Смирнов Віктор Андрійович
Факультет комп'ютерних наук і технологій
Кафедра автоматизованих систем управління
Спеціальність «Інформаційні управляючі системи і технологіі»
Розробка архітектури адаптивної системи дистанційного навчання
Керівник: к.т.н., доц. Фонотов А.М.
Реферат на тему випускної роботи
Зміст
2. Мета та завдання дослідження
4. Практичне значення отриманих результатів
5. Перегляд досліджень по темі.
6. Математична постановка задачі
Вступ
Методика викладання з використанням технологій дистанційного навчання істотно відрізняється від традиційних технологій навчання і в основному спирається на самостійне вивчення курсу студентом, причому значна частина роботи викладача перекладається на ЕОМ. Фактично навчальні системи набувають знання експерта-викладача і доводять їх до студенту.Поетому можна констатувати, що основною особливістю дистанційної освіти є надання студентам можливості самостійно отримувати необхідні знання, використовувати сучасні інформаційні технології. Можливість індивідуалізації навчання є одним з найважливіших переваг використання інформаційних технологій у навчальному процесі. За суттєвої різниці в рівні базової підготовки та індивідуальних здібностей студентів однаковий для всіх план навчального процесу, прийнятий за основу в традиційних системах дистанційного навчання (СДО), є оптимальним у кращому випадку лише для 15-30% студентів: для одних він занадто напружений, для інших, навпаки, недостатньо інтенсивний [6]. У результаті не ефективно використовуються інтелектуальні та матеріальні ресурси як індивіда, так і суспільства. Огляд найбільш відомих систем широко використовуються в сучасному дистанційному навчанні класичні підходи, таких як ANGEL, BlackBoard, Desire2Learn, ILIAS, Lotus LearningSpace, Moodle, WebCT, показав, що, як правило, навчальний курс, представлений в середовищі СДН, являє собою набір статичних гіпертекстових документів. Всі студенти отримують однаковий матеріал для вивчення без врахування їх індивідуальних особливостей. Студент не може отримувати оперативну допомогу від вчителя або іншого студента, як це відбувається в звичайному навчальному класі. Нове дослідницький напрямок у сфері дистанційного навчання на Web-платформі – це адаптивні і інтелектуальні технології в навчанні. Завдання цього напрямку досліджень – включити в дистанційні навчальні системи можливості індивідуалізації [1]. За допомогою адаптивних та інтелектуальних технологій навчальна система враховує індивідуальні здібності студента, його попередні знання, вміння. На основі цих даних про студента процес навчання проходить для нього оптимальним шляхом. Все це сприяє тому, що сьогодні існує проблема забезпечення індивідуалізованого навчання в дистанційній освіті, яка полягає в розробці методів, технологій і програмних засобів створення адаптивних систем дистанційного навчання на базі інтелектуальних інтернет- технологій [2].
У сучасних умовах ринку праці стала очевидною необхідність вдосконалення підготовки кадрів у системі багаторівневого безперервної освіти. Відбувається реформування системи освіти, перехід до багаторівневої структурі підготовки бакалавр / магістр на основі компетентного підходу. Основною метою навчального закладу стає формування ключових компетенцій.
У вищі навчальні заклади, приходять студенти з різним вихідним рівнем підготовки – отримали загальну середню, початкову і середню професійну освіту, мають певний досвід роботи на виробництві і що сполучають її з навчанням. У зв'язку з цим видається недоцільним вести їх навчання за єдиним навчальним планом. У кого-то з них можуть бути недостатньо сформовані необхідні компетенції, а для кого-то знання можуть виявитися надмірними, що тягне за собою втрату часу і коштів.
Основною особливістю сучасної системи освіти, вирішальною описані проблеми, є можливість навчання за індивідуальною освітньою траєкторією, все більш приваблива останнім часом.
З переходом на дворівневу систему бакалавр / магістр і впровадженням у повній мірі системи «кредитів» (залікових одиниць) з'являється додаткова можливість надати студенту індивідуальний план, який встановлює склад і порядок дисциплін, що вивчаються.
- Розробити класифікацію студентів, орієнтовану на їх здатності до навчання обраного предмету.
- Провести аналіз існуючих методик адаптивного навчання
- Подолання невідповідності між зростаючими можливостями нових інформаційних технологій і відстаючими темпами їх впровадження в системи навчання.
- Розробка архітектури адаптивної системи дистанційного навчання
- На основі проведеного системного аналізу визначено наукові підходи до вирішення задач проектування адаптивних систем дистанційного навчання.
- Обгрунтовано і вибрано математичні методи для аналізу і оптимізації індивідуального навчання кожного студента, що створює методологічну основу для розробки принципів побудови, проектування архітектури та інформаційної бази даних СДО.
- Проведено експертний аналіз існуючих СДО і їх архітектури. Запропоновано критерії відбору СДО для використання в технічних ВНЗ.
- Розроблено архітектуру адаптивної СДО.
- Розробка структури та об'єктно-орієнтованої моделі адаптивної системи дистанційного навчання.
Практичне значення отриманих результатів
Практична значущість дослідження визначається тією обставиною, що вдосконалена архітектура адаптивної СДО представляє інтерес для експертних систем навчання.
Огляд досліджень і розробок по темі
Відмінність адаптивних гіпермедіа-систем від просто гіпермедіа-систем полягає в наявності у перших моделі користувача, на основі якої будується адаптація. Щоб побудувати і підтримувати актуальну модель користувача адаптивна система збирає дані з різних джерел, що включає неявне спостереження за діями користувача і явне опитування та введення ним даних. Модель користувача та адаптація є двома сторонами одного процесу. Кількість і якість інформації, що представлена у моделі користувача, залежить від типу адаптаційного ефекту, який прагне надати система [3].
Основними характеристиками, які моделюються і використовуються адаптивними Web-системами, є знання, інтереси, цілі, передумови, індивідуальні особливості і контекст роботи користувачів. Кожна адаптивна система, як правило, використовує деяку підмножину даного набору.
Модель користувача залежить від способу моделювання предметної області в системі. Модель знань користувача може бути скалярної, що представляє рівень знань учня в предметній області єдиним значенням за деякою шкалою - кількісної (наприклад, від 0 до 5) або якісної (наприклад, відмінно, добре, задовільно, незадовільно). Найбільш поширеною є оверлейна модель знань учня. Вона представляє знання учня як підмножина моделі предметної області, яка в свою чергу відображає знання предмета на рівні експерта [5]. Оверлейна модель зберігає для кожного фрагмента знань предметної області деяку оцінку знань користувача з даного фрагменту. Існує також модель на основі помилок, яка представляє як коректні знання студента, так і ложние.Моделірованіе інтересів користувача – новий напрям, характерне для Web-систем. Інтереси користувача набувають великого значення для адаптивних гіпермедіа-систем у зв'язку зі збільшенням обсягу інформації та зростанням популярності таких типів інформаційно-орієнтованих систем як енциклопедії, гіпертекстові системи новин, електронні магазини, музейні гіди та інші системи, в яких доступ до інформації мотивується інтересами [7 ]. Слід зазначити, що ці тенденції, а також популяризація конструктивізму в навчанні мають вплив і на освітні сервіси, і тому вимагають більшої уваги до моделі інтересів користувача в освітньому контексті. Характерним для інформаційно-пошукових та інформаційно-фільтруючих систем є побудова моделі інтересів на основі ключових слів. Зате адаптивні гіпермедіа системи адаптували підхід на основі семантичних понять до моделювання інтересів [11]. У даному випадку модель інтересів стає дуже схожою на оверлейних модель знань користувача. Перспективним є синтез підходів на основі ключових слів з підходом на основі понять для моделі інтересів студента.
Цілі і завдання представляють найближчу мету роботи користувача в адаптивній системі. Як правило в навчальних системах в цій моделі представляється навчальна мета. Досягнення навчальної мети вирішується автоматичним плануванням і визначенням послідовності навчального курсу. Цілі учня можуть моделюватися за допомогою каталогу цілей. Цей підхід дещо схожий на оверлейних модель. Його основою є заздалегідь певний каталог можливих цілей учня, які система повинна вміти розпізнавати.
Передумови користувача стосуються його попереднього досвіду поза ключовою предметної області системи. Сюди слід віднести професію, посадові обов'язки, досвід роботи в пов'язаних областях і навіть специфічний погляд користувача на предметну область [9]. Відзначимо, що подібні характеристики є важливими в контексті безперервного навчання, проте до цих пір вони використовувалися в небагатьох системах.
Модель індивідуальних особливостей подає характеристики, які представляють індивідуальність користувача. Сюди відносяться психологічні та особистісні особливості, когнітивні стилі і фактори і навчальні стилі.
Порівняно новим напрямом є моделювання контексту роботи користувача. Сюди слід віднести уявлення програмно-апаратної платформи користувача, його географічного положення та емоційного стану.
Моделі та механізми адаптації. Принцип функціонування адаптивної навчальної системи схематично зображені на рис.1. [5]
Рисунок 1 – Структура адаптивної навчальної системи
Адаптаційні можливості системи залежить від застосовуваних у ній моделей предметної області та моделі користувача. На етапі прийняття рішень про адаптацію обираються конкретні методи адаптації на основі результатів етапу моделювання користувача з метою поліпшити обрані аспекти взаємодії учня і системи. Рішення про адаптацію можуть виражатися в таких діях як: показ довідкового вікна для допомоги користувачеві, виконання завдання, реструктурування гіперпростору, щоб допомогти студентові орієнтуватися і пересуватися в ньому, надання додаткових пояснень по деякому навчальному поняттю т.д.
Логіка адаптаційних рішень часто подається за допомогою набору правил адаптації, які визначають який компонент адаптації необхідно вибрати згідно з результатами моделювання учня. В адаптивних гіпермедіа-системах ці правила відповідають за адаптивне подання контенту і адаптивну навігацію [10]. Для реалізації механізмів адаптації використовуються підходи на основі семантичних понять предметної області і семантичної індексації контенту, ключових слів і автоматичної індексації контенту на базі інформаційного пошуку, а також соціальні механізми, такі як навігація на основі історії і колективна фільтрація.
Моделювання взаємодії учасників навчального процесу. Моделі колективної взаємодії в навчанні служать для організації співробітництва через Інтернет учасників навчального процесу. Сюди слід віднести такі традиційні засоби спілкування як електронне листування, форуми, блоги, а також wiki-системи.
Окрім спілкування, колективна взаємодія може також виражатися в соціальній навігації. Соціальна навігація може застосовуватися в прямій і непрямій формі. Пряма форма передбачає безпосереднє спілкування і анотування контенту, виражене в коментарях користувачів, вони можуть залишити безпосередньо на страніце.Косвенная соціальна навігація виражається в методах на основі історії і методах колективної фільтрації. Навігація на основі історії візуалізує узагальнені або індивідуальні дії користувачів про поточну сторінці [8]. Так варіантами такого підходу є публікація кількості відвідувань сторінки або часу, проведеного на ній іншими користувачами та ін Подібна інформація допомагає зрозуміти, наскільки дана сторінка релевантна спільноті користувачів. На основі візуалізованих даних користувач приймає рішення про власну навігації. Колективна фільтрація - техніка надання рекомендацій, заснованих на попередньо виражених думках або зацікавленості схожих користувачів. Колективна фільтрація часто реалізується за допомогою рейтингів або оцінювання, а також індикаторів зацікавленості.
У зв'язку з тим, що історія адаптивних і інтелектуальних систем освіти корениться в Інтернет розробках, в них не приділяється достатньо широка увага моделюванню колективної роботи учасників навчального процесу. Однак цей аспект стає дуже важливим в контексті сучасних освітніх Web-систем, враховуючи тенденції розвитку Інтернету.
У ИОС використовується підхід, який реалізує принципи адаптивного програмованого навчання, що дозволяє здійснювати в Intranet / Internet, як доставку навчально-методичної інформації (УМВ), так і інтенсивне віддалене інтерактивне, в тому числі адаптивне навчання, підвищити ефективність і надійність таких систем в цілому. Модель управління адаптивним навчанням будується на основі теорії кінцевих автоматів Мура. У цьому випадку процес навчання (роботи учня з об'єктами УМВ) розглядається як дискретний процес, що характеризується деякими стійкими станами qi системи. Формалізована модель управління програмованим навчанням у вигляді автомата Мура показано на рис. 1a, а її представлення у вигляді блок-схеми алгоритму роботи з об'єктом УМВ - на рис. 1b.
На кожному кроці i роботи з об'єктах УМВ учень отримує від ИОС навчальні вплив xi - деякий обсяг навчального матеріалу Rуi, представлений у вигляді сукупності текстової (гіпертекстової) gу i, статичної графічної pуi, анімованої графічної-і відео-інформації vуi, а також аудіоданих aу i
Рисунок 2 – Формализованная модель обучения в ИОС
При цьому, якщо матеріал сприйнятий учнем, то здійснюється перехід з деякого стану qm в новий стійкий стан qk. Якщо результат навчального впливу виявився негативним (ix), то виконується перехід для вивчення додаткового навчального матеріалу Rдоп.i, або повернення до навчального матеріалу, представлених іншими об'єктами Qу пред.i УМВ. Так, на рис. 1 перехід зі стану q4 в q6 здійснюється, якщо вплив x3 було успішним. Якщо навчальне вплив не було сприйнято, від виконується перехід в стан q5.
На початку роботи учня з УМВ система перебуває в стані q1. У цьому стані здійснюється очікування дій учня 1x, які призводять до початку функціонування ІОС. На кожному кроці перехід в черговий стан qm здійснюється у разі, якщо навчальне вплив xn було сприйнято учнем. В іншому випадку (nx) виконується перехід в вершину ql, в якій учень вивчає раніше не засвоєний ним матеріал xo, необхідний для успішного освоєння нового навчального матеріалу.
Огляд основних технологій адаптивних та інтелектуальних навчальних систем дозволяє зробити висновки щодо особливостей застосування таких технологій в контексті безперервної освіти. Одну з проблем багатьох систем можна виразити як принцип «повного інтелектуального керівництва» – тенденції повного контролю над навчальним процесом. Система, будучи педагогічно свідомої, намагається все зробити за користувача і має тенденцію займати позицію повної влади над навчальним процесом. Доцільним бачиться підхід за принципом «інтелектуального партнерства», коли система, маючи педагогічна свідомість, направляє користувача в дусі радника і надає йому широкі можливості для самостійної адаптації свого навчання. Це дозволяє використовувати «для допомоги штучного інтелекту» системи природний інтелект учня, що, безсумнівно, стане вагомим внеском в ефективність навчання і досить сильно демократизує освітній процес, що відповідає вимогам безперервного навчання.
Крім цього, враховуючи аналіз особливостей безперервної освіти, слід зауважити, що розглянуті адаптивні і інтелектуальні навчальні системи не приділяють достатньо безпосередньої уваги деяким специфічним вимогам ДО: відповідності архітектури системи явищу «інформаційного вибуху», професійної спрямованості навчання, міждисциплінарності знань.
1. Касьянов В.Н., Касьянова Е.В. // Методы и средства адаптивной гипермедиа. Вычислительные технологии. — 2004. — Т.9, Часть 2. — С. 333-341. 245
2. Peter Brusilovsky, Sergey Sosnovsky, Michael Yudelson, Amruth Kumar, Sharon Hsiao. // User Model Integration workshop. 5th International conference on Adaptive Hypermedia and Adaptive Web-Based Systems. ? Hannover, 2008. P. 1?9.
3. Desmond Elliott, Frank Hopfgartner, Teerapong Leelanupab, Yashar Moshfeghi, Joemon M. Jose. // An Architecture for Life-long User Modelling. — 2009.
4. Loc Nguyen, Phung Do. // Learner Model in Adaptive Learning. ? 2008.
5. Гагарін О.О., Титенко С.В. Дослідження і аналіз методів та моделей інтелектуальних систем безперервного навчання // Наукові вісті НТУУ "КПІ". – 2007. – № 6(56). – С. 37-48.
6. Федорук П. И. //Использование адаптивных и интеллектуальных технологий в системах
дистанционного обучения УСиМ, № 5 - 2006.
7. Brusilovsky, P. and Millan, E. (2007) User models for adaptive hypermedia and adaptive educational systems. In: P. Brusilovsky, A. Kobsa and W. Neidl (eds.): The Adaptive Web: Methods and Strategies of Web Personalization. Lecture Notes in Computer Science, Vol. 4321, Berlin Heidelberg New York: Springer-Verlag, pp. 3-53.
8. Brusilovsky, P. and Henze, N. (2007) Open corpus adaptive educational hypermedia. In: P. Brusilovsky, A. Kobsa and W. Neidl (eds.): The Adaptive Web: Methods and Strategies of Web Personalization. Lecture Notes in Computer Science, Vol. 4321, Berlin Heidelberg New York: Springer-Verlag, pp. 671-696.
9. Conlan, O., O'Keeffe, I., Tallon, S.: Combining adaptive hypermedia techniques and ontology reasoning to produce dynamic personalized news services. In: Wade, V., Ashman, H., Smyth, B. (eds.) Proc. of 4th International Conference on Adaptive Hypermedia and Adaptive Web-Based Systems (AH'2006). Lecture Notes in Computer Science, Vol. 4018. Springer Verlag (2006) 81- 90
10. Brusilovsky, P. and Cooper, D. W.(2002) Domain, Task, and User Models for an Adaptive Hypermedia Performance Support System. In: Gil, Y. and Leake, D. B. (eds.) Proc. of 2002 International Conference on Intelligent User Interfaces, San Francisco, CA, ACM Press 23-30.
11.Vassileva, J., A task-centered approach for user modeling in a hypermedia office documentation system, User Modeling and User-Adapted Interaction, 6 (2-3)/1996
12. Brusilovsky, P., Karagiannidis, C., and Sampson, D. (2004) Layered evaluation of adaptive learning systems. International Journal of Continuing Engineering Education and Lifelong Learning 14 (4/5), 402 - 421.
При написанні даного реферату магістерська робота ще не завершена. Дата завершення роботи грудні 2011 Повний текст роботи та матеріали по темі можуть бути отримані у автора або його наукового керівника після зазначеної дати.
