Содержание к диссертации
Введение
Глава 1. Компьютерные обучающие среды и их системная архитектура 10
1.1 Программное обеспечение обучения и его жизненный цикл 10
1.2 Системная архитектура нейросетевой мультилингвистической адаптивно-обучающей технологии . 14
1.3 Специфика компьютерных средств обучения 19
1.4 Классификация компьютерных программ обучения языку 26
1.5 Формирование компьютерной обучающей среды интегрированного средства изучения языка 29
1.6 Современные проблемы развития информационных технологий обучения иностранным языкам 32
Выводы по главе 1 43
Глава 2. Нейросетевая технология формирования информационно -терминологического базиса мультилингвистической системы адаптивного обучения 45
2.1 Электронные мощностные (частотные) профессионально-ориентированные словари 45
2.1.1 Терминологические стандарты и международная регламентация терминологии 48
2.1.2 Многокомпонентные термины и процедуры их анализа 54
2.2 Анализ текстов для формирования электронных мощностных (частотных) словарей- 57
2.3 Формирование структуры информационно-терминологического базиса 67
2.3.1 Языковая семантика и структура текста 68
2.3.2 Обработка информации на основе иерархических структур из динамических ассоциативных запоминающих устройств 70
2.3.3 Структурное представление информации в ИС ДАЗУ 73
2.3.4 Распознавание информации в обученной ИС ДАЗУ 75
2.3.5. Анализ текстовой информации в ИС ДАЗУ 78
Выводы по главе 2 82
Глава 3. Модификация алгоритма адаптивного обучения 84
3.1 Специфика построения модели обучения 84
3.2 Генерация ассоциативного поля терминологических компонентов 88
3.3 Алгоритм обучения 93
3.3.1 Обучение как управление сложным объектом, 93
3.3.2 Расчет коэффициента лексической однородности 98
3.3.3 Оценка параметров модели и анализ алгоритма 102
Выводы по главе 3 112
Глава 4. Реализация предложенного подхода в компьютерной обучающей системе 113
4.1 Структура компьютерной обучающей системы 113
4.2 Модель бизнес - процессов системы 116
4.2.1 Модель спецификации пользовательского интерфейса 119
4.2.2 Реализация системы 121
4.3 Требования к аппаратному и программному обеспечению 124
4.3.1 Установка программы 125
4.3.2 Отображение процесса работы системы обучения. 125
Выводы по главе 4 132
Заключение 134
Список использованной литературы 135
Приложение 147
- Системная архитектура нейросетевой мультилингвистической адаптивно-обучающей технологии
- Электронные мощностные (частотные) профессионально-ориентированные словари
- Специфика построения модели обучения
- Структура компьютерной обучающей системы
Введение к работе
Актуальность работы. Информационные технологии и
компьютерные интерактивные средства обучения занимают все более существенное место в образовании. Одной из областей, в большей мере приветствующих применение компьютерных обучающих технологий, является изучение иностранных языков.
Новые информационные технологии изучения иностранных языков, в частности, иностранной лексики, особенно востребованы в последнее время, в связи с расширением сотрудничества российских и зарубежных специалистов.
Развитие дистанционного образования и возросшие возможности подключения к сети Интернет расширили области внедрения компьютерных систем обучения иностранной терминологической лексике и обусловили повышение спроса на разработку новых информационных обучающих технологий.
При разработке аппарата алгоритмической поддержки компьютерных обучающих технологий проблеме построения модели обучаемого и модификаций ранее известных моделей в настоящее время уделяется значительное внимание. Методической основой данных разработок являются исследования Брусиловского ПЛ., Растригина Л.А, Слипченко В.Г., Харламова А.А. Среди зарубежных исследований необходимо отметить работы А.Борка (A. Bork), Д. Брауна (J.S. Brown), Д. Голдсмита (J. Goldsmith), С. Паперта (S. Papart).
Однако, во многих алгоритмах обучения, реализуемых в компьютерных обучающих системах, не всегда отражены индивидуальность подхода к обучаемому, учет конкретных параметров процессов запоминания и забывания и формирования ассоциативного поля вокруг запоминаемых понятий.
В настоящее время электронные словари существуют в различных формах, и, как правило, являются интерактивными, содержат комплексные структурированные объекты знаний, разнообразные системы классификаций. Но, тем не менее, все они имеют, по крайней мере, один или несколько из следующих недостатков: при их формировании не учитываются ассоциативные связи внутри языка; нет возможности динамической коррекции частотных характеристик лексем; отсутствует распознавание смысловой нагрузки у слов, имеющих одинаковое написание при разном значении.
Очевидно, что правильность составления словарей (выбор терминов) и определение мощностных (частотных) характеристик терминов существенно влияет на эффективность работы алгоритма обучения.
Диссертационное исследование направлено на решение следующих научных проблем: разработать мультилингвистическую модификацию адаптивного "г""""" _. пРупиш, ;гттітііпіітпіті]іп
f ОС НАЦИОНАЛЬНАЯ ЬИБЛВОТИА
4
генерацию ассоциативного поля вокруг запоминаемых понятий и
нейросетевое определение их лексической однородности; разработать
технологию динамического формирования информационно
терминологического базиса (электронных мультилингвистических мощностных словарей)
Наличие указанных факторов в сочетании с возможностью представления ученика как сложного объекта управления дало простор для дальнейшего исследования этой темы и определило ее актуальность.
Объект исследования - адаптивные компьютерные программы учебного назначения, частотные словари лексики.
Предмет исследования - функционирование алгоритмов обучения, технологии компьютерной обработки информации при формировании частотных словарей.
Целью диссертационной работы является разработка комплекса
программно-алгоритмических и информационных средств поддержки
нейросетевой . мультилингвистической системы адаптивного обучения,
самостоятельно формирующей обучающую информацию
(информационно-терминологический, базис, мощностные словари), реализуемой в виде компьютерной системы.
Задачи исследования обусловлены поставленной целью и включают:
формализацию задачи обучения в виде задачи управления сложным объектом;
анализ структуры информационной базы нейросетевой мультилингвистической технологии адаптивного обучения; построение адаптивной модели обучаемого, учитывающей особенности мультилингвистического подхода; - . нейросетевую обработку информации для формирования мощностных словарей терминологической лексики;
нейросетевую модификацию алгоритма обучения, осуществляющую динамическую адаптацию параметров обучаемого с учетом, ассоциативных параметров мультилингвистической модели; программную реализацию и внедрение системы в практику.
Методы исследования. При выполнении работы использовались нейросетевые алгоритмы (нейроподобные элементы, сеть Хопфилда и т.п.) и элементы теории вероятностей.
Научная новизна исследования состоит в следующем: Модифицирован алгоритм адаптивного обучения с учетом параметров мультилингвистической модели на основе генерации ассоциативного поля вокруг запоминаемых понятий.
Разработана нейросетевая технология формирования
мультилингвистического информационно-терминологического базиса с учетом ассоциативных связей слов в пределах одного языка; Реализована возможность динамического анализа информационно -терминологического базиса и коррекции параметров алгоритма при использованием—нейронных сетей из нейроподобных элементов с
ЗЛО*!',,:;.. і
* 1-і у t[i ;
5 временной суммацией входных сигналов.
Значение для теории: теоретически обоснована возможность
применения нейронных сетей из нейроподобных элементов для
формирования мультилингвистического информационно
терминологического базиса системы адаптивного обучения терминологической лексике. Разработан метод анализа лексической однородности лексем различных языков.
Практическая ценность. Разработанная в диссертации нейросетевая мультилингвистическая система адаптивного обучения применена при разработке компьютерных интерактивных средств изучения профессионально-ориентированной иностранной лексики на базе системы "VT 1.1й.
Использование системы позволяет:
интенсивно пополнять иностранный профессионально-
ориентированный словарный запас при использовании
мультилингвистического информационно-терминологического базиса и
нейросетевых ассоциативных параметров мультилингвистической модели
обучения.
формировать информационно-терминологический базис на основе нейросетевой технологии компьютерной обработки информации, повысить эффективность обучения.
Достоверность полученных результатов подтверждается тестированием и оценкой результатов применения разработанной системы в реальных проектах, согласованностью расчетных и экспериментальных данных
Реализация результатов работы.
Основное назначение результатов работы - использование их в учебном процессе. Разработанная автором диссертации компьютерная система обучения принята в опытную эксплуатацию в Красноярском государственном техническом университете (КТТУ) и Красноярском филиале Московского государственного университета экономики, статистики и информатики (МЭСИ).
Положения, выносимые на защиту:
Нейросетевая технология формирования информационно-терминологического базиса мультилингвистической технологии адаптивного обучения учитывает ассоциативные связи внутри каждого из языков и позволяет более адекватно рассчитывать частотные характеристики лексем.
Мультилингвистическая модификация алгоритма адаптивного
обучения ЛАРастригина учитывает генерацию ассоциативного поля
вокруг запоминаемых понятий и нейросетевое определение их
лексической однородности, позволяя эффективно решать задачу
интенсивного накопления иностранного профессионально-
ориентированного словарного запаса.
Использование нейронных сетей из нейроподобных элементов позволяет динамически анализировать мультилингвистический
информационно - терминологический базис и корректировать параметры алгоритма обучения.
Апробация работы. Основные положения и результаты работы прошли всестороннюю апробацию на всероссийских и международных конференциях, научных семинарах и научно-практических конференциях. В том числе:
на XI Международной школе-семинаре «Новые информационные
технологии», Украина, г.' Судак , 2003г.; Работа награждена
дипломом I степени.
на XXXIX-XXXXI Международных научных конференциях
«Студент и научно-технический прогресс», Новосибирск, 2001-
2003г.; Работы награждены дипломами I (2001г.), II (2002г.), и I
(2003 г.) степеней.
на ГХ Международной научно практической конференции
«Современные техника и технологии», Томск, 2003г.; Работа
награждена дипломом III степени.
Диссертационная работа в целом обсуждалась на научных семинарах кафедры информатики Красноярского Государственного Технического Университета в 2001-2004 гг.
Основные результаты исследований были отмечены следующими научными фондами:
Благотворительный фонд поддержки науки и образования
МГИЭМ "Фонд Армейского" (индивидуальные гранты для
молодых ученых, 2003 г.).
Красноярский краевой фонд науки (индивидуальные гранты для
молодых ученых, 2002 г.).
Публикации. Основные результаты диссертационной работы опубликованы в 13 работах автора (3 - статьи), список которых помещен в конце автореферата.
Структура и объем работы. Диссертационная работа состоит из введения (9 стр.), четырех глав (35 стр., 39 стр., 29 стр., 22 стр.), заключения (1 стр.), списка литературы (11 стр., 116 источников) и приложения (8 стр.). Общий объём -154 стр.
Системная архитектура нейросетевой мультилингвистической адаптивно-обучающей технологии
Среди множества факторов, определяющих возможность применения информационной обучающей технологии, важнейшим является наличие специального программного обеспечения, обусловленного разработкой адаптивных алгоритмов обучения. Для определения всего комплекса программных средств, использующихся в обучении, наиболее адекватным является термин «программное обеспечение обучения» [3, 21,25].
Различные сферы применения компьютеров в образовании ориентированы на различные типы программ. Поэтому можно разграничить широкий и узкий смысл понятия «программное обеспечение обучения». В широком смысле «программное обеспечение обучения» включает [12,29]: - программы, позволяющие компьютеризировать организацию учебного процесса (например, базы данных); - программы, используемые для подготовки учебных материалов- (в частности, инструментальные программы); - программы, предназначенные непосредственно для обучения. В узком смысле термин «программное обеспечение обучения» относится только к комплексу программ, обеспечивающих изучение того или иного предмета [12, 29]. Разнообразие терминологии, описывающей такие программы, сопоставимо с разнообразием терминологии, связанной с определением компьютерного обучения в целом.
В зарубежных исследованиях [49,76, 78, 83, 87, 91, 96, 103, 105] для названиях обучающих программ используется множество терминов, от общих - «educational software», «courseware», «educational course», «tutorial» (программное обеспечение, предназначенное для использования в сфере образования / программное обеспечение обучения, обучающая программа / курс) - до акцентирующих содержательные, структурные, технолоіичеекпе особенности программ и комплексность программного обеспечения, такие, например, как «hypermedia courseware», «hypermedia learning system», «computer-aided multimedia interactive learning environment» (гипермедийный курс, гипермедийная обучающая система, компьютерная мультимедийная интерактивная обучающая среда).
В отечественной литературе [3, 8-10, 12, 21, 24, 43, 47, 58, 73] наиболее распространенными являются понятия: «автоматизированный обучающий курс» (АОК), «автоматизированная обучающая система» (АОС), «средства компьютерной поддержки обучения», электронный учебник» и т.д.
Определения программ для; обучения языку включают термины «language learning system», «CALL software package», «CALL system», «dedicated language learning program», «language reference disk», «language workstation» и, соответственно, в отечественной литературе - «компьютерная программа для обучения языку», АОС для изучения языка (отдельных аспектов языка), «компьютерный языковой курс» и т.д.
Необходимо отметить, что в использовании терминов прослеживается та же тенденция, что и в целом в терминологии вычислительной техники, - от понятий, акцентирующих возможности автоматизации обучения в 70-е и 80-е гг. («автоматизированная обучающая система», «обучающий лингвистический автомат»), к современным понятиям, использующим в качестве базовых терминов «компьютер», «компьютерный» («компьютерная обучающая программа», «компьютерная обучающая система»), а также определениям новых технологических возможностей: мультимедийная программа», гипертекстовый учебник» и т.п. Четкого разграничения таких понятий, как «автоматизированный учебный курс» - «компьютерный учебный курс» - «обучающая программа» -«автоматизированная обучающая система» (АОС), не существует. Как правило, АОС - это комплекс программ, который обеспечивает функционирование обучающей программы и позволяет разрабатывать новые курсы. Можно предположить, что «компьютерный учебный курс» или «электронный учебник» посвящены изучению какого-либо законченного курса или обладают большими сервисными возможностями по сравнению с просто «обучающей программой», но в конкретных программах это различие последовательно не реализуется. В большей степени это выражается в названии, данном; авторами своей, программе; кроме того, обучающая программа может включать информационный блок, блоки учебных и контролирующих заданий, систему справочных программ, терминологические словари, а также инструментальные средства, позволяющие варьировать ее языковое содержание [23, 38, 39].
Противопоставление терминов «компьютерный; учебник» и «обучающая программа» представляется искусственным. Истоки такого противопоставления лежат в том, что достаточно долго наиболее распространенными типами обучающих программ были тренировочные и контролирующие программы, которые жестко регламентируют деятельность обучаемого. Эти термины служат для обозначения программных прилукти. специально разработанных для использования в целях обучения -независимо от предмета изучения, объема материала, структуры и других показателей как технического, так и методического планов, - и содержащих систему учебных компьютерных заданий. Именно наличие этой системы отличает компьютерные обучающие программы от разнообразных прикладных программ (редакторов текстов, баз данных, электронных таблиц и т.д.), использующихся в обучении.
Электронные мощностные (частотные) профессионально-ориентированные словари
Целью применения нейросетевой мультилингвистической системы адаптивного обучения является интенсивное: накопление специализированного иностранного словарного запаса- студентов и специалистов, изучающих один или несколько иностранных языков для своих профессиональных целей. Основными компонентами: средств ее поддержки являются электронные мощностные словари, построенные по нейросетевому мультилингвистическому принципу, и компьютерные системы, реализующие алгоритм обучения терминологической лексике [40, 41, 68]. Формирование мощностных словарей проводится с использованием динамических нейронных сетей и последующей нормализацией в соответствии с частотами, используемыми в частотных словарях.
Частотный словарь - это именно та информация, порции которой выдаются ученику. Обучаемый должен быстрее и лучше усвоить те слова и словосочетания, которые чаще всего встречаются в текстах узкой предметной области, т.е. необходимо учитывать частотные свойства текстов. В таблице I приведен пример представления информации в частотном словаре [55]:
В мультилингвистических частотных словарях учитываются частотные свойства многоязычных терминов [81]. Пример фрагмента мультилингвистического словаря по системному анализу можно наблюдать в таблице 2::
Словарь в широком смысле является существеннейшим компонентом модели восприятия речи. При восприятии речи основной оперативной единицей выступает слово. Из этого следует, в частности,. что каждое слово воспринимаемого текста должно быть отождествлено с соответствующей единицей внутреннего словаря слушающего (или читающего). Естественно считать, что уже с самого начала поиск ограничен некоторыми подобластями словаря. Собственно фонетический: анализ звучащего текста в типичном случае дает лишь некоторую частичную информацию о возможном фонологическом облике слова, и такого рода информации отвечает не одно, а определенное множество слов словаря; следовательно, возникает задача (а) выделить соответствующее множество по тем или иным параметрам и (б) в пределах очерченного множества (если оно выделено адекватно) произвести "отсев" всех слов, кроме того единственного, которое и соответствует наилучшим образом данному слову распознаваемого текста. Одна из стратегий "отсева" - исключение низкочастотных слов. Отсюда следует, что словарь для восприятия речи - это частотный словарь. Отчасти по этой причине, когда тождество слова во многом опирается на совпадение формальное, графическое, недостаточно учитывается семантика. В результате оказываются смещенными, искаженными и частотные характеристики; например, если слова из сочетания "друг друга" составитель частотного словаря включает в общую статистику употребления слова "друг", то едва ли это оправданно: учитывая семантику, мы должны признать, что в составе сочетания это уже другие слова, а точнее, что самостоятельной: словарной единицей выступает лишь само по себе сочетание в целом. Именно поэтому предусматривается обучение как четко формализованным лексическим единицам, так и устоявшимся лексемам [45, 46].
При организации электронных частотных словарей, составляющих подготовительную информационную базу нейросетевой мультилингвистической технологии адаптивного обучения преследуются следующие цели: отразить некоторые важные при обучении качественные и количественные аспекты употребительной лексики по системному анализу на английском, немецком и русском языке, полученные в результате статистического анализа и описания текста; способствовать организации усвоения лексики и накоплению словарного запаса по рациональной схеме с помощью компьютерных ; интерактивных средств обучения [69, 77, 79, 80, 90].
В результате проведенного статистического исследования и описания; текстов по системному анализу объемом около 30000 слов был составлен список слов объемом в 2500, адекватность которых была установлена для всех трех языков, а затем: около 2000 слов были включены в мультилингвистический информационно - терминологический базис, являющийся непосредственным компонентом компьютерной системы реализующей технологию. Так как почти все частотные словари одноязычны, что значительно снижает степень активности слова, при определенном значении слова в словарном минимуме, был проведен анализ многоязычных текстов на систематическом уровне. ИТБ организован как англо-немецко русский, однако принцип его построения в виде мультилингвистической базы данных обеспечивает возможность использования его как двуязычного в любом выбранном варианте.
Специфика построения модели обучения
Компьютерные обучающие программы занимают центральное место в программном обеспечении обучения той или иной дисциплине; вид программы, представление процесса обучения и обучающей информации и собственно разработка алгоритма обучения будут определяться спецификой изучаемой дисциплины [63].
В отличие от многих других дисциплин, изучение иностранных языков в большей степени зиждется на свойствах человеческой памяти [11, 19, 36, 58, 65-67,101].
Человеческая память это когнитивный процесс, состоящий в запоминании, сохранении, восстановлении и забывании приобретенного опыта. В наиболее простой форме память реализуется как узнавание ранее воспринимавшихся предметов, в более сложной форма предстает как воспроизведение в представлении предметов, которые не даны в настоящее время в актуальном восприятии. Узнавание и воспроизведение также могут быть произвольными и непроизвольными. Ассоциация — связь между двумя психическими элементами, возникшая в результате опыта и обусловливающая при актуализации одного элемента связи проявление и другого. Для проблемы обучения иностранным языкам могут использоваться как ассоциации по сходству (визуальному и вербальному), так и по смежности в пространстве (терминологические словари). Запоминание - активный процесс, посредством которого происходит селективный отбор поступающей информации для последующего воспроизведения и включение ее в уже существующую систему ассоциативных связей. Для человека характерно то, что развитие его памяти идет прежде всего за счет осмысленной переработки запоминаемой информации [Нечеловеческая , память - один из основных физических процессов, отвечающих за получение знаний. Процессы обучения и научения рассматриваются в разных областях науки: с биологической точки зрения, физиологической, психологической, социальной и т.д. С. точки зрения алгоритмической поддержки информационной обучающей технологии наиболее интересным представляется формально-психологический аспект, поскольку он дает возможность построения математической модели. В психологии под научением понимается процесс, при котором обучаемый овладевает определенной системой знаний и навыков. Физическая и психическая деятельность человека изменяются в это время согласно поставленной цели. Обучение же рассматривается как процесс стимуляции и управления физической и психической деятельностью обучаемого, в результате чего приобретаются необходимые знания и умения [58].
Исследования памяти играют важнейшую роль в проблеме обучения. Впервые такими исследованиями занялись психологи Эббингауз и ТорндаЙк [58]. Они исследовали процессы запоминания и забывания, экспериментируя с бессмысленными слогами. Результатом их работы стало построение так называемой кривой забывания, которую можно наблюдать на Рис. 10. Кривая выражает изменение объема памяти в зависимости от времени, прошедшего после заучивания.
Кривая Эббингауза - это объем памяти как функция времени. Она описывается следующим выражением [58]: где b - это процент удержанного в памяти материала в момент эксперимента (или контроля) либо объем памяти, %; t - время после заучивания материала, час; с и к - константы, полученные методом наименьших квадратов по экспериментальным данным.
Эксперименты Торндайка, связанные с научением путем «проб и ошибок», и опыты И.П. Павлова по выработке и исследованию затухания условных рефлексов у животных подтвердили закон Эббингауза [58].
Аналогичные кривые забывания были получены Радоссавлевичем (1906), Финкенбиндером (1913), Пьероном (1913), Лу (1922) и Бореасом (1930), которые также проводили опыты с бессмысленными слогами [58]. При этом существуют некоторые разногласия в отношении скорости и величины первоначального спада кривой, которые объясняются различиями в условиях эксперимента, запоминаемом материале и индивидуальных особенностях испытуемых. Радоссавлевичем и Бореасом были также построены кривые запоминания стихотворений [58]. Дейвис и Мур (1935) проводили опыты с осмысленным материалом и получили кривую, по форме очень похожую на. кривую Эббингауза [58]. Однако уровень запоминания при заучивании осмысленного материала всегда выше.
Структура компьютерной обучающей системы
Система реализована в среде Borland C++ Builder 5.0. При реализации системы использовалась программа Borland Database Engine для работы с таблицами типа ".dbf\ В программе псевдонимы для баз данных не создаются, и подключение таблиц осуществляется напрямую.
Программа включает следующие четырнадцать форм: Forml- главная форма, содержит главное меню и кнопки вызова других форм. На этой форме происходит обучение и тестирование. Form2 - форма выбора пользователя; Form3 - форма выбора словаря; Form4 - форма для ввода имени пользователя; Form5 - вспомогательная форма, содержит списки, необходимые для работы с пользователем (список пользователей, список словарей пользователя, порядок языков), а также списки слов (порция ОИ, варианты перевода) и атрибуты тестирования (список ответов, параметры обучения). На этой же форме находятся элементы типа ТТаЫе и TQuery для связи с таблицами на диске и создания SQL-запросов; Form6 - форма выбора языка; AboutBox - содержит сведения о программе и разработчике; Form8 - заставка, появляется при запуске программы; Form9 - содержит список правильных ответов; Form 10 - содержит максимальный размер порции обучающей информации; Forml 1 - содержит норму знаний, дату для определения нормы знаний, а также дату для определения степени знаний. Эта дата используется для определения степени знаний при нажатии кнопки, а при обучении для определения степени знаний используется первая дата. Form 12 - содержит календарь для определения даты. Forml3 - содержит модуль настройки, ДАЗУ, модуль вызова частотных характеристик ИТБ. Forml4 - содержит модуль вызова подструктур ДАЗУ, модуль коррекции флективных или корневых морфем экспертом. При создании нового пользователя у него нет активного словаря. При загрузке нового словаря файлы обучения обновляются и при обучении используются только два первых языка в списке. Значение МО - максимальный размер порции ОИ по умолчанию равен 10. Для определения степени знаний по умолчанию берется текущая дата. Норма знаний по умолчанию равна 0,99 или: 99%. При изменении изучаемого или родного языков, а также любого из вспомогательных: языков обучения каждый раз происходит обновление файлов обучения.
При загрузке пользователя происходит проверка наличия у него активного словаря. Если есть активный словарь, то параметры обучения загружаются в списки LearnOpts и Work на элементе Form5.- Так как в списке с параметрами, представляющими собой числа, работать неудобно, то параметры преобразуются и помещаются в переменные или их значения становятся атрибутами элементов других форм.
При обучении для определения степени знаний сначала создается SQL-запрос в таблице "L.dbf на те элементы, у которых количество предъявлений пр отлично от 0. Для этих элементов производится перерасчет вероятностей. Затем в этой же таблице производится SQL-запрос суммы произведений вероятностей на частоты и определяется степень знаний. Если степень знаний превышают норму, то выдается сообщение пользователю. Следующим шагом будет определение размера и состава порции обучающей информации. Для- этого создается SQL-запрос на элементы, причем запрос отсортирован по возрастанию произведения вероятности на частоту. Если номер сеанса; равен 0, то просто выбирается МО последних слов, иначе выбирается такое количество слов, чтобы произведение суммы их вероятностей на среднее время изучения одного элемента не превышало продолжительности предыдущего сеанса обучения. Полученная порция ОИ в виде идентификационных номеров (Id) помещается в список Words на элементе Form5.
После определения порции ОИ она предъявляется пользователю. Для этого создаются SQL-запросы, выбирающие перевод из файла родного языка и языков подсказки. Если: слово предъявляется впервые, количество языков подсказки записывается в файл обучения. Далее на экран выводится один элемент обучающей информации таким образом, чтобы пользователь мог изменять язык подсказки, просматривая все выбранные языки подсказки.
Пользователь имеет возможность перехода к следующему элементу обучающей информации. При этом в списке Time сохраняются дата и время последнего просмотра элемента. После просмотра всех элементов обучающей информации появляется возможность перехода к режиму тестирования с сохранением продолжительности сеанса обучения.
При тестировании слова предъявляются в том порядке, в котором они изучались. Для организации процесса тестирования необходимо 10 элементов типа TRadioButton, чтобы пользователь мог из множества ответов выбрать правильный. Сначала перевод слова на родной язык помещается в один из элементов типа TRadioButton, а затем остальные элементы заполняются другими словами родного языка. При выборе ответа происходит сравнение номера; выбранного элемента с номером, под которым содержится правильный ответ. Если ответ на правильный, то производится поиск подсказки, которая выдается пользователю. Подсказки выдаются до тех пор, пока пользователь не ответит правильно или пока не будут выданы подсказки на всех вспомогательных языках. Если обучаемый так и. не. ответил правильно, данное слово и его правильный перевод помещается в список на форме 9. Результаты тестирования в виде вектора ответов помещаются в список Answ на элементе Form5.
Процесс обработки результатов включает в себя три этапа. На первом этапе производится разбиение списка ответов на классы и подсчет количества элементов каждого класса, а также подсчет суммы ответов X и суммы количества вопросов S.
На втором этапе производится расчет параметров. и /.На. третьем этапе происходит перерасчет параметров ее с учетом вектора ответов и количества языков подсказок. Результаты расчетов, а также время из списка Time записываются в файл обучения. Номер сеанса и количество предъявлений пр для элементов, входящих в порцию ОИ, увеличиваются на единицу.
