Σκοπός της διατριβής είναι η ανάλυση, η μελέτη και η μοντελοποίηση της συμπεριφοράς τόσο των ευφυών πρακτόρων όσο και των χρηστών σε εικονικά περιβάλλοντα μάθησης, με τη χρήση τεχνικών υπολογιστικής νοημοσύνης. Το θεματικό αντικείμενο της διδακτορικής διατριβής αποτελεί ένα σύγχρονο αντικείμενο βασικής έρευνας με μεγάλο εύρος πρακτικών εφαρμογών. Η βάση της ερευνητικής δραστηριότητας εστιάζεται σε δύο βασικούς τομείς: 1. Προσαρμόσιμη μοντελοποίηση συμπεριφορών ευφυών πρακτόρων σε εικονικά περιβάλλοντα μάθησης, σύμφωνα με κανόνες βελτιστοποίησης της μαθησιακής επίδρασης στο χρήστη μέσα στο εικονικό περιβάλλον μάθησης. 2. Μοντελοποίηση χρηστών εικονικών περιβαλλόντων μάθησης, με στόχο τη βελτιστοποίηση της μαθησιακής επίδρασης στο χρήστη. Για τη μοντελοποίηση, τόσο της συμπεριφοράς των ευφυών πρακτόρων, όσο και των χρηστών, χρησιμοποιήθηκαν προηγμένες τεχνικές υπολογιστικής νοημοσύνης (Bayesian Δίκτυα, Γενετικοί και Εξελικτικοί Αλγόριθμοι). Αυτές οι τεχνικές, εκτός από την ευφυΐα, ενσωματώνουν και το επιθυμητό χαρακτηριστικό της προσαρμοσιμότητας, με την έννοια ότι μπορούν να προσαρμόζονται στις αλλαγές του περιβάλλοντος. Τα παραπάνω αποτελέσματα αξιολογήθηκαν στη χρήση τους σε Ευφυή Εικονικά Συστήματα Μάθησης βασισμένα στο Web (Intelligent Virtual Learning Systems – IVLS), τα οποία αποτελούν ουσιαστικά το μέσον εξαγωγής συμπερασμάτων και υποστηρικτικού υλικού για τη μετρήσιμη συμπεριφορά τόσο των ευφυών πρακτόρων όσο και των χρηστών, μέσα σε τέτοια περιβάλλοντα. / The main objectives of the thesis are the analysis, study and the provision of a behavior modeling procedure of the intelligent agents and the students in virtual e-learning systems using computational intelligence techniques. The domain of the thesis is a topic of basic research with a large scale of applied results. The basis of the research is focused in two main sectors: 1. Adaptive behavior modeling of intelligent agents in virtual learning systems, according to specific optimization rules of the learning process during the interaction of the user/student with the e-learning environment. 2. User modeling of the users of virtual learning environments towards the optimization of the learning process. For the modeling procedure of the behavior of intelligent agents and of the users specific computational intelligence techniques have been applied (Bayesian Networks, Genetic και Evolutionary Algorithms). The specific techniques provide intelligence to the system and the most important the feature of adaptability. The aforementioned results have been evaluated on Intelligent Virtual Learning Systems, which constitute the medium for the inference of the results and the mean for supportive material for the measurable behavior of the intelligent agents and of the users in Intelligent Virtual Learning Systems.

Οι τεχνικές Υπολογιστικής Νοημοσύνης βρίσκουν σε μεγάλο βαθμό εφαρμογή σε Ηλεκτρονικά Συστήματα Μάθησης. Στην εργασία αυτή υιοθετείται η τεχνική των Bayesian δικτύων. Αναλυτικότερα υλοποιείται ένα έξυπνο σύστημα το οποίο αναλαμβάνει τη διαχείριση των ερωτηματολογίων ενός Ηλεκτρονικού Συστήματος Μάθησης. Σκοπός της των Bayesian δικτύων είναι η «έξυπνη» διαχείριση των ερωτηματολογίων. Πιο συγκεκριμένα, πραγματοποιείται γραφική απεικόνιση των ερωτηματολογίων σε Bayesian γράφημα όπου κάθε ερώτηση αντιστοιχεί σε ένα κόμβο του γραφήματος. Στο γράφημα αυτό εφαρμόζονται οι εξισώσεις του Bayes σε κάθε κόμβο του γραφήματος ώστε να υπολογιστούν οι πιθανότητες επιτυχούς απάντησης μιας ερώτησης. Στη συνέχεια οι πιθανότητες συγκρίνονται με κατώφλια τα οποία ορίζει ο διαχειριστής του συστήματος ώστε να αποφευχθούν ερωτήσεις στις οποίες ο χρήστης έχει μεγάλη πιθανότητα να απαντήσει επιτυχώς. Επίτευγμα αυτής της υλοποίησης είναι η εξοικονόμηση ερωτήσεων και χρόνου εκ μέρους του χρήστη. Το δεύτερο μέρος της εργασίας αφορά στην επέκταση του παραπάνω συστήματος χρησιμοποιώντας την αρχιτεκτονική ευφυών πρακτόρων. Βασικός σκοπός της επέκτασης αυτής είναι η δυνατότητα διαχείρισης ενός μεγάλου αριθμού χρηστών και ερωτηματολογίων από απομακρυσμένα συστήματα. / In this contribution an innovative platform is being presented that integrates intelligent agents in legacy e-learning environments. It introduces the design and development of a scalable and interoperable integration platform supporting various assessment agents for e-learning environments. The agents are implemented in order to provide intelligent assessment services to computational intelligent techniques such as Bayesian Networks and Genetic Algorithms. The utilization of new and emerging technologies like web services allows integrating the provided services to any web based legacy e-learning environment.