close

Вход

Забыли?

вход по аккаунту

?

Разработка веб-ориентированной интеллектуальной системы представления и проверки знаний на основе концептуальной модели предметной области

код для вставкиСкачать
На правах рукописи
Лазарева Ольга Юрьевна
Разработка веб-ориентированной интеллектуальной системы
представления и проверки знаний на основе концептуальной
модели предметной области
Специальность 05.13.17 — Теоретические основы информатики
(технические науки)
Автореферат
диссертации на соискание ученой степени
кандидата технических наук
Москва — 2015
Работа выполнена в федеральном государственном бюджетном образовательном
учреждении высшего профессионального образования «Московский государственный университет печати имени Ивана Федорова» (МГУП имени Ивана Федорова) на кафедре «Информатика и информационные технологии».
Научный руководитель:
Попов Дмитрий Иванович,
доктор технических наук, профессор,
заведующий кафедрой «Информатика и
информационные технологии» ФГБОУ
ВПО «МГУП имени Ивана Федорова»
Официальные оппоненты:
Строганов Виктор Юрьевич,
доктор технических наук, профессор
кафедры «Системы обработки информации и управления» ФГБОУ ВПО «МГТУ
им. Н.Э. Баумана»
Никонов Вячеслав Викторович,
кандидат технических наук, доцент
кафедры «Автоматизированные системы
управления» ФГБОУ ВПО «МГУИТРЭ
МГУПИ»
Ведущая организация:
ФГБОУ ВПО «Московский автомобильнодорожный государственный технический
университет (МАДИ)»
Защита диссертации состоится «24» декабря 2015 г. в 13:00 на заседании диссертационного совета Д 212.147.03, созданного на базе федерального государственного бюджетного образовательного учреждения высшего профессионального
образования «Московский государственный университет печати имени Ивана
Федорова» по адресу 127550, Москва, ул. Прянишникова, д. 2А.
С диссертацией можно ознакомиться в библиотеке МГУП имени Ивана Федорова и на сайте http://mgup.ru/
Автореферат разослан «___» _________ 2015 г.
Ученый секретарь
диссертационного совета Д 212.147.03
доктор технических наук, профессор
Ю.В. Щербина
3
Общая характеристика работы
Актуальность темы исследования
Активное развитие информационных технологий в последние десятилетия привело к их повсеместному внедрению, в том числе в образовательный
процесс. Постепенно использование различных информационных технологий
при осуществлении образовательной деятельности стало не исключением из
правила, а правилом.
Актуальность исследований обусловлена необходимостью совершенствования электронных обучающих и тестирующих систем, в том числе благодаря использованию интеллектуальных технологий. Введение новых федеральных государственных образовательных стандартов высшего профессионального образования третьего поколения установило новый подход к контролю
знаний учащихся, основанный на понятии «компетенция». Актуальна разработка интеллектуальных обучающих систем, позволяющих оценивать компетенции, полученные учащимися за время обучения в вузе.
Степень разработанности темы исследования
Исследованиями в области электронных обучающих систем занимались
Башмаков А.И., Башмаков И.А., Петрушин В.А., Соловов А.В., Добряков А.А.,
Карпенко А.П., Попов Д.И., Попова Е.Д. и др.
Существенный вклад в изучение интеллектуальных обучающих систем
внесли Атанов Г.А., Пустынникова И.Н., Карбонелл Дж. (США), Брусиловский П.Л. (США), Бурдо Дж. (Канада), Нкамбоу Р. (Канада), Вульф Б.П. (США),
Граессер А.С. (США), Мизогучи Р. (Япония) и др. В их работах рассмотрены
как теоретические, так и практические вопросы разработки интеллектуальных
обучающих систем. Однако предложенные ими системы не позволяют в достаточной мере отразить специфику современной российской высшей школы.
Поставленная научная задача
Целью работы является разработка веб-ориентированной обучающей системы на основе концептуальной модели предметной области, представленной
4
в виде когнитивных карт учебных дисциплин, а также моделей и алгоритмов,
необходимых для функционирования данной системы.
Для достижения поставленной цели в работе были определены следующие задачи исследования:
 Провести анализ существующих электронных обучающих систем, в том
числе интеллектуальных, а также моделей представления знаний в интеллектуальных обучающих системах.
 Разработать для интеллектуальной обучающей системы модель предметной области, включающую понятие «компетенция».
 Разработать на основе модели предметной области нечеткую оверлейную
модель учащегося.
 Разработать алгоритм адаптивного тестирования, учитывающий возможные угадывания правильных ответов учащимся и случайные ошибки.
 Осуществить программную реализацию веб-ориентированной интеллектуальной обучающей системы ЭУЦ-ВУЗ.
Объектом исследования являются веб-ориентированные интеллектуальные обучающие системы и модели представления знаний, используемые в них.
Предметом исследования являются алгоритмы и методы оценки знаний
учащегося на основе когнитивных карт предметных областей учебных дисциплин в веб-ориентированной обучающей системе.
Областью исследований являются веб-ориентированные интеллектуальные обучающие системы. Указанная область соответствует специальности
05.13.17 — Теоретические основы информатики, в частности, п.4 — «Исследование и разработка средств представления знаний. Принципы создания языков представления знаний, в том числе для плохо структурированных предметных областей и слабоструктурированных задач; разработка интегрированных средств представления знаний, средств представления знаний, отражающих динамику процессов, концептуальных и семиотических моделей предметных областей» и п.9 — «Разработка новых интернет-технологий, включая
средства поиска, анализа и фильтрации информации, средства приобретения
5
знаний и создания онтологии, средства интеллектуализации бизнес-процессов».
Решенные научно-практические задачи
Научная новизна работы состоит в следующем:
 Разработана предметно-независимая концептуальная модель предметной
области интеллектуальной обучающей системы, отличающаяся от существующих аналогов тем, что она базируется на понятии «дидактической
единицы» и включает когнитивные карты учебных дисциплин, что позволяет осуществлять интеллектуальную поддержку процесса обучения.
 Разработана нечеткая оверлейная модель учащегося, отличающаяся от существующих аналогов тем, что в её основе лежит разработанная модель
предметной области, что позволяет при оценке освоения дидактических
единиц, учитывать не только их степень освоения, но и важность.
 Разработан алгоритм адаптивного тестирования, отличающийся от аналогов тем, что он учитывает вероятность наличия ошибок при оценке знаний учащихся, что позволяет получить более достоверную оценку.
Практическая ценность работы состоит в следующем:
 разработана веб-ориентированная интеллектуальная обучающая система,
основанная на модели предметной области, базирующейся на понятии
«дидактическая единица», и позволяющая оценивать степень освоения
как каждой отдельной дидактической единицы, так и учебной дисциплины, и компетенций в целом;
 реализован механизм интеллектуального помощника, позволяющий в
случае неуспешного выполнения тестового задания оценить какую дидактическую единицу учащийся не знает, а какие единицы стоит повторить,
прежде чем приступить к изучению данной;
 реализован адаптивный алгоритм, позволяющий менять количество тестовых заданий по тем дидактическим единицам, достоверность оценки
которых вызывает сомнение.
6
Методология и методы исследования
Для достижения поставленных целей и решения задач использовались
теория множеств, нечеткая логика, теория представления знаний, теория графов, а также логика первого порядка (исчисление предикатов).
Степень достоверности результатов исследования
Диссертация имеет четкую структуру, логически раскрывающую тему и
отражающую последовательность решения поставленных задач, обеспечивших
решение поставленной цели исследования. Достоверность и обоснованность
научных результатов и выводов исследования обеспечены обоснованностью
методологических подходов и принципов, использованием комплекса общенаучных и специальных методов исследования, тщательным и подробным анализом достаточного количества библиографических источников. Необходимое
количество публикаций (в том числе в ведущих рецензируемых научных изданиях, рекомендуемых ВАК) с достаточной полнотой отражает содержание работы и позволяет оценить её новизну и практическую значимость.
Реализация результатов исследования
Научные результаты, полученные в работе, доведены до практической реализации и могут представлять интерес для образовательных учреждений. Полученные результаты внедрены в учебный процесс в Институте открытого образования Московского государственного университета печати имени Ивана
Федорова.
Личный вклад соискателя
Основные результаты и положения, выносимые на защиту, получены автором лично.
Апробация работы проведена в виде докладов и обсуждений на двенадцати научных конференциях, в том числе международных: «Системы, методы,
техника и технологии обработки медиаконтента» (Москва, МГУП имени Ивана
Федорова, 2011), «Наука и образование XXI века» (Уфа, БашГУ, 2013), «Информационная среда вуза XXI века» (Петрозаводск, ПетрГУ, 2013), «Мобильные системы обработки медиаконтента» (Москва, МГУП им. Ивана Федорова,
7
2013 и 2014 гг.), «Актуальные проблемы современной науки» (Уфа, 2014),
«Научно-образовательная информационная среда XXI века» (Петрозаводск,
ПетрГУ, 2014); всероссийских и межвузовских: «Научно-образовательная информационная среда XXI века» (Петрозаводск, ПетрГУ, 2015), «Развитие сетевых технологий для создания образовательных кластеров с участием вузов
УМО по образованию в области полиграфии и книжного дела» (Москва, МГУП
имени Ивана Федорова, 2014), «Университетская книга: традиции и современность» (Ростов-на-Дону, ЮФУ, 2015); а также на научных конференциях аспирантов и молодых ученых МГУП имени Ивана Федорова в 2014 и 2015 гг.
Положения, выносимые на защиту:
 концептуальная модель предметной области интеллектуальной обучающей системы на основе понятия «дидактической единицы», включающая
когнитивные карты учебных дисциплин;
 нечеткая оверлейная модель учащегося;
 адаптивный алгоритм тестирования, учитывающий вероятность угадывания правильных ответов учащимся и случайные ошибки.
Публикации
По теме диссертационной работы опубликовано 19 научных работ, в которых отражены основные направления и результаты проведенных исследований, в том числе 3 статьи в ведущих рецензируемых научных изданиях, рекомендованных ВАК.
Объем и структура работы
Структура диссертации включает: введение, 4 главы с выводами по каждой главе, заключение, список сокращений и библиографический список. Текст
диссертации изложен на 139 страницах, содержит 37 рисунков, 14 таблиц и
105 наименований использованной литературы.
Краткое содержание работы
Во введении обоснована актуальность разработки веб-ориентированной
интеллектуальной системы представления и проверки знаний на основе концептуальной модели предметной области, рассмотрены цели и задачи исследования,
8
определены объект, предмет и методы исследования, сформулированы основные
положения, выносимые на защиту, перечислены конференции, на которых проведена апробация основных результатов выполненного исследования.
В первой главе проанализированы работы, посвященные истории возникновения и развития электронных обучающих систем, концепции виртуальных
учебных сред, систем управления обучением, а также интеллектуальных обучающих систем (ИОС). Описаны три периода развития ИОС, тесно связанные с
развитием вычислительной техники и информационных технологий. Также рассмотрены существующие модели представления знаний в ИОС, такие как исчисление предикатов, продукционные модели, семантические сети и фреймовые модели.
Во второй главе обоснована структура ИОС для оценки компетенций
учащихся вузов (рисунок 1), а также модель предметной области и модель
учащегося.
Рисунок 1 — Структура ИОС
Выделены четыре составные части ИОС: модель предметной области, модель учащегося, модуль обучения, а также пользовательский интерфейс, через
который происходит взаимодействие различных групп пользователей (преподаватель, учащийся, администратор) с остальными частями ИОС.
9
Модель предметной области (МПО) содержит концепции, правила, стратегии решения задач. Иногда ее называют когнитивной моделью или моделью знаний экспертов. Модель учащегося и модуль обучения базируется на модели
предметной области. Модуль обучения получает информацию из модели учащегося и модели предметной области, и на основании этой информации принимает
решения об обучающих стратегиях и воздействиях.
МПО в ИОС бывают предметно-ориентированные и предметно-независимые. Предметно-ориентированные модели описывают предметную область конкретной дисциплины, благодаря чему возможен интеллектуальный анализ решений с выявлением ошибок и интерактивная помощь в процессе выполнения заданий. Они позволяют моделировать процесс рассуждения учащегося при решении конкретных задач предметной области.
В отличие от предметно-ориентированных, предметно-независимые ИОС
являются универсальными системами, в которых можно описать предметную область любой дисциплины.
Так как для наиболее эффективного функционирования системы ЭУЦ-ВУЗ
её необходимо использовать в течение всего времени обучения учащегося в вузе,
она должна быть основана на предметно-независимой модели предметной области. Преподаватели должны иметь возможность добавлять любые новые учебные курсы и наполнять их учебным контентом. Однако существующие предметно-независимые ИОС не позволяют оценивать компетенции учащихся, поэтому не соответствуют требованиям ФГОС ВПО третьего поколения. Ввиду
этого актуальна разработка компетентностно-ориентированной модели предметной области.
С целью разработки предметно-независимой ИОС ЭУЦ-ВУЗ описана
МПО, в которой в качестве минимальной структурной единицы учебного материала выступает дидактическая единица (ДЕ), под которой будем понимать логически самостоятельную часть учебного материала, по своему объему и структуре соответствующую таким компонентам содержания как понятие, теория, закон. Разработанная МПО на одном из уровней включает понятие «компетенция».
10
DUE (англ. Didactic Units in Expert model) — множество дидактических
единиц, является основой, на которой базируется предлагаемая модель предметной области. На следующем уровне иерархии расположены лекции, тестовые задания и лабораторные и практические работы, т. е. множество единиц учебного
материала (LU — англ. Learning Units), которые в свою очередь входят в состав
учебных дисциплин (D — англ. Disciplines). Над уровнем учебных дисциплин
расположен уровень компетенций (C — англ. Competences). Множество компетенций входит в верхний уровень профиля обучения (рисунок 2).
П — профиль обучения; К — компетенция; Д — дисциплина; ТЗ — тестовое
задание; ЛР — лабораторная работа; ДЕ — дидактическая единица
Рисунок 2 — Фрагмент графической МПО в ИОС
Предложенная графическая модель предметной области ИОС ЭУЦ-ВУЗ
является иерархической семантической сетью. Можно выделить отношения
«предыдущий — последующий» между ДЕ, так как для понимания многих из
них необходимо знание других ДЕ данной предметной области. Эти отношения
11
задаются экспертами или экспертными группами, в качестве которых могут, в
частном случае, выступать преподаватели.
На рисунке 3, в качестве примера, представлены отношения «предыдущий
— последующий» между восемью дидактическими единицами некоторой предметной области. Для успешного освоения ДЕ2 и ДЕ4, т.е. дидактических единиц
№ 2 и № 4, необходимо предварительно освоить ДЕ1, для успешного освоения
ДЕ3 и ДЕ7, необходимо предварительно освоить ДЕ2 и так далее.
Рисунок 3 — Граф отношений «предыдущий — последующий» между дидактическими единицами предметной области
Модель предметной области в виде семантической сети с отношением
«предыдущий — последующий» становится когнитивной картой, если этим отношениям назначены веса, характеризующие важность знания одного концепта при
изучении другого концепта. Эти веса могут быть определены формальными методами или заданы экспертами. Если в ИОС ЭУЦ-ВУЗ отношениям между ДЕ назначить веса, МПО ИОС станет когнитивной картой.
В системе ЭУЦ-ВУЗ вес каждого отношения (Wn) по умолчанию принимается равным единице, но может быть отредактирован экспертами. Вес должен принимать значение в интервале (0;1]. Вес, равный нулю, исключен из интервала, так
как он означает, что знание одной ДЕ не оказывает влияния на знание другой, поэтому соединять их отношением «предыдущий — последующий» не имеет смысла.
Вес равный единице означает наибольшую степень влияния одной ДЕ на другую.
Зная вес отношений «предыдущий — последующий» между дидактическими
единицами предметной области, для каждой из них можно определить степень важ-
12
ности знания предыдущих ДЕ. Это позволяет осуществлять интеллектуальную поддержку при прохождении учащимся тренировочных тестов, отображая в случае неверного ответа на тестовое задание по конкретной ДЕ, или при неудовлетворительной оценке за лабораторную или практическую работу ссылку на лекцию, которая
восполнит его знания по данной ДЕ, а также связанные с ней ДЕ в порядке убывания степени их важности и ссылки на лекции, их раскрывающие.
Для расчёта степени важности знания предыдущей дидактической единицы
предложена рекурсивная формула, позволяющая отразить опосредованности связи
между данной ДЕ и заданной:
1 ,
 = {
∙ −1 ,

=1
>1
,
(1)
где Dn — степень важности знания предыдущей дидактической единицы; Wn — вес
n-го отношения; n — степень опосредованности связи, то есть количество отношений, обеспечивающих опосредованное отношение «предыдущий — последующий» между ДЕ, принимает значение от 1 до N; N — степень опосредованности
связи между данной ДЕ и заданной. Если связь между дидактическими единицами
прямая, то N = 1 и D1 = W1.
Если существует несколько путей, обеспечивающих конкретное отношение,
как для отношения «ДЕ1 — ДЕ8» в примере выше, за степень важности знания
предыдущей дидактической единицы следует принимать минимальное значение из
рассчитанных для разных путей.
Для вычисления степени важности знания всех предыдущих ДЕ в данной работе использован алгоритм, построенный на основе алгоритма Дейкстры для
нахождения кратчайших расстояний от одной из вершин графа до всех остальных,
выбранный ввиду того, что описанная когнитивная карта не содержит отрицательные веса и циклы.
Поскольку ИОС ЭУЦ-ВУЗ является предметно-независимой, для ее построения выбрана динамическая оверлейная модель знаний учащегося. Ее использование позволяет в каждый момент времени определять, какие единицы знания
успешно освоены учащимся.
13
Модель учащегося в системе ЭУЦ-ВУЗ базируется на МПО. Каждому из
уровней МПО соответствует уровень модели знаний учащегося. Например, на нижнем уровне иерархии в МПО расположено множество дидактических единиц
(DUE). Ему соответствует множество освоенных дидактических единиц модели
знаний учащегося (DUS — англ. Didactic Units in Student model).
Степень освоения ДЕ рассчитывается исходя из того, как учащийся выполнил тестовые задания в контрольных работах, лабораторные и практические работы, связанные с данной ДЕ. Степень освоения данной ДЕ определяется по следующей формуле:
∑=1 
,
(2)
=

где M — степень освоения данной ДЕ; i — номер задания (тестового задания,
практической или лабораторной работы), связанного с данной ДЕ; C — количество заданий для проверки данной ДЕ; qi — результат выполнения i-го задания,
qi ∈ {0;1} (1 — задание успешно выполнено, 0 — задание не выполнено или выполнено не верно).
С учетом того, что учащийся может не полностью знать какую-либо дидактическую единицу, используя теорию нечетких множеств можно записать следующую формулу:
 = {(,  ())| ∈ },
(3)
где DUS — нечеткое множество ДЕ модели знаний учащегося; DUE — множество ДЕ модели предметной области; due — элементы множества DUE;
 () — функция принадлежности (характеристическая функция), указывающая в какой степени (мере) элемент due принадлежит нечеткому множеству
DUS, при этом можно выделить три случая:
1)  () = 1 означает полную принадлежность элемента due к нечеткому множеству DUS ( ∈ ), то есть учащийся полностью освоил
данную дидактическую единицу;
14
2)  () = 0 означает отсутствие принадлежности элемента due к нечеткому множеству DUS ( ∉ ), то есть учащийся вообще не освоил
данную дидактическую единицу;
3) 0 <  () < 1 означает частичную принадлежность элемента due к
нечеткому множеству DUS, то есть учащийся освоил данную дидактическую единицу не полностью.
Функции принадлежности термов «не освоил», «освоил частично»,
«освоил достаточно» и «освоил полностью», используемых для лингвистической
оценки переменной «степень освоения ДЕ», можно построить используя метод
экспертных оценок. Для задачи построения функций принадлежности степени
освоения ДЕ в системе ЭУЦ-ВУЗ применены трапециевидные функции, так как
именно они используются для задания таких свойств множеств, которые характеризуют неопределенность типа: "приблизительно равно", "среднее значение",
"расположен в интервале", которые наиболее точно характеризуют способ задания критериев оценки экспертом.
Анализ когнитивной карты учебной дисциплины делает очевидным тот
факт, что существуют ДЕ, изучаемые обычно в начале учебного курса, без знания которых дальнейшее изучение предмета, то есть освоение последующих ДЕ
невозможно. Такие ДЕ имеют наибольшую значимость при изучении данного
предмета. Поэтому следует учитывать их значимость при выставлении отметки
за освоение ДЕ. Термы «крайне высокая», «высокая», «средняя» и «низкая» используются для лингвистической оценки переменной «степень важности ДЕ».
Определив лингвистическую оценку степени освоения и степени важности ДЕ можно получить оценку учащегося за освоение дидактической единицы
по продукционным правилам, например:
ЕСЛИ СТЕПЕНЬ_ОСВОЕНИЯ_ДЕ = освоил_частично
И ВАЖНОСТЬ_ОСВОЕНИЯ_ДЕ = низкая
{
,
ТО ОЦЕНКА_ЗА_ДЕ = хорошо
(4)
Поскольку база знаний имеет формат «ЕСЛИ x ЕСТЬ А1 И y ЕСТЬ А2,
ТО z ЕСТЬ B1», нечеткий логический вывод выходной переменной реализован по алгоритму Мамдани.
15
В третьей главе разработаны алгоритмы проверки знаний учащихся на
основе когнитивной карты учебного курса.
Описана операторная модель для представления ДЕ в порядке их изучения, которая затем реализована на языке логического программирования
SWI-Prolog. Представление тестовых заданий в том порядке, в котором были
изучены проверяемые ДЕ, заставляет учащегося вспоминать материал последовательно, как если бы он отвечал на вопросы преподавателя.
Для улучшения качества оценки результатов учебных достижений выполнена разработка адаптивного алгоритма тестирования, позволяющего выдавать дополнительные задания по ДЕ, качество оценки которых подвергается сомнению. Возможны два случая, при которых качество оценки ДЕ может подвергаться сомнению:
1) Если при наличии нескольких тестовых заданий по ДЕ, учащийся дает
верные и неверные ответы на эти тестовые задания. В подобном случае
следует задать учащемуся дополнительные задания по данной ДЕ.
2) Если учащийся даёт верный ответ на задание по одной ДЕ, но при этом
ранее давал неверные ответы на задания по ДЕ, знание которой необходимо для понимания первой, можно сделать предположение, что верный ответ он угадал (ошибка первого рода) или дал неверный ответ на
задание по предыдущей ДЕ случайно, например, из-за технической
ошибки (ошибка второго рода). В любом случае, ему следует дополнительно выдать задания на проверку двух этих ДЕ, которые позволят перепроверить знания учащегося по ним.
В диссертационной работе описан метод вычисления вероятности наличия ошибок первого и второго рода, описанных выше в пункте 2. Предлагаемый метод исходит из следующих предпосылок:
1) Не учитываются маскируемые ошибки первого и второго рода.
2) Если по k-ой ДЕ получены все правильные или все неправильные ответы, то вероятность угадывания близка к нулю.
16
3) Наличие правильных и неправильных ответов по заданиям в рамках одной ДЕ означает наличие не нулевой вероятности угадывания или наличия ошибок второго рода.
4) Если по некоторой ДЕ есть половина правильных и половина неправильных ответов, то вероятность угадывания по такой ДЕ наибольшая.
В целом метод прогнозирует количество ошибок первого и второго
рода.
Формула (5) позволяет вычислить коэффициент p (рисунок 4), отражающий вероятность наличия ошибок первого или второго рода:
=1−
||
 + 
,
(5)
где хn — для каждой ДЕ (Dn) количество верных ответов на тестовые задания
по данной ДЕ, yn — для каждой ДЕ (Dn) количество неверных ответов на тестовые задания по данной ДЕ; d = xn – yn — разница между количеством верных и количеством неверных ответов на тестовые задания по данной ДЕ.
Рисунок 4 — График функции коэффициента p
Приведённая формула позволяет корректно оценить вероятность наличия
ошибок первого или второго рода, поскольку если количество правильных ответов стремиться к количеству неправильных, значение p стремится к 1, то есть вероятность ошибки при оценке знаний по данной ДЕ стремится к наибольшей. Если
же количество правильных ответов или количество неправильных стремится к
нулю, значение p также стремится к нулю, то есть вероятность наличия ошибок
первого и второго рода стремится к наименьшему.
17
Разработанный алгоритм позволяет представлять дополнительные задания по ДЕ, качество оценки которых в результате анализа когнитивной карты
и результатов учащихся по всем ДЕ вызывает сомнение, что дает возможность
точнее определять реальные знания учащегося по дидактическим единицам
предметной области и, соответственно, по учебному курсу в целом. На рисунке 5 приведена блок-схема алгоритма адаптивного тестирования с учетом
двух рассмотренных случаев, при которых качество оценки ДЕ может подвергаться сомнению (в данной блок-схеме: Q — количество ДЕ в тесте, R — степень освоения ДЕ, определенная по результатам данного теста).
Сравнение точности оценки знаний учащегося по ДЕ показало, что повышение точности при использовании описанного адаптивного алгоритма может достигать 45%. При этом наибольшее повышение точности происходит
при небольшом минимальном количестве тестовых заданий на проверку одной
ДЕ, что удобно, поскольку количество заданий, которые могут быть составлены по одной ДЕ, в некоторых случаях ограничено.
В четвертой главе описана программная реализация веб-ориентированной ИОС ЭУЦ-ВУЗ, её архитектура и пользовательский интерфейс, а также
приведены технология интеграции языков SWI-Prolog и PHP и механизм визуализации когнитивных карт с использованием JavaScript-библиотеки D3.
Благодаря высокому уровню развития сети Интернет и Всемирной паутины, в последнее время наиболее актуальна разработка веб-ориентированных
ИОС, представляющих собой веб-сайты. Разработка системы ЭУЦ-ВУЗ осуществлялась с использованием следующих языков программирования и разметки, библиотек и систем: HTML, CSS, PHP, JavaScript, SWI-Prolog, XML,
MySQL и D3.js.
Система ЭУЦ-ВУЗ предоставляет преподавателям, учащимся и администраторам разные возможности, поэтому после авторизации пользователя на
стартовой странице веб-сайта происходит его перенаправление в модуль преподавателя, модуль учащегося или модуль администратора соответственно.
Схема взаимодействия пользователей с системой приведена на рисунке 6.
Рисунок 5 — Блок-схема адаптивного алгоритма тестирования
18
Рисунок 6 — Схема взаимодействия пользователей с системой ЭУЦ-ВУЗ
19
20
Учащемуся при работе с системой предоставлена возможность изучать материалы курсов, проходить тестирования, сдавать на проверку лабораторные и
практические работы, просматривать свои результаты и получать поддержку при
прохождении тренировочных тестов.
Администратор регистрирует в системе новых пользователей (преподавателей и учащихся), контролирует успеваемость и активность пользователей в системе, добавляет учебные группы, профили обучения и компетенции.
Преподаватель, в свою очередь, может создавать учебные курсы и наполнять их материалом (лекциями, тестами, лабораторными и практическими работами), создавать дидактические единицы в курсе, связывать их друг с другом и
задавать вес отношения «предыдущий — последующий» между ними, связывать
конкретный материал с дидактическими единицами, управлять когнитивной картой курса с помощью визуального редактора.
Таким образом, разработанная система включает реализует функции систем управления обучением и интеллектуальных обучающих систем.
В заключении представлены основные выводы и результаты работы.
Общие выводы по работе
1. Проведен анализ существующих электронных обучающих систем, в том
числе интеллектуальных, а также моделей представления знаний в интеллектуальных обучающих системах, что позволило выявить проблемы и задачи, требующие решения.
2. Разработана предметно-независимая концептуальная модель предметной
области, базирующаяся на понятии «дидактической единицы» и включающая понятие «компетенция» и когнитивные карты учебных дисциплин, которая позволяет осуществлять интеллектуальную поддержку при проведении тренировочных тестирований учащихся.
3. Разработана на основе модели предметной области нечеткая оверлейная
модель учащегося, позволяющая, при оценке освоения дидактических единиц, учитывать не только их степень освоения, но и важность.
21
4. Разработан алгоритм адаптивного тестирования, учитывающий возможные угадывания правильных ответов учащимся и случайные ошибки, что
позволяет представлять учащемуся дополнительные задания по тем ДЕ,
оценка знаний по которым вызывает сомнение, что приводит к более достоверной оценке знаний учащихся.
5. Реализована работающая версия веб-ориентированной интеллектуальной
обучающей системы ЭУЦ-ВУЗ, совмещающая возможности систем управления обучением и интеллектуальных обучающих систем.
Основные публикации по теме диссертации
В ведущих рецензируемых научных изданиях, рекомендуемых ВАК:
1. Лазарева, О. Ю. Архитектура интеллектуальной обучающей системы для
оценки компетенций учащихся вузов / О. Ю. Лазарева // Известия высших
учебных заведений. Проблемы полиграфии и издательского дела. — М.:
МГУП, 2014. — № 5. — С. 55–64.
2. Попов, Д. И. Нечеткая оверлейная модель учащегося в интеллектуальной
обучающей системе / Д. И. Попов, О. Ю. Лазарева // Научный вестник Московского государственного технического университета гражданской авиации. — М.: МГТУ ГА, 2015. — № 213 (3). — С. 141–148.
3. Попов, Д. И. Модель проверки знаний обучающихся на основе когнитивной карты учебного курса / Д. И. Попов, О. Ю. Лазарева // Известия высших учебных заведений. Проблемы полиграфии и издательского дела. —
М.: МГУП, 2015. — № 3. — С. 88–94.
В других изданиях:
4. Лазарева, О. Ю. Разработка электронного учебника для среды интернет /
О. Ю. Лазарева // Научно-техническая международная молодежная конференция «Системы, методы, техника и технологии обработки медиаконтента»: Сборник тезисов. — М.: МГУП имени Ивана Федорова, 2011. —
С. 64–65.
22
5. Лазарева, О. Ю. Системы электронного обучения / О. Ю. Лазарева // Вестник МГУП имени Ивана Федорова. — 2012. — № 9. — С. 99–106.
6. Лазарева, О. Ю. Интеллектуальные технологии в электронном обучении /
О. Ю. Лазарева // Наука и образование XXI века: сборник статей Международной научно-практической конференции. 31 мая 2013 г.: в 5 ч. Ч.2 /
отв. ред. Р.Г. Юсупов. — Уфа: РИЦ БашГУ, 2013 г. — С. 131–136.
7. Лазарева, О. Ю. Профилирование пользователей в интеллектуальных обучающих системах / О. Ю. Лазарева // Информационная среда вуза XXI
века: материалы VII Международной науч. практ. конф. — Петрозаводск,
2013. — С. 135–137.
8. Лазарева, О. Ю. Электронное обучение: предпосылки возникновения и
перспективы развития / О. Ю. Лазарева // Международная конференция
"Мобильные системы обработки медиаконтента": сборник материалов. —
М.: МГУП им. Ивана Федорова, 2013. — С. 149–151.
9. Лазарева, О. Ю. Предпосылки возникновения и история развития электронных обучающих систем / О. Ю. Лазарева // Вестник МГУП имени
Ивана Федорова. — 2013. — № 9. — С. 76–86.
10. Лазарева, О. Ю. Использование SWI-Prolog в веб-ориентированной интеллектуальной обучающей системе / О. Ю. Лазарева // Актуальные проблемы
современной науки: сборник статей Международной научно-практической
конференции. — Уфа: Аэтерна, 2014. — С. 11–16.
11. Лазарева, О. Ю. Когнитивная карта предметной области в интеллектуальной обучающей системе / О. Ю. Лазарева // Научно-образовательная информационная среда XXI века: материалы VIII Международной науч.практ. конф. — Петрозаводск, 2014. — С. 134–137.
12. Лазарева, О. Ю. Модель предметной области в интеллектуальной обучающей системе / О. Ю. Лазарева // Вестник МГУП имени Ивана Федорова. —
2014. — № 3. — С. 232–326.
13. Лазарева, О. Ю. Использование технологий искусственного интеллекта
для построения обучающей системы / О. Ю. Лазарева, А. Д. Архипова //
23
Международная конференция "Мобильные системы обработки медиаконтента": сборник материалов. — М.: МГУП имени Ивана Федорова, 2015.
— С. 38–40.
14. Лазарева, О. Ю. Визуализация когнитивной карты предметной области в
интеллектуальной обучающей системе / О. Ю. Лазарева, Т. C. Грушина //
Международная конференция "Мобильные системы обработки медиаконтента": сборник материалов. — М.: МГУП имени Ивана Федорова, 2015.
— С. 49–50.
15. Лазарева, О. Ю. Адаптивное тестирование на основе когнитивной карты
учебного курса / О. Ю. Лазарева // Научно-образовательная информационная среда XXI века: материалы IX Всероссийской науч.-практ. конф. —
Петрозаводск, 2015. — С. 125–128.
16. Лазарева, О. Ю. Выбор библиотеки для разработки веб-сервиса визуализации когнитивной карты / О. Ю. Лазарева, Т. С. Грушина // Вестник МГУП
имени Ивана Федорова. — 2015. — №1. — С. 116–122.
17. Лазарева, О. Ю. Разработка веб-сервиса визуализации когнитивной карты
предметной области для использования в интеллектуальной обучающей
системе / О. Ю. Лазарева, Т. С. Грушина // Вестник МГУП имени Ивана
Федорова. — 2015. — №1. — С. 123–129.
18. Лазарева, О. Ю. Сетевые и интеллектуальные технологии в электронном
образовании / О. Ю. Лазарева // Межвузовская научно-методическая конференция научно-педагогических работников МГУП имени Ивана Федорова и вузов — членов УМО по образованию в области полиграфии и
книжного дела: сб. тезисов. — М.: МГУП имени Ивана Федорова, 2015. —
С. 42–43.
19. Лазарева, О. Ю. Интеллектуальные обучающие системы как один из видов
электронных обучающих изданий / О. Ю. Лазарева // Университетская
книга: традиции и современность : материалы научно-практической конференции. — Ростов-на-Дону: Издательство Южного федерального университета, 2015. — С. 93-96.
24
Список сокращений
Д — дисциплина
ДЕ — дидактическая единица
ИОС — интеллектуальная обучающая система
К — компетенция
ЛР — лабораторная работа
МПЗ — модель представления знаний
МПО — модель предметной области
П — профиль обучения
ТЗ — тестовое задание
ФГОС ВПО — федеральный государственный образовательный стандарт
высшего профессионального образования
ЭУЦ-ВУЗ — Электронный учебный центр — вуз
Отзывы на автореферат в двух экземплярах, с указанием фамилии,
имени, отчества, почтового адреса, адреса электронной почты, наименования организации и должности, подписанные и заверенные печатью, просим
направлять по адресу:
127550, г. Москва, ул. Прянишникова, д. 2А, МГУП им. Ивана Федорова,
диссертационный совет Д 212.147.03.
1/--страниц
Пожаловаться на содержимое документа