Περιεχόμενα, αρχική, προηγούμενη, επόμενη σελίδα.
Τα Έμπειρα Διδακτικά Συστήματα (Ε.Δ.Σ) επιτρέπουν την μίμηση ενός δασκάλου (άνθρωπος), με την έννοια ότι μπορούν να γνωρίζουν τι να διδάξουν (περιοχή της γνώσης), πως να το διδάξουν (στρατηγικές καθοδήγησης), και να μαθαίνουν συγκεκριμένες πληροφορίες σχετικές με το μαθητή που διδάσκεται. Αυτό απαιτεί την αναπαράσταση:
Μέσα από την αλληλεπίδραση των παραπάνω μοντέλων (Σχήμα 1), τα Ε.Δ.Σ μπορούν να εκτιμήσουν τις γνώσεις και την πρόοδο του μαθητή. Στη συνέχεια η καθοδήγηση προσαρμόζεται αυτόματα στις ανάγκες του μαθητή από το Μοντέλο μαθητή, χωρίς την παρέμβαση κάποιου καθοδηγητή (ανθρώπου). Τα Ε.Δ.Σ ενεργούν σαν τον προσωπικό καθοδηγητή του μαθητή, ενώ ο άνθρωπος καθοδηγητής είναι ελεύθερος να δώσει προσοχή σε περισσότερο πολύπλοκες και εξατομικευμένες ανάγκες των μαθητών.
Τα τρία πιο σημαντικά τμήματα ενός Έμπειρου Διδακτικού Συστήματος είναι: (α) το Μοντέλο Ειδικού (Expert Model), (β) το Μοντέλο Μαθητή (Student Model) και (γ) το Μοντέλο Καθοδήγησης (Instruction Model). Στη βιβλιογραφία μπορεί κανείς να βρει διαφορετικές προσεγγίσεις όσον αφορά τα τμήματα από τα οποία αποτελείται ενα Ε.Δ.Σ. Σύμφωνα με την εργασία των J. Beck, M. Stern , E. Haugssjaa, "Aplplications of AI in Education", τα τμήματα ενός Ε.Δ.Σ. είναι πέντε: (α) Μοντέλο Μαθητή, (β) Παιδαγωγικό Μοντέλο, (γ) Περιοχή Γνώσης, (δ) Μοντέλο Επικοινωνίας και (ε) Μοντέλο Ειδικού.
Στη δέυτερη προσέγγιση παρατηρούμε την προσθήκη δύο ακόμα τμημάτων σε σχέση με την πρώτη προσέγγιση: την Περιοχή Γνώσης και το Μοντέλο Επικοινωνίας. Ακόμη στην δεύτερη προσέγγιση το Μοντέλο Καθοδήγησης αποκαλείται Παιδαγωγικό μοντέλο. Η σύμπτωση που παρουσιάζουν και οι δύο προσεγγίσεις στα τρία μοντέλα (Μοντέλο Ειδικού, Μοντέλο Καθοδήγησης και Μοντέλο Μαθητή) συνηγορεί στη διαπίστωση ότι τα τρία αυτά τμήματα είναι και τα πιο σημαντικά σε ένα Ε.Δ.Σ.
Αυτό το τμήμα παρέχει την πληροφορία που διδάσκεται, και είναι ίσως το πιο σημαντικό τμήμα ενός Ε.Δ.Σ από τη στιγμή που χωρίς αυτό δεν θα υπήρχε τίποτα να διδαχθεί ο μαθητής. Σ' αυτό το τμήμα ένα θέμα που χρήζει έρευνας είναι το πως μπορεί να αναπαρασταθεί η γνώση για μια περιοχή έτσι ώστε να είναι εύκολο να κλιμακωθεί για να να καλύπτει μεγαλύτερες περιοχές γνώσης. Ένα άλλο ανοιχτό θέμα είναι το πώς μπορεί να αναπαρασταθεί μια περιοχή γνώσης που περιλαμβάνει και άλλα αντικείμενα εκτός από γεγονότα και διαδικασίες, όπως για παράδειγμα νοηματικά μοντέλα (mental models).
Το μοντέλο ειδικού είναι όμοιο με την περιοχή της γνώσης με την έννοια ότι πρέπει να παρέχει την πληροφορία που πρόκειται να διδαχθεί. Ωστόσο το μοντέλο ειδικού είναι κάτι παραπάνω από αναπαράσταση πληροφορίας. Είναι ένα μοντέλο για το πώς κάποιος ειδικός σε έναν συγκεκριμένο τομέα αναπαριστά τη γνώση. Για παράδειγμα μπορεί να αναπαριστά την ικανότητα επίλυσης προβλημάτων σε έναν συγκεκριμένο τομέα. Με τη χρησιμοποίηση ενός Μοντέλου Ειδικού μπορεί ο καθοδηγητής να συγκρίνει τη λύση του μαθητή με τη λύση του ειδικού συγκεκριμενοποιώντας τα σημεία στα οποία ο μαθητής αντιμετώπισε προβλήματα. Υπάρχουν πολλές παραλλαγές αρχιτεκτονικών για την αναπαράσταση γνώσης. Ορισμένες από αυτές είναι :
Το Μοντέλο Μαθητή αποθηκεύει πληροφορίες που αναφέρονται σε κάθε μαθητή ξεχωριστά. Η ελάχιστη λειτουργία που εκτελεί ένα τέτοιο μοντέλο, είναι να παρατηρεί πόσο καλά αποδίδει ο μαθητής στο αντικείμενο το οποίο διδάσκεται. Μια πιθανή προσθήκη είναι να αναφέρει λανθασμένες αντιλήψεις από πλευράς μαθητή. Αφού ο σκοπός του Μοντέλου μαθητή είναι να παρέχει πληροφορίες στο το Μοντέλο Καθοδήγησης (ή Παιδαγωγικό Μοντέλο) του συστήματος, όλες οι πληροφορίες που συλλέγονται, θα πρέπει να είνα δυνατόν να χρησιμοποιηθούν από τον καθοδηγητή.
Οι πληροφορίες που διατηρεί το Μοντέλο Μαθητή ανακλούν την αντίληψη του συστήματος για το επίπεδο της γνώσης του μαθητή. Αφού μόνο φανερές ενέργείες του μαθητή είναι ορατές από το σύστημα, και το Ε.Δ.Σ. έχει μόνο ένα περιορισμένο κανάλι επικοινωνίας με τον χρήστη, υπάρχει μια δυσκολία στην διαμόρφωση μιας ακριβούς αναπαράστασης των δυνατοτήτων του μαθητή. Συνεπώς το μοντέλο του μαθητή μπορεί να μην είναι απόλυτα ακριβές, οπότε να χρειάζεται επιπλέον ανάλυση ώστε οι ενέργειες του συστήματος που βασίζονται σ' αυτή τη μη ακριβή πληροφορία να είναι αυτές που ακριβώς απαιτούνται.
Με δεδομένες τις παραπάνω δυσκολίες, μια προφανής ερώτηση είνα "γιατι να έχουμε μοντέλα μαθητών;" Τα μοντέλα μαθητών είναι απαραίτητα για την προσαρμογή της καθοδήγησης στην ιδιοσυγκρασία και στις ανάγκες μάθησης του μαθητή. Χωρίς αυτή τη γνώση το Μοντέλο Καθοδήγησης (Instructional Model) δεν έχει μια βάση πάνω στην οποία θα πάρει τις αποφάσεις του και αναγκάζεται να αντιμετοπίζει όλους τους μαθητές με τον ίδιο τρόπο.
Υπάρχουν πολλοί τρόποι για την αναπάρασταση της πληροφορίας που αφορά τον μαθητή. Δύο τεχνικές που χρησιμοποιούνται συχνά είναι: (α) Επικαλυπτόμενα Μοντέλα (Overlay Models) (β) Δίκτυα Bayes (Bayesian networks).
Στα επικαλυπτόμενα μοντέλα η γνώση των μαθητών θεωρείται σαν ένα υποσύνολο της γνώσης του ειδικού (Σχήμα 2). Με αυτό τον τρόπο αναπαράστασης ένα Ε.Δ.Σ παρουσιάζει θέματα στον μαθητή έτσι ώστε η γνώση του μαθητή να συμπεριλαμβάνεται ολόκληρη στη γνώση του ειδικού. Έτσι ένα επικαλυπτόμενο μοντέλο μπορεί να αναπαριστά συγκεκριμένα θέματα που αντιστοιχούν σε υποσύνολα της περιοχής γνώσης.
Ένα μειονέκτημα αυτού του μοντέλου είναι ότι δεν αναγνωρίζει ότι οι μαθητές μπορούν να έχουν γνώσεις που δεν συμπεριλαμβάνονται στο πεδίο γνώσεων του ειδικού. Το γεγονός αυτό μπορεί να ληφθεί υπόψην για την επέκταση του επικαλυπτόμενου μοντέλου, ώστε να γίνεται καλύτερη αναγνώριση των λαθών του μαθητή (Σχήμα 3).
Ένας άλλος μηχανισμός για την παρουσίαση της γνώσης του μαθητή είναι τα Δίκτυα Bayes (Bayesian network). Αυτά τα δίκτυα πραγματοποιούν μια πιθανοθεωρητική θεώρηση για το επίπεδο της γνώσης του μαθητή με βάση την αλληλεπίδραση του με τον καθοδηγητή. Κάθε κόμβος στο δίκτυο δείχνει την πιθανότητα να κατέχει ο μαθητής το κομμάτι της πληροφορίας που αναπαρίσταται από αυτόν τον κόμβο.
Οι σχεδιαστές Ε.Δ.Σ. έχουν την τάση να περιλαμβάνουν στο Μοντέλο Μαθητή περισότερη πληροφορία από ότι το Μοντέλο Καθοδήγησης μπορεί να χρησιμοποιήσει. Ωστόσο ο σκοπός της ύπαρξης του Μοντέλου Μαθητή είναι να μπορεί να προσαρμόζει την καθοδήγηση για κάθε μαθητή. Γι' αυτό τα μοντέλα μαθητών θα έπρεπε να περιλαμβάνουν μόνο την πληροφορία που απαιτήται από τον καθοδηγητή για να κάνει την καθοδήγηση. Από την άλλη όμως, για ερευνητικούς σκοπούς, μπορεί να είναι αποδοτικό να περιλαμβάνει επιπλέον παράγοντες που δεν χρησιμοποιούνται από το Μοντέλο Καθοδήγησης αλλά παρέχουν στου σχεδιαστές γνώση η οποία μπορεί να φανεί χρήσιμη για άλλα μελλοντικά μοντέλα μαθητών.
Με βάση τους παραπάνω περιορισμούς τί θα έπρεπε να περιέχει ένα μοντέλο μαθητή; Σίγουρα θα πρέπει να καταγράφει την κατανόηση των μαθητών σε ότι αφορά το αντικείμενο της διδασκαλίας. Ωστόσο πώς θα πρέπει να αναπαρίσταται ο βαθμός της κατανόησης; Ως μια ακραία θέση ο καθοδηγητής θα μπορούσε να πεί "ο μαθητής γνωρίζει αυτό το αντικείμενο" ή ότι "ο μαθητής δεν γνωρίζει αυτό το αντικείμενο". Μια άλλη ακραία περίπτωση είναι να αναφέρει ο καθοδηγητής κάθε ενέργεια του μαθητή. Τα περισότερα μοντέλα μαθητή βρίσκονται ανάμεσα στις παραπάνω περιπτώσεις και προσπαθούν να μοντελοποιήσουν το μαθητή με την ίδια λεπτομέρια με την οποία η περιοχή γνώσης αναπαρίσταται.
Επιπρόσθετα με την καταγραφή της κατανόησης των μαθητών, ένα μοντέλο μαθητή μπορεί να περιλαμβάνει ακόμη και γενικές παιδαγωγικές πληροφορίες για τον μαθητή. Αυτού του είδους η πληροφορία περιλαμβάνει τις γενικές προτιμίσεις του μαθητή, όπως για παράδειγμα το κατά πόσο προτιμάει να μελετάει παραδείγματα πριν προσπαθήσει να απαντήσει σε ερωτήσεις.
Το Μοντέλο Καθοδήγησης χρησιμοποιεί πληροφορία από το Μοντέλο Μαθητή για να καθορίσει ποια θέματα της περιοχής γνώσης θα πρέπει να παρουσιαστούν στο μαθητή. Αυτή η πληροφορία, για παράδειμα, μπορεί να είναι ανασκόπηση από προηγούμενα θέματα ή ανάδραση (feedback) από το τρέχων θέμα. Ένα παιδαγωγικό θέμα για ένα Ε.Δ.Σ είναι η επιλογή μιας στρατηγικής διδασκαλίας. Για παράδειγμα το σύστημα μπορεί να αποφασίσει να χρησιμοποιήσει τη μέθοδο του Σωκράτη ή μπορεί να επιλέξει ένα θέμα και να παρουσιάσει ένα παράδειγμα για ένα πρόβλημα που αφορά αυτό το θέμα. Αφού επιλεγεί μια στρατηγική διδασκαλίας, ζητήματα χαμηλού επιπέδου, όπως το ακριβές παράδειγμα που θα χρησιμοποιηθεί, πρέπει να επιλυθούν.
Ο καθοδηγητής πρέπει να αποφασίσει το περιεχόμενο του αντικειμένου που θα παρουσιάσει στο μαθητή. Συγκεκριμένα πρέπει να αποφασίσει για το θέμα, το πρόβλημα και την καθοδηγητική ανάδραση (feedback) :
Η εκπαιδευτική έρευνα έχει καθορίσει πολλές δυναμικές στρατηγικές διδασκαλίας για χρήση από Ε.Δ.Σ. Παραδείγματα τέτοιων μεθόδων είναι η 'ελικοειδής μέθοδος' και η 'Σωκρατική μέθοδος'. Ωστόσο η υλοποίηση αυτών των στρατηγικών έχει αποδειχθεί μεγάλο πρόβλημα. Τα περισότερα Ε.Δ.Σ δεν βρίσκουν άμεσα τις στρατηγικές που χρησιμοποιούν για την διδασκαλία αλλά έμμεσα υλοποιούν μία από τις γνωστές στρατηγικές. Μια καλύτερη μέθοδος είναι να χρησιμοποιούν το μοντέλο του μαθητή για την επιλογή μιας κατάλληλης στρατηγικής από αυτές που υπάρχουν στο σύστημα. Στην ιδανική περίπτωση ένα μοντέλο μαθητή μπορεί να παρακολουθεί τις στρατηγικές που είναι πιο κατάλληλες για για την διδασκαλία του συγκεκριμένου μαθητή. Ωστόσο επειδή τα περισσότερα συστήματα δεν παρέχουν πολλαπλές στρατηγικές, τα μοντέλα μαθητών δεν έχουν σχεδιαστεί έτσι ώστε να παρέχουν πληροφορίες επιλογής. Έτσι η αναπαράσταση πολλαπλών επιλογών και πληροφορίας ελέγχου για την επιλογή μεταξύ αυτών είναι έξω από τις δυνατότητες των σημερινών συστημάτων.
Το μοντέλο αυτό περιλαμβάνει θέματα που έχουν να κάνουν με την αλληλεπιδραση (interaction) του μαθητή με το σύστημα. Δηλαδή την διεπιφάνεια χρήσης του συστήματος. Τα θέματα αυτά εμπίπτουν στον τομέα της Επικοινωνίας Ανθρώπου Μηχανής. Μια περιοχή έρευνας στην επικοινωνία ανθρώπου μηχανής η οποία παρουσιάζει ενδιαφέρον και από την μεριά των Ε.Δ.Σ. είναι οι έξυπνες διεπιφάνειες χρήσης (Intelligent user interfaces).
Υπάρχουν πολλοί τρόποι για την κατηγοριοποίηση των Ε.Δ.Σ. Στην παρούσα εργασία θα εστιάσουμε την προσοχή σε δύο διαστάσεις: στο περιβάλλοντος μάθησης και στην καθοδήγηση.
Πολλά συστήματα προσπαθούν να παρέχουν καθοδήγηση προσομιώνοντας πραγματικά περιβάλλοντα εργασίας στα οποία ο μαθητής μπορεί να μάθει. Υπάρχουν πολλοί λόγοι για την ανάπτυξη τέτοιων συστημάτων , συμπεριλαμβανομένου τον πιθανό κίνδυνο της εκπαίδευσης με την χρησιμοποίηση πραγματικού εξοπλισμού, χάνοντας έτσι τους ειδικούς που θα μπορούσαν να αφιερώσουν τον χρόνο τους για την εκπαίδευση των αρχάριων. Συνεπώς, ένα ρεαλιστικό προσομιωμένο περιβάλλον μάθησης μπορεί να μειώσει το κόστος και τους κινδύνους της εκπαίδευσης.
Ένα παράδειγμα Ε.Δ.Σ βασισμένο σε προσομίωση είναι το ACLS Tutor στο οποίο ο μαθητής έχει τον ρόλο του αρχηγού ομάδας που παρέχει επίγουσα υποστήριξη σε ασθενείς που έχουν υποστεί καρδιακό επισόδειο. Το σύστημα, όχι μόνο παρακολουθεί τις ενέργειες των μαθητών, αλλά "τρέχει" μια ρεαλιστική προσομοίωση της κατάστασης του ασθενή και διατηρεί ένα περιβάλλον που προσομοιώνει πιστά πραγματικές καταστάσεις. Έτσι ο σκοπός δεν είναι να ελέγξει μόνο τις γνώσεις των μαθητών για τις διαδικασίες άμεσης ανάγκης, αλλά να τους επιτρέψει να αποκτήσουν εμπειρία εξασκώντας αυτές τις διαδικασίες με έναν πιο ρεαλιστικό τρόπο απ' ότι από την παραδοσιακή διδασκαλία σε μια αίθουσα διδασκαλίας.
Ορισμένα συστήματα ακολουθούν λιγότερο αυστηρές προσεγγίσεις για την αναπαράσταση του περιβάλλοντος. Οι καταστάσεις που αναπαρίστανται είναι όμοιες με πραγματικά σενάρια στα οποία η γνώση μπορεί να εφαρμοστεί, αλλά δεν είναι ακριβείς προσομοιώσεις. Το σύστημα Smithtown ακολουθεί αυτή την προσέγγιση παρέχοντας μια προσομοιωμένη κατάσταση στην οποία οι μαθητές καλούνται να ελέγξουν υποθέσεις σχετικές με οικονομικά. Ωστόσο το βαθύτερο μοντέλο του περιβάλλοντος δεν είναι μια ακριβής προσωμοίωση του πώς οι νόμοι των οικονομικών θα μπορύσαν να εφαρμοστούν στην πραγματικότητα.
Στη εντελώς αντίθετη πλευρά των συστημάτων που βασίζονται στην προσομοίωση, βρίσκονται εκείνα τα συστήματα που διδάσκουν με έναν decontextualized τρόπο χωρίς να προσπαθούν να προσομοιώσουν πραγματικές καταστάσεις. Αυτά τα συστήματα θέτουν στους μαθητές προβλήματα τα οποία καλούνται να λύσουν χωρίς να τα συνδέσουν με μια πραγματική κατάσταση, και είναι σχεδιασμένα να διδάξουν αφαιρετική γνώση που μπορεί να μεταφερθεί σε πολλαπλές καταστάσεις επίλυσης προβλημάτων.
Υπάρχει μια μεγάλη ιστορία κατηγοριοποίησης των σκοπών της καθοδήγησης σε σχέση με το είδος της γνώσης που διδάσκεται. Μια σημαντική πρόσφατη προσπάθεια προς αυτή την κατεύθυνση είναι η ταξινόμηση του Bloom (Bloom's taxonomy), και μια πολύ πιο πρόσφατη εργασία στην κατηγοριοποίηση της γνώσης έχει εξαχθεί από αυτή. Επιπλέον για την κατηγοριοποίηση των στόχων της μάθησης με βάση τον τύπο της γνώσης, μπορεί κάποιος να εξετάσει το τί μπορεί ο μαθητής να κάνει μετά το πέρας του μαθήματος στο Ε.Δ.Σ.
Για την διευκόλυνση της υλοποίησης τα συστήματα τείνουν να συγκεντρώνονται στην διδασκαλία ενός μόνο τύπου γνώσης. Ο πιο γνωστός τύπος Ε.Δ.Σ. διδάσκει διαδικαστικές δεξιότητες. Σ' αυτά ο σκοπός για τους μαθητές είναι να μάθουν πως να εκτελούν συγκεκριμένες λειτουργίες.Έχει πραγματοποιηθεί σημαντική έρευνα στον τομέα της γνωστικής ψυχολογίας σχετικά με την απόκτηση των ανθρώπινων δεξιοτήτων. Έτσι της περιοχής της γνώσης με βάση αυτή την οργάνωση, μπορεί να αποδειχθεί πολύ αποδοτική στην καθοδήγηση. Συστήματα που είναι σχεδιασμένα με βάση αυτές τις αρχές, συχνά ονομάζονται "γνωστικοί καθοδηγητές" (cognitive tutors). Το πιο συνηθισμένο αποτέλεσμα αυτής της ανάλυσης είναι ένα σύνολο από κανόνες που είναι μέρος ενός μοντέλου ειδικού. Αν ένας μαθητής συναντήσει δυσκολίες, η κατάλληλη διόρθωση μπορεί να καθοριστεί από το Μοντέλο Ειδικού.
Ένα παράδειγμα "γνωστικού καθοδηγητή" είναι το σύστημα SHERLOCK, το οποίο διαθέτει προπαρασκευαστικές ενέργειες συσχετισμένες με κάθε κατάσταση στο χώρο του προβλήματος. Ένα άλλο παράδειγμα Ε.Δ.Σ που χρησιμοποιεί μια ανάλυση της συμπεριφοράς του ειδικού είναι το LISP tutor, το οποίο περιλαμβάνει τις ενέργειες του ειδικού για την λύση του προβλήματος σαν κανόνες παραγωγής, και προσπαθεί να καθορίσει ποιοι κανόνες εφαρμόζονται όταν ο μαθητής παρουσιάσει δυσκολίες.
’Αλλα Ε.Δ.Σ συγκεντρώνονται στην διδασκαλία εννοιών και νοηματικών μοντέλων. Αυτά τα συστήματα παρουσιάζουν δύο κύριες δυσκολίες. Η πρώτη είναι ότι μία ακόμη πιο σημαντική περιοχή γνώσης χρειάζεται για την καθοδήγηση. Η δεύτερη είναι ότι αφού η εκμάθηση εννοιών είναι λιγότερο κατανοητή από την εκμαθηση διαδικασιών, υπάρχει λιγότερη γνωστική θεωρία για την αναπαράσταση της γνώσης και το μοντέλο καθοδήγησης. Γι' αυτούς τους λόγους τα Ε.Δ.Σ αυτού του τύπου απαιτούν μια μεγαλύτερη περιοχή γνώσης και μερικές φορές αναφέρονται και ώς "καθοδηγητές που βασίζονται στη γνώση" (knowledge based tutors). Το αποτέλεσμα της έλλειψης ενός ισχυρού μοντέλου απόκτησης δεξιοτήτων και ενός μοντέλου για την απόδοση του ειδικού, είναι ότι αυτά τα συστήματα αναγκάζονται να χρησιμοποιούν γενικές στρατηγικές διδασκαλίας. Επίσης δίνουν μεγαλύτερη έμφαση στο σύστημα επικοινωνίας και αναπαράστασης προκειμένου να έχουν μεγαλύτερη απόδοση στην εκμάθηση. Ένα παράδειγμα τέτοιου συστήματος είναι το Pedagogical Explanation Generation (PEG) το οποίο έχει ένα τμήμα σχεδιασμού επεξηγήσεων που χρησιμοποιεί μια σημαντική περιοχή γνώσης για την εύρεση απαντήσεων σε ερωτήσεις μαθητών στον τομέα των ηλεκτρικών κυκλωμάτων.
Ο τρόπος κατηγοριοποίησης που περιγράφηκε παραπάνω μπορεί να χρησιμοποιηθεί για γενικούς σκοπούς αλλά δεν είναι μια οριστική μέθοδος κατηγοριοποίησης για Ε.Δ.Σ. Ένα σύστημα που δεν ανήκει στις παραπάνω κατηγορίες είναι το σύστημα Coach το οποίο διδάσκει την χρησιμοποίηση του ηλεκτρονικού ταχυδρομείου στο σύστημα UNIX. Το σύστημα αυτό παρουσιάζει χαρακτηριστηκά τόσο των γνωστικών καθοδηγητών όσο και των καθοδηγητών που βασίζονται στη γνώση.
Γενικά, συστήματα που διδάσκουν διαδικαστικές λειτουργίες χρησιμοποιούν μια γνωστική διαδικασία ανάλυσης της συμπεριφοράς του ειδικού, ενώ συστήματα που διδάσκουν έννοιες χρησιμοποιούν μια μεγαλύτερη βάση γνώσης και δίνουν περισσότερη έμφαση στην επικοινωνία. Αν και υπάρχουν εξαιρέσεις σ' αυτούς τους κανόνες, μπορούν να χρησιμοποιηθούν σαν οδηγοί για την κατηγοριοποίηση των Ε.Δ.Σ.
Περιεχόμενα, αρχική,
προηγούμενη, επόμενη σελίδα.