Содержание к диссертации
Введение
Глава 1. Современные онтологические подходы в образовательном процессе: тенденции и актуальные задачи 8
1.1. Общие принципы применения онтологий 9
1.2. Принципы классификации онтологий 15
1.3. Онтологии в образовательном процессе 17
1.4. Инструментальные программные средства для создания онтологий 27
1.4.1. Основные характеристики редакторов онтологий 27
1.4.2. Основные редакторы онтологий 29
1.5. Системы управления дистанционным обучением 33
Глава 2. Формирование предметных онтологий для реализации вариативного дистанционного обучения 39
2.1.Онтология предметной области «Оптика» 39
2.1.1. Онтология предметной области «Оптика» в исторической ретроспективе 42
2.1.2. Персоналии предметной онтологии 44
2.1.3. Геоинформационная составляющая предметной онтологии 47
2.1.4. Временная составляющая предметной онтологии 48
2.2. Прикладная оптика 50
2.3. Онтологический подход к построению мультимедийных сборников образовательных ресурсов 53
2.4. Современные тенденции. Междисциплинарность 67
2.5. Фотоника и оптоинформатика в Европе: тренды 2003–2013 74
Глава 3. Онтологические экспертные системы как элемент управления вариативным дистанционным обучением 86
3.1. Онтологические экспертные системы управления дистанционным обучением 86
3.2. Использование компетентностной модели выпускника для корректировки структуры онтологической экспертной системы 97
3.3. Системы управления дистанционным обучением с онтологическим ядром 102
3.4. Рекомендательные сервисы для организации самостоятельной работы студентов в рамках
дистанционного обучения 114
Глава 4. Механизмы взаимодействия систем управления дистанционным обучением и социальных сетей 125
4.1. Социальные сети и система управления дистанционным обучением 125
4.2. Сравнительный анализ социальных сетей для применения в образовательном процессе 132
4.3. Апробация учебных online-курсов, построенных на основе онтологических экспертных систем 137
Заключение 149
Литература 152
- Инструментальные программные средства для создания онтологий
- Персоналии предметной онтологии
- Использование компетентностной модели выпускника для корректировки структуры онтологической экспертной системы
- Сравнительный анализ социальных сетей для применения в образовательном процессе
Инструментальные программные средства для создания онтологий
Везде, где необходима обработка данных, учитывающая их семантику, можно использовать онтологии. В силу изначальной ориентированности языка Web Ontology Language (OWL) на обработку машинами, корректное использование онтологических структур может существенно упростить и создать потенциальные возможности для разработки приложений, которые решают задачи автоматической обработки и доступа к данным [4]. У пользователя онтологий появляется возможность выбора собственной последовательности просмотра (изучения) контента ориентируясь на свой образовательный потенциал и полученные ранее знания. Авторы большинства статей описывают применение онтологии, определение которой трактуют неоднозначно в различных областях. Начиная от «умного» поиска, логических выводов, и заканчивая семантическими сетями. Приведем примеры использования онтологий.
В одной из работ авторы с помощью онтологии извлекают значимую информацию из веб-страниц при индексировании [5], что должно повысить качество поиска различного рода информации за счет удаления навигационных модулей из веб-страниц, их разделения на контентную часть и навигацию. Выделение полностью совпадающих информационных блоков ресурсов и легло в основу подобных методов. Технология частично может закрыть потребность в семантическом поиске, о чем более подробно будет рассказано далее.
Специалистами ДО РАН была создана медицинская онтологическая структура, в которой можно задать набор симптомов и получить диагнозы для пациентов [6].
В одной из статей [7] описывается онтология, позволяющая выстраивать инновационные цепочки. Информационная система реализована как Интернет-портал и состоит из среды, предоставляющей средства разработки и интеграции, которые связаны с инновациями различных информационных ресурсов, и из развитых средств персонифицированного участия специалистов разных профилей в инновационной деятельности. Механизм, который поддерживает интерактивное построение цепочек инноваций, — главный компонент, позволяющий обеспечить интеллектуализацию рабочих мест. Построение подобных цепочек происходит с помощью автоматически генерируемого сценария. Применительно к сфере образования это означает, что онтологический подход потенциально содержит в себе возможность коллективной работы преподавателей и обучающихся над содержательным наполнением.
В сфере документации культурного наследия создана формальная онтология «Committee on Documentation Conceptual Reference Model» («CIDOC CRM»). Основная цель создания — улучшение взаимодействия и обмена гетерогенной информацией по культурному наследию (http://www.intuit.ru/studies/courses/1078/270/lecture/6853). CIDOC CRM определяет семантики схемы БД и структуры документов, которые используются в культурном наследии и документации музеев, используя терминологию формальных онтологических структур. CIDOC CRM — руководство для разработчиков информационных систем (ИС), общий язык для экспертов предметников и специалистов в области информационных технологий (ИТ). Эта модель реализована для покрытия контекстной информации (теоретического, географического, исторического характера) о некоторых экспонатах и коллекциях музеев в целом.
В статье «Концепция интеллектуализации документооборота» [8] рассматривается подход к интеллектуализации систем документооборота, который основан на использовании знаний о предметной области, лингвистическом анализе текста документов и его содержательном индексировании. Часто онтологии используют в качестве: словаря предметной области; отображения на базу данных; формата хранения метаданных; формата обмена данными. Также есть возможность применения онтологий в сфере товаров и услуг. Задачи онтологических структур в ней: собрать информацию о товарах; представить информацию о товаре; разделить по назначению товары — классифицировать; обеспечить поиск по товарам; показать описания товаров. Наиболее популярные системы в сети «Интернет», которые предоставляют товары общего назначения — Яндекс.Маркет, Froogle, Тындекс. Классификацией товаров занимаются рубрикаторы, которые также могут рассматриваться как вид онтологической организации знаний (http://www.intuit.ru/studies/courses /1078/270/lecture/6853?page=2).
«OntoSeek» — проект, предназначенный для контентного поиска в таком издании, например, как «Желтые страницы». В рамках именно этого проекта исследовался поиск по товарам на базе онтологических структур. Система позволяет: использовать произвольные естественно-языковые термины для описания товаров и услуг; обеспечить семантической обработкой запросов на основе онтологических структур отсутствие ограничений на ввод таких запросов на естественном языке; интерактивно помогать в создании корректных запросов, в их специализации и обобщении.
Одна из наиболее важных задач, решаемая применением онтологий — это семантический поиск. Современные механизмы осуществляют поиск запрашиваемой пользователем информации, не учитывая семантику слов, которые входят в запрос, и используемого контекста.
Семантическая паутина (Semantic Web)— это направление развития Всемирной паутины, целью которого является представление информации в виде, пригодном для машинной обработки. Этот термин был впервые введён сэром Тимом Бернерсом-Ли (изобретателем Всемирной паутины) в сентябре 1998 года (http://www.w3.org/DesignIssues/Semantic.html), и был назван им «следующим шагом в развитии Всемирной паутины». Позже в своём блоге он предложил (http://dig.csail.mit.edu/breadcrumbs/node/215) в качестве синонима термин Гигантский Глобальный Граф (Giant Global Graph, GGG, по аналогии с WWW). Концепция семантической паутины была принята и продвигается Консорциумом Всемирной паутины (http://www.w3.org/standards/semanticweb/). 10 февраля 2004 года консорциум W3 рекомендовал к использованию стандарт OWL [9].
В обычной Паутине, которая основана на HTML-страницах, информация заложена в тексте страниц и извлекается человеком с помощью браузера. Семантическая же паутина предполагает запись информации с помощью онтологий в виде семантической сети. Таким образом, программа-клиент может непосредственно извлекать из паутины факты и делать из них логические заключения. Семантическая паутина (рисунок 2) работает параллельно с обычной Паутиной и на её основе с использованием протокола HTTP (Hyper Text Transfer Protocol — протокол передачи гипертекста) и идентификаторов ресурсов URI (Uniform Resource Identifier — унифицированный (единообразный) идентификатор ресурса) [9].
Персоналии предметной онтологии
В сфере образования использование семантического поиска может позволить строить такие системы контроля знаний (оценки уровня освоения материала обучающимся), которые будут основаны на интеллектуальном диалоге пользователя и автоматической системы управления дистанционным обучением. В этом случае система не просто будет сверять ответы обучающегося с правильными шаблонами, а, используя семантический анализ текста, введенного на естественном языке, будет предлагать тот или иной тип визуализации предметной онтологии, который поможет найти верное решение.
Даже большую часть из этих примеров можно применить к образовательному процессу. Далее опишем онтологии в образовательном процессе.
Существуют различные классификации онтологий. С нашей точки зрения, наиболее интересная систематизация современных представлений и исследований в области онтологий была представлена профессором Гавриловой Т.А. [10]. Рисунок 5 иллюстрирует основные принципы возможных классификаций онтологий. Рисунок 5 — Классификации онтологий
По типу отношений: таксономия — ведущее отношение «kind-of», «is-a»; партономия — ведущее отношение «haspart» («состоит», «имеет частью»); генеалогия — ведущее отношение «отец-сын» («потомок-предшественник»); атрибутивные структуры; причинно-следственные — ведущее отношение «ifhen»; смешанные онтологии — онтологии с другими типами отношений.
По владельцу или пользователю: индивидуальные (личные); групповые (коллективные): принадлежат стране, принадлежат сообществу (например, научному), принадлежат компании или предприятию; общие (всеобщие).
По языку описания: неформальные; формализованные; формальные — на языках RDFS,OWL, DAML+OIL и др. По области применения: наука; промышленность; образование; товары. По цели разработки: для обучения; для исследований; для менеджмента; для обмена знаниями; для электронного бизнеса. Эти классификации можно дополнить еще одной [11], согласно которой все образовательные онтологии можно разделить на «весомые» онтологии (Heavy-weighted), содержащие аксиомы, и «легкие» (Light-weighted), их не содержащие.
Иначе говоря O = {C, R, A} — весомые онтологии, O = {C, R} — легкие онтологии, где O — онтология, С — совокупность концептов предметной области, R — совокупность отношений между ними, A — набор аксиом (законов и правил, которые описывают, как законы и принципы существования концептов). Около 80 % разработанных на данный момент онтологий относятся к «легким».
Онтология определяет общий словарь для ученых, которым нужно совместно использовать информацию в предметной области. Она включает машинно-интерпретируемые формулировки основных понятий предметной области и отношения между ними. Онтологии получили широкое применение в информационных технологиях и образовании, о чем свидетельствует множество публикаций, как в зарубежных, так и российских источниках [12-18]. В связи с ростом популярности онтологий, их изучение включено в программу вузов. С помощью онтологий возможна генерация тестовых заданий, возможно построение учебного плана дисциплины [2,19,20] и т.д. Далее будут представлены онтологии, которые возможно применить к образовательному процессу.
В Уфимском государственном авиационном техническом университете на основе онтологического подхода был создан проект по организации бизнес-процессов в образовательном учреждении на примере процесса формирования индивидуальных планов преподавателей [21]. Роль индивидуального плана в процессе работы образовательного учреждения отражена на рисунке 6. Текущая версия разработанной онтологии представлена на рисунке 7. Рисунок 6 — Роль индивидуального плана в работе вуза
Диаграмма классов онтологии; б) Свойство «определяется» Внедрение данной онтологии в реальный учебный процесс позволило авторам:
1. В эффективной форме аккумулировать различную, в том числе и на сегодняшний момент разбросанную по различным документам, и неформализованную информацию о кафедре. В онтологии информация хранится в системном, интегрированном и формализованном виде, что, например, позволяет подобрать наиболее подходящего исполнителя для новой задачи в кратчайшие сроки.
2. Ввести новые критерии оценки качества работы сотрудника. Например, если сотрудник А имеет научные работы по , ведет проект по направлению , и ведет занятия по предметам, которые относятся к направлению , он, очевидно, будет работать неоптимально. Обратный случай (совпадение направлений работы сотрудника) является примером эффективного менеджмента кафедры.
3. Создать новую грань автоматизации процесса управления кафедрой, поскольку возможно создание специализированного ПО обработки информации из онтологии, интегрированного в существующие информационные системы кафедры, благодаря возможности экспорта данных из онтологии в широко использующиеся форматы .html и .xml. Интересный подход описан в статье под названием «TML: A Thesaural
Markup Language» [22], где строится общая онтология тезаурусов Generic Thesaural Ontology (GTO). В ней представлен подход к описанию шести различных тезаурусов на одном «общем» языке: Australian Government Thesaurus (Keyword AAA); Getty Art and Architecture Thesaurus (AAT); Getty Thesaurus of Geographic Names (TGN); Library of Congress Subject Headings (LCSH); OCLC Dewey Decimal Classification (OCLC); Medical Subject Headings (MeSH).Также в статье рассмотрен способ унификации тезаурусов их моделей, классов и отношений в абстракции более высокого уровня. Подобный набор тезаурусов был обусловлен тем, что все они хорошо известны, используются различными сообществами во многих областях, представлены как функциональной, так и субъектной схемой и основываются на стандарте ISO 2788.
На данный момент существует множество био-онтологий [23]. Они представляют собой огромные контролируемые словари терминов-концептов на английском языке, которые касаются, например, молекулярной функции, биологического процесса или клеточной структуры, что позволяет использовать их в качестве общедоступных учебных пособий.
Использование компетентностной модели выпускника для корректировки структуры онтологической экспертной системы
К первой характеристике хотелось бы отнести поддерживаемые РО формализмы и форматы представления.
Формализм — теоретический базис, который лежит в основе способа представления онтологических знаний. Примерами формализмов могут служить FOL (First Order Logic) [33] или логика предикатов; дескриптивная логика; Frames, т.е. фреймовые модели; концептуальные графы и т.д. Используемый редактором формализм может существенно влиять не только на внутренние структуры данных, но и определять формат представления или даже пользовательский интерфейс [33]. Формат представления онтологии задает вид хранения и способ передачи онтологических описаний. Под форматами подразумеваются языки представления [33] онтологий: RDF (Resource Description Framework (https://ru.wikipedia.org/wiki/Resource_Description_Framework) — среда описания ресурса), OWL (https://ru.wikipedia.org/wiki/Web_Ontology_Language), KIF (Knowledge Interchange Format (https://en.wikipedia.org/wiki/Knowledge_ Interchange_Format) — формат обмена знаниями), SCL. Например, некоторая формальная модель может быть представлена логикой предикатов, а выражена средствами языка Knowledge Interchange Format. РО, как правило, поддерживают работу с несколькими форматами представления и формализмами, но в основном только один формализм является «родным» для конкретного редактора. Вторая важная характеристика — функциональность РО, т.е. множество сценариев его использования. Базовые функции РО обеспечивают:
1. работу с несколькими проектами (сохранение проекта в необходимых формализмах и форматах; открытие проектов; импорт из внешних форматов; внесение изменений в метаданные проектов);
2. редактирование онтологии (добавление, изменение, удаление структурных элементов онтологии; внесение изменений в таксономию). Дополнительными возможностями РО являются: поддержка для поиска нетривиальных утверждений языка запросов; анализ целостности; использование механизма логического вывода [33]; поддержка многопользовательского режима; поддержка удаленного доступа через сеть Интернет.
Третья характеристика — уровень сложности инструментальных средств. Комплексные средства необходимы не только для добавления и редактирования онтологической информации, но и для ее анализа, с помощью выполнения типичных операций над онтологическими структурами, а именно: выравнивание онтологий — введение соответствий между несколькими онтологическими структурами для корректного обмена информацией; отображение одной онтологии на другую — поиск семантических связей между подобными элементами [33] различных онтологических структур; объединение онтологий — генерация на основе двух онтологических структур третей, объединяющей информацию из первых двух. Онтологии достаточно сложны для человеческого восприятия. По этой причине инструментальные программные средства для работы с ними должны использовать методы и технологии визуализации. Визуализация онтологий не может быть простой задачей. При создании инструментов визуализации важным фактором является не только эффективное отображение всей информации, но и предоставление пользователю возможности легко выполнять различные операции над онтологиями. Методы визуализации онтологий могут быть сгруппированы различными способами: по способу представления, размерности изображения, способа взаимодействия с пользователем. По типам, методы могут быть разбиты на следующие группы [34]: иерархический список; узлы-связи и деревья; масштабируемые; заполнение пространства; фокусирование и искажение; трёхмерные ландшафты.
Методы, которые попали в одну из категорий, могут содержать в себе черты другой. Дополнительно методы в каждой группе разбиты на двух- и трехмерные. Двухмерные методы используют поверхность экрана как плоскость без каких-либо элементов глубины. Трехмерные методы вводят еще одно измерение для того, чтобы приблизиться к представлению реального мира или улучшить взаимодействие с пользователем. Также некоторые трехмерные методы позволяют пользователю передвигать и вращать объекты в виртуальном мире и/или перемещаться в нем.
В настоящее время существует множество методов и инструментов визуализации онтологий [35]. Это и методы в области графов, и в области визуализации иерархии, а также в двумерном и трехмерном пространстве. Выбор какого-то конкретного метода визуализации для разных предметных областей является специфическим и должен иметь свои особенности.
Не существует одного определенного метода, который соответствовал бы приложению а, следовательно, жизнеспособное решение состоит в том, чтобы предоставить пользователю несколько визуализаций, таким образом, чтобы он мог выбрать то, которое является соответствующим для решения его текущих задач.
Основной функцией любого редактора онтологий является формализация знаний и представление онтологической структуры в виде спецификации (точного и исчерпывающего описания).
Современные РО, в основном, предлагают средства для описания формальной модели. Дополнительными возможностями по анализу онтологий, использованию механизмов логического вывода обладает очень малая часть РО. С помощью онтологической структуры можно описать основные положения (концепции) некоторой предметной области и определить отношения между ними. Совместное использование людьми общего представления структуры информации является одной из основных целей разработки онтологических структур. Процесс их построения состоит из формирования следующих блоков [36]: классов, их свойств; экземпляров классов; отношений между классами.
Процесс создания онтологических структур, как правило, итеративный. Вначале происходит создание чернового варианта, а после, по мере необходимости, должен происходить возврат для определения деталей. Так может продолжаться до тех пор, пока онтологическая структура не будет отражать концепцию некоторой предметной области с определенной точностью [37, 38].
Разработка онтологических структур включает в себя: определение классов онтологии; создание иерархии классов (определение базовых классов, подклассов); описание свойств классов, их допустимых значений; заполнение значений свойств для экземпляров классов. Далее опишем некоторые РО и проведем сравнительный анализ по определенному набору критериев.
Редактор онтологий «Ontolingua» — первый инструмент инженерии онтологических структур, разработанный в Стенфордском университете, состоящий из сервера и языка представления знаний (www.ksl.stanford.edu/software/ontolingua/). Редактор онтологий «OntoStudio». Первоначально имел название «OntoEdit» и был создан в Университете Karlsruhe. OntoStudio — коммерческая разработка для создания и редактирования онтологий, работа с которой интуитивно проста (http://www.ontoprise.de/en/products/ontostudio/). Поддерживает импорт достаточно большого количества различных структур, схем и моделей, обладает инструментом отображения классов, экземпляров класса и связей.
Сравнительный анализ социальных сетей для применения в образовательном процессе
Разработанные инструменты для проведения педагогических измерений обладают расширенными возможностями и включают тестовые задания с использованием более сорока схем построения ответов, поддержку адаптивных тестов, шаблонов тестовых заданий (фасетов), реализацию обратной связи в рамках декларативного описания одного задания, наличие механизма проверки заданий с неразрешимым множеством правильных ответов [80].
Система обладает возможностями построения адаптивных алгоритмов управления траекториями обучения и контроля уровня подготовки. Адаптивное планирование на этапе подготовки индивидуализированного учебно методического материала позволяет реализовать адаптацию как к группе обучающихся, так и к отдельному студенту, обучающемуся по индивидуальному плану. В процессе информационного взаимодействия при динамической адаптации осуществляются как изменение содержания и способов представления учебно-методических материалов, так и всесторонняя настройка системы под конкретного обучающегося. Подобные алгоритмы адаптации используют принцип обратной связи и их возможности определяются составом параметров доступных для измерения во время обучения и контроля. Разработаны методы и средства построения адаптивного электронного курса, основанные на конечно-автоматном подходе, при котором задается набор состояний компетентности, способы достижения целевой компетентности и алгоритмы оценки уровня мастерства выпускника [80].
Формирование, эксплуатация информационно-образовательной среды является сложной задачей, которая может быть не под силу отдельному вузу. В системе используются технологии сетевого взаимодействия университета как инновационного хаба с другими вузами, организациями и предприятиями, в результате чего обеспечена возможность использования информационно-образовательной среды для межвузовского взаимодействия, которое может привести к повышению академической мобильности обучающихся и преподавателей и формированию учебно-методической базы для большого числа вузов-участников сетевого взаимодействия [80].
Шаблоны тестовых заданий. Для проверки уровня подготовки обучаемых в системе «AcademicNT» предусмотрены виртуальные лаборатории, электронные тесты и практикумы, но наиболее востребованными среди преподавателей являются электронные тесты, используемые не только для проведения аттестаций и репетиций, но и для построения адаптивных обучающих диалогов (АОД) — наиболее эффективного инструмента ЭО. Создание АОД является трудоемким процессом, который может занимать длительное время. Адаптивный диалог — диалог, траектория которого определяется в процессе взаимодействия пользователя с системой [81, 82].
Для уменьшения трудозатрат, минимизации времени разработки, а также повышения точности педагогических измерений в СУДО применяют новую технологию создания тестовых заданий, в основе которой лежат понятия шаблона и обратной связи. Шаблон определяет класс тестовых заданий. Конкретное задание является экземпляром этого класса, который инициализируется при передаче тестового задания обучаемому. Класс — это логическая конструкция, которая определяет форму и природу объекта. Он создает новый тип данных, который после определения можно использовать для инициализации объектов этого типа, т.е. экземпляров данного класса. Понятие шаблона и обратной связи, их формальное описание и примеры использования для построения адаптивных диалогов можно найти на сайте всемирного образовательного консорциума IMS (http://www.imsglobal.org/) [82].
Построение шаблонов происходит с использованием переменных, которыми можно заменять элементы всех структурных единиц тестового задания, будь то вопрос, ответ (варианты ответов) или вложения (например, рисунки). Механизм реализации шаблонов можно проиллюстрировать алгоритмом, который представлен на рисунке 43а. На первом этапе происходит объявление и инициализация переменных, каждая из которых должна обладать уникальным идентификатором, иметь логическое имя. При инициализации переменной присваивается определенное значение. На этапе формирования задания происходит добавление переменных к структурным единицам тестового задания.
На этапе предварительной обработки ответа, полученного от обучаемого, происходит разбор ответа пользователя. Этап анализа ответа включает в себя проверку определенных условий. В зависимости от условия происходит изменение значений переменных, после чего возможен либо выход из тест-кадра, либо переход на этап формирования нового задания (обратная связь) [82].
Проверка условий правильности ответа происходит по схеме,
представленной на рисунке 43б. Если Условие 1.1, Условие 1.2 и Условие 1.3 выполняются, то происходит вычисление переменных с последующим выходом из проверки. Если хотя бы одно из этих условий оказывается неверным, то осуществляется переход к другому блоку проверки, в котором происходит аналогичный процесс [82]. Использование технологии построения шаблонов на основе предметной онтологии позволяет обеспечить индивидуальную траекторию обучения, надежность педагогических измерений и уменьшение трудозатрат разработчиков контрольно-измерительных материалов. Для большей иллюстрации иерархии онтологических концептов было разработано представление DOM (Document Object Model) XML-описания шаблонов, фрагменты которого представлены ниже [82].
Элемент TestFrameVariables , который представлен на рисунке 44, описывает переменные кадра. Он включает в себя один или несколько вложенных элементов TestFrameVariable , которые имеют атрибуты: TestFrameVariableID — внутренний числовой идентификатор переменной; VariableID — логическое имя переменной; Name — описание переменной. Элемент TestFrameVariable обязательно включает в себя один из элементов Single — простая переменная или Multiple — составная переменная. Также он содержит элемент Comment — комментарий, являющийся необязательным для использования. Элемент Single имеет атрибуты Value — значение переменной; Type — тип переменной, который может быть либо числовым (значение по умолчанию), либо строковым. Элемент Multiple включает в себя вложенный элемент TestFrameVariable — переменная кадра и обязательный атрибут Type, который может принимать значение, используемое по умолчанию — Array (Массив) или значение Record (Запись) [82].
Элемент TestResponseProcessing , который изображен на рисунке 45, описывает обработку результатов тестового задания. Он содержит произвольное количество элементов TestResponseInit , в которых происходит дополнительная инициализация переменных. Данный элемент не содержит данных, но имеет три обязательных атрибута: InitID — идентификатор инициализации, VariableID — логическое имя инициализируемой переменной, Value — присваиваемое значение [82].
