Содержание к диссертации
Введение
Глава 1. Обзор адаптивных средств обработки информации в распределенных телекоммуникационных системах 10
Введение 10
1.1. Автоматизированная обучающая система 11
1.2. Классификация АИОС 15
1.2.1. Классификация по области применения 16
1.2.2. Классификация по характеристикам пользователя 19
1.2.3. Классификация по адаптируемым параметрам 22
1.2.4. Классификация по технологии обучения 23
1.3. Обобщенная структура АИОС 25
1.4. Эффективность образовательной РТКС 29
1.5. Информационно-коммуникационные процессы в образовательной РТКС 30
1.5.1. Временные диаграммы ИКП 36
Выводы к главе 1 39
Глава 2. Исследование и разработка способов синтеза инди видуальной информационной базы данных 40
Введение 40
2.1. Проектирование целевого плана 40
2.2. Структура ИБД 47
2.3. Проектирование ИИБД из обучающих элементов 51
2.3.1. Постановка задачи 51
2.3.2. Возможные пути автоматизированного решения 51
2.3.3. Математическая постановка задачи проектирования УП 55
2.3.4. Формирование связного графа дисциплины на основе
экспертных оценок 59
2.4. Алгоритм формирования ИИБД 63
Выводы к главе 2 70
Глава 3. Исследование и разработка алгоритмов управления функционированием образовательной РТКС 71
Введение 71
3.1. Математическая постановка задачи управления обучением 71
3.1.1. Общие положения 71
3.1.2. Идентификатор состояния обученности 73
3.1.3. Целевая функция и стратегия обучения 75
3.2. Процедуры автоматизированного индивидуального обучения 76
3.2.1. Общие схемы 76
3.2.2. Процедура индивидуального обучения на основе рейтингов ОЭ 78
3.2.3. Алгоритм обучения с динамическим ранжированием ОЭ 79
3.3. Экспериментальные исследования моделей обучения 82
3.3.1. Цели и задачи эксперимента 82
3.3.2. Исследование линейно-равномерной процедуры 84
3.3.3. Исследование линейно-неравномерной процедуры 87
3.3.4. Исследование процедуры обучения «Тематическое тестирование без повторов» 91
3.3.5. Исследование нелинейной процедуры обучения на основе рейтингов 92
3.3.6. Обобщение результатов экспериментальных исследований 95
Выводы к главе 3 97
Глава 4. Исследование эффективности образовательной РТКС 98
Введение 98
4.1. Простая модель обработки заявок 98
4.2. Система с очередями 101
4.3. Мультипрограммная система 104
4.4. Дуплексная система 105
4.5. Учет протоколов обмена 106
4.6. Учет шлейфовой задержки 107
4.7. Показатели относительной эффективности РТКС 107
Выводы к главе 4 109
Глава 5. Примеры практической реализации автоматизированных обучающих систем 110
Введение 110
5.1. Программный комплекс моделирования и оценки стратегий обучения 111
5.1.1. Цели и задачи создания 111
5.1.2. Структура СМИСО 111
5.1.3. Функционирование 113
5.1.4. Моделирование процедур обучения 120
5.2. Информационная система автоматизированного учебного курса «Компьютерная графика» 122
5.2.1. Структура системы 122
5.2.2. Контролирующая информация системы 124
5.2.3. Информационная модель системы 133
5.2.4. Функционирование 135
5.2.5. Электронное учебное пособие «Компьютерная графика: Практикум» 138
Выводы к главе 5 142
Заключение 143
Список используемой литературы
- Классификация по области применения
- Проектирование ИИБД из обучающих элементов
- Процедуры автоматизированного индивидуального обучения
- Информационная система автоматизированного учебного курса «Компьютерная графика»
Классификация по области применения
Выделим шесть типов систем (подклассов АИОС), которые используются в настоящее время в качестве практических разработок в большинстве научно-исследовательских проектов [49, 120]: 1) обучающие АГМС; 2) он-лайновые информационные системы; 3) системы оперативной помощи; 4) поисковые АГМС; 5) корпоративные информационные системы; 6) системы индивидуализации информации.
Обучающие АГМС [109, 112, 117, 119, 148] имеют относительно малые размеры гипермедиа, представляющей собой какой-либо учебный курс или раздел учебного материала. Цель обучаемого обычно состоит в том, чтобы изучить весь этот материал или значительную его часть. Организация изучаемого материала в форме гипермедиа помогает обучаемому управлять процессом приобретения знаний. Наиболее важной характеристикой пользователя обучающей гипермедиа является уровень знаний по изучаемой теме. Среди известных -Anatomutor [109], C-Book, Clibbon , ELM-ART [119], ISISutor [117], ITEM/PG, HyperTutor, Land Use Tutor, Manuel Excel, SHIVA, SYPROS, ELM-PE, Hypadapter [112], HYPERCASE.
Проблемы:
- начальный уровень знаний обучаемых и динамика их обучения могут существенно различаться, как следствие - одна и та же страница может быть непонятна для новичка и тривиальна, и даже скучна, для «продвинутого» обучаемого. Настройка начальной страницы в таких системах весьма проблематична;
- часто обучаемые-новички, входя в гиперпространство обучающей системы, практически ничего не знают по изучаемой теме. Большинство доступных ссылок с любого узла ведет их к материалу, который является для них абсолютно новым. Они нуждаются в навигационной помощи. Без такой помощи они могут «потеряться» даже в «малоразмерной» гипермедиа.
Он-лайновые информационные системы [112, 113, 130, 136, 137, 144, 147, 148]. Целью данных систем является обеспечение доступа к информации «по ссылке» (в отличие от систематического представления новой информации, как это происходит в обучающей АГМС) для пользователей с различными уровнями знаний. Каждый узел гипермедиа обычно посвящен какому-то одному понятию и содержит несколько страниц информации. Среди известных - Hypadapter, HY-PERCASE, KN-AHS, MetaDoc, PUSH, HYPERFLEX, CID, Adaptive HyperMan.
Проблемы: - невозможность удовлетворения потребностей обучаемых разного уровня обучения, которые нуждаются в различной информации относительно данного понятия, причем с различными уровнями детализации; - начиная работать с системой, обучаемые ставят перед собой различные цели. В некоторых случаях они знают, какое понятие им необходимо найти, чтобы достичь своих целей, и не нуждаются в навигационной поддержке [113, 136]. Однако, когда цель не имеет прямого отображения на структуре гипермедиа, или когда размер гипермедиа очень велик, обучаемым необходима помощь в навигации и в поиске требуемых частей информации. Чтобы обеспечить такую помощь, система должна знать цели пользователя [130, 144].
Системы оперативной помощи [125, 127, 135] предоставляют он-лайновую (оперативную) информацию о компьютерных приложениях. Данные системы не являются независимыми системами (как он-лайновые), а входят в состав исполь зующих их приложений (таких как электронные таблицы или системы программирования). Размер гипермедиа в них сравнительно невелик. Контекст прикладной системы является надежным источником информации для адаптивной системы оперативной помощи, и используется ею для определения целей пользователя и предоставления ему информации. Среди известных - EPIAIM, HyPLAN, Lisp-Critic, ORIMUHS, WING-MIT, SYPROS.
Поисковые АГМС [106, 108, 113, 120, 131, 138, 142] представляют собой системы, в которых традиционные методы поиска информации сочетаются с гипертекстовой организацией доступа «индексированный термин - документ», а также обеспечивается возможность листания гипердокументов с помощью ссылок между документами [106, 128]. Режим простого листания может помочь обучаемым найти необходимые документы, если они испытывают трудности с построением корректного формального запроса. Размер гиперпространства в традиционной поисковой АГМС обычно очень велик и не может быть структурирован «вручную». Это означает, что ссылки в этой гипермедиа не создаются разработчиком, как в он-лайновых информационных системах, а рассчитываются самой системой (используя, например, некую систему оценок). Особый вид поисковых систем - WWW-АГМС [138] имеют ряд способов помощи в настройке параметров «чистого» информационного поиска, ограничивая выбор навигационных маршрутов [113, 142] и/или, предлагая наиболее релевантные ссылки для дальнейшего движения [108, 131, 134, 142]. Среди известных - CID, DHS, Adaptive HyperMan, HYPERFLEX, Web Watcher.
Проектирование ИИБД из обучающих элементов
Известно несколько подходов автоматизированного синтеза УП.
1). Составление УП на основе дерева целей. Метод реализуется на основе дерева целей учебного процесса подготовки специалиста [14, 15, 35, 71, 91]. Де рево целей имеет несколько иерархических уровней. Каждой цели ставится в соответствие один или несколько ОЭ. Объем УП в часах (неделях) известен заранее, необходимо наполнить этот объем наиболее важным содержанием. Входными данными являются коэффициенты относительной важности целей учебного процесса, а также их веса относительно целей нижнего уровня. Решение ищется посредством размещения элементов УП в порядке убывания групповых весов и отбора первых «самых значимых». Далее проводится экспертный опрос по связям между выбранными элементами.
В предложенном алгоритме можно отметить следующие недостатки:
- коэффициенты относительной важности целей учебного процесса и веса целей определяются с помощью экспертов, но не изложены принципы определения этих коэффициентов, а так как цели разных уровней представляют собой абстрактные понятия, это может вызвать определенные трудности в понимании поставленной перед экспертами задачи, и, следовательно, большой диапазон разброса экспертных оценок;
- при отборе содержания обучения не учитываются связи между отдельными элементами УП, а учитывается только их вклад в достижение цели. Тогда из УП могут оказаться исключенными ОЭ, которые имеют невысокие коэффициенты относительной важности для достижения цели, но на них базируются ОЭ-потомки. В этом случае ОЭ все равно придется инициировать, но при этом уменьшится отрезок времени на функционирование следующих за ними модулей, что не может благоприятно сказаться на их усвоении.
2). Составление УП на основе связей между ОЭ. Алгоритмы оптимизации УП на основе связей между элементами (модулями) рассмотрены в работах [13, 26, 71, 76, 82, 96, 97]. В большинстве работ предлагается сначала на основе графа связности учебного материала установить логичность изложения, т.е. порядок изучения модулей. При этом для каждого модуля определяется временной промежуток возможного изучения. Затем по выбранному критерию оптимизации модули распределяются по неделям.
Во всех перечисленных выше работах связь между модулями (ОЭ) - величина логическая, т.е. фиксируется только наличие или отсутствие связи. Для уменьшения размерности задачи использовались некоторые методы усечения исходной информации: устранение контуров в графе связности [69, 74, 76, 91]; исключение несущественных (или эквивалентных) путей [74, 76]; исключение связей, перекрещивающих слои графа [76].
В качестве применяемых критериев оптимизации выделим два: - минимизация временных разрывов между ОЭ kd kd F=l TdKU) - min, (2.11) /=i У=і где kd - число ОЭ; dl(ij) - длина дуги между модулями / иу; - минимизация количества забываемой информации: F = Р(,-(0- шп» (2.12) w.. GW У где (p..(t) - количество забываемой информации между разделами і и у за время t; W- множество связей между модулями.
Известно [86], что процесс усвоения и забывания информации можно представить аналитически в виде уравнения: p(j3l,/32,t) = A0(l-e&)e P2t (2ЛЗ) где Pi и /% - параметры, зависящие от количества и качества ассоциативных связей и статистических характеристик забывания.
При t — функция (pd3i,P2,t) - 0, что соответствует полному забыванию информации по истечении достаточно большого промежутка времени. Важную роль в обучении играет периодическое повторение информации. Опытным путем установлено [86], что материал успешно вспоминается, если объем оставшейся в памяти информации не меньше 0.7 от первоначальной: р 0.7щ. Время, через которое в памяти остается меньший объем информации, зависит от параметров информации, но ясно одно: чем меньше время между повторениями информации, тем прочнее усваивается материал на основе создания ассоциативных связей в понимании обучаемого. Анализируя ситуацию, можно заметить, что, если для изложения понятия у требуется понятие / , то в какой-либо момент вре мени t2 через время t] после изложения понятия / оно становится недоступно для восприятия, т.к. в памяти обучаемого осталось менее 0,7 от первоначального объема информации.
При многократном повторении, в результате образования устойчивых ассоциативных связей, кривая обучения-забывания может быть приблизительно аппроксимирована пунктирной кривой на рис. 2.8. Можно сделать вывод: чем меньшим промежутком времени будут разделены связанные между собой понятия, тем это лучше для усвоения материала.
Процедуры автоматизированного индивидуального обучения
Взаимодействие с обучаемым осуществляется путем пересылки ему: - ОЭ, начальная последовательность которых составляет ИИБД; - заданий тестов. Должна быть сформирована процедура, реализующая управление индивидуальным обучением.
Такая процедура может быть:
1). Линейная. Все ОЭ располагаются в линейной последовательности (для простоты рассматриваем обучение по теме). Схема линейной последовательности ОЭ может описываться системой предписаний (КТ - тестирование):
2). Линейная с локальным повторением. Такая процедура изображается линейной схемой с элементарными циклами вида: -» ОМм -» ОМІ -+ ОМі+і - . Для темы: - ОЭм - 03І -+ 03І+І - Заметим, что повтор осуществляется только внутри одного ОМ (ОЭ). Переход к последующему происходит по условию.
3). Линейная с циклическим линейным повтором. В простейшем случае циклически (пока не будет обеспечено достижение комплексного показателя качества обученности по теме или дисциплине в целом) повторяется линейная конструкция программы. Схематически данную процедуру изобразим в виде: -» OMi - ом2 -+...- омп-+ .
Подобная стратегия очевидна и широко применяется в традиционном обучении, тем не менее выделим несколько различных вариаций: - линейно-равномерная. Суть этой модели заключается в том, что отведен ный временной ресурс на повтор разбивается на равные промежутки между ОМ. Выделим возможные стратегии: Равномерный повтор ОЭ без выполнения КТ; Равномерный повтор ОЭ с КТ;
Равномерное повторное тестирование без повтора ОЭ. - линейно-неравномерная. В этом случае выделенный временной ресурс распределяется по темам (обязательно по всем) неравномерно. Такое распреде ление может зависеть от кода теста или от характеристик обучаемого. Стратегии повторения, которые можно применить к данной модели, аналогичны описан ным выше стратегиям линейно-равномерной модели.
4). Адаптивная. В результате прохождения линейной программы (или по результатам каким-либо образом проведенного комплексного обследования уровня обученности по всем ОЭ всех разделов обучаемого) определяется кон кретное значение параметров модели обучаемого (досье обучения), и, если интегральный показатель качества обученности не достигнут, составляется новая последовательность из ОМ (или более гибко - из ОЭ), составляющих начальный вариант ИИБД. В предлагаемой работе новая последовательность формируется автоматически на основе процедуры рейтинга ОЭ [43]. Данная процедура циклически повторяется пока не будет достигнута главная цель, или не кончатся ресурсы (время обучения).
Рейтинг показывает прогнозируемую эффективность ОЭ для обучаемого, стремящегося поднять свой уровень обученности. х-фактор ИСО постоянно снижается по экспоненциальному закону и абсолютное снижение фактора для разных ОЭ - разное. С одной стороны, повторять надо ОЭ, которые давно не повторялись, с другой - способности к обучению по ним у обучаемого могут быть низкими, и ресурс будет растрачиваться попусту.
Процедура обучения может быть организована следующим образом. Выделим два принципиальных этапа (рассматриваем обучение по теме (разделу) дисциплины).
Этап первичной диагностики. Обучаемому последовательно предъявляются все ОЭ темы, завершает тему тест. Результатом этапа являются вычисленные значения х- и -факторов (компоненты ИСО по теме), а также другие параметры (см. раздел 2.2).
Этап выработки управляющих воздействий. При наличии ресурса на обучение возникает естественный вопрос: как его потратить с максимальной пользой - на повторение (дополнительное обучение посредством соответствующего ОЭ) или контрольное мероприятие.
Информационная система автоматизированного учебного курса «Компьютерная графика»
Обучающими элементами системы являются практические работы по векторной компьютерной графике по следующим темам [65]: «Первое знакомство с AutoCAD», «Работа со слоями, типами линий, цветом», «Разрез детали», «Нанесение размеров», «Редактирование чертежей», «Создание шаблона чертежа», «Построение чертежей трехмерных моделей», «Работа с объемными телами».
Для реализации процедуры контроля предназначен набор тестов [47]: «Основные принципы работы с AutoCAD », «Применение основных команд», «Способы создания чертежа», «Объемные тела».
Вся учебная информация находится в базах данных, которые состоят из файлов в формате HTML и открываются с помощью MS Internet Explorer. Для упрощения работы пользователя имеется меню с пунктами: «Оглавление», «Контрольные вопросы», «Практическое задание», «Тест», «Глоссарий», «Написать письмо». Система управления и обслуживания баз данных реализована в СУБД Access97 (Приложение 5).
Структура системы представлена на рис. 5.9.
База данных обучающего материала представляет собой гипертекстовую базу данных, которая хранит как текстовые материалы всей дисциплины, так и справочную информацию, необходимую для обучающегося при ответе на предоставленные системой вопросы.
База данных контролирующего материала является хранилищем всех вопросов, задач, заданий, предлагаемых студентам при контрольных проверках знаний по курсу. Все эти задания тщательно продуманы и взвешены с методической точки зрения, а также выверены с тем, чтобы не возникало неоднозначности в их толковании.
Система управления и обслуживания баз данных позволяет регистрировать студентов, преподавателей и администраторов; просматривать электронные материалы практических занятий, контрольных вопросов, практических заданий, глоссария, локальных тестов; редактировать учебный материал, включая учебные планы; предоставлять сервис электронной почты, генерировать отчеты (ста тистическая обработка); осуществлять защиту от несанкционированного доступа.
Система предусматривает три категории пользователей: студента, преподавателя и администратора. Каждая категория имеет свои функции.
Студент: просмотр учебных материалов (по своей дисциплине); выполнение локальных тестов; запрос и выполнение контрольных тестов; просмотр своих оценок; общение с преподавателем через электронную почту с целью консультаций и представления своих практических работ.
Преподаватель: просмотр и редактирование учебных материалов (по своей дисциплине); просмотр и редактирование учебного плана (по своей дисциплине); просмотр списка своих учеников и данных по ним; общение со студентом с помощью электронной почты (ответы на вопросы, получение его работ); выставление оценок; просмотр статистики; общение с администратором с помощью электронной почты.
Администратор: регистрация студентов, преподавателей, других администраторов; просмотр и редактирование данных о студентах, преподавателях, администраторах; просмотр и редактирование всех учебных материалов; просмотр и редактирование всех учебных планов; добавление нового учебного материала; просмотр и создание отчетов (статистики); выдача контрольных тестов; занесение результатов контрольных тестов в табель учащегося; электронную почту.
Система организована по следующей схеме: преподаватели и студенты регистрируются у администратора. Он закрепляет за ними определенные логические имена и пароли, под которыми они могут входит в систему и выполнять закрепленные за ними функции, описанные ранее. Но у студента существуют ограничения даже в дозволенных функциях: он может просматривать только ту работу, которую выполняет, а также выполненные ранее. Кроме того, контрольный тест можно выполнять только после каждой темы.
