Onderwijs Portfolioperry/teaching/IOWO/portfolio.pdf · 2011-04-29 · Onderwijs Portfolio P.C....

Onderwijs Portfolio

P.C. Groot

10 mei 2010

Samenvatting

Dit portfolio beschrijft mijn visie op onderwijs en mijn ontwikkeling als docent in de rollen vanonderwijs uitvoerder, onderwijs ontwikkelaar en onderwijs organisator. De hoofdgedachte van mijnvisie op onderwijs is dat studenten pas grondige kennis verkrijgen als ze daadwerkelijk zelf aan de slaggaan met een onderwerp. Mijn werkwijze van doceren sluit aan bij deze gedachte en dat laat ik zien indit portfolio. Effectief leren door studenten wordt door mij gefaciliteerd door mijn studenten te voorzienvan voldoende voorbeelden, oefenmateriaal en feedback op tussentijdse geproduceerde resultaten. Of destudent de doelstellingen van een vak beheerst kan dan tenslotte getoetst worden m.b.v. een tentamenof een verslag. Tot slot vind ik dat de verantwoording over het onderwijs bij twee (of meer) docentenzou moeten liggen. Iedere docent doceert namelijk vrijwel altijd beter op een aantal aspecten en aan eenbepaalde groep van studenten. Als de verantwoording ligt bij meerdere docenten dan kunnen ze elkaaraanvullen. Het is aan te raden dat docenten meer met elkaar samenwerken door elkaar feedback te gevenop bijvoorbeeld elkaars colleges, studiewijzers en in het bijzonder altijd op elkaars tentamens.

1

1 Curriculum Vitae

PersoonsgegevensNaam: Perry GrootGeboortedatum: 6 Mei 1975Geboorteplaats: AlkmaarBurgerlijke staat: GehuwdNationaliteit: NederlandsAdres: Harpdreef 21, 4876ZV Etten-LeurTelefoonnummer: +31-6-50516932E-mail: [email protected]: http://www.cs.ru.nl/∼perry

Werk Ervaring2004-2009 Postdoc. Radboud Universiteit Nijmegen2003-2004 Postdoc. Vrije Universiteit Amsterdam1998-2003 AIO. Vrije Universiteit Amsterdam1996-1998 Student assistent. Vrije Universiteit Amsterdam

Opleiding2009 Cursus ‘Theatertechnieken in de wetenschap’2007-2008 BKO traject basiskwalificatie onderwijs1998-2003 AIO. Vrije Universiteit Amsterdam1994-1998 Wiskunde (Topologie). Vrije Universiteit Amsterdam1993-1998 Informatica (AI). Vrije Universiteit Amsterdam

Onderwijs Ervaring1

Onderwijs Uitvoeren

Hoorcolleges

• Lerende en Redenerende Systemen (2009), 6EC, Groep: 2/3I, 2/3IK, KI.B2• Robotica 2 (2008/2009), 6EC, KI.B2• Design of Multi-Agent Systems (2007/2008),6EC, KI.B2• Research & Development 2 (2005–2008), 6EC, Groep: 2IK• Nijmeegse 2-daagse (2007,2008), (voorlichting scholieren)• 4VWO dag (2005–2009), (voorlichting scholieren, 2 keer per jaar)

Werkcolleges

• Intelligente Systemen (2007/2008), 6EC, Groep: 3I, 3IK• Lerende en Redenerende Systemen (2006/2007), 6EC, Groep: 3I, 3IK• Research & Development 2 (2005–2008), 6EC, Groep: 2IK• Onderzoeksmethoden (2005/2006), 3EC• Kennissystemen (1996–1998, 2003/2004), 5EC, Groep: 1AI, 1IK, 2I, 2BWI• AI-Kaleidoscope (2003), 6EC, Groep: 1AI, 1I, 1IK• Inleiding Logica (1999–2002), 5EC, Groep: 1I, 1AI, 1IK• Logische Taal & Redeneermethoden (1999–2002), 5EC, Groep: 1I, 1AI, 1IK• Representatie & Zoeken (1996–1998)

1I = Informatica, IK = Informatiekunde, KI = Kunstmatige Intelligentie, BWI = Bedrijfswiskunde & Informatica

2

Responsiecolleges

• responsiecollege Lerende en Redenerende Systemen, 2009• responsiecollege Robotica 2, 2008/2009• responsiecollege Design of Multi-Agent Systems, 2007/2008

Individuele begeleiding

• 1 master student Informatiekunde (2006/2007) met M. Oostdijk• 1 bachelor student Informatiekunde (2006/2007)• 1 master student Informatica (2005/2006) met P. Lucas en M. Egmont-Petersen• 1 master student Informatica (2005/2006) met P. Lucas en N. Karssemeijer• 2 master studenten Informatiekunde (2005/2006) met M. Oostdijk• 1 bachelor student Informatica (2003)• 1 master student Informatica (2002), met F. van Harmelen en G. Eiben

Onderwijs Ontwikkelen

• tentamen (Lerende en Redenerende Systemen, 2009)• tentamen (Robotica 2, 2008/2009)• tentamen + hertentamens (Design of Multi-Agent Systems, 2007/2008)• Serie leertaken + uitwerkingen (Design of Multi-Agent Systems, 2007/2008; Robotica 2, 2008/2009)• Leerdoelen Robotica 2

Onderwijs Organiseren

• Evaluatie (Enquete + Team-enquete van ‘Robotica 2’, 2008/2009)• Evaluatie (Enquete + Team-enquete van ‘Design of Multi-Agent Systems’, 2007/2008)

3

2 Onderwijs VisieAl vroegtijdig ben ik in aanraking gekomen met het geven van onderwijs, omdat ik in 1996 in Amsterdamals student-assistent ben aangesteld en daardoor betrokken was bij het doceren van een aantal vakken. Ikvond het erg leuk om samen met studenten problemen te analyseren en uit te werken tijden werkcolleges.Vervolgens, heb ik tijdens mijn promotietraject verscheidene presentaties gegeven op conferenties en opcolloquia van de vakgroep en was ik betrokken bij de uitvoering en beoordeling van verscheidene practica.In mijn postdoc periode heb ik naast soortgelijke activiteiten ook gastcolleges verzorgd en ben ik betrok-ken geweest bij wervingsactiviteiten voor scholieren. In 2007 heb ik weer een stap verder gemaakt doorde verantwoording op me te nemen voor het vak ‘Design of Multi-Agent Systems’ waarvoor verscheidenecolleges en leertaken opgezet moesten worden. Hierdoor heb ik al meer dan 10 jaar ervaring opgebouwd.De meeste ervaring heb ik echter “met vallen en opstaan” opgedaan en in 2007 heb ik er daarom voor geko-zen om het BKO-traject te volgen. Door het volgen van de verschillende cursussen, het lezen van literatuuren gesprekken met mede collega’s over kwalitatief goed onderwijs heb ik me verder weten te profileren alsdocent. Dit portfolio is hiervan het bewijs en beschrijft mijn visie op onderwijs en mijn ontwikkeling alsdocent in de rollen van onderwijs uitvoerder, onderwijs ontwikkelaar en onderwijs organisator.

Mijn visie op onderwijs bestaat in wezen uit de volgende drie gedachten.

1. Studenten vergaren pas grondige kennis als ze daadwerkelijk zelf aan de slag gaan met een onder-werp.

2. Uitdagend onderwijs stimuleert de interesse van studenten om te leren en geeft meer voldoening.3. Onderwijs zou verdeeld moeten worden over twee (of meer) docenten, door bijvoorbeeld elkaar

feedback te geven op elkaars colleges, studiewijzers en in het bijzonder altijd op elkaars tentamens.

De eerste twee hiervan zijn gebaseerd op mijn ervaringen uit mijn studententijd, maar werden tevens be-vestigd tijdens het volgen van het BKO-traject. Ik zal deze gedachten hieronder in meer detail toelichten.

In mijn studententijd heb ik twee opleidingen tegelijkertijd afgerond, namelijk de opleiding Informaticaen de opleiding Wiskunde. Hoewel er wel enige overlap was in de vakken van deze opleidingen was hetechter onmogelijk om alle colleges bij te wonen doordat verschillende vakken vaak op dezelfde tijdstippengegeven werden. Het was daardoor noodzakelijk voor mij om een selectie te maken in de colleges die ikzou bijwonen. Al snel kwam ik er achter dat veel vakken goed te volgen waren door zelf de bijbehorendeliteratuur te lezen en alleen de bijbehorende werkcolleges bij te wonen. Indien het onmogelijk was om eenwerkcollege bij te wonen, dan zorgde ik er wel voor dat ik van een andere student de uitwerkingen van debesproken opgaven kon krijgen. Sindsdien heb ik altijd die strategie gevolgd, aangevuld met het vergarenvan andere bronnen (bijv. oude tentamens), om zo veel mogelijk te kunnen oefenen met de lesstof. Dat ikbeide studies succesvol heb afgerond is voor mij het bewijs dat deze aanpak succesvol is om effectief teleren. Dit geldt misschien niet voor alle studenten, maar ik ben wel van mening dat het voor veel vakkennoodzakelijk is om actief bezig te zijn met de lesstof om daadwerkelijk grondige kennis van een onderwerpte verkrijgen. De precieze invulling van ‘actief bezig zijn met de lesstof’ kan wel van student tot studentverschillen.

Als ik terugkijk op mijn studententijd en bij mijzelf na ga welke vakken ik goed vind, dan springendie vakken eruit die uitdagend waren en waar ik veel energie in gestoken heb. Voorbeelden hiervan zijn‘Oneindig Dimensionale Topologie’ en ‘Formele aspecten van de AI (FAAI)’. Bij het vak Oneindig Di-mensionale Topologie moesten we regelmatig uitgewerkte opgaven inleveren over de stof die daarvoorbehandeld was. De opgaven waren echter dusdanig moeilijk van aard dat we ze al snel in groepjes aanhet analyseren waren en probeerden op te lossen. Bij het vak FAAI kregen we een docent toegewezen dieons tijdens het vak begeleidde. We moesten (twee maal) een onderwerp selecteren, bijbehorende literatuurvergaren en hierover een samenvattend artikel schrijven. Dit artikel werd dan gelezen en beoordeeld doorde overige studenten. Tevens werd het artikel aan de rest van de groep gepresenteerd en moesten de overigestudenten feedback geven en vragen stellen, zowel tijdens de presentatie als op papier, die dan nabesprokenwerden met de begeleider. Kortom een heel intensief traject voor zowel docent als student, maar wel eenvak waar ik hele goede herinneringen aan heb overgehouden. De constatering dat docenten die meer enuitdagender werk opgeven als effectiever beoordeeld worden wordt ook door wetenschappelijke literatuurbevestigd [Cashin, 1995, Felder, 1992].

4

Tenslotte, de derde gedachte, is om de verantwoording van het onderwijs zoveel mogelijk te leggen bijtwee (of meer) docenten. Iedere docent heeft namelijk zijn eigen kwaliteiten en is daarom niet in dezelfdemate effectief voor alle doelen en voor alle studenten [McKeachie, 1997]. Als twee (of meer) docentenverantwoordelijk zijn voor hetzelfde onderwijs dan kunnen ze hun sterke kwaliteiten inzetten om elkaaraan te vullen daar waar nodig is. Met meerdere betrokken docenten wordt het bovendien makkelijker omde kwaliteit van het onderwijs te bespreken en om alternatieven aan te dragen. Ook is het mijn ervaring,dat men zich gemakkelijk kan blindstaren op iets waar langdurig aan gewerkt is, bijvoorbeeld de slides vaneen hoorcollege of een toets. Aangezien het zeer storend is voor studenten als er fouten in het onderwijsaanwezig zijn en aangezien studenten recht hebben op kwalitatief goed onderwijs is het belangrijk dat do-centen feedback geven op elkaars ontwikkelde produkten. In het bijzonder, zouden toetsen altijd gescreenedmoeten worden, omdat fouten lastig recht te zetten zijn en vrijwel altijd te laat ontdekt worden.

Uit de eerste twee punten volgt dat ik een groot voorstander ben van uitdagend onderwijs waar studentenzelf actief bezig zijn met de stof. Het is echter zeker niet eenvoudig om kwalitatief goed project/probleemgestuurd onderwijs te ontwikkelen. Vaak zijn er een aantal spanningsvelden aanwezig waar rekening meegehouden dient te worden waardoor dit bemoeilijkt wordt. Een aantal voorbeelden hiervan zijn bijvoor-beeld

1. Bij het vak dienen opdrachten gemaakt te worden die eventueel ingeleverd dienen te worden doorstudenten. Om de leerstof eigen te kunnen maken hebben studenten oefenmateriaal (inclusief ant-woorden) nodig. Echter, hierdoor kunnen antwoorden in omloop komen, met name als opdrach-ten elk jaar weinig veranderen. Elk jaar een volledig nieuwe opdracht bedenken vergt echter meerinspanning van de docent en doorbreekt mogelijk het cyclische proces van onderwijsvernieuwing[Wolfhagen et al., 2002].

2. Bij een vak wordt gebruik gemaakt van software. Als we een link willen maken met actueel weten-schappelijk onderzoek, dan zal deze software heel vaak nog in ontwikkeling zijn. Hierdoor kunnenstudenten slachtoffer worden van gebreken in de software.

3. Architecturen en/of oplossingsstrategieen die tijdens een college worden behandeld zijn dermatesimpel dat de uitvoering van een practicum weinig toevoegd aan de behandelde theorie. De vraagis wanneer we theorieen moeten gaan koppelen aan practica voor het verwerven van nieuwe vaar-digheden. Vanuit mijn eigen ervaring en signalen tijdens de BKO-cursus, blijkt dat studenten somsenkel geınteresseerd zijn in de achterliggende theoretische concepten van een onderwerp, maar nietgeınteresseerd zijn om die theoretische kennis in vaardigheden om te zetten.

Dit is zeker geen volledige opsomming van oorzaken, maar geeft wel aan dat er zeer goed nagedachtmoet worden over de invulling van het onderwijs. Al met al zijn er geen pasklare oplossingen voor hetontwerpen van ons onderwijs, maar moeten we onderwijs beschouwen als iets waar we continu aan moetenwerken. (Zo maak ik bijvoorbeeld in mijn eigen onderwijs gebruik van het inleveren van opdrachten,waarvan redelijk eenvoudig nieuwe varianten gemaakt kunnen worden. Bovendien zijn deze opdrachten ineen redelijke tijd te maken en dienen ze als opstapje voor het tentamen waarin soortgelijke vragen gesteldzullen gaan worden.)

5

3 Reflectie Verslag

3.1 Competenties als uitvoerderOver de jaren heb ik substantiele ervaring opgedaan met het uitvoeren van onderwijs (zie CV). Omdat ikhet leuk vond om problemen te analyseren en uit te werken met studenten ben ik student assistent gewordenen ben ik daardoor in mijn loopbaan al vroeg betrokken geweest bij het onderwijs. Naast mijn onderwijs-activiteiten heb ik veel vakinhoudelijke kennis opgedaan door twee studies af te ronden en te publicerenin tijdschriften en conferentie proceedings (cf. bewijsstuk #1). Door deze activiteiten ben ik nu breedinzetbaar in de voornaamste werkvormen binnen het onderwijs zoals dat gegeven word bij Informaticaen verwante opleidingen, in het bijzonder het geven van hoorcolleges, werkcolleges en/of practica, en debegeleiding van studenten.2 Hieronder zal ik mijn uitvoering van hoorcolleges en werkcolleges/practicanader toelichten.

3.1.1 Hoorcolleges

Zoals ik eerder aangaf in mijn onderwijs visie heb ik al vroeg ervaring opgedaan met presenteren doorhet geven van presentaties op conferenties en op het colloquium van de vakgroep. Bovendien heb ikdaarnaast verscheidene gastcolleges verzorgd voor het vak ‘Research & Development 2’ en ben ik geregeldbetrokken geweest bij wervingsactiviteiten voor scholieren. Sinds 2007 is mijn aandeel in het geven vanhoorcolleges aanzienlijk gestegen doordat ik verantwoordelijk werd voor het vak ‘Design of Multi-AgentSystems’. In plaats van 1 college moest ik hiervoor een serie van colleges opzetten waarvoor ik me delesstof nog eigen moest maken en moest ik aansluiting zoeken bij vakken die worden gegeven aan eenandere faculteit. Tevens moest er voldoende oefenmateriaal gemaakt worden zodat mijn studenten destof actief eigen konden maken (zie ook Sectie 3.2). Verder heb ik in 2009 vijf colleges gegeven voorhet vak Datamining wat ik tevens heb laten beoordelen door mijn coach toegewezen door IOWO (cf.bewijsstuk #4).

Bewijsstukken: Voor de vakken ‘Design of Multi-Agent Systems/Robotica 2’ en ‘Datamining’ lever ikde volgende bewijsstukken:

• Publicaties (#1)• Enquete resultaten (#12, #13)• Slides Hoorcollege Robotica 2 (#3)• Feedback Hoorcollege Datamining (#4)• Evaluatie Collega Robotica 2 (#16)

Validatie: Het vak ‘Design of Multi-Agent Systems/Robotica 2’ is geevalueerd m.b.v. een enquete (cf.bewijsstuk #12). De uitslagen van de vragen die relevant zijn voor de hoorcolleges zijn als volgt (met gem.= gemiddelde op een 5-punts Likertschaal, sd = standaard deviatie, en n = aantal respondenten (max 29)):

Nr Vraag Gem. Sd n20. Ik vind de docent Perry Groot de stof tijdens de colleges op overzichtelijke

wijze aanbiedt.2,9 0,9 19

21. Ik vind dat de docent Perry Groot in de colleges helder en eenvoudig formu-leert

3,0 0,9 19

22. Ik vind dat de docent Perry Groot zich er van vergewist of de studentenzijn/haar betoog kunnen volgen

2,9 0,9 19

23. Ik vind dat de docent Perry Groot vragen van studenten adequaat beantwoordt 3,2 0,9 19

Uit de enquete blijkt dat mijn studenten mijn hoorcolleges als voldoende te beoordelen maar dat er ruimteis voor verbetering. In 2008/2009 waren de enquete resultaten nog iets hoger (cf. bewijsstuk #14):

2Onder werkcollege versta ik het klassikaal werken aan en bespreken van opgaven. Onder practicum versta ik het in groepjeszelfstandig werken aan een probleem.

6

Nr Vraag Gem. Sd n20. Ik vind de docent Perry Groot de stof tijdens de colleges op overzichtelijke

wijze aanbiedt.3,2 1,1 9

Zelfreflectie: De klassieke invulling van een hoorcollege met daarnaast een werkcollege of practicumsluit niet goed aan bij mijn visie van effectief lesgeven. Als studenten enkel hoeven te luisteren naarhet verhaal van een docent zijn ze slechts passief met de lesstof bezig en mijn ervaring is dat er danmeestal weinig van blijft hangen. Vandaar dat ik er voor gekozen heb om beide vormen meer met elkaar teintegreren. Voor het vak ‘Design of Multi-Agent Systems’ hebben we het aantal hoorcolleges teruggebrachttot 8, waarbij de studenten tijdens de colleges kleine opdrachten moesten uitvoeren. Tevens was er naafloop een werkcollege waarin we uitsluitend (grotere) opdrachten hebben gemaakt. De integratie vanwerkcollege opdrachten met het hoorcollege is mijzelf goed bevallen. Wel heb ik gemerkt dat het voormijzelf belangrijk is om duidelijk van te voren in te plannen welke vragen ik wil stellen en hoeveel tijd ikhiervoor wil reserveren, want anders heb ik de neiging om te snel het antwoord te geven. Een ander puntvan kritiek op de invulling van de hoorcolleges is de samenhang tussen theorie en praktijk (cf. enqueteresultaten in bewijstuk #13). Hiervoor zet ik mijn vakinhoudelijke deskundigheid en onderzoeksexpertisein, door relaties te leggen tussen wetenschappelijke theorieen en de actuele praktijk. Dit blijft voor mijeen belangrijk aandachtspunt, met name omdat ik niet van nature een enthousiasmerend persoon ben, engoedgekozen verbanden met de praktijk sterk bij kunnen dragen bij het wekken van interesse bij studentenvoor een bepaald vak. Uit de feedback van een collega (zie bewijsstuk #16) en uit de feedback van IOWO opeen meer recentelijk door mij gegeven college voor datamining (zie bewijsstuk #4) waarin mijn college overhet algemeen als goed werd beoordeeld, kwam dit ook naar voren als punten voor verdere ontwikkeling.Om me hierin verder te ontwikkelen heb ik de cursus ‘theatertechnieken in de wetenschap’ gevolgd en hebdeze onlangs afgerond.

3.1.2 Werkcolleges / Practica

Al sinds 1996 ben ik betrokken geweest bij het geven van meerdere werkcolleges en practica. Als student-assistent in Amsterdam vond ik het al leuk om studenten te helpen bij het analyseren en uitwerken vanproblemen tijden werkcolleges.

Bewijsstukken: Voor het vak ‘Design of Multi-Agent Systems’ lever ik de volgende bewijsstukken:

• Enquete resultaten (#12, #13)• Enquete resultaten ‘Lerende en Redenerende Systemen 2006/2007’ (zie hieronder)• Evaluatie Collega Robotica 2 (#16)

Validatie: Het vak is geevalueerd m.b.v. een enquete (cf. bewijsstuk #12). De uitslagen van de vragendie relevant zijn voor de cursusdoelen, leertaken en toetsen zijn als volgt (met gem. = gemiddelde op een5-punts Likertschaal, sd = standaard deviatie, en n = aantal respondenten (max 29)):

Nr Vraag Gem. Sd n23. Ik vind dat de docent Perry Groot vragen van studenten adequaat beantwoord 3,2 0,9 1924. De docent Perry Groot is bereikbaar als ik hem/haar nodig heb 3,5 0,7 1925. Ik vind de docent Perry Groot bekwaam in het begeleiden van studenten 3,1 0,9 19

Uit deze enquete blijkt dat mijn studenten de practica als goed te beoordelen, maar dient men er reke-ning mee te houden dat er bij dit vak geen duidelijk onderscheid was tussen de vormen hoorcollege enwerkcollege. Bij andere vakken met een duidelijke scheiding tussen college en werkcollege werden dewerkcolleges altijd goed beoordeeld. De volgende uitspraken komen bijvoorbeeld uit de enquete van hetvak ‘Lerende en Redenerende Systemen 2006/2007’:

- Perry Groot: goed uitleggen, beter in bordgebruik (t.o.v. andere docent), te veel opgavenopgeven

- Perry Groot: behulpzaam, geeft prima uitleg

7

Bij het vak ‘Intelligente Systemen 2007/2008’ kwam dit ook naar voren. Het was duidelijk dat de studentenniet helemaal tevreden waren over de gang van zaken bij dit vak, maar bij navraag gaven ze aan dat dewerkcolleges juist wel goed gegeven werden. Mijn aandeel in dit vak beperkte zich tot het geven van dewerkcolleges.

Zelfreflectie: Omdat werkcolleges specifiek gericht zijn op het maken van opgaven sluiten ze goed aanbij mijn visie op goed onderwijs geven. Om er voor te zorgen dat studenten daadwerkelijk opgaven makenen niet bijvoorbeeld uitwerkingen van het bord copieeren kies ik in mijn werkwijze van werkcollegesbegeleiden bewust voor een activerende rol. Dit betekent dat opgaven aan studenten worden doorgespeelden dat zij geacht worden om de uitwerkingen op het bord te zetten, die ik vervolgens ofwel zelf naloopen van feedback voorzie of dat ik om een ‘peer review’ vraag van de andere studenten. Ik zorg er welvoor dat studenten voldoende oefening gehad hebben (o.a. door voorbeelden) voordat ze een opgave ophet bord moeten zetten en dat ze feedback van andere studenten kunnen vragen als ze er bijvoorbeeld zelfniet uit komen om zo onderlinge discussie te faciliteren en een veilige sfeer te creeeren. Deze aanpak blijktin de praktijk zeer gewaardeerd te worden door mijn studenten, aangezien het is voorgekomen dat eenaantal studenten al ijverig uitwerkingen op het bord aan het maken waren voordat ik de zaal had betreden.Kennelijk stimuleert deze aanpak de interesse van studenten om te leren en actief bezig te zijn met destof. Aandachtspunten zijn met name nog het duidelijk herhalen van individuele vragen voor de overigestudenten en het verifieren of gegeven antwoorden voldoende zijn of dat ze nog nader toegelicht moetenworden. Bovenstaande opmerkingen over het vak ‘Lerende en redenerende systemen’ bevatten verder nietecht punten van kritiek. De opkomst bij werkcolleges is immers niet verplicht, dus studenten kunnen zoveelopgaven maken als ze zelf willen. Aangezien een student toch de kritiek geuit heeft dat er teveel opgavengemaakt dienden te worden, moet er kennelijk beter gecommuniceerd worden wat studenten en docentenvan elkaar mogen verwachten.

3.2 Competenties als ontwikkelaarSamen met een collega heb ik in 2007/2008 het vak ‘Design of Multi-Agent Systems’ gegeven net zoalsin 2008/2009, maar dan onder de noemer ‘Robotica 2’. Dit vak bestaat uit een theorie gedeelte en eenpraktijkgedeelte. Het theorie gedeelte bestaat uit 8 colleges waarin concepten aan de orde komen diegerelateerd zijn aan multi-agent systemen. In het praktijkgedeelte krijgen groepjes van 3 of 4 studenten deopdracht een multi-agent systeem te bouwen m.b.v. Mindstorms Lego robots.

Bewijsstukken: Voor het vak ‘Design of Multi-Agent Systems’ lever ik de volgende bewijsstukken:

• Didactisch ontwerp (#2)• Leertaken (#9)• Uitwerkingen leertaken (#10)• Toetsen (#5, #6)• Antwoordschema toets (#7)• Kwaliteitscontrole toets (#8)• Enquete resultaten (#12, #13, #15)• Evaluatie Collega Robotica 2 (#16)

Validatie: Het vak is geevalueerd m.b.v. een enquete (cf. bewijsstuk #12). De uitslagen van de vragendie relevant zijn voor de cursusdoelen, leertaken en toetsen zijn als volgt (met gem. = gemiddelde op een5-punts Likertschaal, sd = standaard deviatie, en n = aantal respondenten (max 29)):

8

Nr Vraag Gem. Sd n2. Ik ben geheel op de hoogte van de leerdoelen van deze cursus 3,8 0,5 199. De onderwijsactiviteiten in deze cursus hebben mij geholpen de leerdoelen te

bereiken3,9 0,4 19

10. Ik vind dat de samenhang tussen de verschillende taken en opdrachten in dezecursus helder is

3,6 0,7 19

15. De zwaarte van de toets is precies goed 3,6 0,7 1916. De toetsing past bij de leerdoelen van de cursus 3,8 0,6 1917. De toets sluit aan bij de stof 4,2 0,5 1918. Ik vind dat de beoordelingscriteria van de toetsing duidelijk zijn 3,9 0,6 1934. De organisatie van de toets (tijd, ruimte, omstandigheden) was goed 4,3 0,7 1935. Het studiemateriaal voor de toets was op tijd bekend 4,3 0,6 19

Uit de enquete blijkt dat mijn studenten de onderdelen leerdoelen, leertaken en toetsen als (zeer) goedbeoordelen. Tevens voldoet de toetsing aan alle criteria die aangereikt zijn in de reader ‘Kwaliteits criteriatoetsing (BKO6)’ (cf. bewijsstuk #8).

De huidige opzet van dit vak sluit direct aan bij mijn in hoofdstuk 2 beschreven visie over effectief leren:Effectief leren bereik je door voldoende voorbeelden beschikbaar te stellen en studenten opgaven te latenmaken zodat ze actief bezig zijn om de stof eigen te maken. Ondanks protesten van studenten aan het beginvan het vak over de schoolse opzet, blijkt (o.a. uit de team-enquete met open vragen in bewijsstuk #13)dat deze studenten achteraf juist deze opzet enorm waardeerden. Met name omdat alle leertaken, door mij,van uitgebreide feedback werd voorzien. Hoewel dit meer inspanning vereist van zowel docent als studentgeeft dit beide partijen meer voldoening. Tevens resulteert deze wijze van doceren in een serie van stappenwaarin

1. de student actief oefent met de stof (voorbeelden + leertaken),2. de student feedback ontvangt (uitwerkingen + commentaar ingeleverd werk), en3. de student zijn activiteiten kan herhalen (tentamen),

zodat de student voldoende gefaciliteerd wordt om aan te tonen over de benodigde vaardigheden te be-schikken.

Zelfreflectie: Zoals beschreven in mijn onderwijs visie is het om goede kwaliteit te leveren in mijn ogennoodzakelijk dat toetsen gescreend worden door andere docenten. De moeilijkheidsgraad van een, doormij gemaakte, opgave inschatten bleek moeilijker dan ik aanvankelijk dacht. Hier heb ik mij enkele malenop verkeken. Door mij zelf te laten toetsen door een mede docent bleek dat het overschatten afnam. Ik hebhierdoor meer inzicht gekregen in de moeilijkheidsgraad van de opgaven die ik voor mijn studenten maak.

Het laten inleveren van leertaken heeft aanzienlijk bijgedragen tot een kwalitatief goede toets. Hierdoorkan ik een goede inschatting maken van het niveau van mijn studenten en wordt mij duidelijk waar ereventueel knelpunten zijn in de formulering van de door mij gemaakte leertaken, die de basis vormen voorde toets. Zo heb ik de formulering van verscheidene leertaken verbeterd t.o.v. de resultaten van het jaarervoor. Bijvoorbeeld in de leertaken in bewijsstuk #9 zijn er bij opgave 6.2 voorbeelden toegevoegd, is erbij opgave 7.1 extra uitleg toegevoegd over de centrale agent, is opgave 8.2 vereenvoudigd, en is opgave12.6 toegevoegd vanwege de uitdagende moeilijkheidsgraad. Aandachtspunten zijn en blijven met namede volgorde van onderdelen van een opgave (deze moeten bij voorkeur zo geformuleerd worden dat latereonderdelen onafhankelijk zijn van eerdere onderdelen3) en herhaling van de criteria die we stellen aan deuitwerkingen (het blijkt onvoldoende om dit in een keer boven de opgave te vermelden of alleen bij heteerste onderdeel). Verder heb ik gemerkt dat voor het creeeren van een serie van uitdagende leertaken entoetsvragen het verstandig is om ook veelvuldig van bestaande bronnen gebruik te maken (o.a. raadplegenvan internet en het polsen van andere docenten).

Tijdens de BKO-cursus werd ik bewust van de noodzaak om een link te leggen tussen de toetsvragen ende gestelde cursusdoelen. Hoewel ik me hiervan eerst niet bewust was bleek na toetsing dat ik dit in mijnwerkwijze al regelmatig toepaste (cf. bewijsstuk #8). De cursus is voor mij een reminder om hier bewustmee om te blijven gaan.

3Zo komt bijvoorbeeld in vraag 5 van de toets in bewijsstuk #6 onderdeel a voor b en c zodat het gegeven model in b onafhankelijkgebruikt kan worden van het gevraagde model in a.

9

3.3 Competenties als organisatorBewijsstukken: Voor het vak ‘Design of Multi-Agent Systems’ lever ik de volgende bewijsstukken:

• Enquete resultaten (#12, #13)• Evaluatie Collega Robotica 2 (#16)

Validatie: Uit de enquete resultaten blijkt dat de studenten het vak over het algemeen als goed te beoor-delen (Eindcijfer 7,4, standaard deviatie 0,8). De onderdelen die minder scoorden waren de volgende:

Nr Vraag Gem. Sd n7. Ik vind dat er in deze cursus een duidelijke koppeling is met wetenschappelijk

onderzoek3,2 1,1 19

13. De tijdsplanning van deze cursus interfereert niet met andere door mij te vol-gen studieonderdelen

2,8 1,1 19

20. Ik vind dat de docent Perry Groot de stof tijdens de colleges op overzichtelijkewijze aanbiedt

2,9 0,9 19

21. Ik vind dat de docent Perry Groot in de colleges helder en eenvoudig formu-leert

3,0 0,9 19

22. Ik vind dat de docent Perry Groot zich er van vergewist of de studentenzijn/haar betoog kunnen volgen

2,9 0,9 19

23. Ik vind dat de docent Perry Groot vragen van studenten adequaat beantwoord 3,2 0,9 19

Zelfreflectie: Een nadeel van de individuele enquete is dat de resultaten hiervan geisoleerde uitkomstenkunnen geven. Om een globaler beeld te krijgen heb ik daarom bovenop de individuele enquete een enquetegehouden die ingevuld diende te worden door groepjes van studenten [Felder, 1993]. Aangezien ik voorhet eerst verantwoordelijk was voor het vak ‘Design of Multiagent Systems’ en omdat ik me afvroeg ofde gekozen opzet, die we grondig hadden aangepast t.o.v. voorgaande jaren, in orde was, heb ik ervoorgekozen om deze aspecten na te gaan bij de studenten. Om op basis van een groepsevaluatie mogelijkeverbeteracties op te kunnen stellen heb ik gekozen voor een aantal open vragen, aangezien dit naar mijnmening vaak de beste feedback oplevert en zwakke/sterke punten kan identificeren die een docent over hethoofd kan zien. Op basis van de resultaten van deze 2 enquetes heb ik een aantal acties ondernomen omhet vak te verbeteren.

Allereerst hebben we het vak verplaatst van het voorjaar na het najaar. Omdat het vak een behoorlijktijdsintensief practicum heeft, interfereerde dit met het practicum Neurale Netwerken dat in het voorjaargegeven word. In het najaar hebben de studenten geen intensieve practica waardoor de tijdsplanning veelbeter zou moeten verlopen. Ten tweede hebben we een docent gevraagd om een gastcollege over ‘con-current programming’ te geven. Tijdens het gastcollege kunnen wetenschappelijke strategieen (criticalsections, deadlocks, starvation) worden besproken, die waarschijnlijk van pas kunnen komen tijdens hetpracticum. Tevens hebben we extra opdrachten gegeven voor het practicum zoals het uitwerken van decalibratie van sensoren en de communicatie van de robots. Deze onderdelen kunnen veel problemen geventijdens de uitvoering van het practicum en zo komen de studenten al in een vroeg stadium in aanraking metdeze problemen. De derde verbetering van het vak was een betere structurering van mijn colleges. Zo hebik een college over modale logica in twee colleges gesplitst omdat het voor studenten een lastig onderwerpbleek. Tevens heb ik de volgorde van de colleges veranderd en de colleges over modale logica vooraangeplaatst zodat studenten langer de tijd hebben om de materie te bestuderen. Omdat het tentamen vrij snelvolgt op het laatste college verhoogt dit de studeerbaarheid voor studenten. Tenslotte heb ik de website vanhet vak verbeterd door deze te structureren. De leerdoelen en de leertaken van de verschillende collegesheb ik uitgewerkt en zijn nu on-line beschikbaar zodat studenten een duidelijk beeld hebben wat er van hunverlangd wordt.

3.4 Reflectie op de onderwijsrollenIn dit verslag heb ik me voornamelijk gericht op het vak ‘Design of Multi-Agent Systems’ omdat ik indit vak alle drie rollen van uitvoerder, ontwikkelaar en organisator heb uitgevoerd. Momenteel is het vak

10

‘Design of Multi-Agent Systems’ voor de tweede keer gegeven en wordt beter beoordeeld t.o.v. het jaardaarvoor (Eerste keer eindcijfer 7,4, standaard deviatie 0,8; tweede keer eindcijfer 7,8, standaard deviatie1,0). Een aantal van de gestelde verbeteracties hebben geleid tot een duidelijke verbetering van het vak.Hieronder zal ik de verschillende onderwijsrollen beschrijven aan de hand van de competenties uit het BKOdocentprofiel.

Competentie 1: ‘het inzetten van (vak)inhoudelijke deskundigheid ten behoeve van het academischonderwijs’ blijkt direct uit mijn CV, mijn publicaties (cf. bewijsstuk #1) en de feedback op een collegedoor het IOWO (cf. bewijsstuk #4). Het blijft echter wel moeilijk om buiten de stof te treden tijdensbijvoorbeeld een college. Competentie 2: ‘het breed inzetbaar zijn in de voornaamste werkvormen in hetacademisch onderwijs’ blijkt uit de vele colleges, werkcolleges, practica, student begeleiding en responsiecolleges die ik in de loop der tijd heb gegeven (cf. CV). Met name de werkcolleges en practica worden overhet algemeen als zeer goed beoordeeld (cf. Sectie 3.1.2). De hoorcolleges kunnen echter nog verbeterdworden (cf. Sectie 3.1.1). Mijn belangrijkste leerdoel hiervoor is het enthousiast maken en motiveren vanstudenten tijdens mijn colleges. Om dit aan te pakken wil ik mezelf meer verdiepen in de MBTI [Fairhurst,1995, Lawrence, 1993] en wil ik gebruik maken van ondersteuning die gegeven wordt door de Radbouduniversiteit bij loopbaanontwikkeling. (Zij hebben me bijvoorbeeld gewezen op de mogelijkheid om decursus ‘theatertechnieken in de wetenschap’ te volgen.) Competentie 3: ‘het inrichten van doelgerichte uit-dagende leeromgevingen’ werd door de studenten als zeer goed beoordeeld (cf. Sectie 3.2). Competentie4: ‘Actief bijdragen aan de kwaliteit van het docentschap en van de eigen onderwijsorganisatie’ volgt uitmijn uitgesproken visie over de wijze waarop effectief onderwijs gegeven wordt en hoe dit als een rodedraad door mijn eigen onderwijs loopt. Tevens volgt dit uit de verbeteringen die ik heb voorgesteld enheb doorgevoerd voor het vak ‘Design of Multi-Agent Systems’ (cf. bewijsstuk #16). Tussen het eerste entweede jaar waarin het gegeven werd en bijvoorbeeld uit voorgestelde verbeteringen van onderwijs gegevenaan collega’s (e.g., verheldering van vakinhoud op het web voor het vak ‘Lerende en Redenerende Syste-men’ door de criteria van verschillende opdrachten duidelijk op te splitsen). Competentie 5: ‘het kritischreflecteren op het eigen handelen en op de eigen ontwikkeling als docent’ volgt direct uit dit portfolio, deontwikkeling die ik heb gemaakt als docent – met name de laatste paar jaar waarin ik verantwoordelijkben geweest voor alle facetten van het vak ‘Design of Multi-Agent Systems’ – en de stappen die ik hebondernomen en de geplande stappen die ik nog ga ondernemen om het onderwijs kwalitatief te verbeteren.De geplande verbeteringen zullen zich met name richten op het verbeteren van mijn hoorcolleges.

ReferentiesW.E. Cashin. Student Ratings of Teaching: The Research Revisited. IDEA paper no. 32, Center for Faculty

Evaluation & Development, Kansas State University, 1995.

A. Fairhurst. Effective Teaching, Effective Learning: Making the Personality Connection in Your Class-room. Intercultural Press, 1995.

R. Felder. What Do They Know, Anyway? Chem. Engr. Education, 26(3):134–135, 1992.

R. Felder. What Do They Know, Anyway? 2. Making Evaluations Effective. Chem. Engr. Education, 27(1):28–29, 1993.

G. Lawrence. People Types and Tiger Stripes. Center for Applications of Psychological Type, 1993.

W.J. McKeachie. Student Ratings: The Validity of Use. Am. Psychol., 52(11):1218–1225, 1997.

I. Wolfhagen, D. Dolmans, T. Bastiaens, and A. Scherpbier. Interne kwaliteitszorg in ontwikkeling. WoltersNoordhoff, 2002.

11

4 Bewijsstukken

Overzicht#1 Publicaties#2 Didactisch Ontwerp Design of Multi Agent Systems / Robotica 2#3 Slides Hoorcollege Robotica 2#4 Feedback Hoorcollege Datamining#5 Toets 16-06-2008 Design of Multi Agent Systems#6 Toets 21-11-2008 Robotica 2#7 Antwoordschema toets 21-11-2008 Robotica 2#8 Kwaliteits controle toets 21-11-2008 Robotica 2#9 Leertaken Robotica 2

#10 Uitwerkingen leertaken Robotica 2#11 Organisatie Cursus Internetpagina’s#12 Enquete Design of Multi Agent Systems#13 Team-enquete Design of Multi Agent Systems#14 Enquete Robotica 2#15 Team-enquete Robotica 2#16 Evaluatie Collega

12

Publication

sP.C

.G

root

2010

Con

ference

1.P

erryG

root,Adriana

Birlutiu,T

omH

eskes.B

ayesianM

onteC

arlofor

theG

lobalO

ptimization

ofE

xpensiveFunctions,

19thE

uropeanC

onferenceon

Artificial

Intelligence(E

CA

I),2010.

Journ

al

2.A

drianaB

irlutiu,P

erryG

root,T

omH

eskes.M

ulti-taskpreference

learn-ing

with

anapplications

tohearing-aid

personalization,N

eurocomputing,

Volum

e73,

Issues7-9,

Pages

1177-1185,2010.

2009

Con

ference

3.A

drianaB

irlutiu,P

erryG

root,and

Tom

Heskes.

Multi-T

askP

referenceL

earningw

ithG

aussianP

rocesses(E

xtendedabstract),

BN

AIC

,2009.

4.A

drianaB

irlutiu,P

erryG

root,and

Tom

Heskes.

Multi-T

askP

referenceL

earningw

ithG

aussianP

rocesses,E

SAN

N,

2009.

2008

Journ

al

5.P

erryG

root,Arjen

Hom

mersom

,Peter

Lucas,R

obbertJan

Merk,A

nnetteten

Teije,

Frankvan

Harm

elen,and

Radu

Serban.U

singM

odelC

heck-ing

forC

ritiquingbased

onC

linicalG

uidelines,A

rtificialIntelligence

inM

edicine,46(1):19–35,

2008.

Book

Chap

ter

6.A

rjenH

omm

ersom,P

erryG

root,MichaelB

alser,andP

eterL

ucas.Form

alM

ethodsfor

Verification

ofC

linicalP

racticeG

uidelines,In

Aten

Teije,

S.Miksch,and

P.J.F.L

ucas,editors,Com

puter-basedM

edicalGuidelines

andP

rotocols:A

Prim

erand

Current

Trends,

volume

139of

Studiesin

1

Health

Technology

andInform

atics,C

hapter4,

pages63-80.

IOS

Press,

2008.

7.P

erryG

root,Arjen

Hom

mersom

,andP

eterL

ucas.A

daptationofC

linicalP

racticeG

uidelines,In

Aten

Teije,

S.M

iksch,and

P.J.F.

Lucas,

editors,C

omputer-based

Medical

Guidelines

andP

rotocols:A

Prim

erand

Cur-

rentT

rends,volume

139ofStudies

inH

ealthT

echnologyand

Informatics,

Chapter

7,pages

121-139.IO

SP

ress,2008.

8.A

rjenH

omm

ersom,

Perry

Groot,

Peter

Lucas,

Mar

Marcos,

andB

egonaM

artınez-Salvador.A

Constraint-based

Approach

toM

edicalG

uidelinesand

Protocols,

InA

tenT

eije,S.

Miksch,

andP.J.F

.L

ucas,editors,

Com

puter-basedM

edicalG

uidelinesand

Protocols:

AP

rimer

andC

ur-rent

Trends,volum

e139

ofStudiesin

Health

Technology

andInform

atics,pages

213-222.IO

SP

ress,2008.

Tech

icalR

eport

9.P

erryG

root,T

omH

eskes,T

jeerdM

.H.

Dijkstra.

Nonlinear

perceptionof

hearing-impaired

peopleusing

preferencelearning

with

Gaussian

Pro-

cesses,T

echnicalR

eportIC

IS-R08018,

Radboud

University

Nijm

egen,2008.

2007

Journ

al

10.P

erryG

root,C

ristianG

ilissen,and

Michael

Egm

ont-Petersen.

Error

Probabilities

forL

ocalExtrem

ain

Gene

Expression

Data,P

atternR

ecog-nition

Letters,28(15):2133–2142,

2007.

11.A

rjenH

omm

ersom,P

erryG

root,Peter

Lucas,M

ichaelBalser,and

JonathanSchm

itt.V

erificationof

MedicalG

uidelinesusing

Background

Know

ledgein

Task

Netw

orks,IEE

ET

ransactionson

Know

ledgeand

Data

Engineer-

ing,19(6):832–846,

June2007.

12.A

rjenH

omm

ersom,P

erryG

root,Peter

Lucas,M

ichaelBalser,and

JonathanSchm

itt.C

ombining

Task

Execution

andB

ackgroundK

nowledge

forthe

Verification

ofM

edicalG

uidelines.K

nowledge-B

asedSystem

s,20(2):113-

119,2007.

Con

ference

13.P

erryG

root,Ferry

Bruijsten,

andM

artijnO

ostdijk.P

atientD

ataC

onfi-dentiality

Issuesofthe

Dutch

Electronic

Health

Care

Record,P

roceedingsof

the19th

Belgian-D

utchC

onferenceon

ArtificialIntelligence

(BN

AIC

),151-157,

2007.

#1 Publicaties

13

14.P

erryG

root,Arjen

Hom

mersom

,Peter

Lucas,R

aduSerban,A

nnetteten

Teije,and

Frankvan

Harm

elen.T

heR

oleofM

odelChecking

inC

ritiquingbased

onC

linicalGuidelines.

InR

.Bellazzi,A

.Abu-H

anna,andJ.H

unter(editors),

11thC

onferenceon

Artificial

Intelligencein

Medicine,

number

4595in

LN

AI,

pages411–420,

Springer-Verlag

Berlin

Heidelberg,

2007.

15.P

erryG

root,Arjen

Hom

mersom

,Peter

Lucas,M

ichaelBalser,and

JonathanSchm

itt.E

xperiencesin

Quality

Checking

Medical

Guidelines

usingFor-

mal

Methods,

VV

SS,164-178,

2007.

16.M

auriceSam

ulski,N

icoK

arssemeijer,

Peter

Lucas,

andP

erryG

root.C

lassificationof

mam

mographic

masses

usingsupport

vectorm

achinesand

Bayesian

networks.

InN

.Karssem

eijerand

M.L

.Giger,editors,P

ro-ceedings

ofSP

IEM

edicalIm

aging.SP

IEO

pticalSociety,

2007.

2006

Con

ference

17.A

rjenH

omm

ersom,P

erryG

root,Peter

Lucas,M

ichaelBalser,and

JonathanSchm

itt.C

ombining

Task

Execution

andB

ackgroundK

nowledge

forthe

Verification

ofM

edicalG

uidelines.In

M.

Bram

er,F

.C

oenen,and

A.

Tuson,eds,P

roceedingsof

AI-2006,

the26th

SGA

IInternationalC

onfer-ence

onInnovative

Techniques

andA

pplicationsof

Artificial

Intelligence,num

berX

XIII

inR

esearchand

Developm

entin

IntelligentSystem

s,pages3-16,

Springer,2006.

18.C

ristianG

ilissen,Perry

Groot,P

eterL

ucas,JorisV

eltman,A

dG

eurtsvan

Kessel,and

MichaelE

gmont-P

etersenP

redictionof

protein-to-proteinin-

teractions.In

InternationalConference

onA

dvancesin

Microarray

Tech-

nology(A

MT

2006),2006.

19.A

rjenH

omm

ersom,

Perry

Groot,

andP

eterL

ucas.C

heckingG

uidelineC

onformance

ofM

edicalP

rotocolsusing

Modular

Model

Checking.

InP

roceedingsof

the18th

Belgium

-Netherlands

Conference

onA

rtificialIn-

telligence(B

NA

IC’06),

pages173–180,

2006.

20.A

rjenH

omm

ersom,

Perry

Groot,

Peter

Lucas,

Mar

Marcos,

andB

eg-ona

Martinez-Salvador.

AC

onstraint-basedA

pproachto

Medical

Guide-

linesand

Protocols.

InE

CA

I2006

Workshop

–A

Itechniques

inhealth-

care:evidencebased

guidelinesand

protocols,pages

25-30,2006.

21.A

rjenH

omm

ersom,P

erryG

root,Peter

Lucas,M

ichaelBalser,and

JonathanSchm

itt.V

erificationof

Medical

Guidelines

usingT

askE

xecutionw

ithB

ackgroundK

nowledge.

In4th

Prestigous

Applications

ofIntelligent

Sys-tem

s(PA

IS2006),

pages835-836,

2006.

2005

Journ

al

22.P

erryG

root,Annette

tenT

eije,andFrank

vanH

armelen.

AQ

uantitativeA

nalysisof

theR

obustnessof

Know

ledge-Based

Systems

Through

Degra-

dationStudies.

InK

nowledge

andInform

ationSystem

s(K

AIS),

volume

7,pages

224–245,Springer-V

erlagL

ondonL

td.,2005.

Con

ference

23.H

olgerW

ache,P

erryG

root,H

einerStuckenschm

idt.Scalable

InstanceR

etrievalfor

theSem

anticW

ebby

Approxim

ation.In

M.

Dean

etal.,

editor,W

ISE2005

Workshops,

volume

3807of

LN

CS,

pages245–254,

Springer-Verlag

Berlin

Heidelberg,

2005.

24.P

erryG

root,H

einerStuckenschm

idt,and

Holger

Wache.

Approxim

at-ing

Description

Logic

Classification

forSem

anticW

ebR

easoning.In

A.

Gom

ez-Perez

andJ.

Euzenat,

editors,T

heSem

anticW

eb:R

esearchand

Applications:

2ndE

uropeanSem

anticW

ebC

onference,volum

e3532

ofL

ectureN

otesin

Com

puterScience,pages

318-332,Springer-Verlag

Berlin

Heidelberg,

2005.

2004

Con

ference

25.P

erryG

root,A

nnetteten

Teije,

andFrank

vanH

armelen.

Tow

ardsa

StructuredA

nalysisof

Approxim

ateP

roblemSolving:

aC

aseStudy

inC

lassification.In

D.

Dubois,

C.

Welty,

andM

.W

illiams,

editors,P

rinci-ples

ofKnow

ledgeR

epresentationand

Reasoning:

Proceedings

oftheN

inthInternational

Conference

(KR

2004),pages

399–406,W

histler,B

ritishC

olumbia,

Canada,

June2004,

AA

AI

Press.

2000

Con

ference

26.P

erryG

root,Frankvan

Harm

elen,andA

nnetteten

Teije.

Torture

Tests:

AQ

uantitativeA

nalysisfor

theR

obustnessofK

nowledge-B

asedSystem

s.In

R.

Dieng

andO

.C

orby,editors,

Proceedings

ofthe

Tw

elfthInterna-

tionalC

onferenceon

Know

ledgeE

ngineeringand

Know

ledgeM

anage-m

ent.M

ethods,Models,and

Tools

(EK

AW

2000),number

1937in

Lecture

Notes

inA

rtificialIntelligence,pages403–418,Juan-les-P

ins,France,Oc-

tober2000.

Springer-Verlag.

#1 Publicaties

14

1999

Con

ference

27.P

erryG

root,A

nnetteten

Teije,

andFrank

vanH

armelen.

Formally

Ver-

ifyingD

ynamic

Properties

ofK

nowledge

Based

Systems.

InD

.Fensel

andR

.Studer,

editors,P

roceedingsof

theE

leventhE

uropeanW

orkshopon

Know

ledgeA

cquisition,M

odeling,and

Managem

ent(E

KA

W1999),

number

1621in

Lecture

Notes

inA

rtificialIntelligence,

pages157–172,

Dagstuhl

Castle,

Germ

any,M

ay1999.

Springer-Verlag.

#1 Publicaties

15

Cursus

Robotica

2

Ontw

erper(s)Perry

Groot&

IdaSprinkhuizen-K

uyper

Doel

Na

afloopvan

decursus

‘Robotica

2’kunnende

deelnemers:

1.D

edoelen

enuitdagingen

beschrijvenvan

Multi-A

gentsystemen.

2.M

etModale

Logica

formeelredeneneren

overeigenschappenvan

kennisen

vantijd.

3.Speltheorie

toepassenvoorhetbegrijpen

vanbeslissingen

vanagenten

inm

ulti-agentinteracties.4.

Verschillende

technieken(veiling,

onderhandeling,argum

entatie)toepassen

voorhet

bereikenvan

eenovereenkom

sttussenagenten.

5.E

enprotocolopstellen

voorhetverdelenvan

takentussen

agenten.6.

Kansrekening

(regelvanB

ayes)gebruikenom

teredeneren

overonzekereacties/observaties.

Criteria

Outputcriteria:

•E

ententam

enw

aaruitblijktdatdestudentde

onderliggendetheoretische

conceptenbegrijpt

•E

enpracticum

resulterendin

eenverslag,im

plementatie,en

presentatievan

eenM

ulti-Agent

sys-teem

.

Handelingscriteria:

•G

oedesam

enwerking

binneneen

groeptijdens

hetpracticum•

Actieve

deelname

tijdenspresentatie

(vragenstellen,presenteren)

Voorkennis1.

Engelse

tekstenbegrijpend

kunnenlezen

2.Program

meerervaring

3.Z

owelpropositielogica

alspredicatenlogica

kunnengebruiken

omeigenschappen

teform

ulerenen

omelem

entaireredeneerstappen

tekunnen

maken

ToetsingH

eteindcijfer

word

bepaaldaan

dehand

vaneen

tentamen

met

openvragen

overde

stofbehandeld

inde

colleges(50%

)en

eenverslag

vanhetprakticum

(50%).

Een

vereisteis

echterdatde

bijdecolleges

uitgedeeldeopgaven

ingeleverdzijn

entenm

insteals

voldoendebeoordeeld

zijn.

Confrontatie

metleernoodzaak

Huisw

erkopdrachtendie

ingeleverdm

oetenw

orden.

Doelanalyse

Leeractiviteiten

Ondersteuning

1)D

edoelen

enuitdagin-

genbeschrijven

vanM

ulti-A

gentsystemen.

Practicum(keuze

enim

-plem

entatievan

eenm

ulti-agentprobleem

)

2uurcollege

(beschrijvingvan

doelstel-lingen

vak,werkw

ijze,voorbeeldenvan

practicumopdrachten),peerreview

2a)M

etModale

Logica

for-m

eelredeneneren

overei-

genschappenvan

kennis.

Huisw

erkopdrachten

112

uurcollege,12

uurklassikaalaanop-

drachtenw

erken,uitw

erkingen+

feed-back

huiswerk

opdrachten,artikelen2b)

MetM

odaleL

ogicafor-

meel

redenenerenover

ei-genschappen

vantijd.

Huisw

erkopdrachten

112

uurcollege,12

uurklassikaalaanop-

drachtenw

erken,uitw

erkingen+

feed-back

huiswerk

opdrachten.3)

Speltheorietoepassen

voorhet

begrijpenvan

beslissingenvan

agentenin

multi-agentinteracties.

Huisw

erkopdrachten

112

uurcollege,12

uurklassikaalaanop-

drachtenw

erken,uitw

erkingen+

feed-back

huiswerk

opdrachten.

4)V

erschillendetechnieken

(veiling,onderhandeling,ar-gum

entatie)toepassen

voorhet

bereikenvan

eenover-

eenkomsttussen

agenten.

Huisw

erkopdrachten

112

uurcollege,12

uurklassikaalaanop-

drachtenw

erken,uitw

erkingen+

feed-back

huiswerk

opdrachten,artikelen.

5)E

enprotocol

opstellenvoor

hetverdelen

vantaken

tussenagenten.

Huisw

erkopdrachten

112

uurcollege,12

uurklassikaalaanop-

drachtenw

erken,uitw

erkingen+

feed-back

huiswerk

opdrachten.6)

Kansrekening

(regelvan

Bayes)

gebruikenom

tere-

denerenover

onzekereac-

ties/observaties.

Huisw

erkopdrachten

112

uurcollege,12

uurklassikaalaanop-

drachtenw

erken,uitwerkingen,uitw

er-kingen

+feedback

huiswerk

opdrach-ten,artikelen.

#2 Robotica 2 2008/2009 Didactisch Ontwerp

16

Cha

pter

12:

Logi

csfo

rMul

tiA

gent

Sys

tem

s

Perr

yG

root

Inst

itute

forC

ompu

ting

and

Info

rmat

ion

Sci

ence

s,R

adbo

udU

nive

rsity

Nijm

egen

[email protected]

19S

epte

mbe

r200

8

Intro

duct

ion

Logi

cto

reas

onab

outk

now

ledg

ean

dbe

liefs

Gro

updy

nam

ics

(inte

ract

ion)

Com

mon

know

ledg

e

Mud

dyC

hild

ren

(1)

Sce

nari

o:Th

ere

are

nch

ildre

npl

ayin

gto

geth

er.

Dur

ing

thei

rpl

ayso

me

ofth

ech

ildre

n,sa

yk

ofth

em,g

etm

udon

thei

rfo

rehe

ads.

Eac

hca

nse

eth

em

udon

othe

rsbu

tnot

onhi

sow

nfo

rehe

ad.

Alo

ngco

mes

afa

ther

,who

says

,“A

tlea

ston

eof

you

has

mud

onyo

urhe

ad".

He

then

asks

the

follo

win

gqu

estio

n,ov

eran

dov

er:

“Can

any

ofyo

upr

ove

that

you

have

mud

onyo

urhe

ad?"

Ass

umin

gth

atal

lthe

child

ren

are

perc

eptiv

e,in

telli

gent

,tru

thfu

l,an

dth

atth

eyan

swer

sim

ulta

neou

sly,

wha

tw

illha

ppen

?

Mud

dyC

hild

ren

(2)

Alic

eB

obC

harli

e

Fath

er:

“Atl

east

one

ofyo

uis

mud

dy.”

Fath

er:

“Are

you

mud

dy?”

...

Mud

dyC

hild

ren

(3)

Alic

eB

obC

harli

e

Fath

er:

“Atl

east

one

ofyo

uis

mud

dy.”

Fath

er:

“Are

you

mud

dy?”

(firs

tque

stio

n)A

lice:

“Ido

n’tk

now

.”B

ob:

“Ido

n’tk

now

.”C

harli

e:“I

don’

tkno

w.”

Mud

dyC

hild

ren

(4)

Alic

eB

obC

harli

e

Fath

er:

“Are

you

mud

dy?”

(sec

ond

ques

tion)

Alic

e:“W

hati

fIw

asn’

tmud

dy?”

Alic

e:“T

hen

Bob

wou

ldn’

thav

ese

enm

uddy

kids

.”A

lice:

“Bob

wou

ldha

vere

spon

ded

hew

asm

uddy

last

time”

Alic

e:“T

here

fore

Imus

tbe

mud

dy.”

#3 Robotica 2 2008/2009 Slides Hoorcollege Robotica 2

17

Mud

dyC

hild

ren

(5)

Alic

eB

obC

harli

e

Fath

er:

“Are

you

mud

dy?”

(sec

ond

ques

tion)

Alic

e:“I

amm

uddy

.”B

ob:

“Iam

mud

dy.”

Cha

rlie:

“Ido

n’tk

now

.”

Mud

dyC

hild

ren

(6)

Alic

eB

obC

harli

e

Fath

er:

“Are

you

mud

dy?”

(third

ques

tion)

Alic

e:“I

amm

uddy

.”B

ob:

“Iam

mud

dy.”

Cha

rlie:

“Iam

notm

uddy

.”

Pro

posi

tiona

lLog

ic(1

)

prop

ositi

onal

varia

bles

,p,q

,r,.

..,e

.g.,

p=

“Ida

’sce

llph

one

ring

s”

q=

“Ida

give

sca

ndy”

Logi

calo

pera

tors

,∧,∨

,→,↔

,¬,.

..

p→

q=

“IfI

da’s

cell

phon

eri

ngs,

Ida

will

give

cand

y”

Pro

posi

tiona

lLog

ic(2

)

Trut

hTa

bles

pq

p→

q¬p

∨q

00

11

10

11

11

10

00

01

11

01

Sem

antic

equi

vale

nce

p→

q≡¬p

∨q≡¬q

→¬p

Par

enth

eses

,e.g

.,

p∨

q→¬r≡((

p∨

q)→(¬

r))≡(p∨(q→(¬

r)))

i.e.,

Ope

rato

rpre

cede

nce:¬,∧,∨,→

,↔.

Pre

dica

teLo

gic

Pre

dica

tes,

P,Q

,R,.

..,v

aria

bles

,x,y

,z,.

..,e

.g.,

P(x)=

“x’s

cell

phon

eri

ngs”

Q(x)=

“xgi

ves

cand

y”

Logi

calo

pera

tors

,∧,∨

,→,↔

,¬,.

..

Qua

ntifi

catio

n,∀,∃,

e.g.

,

∀x,P(x)→

Q(x)=

“for

alls

tude

nts

x,if

x’s

cell

phon

eri

ngs

(s)h

egi

ves

cand

y”

Ope

rato

rpre

cede

nce:¬

,∀,∃,∧,∨,→

,↔.

Que

stio

n

Let

C(x)=

“xis

aca

t”

D(x)=

“xis

ado

g”

Wha

tabo

utth

etr

uth

ofth

efo

llow

ing

expr

essi

ons:

∃x,C(x)∧

D(x)

∀x,C(x)→

D(x)


18

Mod

alLo

gic

(1)

Stu

dyof

lingu

istic

cons

truc

tions

that

qual

ifyth

etr

uth

cond

ition

sof

stat

emen

ts(e

.g.,

poss

ibly

S,n

eces

sary

S).

tens

elo

gic:

henc

efor

th,

even

tual

ly,

hith

erto

,pr

evio

usly

,no

w,

tom

or-

row

,ye

ster

day,

sinc

e,un

til,

inev

itabl

y,fin

ally

,ul

timat

ely,

endl

essl

y,it

will

have

been

,iti

sbe

ing

...

deon

ticlo

gic:

itis

oblig

ator

y/fo

rbid

den/

perm

itted

/unl

awfu

ltha

tep

iste

mic

logi

c:it

iskn

own

that

Xth

at,i

tis

com

mon

know

ledg

eth

atdo

xast

iclo

gic:

itis

belie

ved

that

dyna

mic

logi

c:af

ter

the

prog

ram

/com

puta

tion/

actio

nfin

ishe

s,th

epr

o-gr

amen

able

s,th

roug

hout

the

com

puta

tion

geom

etric

logi

c:it

islo

cally

the

case

met

alog

ic:

itis

valid

/sat

isfia

ble/

prov

able

/con

sist

entt

hat

Mod

alLo

gic

(2)

Mos

twel

lkno

wn

are

(sin

ceA

risto

tle):

φ

:it

isne

cess

ary

that

φ♦φ

:it

ispo

ssib

leth

atφ

Usu

ally

unde

rsto

odas

som

efo

rmof

‘uni

vers

alqu

antifi

er’

and

‘exi

sten

tialq

uant

ifier

’U

sual

lydu

alop

erat

ors

φ=¬♦¬φ

♦φ=¬

¬φ

Syn

tax R

ecur

sive

defin

ition

ofw

ellf

orm

edfo

rmul

as(W

FFs)

φ:=

p|⊥||¬

φ|φ

1∧

φ2|φ

1∨

φ2|φ→

ψ|

φ|♦

φ

Not

e:⊥

stan

dsfo

rfal

sum

(con

tradi

ctio

n).

st

ands

fort

auto

logy

.

Sem

antic

s

Mos

twid

ely

used

:po

ssib

lew

orld

sse

man

tics

Poss

ible

wor

lds

are

base

don

anac

cess

abili

tyre

latio

nR

Idea

:so

met

hing

isco

nsid

ered

true

,whe

nit

hold

sin

all

poss

ible

wor

lds

Exa

mpl

e

LetM

=〈S

,R,L〉b

egi

ven

with

S=w

1,w

2,w

3,w

4,w

5

R=(

wi,

wj)|j=

i+1

=(

w1,

w2)

,(w

2,w

3),(

w3,

w4)

,(w

4,w

5)

L(w

i)=

q

ifw

i∈w

1,w

4,w

5q

,p

ifw

i∈w

2,w

3

qq p

q pq

q

W1

W2

W3

W4

W5

Exa

mpl

e(c

ontin

ued)

qq p

q pq

q

W1

W2

W3

W4

W5

M,w

1|=

qM

,w4|=⊥

M,w

1|=

pM

,w3|=

(p∨

q)M

,w2|=

p∧

qM

,w2|=

♦pM

,w4|=

M,w

1|=

♦p


19

Krip

kest

ruct

ures

Afr

ame

isa

tupl

e〈S

,R〉s

uch

that

Sis

afin

itese

tofs

tate

sR⊆

S×

Sis

atra

nsiti

onre

latio

n1

AK

ripk

est

ruct

ure

Mov

erth

ese

tofa

tom

icpr

opos

ition

sis

atu

ple

M=〈S

,R,L〉s

uch

that

2

〈S,R〉i

sa

fram

eL:S→

2AP

isa

func

tion

that

labe

lsea

chst

ate

with

the

set

ofat

omic

prop

ositi

ons

true

inth

atst

ate

1S

omet

imes

the

rela

tion

Ris

assu

med

tobe

tota

l.2

Som

etim

esS

0⊆

Sis

adde

dto

the

defin

ition

tode

note

ase

tofi

nitia

lsta

tes.

Form

alS

eman

tics

M,w

|=

M,w

|=p

iffp∈

L(w)

M,w

|=¬φ

iffM

,w|=

φM

,w|=

φ∨

ψiff

M,w

|=φ

orM

,w|=

ψM

,w|=

φ

iff∀w

′ ∈S:

if(w

,w′ )∈

Rth

enM

,w′ |=

φM

,w|=

♦φiff∃w

′ ∈S:(w

,w′ )∈

Ran

dM

,w′ |=

φ

Exa

mpl

e(c

ontin

ued)

qq p

q pq

q

W1

W2

W3

W4

W5

M,w

1|=

♦p⇔

∃w:(w

1,w)∈

Ran

dM

,w|=

p⇔

M,w

2|=

p⇔

∀w:

if(w

2,w)∈

Rth

enM

,w|=

p⇔

M,w

3|=

p

Que

stio

n

qq p

q pq

q

W1

W2

W3

W4

W5

Letφ=

((

♦p

∧♦♦

q)∨(♦

♦q∧

♦p))

Isth

ere

anob

viou

sst

ate

inth

em

odel

that

satis

fies

φ?

Que

stio

n

qq p

q pq

q

W1

W2

W3

W4

W5

Letφ=

((

♦p

∧♦♦

q)∨(♦

♦q∧

♦p))

Isth

ere

anob

viou

sst

ate

inth

em

odel

that

satis

fies

φ?

Ans

wer

:w

5.(N

ote

M,w

5|=

⊥)

Not

e:⊥

mea

nsth

ere

isno

succ

esso

r,♦

mea

nsth

ere

isa

succ

esso

r.

Valid

ity

We

say

that

afo

rmul

aφ

is:

(glo

bally

)tru

ein

am

odel

Mif

φis

satis

fied

inev

ery

stat

e/w

orld

ofth

em

odel

∀w∈

SM:M

,w|=

φ

valid

ofa

fram

eF

ifit

isgl

obal

lytr

uein

ever

ym

odel

base

don

that

fram

e

∀M:F=〈S

M,R

M〉,∀

w∈

Sm:M

,w|=

φ


20

Cha

ract

eriz

ing

Form

ulas

Cor

resp

onde

nce

theo

ryis

the

stud

yof

the

way

that

prop

ertie

sor

Rco

rres

pond

toax

iom

s.

Afo

rmul

aφ

char

acte

rize

s/de

fines

acl

ass

offra

mesF

whe

n

F∈F⇔

φis

valid

onF

Exa

mpl

es

Axi

omC

ondi

tion

onR

φ→

φR

eflex

ive

φ→

♦φS

eria

l

φ→

φTr

ansi

tive

♦φ→

♦φ

Euc

lidea

n

Exa

mpl

e:

φ→

φD

efine

sR

eflex

ivity

Sta

tem

ent:

Fort

hecl

assF

offra

mes

with

are

flexi

veac

cess

ibili

tyre

latio

nit

hold

sth

at:

F∈F⇔

φ→

φis

valid

onF

Pro

of:

⇒Le

tF∈F,

and

M=〈F

,L〉b

ea

mod

el.

Letw

bean

arbi

trary

stat

ein

the

mod

el.

Ass

ume

M,w

|=

φ.

Then

∀w′ :(w

,w′ )∈

R→

M,w

′ |=φ

.In

part

icul

ar,a

s(w

,w)∈

Rw

eha

veM

,w|=

φ.

Hen

ce,M

,w|=

φ→

φ.

Bec

ause

ww

asar

bitra

ry,

φ→

φis

valid

onF

.

Exa

mpl

e:

φ→

φD

efine

sR

eflex

ivity

(con

tinue

d)

Sta

tem

ent:

Fort

hecl

assF

offra

mes

with

are

flexi

veac

cess

ibili

tyre

latio

nit

hold

sth

at:

F∈F⇔

φ→

φis

valid

onF

Pro

of:

⇐N

ote

that

p→

q≡¬q

→¬p

.Le

tF∈F.

Then

ther

eex

ists

ast

ate

wsu

chth

at(w

,w)∈

R.

Defi

neth

em

odel

M=〈F

,L〉s

uch

that

L(w)=

∅an

dfo

rall

w′ s

uch

that

(w,w

′ )∈

R:L(

w′ )=φ.

Then

M,w

|=φ

and

M,w

|=

φ.

Hen

ce,w

eha

vea

mod

elsu

chth

atM

,w|=

φ→

φan

dth

eref

ore

φ→

φis

notv

alid

onF

.


21

Cha

pter

12:

Logi

csfo

rMul

tiA

gent

Sys

tem

s(p

art2

)

Perr

yG

root

Inst

itute

forC

ompu

ting

and

Info

rmat

ion

Sci

ence

s,R

adbo

udU

nive

rsity

Nijm

egen

[email protected]

26S

epte

mbe

r200

8

Intro

duct

ion

Last

wee

k-n

orm

alm

odal

logi

cK

ripke

stru

ctur

eM

=〈S,R,L〉

Mod

alop

erat

ors

(,♦

)Fo

rmul

asch

arac

teriz

ing

fram

es

Impo

rtan

tles

sons

lear

ned:

∀(x),s

tude

nt(x

)∧

gsm

(x)→

give

_can

dy(x

)

This

wee

k-M

ore

Fun

with

Mod

alLo

gics

:M

odal

logi

cas

epis

tem

iclo

gic

Mod

allo

gic

aste

mpo

rall

ogic

Mod

alLo

gic

asE

pist

emic

Logi

c

The

form

ula

φ

isin

terp

rete

das

‘itis

know

nth

atφ

’E

xten

dibl

eto

mul

ti-ag

ents

yste

ms

fora

gent

s1,...,n

Mod

elst

ruct

ure

〈S,R

1,...,R

n,L〉

Riis

know

ledg

eac

cess

ibili

tyof

agen

ti

isre

plac

edby

Ki,

i=1,...,

nw

ith

Kiφ

mea

ning

‘ikn

ows

thatφ

’

M,s

|=K

iφ⇔

M,t|=φ

fora

llts

uch

that

(s,t

)∈

Ri

Exa

mpl

e:K

1K2p

∧¬K

2K1K

2p

Exa

mpl

e

s

1,2

ps

12

ut

1,2

1,2

p

Mod

elM

=〈S,R

1,R

2,L〉

with

R1

=(

s,s),(

s,t),(

t,s),(

t,t),(

u,u),

R2

=(

s,s),(

s,u),(

t,t),(

u,s),(

u,u),

L(s)

=L(

u)=p,

and

L(t)

=∅

.

Exa

mpl

e(c

ontin

ued)

s

1,2

ps

12

ut

1,2

1,2

p

M,s

|=p

M,t|=

K2¬

pM,s

|=¬K

1pM,s

|=K

1(K

2p∨

K2¬

p)M,s

|=K

2pM,s

|=¬K

2¬K

1p

Exa

mpl

e(c

ontin

ued)

s

1,2

ps

12

ut

1,2

1,2

p

M,s

|=K

1(K

2p∨

K2¬

p)

⇔∀v

if(s,v

)∈

R1

then

M,v

|=K

2p∨

K2¬

p⇔

M,s

|=K

2p∨

K2¬

pan

dM,t|=

K2p

∨K

2¬p


22

Ass

umpt

ion:

Equ

ival

ence

Rel

atio

n

An

acce

ssib

ility

rela

tion

Ris

aneq

uiva

lenc

ere

latio

nif

Rsa

tisfie

sth

efo

llow

ing

thre

epr

oper

ties:

Refl

exiv

ity∀x,x

Rx

Sym

met

ry∀x∀y,x

Ry→

yRx

Tran

sitiv

ity∀x∀y∀z,x

Ry∧

yRz→

xRz

We

assu

me

epis

tem

ickn

owle

dge

isan

equi

vale

nce

rela

tion.

(Not

e:xR

ym

eans

(x,y

)∈

R.)

Equ

ival

ence

Rel

atio

nIll

ustra

ted

Refl

exiv

ity,S

ymm

etry

,and

Tran

sitiv

ity

x

xy

xy

z

Sim

plify

ing

Dra

wn

Mod

els

s

1,2

p

12

ut

1,2

1,2

p

sp

12

p ut

p

Mud

dyC

hild

ren

Rev

isite

d(1

)

Sce

nari

o:Th

ere

are

nch

ildre

npl

ayin

gto

geth

er.

Dur

ing

thei

rpl

ayso

me

ofth

ech

ildre

n,sa

yk

ofth

em,g

etm

udon

thei

rfo

rehe

ads.

Eac

hca

nse

eth

em

udon

othe

rsbu

tnot

onhi

sow

nfo

rehe

ad.

Alo

ngco

mes

afa

ther

,who

says

,“A

tlea

ston

eof

you

has

mud

onyo

urhe

ad".

He

then

asks

the

follo

win

gqu

estio

n,ov

eran

dov

er:

“Can

any

ofyo

upr

ove

that

you

have

mud

onyo

urhe

ad?"

Ass

umin

gth

atal

lthe

child

ren

are

perc

eptiv

e,in

telli

gent

,tru

thfu

l,an

dth

atth

eyan

swer

sim

ulta

neou

sly,

wha

tw

illha

ppen

?

Mud

dyC

hild

ren

Rev

isite

d(2

)

Sup

pose

ther

ear

e3

child

ren.

Leta

poss

ible

wor

ldbe

stat

e(b

1,b 2,b

3)w

ithb i∈0,1

deno

ting

whe

ther

child

ihas

mud

(bi=

1)or

nom

ud(b

i=

0)on

his/

herf

oreh

ead.

Giv

enth

ekn

owle

dge

ofch

ild1,

e.g.

,(?,

1,0)

,tw

opo

ssib

lest

ates

are

poss

ible

:w

ithm

ud(1

,1,0

)orn

om

ud(0

,1,0

)on

him

/her

self.

Hen

ce: (0

,1,0

)R1(

1,1,

0)

Mud

dyC

hild

ren

Rev

isite

d(3

)

Initi

alpo

ssib

lew

orld

san

dre

latio

ns:


23

Mud

dyC

hild

ren

Rev

isite

d(4

)

Afte

r:“A

tlea

ston

eof

you

has

mud

onyo

urhe

ad".

Mud

dyC

hild

ren

Rev

isite

d(5

)

Afte

r:“I

don’

tkno

w(3

times

)".

Cha

ract

eriz

ing

Form

ulas

(Aga

in)

Nam

eA

xiom

Inte

rpre

tatio

nT

Kφ→φ

Kno

wle

dge

axio

mD

Kφ→

¬K¬φ

Con

sist

ency

axio

m4

Kφ→

KKφ

Posi

tive

intro

spec

tion

5¬K

φ→

K¬K

φN

egat

ive

intro

spec

tion

Sys

tem

sof

Kno

wle

dge

and

Bel

ief

Toso

me

exte

ntw

eca

npi

ckan

dch

oose

whi

chax

iom

sw

ew

antt

ore

pres

ento

urag

ents

All

prev

ious

axio

ms

(KTD

45)1

cons

titut

eth

elo

gica

lsys

tem

S5.

Ofte

nch

osen

asa

logi

cof

idea

lized

know

ledg

eS

5w

ithou

tTis

wea

k-S

5,or

KD

45.

Ofte

nch

osen

asa

logi

cof

idea

lized

belie

f

1A

xiom

K:K

(φ→ψ

)→

(Kφ→

Kψ

)is

ava

lidfo

rmul

a

Com

mon

Kno

wle

dge

Eφ

:ev

eryo

nein

the

grou

pkn

owsφ

M,s

|=Eφ⇔

M,s

|=K

iφfo

rall

agen

tsi

Ekφ

:ev

eryo

nekn

ows,

that

ever

yone

know

s,...up

tole

velk

E1 φ

=Eφ;E

k+1 φ

=E

(Ekφ)

Cφ

:φ

isco

mm

onkn

owle

dge

M,s

|=Cφ⇔

M,s

|=E

kφ

fork

=1,

2,...

Dis

trib

uted

Kno

wle

dge

Ifon

eag

entk

now

sp→

qan

dan

othe

rkno

ws

pth

ento

geth

erth

eykn

owq,

i.e.,

then

qis

dist

ribut

edkn

owle

dge,

deno

ted

Dq.

This

can

befo

rmal

ized

as(a

ssum

ing

Riis

aneq

uiva

lenc

ere

latio

n):

M,s

|=Dφ⇔

M,v

|=φ

fora

llv

such

that

(s,v

)∈

⋂ i

Ri

M,s

|=K

1(p→

q)M,s

|=K

2pM,s

|=D

q

s

1,2 s

12

Pp

qp

q

ut

1,2

1,2

pq

p


24

Tem

pora

lLog

ic

Tem

pora

lLog

icis

asp

ecia

ltyp

eof

Mod

alLo

gic.

Itpr

ovid

esa

form

alsy

stem

forq

ualit

ativ

ely

desc

ribin

gan

dre

ason

ing

abou

thow

the

trut

hva

lues

ofas

sert

ions

chan

geov

ertim

e.Te

mpo

ralL

ogic

isa

usef

ulfo

rmal

ism

fors

peci

fyin

gan

dve

rifyi

ngco

rrec

tnes

sof

com

pute

rpro

gram

s.Te

mpo

ralL

ogic

sdi

fferi

nth

eop

erat

ors

they

prov

ide,

thei

rse

man

tics.

Com

puta

tion

Tree

Logi

c(C

TL*)

Form

ulas

desc

ribe

prop

ertie

sof

com

puta

tion

trees

(i.e.

,tim

eis

bran

chin

gin

toth

efu

ture

)C

TL*

form

ulas

are

com

pose

dof

path

quan

tifier

san

dte

mpo

ralo

pera

tors

Pat

hqu

antifi

ers

are:

A(fo

rall

com

puta

tion

path

s)an

dE

(fors

ome

com

puta

tion

path

)B

asic

tem

pora

lope

rato

rsar

e:Xφ

(nex

t):φ

hold

sin

the

next

stat

eFφ

(eve

ntua

lly):φ

hold

sno

wor

som

etim

esin

the

futu

reon

the

path

Gφ

(glo

bally

):φ

hold

sat

ever

stat

eon

apa

thφ

Uψ

(unt

il):

ther

eis

ast

ate

onth

epa

thw

hereψ

hold

s,an

don

ever

ypr

eced

ing

stat

eφ

hold

s

Com

puta

tion

Tree

Logi

c(C

TL*)

Ope

rato

rpre

cede

nce:

Firs

tuni

tary

oper

ator

s(¬

,F,G

,X),

follo

wed

byth

ebi

nary

oper

ator

s(in

orde

rU,∧

,∨,→

).

Fp→

Gr∨¬q

Up≡

((Fp

)→

((G

r)∨

((¬q

)Up)

))

FV

pG

U

¬r

pr

p

qq

Exa

mpl

es Figu

re:

M,s

0|=

Fφ

Figu

re:

M,s

0|=

Gφ

Figu

re:

M,s

0|=

Xφ

pp

q

Figu

re:

M,s

0|=

pUq

Exa

mpl

es Figu

re:

M,s

0|=

EFφ

Figu

re:

M,s

0|=

EGφ

Figu

re:

M,s

0|=

AFφ

Figu

re:

M,s

0|=

AGφ

Form

alS

eman

tics

Ass

ume

f 1,f

2ar

est

ate

form

ulas

,g1,

g 2ar

epa

thfo

rmul

as.

Fora

pathπ

=π

0π1···w

ede

noteπ

i=π

i,π

i+1···.

M,s

|=p

p∈

L(s)

M,s

|=¬f

1M,s

|=f 1

M,s

|=f 1∨

f 2M,s

|=f 1

orM,s

|=f 2

M,s

|=E

g 1th

ere

isa

pathπ

from

ssu

chth

atM,π

|=g 1

M,s

|=A

g 1fo

reve

rypa

thπ

from

s,M,π

|=g 1

M,π

|=f 1

sis

the

first

stat

eofπ

and

M,s

|=f 1

M,π

|=¬g

1M,π

|=g 1

M,π

|=X

g 1M,π

1|=

g 1M,π

|=Fg

1th

ere

exis

tsk≥

0su

chth

atM,π

k|=

g 1M,π

|=G

g 1fo

rall

i≥0,

M,π

i|=

g 1M,π

|=g 1

Ug 2

ther

eex

ists

k≥

0su

chth

atM,π

k|=

g 2an

dfo

rall

0≤

j<k,

M,π

j|=

g 1


25

Ref

eren

ces

Ref

eren

ce[1

]is

ago

odin

trodu

ctio

nto

Mod

alLo

gic

and

thes

esl

ides

are

clos

ely

rela

ted

toth

efir

sttw

och

apte

rs.

Ref

eren

ce[2

]is

ago

odre

fere

nce

whe

nyo

uw

antt

okn

owm

ore

abou

tte

mpo

rall

ogic

and

how

itis

appl

ied

inm

odel

chec

king

.

1R

.Fag

inet

al.

Rea

soni

ngA

bout

Kno

wle

dge.

MIT

Pre

ss,

Cam

brid

ge,M

A,1

995.

2E

.M.C

lark

e,O

.Gru

mbe

rg,a

ndD

.A.P

eled

.M

odel

Che

ckin

g.M

ITP

ress

,200

1.


26

Feedback verslag

Feedback door Oliva Peeters over het hoorcollege ‘Hoofdstuk 10: Anomaly de-tection’ (onderdeel van het vak Datamining) op 6 Mei 2009.

1. Goede introductie wat betreft het verband met voorgaande colleges. Erontbrak echter wat er van de studenten verwacht wordt wat ze met deleerstof moeten kunnen doen. Een goed idee is om dit te herhalen ook alis dit in het eerste college al besproken.

2. Goede link naar praktijkvoorbeelden (bijv. de uitbraak van varkensgriepin Maart 2009).

3. De eerste paar slides gingen erg snel. Slide 2 (ozon voorbeeld) bevat teveelinformatie. Beter is het om enkel kernwoorden te gebruiken (of om eenleespauze te houden).1

4. Het college met meer enthousiasme overbrengen (ook feedback van stu-denten). Probeer hiervoor concrete voorbeelden meer uit te buiten (bijv.voorbeelden ozon, varkensgriep) om interesse te wekken.

5. College goed gestructureerd. Goed zinsgebruik om aan te geven wat stu-denten kunnen verwachten. (bijv. ’In dit college gaan we de volgendetechnieken bespreken ...’). Duidelijk aangegeven wat studenten wel enniet moeten kennen.

6. Meer interactie met de zaal creeeren. Probeer vragen te stellen. Geefechter de studenten wel de tijd om een antwoord te geven, eventueel doormet elkaar te discussieren. (Nu kwam het antwoord vrijwel steeds directna de vraag.)

7. Verifieren of bepaalde concepten (zoals convexiteit) bekend zijn voordater iets over verteld wordt.

8. Vragen uit de zaal herhalen en verifieren of het antwoord voldoende was.

9. Beter gebruik van plaatjes i.p.v. alleen tekst (bijv. bij ’Nearest-Neighborapproach’).

10. Goede afsluiting. Kort en bondig samengevat en aangegegeven wat ze devolgende keer kunnen verwachten.

1Merk op dat de slides gebruikt worden die bij boek worden meegeleverd, enigzinsaangepast door Tom Heskes.

#4 Robotica 2 2008/2009 Feedback Hoorcollege Datamining

27

BK

I240:Design

ofMultiA

gentSystems

Exam

ination16th

ofJune2008

Write

yournam

e,studentnum

ber,and“B

KI

240exam

07/08”at

thetop

ofthe

answer

sheets.There

are6

questions.A

nswer

thequestions

ina

full,clear,butalso

relevantway.

Om

issions,unclaritiesas

wellas

irrelevantelaborationsw

illlow

eryour

grade.The

maxim

umattainable

scoreis

100points.

Shortlyafter

theexam

ination,anon-line

questionairew

illbebecom

eavailable

foryou

tofillin

toevaluate

thecourse.

Question

1.Multi-A

gentInteractions(max.5+5+5

=15

points)

a.Describe

whata

utilityfunction

isandw

hythey

areused

(interm

sofcomparing

strategies/actions).

b.Give

thedefinition

ofaN

ashequilibrium

forapairofstrategies

(s1 ,s

2 ).

Ai

Bi

Ci

Aj

84

62

15

Bj

35

20

22

Cj

23

13

43

c.Give

theunique

Nash

equilibriumofthe

payoffmatrix

givenabove.

Question

2.Auctions(m

ax.10+10=

20points)

a.T

hreeagents

valuea

goodX

for1$,

2$,and

3$respectively.

Ina

Vickrey

auction,whatw

illtheagents

bid,who

willw

in,andw

hatwillthe

agentpay?

b.D

escribethe

Monotonic

concessionprotocol.

Give

sufficientdetailsaboutthe

rulesthe

agentshave

tofollow

.

1

Question

3.Argum

entation(m

ax.5+5+10=

20points)

Given

isthe

following

abstractargumentsystem

with

X=a

,b,c,d,e,f

,g,h

a

cb

ed

f g

h

a.Let

Y1

=c,g

,d

i.Is

Y1

conflictfree?

ii.W

hichargum

entsin

Xare

acceptablew

ithrespect

toY

1 ?M

otivateyour

answer.

b.Isthe

setY

2=a,d

,gadm

issible?M

otivateyouransw

er.

c.Give

fortheargum

entsystem5

admissible

sets(notnecessarily

maxim

al).

2

#5 Design of Multi Agent Systems 2007/2008 Toets

28

Question

4.ProbabilityT

heory(m

ax.5+5+5=

15points)

Johas

atestfor

anasty

disease.W

edenote

Jo’sstate

ofhealth

bythe

variableA

andthe

testresultbyB

.A=

1Jo

hasthe

diseaseA

=0

Jodoes

nothavethe

disease

The

resultofthe

testiseither

‘positive’(B

=1)

or‘negative’

(B=

0);thetest

is95%

reliable:in95%

ofcasesofpeople

who

reallyhave

thedisease,a

positiveresultis

returned,andin

95%of

casesof

peoplew

hodo

nothavethe

disease,anegative

resultisobtained.

The

finalpieceof

backgroundknow

ledgeis

that1%ofpeople

ofJo’sage

andbackground

havethe

disease.

a.Write

down

alltheprovided

probabilities,i.e.,

P(B

=1|A

=1)

P(B

=1|A

=0)

P(A

=1)

P(B

=0|A

=1)

P(B

=0|A

=0)

P(A

=0)

b.W

ritedow

nthe

formula

forthe

probabilityof

gettinga

positiveresult,

i.e.,P

(B=

1),usingthe

productandsum

ruleofprobability

theory.(You

don’thaveto

evaluatethe

formula

intoa

number.)

c.W

ritedow

nthe

formula

forthe

probabilityof

Johaving

thedisease

giventhat

Johas

apositive

testresult,i.e.,P(A

=1|B

=1),using

Bayes

rule.(Y

oudon’t

haveto

evaluatethe

formula

intoa

number,butifyou

arecurious

itisonly

0.16.)

3

Question

5.ModalL

ogic(m

ax.10+1+9=

20points)

The

semantics

ofM

odalLogic

canbe

statedin

terms

ofpossible

worlds.

Inpar-

ticularforthem

odaloperators,♦

itholdsthat:

M,w

|=♦

φthere

existsw

′suchthat

(w,w

′)∈R

andM

,w′|=

φM

,w|=

φ

forallw

′if(w

,w′)∈

Rthen

M,w

′|=φ

a.Let

pand

qbe

atomic

formulas.Show

thatthefollow

ingform

ulasare

notvalidin

allframes

(givea

counterexample

foreachform

ula).Motivate

youranswers.

i.♦

p→

p

ii.(♦

p∧♦

q)→♦

(p∧q)

Fortherestofthis

exercise,letM

=〈S

,R,L〉

bea

Kripke

structurew

ith

S=w

1 ,w2 ,w

3 ,w4 ,w

5 ,w6

R=(w

1 ,w2 ),(w

2 ,w3 ),(w

2 ,w4 ),(w

2 ,w5 ),(w

3 ,w3 ),(w

4 ,w5 ),(w

5 ,w6 )

L(w

i )=

if

wi ∈

w

2 p

ifw

i ∈w

1 ,w6

qif

wi ∈

w

4 ,w5

p,qif

wi ∈

w

3

b.Draw

apicture

ofthem

odelM

.

c.W

hichof

thefollow

ingclaim

shold?

Motivate

youransw

ers(also

when

theclaim

doesn’thold).

i.M

,w5 |=

q∧♦

p

ii.M

,w2 |=

p→

p

iii.M

,w2 |=

q→

q

4


29

Question

6.TemporalL

ogic(m

ax.10points)

Intem

porallogicitis

possibleto

addan

additionaloperatorR,the

releaseoper-

ator,which

isdefined

aspR

q≡¬

((¬p)U

(¬q)).

Draw

am

odelM

(apath)

suchthatin

theinitialstate

ofthism

odelwe

havethat

M|=

pUq

andM

6|=qR

p

Motivate

youranswer.

Rem

ember

thattemporallogic

has(am

ongothers)

thefollow

ingsem

antics.L

etf

1 ,f2

bestate

formulas,

g1 ,g

2be

pathform

ulas.For

apath

π=

π0 π

1 ···w

edenote

πi=

πi ,π

i+1 ···.

M,s|=

pp∈

L(s)

M,s|=

¬f

1M

,s6|=f

1

M,π

|=f

1s

isthe

firststateof

πand

M,s|=

f1

M,π

|=¬

g1

M,π

6|=g1

M,π

|=g1 U

g2

thereexists

k≥0

suchthat

M,π

k|=g2

andforall

0≤j

<k,

M,π

j|=g1

5


30

BK

I242:Robotica

2E

xamination

21stofNovem

ber2008

Write

yournam

e,studentnum

ber,and“B

KI

242exam

08/09”at

thetop

ofthe

answer

sheets.There

are6

questions.A

nswer

thequestions

ina

full,clear,butalso

relevantway.

Om

issions,unclaritiesas

wellas

irrelevantelaborationsw

illlow

eryour

grade.Them

aximum

attainablescore

is100

points.

Question

1.Multi-A


=15

points)

a.Given

two

setsofoutcom

esΩ

1 ,Ω2 ⊆

Ω,w

hendo

we

saythat

Ω1

stronglydom

-inates

Ω2 ?

When

dow

esay

thatΩ

1w

eaklydom

inatesΩ

2 ?G

ivethe

definitions.

b.Give

thedefinition

ofaN

ashequilibrium

forapairofstrategies

(s1 ,s

2 ).

Ai

Bi

Ci

Aj

84

12

10

Bj

31

23

22

Cj

21

12

10

c.Give

theunique

Nash

equilibriumofthe

payoffmatrix

givenabove.

Question

2.Negotiation

(max.5+5+5+5

=20

points)

a.Whatis

mechanism

designin

thecontextofm

ulti-agentinteractions?

b.Mention

atleastfourdesirableproperties

ofam

echanism(protocol).

c.D

escribethe

Zeuthen

strategyfor

them

onotonicconcession

protocol.G

ivesufficientdetails.Y

oudon’tneed

togive

preciseform

ula’s.

d.D

iscussw

hetheror

notthem

onotonicconcession

protocolwith

theZ

euthenstrategy

satisfiesthe

desirableproperties

mentioned

inb..

1

Question

3.Argum

entation(m

ax.5+5+10=

20points)

Given

isthe

following

abstractargumentsystem

with

X=a

,b,c,d,e,f

,g,h

h

ab

c

fg

de

a.Let

Y1

=b,g

,d

i.Is

Y1

conflictfree?

ii.W

hichargum

entsin

Xare

acceptablew

ithrespect

toY

1 ?M

otivateyour

answer.

b.Isthe

setY

2=a,e

admissible?

Motivate

youranswer.

c.Give

fortheargum

entsystem5

admissible

sets(notnecessarily

maxim

al).

2

#6 Robotica 2 2008/2009 Toets

31

Question

4.ProbabilityT

heory(m

ax.7+8=

15points)

Supposethatw

ehave

threecoloured

boxesr

(red),b

(blue),andg

(green).Box

rcontains

3apples,4

oranges,and3

limes,box

bcontains

1apple,1

orange,and0

limes,and

boxg

contains3

apples,3oranges,and

4lim

es.If

abox

ischosen

atrandom

with

probabilitiesp(r)

=0.2,

p(b)=

0.2,p(g

)=

0.6,anda

pieceoffruit

isrem

ovedfrom

thebox

(with

equalprobabilityof

selectingany

ofthe

items

inthe

box).

a.W

hatis

theprobability

ofselecting

anapple?

Write

down

theform

ulafor

computing

thisprobability

usingthe

sumand

productruleof

probabilitytheory.

(You

don’tneedto

compute

theactualnum

ber).

b.Ifwe

observethatthe

selectedfruitis

infactan

orange,whatis

theprobability

thatit

came

fromthe

greenbox?

Write

down

theform

ulafor

computing

thisprobability

usingB

ayes-rule.(You

don’tneedto

compute

theactualnum

ber).

3

Question

5.ModalL

ogic(m

ax.10+1+9=

20points)

The

semantics

ofM

odalLogic

canbe

statedin

terms

ofpossible

worlds.

Inpar-

ticularforthem

odaloperators,♦

itholdsthat:

M,w

|=♦

φthere

existsw

′suchthat

(w,w

′)∈R

andM

,w|=

φM

,w|=

φ

forallw

′if(w

,w′)∈

Rthen

M,w

|=φ

a.Let

pand

qbe

atomic

formulas.Show

thatthefollow

ingform

ulasare

notvalidin

allframes

(drawa

counterexample

foreachform

ula).

i.

p→

p

ii.

q→q

Let

M=〈S

,R,L〉

bea

Kripke

structurew

ith

S=w

1 ,w2 ,w

3 ,w4 ,w

5 ,w6

R=(w

1 ,w1 ),(w

1 ,w2 ),(w

1 ,w3 ),(w

2 ,w2 ),(w

2 ,w3 ),

(w3 ,w

3 ),(w4 ,w

4 ),(w4 ,w

5 ),(w5 ,w

5 ),(w6 ,w

6 )

L(w

i )=

if

wi ∈

w

6 p

ifw

i ∈w

1 ,w4

q

ifw

i ∈w

2 ,w5

p,qif

wi ∈

w

3

b.Draw

apicture

ofthem

odelM

.

c.Which

ofthefollow

ingclaim

shold?

Motivate

youranswer.

i.M

,w1 |=

♦q→

♦

q

ii.M

,w2 |=

p↔

q

iii.M

,w4 |=

♦

♦q

4


32

Question

6.Epistem

icL

ogic(m

ax.3+3+2+2=

10points)

This

isa

variationof

thethree

wise

men

puzzle.T

hreew

isem

engo

tosee

theking.

Itis

comm

onknow

ledgethat

theking

hasthree

redhats

andtw

ow

hitehats.

The

kingputs

ahat

onthe

headof

eachof

thethree

wise

men,

andasks

them(sequentially)

ifthey

knowthe

colorof

thehaton

theirhead.

How

ever,thethree

wise

men

arestanding

ina

lineand

canonly

seesom

eofthe

otherhats(cf.

Figure1).

The

firstwise

man

cansee

boththe

hatofthe

secondand

thirdw

isem

an,butnothisow

n.The

secondw

isem

ancan

onlysee

thehatofthe

thirdw

isem

an.The

thirdw

isem

ancan’tsee

anyhat.A

ftersome

thoughtthefirstw

isem

ansays

thathedoes

notknow.T

henthe

secondw

isem

ansays

thathedoes

notknow.

Then

thethird

wise

man

saysthathe

knows.

Figure1:T

hreew

isem

enlined-up.T

hefirstsees

thesecond

andthird,the

secondsees

thethird,and

thethird

seesnothing.

a.Firstw

elook

attheK

ripkestructure

ofthe

initialsituation.U

se,forexam

ple,(R

,W,W

)to

denotethe

world

where

thefirst

wise

man

hasa

redhat,

andthe

secondand

thirdw

isem

anhave

aw

hitehat.D

rawall7

possiblew

orldsand

drawthe

labeledlines

connectingthe

possiblew

orldsforthe

firstandsecond

wise

men.

(Toavoid

clutterdon’tdrawlines

forthethird

wise

man.)

b.How

doesthe

Kripke

frame

changeafterthe

firstwise

man

saysthathe

doesn’tknow

thecolorofhis

own

hat?D

rawthe

Kripke

frame

forthisnew

situation.

c.H

owdoes

theK

ripkefram

echange

afterthe

secondw

isem

ansays

thathe

doesnotknow

?(N

otethatconsidering

theview

pointofthesecond

wise

man

youhave

two

setsofpossible

worlds

A,B

suchthat

Aand

Bare

disconnectedbutall

worlds

inA

(orB

)areconnected.D

oyou

seea

patternforthe

secondw

isem

an’shatin

thesedisconnected

setsofw

orlds?)

d.Whatis

theansw

erofthethird

wise

man?

Explain

youranswer.

5


33

BK

I242:Robotica

2Solution

toE

xamination

21stofNovem

ber2008

Question

1.Multi-A


=15

points)

a.W

esay

thatΩ

1strongly

dominates

Ω2

ifevery

outcome

inΩ

1is

strictlypre-

ferredby

agentioverevery

outcome

inΩ

2 ,i.e.,

∀w

1 ∈Ω

1 ,∀w

2 ∈Ω

2:w

1 w

2

We

saythat

Ω1

weakly

dominates

Ω2

when

∀w

1 ∈Ω

1 ,∀w

2 ∈Ω

2:w

1 w

2

b.We

saythattw

ostrategies

s1

ands2

arein

Nash

equilibriumif

1.U

nderthe

assumption

thatagenti

playss1 ,agent

jcan

dono

betterthan

plays2 ,and

2.U

nderthe

assumption

thatagentj

playss2 ,agent

ican

dono

betterthan

plays1

c.(A

i ,Bj )

Question

2.Negotiation

(max.5+5+5+5

=20

points)

a.Designing

protocols/rulesofencounterso

thattheyhave

desirableproperties.

b.Four

out:1.

Convergence/guaranteed

success;2.M

aximizing

socialwelfare;

3.Pareto

efficiency;4.

Individualrationality;

5.Stability;

6.Sim

plicity;7.

Distribution.

c.Firstproposal:

mostpreferred

deal;The

agentwhich

risksthe

mostw

henthe

conflictdealischosen

shouldconcede

justenoughto

lettheother

agentconcedein

thenextround.

1

d.See

b:1:

noguaranteed

success,buttermination;2.

no;3.yes;4.

yes;5.yes

(NE

);6.yes/no(m

otivation!);7.yes.

Question

3.Argum

entation(m

ax.5+5+10=

20points)

a.i.no;ii.a,d,f,h

b.yes

c.5out:∅

,a,d

,e

,a,d,a

,e,a,c

,...

Question

4.ProbabilityT

heory(m

ax.7+8=

15points)

a.

p(a)

=p(r)p(a|r)

+p(b)p(a|b)

+p(g

)p(a|g)

=0.2∗

310+

0.2∗12

+0.6∗

310=

0.34

b.

p(g|o)=

p(o|g)p(g

)

p(o)

=p(o|g

)p(g)

p(r)p(o|r)+

p(b)p(o|b)+

p(g)p(o|g

)

Question

5.ModalL

ogic(m

ax.1+9+10=

20points)

a.

i.N

otethatthe

characteristicform

ulais

givenfortransitive

frames.H

ence,toconstructa

counterexample,you

willneed

touse

anon-transitive

frame.

ii.N

otethatthe

characteristicform

ulais

givenforreflexive

frames.H

ence,toconstructa

counterexample,you

willneed

touse

anon-reflexive

frame.

2

#7 Robotica 2 2008/2009 Antwoordschema Toets

34

WW

1W

4

W2

W6

W3

W5

b.c.

i.true,as

both♦

qas

♦q

holdin

w1 .

ii.false,as

pis

falseand

q

istrue

inw

2 .

iii.true,justtake

forthefirst♦

operatoratransition

tow

5 .

3

Question

6.Epistem

icL

ogic(m

ax.3+3+2+2=

10points)

a.

(W,R,W

)

(RRR)

(WRR)

(RRW)

(,,

)

1,2

1,2

(R,R,R)(W

,R,R)(R,R,W

)

22

22

22

(R,W,R)

(W,W,R)

1,2(R,W

,W)

b.

(W,R,W

)

(RRR)

(WRR)

(RRW)

(,,

)

1,2

1,2

(R,R,R)(W

,R,R)(R,R,W

)

22

22

(R,W,R)

(W,W,R)

1,2

c.N

ote,thatifw

eonly

lookatw

orldsconnected

with

lineslabeled

‘2’,we

canidentify

two

setsof

possiblew

orlds.N

amely,

A=(W

,R,W

),(R,R

,W)

andB

=(W

,R,R

),(R,R

,R),(W

,W,R

),(R,W

,R).

Note

thatin

setA

,thesec-

ondw

isem

analw

ayshas

ared

hat,i.e.,ifthe

secondagentconsiders

thew

orldsin

Apossible

(which

happensw

henhe

seesthe

thirdw

isem

anw

earinga

white

hat)he

knows

hem

ustbew

earinga

redhat.

Hence,w

henhe

answers

hedoesn’t

know,the

worlds

inA

cannotbepossible

andare

removed.

d.T

hethird

wise

man

willansw

erthathe

hasa

redhat.

(The

onlyw

orldscon-

sideredpossible

areB

=(W

,R,R

),(R,R

,R),(W

,W,R

),(R,W

,R)

inw

hichthe

thirdw

isem

anis

always

wearing

ared

hat.)

4

#7 Robotica 2 2008/2009 Antwoordschema Toets

35

BK

I242:Robotica

2Q

ualityC

heckE

xam21stofN

ovember

2008

Hieronder

word

voorhet

tentamen

Robotica

2,gegeven

21-11-2008,de

kwaliteits

criteriauit

dereader

‘Kw

aliteitscriteria

toetsing(B

KO

6)’getoets.Ikleverhiervoorde

volgendebew

ijsstukken:

•D

idactischO

ntwerp

Design

ofMultiA

gentSystems

/Robotica

2#2

•L

eertaken#9

•U

itwerkingen

leertaken#10

•Toetsen

#5,#6•

Antw

oordschema

toets#7

Validiteit

1.De

toetsweerspiegeltde

doelen

Jaer

iseen

duidelijkerelatie

tussentoetsvragen

endoelen.

Vergelijk

hiervoorde

bewijsstukken

#6en

#2.V

raag1→

doel3;Vraag

2→doel5;V

raag3→

doel4;Vraag

4→doel6;V

raag5→

doel2;Vraag

6→

doel2.Doel1

isachtergrond

kennisen

komtterug

inhetverslag.

2.De

toetsweerspiegeltde

leeractiviteiten

Ja,detoets

vragenkom

enbijna

100%overeen

metde

leertaken.V

ergelijkhiervoor

debew

ijsstukken#6

en#9.O

pgave1→

6.1,6.2;Opgave

3→7.2,7.3;O

pgave4→

8.1;Opgave

5→12.1,12.1

extra;Opgave

6→12.3.(O

pgave2

komtterug

inhetvoorbeeld

tentamen.)

3.De

toetsiseffectief

Ja,aangezienerkennis

toegepastdienttew

ordenw

aarbijstudentenhun

redeneerstappenduidelijk

moeten

verwoorden

iseen

schriftelijketoets

eengoede

toetsvorm.

4.De

toetsisspecifiek

Ja,aangezienstudenten

kennism

oetentoepassen

inde

opgavenis

hetonvoldoendeom

feitente

stampen.

Bovendien

is‘com

mon

sense’onvoldoendeaangezien

dekennis

theoretischen

abstractvanaard

is.

Betrouw

baarheid

5.De

toetsmaaktbeoordeling

vande

individueleprestatie

mogelijk

Ja,detoets

wordtindividueelafgenom

endooriedere

studenteniedere

studentkrijgthiervoor2uurde

tijd.

6.De

toetsvormen

toetswijze

isbekend

Ja,tijdenshetrespontiecollege

isaan

deorde

gekomen

waarde

nadrukop

zouliggen

tijdenshettentam

en.B

ovendienbeschikten

studentenover

eenvergelijkbaar

tentamen

van16-06-2008.

Vergelijk

hiervoorbe-

wijsstukken

#5en

#6.O

pgave1→

Opgave

1;Opgave

2→O

pgave2;O

pgave3→

Opgave

3;Opgave

4→

Opgave

4;Opgave

5→O

pgave5;(Tevens

isverm

elddatstudenten

ofweleen

opgaveovertem

portelelogica

ofweloverepistem

ischelogica

kondenverw

achten,i.e.,opgave6.)

7.De

toetsstreeftnaarobjectieve

beoordeling

Ja,allereerst

zijner

duidelijkecriteria

overw

atgoed

offout

is,aangezien

erm

aar1

antwoord

goedis.

Naasthetantw

oordw

ordtooksteeds

ombijbehorende

motivatie

gevraagd,zoalsin

deleertaken

aleerderisgeoefend.Voorhettentam

enis

eenantw

oordschema

gemaakten

detoekenning

vanpunten

wordtkenbaar

gemaaktin

detitelvan

deopgave.

Hettentam

enw

ordtobjectiefnagekeken,aangezien

opgavenw

ordenverdeeld

onderdedocenten,i.e.,een

opgavew

ordtnagekekendoor1

docent.

Bruikbaarheid

8.De

toetsishaalbaaren

efficient

Ja,detoets

isdoor

iedereenbinnen

2uur

tem

aken.V

eelstudentenleverden

detoets

alminstens

eenhalf

uureerderin.De

toetsw

asbinnen

1w

eeknagekeken.

9.De

toetsishelder

Ja,devragen

zijnvaak

wiskundig

vanaard

enbevatdaardoorgeen

ambiguıteiten.

10.De

toetsheefteengoede

opbouw

Ja,eenvraag

staataltijdop

1kantvan

eenA

4-tje;Opgaven

worden

duidelijkingeleid

meteen

titelwaarin

hetthema

vande

opgavew

ordtvermeld

entoekenning

vande

punten;H

ettentamen

wordtingeleid

met

eenoverzichten

eenalgem

eneinleiding.

#8 Robotica 2 2008/2009 Kwaliteitscontrole Toets

36

Robotica 2, 2008/2009Learning Task 1

Multi-Agent Interactions

BackgroundIn the multi-agent systems community there is a popular slogan:

There’s no such thing as a single agent system

Agents form a society by communicating with each other and using this for making decisions.

Learning ObjectivesAfter completing the task you will be able to

• Apply the following game theory concepts to explore decisions in interactions betweenmultiple (rational) agents:

– Utilities / preferences– Payoff matrices– (Dominant) outcomes / strategies– Nash equilibria– Pareto optimality– Social welfare

• Describe the Prisoner’s Dilemma, it’s paradox with respect to societies of self-interestedagents, and extensions to recover cooperation between agents.

Instruction• Read and study ‘Chapter 6: Multiagent Interactions’ of the book by Wooldridge.• Make exercises 6.1 and 6.2 of the homework exercises.• Hand in your solutions before the deadline in the schedule.

Products• Answers to the exercises.

Reflection• Given agent preferences, can you construct a payoff matrix and apply the various optimal-

ity criteria (i.e., dominance, nash equilibria, pareto optimality, and social welfare)?• Which optimality criteria can be used for opposing agents and which ones for benevolent

agents?

#9 Robotica 2 2008/2009 Leertaken

37

BK

I242:Robotica

2E

xercises2008-2009

Exerciseschapter

6:Multiagentinteractions

Question

6.1

The

statetransform

erfunctionofa

game

with

two

agentsiand

jis

definedin

thisw

ay:τ(A

i ,Aj )

=w

1 ,τ(A

i ,Bj )

=w

2 ,τ(B

i ,Aj )

=w

3and

τ(B

i ,Bj )

=w

4 .

The

utilityofthese

statesw∈

Wforboth

agentsis

thefollow

ing:U

i (w1 )

=2,U

i (w2 )

=4,U

i (w3 )

=1,U

i (w4 )

=5;

Uj (w

1 )=

0,U

j (w2 )

=4,U

j (w3 )

=1,U

j (w4 )

=4.

a.Draw

thepayoffm

atrixforthis

game.

b.Which

actionw

oulda

self-interestedagent

jchoose

inthis

game?

Why?

c.D

oesthis

game

havenone,one,or

two

Nash

Equilibria?

Pleaseexplain

why

andw

here(in

casethere

areany).

Question

6.2

Ina

two-player

game

bothplayers

simultaneously

choosea

whole

number

from0

to3

andthey

bothw

inthe

smaller

ofthe

two

numbers

inpoints.

Inaddition,if

oneplayerchooses

alargernum

berthanthe

other,thenhe/she

hasto

giveup

two

pointsto

theother.

Forexam

ple,for

theaction

pair(2,3),

i.e.,player

1chooses

2w

hileplayer

2chooses

thehighernum

ber3and

thereforetransfers

2points

toplayer1.

utilityplayer1:m

in(2,3)+2

=4

utilityplayer2:m

in(2,3)-2

=0

1

a1.Draw

the4×

4payoffm

atrixforthis

game.

a2.D

etermine

ifthis

two-player

game

hasany

Nash

Equilibria?

Pleaseexplain

why

andw

here(in

casethere

areany).

Supposethe

game

ism

odifiedsuch

thatthetw

oplayers

win

thenam

edam

ountif

theyboth

choosethe

same

number,and

otherwise

win

nothing(butstillloose

2points

when

theychoose

ahigher

number).

Forexam

ple,for

(2,3)they

win

nothingas

26=3,butplayer2

looses2

pointsas

3>

2:

utilityplayer1:0

+0

=0

utilityplayer2:0

-2=

-2

b1.Draw

the4×

4payoffm

atrixforthis

modified

game.

b2.Determ

ineifthis

modified

two-playergam

ehas

anyN

ashE

quilibria?Please

explainw

hyand

where

(incase

thereare

any).

Exerciseschapter

7:Reaching

agreements

Question

7.1

a.Supposethatin

anE

nglishauction

theagents

playthe

straightforward

biddingstrategy.

Supposethatallagents

provideinform

ationabouttheir

valueto

acen-

tralagent,thataccordingto

thosevalues

simulates

theauction.(N

ote,thecentral

agentdoesn’t

cheat,doesn’tuses

thereceived

information

insom

especial

way,

andstarts

thebidding

at0.)A

sssume

agentshave

differentvaluationsofthe

auc-tioned

object.Who

willw

inthe

biddingand

forwhatprice?

Whattype

ofauctiondoes

thislook

like?

b.W

hatisthe

beststrategyfor

thecom

municated

values(low

er/higher/equaltothe

truevalue)?

2


38

Question

7.2

Let

X=a,b,c,d

andthe

attackrelation

begiven

asin

thefollow

ingfigure

bb

ac

d

Answ

erthefollow

ingquestions:

1.W

hichargum

entsin

Xare

attacked?2.

Which

arguments

inX

areacceptable

wrt

Y=b,d

andY

=a

,c?3.

Determ

ineif

Y⊆

Xis

conflictfreeand/oradm

issibleforthe

cases:

(a)Y

=b,d

(b)Y

=a,c

(c)Y

=c

(d)Y

=b,c

3

Question

7.3

With

respecttothe

argumentsystem

inFigure

1,statew

ithjustification

thesta-

tusof

theargum

entsa,...,q,

suchthat

theacceptable

(‘in’)argum

entsform

am

aximaladm

issibleset.(In

particular,payattention

tothe

oddcycle

k,l,m.)

cm

d

kl

a

g

j

e

bi

jp

f

nq

h

f

Figure1:A

rgumentsystem

(cf.Wooldridge,Figure

7.3).

4


39

BK

I242:Robotica

2E

xercises2008-2009

ExercisesC

hapter8:Probability

Robotics

Question

8.1(O

ldE

xamQ

uestion)

Johas

atestfor

anasty

disease.W

edenote

Jo’sstate

ofhealth

bythe

variableA

andthe

testresultbyB

.A=

1Jo

hasthe

diseaseA

=0

Jodoes

nothavethe

disease

The

resultofthe

testiseither

‘positive’(B

=1)

or‘negative’

(B=

0);thetest

is95%

reliable:in95%

ofcasesofpeople

who

reallyhave

thedisease,a

positiveresultis

returned,andin

95%of

casesof

peoplew

hodo

nothavethe

disease,anegative

resultisobtained.

The

finalpieceof

backgroundknow

ledgeis

that1%ofpeople

ofJo’sage

andbackground

havethe

disease.

a.Write

down

alltheprovided

probabilities,i.e.,

p(B=

1|A=

1)p(B

=1|A

=0)

p(A=

1)p(B

=0|A

=1)

p(B=

0|A=

0)p(A

=0)

b.W

ritedow

nthe

formula

forthe

probabilityof

gettinga

positiveresult,

i.e.,p(B

=1),using

theproductand

sumrule

ofprobability

theory.(Y

oudon’thave

toevaluate

theform

ulainto

anum

ber.)

c.W

ritedow

nthe

formula

forthe

probabilityof

Johaving

thedisease

giventhat

Johas

apositive

testresult,i.e.,p(A

=1|B

=1),using

Bayes

rule.(Y

oudon’t

haveto

evaluatethe

formula

intoa

number,butifyou

arecurious

itisonly

0.16.)

1

Question

8.2

This

problemis

known

asthe

tigerproblem

andis

dueto

Cassandra,L

ittman

andK

aelbling[1,2].A

personfaces

two

doors.Behind

oneis

atiger,behind

theother

arew

ardof

+10.T

heperson

caneither

listenor

openone

ofthe

doors.W

henopening

thedoor

with

atiger,the

personw

illbeeaten,w

hichhas

anassociated

costof

-20.L

isteningcosts

-1.W

henlistening,

theperson

will

heara

roaringnoise

thatindicatesthe

presenceof

thetiger,butonly

with

0.85probability

will

theperson

beable

tolocalize

thenoise

correctly.With

0.15probability,the

noisew

illappearasifitcam

efrom

thedoorhiding

therew

ard.

a.Providethe

formalm

odelofthePO

MD

P,inw

hichyou

definethe

state,action,and

measurem

entspaces,thecostfunction,and

theprobability

functions.Use

thefollow

ingnotation:

States:T

L,T

RA

ctions:O

L,O

R,L

Observations:

SL

,SR

where

TL

,TR

standfor

tigerbehind

theleftdoor,respectively,behind

theright

door;O

L,O

Ropen

theleftdoor,respectively,rightdoor;

SL

,SR

heara

soundbehind

theleftdoor,respectively,rightdoor.

b.Whatis

theexpected

payoff/costifwe

areonly

allowed

toperform

oneaction?

Com

putethe

optimalpolicy

π1 (b).A

lsoplotthe

resultinglinearfunctions

r(b,u)

forbelief

band

actionu

∈O

L,O

R,L

ina

diagramand

don’tforget

toadd

unitsto

yourdiagram.

2


40

ExercisesC

hapter9:W

orkingtogether

Question

9.1

a.Describe

theC

ontractNetProtocol.

b.D

iscusshow

touse

thecontractnetw

orkprotocolfordistribution

oflargepro-

grams

overdifferentcomputers

ina

network.Points

todiscuss/think

about:-w

hatarethe

agents?-are

theybenevolentorself-interested?

-which

information

shouldbe

comm

unicatedin

theannouncem

ent?-w

hichinform

ationis

importantforthe

biddingand

theaw

arding?

References

[1]A

.R.C

assandra,L.P.K

aelbling,andM

.L.L

ittman.

Acting

optimally

inpar-

tiallyobservable

stochasticdom

ains.In

Proceedings

ofthe

AA

AI

National

Conference

onA

rtificialIntelligence,pages1023–1028,1994.

[2]L

.P.Kaelbling,

M.L

.Littm

an,and

A.R

.Cassandra.

Planningand

actingin

partiallyobservable

stochasticdom

ains.A

rtificialIntelligence,101:99–134,1998.

3


41

BK

I242R

obotica2

Exercises2008-2009

Exerciseschapter

12:ModalL

ogic

12.1.ModalL

ogic(old

examquestion)

Let

M=〈S

,R,L〉

bea

Kripke

structurew

ith

S=w

1 ,w2 ,w

3 ,w4 ,w

5 R

=(w

1 ,w1 ),(w

1 ,w2 ),(w

2 ,w3 ),(w

2 ,w4 ),(w

3 ,w1 ),(w

4 ,w5 ),(w

5 ,w2 )

L(w

i )=

if

wi ∈

w

1 p

ifw

i ∈w

2 ,w5

qif

wi ∈

w

3 ,w4

a.Draw

apicture

ofthem

odelM

.

b.Which

ofthefollow

ingclaim

shold?

Motivate

youranswer.

i.M

,w5 |=

p

ii.M

,w5 |=

p→

♦p

iii.M

,w1 |=

♦q→

q

iv.M

,w4 |=

♦q→

q

c.Let

pand

qbe

atomic

formulas.Show

thatthefollow

ingform

ulasare

notvalidin

allframes

(givea

counterexample

foreachform

ula).

i.

p→

p

ii.

p→♦

p

1

Question

12.2(M

odalLogic)

Showthatthe

formula

φ⇒

φis

characteristicfor

theclass

ofm

odelsw

itha

transitiveaccessibility

relation.

Question

12.3(E

pistemic

Logic)

There

arethree

wise

men.

Itiscom

mon

knowledge

thatthereare

threered

hatsand

two

white

hats.The

kingputs

ahaton

thehead

ofeachofthe

threew

isem

en,and

asksthem

(sequentially)if

theyknow

thecolor

ofthe

hatontheir

head.T

hefirstw

isem

ansays

thathedoes

notknow;the

secondw

isem

ansays

thathedoes

notknow;then

thethird

wise

man

saysthathe

knows.

a.A

ssume

thatallthreew

isem

ancan

seethe

hatofthe

othertw

ow

isem

an,butnottheirow

nhat.D

rawthe

Kripke

structuredescribing

theinitialsituation.H

owdoes

thestructure

changeafter

thefirstw

isem

ansays

thathedoesn’tknow

thecolor

ofhis

hatonhis

head?H

owdoes

itchangeafter

thesecond

wise

man

saysthathe

doesnotknow

?W

hatisthe

answerofthe

thirdw

isem

an?

b.Suppose

thefirstand

secondw

isem

encan

see,butthatthethird

wise

man

isblind.

How

doesthis

changethe

structureof

theK

ripkem

odel?D

oesthis

affectany

oftheresponses

ofthew

isem

en?

Question

12.4(Tem

poralLogic)

Draw

apath

togetherw

itha

valuationof

propositionssuch

thatin

thispath

thefollow

ingthree

formulas

allhold:

1.¬(pU

q)

2.¬(¬

pUq)

3.Fq

2


42

Question

12.5(Tem

poralLogic)

Showthat

thefollow

ingform

ulasare

notequivalent

bygiving

apath

(possiblyinfinite)and

avaluation

ofpropositionson

thispath

suchthatone

oftheform

ulasis

truew

hilethe

otherisnot

a.FGp

andG

(p→X

p)

b.FGp

and¬pU

(Gp)

c.G(p→

Xp)

and¬pU

(Gp)

Question

12.6.TemporalL

ogic(old

examquestion)

Supposethat

we

havean

infinitepath

s0→

s1→

s2 ···

where

s0

isthe

ini-tialstate.

Draw

them

odelM

onthis

pathsuch

thatitsatisfiesallthe

following

formulas

i.M

,s0 |=

p∧q

ii.M

,s0 |=

G((X

p)↔¬

p)

iii.M

,s0 |=

G((X

q)↔(p↔

q))

3


43

BK

I242R

obotica2

Extra

Exercises2008-2009

Extra

Exerciseschapter

12:ModalL

ogic

12.1.ModalL

ogic(old

examquestion)

Let

M=〈S

,R,L〉

bea

Kripke

structurew

ith

S=w

1 ,w2 ,w

3 ,w4 ,w

5 R

=(w

1 ,w2 ),(w

2 ,w3 ),(w

2 ,w4 ),(w

3 ,w3 ),(w

3 ,w4 ),(w

4 ,w2 ),(w

4 ,w5 )

L(w

i )=

if

wi ∈

w

1 p

ifw

i ∈w

4 ,w5

qif

wi ∈

w

2 p,q

ifw

i ∈w

3

a.Draw

apicture

ofthem

odelM

.

b.Stateforeach

subquestionand

foreachstate

wi w

hethertheysatisfy

thegiven

formula

andm

otivateyouransw

er

i.M

,wi |=

p→

p

ii.M

,wi |=

♦♦

q

c.L

etp

bean

atomic

formula.

Showthatthe

following

formula

isnotvalid

inallfram

es(i.e.,give

acounterexam

plefor

thegiven

formula)

andm

otivateyour

answer♦

p→

♦p

1

Question

12.2.TemporalL

ogic(old

examquestion)

Intem

porallogicitis

possibleto

addan

additionaloperatorR,the

releaseoper-

ator,which

isdefined

aspR

q≡¬

((¬p)U

(¬q)).

Draw

am

odelM

(apath)

suchthatin

theinitialstate

ofthism

odelwe

havethat

M|=

pUq

andM

6|=qR

p

Rem

ember

thattemporallogic

has(am

ongothers)

thefollow

ingsem

antics.L

etf

1 ,f2

bestate

formulas,

g1 ,g

2be

pathform

ulas.For

apath

π=

π0 π

1 ···w

edenote

πi=

πi ,π

i+1 ···.

M,s|=

pp∈

L(s)

M,s|=

¬f

1M

,s6|=f

1

M,π

|=f

1s

isthe

firststateof

πand

M,s|=

f1

M,π

|=¬

g1

M,π

6|=g1

M,π

|=g1 U

g2

thereexists

k≥0

suchthat

M,π

k|=g2

andforall

0≤j

<k,

M,π

j|=g1

2


44

BK

I242:Robotica

2E

xercises2008-2009

Exerciseschapter

6:Multiagentinteractions

Solution6.1

a.

Ai

Bi

Aj

21

01

Bj

45

44

b.We

haveA

i Bj ≡

jB

i Bj

jB

i Aj

jA

i Aj

Asoutcom

esincludingB

j arealw

ayspreferredoveroutcom

esincludingA

j ,agentj

willchoose

Bj .

c.T

hisgam

ehas

oneN

ashequilibrium

:B

i Bj .

This

iseven

adom

inantstrategy.A

gentj

willplay

Bj (see

b.),andthen

agenti’s

bestchoiceis

toplay

Bi .L

eavingthis

stateis

worse

foreitherofthetw

oagents.

1

Solution6.2

a1.

1chooses

‘0’1

chooses‘1’

1chooses

‘2’1

chooses‘3’

2chooses

‘0’0

-2-2

-20

22

22

chooses‘1’

21

-1-1

-21

33

2chooses

‘2’2

32

0-2

-12

42

chooses‘3’

23

43

-2-1

03

Note

that,for

example,

foraction

pair(2,3),

i.e.,player

2chooses

thehigher

number3

andtransfers

2points

toplayer1,the

utilitiesare:

player1:m

in(2,3)

+2

=4

player2:m

in(2,3)−

2=

0

a2.T

hereis

oneN

ashequilibrium

(0,0).A

nyother

choiceof

strategiescan

beim

provedifone

oftheplayerslow

ershisnumberto

onelessthan

theotherplayer’s

number.

b1.

1chooses

‘0’1

chooses‘1’

1chooses

‘2’1

chooses‘3’

2chooses

‘0’0

-2-2

-20

00

02

chooses‘1’

01

-2-2

-21

00

2chooses

‘2’0

02

-2-2

-22

02

chooses‘3’

00

03

-2-2

-23

b2.There

arenow

fourNash

equilibria:(0,0),(1,1),(2,2),(3,3).

2

#10 Robotica 2 2008/2009 Uitwerkingen Leertaken

45

Exerciseschapter

7:Reaching

agreements

Solution7.1

a.Suppose

theagents

providevalues

v1 ≤

v2 ≤

···≤v

n−1

<v

n .T

henagent

nw

illwin

theauction

andpay

(alittle

bitmore

than)v

n−1 .T

heauction

isin

facttransform

edinto

aV

ickreyauction

(seethe

paperby

Dash

andJennings,p.

43:T

heR

evelationPrinciple).

b.The

dominantstrategy

isto

comm

unicatethe

truevalue.

Solution7.2

attackedare

b,c,d.acceptable:

aw

rtY

=b,d;

a,c

wrt

Y=a,c

Y=b,d

isconflictfree,notadm

issibleY

=a,c

isconflictfree

andadm

issibleY

=c

isconflictfree,notadm

issibleY

=b,c

isnotconflictfree,notadm

issible

Solution7.3

There

aretw

om

aximaladm

issiblesets:

h,g

,b,q,f,i

andh,g

,b,q,f,j.

Explanation:

hand

gbelong

toeach

maxim

aladmissible

set,sincethey

arenot

attacked.So,

a,p,

e,andd

arenotm

ember

ofa

maxim

aladmissible

set,sincethese

argu-m

entscan

notbedefended.

So,b(defended

byg

andh)and

q(defended

byh)can

beadded

tothe

admissible

set.E

itherior

j(butnotboth)belong

toa

maxim

aladmissible

set.n

isout,since

itisattacked

byeither

iorj.

fis

in(defended

byeither

iorj).

Fromthe

three-cyclel,

k,m

atm

ostone

ofthem

canbe

in,butthey

cannotbe

defended.T

hecycle

isunstable.

Conclusion:

l,k,

m,and

ccannotbelong

tothe

admissible

sets.

3


46

BK

I242:Robotica

2E

xercises2008-2009

SolutionsChapter

8:ProbabilisticR

obotics

Question

8.1

a.p(B

=1|A

=1)

=0.95

p(B=

1|A=

0)=

0.05p(B

=0|A

=1)

=0.05

p(B=

0|A=

0)=

0.95p(A

=1)

=0.01

p(A=

0)=

0.99

b.

p(B=

1)=

p(B=

1|A=

1)p(A=

1)+

p(B=

1|A=

0)p(A=

0)

c.

p(A=

1|B=

1)=

p(B=

1|A=

1)p(A=

1)

p(B=

1)

=p(B

=1|A

=1)p(A

=1)

p(B=

1|A=

1)p(A=

1)+

p(B=

1|A=

0)p(A=

0)

Question

8.2

a.T

hereare

two

doors,w

hichw

edenote

leftand

right.T

hestate

dependson

where

thetiger

islocated,

behindthe

leftdoor

(TL

)or

behindthe

rightdoor

(TR

).One

caneitheropen

theleftdoor

(OL

),openthe

rightdoor(O

R),orlisten

(L).

When

listeningone

canheara

soundeitherbehind

theleftdoor

(SL

)orthe

rightdoor(S

R).Form

ally:

States:T

L,T

RA

ctions:O

L,O

R,L

Observations:

SL

,SR

1

The

rewards

aregiven

asfollow

s

r(TL

,OL

)=

-20r(T

R,O

L)

=+10

r(TL

,OR

)=

+10r(T

R,O

R)

=-20

r(TL

,L)

=-1

r(TR

,L)

=-1

The

probabilitiesare

givenas

follows

p(SL|T

L)

=0.85

p(SR|T

L)

=0.15

p(SL|T

R)

=0.15

p(SR|T

R)

=0.85

There

areno

transitionsin

thisversion

ofthetigerproblem

.

b.W

ithrespectto

actionO

Lw

ereceive

-20if

we

arecertain

thatthetiger

ison

theleft

(TL

),and+10

ifw

eare

certainif

thetiger

ison

theright

(TR

).If

we

areuncertain

we

getsome

linearcombination

fortheexpected

reward.L

etb

standfor

abelief,

denotingthe

uncertaintyover

thestate

spaceand

useas

shorthandp(T

L)

=pland

p(TR

)=

pr=

1−pl.T

hen

r(b,OL

)=−

20pl+

10pr=−

20pl+

10(1−pl)

=−

30pl+

10

Similarforactions

OR

andL

we

obtain:

r(b,OR

)=

10pl−20(1−

pl)=

30pl−20

r(b,L)

=−

12


47

Graphically

(with

pl=

p(TL

)on

thehorizontalaxis):

00.2

0.40.6

0.81

−20

−15

−10

−5 0 5 10

The

valuefunctionfor1

actionis

them

aximum

overthethree

linearfunctions:

V1 (b)

=m

ax −

30pl+

1030pl

−20

−1

T

heoptim

alpolicyfor1

actioncan

beobtained

fromthis

valuefunction:

π1 (b)

= O

Lif

0≤pl≤

11

30

Lif

11

30

<pl

<19

30

OR

if19

30 ≤

pl≤1

3

SolutionsChapter

9:Working

together

Question

9.1

a.Seebook

orslides:5stages

+shortexplanation

perstage.

b.A

naturalchoiceforagents

isone

agentperCPU

,buttherecan

alsobe

agentsforclusters

ofcomputers.Ifthe

computers

inthe

network

arenotallthe

same,the

agentsform

aninhom

ogeneousteam

.The

network

caneven

beopen.

Agents

canbe

chosenboth

benevolent(they

justw

antto

compute

asm

uchas

possible)orself-interested(they

getpointsfortasks,more

pointsformore

difficulttasks,and

theytry

togatheras

much

pointsas

possible).

Information

tocom

municate:

deadlines,inform

ationabout

thetask

(difficult,com

puting,graphical,...)

Bidding:

specialisms

ofthe

agent,expectedcom

pletionof

thejob,quality

ofthe

outcomes,...

Aw

arding:Choose

thebestdistribution

overagents,consideringthe

whole

job.

4


48

BK

I242:Robotica

2Solutionsto

Exercises2008-2009

Solutionschapter12:M

odalLogic

Question

12.1a.

pq

pq

W1

W2

W3

W4

W5

b.Fullanswers

aregiven

forpartsiand

ii.Shortenedansw

ersforparts

iiiandiv.

i.M

,w5 |=

p

iff∀x,(w

5 ,x)∈

R→

M,x|=

p

iffM

,w2 |=

piff

∀x,(w

2 ,x)∈

R→

M,x|=

p

iffM

,w3 |=

p

andM

,w4 |=

p

iff∀x,(w

3 ,x)∈

R→

M,x|=

pand∀

x,(w

4 ,x)∈

R→

M,x|=

piff

M,w

1 |=p

andM

,w5 |=

piff

false,asp6∈

L(w

1 ).

ii.M

,w5 |=

p→

♦p

iffif

M,w

5 |=p

thenM

,w5 |=

♦

piff

M,w

5 |=

♦p

iff∀x,(w

5 ,x)∈

R→

M,x|=

♦p

iffM

,w2 |=

♦p

iff∃x,(w

2 ,x)∈

R→

M,x|=

p

iffM

,w3 |=

p

orM

,w4 |=

p

iff∀x,(w

3 ,x)∈

R→

M,x|=

por∀

x,(w

4 ,x)∈

R→

M,x|=

piff

M,w

1 |=p

orM

,w5 |=

piff

true,asp∈

L(w

5 ).

1

iii.M

,w1 |=

♦q→

qfalse,because

the“ifpart”

istrue:

(w1 ,w

2 )∈R

andM

,w2 |=

q,but

the“then

part”is

false:(w

1 ,w1 )∈

Rand

M,w

1 6|=

q.

iv.M

,w4 |=

♦q→

qtrue,because

the“ifpart”

isnotsatisfied

(thereis

onlyone

successorstateof

w4 ,

namely

w5 ,

andonly

onesuccessor

stateof

w5 ,

namely

w2 ,

andM

,w2 6|=

q.H

ence,thestatem

entistrue,independentof

thetruth

valueof

the“then

part”.

c.

pi)ii)

Note

thatin

i.the

characteristicform

ulais

givenfor

transitivefram

es.H

ence,you’llneed

togive

anon-transitive

frame

(anda

properlabellingfunction).

Note

thatin

ii,φ

isautom

aticallytrue

when

thereare

nooutgoing

edgesfor

anyform

ulaφ.

2


49

Question

12.2

LetF

bethe

classofalltransitive

frames.

We

showthat

F∈F⇔

φ⇒

φis

validon

F.

Proof:⇒

Let

F=〈S

,R〉∈F

andM

bea

modelbased

onF

.L

etw

bean

arbitrarystate

andassum

eM

,w|=

φ.T

henforall

w′such

that(w

,w′)∈

Ritholds

thatM

,w′|=

φ.We

stillneedto

proveM

,w|=

φ,which

holdsiff∀

w′if

(w,w

′)∈R

thenM

,w′|=

φ,w

hichholds

iff∀w

′,(w,w

′)∈R

,∀w

′′if(w

′,w′′)∈

Rthen

M,w

′′|=φ.

This

holds,as(w

,w′′)∈

R,because(w

,w′),(w

′,w′′)

⊆R

andw

eassum

edM

,w|=

φ.

⇐A

ssume

F=〈S

,R〉6∈F

.T

henR

isnon-transitive

andthere

arestates

w,w

′,w′′such

that(w,w

′),(w′,w

′′)⊆

Rand

(w,w

′′)6∈R

.D

efineL

(w)

=L

(w′′)

=∅

andL

(w′)

=φ.

Then

M,w

|=

φbut

M,w

6|=

φ.

Hence,

φ⇒

φis

notvalidon

F.

Question

12.3

a.W

ith(W

,R,R

)w

ecan

denotethe

statew

herethe

firstw

isem

anw

earsa

white

hat,thesecond

wise

man

ared

hat,andthe

thirdw

isem

ana

redhat.

The

(simplified)

initialK

ripkestructure

isthen

shown

asin

Figure1.

Note

thatthe

linesshow

nare

infact

arrows

goingboth

ways.

Arrow

sgoing

fromone

nodeto

itselfare

notshow

n.For

example,

aline

isdraw

nbetw

een(W

,R,R

)and

M,(R

,W,W

)|=

K1 R

M,(W

,R,W

)|=

K2 R

M,(W

,W,R

)|=

K3 R

(W,R,W

)

(RRR)

(WRR)

(RRW)

(,,

)

31

(R,R,R)(W

,R,R)(R,R,W

)

22

2

13

(R,W,R)

(W,W,R)

(R,W,W

)1

3

Figure1:Sim

plifiedinitialK

ripkestructure

forthew

isem

enpuzzle

togetherwith

epistemic

knowledge

(R,R

,R)

forw

isem

an1,

becausehe

seesthe

hatsof

theother

wise

man,

butthe

colorof

hisow

nhat

canbe

eitherw

hiteor

red.T

hereare

sevenstates

as

3

(W,W

,W)

isnotpossible

accordingto

thecom

mon

knowledge

ofthreered

hats,and

two

white

hats.

Note

thatM

,(R,W

,W)|=

K1 R

.T

herefore,when

thefirstagentannounces

hedoesn’tknow

thecolor

ofhis

hat,hecan’tbe

instate

(R,W

,W).

This

state(and

anyarrow

goingin

andoutofit)is

thereforerem

ovedfrom

theK

ripkem

odelafterthe

announcementas

shown

inFigure

2.

M,(W

,R,W

)|=

K2 R

M,(R

,R,W

)|=

K2 R

M,(W

,W,R

)|=

K3 R

(W,R,W

)

(RRR)

(WRR)

(RRW)

(,,

)

31

(R,R,R)(W

,R,R)(R,R,W

)

22

13

(R,W,R)

(W,W,R)

1

Figure2:

Simplified

Kripke

structurefor

thew

isem

enpuzzle

afterthe

firstwise

man

answersthathe

doesn’tknowthe

colorofhisown

hattogetherwith

epistemic

knowledge

Afterthe

announcementofthe

secondw

isem

en,asim

ilarargumentcan

begiven

fortherem

ovalofthestates

(W,R

,W)and

(R,R

,W).T

hisis

shown

inFigure

3.T

heonly

statesnow

leftare

(W,R

,R),(W

,W,R

),(R,W

,R),(R

,R,R

),hence,

thethird

wise

man

hasto

havea

redhatand

heknow

sit!

M,(W

,R,R

)|=

K3 R

M,(R

,R,R

)|=

K3 R

M,(W

,W,R

)|=

K3 R

M,(R

,W,R

)|=

K3 R

(RRR)

(WRR)

(R,R,R)(W

,R,R)

22

1

(R,W,R)

(W,W,R)

1

Figure3:

Simplified

Kripke

structurefor

thew

isem

enpuzzle

afterthe

firstandsecond

wise

men

answerthatthey

don’tknowthe

coloroftheirown

hatstogether

with

epistemic

knowledge

b.B

ecausethe

thirdw

isem

annow

hasno

knowledge

aboutthe

statehe

isin,

arrows(w

ithlabel‘3’)go

fromany

stateto

anyotherstate.H

owever,the

responsesofthe

threew

isem

enw

illnotchangeatall.

4


50

Question

12.4

pq

Question

12.5

p

a,b)

pp

c)

Note

thatinthe

firstpathFG

pholds,butneitherG

(p→X

p)nor¬

pU(G

p)holds.

Inthe

secondpath

G(p→

Xp)

holds,butnot¬pU

(Gp).

5

Question

12.6

p, qqpp

The

stateon

thetop

leftisthe

initialstate.T

hepath

repeatsafter

every4

states.Form

ulaistates

thatthefirststate

satisfiesp∧

q.Formula

iithatthetruth

valueof

palternates

(globallyp

istrue

inthe

nextstate,ifp

isnottrue

inthe

currentstate).Form

ulaiiistates

thatq

istrue

inthe

nextstate,when

pand

qhave

identicaltruthvalues

(i.e.,bothfalse

orbothtrue)in

thecurrentstate.

6


51

BK

I242:Robotica

2Solutionsto

Extra

Exercises2008-2009

Solutionschapter12:M

odalLogic

Question

12.1

a.-

b.N

ote,these

areshort

solutions.A

tthe

examyou

needto

givem

oredetailed

motivation!!!

i.w

1true,as

pis

false.

w2

false,asp

true,but

pfalse

(w2 →

w4 →

w2 )

w3

false,asp

true,but

pfalse

(w3 →

w4 →

w2 )

w4

true,asp

isfalse.

w5

true,asany

(sub)formula

beginningw

itha

istrue

ina

statew

ithoutsuccessors.

iiw

1true,(w

1 →w

2 →w

4 →w

2 )

w2

true,(w2 →

w3 →

w3 →

w3

andw

2 →w

4 →w

2 →w

3 )

w3

true,(w3 →

w3 →

w3 →

w3

andw

3 →w

4 →w

2 →w

3 )

w4

false,as♦♦q

nottruein

w5 .

w5

true,asany

(sub)formula

beginningw

itha

istrue

ina

statew

ithoutsuccessors.

c.Take

forexample

am

odelwith

two

statesS

=w

1 ,w2 ,w

hichare

connectedR

=(w

1 ,w2 ).

Then

forany

labelingw

ehave

w1 |=

♦p,

butw

1 6|=

♦p,

becausew

2has

nosuccessors.

1

Question

12.2

Note

that

M6|=

qRp⇔

M6|=¬

((¬q)U

(¬p))

⇔M

|=(¬

q)U(¬

p)

Takeforexam

plethe

modelw

ithonly

onestate

s0

suchthat

qis

truein

thisstate.

Then

thism

odelsatisfies

pUq

asq

iseventually

true(nam

elyfirst

state)and

inall

statesbefore

that(none)

pholds.

Furthermore,

(¬q)U

(¬p)

holdsas¬

pis

eventuallytrue

(namely

firststate)andin

allstatesbefore

that(none)¬q

holds.

2


52

Rob

otic

a 2

20

09

-20

10

obje

ctives

appro

ach

and e

valu

atio

n co

urse

mate

rial

weekly

pla

nnin

gsch

edule

pro

ject

Rob

otica

2

Welc

om

e!

This cou

rse is mean

t to give you

an in

troduction

to robotics.

Rob

otics is the scien

ce and tech

nolog

y of robots, an

d th

eir desig

n,

man

ufactu

re, and ap

plication

. Rob

otics is also closely related to th

eresearch

area of multi-ag

ents.

Teach

ers

Ida S

prin

khuizen

-Kuyp

erroom

B02.3

9(0

24) 3

616126

Perry Groot

room H

G 0

2.5

19

(024) 3

652354

Both

Ida an

d Perry w

ill be resp

onsib

le for the lectu

res, class project, an

d overall

evaluation

.

Rob

otic

a 2

20

09

-20

10

obje

ctives

appro

ach

and e

valu

atio

n co

urse

mate

rial

weekly

pla

nnin

gsch

edule

pro

ject

Rob

otica 2

Ob

jectiv

es

After com

pletin

g th

e theoretical p

art of this cou

rse studen

ts will b

e able to

describ

e the ob

jectives and ch

allenges of m

ulti-ag

ents system

s;use m

odal log

ic for reasonin

g ab

out p

roperties of ag

ent kn

owled

ge (ep

istemic

logic) an

d ab

out tem

poral p

roperties (tem

poral log

ic) (lt1);

apply g

ame th

eory concep

t for understan

din

g ag

ent d

ecisions in

multi-ag

ent

interaction

s (lt2);

apply several tech

niq

ues (au

ction, n

egotation

, argum

entation

) to reach an

agreem

ent am

ong ag

ents (lt3

);setu

p a p

rotocol for the d

istribution

of tasks betw

een ag

ents (lt4

);ap

ply p

robab

ility theory (e.g

., Bayes ru

le) for reasonin

g ab

out u

ncertain

actions an

d/or ob

servations (lt5

);

After com

pletin

g th

e practical p

art of this cou

rse studen

ts will b

e expected

to be ab

leto

Apply kn

owled

ge of M

ulti-A

gen

t systems

Work in

a team, w

rite a report, an

d p

resent th

e results

#11 Robotica 2 2008/2009 Organisatie Cursus Internetpagina’s

53

Rob

otic

a 2

20

09

-20

10

obje

ctives

appro

ach

and e

valu

atio

n co

urse

mate

rial

weekly

pla

nnin

gsch

edule

pro

ject

Rob

otica 2

Ap

pro

ach

an

d e

valu

atio

n

Lectu

res, e

xerc

ises, a

nd

learn

ing

tasks

We w

ill give lectu

res, quite closely follow

ing th

e book "A

nIn

troduction

to MultiA

gen

t System

s" (see the cou

rse material). W

ew

ill indicate w

hat p

arts of the b

ook we p

lan to treat an

d w

hat

exercises are approp

riate for practicin

g th

e material, see th

e learnin

gtasks sp

ecified in

the w

eekly plan

nin

g.

The exercises sp

ecified in

the learn

ing tasks are h

omew

orkassig

nm

ents an

d h

ave to be h

anded

in b

efore their d

eadlin

e.Solu

tions an

d feed

back w

ill be p

rovided

right after th

e dead

line. Th

ehom

ework assig

men

ts will b

e rated su

fficient (vold

oende) or

insu

fficient (on

voldoen

de). To p

ass this cou

rse all learnin

g tasks

need

to be rated

sufficien

t (see below

for details). You

make th

emon

your ow

n an

d follow

academ

ic standard

s: copyin

g is p

rohib

ited.

At th

e end of th

e lectures th

ere will b

e some tim

e left that you

canuse to w

ork on th

em Feed

back can

be asked

at any tim

e from th

electu

rers.

Pro

ject

All stu

den

ts will h

ave to work in

grou

ps of ab

out 4

studen

ts on a

class project, w

hich

involves th

e implem

entation

of a multi-ag

ent

system. Th

e results w

ill be p

resented

and d

ocum

ented

in a rep

ort.

Evalu

atio

n

If all th

e hom

ework assig

nm

ents are h

anded

in in

time an

d are

judged

sufficie

nt, th

en th

e final m

ark will b

e based

on

W: Th

e mark for th

e written

exam ab

out th

e theory d

iscussed

durin

g th

electu

res (50%

)P: Th

e report an

d p

resentation

of the p

ractical work w

ith th

e robots (5

0%

)

If both

W an

d P are >

= 5

.6, th

e final m

ark will b

e (W+

P)/2.

The p

roject (P) will b

e judged

on

The rep

ort (50%

)Th

e presen

tation (1

0%

)Th

e implem

entation

, desig

n, w

orking, d

ocum

entation

of the rob

ots, and th

eirprog

rams. (4

0%

)

See th

e project p

age for m

ore details ab

out th

e class project. S

trictly followin

g th

eguid

elines g

iven for th

e project sh

ould

give you

a 7 as fin

al mark for th

e project p

art.W

e therefore stron

gly ad

vice you to b

e origin

al and g

o beyon

d th

e given

guid

elines in

order to g

et a better m

ark.

The d

eadlin

es (hard

!) for the h

omew

ork assignm

ents an

d class p

roject are men

tioned

in th

e plan

nin

g.

Rob

otic

a 2

20

09

-20

10

obje

ctives

appro

ach

and e

valu

atio

n co

urse

mate

rial

weekly

pla

nnin

gsch

edule

pro

ject

Rob

otica 2

Cou

rse m

ate

rial

Basically, w

e follow th

e book "A

n In

troduction

to MultiA

gen

t System

s", but w

ill alsogive som

e addition

al material

Mich

ael Woold

ridge, A

n In

troduction

to MultiA

gen

t System

, Chich

ester,Englan

d: Joh

n W

iley & S

ons, 2

002. IS

BN

: 0-4

714969.

A n

um

ber of p

apers.

The slid

es, extra material, tasks, sch

edule, an

d g

eneral in

formation

can b

efou

nd on

the cou

rse web

site

Addition

al material, w

hich

is usefu

l for the p

ractical part of th

e course:

The official leg

o Min

dstorm

s NX

T pag

eN

ext Byte C

odes &

Not eX

actly C D

ocs and sam

ples con

cernin

g N

XC

Min

dstorm

s Rob

ots by Jörg

Roth

(pag

e inclu

des m

any tricks an

d tip

s and

contain

s the "sm

ooth sen

sing" exam

ple sh

own in

the lectu

res)B

ook: John C

. Han

sen, LE

GO

Min

dstorm

s NX

T Power Prog

ramm

ing: R

obotics in

C, 2

007

The b

ook of Rob

otica 1: R

.R. M

urp

hy, In

troduction

to AI R

obotics, M

IT Press,C

ambrid

ge, M

A, 2

000. E

specially ad

vised to read

for the p

racticum

: chap

ters 6,

7, an

d 8

.

On th

e book w

ebsite, you

can fin

d slid

es, errata, pdfs of som

e chap

ters, links to

pap

ers and softw

are (usefu

l for the class p

roject).


54

Rob

otic

a 2

20

09

-20

10

obje

ctives

appro

ach

and e

valu

atio

n co

urse

mate

rial

weekly

pla

nnin

gsch

edule

pro

ject

Rob

otica 2

Cla

ss pro

ject

Gen

era

l

The g

oal of the p

roject is to get h

ands-on

experien

ce with

the

develop

men

t of multi-ag

ent system

s. In g

roups of 3

or 4 stu

den

ts am

ulti-ag

ent task h

as to be selected

, desig

ned

, and im

plem

ented

.Each

grou

p h

as to write a p

relimin

ary report d

escribin

g th

eir choices

(see below

). At th

e end of th

e course each

grou

p g

ives apresen

tation an

d a d

emo of th

eir multi-ag

ent system

and h

as tosu

bm

it a final rep

ort.

Softw

are

For the p

ractical you'll h

ave to make a ch

oice abou

t the d

evelopm

ent en

vironm

ent.

Several ch

oices are possib

le.

NX

C: Th

is is the m

ost basic op

tion. For th

is you w

ill need

to use B

ricxCC

. This

is already in

stalled on

the u

niversity com

puters, b

ut if you

wan

t to run B

ricxCC

on a lap

top, you

will n

eed to in

stall and setu

p B

ricxCC

. Here are som

e detailed

steps to g

et you started

and som

e poin

ters on h

ow to u

se blu

etooth.

Matlab

: This offers a m

ore sophisticated

environ

men

t for controllin

g you

rrob

ots. Visit th

e RW

TH p

age for su

pport. N

ote that you

'll need

a laptop

onw

hich

Matlab

is installed

.JA

VA

: we d

o no

t recomm

end th

e use of LE

JOS. Last year several team

s used

LEJO

S an

d w

ere confron

ted w

ith a n

um

ber of u

nsolvab

le prob

lems b

ecause th

eLE

JOS

distrib

ution

is unstab

le. (For example, softw

are failures b

ecause

seperate th

reads start u

p th

e garb

age collector.)

Ch

alle

ng

e

Note th

at there are h

ours reserved

to work on

the m

ulti-ag

ent system

on th

euniversity com

puters. H

owever, th

is is no

t the room

where th

e final d

emo w

ill be

held

. You w

ill have to m

ake sure th

at your fin

al multi-ag

ent system

is robust en

ough

to work in

a differen

t environ

men

t. (For example, b

y prop

erly calibratin

g you

r sensors

before ad

dressin

g th

e task at han

d.) Th

e room w

here th

e dem

o's will b

e held

will b

ean

nou

nced

in tim

e such

that each

grou

p can

test his system

before th

e dem

o day.

Pre

limin

ary

rep

ort ("

pla

n v

an

aan

pak")

The p

relimin

ary report sh

ould

describ

e the task, th

e desig

n, an

d th

e work d

istribution

over the team

mem

bers. A

n im

portan

t aspect is th

e feasibility. W

ith resp

ect to this

aspect w

e ask you to rep

ort shortly in

an ap

pen

dix of th

e prelim

inary rep

ort abou

tyou

r experien

ces with

the com

munication

(blu

etooth) an

d th

e sensors. W

e expect

that th

e desig

n b

uild

s on th

ese experien

ces, especially w

ith resp

ect to the ch

oice forcom

munication

and coop

eration an

d th

e choice for th

e sensors.

Fin

al re

port

The fin

al project rep

ort will b

e judged

on th

e followin

g

Understan

dab

ility (show

understan

din

g of ob

jectives, challen

ges, an

d relevan

ttop

ics of robotics)

Clarity of exp

ositionC

orrectness (m

ulti-ag

ent task w

ith tw

o-way com

munication

and rep

ort written

in LaTeX

)C

ompleten

ess (motivation

, task descrip

tion, cod

e, workload

distrib

ution

,reflection

)O

rigin

ality

Rob

otic

a 2

20

09

-20

10

obje

ctives

appro

ach

and e

valu

atio

n co

urse

mate

rial

weekly

pla

nnin

gsch

edule

pro

ject

Rob

otica 2Learn

ing task 2

Gam

e T

heory

Backg

rou

nd

In th

e multi-ag

ent system

s comm

unity th

ere is a pop

ular slog

an:

There's n

o such

thin

g as a sin

gle ag

ent system

Agen

ts form a society b

y comm

unicatin

g w

ith each

other an

d u

sing

this for m

aking d

ecisions.

Learn

ing

ob

jectiv

es

After com

pletin

g th

is task you w

ill be ab

le to

Apply th

e followin

g g

ame th

eory concep

ts to explore d

ecisions in

interaction

sbetw

een m

ultip

le (rational) ag

ents:

Utilities / p

references

Payoff matrices

(Dom

inan

t) outcom

es / strategies

Nash

equilib

riaPareto op

timality

Social w

elfareD

escribe th

e Prisoner's D

ilemm

a, it's parad

ox with

respect to societies of

self-interested

agen

ts, and exten

sions to recover coop

eration b

etween

agen

ts.

Instru

ctio

n

Read

and stu

dy `

Chap

ter 6: M

ultiag

ent In

teractions' of th

e book b

yW

ooldrid

ge.

1.

Make exercises 6

.1 an

d 6

.2 of th

e hom

ework exercises.

2.

Han

d in

your solu

tions b

efore the d

eadlin

e in th

e sched

ule.

3.

Pro

du

cts

Answ

ers to the exercises.

Refle

ctio

n

Given

agen

t preferen

ces, can you

constru

ct a payoff m

atrix and ap

ply th

evariou

s optim

ality criteria (i.e., dom

inan

ce, nash

equilib

ria, pareto op

timality,

and social w

elfare)?


55

Online R

apport

Radboud U

niversiteit, Faculteit der Sociale Wetenschappen

Psychologie en Kunstm

atige Intelligentie

Standaard|Rapport

WO

spiegel.nl9-7-2008

Dit rapport is autom

atisch gegenereerd: 9-7-2008 11:59:56 D

igiDoc W

eb Hosting

Analyse: Analyse: B

KI240 [16706]

Algem

een

EnquêteN

umm

mer

EN

Q42828

Naam

BK

I240

InstellingR

adboud Universiteit, Faculteit

der Sociale W

etenschappen

LocatieP

sychologie en Kunstm

atige Intelligentie

Datum

Gem

aakt28-5-2008

Datum

Begin

16-6-2008D

atum E

inde9-7-2008

#12 Design of Multi Agent Systems 2007/2008 Enquete Resultaten

56

1. Mijn voorkennis voor deze cursus is voldoende

2. Ik ben geheel op de hoogte van de leerdoelen van deze cursus.

3. De in deze cursus gebruikte literatuur w

as relevant gelet op de inhoud van de cursus.

4. Heb je verder opm

erkingen ivm de plaats van de cursus in het program

ma?

5. De hoeveelheid van de in deze cursus gebruikte literatuur w

as

6. De zw

aarte van de in deze cursus gebruikte literatuur was

7. Ik vind dat er in deze cursus een duidelijke koppeling is met w

etenschappelijk onderzoek.


erkingen ivm de literatuur?

9. De onderw

ijsactiviteiten in deze cursus hebben mij geholpen de leerdoelen te bereiken

10. Ik vind dat de samenhang tussen de verschillende taken en opdrachten in deze cursus helder is.


erkingen ivm de leerdoelen en cursusopzet?

1.

Mijn

voorken

nis vo

or d

eze cursu

s is vold

oen

de

ngem

.sd

12

34

5

5p: W

einig

- Vold

oen

de

20

4,1

0,6

2.

Ik ben

geh

eel op d

e hoogte van

de leerd

oelen

van d

eze cursu

s.

ngem

.sd

12

34

5

5p: O

neen

s - Een

s19

3,8

0,5

3.

De in

deze cu

rsus g

ebru

ikte literatuur w

as relevant g

elet op d

e inhou

d van

de

cursu

s. n

gem

.sd

12

34

5

5p: O

neen

s - Een

s19

3,7

0,8

4.

Heb

je verder o

pm

erkingen

ivm d

e plaats van

de cu

rsus in

het p

rogra

mm

a?

n7

5.

De h

oeveelh

eid van

de in

deze cu

rsus g

ebru

ikte literatuur w

as

ngem

.sd

12

34

5

5p: W

einig

- Veel

19

2,9

0,5

6.

De zw

aarte van d

e in d

eze cursu

s geb

ruikte literatu

ur w

as

ngem

.sd

12

34

5

5p: te laag

- te hoog

19

3,1

0,2

7.

Ik vind d

at er in d

eze cursu

s een d

uid

elijke koppelin

g is m

et weten

schap

pelijk

onderzo

ek. n

gem

.sd

12

34

5

5p: O

neen

s - Een

s19

3,2

1,1

8.

Heb

je verder o

pm

erkingen

ivm d

e literatuur?

n5

9.

De o

nderw

ijsactiviteiten in

deze cu

rsus h

ebben

mij g

eholp

en d

e leerdoelen

te bereiken

n

gem

.sd

12

34

5

5p: O

neen

s - Een

s19

3,9

0,4

10.

Ik vind d

at de sam

enhan

g tu

ssen d

e verschillen

de taken

en o

pdrach

ten in

deze

cursu

s held

er is. n

gem

.sd

12

34

5

5p: O

neen

s - Een

s19

3,6

0,7

12. De studielast van dit program

maonderdeel is

13. De tijdsplanning van deze cursus interfereert niet m

et andere door mij te volgen studieonderdelen


erkingen ivm de studielast?

15. De zw

aarte van de toets is precies goed

16. De toetsing past bij de leerdoelen van de cursus.

17. De toets sluit aan bij de stof

18. Ik vind dat de beoordelingscriteria van de toetsing duidelijk zijn.


erkingen ivm de toetsen, practica-opdrachten en beoordeling?

20. Ik vind dat de docent Perry Groot de stof tijdens de colleges op overzichtelijke w

ijze aanbiedt.

21. Ik vind dat de docent Perry Groot in de colleges helder en eenvoudig form

uleert

11.

Heb

je verder o

pm

erkingen

ivm d

e leerdoelen

en cu

rsuso

pzet?

n5

12.

De stu

dielast van

dit p

rogram

mao

nderd

eel is

ngem

.sd

12

34

5

5p: te laag

- te hoog

19

3,1

0,4

13.

De tijd

splan

nin

g van

deze cu

rsus in

terfereert niet m

et andere d

oor m

ij te volg

en

studieo

nderd

elen

ngem

.sd

12

34

5

5p: O

neen

s - Een

s19

2,8

1,1

14.

Heb

je verder o

pm

erkingen

ivm d

e studiela

st?

n7

15.

De zw

aarte van d

e toets is p

recies goed

ngem

.sd

12

34

5

5p: O

neen

s - Een

s19

3,6

0,7

16.

De toetsin

g p

ast b

ij de leerd

oelen

van d

e cursu

s.

ngem

.sd

12

34

5

5p: O

neen

s - Een

s19

3,8

0,6

17.

De toets slu

it aan b

ij de sto

f

ngem

.sd

12

34

5

5p: O

neen

s - Een

s19

4,2

0,5

18.

Ik vind d

at de b

eoord

elingscriteria van

de to

etsing d

uid

elijk zijn.

ngem

.sd

12

34

5

5p: O

neen

s - Een

s19

3,9

0,6

19.

Heb

je verder o

pm

erkingen

ivm d

e toetsen

, practica

-opdrach

ten en

beo

ordelin

g?

n5

20.

Ik vind d

at de d

ocen

t Perry Gro

ot d

e stof tijd

ens d

e colleges o

p o

verzichtelijke

wijze aan

bied

t. n

gem

.sd

12

34

5

5p: O

neen

s - Een

s19

2,9

0,9


57

22. Ik vind dat de docent Perry Groot zich er van vergew

ist of de studenten zijn/haar betoog kunnen volgen.

23. Ik vind dat de docent Perry Groot vragen van studenten adequaat beantw

oordt.

24. De docent Perry G

root is bereikbaar als ik hem/haar nodig heb.

25. Ik vind de docent Perry Groot bekw

aam in het begeleiden van studenten.

26. Ik vind dat de docent Ida Sprinkhuizen-Kuyper de stof tijdens de colleges op overzichtelijke w

ijze aanbiedt.

27. Ik vind dat de docent Ida Sprinkhuizen-Kuyper in de colleges helder en eenvoudig form

uleert.

28. Ik vind dat de docent Ida Sprinkhuizen-Kuyper zich er van vergew

ist of de studenten zijn/haar betoog kunnen volgen.

29. Ik vind dat de docent Ida Sprinkhuizen-Kuyper vragen van studenten adequaat beantw

oordt.

30. De docent Ida Sprinkhuizen-K

uyper is bereikbaar als ik haar nodig heb.

21.

Ik vind d

at de d

ocen

t Perry Gro

ot in

de co

lleges h

elder en

eenvo

udig

form

uleert

ngem

.sd

12

34

5

5p: O

neen

s - Een

s19

3,0

0,9

22.

Ik vind d

at de d

ocen

t Perry Gro

ot zich

er van verg

ewist o

f de stu

den

ten zijn

/haa

r beto

og ku

nnen

volg

en.

ngem

.sd

12

34

5

5p: O

neen

s - Een

s19

2,9

0,9

23.

Ik vind d

at de d

ocen

t Perry Gro

ot vrag

en van

studen

ten ad

equaat b

eantw

oord

t.

ngem

.sd

12

34

5

5p: O

neen

s - Een

s19

3,2

0,9

24.

De d

ocen

t Perry Gro

ot is bereikb

aar als ik hem

/haar n

odig

heb

.

ngem

.sd

12

34

5

5p: O

neen

s - Een

s19

3,5

0,7

25.

Ik vind d

e docen

t Perry Gro

ot b

ekwaam

in h

et beg

eleiden

van stu

den

ten.

ngem

.sd

12

34

5

5p: O

neen

s - Een

s19

3,1

0,9

26.

Ik vind d

at de d

ocen

t Ida S

prin

khuizen

-Kuyp

er de sto

f tijden

s de co

lleges op

overzich

telijke wijze aan

bied

t. n

gem

.sd

12

34

5

5p: O

neen

s - Een

s19

3,8

0,5

27.

Ik vind d

at de d

ocen

t Ida S

prin

khuizen

-Kuyp

er in d

e colleg

es held

er en een

voudig

fo

rmuleert.

ngem

.sd

12

34

5

5p: O

neen

s - Een

s19

3,7

0,5

28.

Ik vind d

at de d

ocen

t Ida S

prin

khuizen

-Kuyp

er zich er van

vergew

ist of d

e stu

den

ten zijn

/haa

r beto

og ku

nnen

volg

en.

ngem

.sd

12

34

5

5p: O

neen

s - Een

s19

4,0

0,6

29.

Ik vind d

at de d

ocen

t Ida S

prin

khuizen

-Kuyp

er vragen

van stu

den

ten ad

equaat

bean

twoord

t. n

gem

.sd

12

34

5

5p: O

neen

s - Een

s19

4,1

0,5

Ida Sprinkhuizen-Kuyper

Ida S

prin

khuizen

-Kuyp

er


Ida S

prin

khuizen

-Kuyp

er


Ida S

prin

khuizen

-Kuyp

er

IdaSprinkhuizen-K

uyper Id

a Sprin

khuizen

-Kuyp

er


31. Ik vind de docent Ida Sprinkhuizen-Kuyper bekw

aam in het begeleiden van studenten.


erkingen ivm de docenten?

33. De relevante cursusinform

atie (literatuur) is tijdig beschikbaar.

34. De organisatie van de toets (tijd, ruim

te, omstandigheden) w

as goed

35. Het studiem

ateriaal voor de toets was op tijd bekend


erkingen ivm de voorzieningen en organisatie?

37. Ik geef deze cursus het volgende rapportcijfer:

30.

De d

ocen

t Ida S

prin

khuizen

-Kuyp

er is bereikb

aar als ik haar n

odig

heb

.

ngem

.sd

12

34

5

5p: O

neen

s - Een

s19

4,5

0,5

31.

Ik vind d

e docen

t Ida S

prin

khuizen

-Kuyp

er bekw

aam in

het b

egeleid

en van

stu

den

ten.

ngem

.sd

12

34

5

5p: O

neen

s - Een

s19

4,2

0,7

32.

Heb

je verder o

pm

erkingen

ivm d

e docen

ten?

n6

33.

De relevan

te cursu

sinfo

rmatie (literatu

ur) is tijd

ig b

eschikb

aar.

ngem

.sd

12

34

5

5p: O

neen

s - Een

s19

4,2

0,5

34.

De o

rgan

isatie van d

e toets (tijd

, ruim

te, om

standig

hed

en) w

as goed

ngem

.sd

12

34

5

5p: O

neen

s - Een

s19

4,3

0,7

35.

Het stu

diem

ateriaal vo

or d

e toets w

as o

p tijd

beken

d

ngem

.sd

12

34

5

5p: O

neen

s - Een

s19

4,3

0,6

36.

Heb

je verder o

pm

erkingen

ivm d

e voorzien

ingen

en o

rgan

isatie?

n4

37.

Ik geef d

eze cursu

s het vo

lgen

de rap

portcijfer:

ngem

.sd

12

34

56

78

910

10p: 1

-10

19

7,4

0,8

Ida S

prin

khuizen

-Kuyp

er


Ida S

prin

khuizen

-Kuyp

er


58

> E

nq

uête

s>

En

qu

ête

> R

esu

ltate

n >

Op

en

Vra

gen

Resp

on

se

Alg

em

een

Vra

gen

Lab

els

En

qu

ête

ren

Resu

ltate

nR

ap

po

rt

Resu

ltaat

An

aly

seR

ap

po

rtFilte

r

En

qu

ête

Enquête

BKI2

40

Doelg

roep

Onderw

ijsvolg

enden

Unit

Psych

olo

gie e

n K

unstm

atige In

tellig

entie (R

adboud

Universiteit, Fa

culteit d

er Socia

le Weten

schappen

)

Datu

m28-5

-2008

Statu

sEnquête is g

esloten

.U

kunt n

iet langer e

nquêteren

.EN

Q4

28

28

Op

en

Vra

gen

4H

eb

je v

erd

er o

pm

erk

ing

en

ivm

de p

laats v

an

de cu

rsus in

het

pro

gra

mm

a?

studenten

Prim

a, sluit g

oed

aan, en

is erg

leuk.

Missch

ien is h

et handig

werkco

lleges te

heb

ben, o

m d

e o

pgave

n (te

maken

en) te

besp

reke

n.

Hier en

daar o

verlap m

et eerd

ere

cu

rsussen

: Sea

rch&

Plan

nin

g(u

tility's+PO

MD

P/M

DP, zijn

al geto

etst),

Logica, W

iskunde ( V

oorw

aardelijke kan

sen

zijn al g

eto

etst) R

obotica

(robots b

ouw

en)

Ein

d va

n h

et jaar is g

oed

, pra

cticum

zou

pre

ttig zijn

wanneer d

it constan

t achter

elkaar is (bijv 3

weken

full tim

e) en

w

anneer er g

een in

terferen

tie met a

ndere

vakke

n zo

u zijn

meer tijd

voor h

et practisch

e g

edeelte

Pro

beer h

et volg

end jaa

r nie

t met an

dere

gro

te p

raktische o

pdrach

ten te

laten valle

n.

Dit ja

ar vie

l het sam

en m

et Neurale

N

etwerk

en, w

aardoor w

e niet zo

veel tijd

heb

ben

kunnen

bested

en a

an M

AS, als w

e zo

uden w

illen

nee

8H

eb

je v

erd

er o

pm

erk

ing

en

ivm

de lite

ratu

ur?

studenten

Het b

oek vo

nd ik n

iet helem

aal fijn

aan

sluite

n b

ij de co

lleges. M

aar dat kan

aan

mij lig

gen

.

Erg

verh

elderen

d, sh

eets+

Colleg

e is onvo

ldoende o

m e

en id

ee te krijg

en h

oe

alles zit, iets w

at w

el (gedeelte

lijk) zou

moeten

.

Het b

oek is le

uk! Ja

mm

er gen

oeg

is vaag

wat w

e aan d

e stof h

ebben... Ik

kan h

et

bijvo

orb

eeld

allem

aal niet to

epasse

n tijd

ens

het p

racticum

.

ben

er nogal n

eutra

al o

ver om

dat ik

beh

alve d

e colleg

esheets g

een litera

tuur

gezien

heb

.

Leuk b

oek.

11

Heb

je v

erd

er o

pm

erk

ing

en

ivm

de le

erd

oele

n e

n cu

rsuso

pze

t?

studenten

Neem

wat m

eer tijd vo

or so

mm

ige

onderw

erp

en. H

oofd

stuk 1

2 va

n W

oolrid

ge

verdien

t niet een

college, m

aar d

aar zo

u

een h

ele cu

rsus o

ver g

egeve

n ku

nnen

word

en. N

eem vo

or d

rie soorten

logica

wat

meer d

e tijd

.

De leerd

oelen

zijn veela

l herh

alin

g va

n w

at

al b

ehandeld

is bij an

dere

cursu

ssen. O

p

zich g

oed

dat d

ie info

rmatie n

u w

at m

eer w

ord

t toeg

epast, m

aar b

ijvoorb

eeld

Baye

sRule

is al inte

nsief b

ehald

eld b

ij W

iskunde-1

. Dat lijkt m

e nie

t nodig

wee

r te herh

alen

. Het m

ulti-a

gen

t asp

ect word

t wel

ben

adru

kt, maar w

ord

t ove

rkoepeld

door

onderw

erp

en d

ie er w

einig

mee te

maken

lijk

en te

heb

ben. B

jivoorb

eeld

Auctio

ns d

ie ee

n leu

ke manie

r zijn o

m take

n te

verdelen

, maa

r om

er 5 ve

rschille

nde u

it te diep

en lijkt m

ij nie

t hee

l rele

vant v

oor d

e cu

rsus.

Wein

ig sam

enhan

g tu

ssen g

elee

rde th

eorie

en p

racticu

m. (T

heo

rie was n

iet goed

toe te

En

qu

ête

En

qu

ête

En

qu

ête

passen

bij h

et make

n van

de ro

bot-

system

en)

nee

Er w

as in

houdelijk g

ezien n

iet zo

'n h

ele

gro

te o

verlap

tussen

het p

raktijkged

eelte

en h

et theo

retisch g

edeelte. M

isschien

dat

er in d

e opdra

cht vo

or h

et pra

cticum

meer

verwezen

had

kunnen w

ord

en n

aar in h

et

theo

retisch g

edee

lte gelee

rde te

chnie

ken

en b

egrip

pen.

14

Heb

je v

erd

er o

pm

erk

ing

en

ivm

de stu

die

last?

studenten

Opsich

is het w

el p

rima, m

aar h

et zelf

indelen

van h

et p

racticum

is som

s wat

lastig

in verb

and m

et de an

dere

vakken en

ook p

ractica

(zoveel a

chter d

e co

mputer is

niet fijn

!!)

Goed!

De co

llegesto

f is goed te

lere

n/h

alen in

de

geg

even

tijd. H

et bouw

en v

an d

e R

obot

gaat o

ok p

rima. H

oew

el de d

eadlin

es met

andere

vakke

n w

el a

llemaal b

ij elkaar

liggen, p

lus h

et feit d

at er n

u ve

el

tentam

ens zijn

, zou h

et b

est n

og w

el een

s vee

l gestress ku

nnen o

ple

veren aa

n h

et

eind.

Er is te w

ein

ig p

racticum

tijd g

ereke

nd e

n te

vee

l zelfstu

dieru

imte

. Deze ve

rhoudin

g is

abso

luut sch

eef t.o.v. d

e verw

ach

ting

(maken

robots)

voora

l de ein

dfa

se interfereert n

ogal m

et afro

ndin

g v

an b

ki230 (n

eurale n

etw

erke

n)

Dit lijk

t me ee

rlijk geze

gd m

akkelijke

r op te

lossen

door h

et andere v

ak a

an te p

assen

.

Meer in

gero

osterd

e practicu

mure

n zo

u

han

dig

zijn.

De stu

diela

st was n

iet heel h

oog, m

aar

doord

at de cu

rsus te

gelijke

rtijd w

erd

geg

even

met vakke

n als O

bject-O

riÃ«ntatie

en

Neurale N

etw

erkmodelle

n, m

et o

ok ee

n

gro

ot p

racticu

mged

eelte, w

as h

et som

s erg

dru

k.

19

Heb

je v

erd

er o

pm

erk

ing

en

ivm

de to

etse

n, p

ractica

-op

dra

chte

n e

n

beo

ord

elin

g?

studenten

pra

ctica fu

ll time a

an h

et ein

d va

n h

et jaar

(of m

ogelijk eerd

er in h

et jaar, m

aar in

elk

gev

al elke

dag p

ractica ipv 1

keer p

er wee

k)

Beoord

elingen zijn

nog n

iet beke

nd.

Nee

m m

eer tijd

voor p

ractica

Pra

cticum

: De ro

bots en

de so

ftware

leve

rden

pro

blem

en o

p b

ij deze

kom

plexe

opdrach

ten. D

e nie

uw

e min

dsto

rms vie

len

tegen

(bv. g

een

Sto

pTask). H

et w

as vrij

lastig

de b

edach

te o

pgave

goed o

m te

ze

tten.

De p

racticum

opdrach

ten ve

rdien

en ve

el

meer aan

dach

t in d

e cu

rsus. D

it is nu e

cht

een o

nderg

esch

ove

n kin

dje, te

rwijl er

zoveel m

eer mee zo

u ku

nnen

als d

e tijd er

voor w

as..

32

Heb

je v

erd

er o

pm

erk

ing

en

ivm

de d

oce

nte

n?

studenten

Top! P

erry missch

ien n

og iets o

vertu

igen

der

colle

ge g

even, so

ms w

at la

stig te vo

lgen,

om

dat h

et lijkt of d

at h

ij het vo

or zich

zelf vertelt.

Het w

are

n d

e e

erste co

lleges vo

or P

erry

dus

beo

ord

eling m

oet w

el in co

nte

xt word

en

gezien

. Met n

ame h

et gro

tere

geheel is ie

ts dat ik so

ms m

istte bij d

e colle

ges. V

erd

er had

ik nie

t het id

ee d

at ik b

ij de co

lleges

(van b

eid

e d

ocen

ten) ie

ts echt g

oed

opstak

. D

e shee

ts, de o

pdra

chte

n+

uitw

erkin

gen

en

de lite

ratuur w

aren v

oor m

ij duid

elijker.

Perry zo

u zijn

kwalite

it een h

eel stu

k ku

nnen

verb

eteren d

oor zijn

shee

ts foutlo

os

en o

verzichtelijker te m

aken

. Daarn

aast w

il hij n

og w

el een

s verv

allen in

een

eento

nig

verh

aal. Missch

ien d

at h

ij hier a

an kan

w

erken, d

it zou al ee

n stu

k motive

render

kunnen

zijn. D

aarbij m

oet ech

ter wel h

et

com

plim

ent g

em

aakt word

en d

at h

et nakijke

n van

de o

pgav

en e

rg sn

el gin

g en


59

met veel in

form

atie o

ver 'wat er n

iet goed

is'. D

at is e

rg p

rettig

! Ida h

eeft a

f en to

e d

e neig

ing o

m v

er mee te

gaan in

het

afdw

alen van

het o

nderw

erp

. De g

roep zo

u

zo n

u en

dan strak

ker geh

ouden m

ogen

w

ord

en. V

erd

er niets d

an lo

f! Ik h

oop zelf

ooit zo

enth

ousiast te ku

nnen ve

rtellen

ove

r ee

n o

nderw

erp

!

colle

ges zijn

nie

t altijd

in 1

keer d

uid

elijk,

maa

r er is altijd h

extra b

egele

idin

g als d

at

nodig

is, wat vee

l goed

maak

t.

Perry w

ist helaas (n

og) n

iet zo ve

el van

Min

dsto

rms af.

de co

llege's va

n P

erry Gro

ot zo

uden g

ebaa

t zijn

bij e

en m

eer p

raktijkgerich

te o

pze

t - de

theo

rie raakte zo

als hij n

u ve

rteld

werd

wel

eens d

e b

indin

g m

et de w

erke

lijkheid

kwijt

36

Heb

je v

erd

er o

pm

erk

ing

en

ivm

de v

oo

rzien

ing

en

en

org

an

isatie

?

studenten

Op h

et la

atst is e

r een m

ailtje g

eko

men

over e

en vera

nderin

g in

de sh

eets. Dit h

eb

ik ech

ter niet m

eer gezien

en ik

had d

e

shee

ts al uitg

eprin

t en (b

egonnen m

et) gele

erd

.

Missch

ien is h

et voor vo

lgen

d ja

ar

verstandig

wat vake

r AK.5

5 te h

ure

n

Meer in

gero

osterd

e practicu

m-u

ren.

Zoals g

ezegd; fo

uten

op sh

eets (d

ie onlin

e w

ord

en g

epla

atst) is n

iet accep

tabel. D

it vero

orzaakt o

ntzette

nd ve

el ve

rwarrin

g b

ij stu

dente

n tijd

ens h

et leren

.

Ida


60

Team Enquete

P.C. Groot

Team Enquete

Geef op de volgende vragen max 3 antwoorden (waarover tenminste 2 teamleden het eens zijn):

1. Wat vind je het beste aan de cursus/docenten?2. Wat vind je het minste aan de cursus/docenten?3. Als jij de cursus zou onderwijzen, wat zou je doen om de de cursus te verbeteren?

Resultaten Verschillende Teams

Team 1

1. Altijd beschikbaar voor vragen2. Tempo v/d colleges varieert soms sterk3. Geef meer practische voorbeelden bij theoretische deel. Het is vaak moeilijk voor te stellen.

Team 2

1. (a) Practicum is leuk en leerzaam(b) Huiswerk + feedback zijn erg waardevol(c) Beide docenten zijn erg behulpzaam en meedenkend

2. (a) Te weinig tijd voor het project(b) Veel onderwerpen in weinig tijd. Daardoor soms chaotisch en weinig diepgang

3. (a) Meer tijd reserveren voor de cursus, zowel practicum als colleges(b) Een aantal sheets mag duidelijker. Dat zou zowel tijdens de colleges als tijdens het

leren prettig zijn(c) Fouten op sheets zijn heel erg vervelend, vooral in voorbeeld berekeningen

Team 3

1. (a) Vrij te bepalen opdracht(b) Practicum(c) Opdrachten helpen veel

2. (a) Hoorcolleges(b) Presentatie van Perry(c) Tentamen

3. (a) Meer tijd voor robots (of meer practica of langere tijd ervoor)(b) Opdrachten aan het practicum koppelen(c) Presentatievaardigheden bijschaven

Team 4

1. (a) De robots(b) Docenten altijd bereikbaar en behulpzaam(c) Huiswerkopgaven + uitwerkingen

2. (a) Te weinig practicumuren(b) Iedere keer opnieuw installeren van software(c) Onsamenhangende colleges

3. (a) Meer practicumuren(b) Meer samenhang colleges


61

An

aly

se e

valu

atie

Geg

eneree

rd: M

arch

9, 2

009, 1

0:4

1 a

m

Op

leid

ing

spro

gra

mm

a

Op

leid

ing

spro

gra

mm

a

Lite

ratu

ur

Leerd

oele

n e

n cu

rsuso

pze

t

titel

Robotica

2

cod

e

BKI2

42

vakn

aam

(Ru

mb

a)

-

coö

rdin

ato

r (Ru

mb

a)

-

besch

rijvin

g

Robotica

2

1.

Mijn

vo

ork

en

nis v

oo

r d

eze cu

rsus is

onvo

ldoende

ruim

vold

oen

de

12

34

5

00%

00%

111%

556%

333%

open/n

:0/9

gem

:4.2

sd: 0

.6

2.

Ik b

en

geh

eel o

p d

e h

oo

gte

van

d

e le

erd

oele

n v

an

deze cu

rsu

szee

roneen

szee

r een

s1

23

45

00%

00%

222%

667%

111%

open/n

:0/9

gem

:3.9

sd: 0

.6

3.

Heb

je v

erd

er o

pm

erk

ing

en

ivm

de p

laats v

an

de cu

rsus in

het p

rog

ram

ma?

4.

De zw

aarte

van

de in

deze cu

rsus

geb

ruik

te lite

ratu

ur w

as

ergzw

aar

erg

licht

12

34

5

00%

111%

556%

222%

111%

open/n

:0/9

gem

:3.3

sd: 0

.8

5.

Heb

je v

erd

er o

pm

erk

ing

en

ivm

de lite

ratu

ur?

1.

De lin

k met d

e pra

ktijk was e

r wel m

aar w

as erg

moeilijk to

e te

passen

in d

e p

ractica

. 2.

Ik vond so

mm

ige d

ingen

nogal o

ppervla

kkig g

ehouden

(van d

ie (PO

)MD

P's b

ijvoorb

eeld, je

hoefd

e maar 1

staat vo

oru

it te reden

eren, d

aar leer je n

iet echt veel va

n en

het is o

ok b

est

makke

lijk). Bete

r missch

ien m

inder "b

rede" th

eorie

en m

eer d

iepgang/m

oeilijkh

eid

.

6.

De o

nd

erw

ijsactiv

iteite

n in

deze

cursu

s heb

ben

mij g

eh

olp

en

de

leerd

oele

n te

bere

iken

zeer

oneen

szee

r een

s1

23

45

00%

00%

111%

667%

222%

open/n

:0/9

gem

:4.1

sd: 0

.6

7.

Ik v

ind

dat d

e sa

men

han

g

tusse

n d

e v

ersch

illen

de ta

ken

en

op

dra

chte

n in

deze

cursu

s h

eld

er is

zeer

oneen

szee

r een

s1

23

45

111%

222%

111%

333%

222%

open/n

:0/9

gem

:3.3

sd: 1

.3

8.

Heb

je v

erd

er o

pm

erk

ing

en

ivm

de le

erd

oele

n e

n cu

rsuso

pze

t?

1.

Ik vond d

at h

et p

racticu

m en

de th

eorie n

auw

elijks sam

enhin

gen

. Helem

aal n

iet eigen

lijk. De

theo

rie en

pra

ctica lo

s van e

lkaar zijn

oke

, alle

en er is g

ewoon to

taal g

een

verband tu

ssen.

2.

Voora

l de o

pdra

chten

waren

erg le

erzaam

. Ik vind d

e sa

menhang tu

ssen th

eorie

en p

raktijk

nie

t heel sterk.

3.

Voora

l logica

en p

racticu

m w

as la

stig te ko

ppele

n.

Stu

die

last

Beo

ord

elin

g e

n to

ets

ing

Do

cen

t: Ida S

prin

kh

uiz

en

-Ku

yp

er

9.

De stu

die

last v

an

dit

pro

gra

mm

ao

nd

erd

eel is

veelte

laag

veel

tehoog

12

34

5

00%

00%

778%

111%

111%

open/n

:0/9

gem

:3.3

sd: 0

.7

10

.D

e ro

oste

ring

van

deze

cursu

s in

het stu

die

jaar is g

oed

zeer

oneen

szee

r een

s1

23

45

00%

00%

111%

444%

444%

open/n

:0/9

gem

:4.3

sd: 0

.7

11

.H

eb

je v

erd

er o

pm

erk

ing

en

ivm

de stu

die

last?

1.

Pro

bleem

: de le

go-ro

bots zijn

veel te le

uk. W

e h

ebben

er ve

el te veel tijd

in g

esto

ken (ik

den

k dat d

e meeste m

ensen

het d

ubbele a

anta

l uren

erin h

eeft gesto

pt) D

at is n

iet erg w

ant

het is erg

leuk, m

aar m

isschien

is de b

elonin

g d

an te

laag..

12

.D

e zw

aarte

van

de to

ets is g

oed

zeer

oneen

szee

r een

s1

23

45

00%

00%

111%

556%

333%

open/n

:0/9

gem

:4.2

sd: 0

.6

13

.D

e to

ets s

luit a

an

bij d

e

on

derw

erp

en

die

in d

e cu

rsus

zijn b

eh

an

deld

zeer

oneen

szee

r een

s1

23

45

00%

00%

111%

333%

556%

open/n

:0/9

gem

:4.4

sd: 0

.7

14

.Ik

vin

d d

at d

e

beo

ord

elin

gscrite

ria v

an

de

toetsin

g d

uid

elijk

zijn

zeer

oneen

szee

r een

s1

23

45

00%

00%

111%

556%

333%

open/n

:0/9

gem

:4.2

sd: 0

.6

15

.H

eb

je v

erd

er o

pm

erk

ing

en

ivm

de to

ets

en

, pra

ctica-o

pd

rach

ten

en

beo

ord

elin

g?

1.

Ik vond d

e tussen

door-A

ssignm

ents va

n d

e theo

rie, wel stu

kken m

akkelijker d

an h

et ten

tam

en!

16

.Ik

vin

d d

at d

e d

oce

nt d

e

on

derw

erp

en

tijden

s d

e

colle

ges o

p o

verz

ichte

lijke

wijze

aan

bie

dt

zeer

oneen

szee

r een

s1

23

45

00%

00%

222%

556%

222%

open/n

:0/9

gem

:4.0

sd: 0

.7

17

.D

e d

oce

nt is b

ere

ikb

aar a

ls ik

hem

/h

aar n

od

ig h

eb

zeer

oneen

szee

r een

s1

23

45

00%

00%

00%

333%

667%

open/n

:0/9

gem

:4.7

sd: 0

.5

18

.Ik

vin

d d

at d

e d

oce

nt v

rag

en

van

stud

en

ten

ad

eq

uaat

bean

two

ord

t

zeer

oneen

szee

r een

s1

23

45

00%

00%

00%

556%

444%

open/n

:0/9

gem

:4.4

sd: 0

.5

19

.H

eb

je v

erd

er o

pm

erk

ing

en

ivm

de d

oce

nt?

: Ida S

prin

kh

uiz

en

-Ku

yp

er

#14 Robotica 2 2008/2009 Enquete Resultaten

62

Do

cen

t: Perry

Gro

ot

Vo

orzie

nin

gen

/O

rgan

isatie

1.

Gew

eldig

dat je a

ltijd ku

nt b

innen

stappen

voor h

ulp

of o

m a

an d

e robots te w

erken. Id

a

regelt m

ete

en d

at je b

uite

n h

et pra

cticum

ook ka

n w

erken.

2.

Mee

stal w

el goed

. 3.

toonde vee

l inzet en

betro

kkenheid

20

.Ik

vin

d d

at d

e d

oce

nt d

e

on

derw

erp

en

tijden

s d

e

colle

ges o

p o

verz

ichte

lijke

wijze

aan

bie

dt

zeer

oneen

szee

r een

s1

23

45

111%

111%

333%

333%

111%

open/n

:0/9

gem

:3.2

sd: 1

.1

21

.D

e d

oce

nt is b

ere

ikb

aar a

ls ik

hem

/h

aar n

od

ig h

eb

zeer

oneen

szee

r een

s1

23

45

00%

222%

556%

222%

00%

open/n

:0/9

gem

:3.0

sd: 0

.7

22

.Ik

vin

d d

at d

e d

oce

nt v

rag

en

van

stud

en

ten

ad

eq

uaat

bean

two

ord

t

zeer

oneen

szee

r een

s1

23

45

00%

333%

222%

333%

111%

open/n

:0/9

gem

:3.2

sd: 1

.0

23

.H

eb

je v

erd

er n

og

op

merk

ing

en

ivm

de d

oce

nt?

1.

Perry is n

iet in d

e buurt va

n h

et p

racticu

m en

is dus m

oeilijke

r te bereike

n d

an Id

a. D

e sto

f m

ag o

ok d

uid

elijker uitg

elegd w

ord

en.

2.

Mee

stal o

ok g

oed

, maar 1

punt: a

ls je o

p d

e slid

es zet iets o

ver ee

n "E

uclid

ische rela

tie", en

"S

eriele relatie", d

an m

oet je ku

nnen

bea

ntw

oord

en w

at d

at is (vin

d ik) en

dat ko

n h

ij toen

niet. (Z

et het d

an g

ewoon n

iet op d

e slides.)

24

.D

e re

levan

te cu

rsu

sinfo

rmatie

(lite

ratu

ur) is tijd

ig

besch

ikb

aar

zeer

oneen

szee

r een

s1

23

45

00%

00%

111%

667%

222%

open/n

:0/9

gem

:4.1

sd: 0

.6

25

.D

e o

rgan

isatie

van

de to

ets

(tijd, ru

imte

, om

stan

dig

hed

en

) w

as g

oed

zeer

oneen

szee

r een

s1

23

45

00%

111%

00%

667%

222%

open/n

:0/9

gem

:4.0

sd: 0

.8

26

.H

eb

je v

erd

er o

pm

erk

ing

en

ivm

de v

oo

rzien

ing

en

en

org

an

isatie

?

1.

De p

racticu

mru

imte

is erg slech

t. Pro

gra

mm

eren

in d

e ke

lder d

ie voor p

sycholo

gen is

ingerich

t is onm

ogelijk. S

lechte co

mputers, g

een re

chte

n o

m ee

n d

river voor d

e robot te

in

stalleren

of een

pro

gra

mm

eerom

gevin

g n

aar keu

ze te geb

ruiken

. 2.

/ 3.

Org

anisa

tie va

n e

erst theo

rie en d

aarn

a p

racticu

m vo

nd ik h

eel g

oed

.

27

.Ik

geef d

eze

cursu

s het v

olg

en

de ra

pp

ortcijfe

r%

nopen/n

: 0/9

10

0

20

0

30

0

40

0

50

0

611

1

733

3

Ida

Ida.

822

2

933

3

10

0

0


63

Team Enquete Robotica 2

P.C. Groot

Team Enquete Robotica 2

Geef op de volgende vragen max 3 antwoorden (waarover tenminste 2 teamleden het eens zijn):

1. Wat vind je het beste aan de cursus/docenten?2. Wat vind je het minste aan de cursus/docenten?3. Als jij de cursus zou onderwijzen, wat zou je doen om de de cursus te verbeteren?

Resultaten Verschillende Teams

Team 1

1. (a) Open opdracht; veel keuze(b) Goede beschikbaarheid docenten; voor vragen e.d.(c) Goede grootte theoriedeel en erg gevarieerd

2. (a) Practicum nog iets afgebakender qua programmeeromgeving. Denk dat het goed is omiedereen dezelfde programmeeromgeving te laten werken (bijv. Java of Matlab).

3. (a) Tentamen nog moeilijker(b) Opdracht practicum meer afbakenen(c) Betere ruimte, waar de teams beschikbaarheid hebben over blutooth PC’s waar zij op

ieder moment kunnen werken. Zoals in 2005 bij ‘Robotica 1’

Team 2

1. (a) Inzet van Ida tijdens practica(b) Opdrachten(c) Verdeling colleges / practica

2. (a) Voorlezen van de sheets tijdens college(b) Gebrek studentassistenten

3. (a) Studentassistenten

Team 3

1. (a) Altijd bereid te helpen(b) Relaxte sfeer(c) Robots bouwen is leuk!

2. (a) Perry kucht steeds tijdens het presenteren3. (a) Meer bricks

(b) Zelf robot bouwen?

Team 4

1. (a) Lego robots → suppercool2. (a) Moet ver zoeken naar link theorie → praktijk

(b) Informatie staat niet centraal3. (a) Computerruimte voor practicum

(b) Robots 3e verdieping naar practicum kelder? Nu onnodig veel werk

Team 5

1. (a) Fijn dat het tentamen ruim vooraan de cursus was(b) Beschikbaarheid van het materiaal

2. (a) Lokalen voor het practicum (ver van materiaal)3. (a) Practicum in dezelfde zaal als demonstraties

Ida


64

Ervarin

genvan

Ida

Sprin

khuizen

-Kuyp

er ∗met

onderw

ijsdoor

Perry

Groot

Samen

hebbenw

ijhet

vakR

obotica2

volledigopgezet,

vormgegeven

engedoceerd.

Het

vakis

gebaseerdop

detheorie

vanM

ulti-agentsystemen

enw

ijhebben

hetopgesplitst

ineen

theoretischdeelen

eenpraktisch

deel.W

ehebben

hetnu

2keer

gegeven,de

eerstekeer

inhet

4ekw

artaalvan

2007-2008,de

tweede

keerin

heteerste

semester

van2008-2009.

We

zijnnu

bezigm

etde

3ekeer

(eerstesem

ester2009-2010).

Onze

samenw

erkingliep

enloopt

heelgoed.

Perry

heeftgoede

ideeenom

zakengoed

teorganiseren.

Ook

didaktischeverbeteringen,

zoalshet

concreetform

ulerenvan

leertakenzijn

doorhem

ingebracht.H

ijheeftduidelijk

hartvoor

onderwijs

enstaat

openvoor

ideeenen

vragenvan

studenten.N

aaraanleiding

vande

evaluatiesen

wat

we

zelfopm

erkten,brengenw

eiedere

keerw

eerverbe-

teringenaan

endaarin

neemt

Perry

vaakhet

voortouw.

Het

vakw

ordtdoor

destudenten

bijzondergew

aardeerd.Ze

lerenveel,zow

eltheorie,

alspraktijk,

alsacadem

ischevaardigheden

alspresenteren,

demonstr-

erenen

hetsam

enwerken

ineen

groep.E

nze

vindenhet

leuk.D

atkom

took

uitin

destudentenevaluaties:

De

eerstekeer

kreeghet

vakeen

7.4,de

tweede

keereen

7.8.

Ikzal

overeen

paaraspecten

ietsm

eerzeggen:

Hoorcolleges:

Perry

verzorgtzijn

collegesgoed.

Hij

spreektvrij

zachten

daardoorverliep

hetcontact

met

destudenten

tijdensde

collegesw

atm

oeizaam.

Iederekeer

gaatdat

beter.M

etnam

ew

athet

groepscontactbetreft:

erzijn

nuregelm

atigdiscussies

tijdenszijn

collegesnaar

aanleidingvan

deproblem

endie

hijvoorlegt.

Werkcolleges:

Perry

verzorgtgoede

opgaven,waardoor

studentende

stofgoedonder

deknie

kunnenkrijgen.

Het

persoonlijkcontact

met

studentenom

vragente

beantwoorden

endingen

uitte

leggenis

goed.∗D

rI.G

.Sprin

khuizen

-Kuyper

isU

Dbij

Kunstm

atig

ein

telligen

tie.Zij

heeft

eenzeer

uitg

ebreid

eonderw

ijservarin

gsin

ds

1969

(natu

urk

unde:

pra

cticum

;w

iskunde:

colleg

esen

werk

colleg

es;in

form

atica

enkunstm

atig

ein

telligen

tie:co

lleges,

pra

ctica,

werk

colleg

es,pro

-jectg

estuurd

onderw

ijs,scrip

tiesbeg

eleiden

,onderw

ijsontw

ikkelen

).

1

Toetsen

:Perry

maakt

goedevragen

omde

stofte

toetsen.Leerdoelen:

Zoals

bovenverm

eld,zijn

deleerdoelen

vanhet

vaken

vande

verschillendeonderdelen

nuexpliciet

geformuleerd,

opinstigatie

vanPerry.

Opgaven

/leertaken:

Prim

a,zie

boven.

Team

enquete:

De

studentenw

erkentijdens

hetpracticum

inteam

s.Perry

heefteen

enquetegeform

uleerdom

perteam

ookfeedback

ophet

vakte

krijgen.Zaken

diedaaruit

komen

zijnook

meegenom

enom

hetvak

teverbeteren.

#16 Robotica 2 2007/2009 Evalutatie Collega

65

Onderwijs Portfolioperry/teaching/IOWO/portfolio.pdf · 2011-04-29 · Onderwijs Portfolio P.C....

Documents

Transcript of Onderwijs Portfolioperry/teaching/IOWO/portfolio.pdf · 2011-04-29 · Onderwijs Portfolio P.C....