Содержание к диссертации
Введение
Глава 1. Анализ проблемы дистанционного обучения и контроля знаний пользователей сапр электромеханических систем
1.1. Вводные замечания 6
1.2. Анализ форм подготовки пользователей систем автоматизации функционального проектирования 7
1.3. Квалификационные требования к уровню подготовки пользователей САПР электромеханических систем 10
1.4. Методы формализации целей обучения 13
1.5. Модели и методы измерения результатов обучения 22
1.6. Выводы и результаты 29
Глава 2. Алгоритмический базис программированного обучения проектировщиков электромеханических систем
2.1. Введение 31
2.2. Технологическая схема программированного обучения 32
2.3. Алгоритм процесса подготовки 34
2.4. Модель визуализации программы подготовки 43
2.5. Модель визуализации предметных знаний 43
2.6. Модель визуализации структуры программы 48
2.7. Метод измерения результатов подготовки пользователей САПР 49
2.8. Оптимизация множество процедур контроля 51
2.9. Условия междууровневых переходов 55
2.10. Результаты и выводы 63
Глава 3. Разработка и реализация методов адаптации средств дистанционного обучения
3.1. Введение 65
3.2. Метод персонифицированной адаптации программного обеспечения 66
3.3. Метод персональной настройки учебного материала 75
3.4. Реализация метода персональной настройки материала 81
3.5. Результаты и выводы 82
Глава 4. Разработка и испытания программного обеспечения предпроектной подготовки
4.1. Введение 84
4.2. Архитектура системы Интернет - обучения ГИПЕРТЕСТ 85
4.3. Анализ средств разработки программ подготовки в ГИПЕРТЕСТ 88
4.4. Разработка инструментов конверсии электронных документов 93
4.5. Инструменты контроля знаний и реализации междууровневых переходов 99
4.6. Испытание программныхсредств-обученияпроектировщиков ЭМС. 108
4.7. Выводы и результаты 118
Заключение 119
Список литературы 121
Приложение 1 131
Приложение 2 139
- Квалификационные требования к уровню подготовки пользователей САПР электромеханических систем
- Оптимизация множество процедур контроля
- Метод персонифицированной адаптации программного обеспечения
- Инструменты контроля знаний и реализации междууровневых переходов
Введение к работе
Актуальность темы. Современные тенденции возрастания сложности и наукоемкости технических средств, обеспечивающих автоматизацию технологических процессов и производств, обусловливают необходимость создания и применения специализированных систем автоматизации проектирования (САПР) такого рода объектов. Наиболее ответственным этапом процесса проектирования является этап функционального проектирования (ФП). Здесь решаются задачи, связанные с определением принципов построения объектов проектирования и анализа их свойств на основе исследования процессов их функционирования.
САПР, обеспечивающие интерактивное решение задач этапа функционального проектирования, объединяют в своем составе множество альтернативных методов и средств выполнения проектных процедур и операций, используют для решения этих задач математические модели проектируемых объектов различной степени сложности, точности, формализации, реализации, быстродействия и т.п. Эффективное применение таких САПР или их отдельных составных частей достигается после предварительного поиска оптимальных связок "проектная операция - математическая модель", определения необходимого состава видов моделей, выбора видов моделей, ориентированных на пользователя и на вычислительную систему. Однако указанную проблему для каждого конкретного объекта проектирования приходится решать пользователю САПР самостоятельно, опираясь на имеющийся опыт проектирования. В этих условиях назрела необходимость создания и практической реализации методов ускоренного освоения и эффективного применения указанных САПР.
Данная работа посвящена разработке средств автоматизации функционального проектирования (АФП) электромеханических систем (ЭМС) и реализации методов их ускоренного освоения и формирования навыков эффективного применения. Техническими примерами ЭМС являются автоматизированные электроприводы, роботы, движущиеся объекты и т.п.
На этапе функционального проектирования ЭМС решается проблема создания на уровне различных видов математических моделей прототипа системы управления (СУ), обеспечивающего выполнение заданных целей управления, отвечающего требуемым критериям качества, и исследование методом имитационных экспериментов алгоритмов управления и основных свойств этого прототипа.
Таким образом, пользователи систем автоматизации функционального проектирования ЭМС должны:
иметь представление обо всем математическом аппарате, используемом для построения моделей объектов проектирования;
уметь оценить количественные и качественные показатели каждого вида и варианта модели объекта;
ориентироваться во всем множестве алгоритмов выполнения проектных процедур и операций;
иметь профессиональные навыки работы с компьютерной системой.
Как правило, начальные пользователи не имеют необходимого объема
знаний, а подготовка их в рамках традиционных методов обучения (очное обучение, самоподготовка) неэффективна и крайне затруднительна. Организация и проведение занятий по очной форме требует соответствующей материальной базы и преподавателей; самоподготовка недостаточно эффективна с точки зрения выявления основных принципов автоматизации проектирования. Поэтому работы по созданию новых методов подготовки пользователей САПР имеют особую актуальность.
В настоящей работе на примере системы автоматизации функционального проектирования динамических объектов FuncPro*, разработанной в Ивановском государственном энергетическом университете, решается проблема создания средств ускоренного освоения САПР.
* Колганов A.F. Компьютерная технология функционального проектирования систем управления электромеханическими объектами // Новые технологии, Ms 5,2001. С.З5-37.
Цель и зэдачи работы. Основная цель настоящей работы заключается в разработке, компьютерной реализации и внедрении методов и средств подготовки проектировщиков электромеханических систем на базе технологии дистанционного обучения.
Достижение указанной цели сопряжено с решением следующих основных задач:
Анализ и иерархическая классификация проектных процедур и операций функционального проектирования электромеханических систем.
Разработка методов, моделей и алгоритмов обучения и многоуровневого контроля результатов подготовки пользователей САПР FuncPro.
Создание инструментальных средств разработки программ дистанционного обучения пользователей САПР FuncPro.
Исследование известных методов представления и контроля предметных знаний в системах дистанционного обучения.
Разработка, реализация и испытания учеб но-контролирующего комплекса «Технология автоматизации функционального проектирования и исследования сложных динамических объектов».
Методы исследования
При решении поставленных задач в диссертационной работе использованы
методы объектно-ориентированного программирования, методы теории графов и множеств, теории баз данных.
Научная новизна
1. Разработана технологическая схема программированного обучения
проектировщиков ЭМС, построенная по принципу подчиненного регулирования с последовательной коррекцией состояния объекта, которая отличается от известных реализаций: совокупностью стратификации предметных знаний по уровням подготовки, формализацией условий перехода на следующий и (или) возврата на предыдущий уровни подготовки и комбинированной профильной моделью оценки
знаний. Ее использование позволяет выполнять иерархическую компоновку учебно-контролирующего материала, а также создает предпосылки для персонификации этого материала в соответствии с выявленным уровнем знаний.
Предложена модель визуализации предметных знаний в виде дерева И/ИЛИ. Модель отличается от традиционного «плоского» представления визуального материала в виде множества примитивов (фрагментов текста, рисунков, компонентов и т.п.) альтернативной структуризацией, что позволяет настраивать визуальное представление учебного материала в соответствии с персональными результатами и особенностями восприятия.
Разработан метод персональной настройки материала подготовки пользователей САПР, основанный на использовании И/ИЛИ-модель визуализации предметных знаний. Отличие предлагаемого метода заключается в последовательной коррекции содержания материала путем отсечения ветвей И/ИЛИ дерева с учетом состояния знаний и способностей проектировщика.
Практическая значимость работы
заключается в том, что результаты легли в основу создания конкретных
компьютерных методов и средств подготовки пользователей систем автоматизации функционального проектирования электромеханических систем. Разработанные методы и средства позволяют:
повысить качество предпроектной подготовки пользователей САПР за счет организации учебного материала в соответствии со структурой задач предметной области и циклической организации процедур контроля знаний в рамках этой структуры;
сократить сроки разработки программ подготовки проектировщиков ЭМС за счет конвертирования структурированных электронных материалов подготовки.
Реализация результатов работы
Диссертационная работа выполнялась при поддержке научно-технической
программы «Государственная поддержка региональной научно-технической политики высшей школы и развитие ее потенциала», подпрограмма «307. Развитие
региональной инфраструктуры научно-инновационной деятельности высшей школы в образовательной и научно-технической сферах».
Основные научные и практические результаты работы реализованы в виде программно-методического комплекса и внедрены:
- в Международном институте бизнеса, информационных технологий и
финансов (МИБИФ), г. Иваново;
-в Ивановском станкостроительном производственном объединении (ИСПО);
в Ивановского государственного энергетического университета (ИГЭУ);
в Ивановской государственной текстильной академии (ИГТА).
&
Квалификационные требования к уровню подготовки пользователей САПР электромеханических систем
Функциональное проектирование электромеханических объектов является одним из ключевых этапов жизненного цикла изделий данного класса, существенно определяющим содержание этапов конструкторского проектирования и технологической подготовки производства, а также эффективность их внедрения и эксплуатации. На этапе функционального проектирования решается проблема создания прототипа системы управления, обеспечивающей достижение заданных целей в заданных ограничениях и определенном критериальном пространстве.
Наиболее перспективной технологией функционального проектирования на сегодняшний день является принятие проектных решений на основе имитационного эксперимента, выявляющего основные свойства объекта и системы управления.
В числе программных средств автоматизации имитационного эксперимента, которые используются в задачах функционального проектирования, можно назвать такие продукты, как MathCAD [1], MatLAB [2], LabView [3]. Эти средства обеспечивают качественную и быструю подготовку и реализацию имитационного эксперимента, однако их общим недостатком является отсутствие единой концептуальной основы системного использования моделей и имитационного эксперимента для реализации процедур функционального проектирования. Поэтому наиболее перспективным направлением автоматизации функционального проектирования следует считать продукты, обеспечивающие сквозную технологическую схему автоматизации функционального проектирования на базе единой структуры представления концептуальной и вычислительной моделей на всех уровнях их построения и преобразования при выполнении проектных операций имитационного моделирования и структурно-параметрического синтеза.
Наибольший интерес в связи с этим представляет технология автоматизации функционального проектирования и исследования динамических объектов (АФГТ ДО) [1], разработанная в Ивановском государственном энергетическом университете профессорами В.Н. Нуждиным [4] и А.Р.Колгановым[5-7,40] которая полностью удовлетворяет указанным требованиям. Данная технология реализована в уже упоминавшейся системе FuncPro. Учитывая существенное повышение эффективности решений, получаемых на базе этой технологии, а также ее широкую популярность в качестве инструмента проектирования, исследования и подготовки специалистов в области электромеханики, становится очевидной задача обучения персонала навыкам эффективного использования технологии АФП ДО.
Реализация подготовки пользователей САПР в рамках традиционных форм обучения имеет ряд очевидных недостатков. Во-первых, образовательный стандарт направления не предусматривает изучения технологии проектирования как таковой, в виде последовательности проектных процедур и операций, вне зависимости от способа их реализации. Непонимание конечной цели, реальных критериев и ограничений проектирования осложняет восприятие возможностей и преимуществ автоматизации. Во-вторых, поскольку проектирование объектов электротехники и энергетики представляет собой синтетическую область инженерного знания, оно должно опираться на дисциплины общеинженерной подготовки в рамках специальности. При этом часто оказывается, что период времени, прошедший между окончанием изучения общеинженерной и началом изучения специальной дисциплины, достаточно велик для того, чтобы полученные базовые знания не могли быть востребованы без потерь. Эти обстоятельства делают проблематичной подготовку проектировщиков динамических объектов в рамках системы вузовского обучения. Отмеченных недостатков лишена форма подготовки пользователей САПР на базе учебного центра. Основным преимуществом этой формы подготовки является то, что: предприятие, внедряющее АФП ДО, получает специалистов, адаптированных к условиям и задачам производства и владеющих этой технологией компьютерного проектирования; студенты дополнительно к базовой учебной программе получают навыки компьютерного проектирования и возможность трудоустройства в организации, эксплуатирующей АФП ДО. Подготовка персонала на базе учебных центров гарантирует высокое качество при условии, что обучаемый персонал отвечает требованиям к стартовому уровню подготовки. Однако, по данным[8-17], на российских предприятиях не более 20-30% специалистов умеют работать на компьютерах, а во многих регионах — в Курской, Брянской, Тверской, Владимирской, Орловской, Рязанской и других областях - эта цифра и того ниже— 10-15%. В этих условиях профессиональное подготовки персоналов вынужденно подменяется устранением пробелов в базовых навыках использования компьютеров. Кроме того, стоимость подобного обучения (от 400 до 600 у.е. на одного обучаемого) вынуждает руководство предприятий ограничивать количество специалистов, направляемых на переподготовку в учебные центры.
В результате квалифицированное использование технологии АФП ДО немногими освоившими ее специалистами не оказывает существенного влияния на общее положение дел, так как для основной массы инженеров-проектировщиков эффективная работа с новой технологией оказывается недоступной.
Наконец, подготовка персонала САПР на базе учебных центров, как правило, проходит уже после того, как соответствующая технология закуплена предприятием, что отдаляет начало эффективной работы с ней. По этой же причине примерно в половине случаев оказывается, что служба информатизации предприятия ограничилась базовым комплектом поставки и не закупила для специалистов именно те библиотеки, которые наиболее необходимы в их повседневной работе и существенно облегчают и ускоряют выполнение проектных процедур ].
Самым распространенным является вариант самостоятельного обучения на базе технической документации, входящей в комплект поставки САПР, Так, в комплект поставки системы АФП ДО входит полный набор документации. Это накопленный и обобщенный уникальный опыт специалистов по быстрому освоению и внедрению технологии функционального проектирования. «Руководство пользователя» позволяет самостоятельно ознакомиться с основными возможностями системы и приступить к работе специалисту любого возраста и уровня подготовки. Методика изложения материала привлекает пользователей своей доступностью. Принцип «делай с нами» позволяет приступить к творческому процессу проектирования без боязни ошибиться.
«Руководство» рассчитано на специалистов в своих предметных областях, а не в компьютерах. В нем можно найти ответы на многие возникающие вопросы. Тем не менее, успешное освоение системы в самом оптимистичном варианте занимает два-три месяца с момента приобретения САПР. При этом многие существенные преимущества автоматизированного проектирования оказываются невостребованными. Процесс сопровождается неизбежными при таком подходе ошибками, которые затем уходят на следующие этапы проектирования.
Оптимизация множество процедур контроля
Этого недостатка лишена фиксирующая модель, построенная на базе семантической сети, где оценки сопоставляются узлам, а дуги описывают семантические связи между ними. Примером реализации такого подхода может служить качественная модель системы измерения в виде нечеткой нейронной сети [29]. Модель устанавливает нечеткие отношения между измеряемыми характеристиками процесса обучения (время, затраченное слушателем на изучение теоретического материала или на решение задач; количество правильных и неправильных ответов на вопросы; количество попыток, затраченных на решение задач) и нечеткими характеристиками модели (уровень знаний, способности к обучению, уровень внимания и т.п.). Измеренные характеристики поведения трансформируются нейросетевой моделью в нечеткие переменные, которые далее преобразуются в частные характеристики слушателя с помощью корреляционной матрицы и максиминного оператора композиции, уменьшающего влияние зашумленности исходных данных. Обобщенные нечеткие характеристики вычисляются на основе частных характеристик с применением метода анализа иерархий Саати [30] и трансформируются на заключительном этапе моделирования в качественные значения на порядковых шкалах типа {низкий, довольно низкий, средний, довольно высокий, высокий}.
Принципиальным недостатком всех моделей фиксирующего типа является невозможность контроля за процессом получения результата выполнения теста. Этот недостаток преодолен в имитационных моделях. В основе моделей этого класса лежит допущение, согласно которому эталонный процесс может быть представлен последовательностью элементарных операций, и, следовательно, формально описан в виде маршрута на графе, вершины которого соответствуют состояниям задачи, а дуги - операциям. Сопоставление действий обучаемого с подобным эталоном позволяет оценить меру овладения соответствующей процедурой. Модели подобного класса получили название моделей ошибок [28].
В то же время практика автоматизации проектирования показывает, что проектные процедуры чаще всего являются недетерминированными, т.е. не предусматривают единственно верной последовательности действий, что усложняет определение эталона и разработку алгоритмов оценки в рамках данного подхода. Как показывают уже полученные в этом направлении результаты, алгоритмы вычисления оценки на имитационной модели имеют экспоненциальную сложность, что затрудняет их применение в диалоговых системах [28]. В целом исследования в направлении создания имитационных моделей находятся в начальной фазе: адекватный математический аппарат отсутствует, а подтверждение теоретических положений требует ресурсоемких экспериментов.
Для того, чтобы обеспечить возможность использования результатов измерений в задачах управления учебно-контролирующим материалом, измеренный тем или иным способом результат должен быть сопоставлен с эталоном и отображен на шкалу оценок. Практика разработки систем АФП ДО свидетельствует об упрощенном подходе к реализации измерений, при котором гомоморфизм назначается произвольно, вне явной связи с целями и содержанием обучения.
Так, компонент «Дизайнер тестов» в СДО «Прометей» предусматривает двоичную и дифференцированную схему оценивания в функции количества правильных ответов [31]. Дизайнер WebCT позволяет определить вес вопроса и ответа (в пунктах), временные ограничения на подготовку ответа, а также схему агрегирования результатов. Однако в том и другом случае эти показатели определяются вне явного целевого контекста. Такой подход делает полученные оценки недиагностичными и практически исключает возможность их использования в целях управления.
Конструктивной попыткой разработки диагностичной модели контроля можно считать исследования В.П. Беспалько [20]. Он предлагает гомоморфизм, основанный на пооперационном сопоставлении полученного результата с эталоном и четкого соотнесения теста с одним из уровней освоения знания (табл.1.1.). В пооперационном сопоставлении участвуют существенные, то есть ключевые для данной предметной области и данного уровня освоения деятельности, операции. При условии, что набор существенных операций согласован на уровне экспертов, автор предлагает гомоморфизм в виде отношения количества правильно выполненных операций к общему количеству существенных операций. Очевидно, однако, что чем выше уровень освоения знаний, тем проблематичнее становится построение «признанного экспертами эталона», а на уровне творческих действий оно невозможно по определению, так как эти действия предполагают использование объективно новой информации.
Поэтому область эффективного использования этого определения ограничена контролем знаний на уровнях узнавания и репродукции. Кроме того, автор не предлагает в своей модели схем учета ограничений на время выполнения теста и количество допущенных ошибок, а также возможного не детерминизма в последовательности выполнения существенных операций. Поэтому результаты исследований в данном направлении, с точки зрения их возможного использования в системах дистанционной подготовки персонала САПР, следует признать недостаточными и требующими дальнейшей разработки. Измерение результатов выполнения контрольных заданий в СДО реализуется при помощи тестов, классификация формы вопросов которых [32], показана на рис .1.1.
Наиболее распространена закрытая форма, предполагающая альтернативный или множественный выбор предопределенного варианта ответа; открытая форма предполагает свободный (ограниченный) формат ответа, требующий уникального алгоритма его обработки; тесты на установление соответствия определяют ответ в виде биекции на двух множествах элементов, представляющих вопрос; тесты на установление последовательности определяют ответ в виде отношения порядка, определенного на множестве элементов вопроса.
Метод персонифицированной адаптации программного обеспечения
Определен состав элементов алгоритмического базиса программированного обучения проектировщиков ЭМС, включающий в себя модели, обеспечивающие автоматизацию процесса обучения, контроля качества полученных знаний.
Разработана технологическая схема программированного обучения проектировщиков ЭМС, построенная по принципу подчиненного регулирования с последовательной коррекцией состояния объекта, которая отличается от известных реализаций: - стратификацией предметных знаний по уровням подготовки; -формализацией условий перехода на следующий и (или) возврата на предыдущий уровени подготовки; - комбинированной профильной моделью оценки знаний. Ее использование позволяет выполнять иерархическую компоновку учебно-контролирующего материала, а также создает предпосылки для персонификации этого материала в соответствии с выявленным уровнем знаний; Разработан алгоритм процесса подготовки, который является ядром алгоритмического программированного обучения и включает в себя: -тезаурус предметных знаний (набор аксиом, представляющих ключевые понятия и связи между ними, плюс аксиомы вывода, порождающие следствия из этих аксиом) в виде семантической сети; -модульную структуру, группирующую ключевые понятия предметной области в методически завершенные компоненты. Отличительной особенностью алгоритма является согласованное структурирование учебного-контролирующего материала в содержательном (семантическая сеть) и методическом (сеть Петри) аспектах. Это позволяет выполнять формальную верификацию структуры с применением методов имитации сетей Петри и семантической интерпретации маркеров. 4. Разработана модель визуализации предметных знаний в виде дерева И/ИЛИ. Модель отличается от традиционного «плоского» представления визуального материала в виде множества примитивов (фрагментов текста, рисунков, компонентов и т.п.) альтернативной структуризацией, что позволяет настраивать визуальное представление учебного материала в соответствии с персональными результатами и особенностями восприятия. 5. Разработан метод измерения результатов обучения, основанный на использовании модели Байеса. Отличие метода заключается в интерпретации измерения как процедуры верификации гипотезы знания/незнания учебного материала. Наличие строгого математического обоснования метода измерения позволяет использовать его для постановки задачи определения подмножества процедур измерения, обеспечивающих выявление наличия знаний с априори заданной вероятностью.
Рассмотренная в главе 2 технологическая схема программированного обучения технологии автоматизации функционального проектирования динамических объектов позволяет выполнять иерархическую компоновку учебно-контролирующего материала в соответствии с четырехуровневой структурой и создает предпосылки для персонификации этого материала.
Потребность в персонифицированном представлении учебного материала обусловлена тем, что идентификация содержания подготовки пользователей САПРс точностью до уровня рассмотренной в главе 1 иерархической структуры является недостаточной. В самом деле, условием перехода с одного уровня подготовки на другой является значение скалярного критерия, который представляет собой линейную свертку персональных значений оценок профессионально важных качеств. Очевидно, что конкретные значения составляющих двух профилей, дающих одно и то же значение интегрального показателя, могут при этом существенно отличаться (рис. 3.1)
Пусть, например, в соответствии с (2.22) имеем два нормированных персональных профиля Д = 9,5,20 ; Д 2 = 15,4,15 , которые в соответствии с (2.21) отображаются в одно и то же значение скалярного критерия. При этом значения оценок знаний по различным составляющим различаются почти в два раза. В связи с этим предъявление идентичного обучающего материала различным пользователям, находящимся на одном и том же уровне подготовки, противоречит требованиям открытости, обучения. Суть этих требований сводится к тому, что каждый обучаемый должен получить образовательную услугу в точном соответствии с персональным профилем профессиональных качеств.
Инструменты контроля знаний и реализации междууровневых переходов
Анализ методов оценки профессионально важных качеств проектировщиков ДО, выполненный в Главе 2 в рамках разработки технологической схемы программированного обучения, позволил сформулировать основные требования к формированию критерия межуровневых переходов: 1. Комплексный учет уровня развития профессионально важных качеств (ПВК): знаний и способностей. 2. Использование профильных моделей ПВК с ранжированием приоритетов элементов профиля. 3. Использование линейной свертки векторной оценки знаний к скалярному показателю. 4. Использование свертки векторной оценки способностей с применением функций полезности. 5. Использование модели оценки знаний, основанной на формуле Еайеса и пороговой вероятности знания/незнания. 6. Вычисление детерминированного элемента профиля как взвешенной по вероятности гипотезы Байеса. Ниже рассматриваются инструментальные средства, обеспечивающие возможности создания процедур контроля знаний в соответствии с данными требованиями. Требования 1-4 обеспечиваются инструментами разработки модели обучаемого, которая объединяет в себе данные об уровне его знаний, а также о таких профессионально важных качествах, как способности и стиль учения. Отличительной особенностью профильной модели клиента является иерархическое структурирование параметров состояния учебных знаний и профессионально важных качеств обучаемого относительно главной цели обучения. Основанием для структурирования является рассмотренная в главе 3 динамическая аналогия, согласно которой персональный уровень знаний (комбинированный профиль) интерпретируется как вектор координат точки в пространстве состояний, начало отсчета которого совпадает с эталоном. Задачей разработки профильной модели клиента является построение иерархии профессионально важных качеств. Их napaMeTproauHHj характеризующая силу влияния иерархически упорядоченных факторов на параметры движения точки к эталону, определяется на этапе реализации целей управления.
В качестве примера рассмотрим процедуру построения иерархии профессионально важных качеств проектировщиков ДО. Профиль программы дистанционного обучения определяет ее пороговые стандарты (эталон); персональный профиль обучаемого фиксирует текущее состояние его знаний относительно эталона.
При построении составляющей профиля, которая характеризует знания, эксперт определяет в качестве его составляющих учебные цели подготовки. Для каждой из составляющих он также определяет порядковую шкалу, содержащую нижнее, минимально допустимое (пороговое), среднее и максимальное значения оценки этой составляющей профиля. Нижняя граница значений оценок соответствует нулю порядковой шкалы оценок, минимальная - минимально допустимому вектору баллов, которые обучаемый должен набрать для успешного завершения программы, верхняя граница - максимально возможному количеству баллов, а средняя - ожидаемому значению оценки. Фактически, средняя составляющая представляет собой периодически обновляемую статистику, на основании которой можно анализировать эффективность усвоения учебного материала.
Рассмотрим небольшой пример: предположим, что нам необходимо спроектировать программу обучения для курса «Элементы современной теории автоматического управления».
Сначала определяем, какой модуль соответствует всему учебному материалу по данному курсу. Далее определяем множество элементов знания, качество усвоения которых необходимо оценить в рамках данного курса. Предположим, что это «Состояние системы», «Достижимость» и еще несколько. Остается спроектировать профили оценок. Сначала определим максимально возможные оценки. Предположим, что для всех элементов знания мы будем использовать стандартную пятибалльную шкалу. Тогда максимально возможная оценка будет равна 5 баллам. Минимально допустимую оценку, которая является нижней границей допустимых оценок, не следует путать с минимально возможной, которой всегда является нулевая оценка. Оценки ниже минимально допустимой считаются неудовлетворительными. Предположим, что минимально допустимыми в данном случае являются оценки в 3 балла. Теперь необходимо определить ожидаемую (или среднестатистическую) оценку. Допустим, что эксперт определил ожидаемую оценку для элемента «Состояние системы» в 4 балла, а для элемента «Достижимость» в 3.5 балла. На этом проектирование программы заканчивается.
В левой верхней части окна на рис.4.9, сверху, располагается список всех программ обучения, под которым находятся кнопки добавления, редактирования и удаления программы. Ниже находится поле всех доступных разработчику модулей, где значками 0 отмечены те модули, которые запрещены для текущей (выделенной в списке всех программ) программы. В средней части находится поле элементов знания, содержащее две страницу с иконкой И, на которой находится список элементов знания и страницу с иконкой , на которой находится дерево элементов знания. В правой верхней части окна, сверху, находится таблица профиля программы, выделенной в списке программ. Каждая строчка соответствует одному элементу знания, входящему в профиль. Ниже таблицы находится поде с графическим изображением профиля, где возле каждой оси указан номер соответствующего элемента из таблицы. В данном окне могут осуществляться следующие действия: создание, редактирование и удаление программы обучения; создание и редактирование профиля программы; запрет и разрешение модулей программы. Опишем кратко содержание некоторых из перечисленных действий. Создание программы заключается в указании ее названия и выборе одного из модулей высшего уровня, который является началом иерархии модулей соответствующего учебного курса. Для новой программы должен быть создан профиль. Определяются элементы знаний, которые будут составлять профиль, для каждого из них в таблице профиля указываются максимальная, ожидаемая и минимально допустимая границы, а также условная значимость по отношению к другим элементам профиля. По умолчанию условная значимость определяется по индексу цитирования соответствующего элемента знаний в учебных курсах. Составляющая профиля, которая характеризует способности, представлена набором качеств личности, необходимых в любой сфере интеллектуальной деятельности (табл. 4.1) и также поддержана инструментальными средствами АФП ДО.
