Исследование методов управления информационным процессом обучения с использованием адаптации внутри автоматизированной обучающей системы

NovaInfo 63, с.1-9, скачать PDF
Опубликовано
Раздел: Физико-математические науки
Язык: Русский
Просмотров за месяц: 1
CC BY-NC

Аннотация

В данной работе рассматриваются существующие методы управления процессом обучения и возможности внедрения адаптации в сам процесс обучения в автоматизированной обучающей системе для повышения эффективности работы с ней.

Ключевые слова

АДАПТАЦИЯ ПРОЦЕССА ОБУЧЕНИЯ, УПРАВЛЕНИЕ ПРОЦЕССОВ ОБУЧЕНИЯ

Текст научной работы

Введение

Традиционное обучение на сегодняшний день обладает низкой эффективностью, что привело к созданию и развитию автоматизированного обучения, в котором процессом обучения управляет не преподаватель, а автоматизированная обучающая система (АОС). Изначально системы подобного типа работали только по жестко заданному алгоритму. Позднее стали разрабатываться новые методики и АОС, которые их реализовывали и использовали различные механизмы адаптации, индивидуализирующие обучение (такие системы называются интеллектуальными). В основе различных методик и систем обычно лежит применение различных методов искусственного интеллекта. Подобные системы позволяют увеличить эффективность обучения по сравнению с традиционной формой.

Целью данной работы является: повышение эффективности методов управления информационным процессом обучения с использованием адаптации параметров обучения.

Для достижения поставленной цели были решены следующие исследовательские задачи:

  • Проведен анализ и исследование методов управления информационным процессом обучения с использованием адаптации внутри автоматизированной обучающей системы;
  • Составлено математическое описание модели управления информационным процессом обучения с использованием адаптации параметров обучения;
  • Выполнить программную реализацию модели управления информационным процессом обучения с использованием адаптации параметров обучения;
  • Проверить эффективность реализованных алгоритмов модели управления информационным процессом обучения с использованием адаптации параметров обучения.

Постановка задачи

В автоматизированном обучении для управления процессом обучения применяются модели предметной области (учебного материала), модели студентов и модели обучения. Модель предметной области представляет собой набор понятий и связей между ними. Модель обучаемого, как правило, отражает уровень его знаний в текущий момент времени и иногда дополняется некоторыми его личностными характеристиками, влияющими на усвоение им знаний

В начале выполненного исследования были рассмотрены такие методы управления обучения как: методика на основе модели предметной области и модели обучаемого, методика на основе автоматной модели процесса обучения, методика на основе процессной модели обучения.

Каждая из методик обладает своими достоинства и недостатками, для сравнения их эффективности, необходимо их реализовать и оценить степень усвоения знаний студентами.

Далее были рассмотрены методы адаптации процесса обучения. В общем случае можно выделить два класса методов адаптации: адаптация по знаниям студента, обычно выполняется изменение траектории обучения и второй тип — адаптация в соответствии с личными особенностями студентов. Данный тип адаптации встречается в системах довольно редко, чаще встречается описание теоретических аспектов выполнения данного рода адаптации.

Далее были рассмотрены такие автоматизированные обучающие системы как система АОС-Д, Автоматизированная система от компании "Моделирующие системы", SAP Learning Solution (SAP LSO), Learning management system (LMS).

Система АОС-Д является обучающим комплексом, предназначенным для изучения материала и контроля полученных знаний учениками самостоятельно по следующим темам: требования нормативных документов, правильный порядок действий оперативного персонала хозяйства перевозок, в том числе в случае появления нестандартных и аварийных ситуаций в движении поездов и маневровой работе.

Автоматизированный Обучающий Курс (АОК) — это четко структурированная очередность занятий, которая отвечает всем требованиям, предъявляемым к АОС. Занятие является электронным документом, который обеспечивает взаимодействие пользователя с системой. Занятие, с одной стороны, выполняет функцию поддержки интерактивности с пользователем, а с другой — реализует обратную связь с программно-техническим комплексом АОС.

SAP Learning Solution (SAP LSO) является приложением, предназначенным для автоматизации самого процесса обучения, которое включает все необходимые функции для управления корпоративным обучением, начиная от формирования содержимого обучения, задания его плана и бюджета и до получения онечных результатов обучения, которые представляются в виде увеличения уровня знаний в самой компании.

В НИУ ВШЭ используется система обучения Learning Management System (LMS), которая является системой поддержки очного и очно-заочного обучения, которая может применяться всеми участниками данного учебного процесса. В LMS НИУ ВШЭ каждый студент может получить персонифицированную информацию о своем индивидуальном учебном плане, собственной успеваемости (электронная зачетная книжка) и индивидуальном расписании. Все материалы, опубликованные преподавателем на сайтах по изучаемым или уже пройденным дисциплинам, доступны студенту в любое временя.

В результате выполненного анализа можно сделать вывод, что для управления процессов обучения должна быть реализована в системе траектория обучения (адаптация по знаниям) и средства управления выводом информации пользователя (адаптация по личностным особенностям).

В качестве критериев для выполнения сравнительного анализа программных продуктов зададим следующие:

  1. A1 — хранение информацию о разных курсах;
  2. A2 — поддержка различных видов тестовых заданий;
  3. A3 — задание настроек параметров обучения для каждого курса;
  4. A4 — адаптация параметров процесса обучения в процессе работы каждого пользователя;
  5. A5 — реализация модуля управления процессом обучения.

Для вычисления весов критериев применим аналитическую иерархическую процедуру Саати.

Матрица парных сравнений, средние геометрические и веса критериев представлены в таблице 1.

Таблица 1. Матрица парных сравнений, средние геометрические и веса критериев

A1

A2

A3

A4

A5

Среднее геометрическое

Веса критериев

A1

1

3

1/3

1/5

1/7

0,49

0,069

A2

1/3

1

1/3

1/5

1/5

0,34

0,047

A3

3

3

1

1/3

1/5

0,90

0,126

A4

5

5

3

1

1/3

1,90

0,267

A5

7

5

5

3

1

3,50

0,490

Сумма

7,14

1

Диаграмма, отражающая значения весовых коэффициентов для критериев A1, A2, A3, A4, A5 представлена на рис. 1.

Весовые коэффициенты критериев качества
Рисунок 1. Весовые коэффициенты критериев качества

Выполним проверку матрицы попарных сравнений на непротиворечивость.

Суммы столбцов матрицы парных сравнений:

R1=16,3; R2=17; R3=9.67; R4=4.73; R5=1.88.

Путем суммирования произведений сумм столбцов матрицы на весовые коэффициенты альтернатив рассчитывается вспомогательная величина L = 5.34. Индексом согласованности I=\frac{L-N}{N-1}=0.08.

Значение величины случайной согласованности для размерности матрицы парных сравнений: S=1.12.

Отношение согласованности О=\frac{I}{S}=0.075. не превышает 0.2, поэтому уточнение матрицы парных сравнений не требуется.

Выберем категориальную шкалу от 0 до 7 (где 0 — качество не удовлетворительно, 7 — предельно достижимый уровень качества на современном этапе) для функциональных возможностей программных продуктов.

Определим (по введенной шкале) количественные значения функциональных возможностей Xij (таблица 2). Вычислим интегральный показатель качества для каждого программного продукта.

Таблица 2. Интегральные показатели качества

Критерии

Весовые коэф-ты

Программные продукты

Базовые знач-я

АОС-Д

Моделирующие системы

SAP Learning Solution

LMS

a1

0,069

2

2

6

6

4

a2

0,047

2

2

5

4

3,25

a3

0,126

0

0

4

4

2

a4

0,267

0

0

3

3

1,5

a5

0,490

2

2

5

5

3,5

Интегр. показ-ль качества Q

1,892

1,823

2,347

2,473

1,77

где Q_j=\sum a_i\cdot X_{ij} интегральный показатель качества для j-го программного средства.

Построим лепестковую диаграмму интегрального показателя качества каждого программного продукта (рис. 2).

Лепестковая диаграмма интегральных показателей качества программных продуктов
Рисунок 2. Лепестковая диаграмма интегральных показателей качества программных продуктов

Лепестковая диаграмма значений характеристик качества функциональных возможностей (критериев) представлена на рисунке 3.

Лепестковая диаграмма значений функциональных характеристик
Рисунок 3. Лепестковая диаграмма значений функциональных характеристик

На рисунке 4 показана диаграмма верхнего уровня процесса «Управление процессом обучения».

Диаграмма верхнего уровня процесса «Управление процессом обучения»
Рисунок 4. Диаграмма верхнего уровня процесса «Управление процессом обучения»

Входной информацией являются следующие данные: уровень исходных знаний обучающегося для построения индивидуальной траектории обучения, ответы на вопросы тестовых заданий (для коррекции траектории обучения) и цель обучения. Данная входная информация используется на всех этапах процесса обучения.

Выходной информацией в процессе управления процессом обучения являются: результаты тестирования знаний обучающегося и материал для изучения, формируемый на основании траектории обучения.

Исполнителями процесса являются студент, администратор и информационная система (ИС*).

Управление процессом осуществляется на основании математической модели автоматизированной обучающей системы и модели управления процессом обучения.

На рисунке 5 показана детализация процесса «Управление процессом обучения».

Декомпозиция диаграммы А1 «Управление процессом обучения»
Рисунок 5. Декомпозиция диаграммы А1 «Управление процессом обучения»

Управление процессом обучения осуществляется в пять этапов:

  1. Определение уровня исходных знаний обучающегося — на данном этапе обучающийся проходит предварительный контроль знаний с целью выявления уровня его исходных знаний, при этом генерируется тест, охватывающий все темы курса;
  2. Построение траектории обучения — на данном этапе выполняется построение траектории обучения с использованием модели предметной области курса и уровня знаний, диагностированного при входном контроле;
  3. Визуализация материала, введенного заранее — на данном этапе выполняется вывод тем для изучения лекционного материала, исходные файлы лекций которого были введены администратором системы заранее;
  4. Тестирование знаний обучающегося — на данном этапе система отображает студенту перечень вопросов для определения уровня его знаний по изученному материалу;
  5. Сохранение результатов тестирования в БД — на данном этапе выполняется сохранение результатом контроля знаний в БД.

Читайте также

Список литературы

  1. Макушкина Л.А., Лемякина Л.В Разработка автоматизированной системы интернет тестирования школьников с целью родительского контроля посещаемости и успеваемости учеников// Макушкина Л.А., Лемякина Л.В. Вестник магистратуры. 2013. № 5 (20). С. 49-52.
  2. А Макушкина Л.А., Володькина П.Н. Автоматизированная система профессионального отбора и повышения квалификации персонала сети магазинов Добрострой// Макушкина Л.А., Володькина П.Н. Вестник магистратуры. 2013. № 5 (20). С. 53-55.
  3. Рыбанов А., Макушкина Л. Программная модель микропроцессора Intel 8080. Регистры: квантованный учебный текст с заданиями в тестовой форме// Рыбанов А., Макушкина Л. Педагогические измерения. 2014. № 3. С. 70-80.
  4. Рыбанов А.А. Количественные оценки эффективности процесса формирования ответов на тестовые задания при дистанционном тестировании знаний// Качество. Инновации. Образование издательство: Европейский центр по качеству (Москва) Номер: 5 Год: 2006 Страницы: 44-52

Цитировать

Мишина, Н.Е. Исследование методов управления информационным процессом обучения с использованием адаптации внутри автоматизированной обучающей системы / Н.Е. Мишина, Л.А. Макушкина. — Текст : электронный // NovaInfo, 2017. — № 63. — С. 1-9. — URL: https://novainfo.ru/article/12261 (дата обращения: 01.12.2022).

Поделиться