Зміст

• 1. Актуальність теми
• 2. Мета і завдання
• 3. Передбачувана наукова новизна
• 4. Плановані практичні результати
• 5. Огляд досліджень і розробок з теми. Глобальний рівень
• 6. Огляд досліджень і розробок з теми. Національний рівень
• 7. Огляд досліджень і розробок з теми. Локальний рівень
• 8. Розробка моделі адаптивного структурування інформаційних ресурсів інтелектуальної навчальної системи
• 8.1 Інформаційні ресурси ІНС
• 8.2 Постановка завдання
• 8.3 Вибір інструментарію для розробки моделі
• 9. Модель структуризації ресурсів та процесу адаптивного навчання і тестування
• 10. Напрями вдосконалення моделі
• Висновки
• Список джерел

1. Актуальність теми

У наш час широко ведуться роботи зі створення інтелектуальних навчальних систем (ІНС), адаптивних мережевих навчальних систем, які з'явилися як альтернатива і доповнення до традиційного підходу у розробці комп'ютерного навчального курсу [1]. Для підвищення результативності освітнього процесу в таких системах повинна підтримуватися індивідуальна освітня траєкторія.

В існуючих інтелектуальних системах застосовуються види адаптації, які не забезпечують індивідуальність траєкторії і в кращому випадку орієнтовані на групи учнів: „кращий“, „середній“, „поганий“. Для реалізації вимог індивідуалізації необхідне створення навчальних і тестують інформаційних ресурсів, які здатні враховувати, як потреби, так і здатності учнів, які дозволяли б класифікувати навчальні матеріали з вибираним модулям дисципліни, вказували б прямі і опосередковані зв'язки між окремими модулями, містили б набори завдань з зазначенням їх складності і часу виконання. Для застосування таких ресурсів в ІНС повинні входити засоби адаптивного структурування освітнього контенту для конкретного користувача. Адаптації до характеристик користувачів набувають першорядну важливість.

Актуальність дослідження визначається тим, що в умовах інтенсивного поширення інформаційних систем у світовому освітньому просторі зростає необхідність розробки інтелектуальних інформаційних систем освітнього призначення з можливістю адаптації контенту.

2. Мета і завдання

Метою роботи є створення на базі кольорових мереж Петрі моделі структурування інформаційних навчальних ресурсів в інтелектуальних навчальних системах.

Для досягнення поставленої мети потрібно рішення наступних завдань:

1. Провести аналіз існуючих систем адаптивного навчання і засобів представлення в них контенту.
2. Аналіз можливостей кольорових мереж Петрі для представлення ресурсів і процесів навчання.
3. Формалізувати процеси адаптивного навчання і тестування на основі структурованого подання інформаційних ресурсів за допомогою апарату кольорових мереж Петрі.

Об'єктом даного дослідження є інтелектуальні системи навчання та засоби структурування навчальних ресурсів з метою індивідуалізації навчання.

Предметом дослідження є моделі структурування та адаптації інформаційних ресурсів в інтелектуальних системах навчання.

3. Передбачувана наукова новизна

Модель, на базі кольорових мереж Петрі, адаптивного структурування освітнього контенту інтелектуальної навчальної системи.

4. Плановані практичні результати

Розроблена модель може використовуватися для побудови інтелектуальної системи навчання, що дозволяє підвищити ефективність використання інформаційних ресурсів освітнього призначення шляхом адаптації контенту під індивідуальні потреби і можливості учнів.

5. Огляд досліджень і розробок з теми. Глобальний рівень

Перші публікації по розробці інтелектуальних навчальних систем (ІНС) з'явилися в 70 роки 20 століття в роботах Дж. Карбонелла [2], перші класифікації цих систем були запропоновані в роботах П. Брусилівського [3]. Підходи до реалізації інтелектуальних технологій навчання на Web-платформі розглянуті в [4]. Завдання цього напряму досліджень — включити в дистанційні повчальні системи можливості індивідуалізації [5]. За допомогою адаптивних і інтелектуальних технологій повчальна система враховує індивідуальні здібності студента, його попередні знання, уміння. На основі цих даних про студента процес навчання проходить для нього оптимальним шляхом [6]. При розробці навчальних систем використовуються адаптивні гіпермедіа та нейромережеві технології, методи машинного навчання, генетичні алгоритми, методи еволюційного моделювання, та інші.

Проблема побудови індивідуальних траєкторій навчання в адаптивних системах розглянута в [7]. Траєкторія будується на основі імітаційної моделі оцінки рівня компетентності. Імітаційне моделювання проводилося на основі апарату простих мереж Петрі. Запропонована модель враховує індивідуальний набір компетенцій учня для реалізації індивідуально-спрямованого процесу навчання.

6. Огляд досліджень і розробок з теми. Національний рівень

Проблеми інтелектуальних технологій навчання в Україні вирішуються в провідних університетах Львова, Києва, Харкова, в національній Академії наук.У роботі [8] на основі комплексного використання розроблених технологій і методів, застосування інтелектуальних Інтернет-технологій, запропонована адаптивна система дистанційного навчання та контролю знань EduPro та розглянуто впровадження її в навчальний процес. Доведена ефективність запропонованих методів шляхом експериментальних досліджень ефективності функціонування розробленої системи. Показано, що застосування систем дистанційного навчання дозволяє не лише зберегти якість традиційних технологій передачі знань, але у ряді випадків за рахунок використання адаптивних алгоритмів добитися помітного підвищення результатів навчання студентів.

У системі адаптивної гіпермедіа автори застосовують різні види моделей користувача для адаптації контенту автоматизованої повчальної системи (АОС) і посилань всередині неї під рівень знань і інтереси користувача, використовуються методи, які дозволяють розробникам описувати навігаційні правила переміщення навчаних по контенту АОС [9].

У роботі [10] запропонована інформаційна технологія проектування адаптивних повчальних систем, які базуються на моделях студентів на основі параметрів рівня підготовки і когнітивних особливостей з використанням карт пропусків знань при вивченні учбового матеріалу. Для моделювання процесу адаптивного навчання і тестування запропонована багаторівнева мережа Петрі, яка використовується як функціональна модель і формує унікальні сценарії навчання для кожного студента.

7. Огляд досліджень і розробок з теми. Локальний рівень

У роботі [11] використовується підхід, що реалізовує принципи адаптивного програмованого навчання, дозволяє здійснювати в Intranet/Internet, як доставку навчально-методичної інформації, так і інтенсивне видалене адаптивне навчання. Модель управління адаптивним навчанням будується на основі теорії кінцевих автоматів.

У роботі [12] розглянута організація системи формування учбового контенту у вигляді онтологічної бази знань інтелектуальної повчальної системи. Запропонований алгоритм і склад програмного забезпечення інструментальних засобів автоматизації об'єднання онтологий предметних областей для наповнення цієї бази.

8. Розробка моделі адаптивного структурування інформаційних ресурсів інтелектуальної навчальної системи.

8.1 Інформаційні ресурси ІНС

Сучасні технології дозволяють надати студентові в процесі навчання необхідну для освоєння предмета інформацію в різноманітному виді.

Один із способів представлення знань реалізується з використанням наступних принципів:

1. Знання предметної області представляються модульно.
2. Кожного фрагменту галузі знань відповідає кілька модулів, можливо, перекривають один одного.
3. Модулі відрізняються:
   1. Способом, рівнем та глибиною викладанням матеріалу.
   2. Необхідними для освоєння попередніми знаннями.
   3. Списком компетенцій, придбаних у процесі освоєння модуля.

Освітній контент модуля є набором інформаційних ресурсів — учбових і тестуючих елементів, представлених у виді: текстових сторінок, веб-сторінок, посилань на файли, тестових завдань, питань і так далі.

8.2 Постановка завдання

Розглянемо певний навчальний курс, що складається з m модулів, причому кожен модуль відповідає якій-небудь темі курсу.

У цьому курсі передбачається адаптація до обсягу досліджуваного матеріалу і його складності. Процедура адаптації створює кожному студенту свою послідовність проходження розділів модулів, тобто свою траєкторію вивчення курсу. Під траєкторією навчання будемо розуміти проходження учням розділів курсу з можливістю зміни рівня складності залежно від оцінки, отриманої при тестуванні на попередньому етапі.

Кожен модуль містить теоретичний та довідковий матеріал, завдання для самостійної роботи, а також набір контрольних матеріалів для самоперевірки і отримання оцінки.

Процес проходження учням навчального модуля полягає в наступному. З бази навчальних модулів витягується чергова порція теоретичного матеріалу, яку пропонується освоїти учню. Після того, як учень закінчив вивчення цього матеріалу, система приступає до тестування. З бази тестів вибирається тестовий матеріал і пред'являється виучуваного, який готує і вводить в систему відповіді на тестові завдання. Ці відповіді аналізуються системою оцінювання, яка приймає рішення щодо коригування траєкторії навчання.

Необхідно розробити модель структурування навчальних ресурсів курсу та управління процесом індивідуалізованого навчання студентів.

8.3 Вибір інструментарію для розробки моделі

Одним із зручних інструментів моделювання процесу інтерактивної взаємодії з навчальними ресурсами при навчання є методологія розфарбованих (кольорових) мереж Петрі — Coloured Petri Net (CPN). Особливість цієї методології полягає в тому, що вона моделює системи в термінах „умови — події“, що дозволяє досліджувати динаміку роботи системи. Застосування мереж Петрі дозволяє наочно представити використання інформаційних ресурсів в динаміці проходження навчального курсу, а також служить основою для дослідження властивостей модельованої системи.

У кольорових мережах Петрі вводяться спеціальні позначення для „фішок“ різного призначення, які називаються „квітами“. Для цього класу мереж Петрі в класичне визначення [13] додатково вводяться функція кольору C:P→Σ, де Σ є кінцевим безліччю не порожніх типів. Введення нового типу фішок відбувається при оголошенні нового типу змінних (або констант).

9. Модель структуризації ресурсів та процесу адаптивного навчання і тестування

Розглянемо побудову моделі на прикладі навчального курсу з п'яти модулів М1-М5. На рис. 1 наведена модель цього курсу у вигляді розфарбованої мережі Петрі верхнього рівня. Кожен модуль представлений у вигляді переходу і відповідної позиції.

Динамічними об'єктами моделі є студенти, що вивчають учбовий курс. Вузли мережі Петрі інтерпретуються як учбові ресурси. Переходи маркерів показують прогрес користувача у вивченні курсу. Кожен перехід відповідає певному етапу учбового процесу — роботі з ресурсом, наприклад: вивчення, тестування. Спрацьовування переходу інтерпретується як виконання деякого учбового завдання. Учбовим ресурсом є будь-який тип завдань, які студент повинен виконати під час навчання.

Визначення кольору об'єктів мережі задається наступним чином: c_j = <Id,b,l>, где Id = {l,...,m} — компонент кольору для ідентифікації студента; b — компонент кольору для підрахунку загальної кількості балів студента; l — компонент кольору для обліку рівня підготовки студента.

Кожному переходу відповідає мережа Петрі другого рівня (рис. 2), яка описує виконання відповідного модуля, тобто кожен з п'яти модулів містить теоретичний матеріал, який розбитий на блоки - окремі незалежні частини (М1.1,..., М1.N, где N — кількість блоків (М1.1 - перший блок першого модуля)), а також тестові завдання по кожному модулю (MK1,..., MK5).

Модуль М1 містить 6 теоретичних блоків (М1.1,..., М1.6) і тестовий контроль МК1. Переходи детерміновані і залежать від об'єму учбового матеріалу тем.

Після проходження тем (М1.1,..., М1.6) студент повинен пройти тестовий блок МК1, який складений таким чином, що включає завдання з кожного блоку (М1.1,..., М1.6). На основі результатів тестування МК1 визначається рівень засвоєння кожного теоретичного блоку. При недостатньому засвоєнні кожного теоретичного блоку (М1.1,..., М1.6) студент повертається на початок модуля 1 до блоку М1.1 і починає вивчення цього модуля спочатку. При недостатньому засвоєнні деяких тем (М1.1,..., М1.6) для студента формується індивідуальний сценарій подальшого вивчення наступної теми з додаванням блоків повторення недостатньо засвоєних з (М1.1,..., М1.6). Переходи з одним штрихом на рис. 2 представляють доповнення відповідного теоретичного блоку уточнювальною інформацією для поліпшення розуміння не засвоєних при вивченні теми знань. Переходи з двома штрихами представляють включення у відповідний теоретичний блок учбових елементів для повторення в новій темі не засвоєних знань в попередній темі. Так само видаються усі інші модулі дисципліни. Поточні модульні тести дозволяють здійснити перевірку знань студента блоків теоретичного матеріалу і сформувати індивідуальний сценарій навчання для кожного студента, на основі якого здійснюється адаптація системи подання нового матеріалу і блоків повторення.

10. Напрями вдосконалення моделі

Модель у вигляді мережі Петрі другого рівня для модуля побудована для одного рівня складності представлення матеріалу курсу.

Для обліку процесу адаптації, що передбачає перехід навчаного з одного рівня складності вивчення матеріалу на іншій, передбачається розширити модель шляхом створення підмереж структуризації учбового матеріалу для кожного рівня складності. Адаптація в цьому випадку буде реалізована шляхом організації переходів між підмережами різних рівнів складності на основі результатів тестування рівня знань учня.

Висновки

Запропонована модель може використовуватися для підвищення якості індивідуального навчання в ІОС. Застосування мереж Петрі, дозволяє представити ієрархію ресурсів з різними рівнями складності і використати модель при управлінні навчанням. Використання цієї моделі дозволить автоматично формувати послідовність надання учбового матеріалу — програму основного і повторного навчання, відповідно до поточних результатів засвоєння знань учнями.

Список джерел

Зауваження

При написанні даного реферату магістерська робота ще не завершена. Остаточне завершення: грудень 2014 року. Повний текст роботи і матеріали по темі можуть бути отримані у автора або його керівника після зазначеної дати.