Содержание к диссертации
Введение
Глава 1. Особенности методов моделирования адаптивных информационных систем 10
1.1 Направления адаптации в информационных системах 10
1.2 Обзор адаптивных информационных систем 14
1.3 Применение методов математического моделирования для формализации структуры контента и построения профиля пользователя...27
1.4 Подходы к моделированию взаимодействия пользователей с адаптивной информационной системой 42
Глава 2. Методы математического моделирования адаптивных информационных систем на примере систем электронного обучения 47
2.1 Аспекты моделирования АдИС 47
2.2 Математическая модель контента 48
2.3 Формализация профиля пользователя 57
2.4 Модель и алгоритмы формирования опорной траектории 59
2.5 Модель и алгоритмы формирования адаптивной траектории 66
2.6 Конкретизация моделей для систем электронного обучения 71
2.7 Модель функционирования адаптивной информационной системы 87
Глава 3. Проектирование и реализация адаптивного функционала информационных систем на примере системы электронного обучения
3.1 Обобщенная структура адаптивной системы 94
3.2 Проектирование адаптивного функционала системы с точки зрения функционального подхода 100
3.3 Проектирование адаптивного функционала системы с точки зрения автоматного подхода 104
3.4 Информационное моделирование АдИС ПО
3.5 Информационное моделирование адаптивной системы электронного обучения на базе Moodle 116
3.6 Вычислительный эксперимент , 118
Заключение 130
Список литературы
- Обзор адаптивных информационных систем
- Подходы к моделированию взаимодействия пользователей с адаптивной информационной системой
- Формализация профиля пользователя
- Проектирование адаптивного функционала системы с точки зрения автоматного подхода
Введение к работе
Актуальность работы. Движение современного общества к информационному формирует потребность существенного совершенствования функционала информационных систем (ИС). Одним из направлений развития ИС является их адаптация к возможностям и требованиям пользователей. Под адаптивными понимают системы, в которых заложены возможности модификации алгоритмов их функционирования в ответ на действия пользователей или изменения характеристик внешней среды. Адаптивные информационные системы (АдИС) особенно актуальны, если велико количество пользователей системы, отличающихся целями и опытом. При этом объем контента системы позволяет варьировать способы представления информации (поисковые системы Yandex, Nigma, системы электронного обучения «Орокс», «Прометей», «eLearning Server 3000»и др.). Изначально адаптация интерпретировалась как процесс управления сложным объектом или процессом в условиях неопределенности (Р. Беллман, ЯЗ. Цыпкин, Ф. Чаки и др.). В дальнейшем в качестве объекта управления рассматривался пользователь системы (Е.В. Луценко, Л.А. Растригин, B.C. Симанков). В этих работах выделены аспекты моделирования, необходимые для обеспечения адаптации: модель пользователя, модели и алгоритмы адаптации. В современных ИС к таким аспектам также относят модель предметной области (Д.В. Ландэ, Н.В. Лукашевич, К.Д. Маннинг).
В исследованиях А.И. Башмакова, И.А. Башмакова, П. Де Бра, А.Н. Григорьева, Д.В. Ландэ, Н.В. Лукашевича, К.Д. Маннинга, А.В. Солово-ва выделяются основные направления адаптации, характерные для информационных систем: адаптивный поиск информации, адаптивное представление информации, адаптивная навигационная поддержка.
Хотя существующие подходы к моделированию АдИС позволяют реализовать все базовые направления адаптации в отдельности, в них не учитывается возможность комплексной адаптации, а также не предусматривается возможность применения функционала АдИС в качестве инструмента получения данных об адекватности информационного наполнения системы запросам пользователей.
Таким образом, разработка методов математического моделирования, учитывающих возможность комплексной адаптации на основе изменяющихся параметров пользователя, является актуальным направлением развития научных основ проектирования и разработки адаптивных систем.
Объект исследования - адаптивные информационные системы.
Предмет исследования - методы математического моделирования АдИС, позволяющие описать структуру контента, индивидуальный профиль пользователя и его взаимодействие с системой; адаптивные алгоритмы формирования предоставляемого контента в процессе динамического взаимодействия пользователя с системой; программная реализация данных моделей и алгоритмов.
Целью работы является разработка методов математического моделирования информационных систем, применение которых при проектировании и программной реализации ИС позволит обеспечить предоставление пользователю адекватной его целям информации, содержание и последовательность предъявления которой соответствуют профилю пользователя.
Для достижения поставленной цели исследования сформулированы следующие задачи:
анализ существующих концепций, моделей, технологий и подходов к созданию адаптивных информационных систем, в том числе систем электронного обучения (СЭО) с поддержкой индивидуализации обучения;
исследование применимости существующих математических моделей для формирования адаптивных информационных систем;
разработка методов математического моделирования, применение которых в информационных системах позволит обеспечить:
о представление структуры контента в виде, позволяющем реализовать
адаптивный поиск информации, адаптивное представление информации,
адаптивную навигационную поддержку,
о динамическое обновление индивидуального профиля пользователя
(ПП),
о адаптивный поиск контента с учетом параметров профиля пользователя,
о предоставление пользователю контента, форма и последовательность подачи которого отвечает его профилю;
разработка алгоритма, обеспечивающего реализацию основных направлений адаптации при обработке контента;
проектирование, разработка и тестирование адаптивной информационной системы на базе предложенных моделей;
практическое внедрение разработанной АдИС в составе системы электронного обучения Института математики, естественных наук и информационных технологий (ИМЕНИТ) Тюменского государственного университета.
Методы исследования. Для формализации и решения поставленных в работе задач использовались методы теории множеств, теории графов, теории конечных автоматов, кластерного анализа, латентно-структурного анализа, теории информационных процессов и систем.
Научная новизна и теоретическая значимость исследования заключаются в разработке методов математического моделирования контента информационной системы и профиля пользователя, обеспечивающих комплексную адаптацию в процессе взаимодействия пользователя с ИС.
В области разработки новых математических методов моделирования объектов и явлений предложен метод математического моделирования АдИС, в рамках которого предметная область представлена в виде множества информационных объектов (ИО) двух типов, и связей, представленных отношениями вложенности и предшествования. Определен набор характеристик ИО, достаточный для автоматизации процесса динамического адаптивного (в соответствии с изменяющимся профилем пользователя) отбора информации.
В области разработки, обоснования и тестирования эффективных вычислительных методов с применением современных компьютерных технологий создан комплекс алгоритмов, реализующий предложенный подход к моделированию АдИС. Разработан набор имитационных алгоритмов, предназначенных для компьютерного моделирования процесса взаимодействия пользователей с АдИС, исследования корректности информационного на-
полнения системы, а также для проверки адекватности предложенных моделей и подходов в ходе вычислительного эксперимента.
Практическая значимость работы определяется тем, что предложенные методы математического моделирования и алгоритмы могут быть эффективно использованы для расширения адаптивного функционала информационных систем, в частности для динамического формирования индивидуальных образовательных траекторий в СЭО.
Работа поддержана грантом для развития и активизации научно-исследовательской и экспедиционной деятельности аспирантов ТюмГУ (2008 г.). Разработка математических моделей контента и профиля пользователя, а также информационной модели системы выполнены в рамках приоритетного национального проекта «Образование» Инновационной образовательной программы ТюмГУ (Раздел: Центр 1Т-компетенций, 2007-2008 гг.).
Внедрение полученных результатов. Для апробации предложенных моделей и алгоритмов были разработаны подсистемы «Конструктор курсов» и «Диспетчер учебных траекторий» СЭО, используемые в ИМЕНИТ Тюменского государственного университета. «Конструктор курсов» позволяет формировать структуру учебных курсов и определять значения параметров соответствующих моделей. С помощью этой подсистемы автором разработаны электронные учебные курсы «Компьютерные науки» и «Методы вычислений» для направления «Механика. Прикладная математика». «Диспетчер учебных траекторий» реализует функции адаптации содержания и навигационной поддержки учебного курса к индивидуальным характеристикам пользователей.
На защиту выносятся оригинальные результаты по трем направлениям, отраженным в паспорте специальности 05.13.18:
методы математического моделирования контента, основанного на развитии стандарта IEEE LOM отношениями вложенности и предшествования, и профиля пользователя АдИС, учитывающего статические и динамические характеристики, применение которых в проектировании и разработке информационных систем позволяет обеспечить автоматизацию процесса динамического адаптивного отбора контента {математическое моделирование);
алгоритм адаптивного отбора контента, обеспечивающий реализацию основных аспектов адаптации, включающий выделение групп пользователей методами кластерного анализа, выбор опорной траектории взаимодействия пользователя с АдИС, построение и корректировку адаптивной траектории на основе динамически меняющихся характеристик пользователя {численные методы);
реализация предложенных подходов к моделированию и алгоритмизации в программном комплексе, основанном на модели конечного адаптивно управляющего автомата и обеспечивающем: задание атрибутики контента и профиля пользователя, определение начальных значений характеристик контента, пересчет значений динамических характеристик пользователя, построение и коррекцию адаптивной траектории взаимодействия пользователя с АдИС {комплексы программ).
Апробация работы. Основные положения работы доложены и обсуждены на семи Международных научных и научно-практических конференциях: «Математические методы в технике и технологиях» (Саратов, 2008), «Информационные технологии в науке и образовании» (Шахты, 2009), «Новые информационные технологии в образовании» (Екатеринбург, 2009, 2012), «Информационные технологии в образовании» (Москва, 2009), «Современные информационные технологии и ИТ-образование» (Москва, 2009), «Информационные технологии в образовании» (Москва, 2010), Всероссийском конкурсе научно-исследовательских работ аспирантов и молодых ученых в области технологий электронного обучения в образовательном процессе (Белгород, 2010); Всероссийской научно-методической конференции «От инноваций к качеству образования» (Тюмень, 2011).
Публикации по теме работы. Основное содержание работы отражено в 16 публикациях, в числе которых 1 свидетельство о государственной регистрации программы для ЭВМ и 3 статьи в рецензируемых изданиях.
Структура диссертации. Диссертация состоит из введения, 3 глав, заключения, библиографического списка из 127 наименований и 3 приложений; содержит 4 таблицы и 38 рисунков. Общий объем работы - 145 страниц.
Обзор адаптивных информационных систем
Модели предметной области, построенные на основе семантических сетей, характерны для систем искусственного интеллекта, различных типов экспертных систем (в том числе обучающих) [21, 101, 113]. Достаточно часто данные виды моделей используются в других типах систем поддержки обучения и подробно рассматриваются в работах Горбаченко И.М., Ивановой Л.В., Рабиновича П.С., Шабалиной О.А. и др. [33, 49, 55, 96, 121]. Некоторые авторы для описания предметной области используют упрощенные варианты семантических сетей. Как отмечается в [127], «если в сетевой модели допускаются связи различных типов, то такую модель принято называть семантической сетью». Например, Шабалина О.А. выделяет четыре типа отношений между учебными элементами [121]: подмножество, часть-целое, зависимость и объединение. Под учебными элементами автор понимает элементы предметной области, изучения которых требует образовательный процесс. При этом учебные элементы могут быть трех типов: информационные, контрольные и поддерживающие (содержащие информацию из смежных областей). Такой способ описания структуры предметной области менее трудоемок, но скорее близок к структурным моделям и не использует основные преимущества семантических сетей (например, вывод знаний). Наряду с семантическими сетями для формализации описания предметной области широко используются другие типы моделей представления знаний: логические, фреймовые, онтологические и др., но, как правило, они применяются в интеллектуальных обучающих системах [21].
Структурные модели контента В моделях данного типа контент информационной системы подлежит разбиению на информационные объекты. На множестве информационных объектов задаются связи (бинарные отношения между объектами), при этом типы связей и их количество варьируются у разных авторов. Таким образом, можно ввести классификацию моделей предметной области по количеству типов связей между информационными объектами: модели с единственным типом связей [39, 42, 125]; модели с множественными типами связей [22, 29, 30, 66, 64, 100, 109].
В монографии Башмакова А.И. и Башмакова И.А. «Разработка компьютерных учебников и обучающих систем» предлагается модель предметной области, в которой выделено 7 типов связей между информационными объектами: 2 типа связей отражают иерархическую зависимость, остальные 5 типов связей определяют направления перехода между информационными объектами [22]. По мнению автора, введение большого количества типов связей нецелесообразно, т.к. значительно усложняет практическое применение модели.
Следующим критерием классификации моделей предметной области может служить количество введенных типов информационных объектов. Существуют модели предметной области, в которых все информационные объекты относятся к одному типу [22, 39, 100, 109], и модели, оперирующие двумя и более типами информационных объектов [42, 43, 60, 71]. В свою очередь модели с множественными типами можно разделить на две большие группы: модели с равнозначными типами объектов, модели с подчиненными типами объектов, смешанные модели.
В первой группе моделей выделение различных типов информационных объектов обычно производится по содержанию (информационные, контрольные и т.п.) или по форме представления материала (текстовый, презентация, аудио, видео и т.п.).
В моделях второй группы существуют основные объекты, из которых может быть построена траектория обучения, и подчиненные объекты, влияющие на способ формирования траектории. Такой подход встречается в работах Ивановой Л.В., Курганской Г.С., Норенкова И.П., Ланга Я.В. и др. и основывается на определении для каждого основного информационного объекта набора входных и выходных понятий (подчиненных объектов). Понятие называется выходным для данного информационного объекта, если оно определено в данном объекте. Входными понятиями называются понятия, используемые в данном информационном объекте для определения выходного [49, 60, 71, 100]. Совокупность входных понятий для объекта Ц GL обозначим через vin(lf), а выходных - через vout(lj). При данном методе формирования структуры предметной области полагаем, что изучение информационного объекта / е L должно предшествовать изучению объекта Ip L, если 3vcv0M?(y такое, что vn v,„(/z-) 0. На Рис.1 объекты, содержащие входные/выходные понятия, обозначены прямоугольниками.
Подходы к моделированию взаимодействия пользователей с адаптивной информационной системой
Если порядок предъявления информационных объектов (отношение — ) явно не задан, он может быть определен на основании иерархической структуры контента. Однако в данном случае (,—») будет представлять собой линейную не вариативную структуру. Алгоритм формирования графа (,— ) на основе дерева (Д ) имеет вид: a. корень дерева \L, ) соответствует начальной вершине графа навигации; b. логические связи между агрегирующими объектами разных уровней иерархии совпадают с иерархическими связями;
Правила определения логических связей (Ь) с. агрегирующий объект, расположенный в левом поддереве дерева (L, ), должен предшествовать объекту правого поддерева, даже если последний находится на более высоком уровне иерархии;
Правила определения логических связей (е) f. если агрегирующий объект помимо атомарных информационных объектов содержит другие агрегирующие объекты, то первоначально должны рассматриваться агрегирующие объекты в порядке следования их идентификаторов, затем атомарные информационные объекты в соответствии с правилами, описанными в предыдущем выше.
На Рис. 9 прямоугольники соответствуют атомарным объектам, круги -агрегирующим. Однако формирование графа (,-») с помощью неявного задания логических связей не позволяет в дальнейшем обеспечить динамический отбор контента, адаптированного к характеристикам пользователя.
Поэтому целесообразно применять сочетание явного и неявного задания логических связей между информационными объектами, например, можно явно установить последовательность предъявления агрегирующих объектов на некотором уровне иерархии, а порядок выдачи, вложенных в них агрегирующих и атомарных объектов может быть определен в соответствии с иерархическими связями (правила a-f).
Используя введенные отношения вложенности ( ) и предшествования -» можно определить предел декомпозиции информационных объектов. Будем полагать, что процесс структуризации контента можно прекратить, если в рамках агрегирующего информационного объекта находятся только независимые атомарные информационные объекты:
Введение данного условия окончания декомпозиции контента позволяет упростить процесс установления отношений предшествования, поскольку такое отношение будет задаваться только для агрегирующих объектов.
В информационных системах объекты, образующие контент ИС, включают не только содержание, но и некоторую описательную информацию, позволяющую охарактеризовать наполнение информационного объекта (метаданные). Далее будем называть такие данные характеристиками информационных объектов. Пусть информационный объект описывается множеством упорядоченных пар вида: где А-\а\...ал\ - множество характеристик ИО; М - количество характеристик, ju : А —» V отображение, ставящее в соответствие каждой характеристике яг- множество её допустимых значений Vf єК= Y 1-У Ml-Такое описание информационного объекта является обобщенным и не накладывает ограничений на вид информационной системы или ее функционал. Выделим в множестве А подмножество характеристик, используемых для адаптации А = {а\.. .а } с: А . Тогда V = {У\. .Ум }cF,
М М. Будем полагать, что остальные характеристики, не входящие множества А используются информационной системой в целях, не влияющих на процесс адаптивного отбора информации. Пусть значения характеристик атомарных информационных объектов определяются разработчиком контента, тогда значения характеристик агрегирующих ИО могут быть определены:
Таким образом, модель структуры контента информационной системы представлена совокупностью: где S = (b, А, V, JU). Представление модели контента в виде совокупности информационных объектов и их характеристик, а также явное задание связей между ИО позволяет в дальнейшем реализовать опосредованное управление действиями пользователя с помощью корректировки результатов поиска и отбора контента.
Формализация профиля пользователя При построении моделей, описывающих взаимодействие пользователя с АИС необходимо учитывать, что для обеспечения возможности адаптации информационный объект и профиль пользователя должны обладать рядом сопоставимых между собой характеристик. Обозначим через В - множество всех характеристик 1111; W - семейство множеств их допустимых значений; г/: В —» й7 ; В с В - множество характеристик профиля пользователя, используемых для адаптации, W = V\..WN} ZW , N - количество характеристик.
Формализация профиля пользователя
Для реализации автоматного подхода к построению информационных систем используют различные методы, но общим для всех является явное выделение состояний [122]. Процесс автоматного проектирования, как и классического процедурного, может быть декомпозирован «сверху вниз».
Сложные системы, как правило, управляются не одним автоматом, а их совокупностью. При этом допустимы следующие разновидности отношений между автоматами: независимые, вызываемые и вложенные.
Подсистема СЭО «Диспетчер траекторий» спроектирована и реализована на основе автоматного подхода. Для декомпозиции управляющего автомата, рассмотренного в п.2.7. использован механизм вызова автоматов. Обращение к вызываемому автомату аналогично вызову подпрограммы: при каждом обращении вызываемый автомат начинает работу в начальном состоянии, а после его перехода в конечное состояние управление передается вызывающему автомату, и тот возобновляет свою работу.
Рассматриваемая подсистема реализована в виде трех взаимодействующих автоматов. Управляющий автомат (АТІ) отвечает за взаимодействие с пользователем системы на этапе определения целевых параметров (задание и корректировка значений субъективных характеристик), а также координирует работу вызываемых автоматов. Первый вызываемый автомат (АТ2) осуществляет обращение к подсистеме кластеризации профилей пользователей, а второй (АТЗ) - отвечает за взаимодействие пользователя с системой в рамках предъявленной траектории. Взаимодействие между автоматами осуществляется посредством механизма обмена номерами состояний [123]. В п.2.7. представлена диаграмма переходов управляющего автомата, отображающая логику его
Диаграмма состояний головного автомата ATI работы. Изменим данную схему с учетом декомпозиции автомата. 106 Необходимость вызова подчиненного автомата в некотором состоянии головного автомата обозначается указанием имени вызываемого автомата вместо выходных переменных. Обмен номерами состояний отображается на схеме посредством указания общего названия состояний автомата, (например, SA2 для АТ2) и номера допускающего состояния.
Диаграмма состояний автомата-предъявителя А ТЗ Представим теперь описание структуры подсистем, построенных с использованием автоматного подхода. В [95] отмечается, что в данный момент не существует единой нотации для представления структуры таких подсистем, при этом наиболее наглядной является нотация схем связей автомата.
Схема связей строится отдельно для каждого автомата системы по следующим правилам [122]: в центре схемы изображается сам автомат; слева от него размещаются источники входного потока информации; справа размещаются объекты управления и подчиненные автоматы; для каждого события, входной переменной или предиката с номером состояния (вызываемого автомата) между автоматом и источником информации проводится линия, помеченная идентификатором и/или словесным описанием этого события; для каждой выходной переменной между автоматом и соответствующим объектом управления проводится линия, помеченная идентификатором и/или описанием переменной.
Проектирование адаптивного функционала системы с точки зрения автоматного подхода
Блок Quiz system используется для определения хранения истории взаимодействия пользователя с АдИС, реализуя отношения EventType и UserHistory.
Блок Question предназначен для хранения банка заданий и вопросов для тестирования в различной форме: открытые, эссе, на сопоставление, с множественным выбором, с вычисляемыми значениями и др. информации о структуре и заданиях контрольных мероприятий.
Блок Question используется для определения атомарных информационных объектов, частично реализуя отношения LearningObject.
Блок Questionjypes предназначен для хранения расширенной информации для вопросов из блока Question. Эта информация является специфичной, в связи с чем созданы отдельные отношения для каждого типа задания или тестового вопроса. Блок Questionjypes используется для определения характеристик атомарных информационных объектов, частично реализуя отношения ObjectParam и Param.
Блок Grades предназначен для хранения численных показателей по результатам работы пользователя с адаптивной информационной системой, приведенной к единой шкале измерений. Эти оценки могут быть получены из различных модулей системы, в том числе Quiz system, а также проставлены или откорректированы преподавателем вручную. Оценки блока Grades используются для выполнения условий завершения модулей и курсов в блоке Courses. Блок Grades используется для хранения объективных характеристик профиля пользователя, реализуя отношение UserMark.
Таким образом, база данных системы электронного обучения Moodle позволяет реализовать следующие отношения: User, LearningObject, EventType, UserHistory, ObjectParam, Param и UserMark. При этом не существует отношений, соответствующих PreviousObject, LimitParam, UserLimitParam, TargetParam, UserTargetParam. Во избежание проблем с обновлением системы, существующие отношения не модифицировались. Вместо этого в базу данных были добавлены отношения, соответствующие PreviousObject, LimitParam, UserLimitParam, TargetParam, UserTargetParam.
Как отмечается в [32], в связи с модульной структурой и большим количеством авторов модулей, зачастую в базе данных присутствует избыточность и дублирование. Непротиворечивость и целостность данных обеспечиваются программно. Однако оптимизация базы данных не целесообразна, так как повлечет значительный рост трудозатрат или невозможность дальнейшего обновления системы.
Для анализа адекватности и эффективности предложенных моделей и алгоритмов необходимо провести компьютерный вычислительный эксперимент. Для этого выделим критерии эффективности алгоритмов и разработаем имитационную модель системы. Имитационная модель должна соответствовать предложенным моделям контента и профиля пользователя.
Под имитационным моделированием будем понимать метод исследования процессов функционирования систем на имитационных моделях, выполненных в виде компьютерных программ. При этом постановка различных экспериментов на модели будет означать не что иное, как выполнение программы имитационного моделирования при различных исходных данных.
Определим следующие этапы вычислительного эксперимента: формирование контента; определение начального момента эксперимента, начального состояния профиля пользователя, в том числе целей и ограничений пользователя; формирование с учетом целей и ограничений пользователя индивидуальной траектории с использованием различных алгоритмов взаимодействия пользователя с АдИС: A) без применения адаптации с использованием единой фиксированной траектории для всех пользователей; B) с однократным выбором опорной траектории на основании кластеризации по субъективным параметрам; C) с выбором опорной траектории на основании кластеризации по субъективным параметрам и возможностью ее автоматической смены на другую опорную траекторию на основании кластеризации по субъективным и объективным параметрам; D) с выбором опорной траектории на основании кластеризации по субъективным параметрам и возможностью ее автоматической смены на другую опорную траекторию на основании кластеризации по субъективным и объективным параметрам, дополненной адаптивным подбором предоставляемых атомарных объектов на основании характеристик атомарных объектов и объективных характеристик профиля пользователя; сравнение субъективных и объективных параметров профиля пользователя, полученных при различных алгоритмах взаимодействия пользователя с АдИС.
В модели структуры контента выделены два типа информационных объектов: агрегирующие и атомарные. Применительно к системам электронного обучения в качестве агрегирующих объектов могут выступать темы (тематические блоки), а в качестве атомарных, в зависимости от степени декомпозиции материала, могут рассматриваться, например, лекции (отдельные фрагменты лекций, графики, диаграммы), лабораторные работы (практические задания), тестирования (тестовые задания). Каждому атомарному информационному объекту из множества L сопоставляются значения следующих характеристик: уровень сложности ах є А, тип объекта (обязательный/рейтинговый) а2 є А, время аъ є А.
Для формирования контента используем следующую структуру данных: атомарный информационный объект представим в виде структуры с полями A = {al...ai}; объекты множества L вместе с заданным на нем отношением предшествования образуют дерево (, ), в связи с чем, для хранения контента при проведении вычислительного эксперимента будет использована соответствующая структура данных.
Непосредственное содержание информационного объекта не представляет интереса для проведения вычислительного эксперимента.
Формирование контента для вычислительного эксперимента может быть проведено двумя способами: на основании данных системы электронного обучения или случайным образом. При использовании данных системы электронного обучения необходимо ограничить моделируемый контент, указав узел Ц, который будет считаться корневым. Информационные объекты, для которых d\lj,lj) не может быть определено, не будут использованы при проведении вычислительного эксперимента.
При формировании контента случайным образом указывается минимальное и максимальное количество агрегирующих объектов соответственно для первого и второго уровня иерархии, минимальное и максимальное количество объектов атомарных объектов. Характеристики атомарных информационных объектов также определяются случайным образом, при этом следует выбрать вид (равномерное, треугольное) и параметры распределения для каждой из характеристик. Существует возможность ручного добавления и удаления информационных объектов, редактирования характеристик информационных объектов.
