Abstract
AMS modella l'apprendimento umano come un vettore di stato evolutivo guidato da un knowledge graph, segnali contestuali e policy adattive. Il sistema combina segnali di governance, embedding contestuali e regolazioni di tipo reinforcement.
Anatomia del sistema
- Stato del learner: vettore multidimensionale con competenze, fiducia e indicatori funzionali.
- Knowledge graph: indica contenuti, prerequisiti e provenienza.
- Motore adattivo: valuta il contesto e regola ritmo, suggerendo interazioni successive.
Prima applicazione
L'implementazione iniziale è per l'apprendimento linguistico, unendo embedding cross-lingua con contesto reale (momento della giornata, dispositivo, livello). Pianifica sessioni, monitora deviazioni e propone feedback esplicabile.