Содержание

• 1. Актуальность темы
• 2. Цель и задачи исследования
• 3. Предполагаемая научная новизна
• 4. Планируемые практические результаты
• 5. Обзор исследований и разработок по теме. Глобальный уровень
• 6. Обзор исследований и разработок по теме. Национальный уровень
• 7. Обзор исследований и разработок по теме. Локальный уровень
• 8. Разработка модели адаптивного структурирования информационных ресурсов интеллектуальной обучающей системы
• 8.1 Информационные ресурсы ИОС
• 8.2 Постановка задачи
• 8.3 Выбор инструментария для разработки модели
• 9. Модель структуризации ресурсов и процесса адаптивного обучения и тестирования
• 10. Направления совершенствования модели
• Выводы
• Список источников

1. Актуальность темы

В настоящее время широко ведутся работы по созданию интеллектуальных обучающих систем (ИОС), адаптивных сетевых обучающих систем, которые появились как альтернатива и дополнение к традиционному подходу в разработке компьютерного учебного курса [1]. Для повышения результативности образовательного процесса в таких системах должна поддерживаться индивидуальная образовательная траектория.

В существующих интеллектуальных системах применяются виды адаптации, которые не обеспечивают индивидуальность траектории и в лучшем случае ориентированы на группы обучаемых: лучший, средний, худший. Для реализации требований индивидуализации необходимо создание учебных и тестирующих информационных ресурсов, которые способны учитывать, как потребности, так и способности обучаемых, которые позволяли бы классифицировать учебные материалы по выбираемым модулям дисциплины, указывали бы прямые и опосредованные связи между отдельными модулями, содержали бы наборы заданий с указанием их сложности и времени исполнения. Для применения таких ресурсов в ИОС должны входить средства адаптивного структурирования образовательного контента для конкретного пользователя. Адаптации к характеристикам пользователей приобретают первостепенную важность.

Актуальность исследования определяется тем, что в условиях интенсивного распространения информационных систем в мировом образовательном пространстве возрастает необходимость разработки интеллектуальных информационных систем образовательного назначения с возможностью адаптации контента.

2. Цель и задачи исследования

Целью работы является создание на базе цветных сетей Петри модели структурирования информационных обучающих ресурсов в интеллектуальных обучающих системах.

Для достижения поставленной цели требуется решение следующих задач:

1. Провести анализ существующих систем адаптивного обучения и средств представления в них контента.
2. Анализ возможностей цветных сетей Петри для представления ресурсов и процессов обучения.
3. Формализовать процессы адаптивного обучения и тестирования на основе структурированного представления информационных ресурсов с помощью аппарата цветных сетей Петри.

Объектом данного исследования являются интеллектуальные системы обучения и средства структурирования учебных ресурсов с целью индивидуализации обучения.

Предметом исследования являются модели структурирования и адаптации информационных ресурсов в интеллектуальных системах обучения.

3. Предполагаемая научная новизна и планируемые практические результаты

Модель, на базе цветных сетей Петри, адаптивного структурирования образовательного контента в интеллектуальной обучающей системе.

4. Планируемые практические результаты

Разработанная модель может использоваться для построения интеллектуальной системы обучения, позволяющей повысить эффективность использования информационных ресурсов образовательного назначения путём адаптации контента под индивидуальные потребности и возможности обучаемых.

5. Обзор исследований и разработок по теме. Глобальный уровень

Первые публикации по разработке интеллектуальных обучающих систем (ИОС) появились в 70 годы 20 века в работах Дж. Карбонелла [2], первые классификации данных систем были предложены в работах П. Брусиловского [3]. Подходы к реализации интеллектуальных технологий обучения на Web-платформе рассмотрены в [4]. Задача этого направления исследований — включить в дистанционные обучающие системы возможности индивидуализации [5]. С помощью адаптивных и интеллектуальных технологий обучающая система учитывает индивидуальные способности студента, его предыдущие знания, умения. На основе этих данных о студенте, процесс обучения проходит для него оптимальным путем [6]. При разработке обучающих систем используются адаптивные гипермедиа и нейросетевые технологии, методы машинного обучения, генетические алгоритмы, методы эволюционного моделирования, и другие.

Проблема построения индивидуальных траекторий обучения в адаптивных системах рассмотрена в [7]. Траектория строится на основе имитационной модели оценки уровня компетентности. Имитационное моделирование проводилось на основе аппарата простых сетей Петри. Предложенная модель учитывает индивидуальный набор компетенций обучаемого для реализации индивидуально-направленного процесса обучения.

6. Обзор исследований и разработок по теме. Национальный уровень

Проблемы интеллектуальных технологий обучения в Украине решаются в ведущих университетах Львова, Киева, Харькова, в национальной Академии наук. В работе [8] на основе комплексного использования разработанных технологий и методов, применения интеллектуальных Интернет-технологий, предложена адаптивная система дистанционного обучения и контроля знаний EduPro и рассмотрено внедрение ее в учебный процесс. Доказана эффективность предложенных методов путем экспериментальных исследований эффективности функционирования разработанной системы. Показано, что применение систем дистанционного обучения позволяет не только сохранить качество традиционных технологий передачи знаний, но в ряде случаев за счет использования адаптивных алгоритмов добиться заметного повышения результатов обучения студентов.

В системе адаптивной гипермедиа авторы применяют различные виды моделей пользователя для адаптации контента автоматизированной обучающей системы (АОС) и ссылок внутри нее под уровень знаний и интересы пользователя, используются методы, которые позволяют разработчикам описывать навигационные правила перемещения обучаемых по контенту АОС [9].

В работе [10] предложена информационная технология проектирования адаптивных обучающих систем, яки базируются на моделях студентов на основе параметров уровня подготовки и когнитивных особенностей с использованием карт пробелов знаний при изучении учебного материала. Для моделирования процесса адаптивного обучения и тестирования предложена многоуровневая сеть Петри, которая используется как функциональная модель и формирует уникальные сценарии обучения для каждого студента.

7. Обзор исследований и разработок по теме. Локальный уровень

В работе [11] используется подход, реализующий принципы адаптивного программируемого обучения, позволяющий осуществлять в Intranet/Internet, как доставку учебно-методической информации, так и интенсивное удаленное адаптивное обучение. Модель управления адаптивным обучением строится на основе теории конечных автоматов.

В работе [12] рассмотрена организация системы формирования учебного контента в виде онтологической базы знаний интеллектуальной обучающей системы. Предложен алгоритм и состав программного обеспечения инструментальных средств автоматизации объединения онтологий предметных областей для наполнения данной базы.

8. Разработка модели адаптивного структурирования информационных ресурсов интеллектуальной обучающей системы

8.1 Информационные ресурсы ИОС

Современные технологии позволяют предоставить студенту в процессе обучения необходимую для освоения предмета информацию в разнообразном виде.

Один из способов представления знаний реализуется с использованием следующих принципов:

1. Знания предметной области представляются модульно.
2. Каждому фрагменту области знаний соответствует несколько модулей, возможно, перекрывающих друг друга.
3. Модули отличаются:
   1. Способом, уровнем и глубиной изложения материала.
   2. Необходимыми для освоения предварительными знаниями.
   3. Списком компетенций, приобретаемых в процессе освоения модуля.

Образовательный контент модуля представляет собой набор информационных ресурсов — учебных и тестирующих элементов, представленных в виде: текстовых страниц, веб-страниц, ссылок на файлы, тестовых заданий, вопросов и т.д.

8.2 Постановка задачи

Рассмотрим некий учебный курс, состоящий из m модулей, причем каждый модуль соответствует какой-либо теме курса.

В данном курсе предусматривается адаптация к объему изучаемого материала и его сложности. Процедура адаптации создает каждому студенту свою последовательность прохождения разделов модулей, т.е. свою траекторию изучения курса. Под траекторией обучения будем понимать прохождение учащимся разделов курса с возможностью смены уровня сложности в зависимости от оценки, полученной при тестировании на предыдущем этапе.

Каждый модуль содержит теоретический и справочный материал, задания для самостоятельной работы, а также набор контрольных материалов для самопроверки и получения оценки.

Процесс прохождения учащимся учебного модуля заключается в следующем. Из базы учебных модулей извлекается очередная порция теоретического материала, которую предлагается освоить обучаемому. После того, как обучаемый окончил изучение этого материала, система приступает к тестированию. Из базы тестов выбирается тестовый материал и предъявляется обучаемому, который готовит и вводит в систему ответы на тестовые задания. Эти ответы анализируются системой оценивания, которая принимает решение по корректировке траектории обучения.

Необходимо разработать модель структурирования учебных ресурсов курса и управления процессом индивидуализированного обучения студентов.

8.3 Выбор инструментария для разработки модели

Одним из удобных инструментов моделирования процесса интерактивного взаимодействия с учебными ресурсами при обучения является методология раскрашенных (цветных) сетей Петри — Coloured Petri Net (CPN). Особенность этой методологии состоит в том, что она моделирует системы в терминах условия-события, что позволяет исследовать динамику работы системы. Применение сетей Петри позволяет наглядно представить использование информационных ресурсов в динамике прохождения учебного курса, а также служит основой для исследования свойств моделируемой системы.

В цветных сетях Петри вводятся специальные обозначения для фишек разного назначения, которые называются цветами. Для этого класса сетей Петри в классическое определение [13] дополнительно вводятся функция цвета C:P→Σ, где Σ является конечным множеством не пустых типов. Введение нового типа фишек происходит при объявлении нового типа переменных (или констант).

9. Модель структуризации ресурсов и процесса адаптивного обучения и тестирования

Рассмотрим построение модели на примере учебного курса из пяти модулей М1–М5. На рис. 1 приведена модель этого курса в виде раскрашенной сети Петри верхнего уровня. Каждый модуль представлен в виде перехода и соответствующей позиции.

Динамическими объектами модели являются студенты, изучающие учебный курс. Узлы сети Петри интерпретируются как учебные ресурсы. Переходы маркеров показывают прогресс пользователя в изучении курса. Каждый переход соответствует определенному этапу учебного процесса — работе с ресурсом, например: изучение, тестирование. Срабатывание перехода интерпретируется как выполнение некоторого учебного задания. Учебным ресурсом является любой тип задач, которые студент должен выполнить во время учебы.

Определение цвета объектов сети задается следующим образом: c_j = <Id,b,l>, где Id = {l,...,m} — компонент цвета для идентификации студента; b — компонент цвета для подсчета общего количества баллов студента; l — компонент цвета для учета уровня подготовки студента.

Каждому переходу соответствует сеть Петри второго уровня (рис. 2), которая описывает выполнение соответствующего модуля, то есть каждый из пяти модулей содержит теоретический материал, который разбит на блоки — отдельные независимые части (М1.1,..., М1.N, где N — количество блоков (М1.1 — первый блок первого модуля)), а также тестовые задания по каждому модулю (MK1,..., MK5).

Модуль М1 содержит 6 теоретических блоков (М1.1,..., М1.6) и тестовый контроль МК1. Переходы детерминированы и зависят от объема учебного материала тем.

После прохождения тем (М1.1,..., М1.6) студент должен пройти тестовый блок МК1, который составлен таким образом, что включает задания из каждого блока (М1.1,..., М1.6). На основе результатов тестирования МК1 определяется уровень усвоения каждого теоретического блока. При недостаточном усвоении каждого теоретического блока (М1.1,..., М1.6) студент возвращается на начало модуля 1 к блоку М1.1 и начинает изучение этого модуля сначала. При недостаточном усвоении некоторых тем (М1.1,..., М1.6) для студента формируется индивидуальный сценарий дальнейшего изучения следующей темы с добавлением блоков повторения недостаточно усвоенных из (М1.1,..., М1.6). Переходы с одним штрихом на рис. 2 представляют дополнение соответствующего теоретического блока уточняющей информацией для улучшения понимания не усвоенных при изучении темы знаний. Переходы с двумя штрихами представляют включение в соответствующий теоретический блок учебных элементов для повторения в новой теме не усвоенных знаний в предыдущей теме. Таким же образом представляются все другие модули дисциплины. Текущие модульные тесты позволяют осуществить проверку знаний студента блоков теоретического материала и сформировать индивидуальный сценарий обучения для каждого студента, на основе которого осуществляется адаптация системы подачи нового материала и блоков повторения.

10. Направления совершенствования модели

Модель в виде сети Петри второго уровня для модуля построена для одного уровня сложности представления материала курса.

Для учета процесса адаптации, предусматривающей переход обучаемого с одного уровня сложности изучения материала на другой, предполагается расширить модель путем создания подсетей структурирования учебного материала для каждого уровня сложности. Адаптация в этом случае будет реализована путем организации переходов между подсетями разных уровней сложности на основе результатов тестирования уровня знаний обучаемого.

Выводы

Предложенная модель может использоваться для повышения качества индивидуального обучения в ИОС. Применение сетей Петри, позволяет представить иерархию ресурсов с различными уровнями сложности и использовать модель при управлении обучением. Использование данной модели позволит автоматически формировать последовательность предоставления учебного материала — программу основного и повторного обучения, в соответствии с текущими результатами усвоения знаний обучаемыми.

Список источников

Замечание

При написании данного реферата магистерская работа еще не завершена. Окончательное завершение: декабрь 2014 года. Полный текст работы и материалы по теме могут быть получены у автора или его руководителя после указанной даты.