто в большем количестве карточек, уроков и AI-ответов.

Сильная система должна понимать ученика: что он знает, что забывает, где ошибается, какие цели выбирает и какой материал ему полезен сейчас.

Это и есть идея intelligent tutoring system: приложение становится не фиксированным курсом, а адаптивным помощником.

Для языка такой подход особенно важен. Слова, фразы, грамматика, аудио и ошибки переплетены. Поэтому хороший tutor должен не просто показывать следующий урок, а строить маршрут: выбрать фразы, дать контекст, проверить понимание, вернуть через интервалы, объяснить ошибку и постепенно усложнять.

Lingro.ru может двигаться именно в эту сторону: от качественных фраз и SRS к более умному, персональному и адаптивному изучению языка.

Двигаться к более умному изучению фраз

Lingro.ru строится вокруг коротких реальных фраз, озвучки и интервального повторения - как основы для более персонального и адаптивного изучения языка.

Перейти к Lingro.ru

Вопросы и ответы

Что такое intelligent tutoring system?

Это обучающая система, которая не просто показывает одинаковые уроки всем пользователям, а пытается оценивать знания ученика, подбирать следующие задания и давать полезную обратную связь.

Чем ITS отличается от обычного языкового приложения?

Обычное приложение часто работает как фиксированный курс. ITS строит learner model: отслеживает ошибки, сильные и слабые места, историю ответов и адаптирует дальнейшую практику.

Что такое ICALL?

ICALL - intelligent computer-assisted language learning. Это направление, где NLP, learner modeling, feedback и adaptive learning применяются к изучению языков.

Почему feedback важнее простой оценки правильно/неправильно?

Потому что ученик должен понимать, что именно пошло не так: слово, форма, предлог, грамматика, значение или произношение. Без содержательной обратной связи ошибка хуже превращается в обучение.

Как Lingro.ru может двигаться в сторону ITS?

Через learner model, анализ ошибок, адаптивный выбор фраз, персональные маршруты, умное повторение, feedback и подбор материала по целям пользователя.

Источники