автореферат диссертации по документальной информации, 05.25.05, диссертация на тему:Аналитические и процедурные модели в интеллектуальной информационной системе адаптивного структурирования образовательного контента

На правах рукописи

Живенков Александр Николаевич

АНАЛИТИЧЕСКИЕ И ПРОЦЕДУРНЫЕ МОДЕЛИ В ИНТЕЛЛЕКТУАЛЬНОЙ ИНФОРМАЦИОННОЙ СИСТЕМЕ АДАПТИВНОГО СТРУКТУРИРОВАНИЯ ОБРАЗОВАТЕЛЬНОГО КОНТЕНТА

Специальность 05.25.05 - Информационные системы и процессы

(технические науки)

АВТОРЕФЕРАТ

диссертации на соискание учёной степени кандидата технических наук

9 ИЮН 2011

Тамбов 2011

4849670

Диссертационная работа выполнена на кафедре «Информационные системы и защита информации» Государственного образовательного учреждения высшего профессионального образования «Тамбовский государственный технический университет» (ГОУ ВПО ТГТУ).

Научный руководитель

кандидат технических наук, доцент Иванова Ольга Геннадьевна

Официальные оппоненты:

доктор технических наук, профессор Зайцев Александр Владимирович,

кандидат технических наук, доцент Саев Владимир Николаевич

Ведущая организация

ГОУ «Военный авиационный инженерный университет», г. Воронеж

Защита диссертации состоится 22 июня 2011 г. в 12 часов на заседании диссертационного совета Д 212.260.05 ГОУ ВПО ТГТУ по адресу: 392000, г. Тамбов, ул. Советская, д. 106, Большой актовый зал.

Отзыв в двух экземплярах, заверенных гербовой печатью, просим направлять по адресу: 392000, г. Тамбов, ул. Советская, д. 106, ГОУ ВПО ТГТУ, учёному секретарю диссертационного совета Д 212.260.05 З.М. Селивановой.

С диссертацией можно ознакомиться в библиотеке ГОУ ВПО ТГТУ. Автореферат диссертации размещён на официальном сайте ГОУ ВПО ТГТУ: «http://www.tstu.ru».

Автореферат разослан 21 мая 2011 г.

Учёный секретарь

диссертационного совета

доктор технических на)«, профессор

З.М. Селиванова

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность исследования. Информационные технологии в образовании играют всё более существенное значение. Современный учебный процесс сложно представить без использования компьютерных учебников, задачников, тренажёров, лабораторных практикумов, справочников, энциклопедий, тестирующих и контролирующих систем. Часто в качестве поддержки очного и заочного, основы дистанционного обучения используются информационные системы образовательного назначения (ИСОН). Однако при этом имеется ряд нерешённых проблем:

— ИСОН являются статическими с заранее заданной неизменной структурой информационных ресурсов;

— ИСОН ориентированы на целевую аудиторию без учёта меняющихся характеристик пользователей;

— отсутствуют эффективные средства адаптации контента в ИСОН, позволяющие сократить сроки и повысить эффективность обучения;

— ИСОН представлены готовыми программными продуктами без возможности гибкой настройки и дополнения желаемыми функциональными возможностями, что снижает степень масштабируемости архитектуры.

Тема разработки ИСОН достаточно подробно была представлена в работах отечественных и зарубежных учёных: А.И. Башмакова, И.В. Роберт, В.И. Громыко, К.К. Колина, A.B. Соловова, А.Я. Соловьева, В.И. Овсянникова, Г.С. Осипова, А.П. Афанасьева, А.Н. Тихонова, А.И. Суббетто, Б.А. Сазонова, Г.А. Атанова, И.Л. Надточего, М. Минского, Д. Гилфорда, Дж. Блума, Р. Аткинсона, В. Чапмана. Данными авторами были рассмотрены основополагающие моменты разработки информационных систем образовательного назначения. В монографиях А.И. Башмакова приводятся примеры решения задачи реализации отдельных интеллектуальных функций. В частности, представлены методы генерации учебно-тренировочных задач на основе текста учебного материала, информации, представленной на искусственных языках. Рассмотренные подходы хороши в плане простоты реализации, однако они исключают возможность адаптивного структурирования образовательного контента для конкретного пользователя. Адаптации к характеристикам пользователей приобретают первостепенную важность.

Актуальность исследования определяется тем, что в условиях интенсивного распространения информационных систем в мировом образовательном пространстве возрастает необходимость разработки интеллектуальной информационной системы образовательного назначения с возможностью адаптации контента.

Цель работы: повышение эффективности использования информационных ресурсов образовательного назначения путём создания интеллектуальной информационной системы адаптивного структурирования контента.

Задачи исследования:

1. Создание аналитической модели структуры образовательного контента.

2. Построение аналитической модели определения характеристик пользователя интеллектуальной информационной системы адаптивного структурирования образовательного контента (ИИС АСОК).

3. Создание процедурной модели адаптивного структурирования информационных ресурсов.

4. Обоснование и предложение интеллектуального ядра ИИС АСОК на основе построенных моделей.

Объектом исследования является интеллектуальная информационная система адаптивного структурирования образовательного контента.

Предметом исследования являются аналитические и процедурные модели ИИС АСОК.

Методы исследования основаны на использовании положений теорий нечётких множеств, графов, искусственных нейронных сетей, алгоритмов, сетей Петри, методов объектно-ориентированного анализа и проектирования, ЦМЬ-моделирования.

Научная новизна работы определяется разработанными моделями, реализуемыми в созданной интеллектуальной информационной системе адаптивного структурирования образовательного контента:

— разработана аналитическая модель структуры образовательного контента, отличающаяся использованием нечётких цветных сетей Петри;

— построена аналитическая модель определения характеристик пользователя ИИС АСОК в виде кортежа лингвистических переменных, отличающаяся использованием нейронных сетей Кохонена;

— создана процедурная модель адаптивного структурирования информационных ресурсов, отличающаяся совместным использованием аналитической модели определения характеристик пользователя ИИС АСОК, логико-лингвистической модели коррекции весовых коэффициентов информационных ресурсов и аналитической модели структуры образовательного контента в виде нечёткой цветной сети Петри;

— синтезировано интеллектуальное ядро ИИС АСОК, основанное на предложенных моделях и использующее ЦМЬ-шаблоны с возможностью документирования и дальнейшего представления в программном коде в независимости от платформы реализации.

Практическая значимость проведённого диссертационного исследования заключается в использовании полученной ИИС АСОК, позволяющей повысить эффективность использования информационных ресурсов образовательного назначения путём повышения индивидуализация, адаптации контента, а также достичь лучших учебных характеристик.

Работа выполнена при поддержке Государственного контракта № П292 в рамках ФЦП «Научные и научно-педагогические кадры инновационной России на 2009 - 2013 годы».

Реализация и внедрение результатов работы. Результаты диссертационного исследования используются: в Тамбовском государственном техническом университете внедрена в учебный процесс ИИС АСОК и используется для обучения студентов специальностей 230201 «Информационные системы и технологии» и 090105 «Комплексное обеспечение информационной безопасности автоматизированных систем» на факультете «Информационные технологии», что дало возможность повысить качество и эффективность учебного процесса; в ОАО «ПИГМЕНТ», г. Тамбов, в отделе АСУ внедрена информационная обучающая система, которая используется для обучения специалистов по курсам, направленным на повышение профессиональных навыков

решения производственных задач; в ООО «Совтех», г. Воронеж, разработан программный комплекс, позволивший повысить эффективность использования информационных ресурсов образовательного назначения; в Межвидовом центре подготовки и боевого применения войск радиоэлектронной борьбы (РЭБ), г. Тамбов, при разработке многоцелевого многопользовательского специализированного тренажёрного комплекса для обучения специалистов РЭБ по различным направлениям подготовки.

Положения, выносимые на защиту:

— аналитическая модель структуры образовательного контента на основе использования нечётких цветных сетей Петри;

— аналитическая модель определения характеристик пользователя ИИС АСОК на основе модели нейронных сетей Кохонена;

— процедурная модель адаптивного структурирования информационных ресурсов;

— интеллектуальное ядро ИИС АСОК на основе построенных моделей.

Апробация работы. Основные результаты работы представлены и обсуждены на международных и Всероссийских научных конференциях «Повышение эффективности средств обработки информации на базе математического моделирования» (IX Всероссийская научно-техническая конференция, г. Тамбов, 2009 г.), «Актуальные проблемы инновационных систем информатизации и безопасности» (Международная научно-практическая конференция, г. Воронеж, 2009 г.), «Теория конфликта и её приложения» (VI Всероссийская научно-техническая конференция, г. Воронеж, 2010 г.), «Технологии электронного обучения в образовательном процессе» (Всероссийский конкурс научно-исследовательских работ, г. Белгород, 2010 г.).

Объём и структура работы. Диссертация, общий объём которой составляет 145 страниц (основной текст - 123 страницы) состоит из введения, трёх глав, заключения, списка использованной научной литературы, включающего 155 наименований научных трудов на русском и иностранном языках и 4 приложения. Диссертация содержит 24 иллюстрации и 6 таблиц.

Публикации. По теме диссертации опубликовано 15 работ, из них 3 статьи в изданиях, рекомендованных ВАК РФ, 2 тезиса докладов на международных и 4 тезиса докладов на Всероссийских и региональных научных конференциях. Получено свидетельство о государственной регистрации программы для ЭВМ. Автор награждён дипломом лауреата Всероссийского конкурса научно-исследовательских работ в области технологий электронного обучения в образовательном процессе в номинации «Разработка про1раммно-го обеспечения организации электронного обучения».

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертации, сформулированы цель и задачи исследования, научная новизна, практическая значимость результатов работы, основные положения, выносимые на защиту, приведён краткий обзор содержания диссертации.

В главе 1 «Анализ существующих информационных систем образовательного назначения» рассмотрены основные понятия информационных систем

образовательного назначения (ИСОН). Проведён обзор применения математического аппарата сетей Петри в моделировании систем, нейронных сетей Кохо-нена в классификации данных, объектно-ориентированного подхода в моделировании систем. Рассмотрены существующие реализации интеллектуальных систем обучения. Определены основные преимущества и недостатки ИСОН.

Анализ последних исследований и публикаций, в которых рассматриваются использования информационных ресурсов образовательного назначения, показал, что совершенствование средств управления в ИСОН связано с объединением современных дидактических требований с достижениями информационных технологий, требует разработки математических моделей и методов для их целостного охвата, исследования и проектирования. Большой вклад в эту область внесли учёные М.З. Згуровский, В.И. Гриценко, С.П. Кудрявцева, А.Ф. Манако, Г.А. Атанов, A.A. Тимченко. Проблема поиска более прогрессивных математических методов анализа и проектирования ИСОН, как сложных систем, постоянно актуальна.

1. Анализ существующих информационных систем образовательного назначения

Показатель, относительные единицы, шкала [0, 1]

Информационная система образовательного назначения Функциональность Надёжность Стабильность Стоимость Средства разработки контента Поддержка SCORM Система проверки знаний Удобство использования Модульность Обеспечение доступа шшшш 1111 а в Ipll Е œ ss:gss»:!ä

Blackboard 1 0,9 0,9 0,9 1 1 1 1 0 1 0

e-College 0,8 0,9 0,8 0,8 0,9 1 1 0,6 0 1 ¡И!

Dazzler 0,3 1 1 0,5 0,7 1 0,7 0,7 0 0,8 ¡¡ill

HyperStudio 0,2 0,7 0,8 0,1 0,8 0 0,8 0,8 0 0,1 o.i

NeoBook 0,3 0,8 0,8 0,1 0,5 0 0,1 0,9 0 0 0

Professional

Everest од 0,2 0,3 0,6 0,6 0 0,2 0,2 0 1 0

Quest 0,4 0,6 0,5 0,7 0,9 0 1 од 1 1 WM

Seminar 0,1 0,1 0,3 0,5 0,5 1 0,8 1 1 1 0,1

ToolBook 0,3 0,2 0,1 0,9 0,7 1 0,3 0,9 0 1 0

Assistant

Moodle 1 1 1 0,1 1 1 1 1 1 1 ill!

Docent 0,6 0,8 0,7 0,9 1 0 1 1 0 1 liai

Saba 1 1 1 0,9 0,5 0 1 1 0 1 0

Aspen 1 0,9 0,9 0,9 0,6 0 0,9 0,3 0 1 Hill

e-Lerning 1 1 1 0,8 1 1 1 1 0 1 0

ATutor 0,8 0,7 0,7 0,1 1 0 0,8 0,1 1 0,8 Hill

Дельфин 1 0,7 0,6 0,1 0,6 0 0,5 0,6 1 0,7 iliii

Пегас 1 1 1 0,3 1 1 1 1 1 1 0

В настоящее время разработано и постоянно совершенствуется большое количество ИСОН. Можно отметить такие системы как Blackboard, e-College, Dazzler, HyperStudio, Seminar, e-Leaming Server компании ГиперМетод, ATutor, Дельфин, Пегас. По функциональным возможностям системы схожи. Они позволяют создавать информационные ресурсы образовательного назначения, создавать обучающие курсы, выполнять администрирование. В таблице 1 приведено сравнение наиболее распространённых ИСОН. Выделен перечень показателей, позволяющих в полной мере оценить существующие реализации ИСОН. Значение показателей варьируется от 0 (означает отсутствие данного показателя) до 1 (означает полное соответствие показателю).

Анализ существующих ИСОН показал, что наименее исследованными являются вопросы адаптации образовательного контента. Среди проанализированных систем обучения наилучшей платформой для решения поставленных в исследовании задач является LMS Moodle. Тот факт, что система распространяется под лицензией GNU GPL, т.е. является программным обеспечением с открытыми исходными кодами, позволяет на её основе построить собственную систему с требуемыми функциональными возможностями:

— контролировать выполнение заданий;

— формировать индивидуальные наборы учебно-тренировочных задач;

— адаптировать структуру информационных ресурсов в соответствии с характеристиками пользователей.

В главе 2 «Технология адаптивного структурирования образовательного контента» рассматриваются вопросы создания аналитических и процедурных моделей интеллектуальной информационной системы адаптивного структурирования образовательного контента.

Образовательный контент представляет собой набор информационных ресурсов, представленных в виде: текстовых страниц, веб-страниц, ссылок на файлы, тестовых заданий, вопросов.

Сети Петри используются для анализа структуры динамических дискретных моделей сложных систем и логико-временных особенностей процессов и функционирования. Структурно они представляют собой граф специального вида с правилами, которые определяют динамику процесса их функционирования. Обобщённая маркированная сеть Петри - это упорядоченная пятёрка

S = (P,T,D,Q,M0), (1)

где Р — {р\, Рг, ■■■,ра) - множество позиций; Т = {/¡, t2,..., tb} - множество переходов; а, Ь - количество позиций и переходов соответственно; D - входная функция переходов, являющаяся отображением, D:PxT—> —> N0(N0 ={0,1, 2, 3,...}); Q - выходная функция переходов, являющаяся

отображением, Q:TxP —>N0; М0 = (m°,..., - вектор начальной маркировки сети Петри, при этом m° е N0 (Vi е {1, 2,..., а}) и mf - компонент вектора начальной маркировки сети Петри, соответствующий позиции p¡e Р.

В связи с этим образовательный контент, состоящий из набора информационных ресурсов, удобно представить в виде модели сети Петри, где каждый информационный ресурс будет соответствовать позиции сети Петри, а работа внутренних приложений информационной системы будет представлена переходами.

Вводится в рассмотрение множество «присутствие информационного ресурса» и его нечёткие подмножества: «присутствует полностью», «присутствует возможно», «присутствует мало». Принадлежность информационного ресурса к каждому из нечётких подмножеств будем определять, исходя из весового коэффициента информационного ресурса , который вначале будет определён экспертом, а в процессе работы пользователей с ИИС АСОК будет корректироваться. На рисунке 1 изображены функции принадлежности нечёткого наличия информационного ресурса в структуре контента в зависимости от весового коэффициента.

Набор позиций для каждого пользователя индивидуален и будет определяться значением функции принадлежности информационного ресурса к множествам «присутствует полностью», «присутствует возможно», «присутствует мало». Информационные ресурсы, у которых значение функции принадлежности к нечёткому подмножеству «присутствует полностью» Р-присут.полн(е,) > 0,5 , будут присутствовать в структуре контента и будут отображены в модели сети Петри. Остальные информационные ресурсы будут присутствовать в модели неявно, так как Цприсутполп(е,)е (0; 0,5), что означает

возможное их присутствие в последующих изменениях структуры контента. Модель в виде сети Петри, отражающая структуру контента и динамику функционирования ИИС АСОК, обладает нечёткостью в структуре, поскольку набор позиций и переходов с течением времени меняется, и степень наличия переходов и позиций в структуре курса обучения в каждый момент времени для конкретного пользователя будет различной. В описании структуры модели сети Петри используется лингвистическая переменная «присутствие», которая может принимать следующие значения: «полностью», «возможно»,

В определении сети Петри часто выделяют первые четыре компоненты, которые задают её структуру: в = (Р,Т,0,в). Данная структура б будет определять набор информационных ресурсов для пользователя. В этом случае сеть Петри может быть записана в виде

Б = (С,М0). (2)

В связи с тем, что возникает неопределённость в описании структуры контента, обусловленная различными индивидуальными

«мало».

"Присутствие

мало д возможно

Рис. 1. Функции принадлежности информационных ресурсов

характеристиками пользователей и соответственно различными наборами информационных ресурсов, аналитическую модель структуры образовательного контента представим нечёткой цветной сетью Петри, которая определяется следующим образом:

S = {G,M0,C,Z,^), (3)

где G — (Р, Т, D, Q) - нечёткая структура временной сети Петри, аналогичная структуре обобщённой маркированной сети Петри; М0 =(тд,- вектор начальной маркировки сети Петри, N0(\/le {1,2,..., а}); С- функция цвета; Z =(z1,..., za) - вектор временных задержек маркеров в позициях, z,eW0(Vie{l, 2,..., а}); т = (Х[.....хь) - вектор времён срабатывания разрешённых переходов, xfe JV0(Vie {1, 2,..., ¿}); N0 - множество натуральных чисел; a, b — количество позиций и переходов соответственно; — совокупность правил, определяющих процесс запуска и функционирования, которые включают в себя условия активности и срабатывания переходов, доступности маркеров в позициях, изменения начальной и последующих маркировок.

Рассмотрим случай, когда разрешённые переходы осуществляются мгновенно, т.е. будем полагать Z- 0, т = 0. В этом случаи нечёткая временная сеть Петри данного типа будет конкретизироваться нечёткой сетью Петри (НСП)

S=<G, М„, С, 9î>. (4)

На рисунке 2 представлена структурная модель ИИС АСОК в виде цветной НСП. Маркер в позицияхрЮ, рП -р2\, р24 отображает запросы к ИИС АСОК.

Допустимые в сети цвета определены следующим образом (ID,Req), (ID, Data):

ID = (Id_group, Idjiser, Id_req, Full, Id_app, Id_course, UL_Array, UTZ_Array), где

Id_group - целое неотрицательное число, определяющее принадлежность пользователя к группе;

Id_user - целое неотрицательное число, определяющее идентификатор пользователя;

Id_req - целое неотрицательное число, идентификатор запроса к ИИС АСОК;

Full - логический тип с набором значений {true, false}, отвечающий за полноту заполнения формы запроса к ИИС АСОК;

Id_app - целое неотрицательное число, определяющее внутренние приложения ИИС АСОК;

Id_course - целое неотрицательное число, определяющее идентификатор учебного курса;

UL_Array — массив пар (IDJJL, Fp), определяющих наличие или отсутствие позиций в структуре сети Петри, которым соответствуют информационные ресурсы в структуре контента;

UTZ_Array - массив пар (IDJUTZ, Fii), определяющих наличие или отсутствие позиций в структуре сети Петри, которым соответствуют учебно-тренировочные задачи;

Req = list of (key, value), где key — строкового типа; value - строкового типа;

Data = list of (key, value), где key - строкового типа; value - двоичный набор данных.

Функция цвета позволяет математически описать параметры маркера, который полностью соответствует данным пользователя.

Описано решение задачи построения оптимального набора информационных ресурсов на основе аналитической модели структуры образовательного контента в виде сети Петри и аналитической модели определения характеристик пользователя. Введём условные обозначения для описания характеристик пользователя: Znanie - требуемая оценка уровня знаний пользователя, Umenie - требуемая оценка уровня умений. Характеристики пользователя представим моделью: Model_user = {Znaniek, Umeniel ;к — \,у, l = l,L}, где Znaniek,Umeniel - лингвистические переменные, которым соответствуют оценки успеваемости знаний и умений соответственно; y,L - количество лингвистических переменных.

L

та/' „Г Г »J!. t>\ whj «Ч i

T

sk hi ^vftis

Подсистема тестирования

Нейросетеаая модель определения характеристик пользователя

! (к

Подсистема адаптации образовательного

р

|<—I-f^) (Ja) контента

й

Выход

Рис. 2. Структурная модель ИИС АСОК в виде нечёткой цветной сети Петри 8

При первом прохождении пользователем промежуточного контроля набор информационных ресурсов формируется, исходя из опыта эксперта, и является статическим. Предлагается использовать следующую процедурную модель адаптивного структурирования информационных ресурсов на текущий момент работы пользователя с ИС, состоящую из следующей последовательности шагов:

1. Задать требуемые значения оценок успеваемости пользователя.

2. Построить модель характеристик пользователя после промежуточного контроля Model _user.

3. Если значения параметров модели характеристик пользователя не равны требуемым, то перейти к пункту 4, иначе перейти к пункту 10.

4. Выбрать информационные ресурсы U, связанные с промежуточным контролем.

5. Произвести корректировку весовых коэффициентов е,- на основании построенной модели Model_user и логико-лингвистической модели коррекции весов.

6. Занести в вектор Р информационные ресурсы, у которых

^присутполыС6/) —

7. Добавить к вектору Р набор учебно-тренировочных задач, связанных с промежуточным контролем.

8. Определить степень нечёткого наличия позиций сети Петри, информационные ресурсы значения р.„рисут.„0..ш(е;) >0,5 будут присутствовать в

структуре модели, остальные элементы будут присутствовать неявно.

9. Сформировать адаптированный образовательный контент, состоящий из набора информационных ресурсов, представленных вектором Р, т.е. позициями сети Петри, и перейти к пункту 2.

10. Закончить работу с системой.

В результате пользователь работает с контентом, состоящим из элементов вектора Р, т.е. позиций сети Петри. Получаем изменённую структуру образовательного контента, построенную в соответствии с характеристиками пользователя, уже с другим набором информационных ресурсов, отличным от первоначального.

Для определения текущих характеристик пользователя служит искусственная нейронная сеть Кохонена. Данная нейросеть имеет один входной слой с числом нейронов, равным числу ответов от подсистемы тестирования и единственный скрытый (выходной) слой нейронов, образующий одномерную (линия) или двухмерную решётку, когда нейроны расположены на плоскости. Размер этой решётки будет определён количеством лингвистических переменных и их термов, которые выделил эксперт. Таким образом, будет определено количество нейронов по ширине и количество нейронов по высоте. Нейронные сети Кохонена относятся к классу искусственных нейронных сетей обучаемых «без учителя». Перед данной нейросетыо ставится цель - выявление закономерностей между входными данными, которые подаются на входы сети.

Рассмотрим случай применения нейронной сети Кохонена для случая входного вектора размерностью т, где т - количество вопросов в промежуточном рубежном контроле знаний. На рисунке 3 представлен увеличенный фрагмент нейронной сети Кохонена, используемой для анализа результатов от подсистемы тестирования (вектор ответов пользователя ИИС АСОК), где введены следующие обозначения:

X = {хи х2, —,хт} - входной вектор ответов пользователя ИИС АСОК

после прохождения рубежного контроля, х, е [0; 1]; 1=1 ,т, х,- =1, если / тестовое задание решено верно, х; = 0, если тестовое задание не решено или решено неверно; х( принимает значения в диапазоне [0; 1], если тестовое задание решено частично (для типа вопросов «множественный выбор»);

0 = {о,,о2,..., 0„} - выходной вектор, соответствующий лингвистическим переменным характеристик пользователя ИИС АСОК (знаний, умений); п - количество термов лингвистической переменной;

/|,/2,..., 1т - входной слой нейронов, который служит лишь точками разветвления и не выполняет никаких действий;

К1,К2,—,К„ - выходной слой нейронов Кохонена, который функционирует в духе «победитель забирает всё», т.е. для данного вектора один и только один нейрон Кохонена выдаёт на выходе логическую единицу, а все остальные выдают 0;

- вес нейронов Кохонена, где г = 1,от; _/' = \,п; (и-и>м>21,..., ауи1) ,{м>12,\*22,..., ™т2),... (и^,и-2я>..., ютя) или ^'-(Щ,^,..., 1Уп) - вектор весов нейронов Кохонена.

Подобно нейронам большинства сетей, выход о; каждого нейрона

Кохонена является просто суммой взвешенных входов. Аналитическая модель определения характеристик пользователя имеет следующий вид:

О] / = 1,от; у=1,и, (5)

[

где Oj - это выход нейрона Кохонена 7" соответствующей лингвистической переменной, или в векторной записи

где ^ - вектор выходов слоя Кохонена.

Входной слойЮ)

Рис. 3. Нейронная сеть Кохонена

Нейрон Кохонена с максимальным значением Oj является «победителем». Его выход равен единице, у остальных он равен нулю. Прежде чем использовать данную нейронную сеть её необходимо обучить. Для обучения нейронной сети Кохонена использовался следующий алгоритм:

1. Задать равновероятные значения весов wtJ, i = 1, т, j = 1, п .

Х-

2. Нормализовать входные значения s't = . ' .

,Jx?+xi+... + x2m w

3. Нормализовать весовые вектора ш'-, = . 4 .

4. Задать погрешность е'.

5. Начало цикла (последовательность коррекции узлов):

а) выбрать один из входных векторов s\. Вектор s\ выбирается случайно из обучающей выборки на итерации t;

б) выбрать нейрон-победитель, чей весовой вектор аз'у наиболее похож

на входной вектор sj. Примечание: под похожестью в данной задаче понимается расстояние между векторами, вычисляемое в евклидовом пространстве:

s' ~ со 'с || = min (||i' - со у ||), где индексом с обозначен нейрон победитель, — вектор весов нейрона-победителя;

в) произвести коррекцию весов сети

ai'ij (г +1) = ш'у (г) + a(s'(/) - ш'- (?)), где а - коэффициент скорости обучения нейронной сети;

г) вычислить погрешность е = (t +1) - (а'у (i)||;

д) co'j (/) = (о¡j (/ +1);

е) пока е > е , перейти в пункт 5.

6. Закончить обучение нейронной сети.

Model _user = {Znanie k,Umenie ¡,k = 1,у, I = 1 ,L) Рис. 4. Определение характеристик пользователя

После обучения нейронная сеть Кохонена служит классификатором поступающих сигналов. Для группы схожих сигналов выдаёт один и тот же результирующий выход. Задачей данной нейронной сети является классифицировать результаты прохождения тестовых заданий к перечню лингвистических переменных, которые представлены на естественном языке (рис. 4).

Изменение весовых коэффициентов осуществляется на основе логико-лингвистической модели коррекции весовых коэффициентов e¡ позиций сети Петри или соответствующим им информационным ресурсам. На вход логико-лингвистической модели поступает кортеж лингвистических переменных

( Znaniek, Umenie¡ \ к = \,у, I = \,L ), Fia выходе - действия по коррекции весовых коэффициентов e¡. Ниже представлен фрагмент логико-лингвистической модели коррекции весовых коэффициентов информационных ресурсов:

Если (Znanie_\ = хорошее) И (JJmenie_ 1 = удовлетворительное), ТО (увеличить вес на 0,2 всех информационных ресурсов Up) И (уменьшить вес на 0,15 всех информационных ресурсов Uq);

Если (ZnanieJZ = хорошее) И (Umenie l = хорошее), ТО (увеличить вес на 0,1 всех информационных ресурсов Ur) И (уменьшить вес на 0,3 всех информационных ресурсов £/,);

•••

Если (Znanie_К = неудовлетворительное) И (Umenie_L = неудовлетворительное), ТО (увеличить вес на 0,5 всех информационных ресурсов U, ) И (уменьшить вес на 0,4 всех информационных ресурсов Í/Д где р, q, г, s,t, у е {1, 2, 3,..., V}, V— количество информационных ресурсов.

Глава 3 «Построение моделей ИИС АСОК с использованием объектно-ориентированного подхода и реализация на базе LMS Moodle» посвящена построению основных UML-диаграмм, отражающих сущность моделируемой системы в различных аспектах и реализации полученных моделей на базе системы организации обучения (LMS - learning management system) Moodle. В качестве платформы была выбрана операционная система Linux, Web-сервер Apache, СУБД MySQL. На рисунке 5 представлена структура разработанной ИИС АСОК.

Определение прецедентов является важным этапом унифицированного процесса проектирования системы. Будут присутствовать следующие основные прецеденты: авторизация, прохождение обучения, прохождение тестирования, формирование контента, обработка результатов тестирования. Прежде чем приступать к проектированию логики работы программного приложения, необходимо исследовать и определить её поведение как поведение «чёрного ящика».

Поведение системы (system behavior) представляет собой описание того, какие действия выполняет система, без определения механизма их реализации. Одной из частей такого описания является диаграмма последовательностей и диаграмма взаимодействия. Анализ диаграммы взаимодействия в ИИС АСОК приводит к диаграмме классов. В отличие от модели предметной области эта диаграмма не иллюстрирует понятие реального мира, а описывает программные классы (рис. 6). На основе диаграммы классов было синтезировано интеллектуальное ядро ИИС АСОК, которое является плагином LMS Moodle.

Пользователь

-qjx>s : Pos_Pëtry

-t. Petty . Perehod Retry

< *-1 ; [

Perehod_Petry Pos._Petry

-ld_perehod. ¡ni -!d_pos : int

♦get. démenti] +weate_Mml{] i +set color,')

-fakt : objeci -rules. object +set ruk>s{) +g€rf..nites()

-type.pnsutsvia : siring;

system user

•ici user ¡Ш

-id group ¡1И

+acd user() ¡Ш

~8nd.user() 1П1

31

u_otôment -ici. .element : int! ■fij'ttfJoaij -ty^ieetfittl : stnfig-

iibrarytlofr

Рис. 5. Структура ИИС АСОК Рис. 6. Диаграмма классов ИИС АСОК

Были построены основные диаграммы, модели прецедентов ИИС АСОК, модели предметной области, диаграмма классов. Использование иМЬ упростило сложный процесс проектирования программного обеспеченья путём создания «чертежа» для построения системы, а так как ИИС АСОК довольно сложная система, то применение ЦМЬ-шаблонов проектирования позволило описать фрагменты проектных решений, которые далее были использованы в процессе разработки.

В качестве примера построения ИИС АСОК рассматривается курс «Информатики» и курс «Основы Web-инжиниpингa». Адаптация заключается в конструировании оптимального для пользователя набора информационных ресурсов. На рисунке 7 представлен пример работы ИИС АСОК и результат работы с системой.

Тест по теме "Искусственный интеллект"

метод оценивания: точная оценка и набор качественных оценок Сумма ваших предыдущих попыток

У вас недостаточные знания по тема «продукционные системы», удовлетворительные знания по тема «Основы машины Тьюринга», плохие умения решать задачи по теме «Машина Тьюринга», хорошие знания по теме «Скелетный язык».

7 Сентябрь 18.2 91 У вас хорошие знания по теме «продукционные

2009, системы», отличные знания по теме «Основы

16:59 машины Тьюринга», отличные умения решать

задачи по теме «Машина Тьюринга», отличные знания по теме «Скелетный язык».

Ваша оценка отлично.

; перейти на главную •

Рис. 7. Пример работы ИИС АСОК

Все действия пользователя протоколируются системой. Анализируя протокол, есть возможность отобразить работу пользователей на основе нечётких сетей Петри (НСП). Так же был разработан плагин на основе рассмотренных выше моделей. Данный плагин позволяет генерировать структуру образовательного контента, состоящую из набора информационных ресурсов и рассчитанную на конкретного пользователя с его характеристиками.

При тестировании ИИС АСОК на группах студентов, одни из которых проходили электронный курс учебной дисциплины по обычной технологии, а другие - с применением разработанной ИИС АСОК, были получены следующие показатели успеваемости, представленные в табл. 2.

2. Показатели успеваемости при использовании ИИС АСОК

Группа Учебный курс (Количество человек, получивших соответствующие оценки) / (% отношение к общему количеству обучаемых в группе) Всего чел. % хороших и отличных оценок

неудовл. удовл. хорошо отлично

СИС11 Информатика 3/14% 9/43% 5/24% 4/19% 21 43%

СИС12 Информатика (ИИС АСОК) 2/8% 3/12% 11/44% 9/36% 25 80%

СИС21 Основы Web-инжиниринга 0/0% 10/48% 5/24% 6/29% 21 57%

СИС22 Основы Web-инжиниринга (ИИС АСОК) 1/5% 2/9% 7/31% 12/55% 22 86%

Результаты этого примера использования ИИС АСОК и других, приведённых в диссертационной работе, позволяют сделать вывод об эффективности ИИС АСОК. Приведем ещё раз таблицу сравнения существующих ИСОН, выделив лучшие реализации и дополнив строкой «Предложенная автором ИИС АСОК» (табл. 3).

3. Сравнение существующих ИСОН с ИИС АСОК

Показатель, относительные единицы, шкала [0, 1]

Информационная система образовательного назначения i Функциональность Надёжность Стабильность Стоимость Средства разработки контента Поддержка SCORM Система проверки знаний Удобство использования Модульность Обеспечение доступа gg зг S S к 23 Н F" 5} и о « й $

Blackboard 1 0,9 0,9 0,1 1 1 1 1 0 1 0

Moodle 1 1 1 1 1 1 1 1 1 1 0

Saba 1 1 1 0,1 0,5 0 1 1 0 1 0

e-Leming 1 1 1 0,2 1 1 1 1 0 1 0

Пегас 1 1 1 0,7 1 1 1 1 1 1 0

Предложенная автором ИИС АСОК 1 1 1 1 1 1 1 1 1 I

В заключении сформулированы основные результаты работы:

• Создана аналитическая модель структуры образовательного контента на основе нечётких цветных сетей Петри, которая позволила описать работу ИИС АСОК и провести анализ структуры информационных ресурсов.

• Построена аналитическая модель определения характеристик пользователя на основе нейронных сетей Кохонена, позволяющая определять текущие характеристики пользователей в виде кортежа лингвистических переменных.

• Создана процедурная модель адаптивного структурирования информационных ресурсов на основе использования аналитической модели определения характеристик пользователя, логико-лингвистической модели коррекции весовых коэффициентов и аналитической структуры образовательного контента, что повысило эффективность использования ИСОН на 29%.

• Синтезировано интеллектуальное ядро ИИС АСОК на основе UML-моделей, описывающих фрагменты проектных решений, что позволило упростить и ускорить процесс создания программного кода, документировать, унифицировать структуру подобных информационных систем.

Таким образом, в работе решена актуальная научная задача повышения эффективности использования информационных ресурсов образовательного назначения путём создания интеллектуальной информационной системы адаптивного структурирования образовательного контента.

СПИСОК ПУБЛИКАЦИЙ ПО ТЕМЕ ДИССЕРТАЦИИ Публикации в изданиях, рекомендованных ВАК РФ

1. Живенков, А.Н. Реализация информационной адаптивной системы обучения на базе LMS Moodle / А.Н. Живенков, О.Г. Иванова // Вестник Воронежского государственного университета. Серия «Системный анализ и информационные технологии». - 2010. - № 2. - С. 88 - 92.

2. Живенков, А.Н. Формирование плагинов LMS Moodle для адаптивного построения структуры курса электронного обучения / А.Н. Живенков, О.Г. Иванова // Научные ведомости БелГУ. Серия «История. Политология. Экономика. Информатика». - 2010. - № 19(90). - С. 150 - 156.

3. Живенков, А.Н. Моделирование информационного процесса организации дистанционного обучения на основе нечётких сетей Петри / А.Н. Живенков, О.Г. Иванова // Вестник Воронежского государственного университета. Серия «Системный анализ и информационные технологии». - 2011. - № 1. -С. 119-124.

Другие публикации

4. Живенков, А.Н. Разработка модели структуры курса обучения в условиях неопределенности / Живенков А.Н. // Вестник Воронежского института высоких технологий. - 2009. - № 5. - С. 123 - 127.

5. Живенков, А.Н. Анализ существующих и пути развития интеллектуальных обучающих курсов / А.Н. Живенков // Информационные системы и процессы : сб. науч. тр. / под ред. проф. В.М. Тютюнника. - Тамбов; М.; СПб.; Баку; Вена: Изд-во «Нобелистика». - 2009. - Вып. 8. - С. 31 - 37.

6. Живенков, А.Н. Алгоритм построения оптимального набора учебно-тренировочных задач при создании обучающего портала / А.Н. Живенков // Межвузовский сб. науч. тр. «Моделирование систем и информационные технологии». - Воронеж, 2010. - Вып. 7. - С. 148 - 152.

7. Живенков, А.Н. Применение объектно-ориентированного подхода при построении моделей на портале дистанционного обучения / А.Н. Живенков // Информационные системы и процессы : сб. науч. тр. / под ред. проф.

B.М. Тютюнника. - Тамбов ; М. ; СПб.; Баку ; Вена : Изд-во «Нобелистика». -2010. -Вып. 10.-С. 45-50.

8. Живенков, А.Н. Моделирование работы подсистемы проверки знаний на информационно-обучающем портале / А.Н. Живенков // Информационные системы и процессы : сб. науч. тр. / под ред. проф. В.М. Тгатюшгика. - Тамбов; М.; СПб.; Баку; Вена: Изд-во «Нобелистика». - 2010. - Вып. 10. - С. 41 - 45.

9. Живенков, А.Н. Формирование плагинов LMS Moodle для адаптивного построения структуры курса электронного обучения / А.Н. Живенков, О.Г. Иванова // Всероссийский конкурс научно-исследовательских работ в области технологий электронного обучения в образовательном процессе (Белгород, 6 октября - 10 октября 2010 г.). - Т. 1. - С. 409 - 415.

10. Живенков, А.Н. Создание процедурной модели формирования оптимального набора учебно-тренировочных задач на основе нечётких сетей Петри / А.Н. Живенков, О.Г. Иванова // Всероссийский конкурс научно-исследовательских работ в области технологий электронного обучения в образовательном процессе (Белгород, 6 октября - 10 октября 2010 г.). - Т. 2. - С. 376 - 3 80.

11. Живенков, А.Н. Моделирование работы информационно-обучающего портала сетями Петри / А.Н. Живенков // IX Всероссийская научно-техническая конференция «Повышение эффективности средств обработки информации на базе математического моделирования». - Тамбов, 2009. - Ч. 2. -

C. 122-125.

12. Живенков, А.Н. Построение модели обучения на основе использования объектно-ориентированного подхода / А.Н. Живенков // Материалы Международной научно-практической конференции «Актуальные проблемы инновационных систем информатизации и безопасности» (Воронеж, 11 марта 2009 г.). - Воронеж : «Научная книга 2009». - С. 461 - 467.

13. Живенков, А.Н. Моделирование работы информационно-обучающего портала сетями Петри // Материалы Международной научно-практической конференции «Актуальные проблемы инновационных систем информатизации и безопасности» (Воронеж, 11 марта 2009 г.). - Воронеж : «Научная книга 2009».-С. 452-461.

14. Живенков, А.Н. Моделирование информационного процесса принятия решения о построении структур курсов электронного обучения в условиях неопределённости / А.Н. Живенков, О.Г. Иванова // Материалы VI Всероссийской научно-технической конференции «Теория конфликта и её приложения» (Воронеж, 11 ноября 2010 г.). - Воронеж, 2010. - Ч. 2,- С. 150 - 154.

15. Свидетельство о государственной регистрации программы для ЭВМ № 2011610178, Российская Федерация. «Мониторинг работы и конструирование контента информационной системы для дистанционного обучения», РК-MKDO / А.Н. Живенков ; заявл. 11.10.10 ; зарегистрировано в реестре программ для ЭВМ 11.01.11.

Подписано в печать 19.05.2011. Формат 60 х 84 /16. 0,93 усл. печ. л. Тираж 100 экз. Заказ № 218.

Издательско-полиграфический центр ГОУ ВПО ТГТУ 392000, Тамбов, ул. Советская, д. 106, к. 14

Введение.

Глава 1. Анализ существующих информационных систем образовательного назначения.

1.1 Потребности и преимущества применения информационных систем в обучении.

1.2 Критерии оценки существующих систем электронного обучения.

1.3 Анализ существующих систем обучения.

1.4 Недостатки существующих информационных систем обучения.

1.5 Моделирование систем математическим аппаратом сетей Петри.

1.6 Применение нейронных сетей Кохонена в классификации данных.

1.7 Объектно-ориентированный подход в моделировании систем.

1.8 Существующие реализации интеллектуальных систем обучения.

Постановка задач исследования.

Глава 2. Технология адаптивного структурирования образовательного контента.

2.1 Применение математического аппарата сетей Петри при моделировании работы интеллектуальной информационной системы адаптивного структурирования образовательного контента.

2.2 Анализ работы интеллектуальной информационной системы адаптивного структурирования образовательного контента на безе нечетких сетей Петри

2.3 Процедурная модель адаптации структур курсов.

2.4 Определение уровня подготовки пользователя на основе нейронных сетей Кохонена.

2.5 Логико-лингвистическая модель коррекции весовых коэффициентов информационных ресурсов.

Выводы.

Глава 3. Построение моделей интеллектуальной информационной системы адаптивного структурирования образовательного контента с использование объектно-ориентированного подхода и реализация на базе ЬМЗ МоосІІе.

3.1 Этапы построения модели предметной области с использованием иМЬ.

3.2 Определение объектов и понятий предметной области.

3.3 Построение модели предметной области на основе UML.

3.4 Построение основных диаграмм: прецедентов, последовательности, взаимодействия.

3.5 Преимущества выбора объектно-ориентированного подхода по сравнению с методами структурного анализа и проектирования.

3.6 Реализация интеллектуальной информационной системы адаптивного структурирования образовательного контента на основе LMS Moodle.

3.7 Создание информационных ресурсов.

3.8 Формирование банка вопросов.

3.9 Анализ результатов тестирования.

3.10 Реализация плагина формирования адаптивного контента и мониторинга активности пользователя на основе сетей Петри.

3.11 Оценка эффективности использования интеллектуальной информационной системы адаптивного структурирования образовательного контента.

Выводы.

Актуальность исследования.

Информационные технологии в образовании играют все более существенное значение [1]. Современный учебный процесс сложно представить без использования компьютерных учебников, задачников, тренажеров, лабораторных практикумов, справочников, энциклопедий, тестирующих и контролирующих систем. Часто в качестве поддержки очного и заочного, в качестве основы дистанционного обучения используются информационные системы образовательного назначения (ИСОН). Назовем основные преимущества ИСОН:

• создание условий для самостоятельной проработки информационных ресурсов (самообразования), позволяющих пользователю выбирать удобные для него место и время работы с ИСОН, а также темп учебного процесса;

• возможность представления и взаимодействия с виртуальными трехмерными образами изучаемых объектов;

• возможность представления в мультимедийной форме уникальных информационных материалов (картин, рукописей, видеофрагментов, звукозаписей и др.);

• возможность автоматизированного контроля и более объективное оценивание характеристик пользователей (знаний и умений);

• возможность автоматической генерации большого числа не повторяющихся заданий для контроля знаний и умений;

• возможности поиска информации в ИСОН и более удобного доступа к ней (гипертекст, гипермедиа, закладки, автоматизированные указатели, поиск по ключевым словам, полнотекстовый поиск и др.);

• создание условий для эффективной реализации прогрессивных психолого-педагогических методик (игровые и состязательные формы обучения, экспериментирование, «погружение» в виртуальную реальность и

ДР-)

Перечисленные достоинства характеризуют ИСОН в дидактическом и функциональном отношениях. К технологическим преимуществам ИСОН относятся:

• повышение оперативности разработки;

• более простое обновление и развитие;

• легкое тиражирование;

• более простое распространение (особенно при использовании Internet [10]).

Однако.при всех преимуществах ИСОН имеется ряд нерешенных проблем:

- ИСОН являются статическими с заранее заданной неизменной структурой информационных ресурсов

- ИСОН ориентированы на целевую аудиторию без учета меняющиеся характеристик пользователей;

- отсутствуют эффективные средства адаптации контента в ИС образовательного назначения, позволяющие сократить сроки и повысить эффективность обучения;

ИСОН образовательного назначения представлены готовыми программными продуктами без возможности гибкой настройки и дополнения желаемыми функциональными возможностями, что снижает степень масштабируемости архитектуры.

Тема разработки ИСОН образовательного назначения достаточно подробно была представлена в работах отечественных и зарубежных ученых: А.И. Башмакова, И.В. Роберт, В.И. Громыко, К.К. Колин, A.B. Соловова, А.Я. Соловьева, В.И. Овсянникова, Г.С. Осипова, А.П. Афанасьева, А.Н. Тихонова, А.И. Суббетто, Б.А. Сазонова, Г.А. Атанова, И.Л. Надточий, М. Минского, Д. Гилфорда, Дж. Блума, Р. Аткинсона, В. Чапмана. Данными авторами были рассмотрены основополагающие моменты разработки информационных систем образовательного назначения. В монографиях А.И.

Башмакова и И.А. Башмакова [11,12,18,35-40,42,46,47,59,107,109] приводятся примеры решения задачи реализации отдельных интеллектуальных функций. В частности представлены методы генерации учебно-тренировочных задач на основе текста учебного материала, информации представленной на искусственных языках. Рассмотренные подходы хороши в плане простоты реализации, однако это исключает возможность адаптивного структурирования образовательного контента для конкретного пользователя. Адаптации к характеристикам пользователей приобретают первостепенную важность.

Актуальность исследования определяется тем, что в условиях интенсивного распространения информационных систем в мировом образовательном пространстве возрастает необходимость разработки интеллектуальной информационной системы образовательного назначения с возможностью адаптации контента.

Цель работы: повышение эффективности использования информационных ресурсов образовательного назначения путём создания интеллектуальной информационной системы адаптивного структурирования контента.

Задачи исследования:

1. Создание аналитической модели структуры образовательного контента.

2. Построение аналитической модели определения характеристик пользователя интеллектуальной информационной системы адаптивного структурирования образовательного контента (ИИС АСОК).

3. Создание процедурной модели адаптивного структурирования информационных ресурсов.

4. Обоснование и предложение интеллектуального ядра ИИС АСОК на основе построенных моделей.

Объектом исследования является интеллектуальная информационная система адаптивного структурирования образовательного контента.

Предметом исследования являются аналитические и процедурные модели ИИС АСОК.

Методы исследования основаны на использовании положений теорий нечётких множеств, графов, искусственных нейронных сетей, алгоритмов, сетей Петри, методов объектно-ориентированного анализа и проектирования, иМЬ-моделирования.

Научная новизна работы определяется разработанными моделями, реализуемыми в созданной* интеллектуальной информационной системе адаптивного структурирования образовательного контента:

-разработана аналитическая модель структуры образовательного контента, отличающаяся использованием нечётких цветных сетей Петри;

-построена аналитическая модель определения характеристик пользователя ИИС АСОК в виде кортежа лингвистических переменных, отличающаяся использованием нейронных сетей Кохонена;

-создана процедурная модель адаптивного структурирования информационных ресурсов, отличающаяся совместным использованием аналитической модели определения характеристик пользователя ИИС АСОК, логико-лингвистической модели коррекции весовых коэффициентов информационных ресурсов и аналитической модели структуры образовательного контента в виде нечёткой цветной сети Петри;

-синтезировано интеллектуальное ядро ИИС АСОК, основанное на предложенных моделях и использующее иМЬ-шаблоны с возможностью документирования и дальнейшего представления в программном коде в независимости от платформы реализации.

Практическая значимость проведённого диссертационного исследования заключается в использовании полученной ИИС АСОК, позволяющей повысить эффективность использования информационных ресурсов образовательного назначения путём повышения индивидуализации, адаптации контента, а также достичь лучших учебных характеристик.

Работа выполнена при поддержке Государственного контракта № П292 в рамках ФЦП «Научные и научно-педагогические кадры инновационной России на 2009 - 2013 годы».

Реализация и внедрение результатов работы. Результаты диссертационного исследования используются: в Тамбовском государственном техническом университете внедрена в учебный процесс ИИС АСОК и используется для обучения студентов специальностей 230201 «Информационные системы и технологии» и 090105 «Комплексное обеспечение информационной безопасности автоматизированных систем» на факультете «Информационные технологии», что дало возможность повысить качество и эффективность учебного процесса; в ОАО «ПИГМЕНТ», г. Тамбов, в отделе АСУ внедрена информационная обучающая система, которая используется для обучения специалистов по курсам, направленным на повышение профессиональных навыков решения производственных задач; в ООО «Совтех», г. Воронеж, разработан программный комплекс, позволивший повысить эффективность использования информационных ресурсов образовательного назначения; в Межвидовом центре подготовки и боевого применения войск радиоэлектронной борьбы (РЭБ), г. Тамбов, при разработке многоцелевого многопользовательского специализированного тренажёрного комплекса для обучения специалистов РЭБ по различным направлениям подготовки.

Положения, выносимые на защиту:

-аналитическая модель структуры образовательного контента на основе использования нечётких цветных сетей Петри;

-аналитическая модель определения характеристик пользователя ИИС АСОК на основе модели нейронных сетей Кохонена;

-процедурная модель адаптивного структурирования информационных ресурсов;

-интеллектуальное ядро ИИС АСОК на основе построенных моделей.

Апробация работы. Основные результаты работы представлены и обсуждены на международных и Всероссийских научных конференциях «Повышение эффективности средств обработки информации на базе математического моделирования» (IX Всероссийская научно-техническая конференция, г. Тамбов, 2009 г.), «Актуальные проблемы инновационных систем информатизации и безопасности» (Международная научно-практическая конференция, г. Воронеж, 2009 г.), «Теория конфликта и её приложения» (VI Всероссийская научно-техническая конференция, г. Воронеж, 2010 г.), «Технологии электронного обучения в образовательном процессе» (Всероссийский конкурс научно-исследовательских работ,- г. Белгород, 2010 г.).

Публикации. По теме диссертации опубликовано 15 работ, из них 3 статьи в изданиях, рекомендованных ВАК РФ, 2 тезиса докладов на международных и 4 тезиса докладов на Всероссийских и региональных научных конференциях. Получено свидетельство о государственной регистрации программы для ЭВМ. Автор награждён дипломом лауреата Всероссийского конкурса научно-исследовательских работ в области технологий электронного обучения в образовательном процессе в номинации «Разработка программного обеспечения организации электронного обучения».

Во введении обоснована актуальность темы диссертации, сформулированы цель и задачи исследования, научная^ новизна, практическая значимость результатов работы, основные положения, выносимые на защиту, приведён краткий обзор содержания диссертации.

В главе 1 «Анализ существующих информационных систем образовательного назначения» рассмотрены основные понятия информационных систем образовательного назначения (ИСОН). Проведён обзор применения математического аппарата сетей Петри в моделировании систем, нейронных сетей Кохонена в классификации данных, объектно-ориентированного подхода в моделировании систем. Рассмотрены существующие реализации интеллектуальных систем обучения. Определены основные преимущества и недостатки ИСОН.

Анализ последних исследований и публикаций, в которых рассматриваются использования информационных ресурсов образовательного назначения, показал, что совершенствование средств управления в ИСОН связано с объединением современных дидактических требований с достижениями информационных технологий, требует разработки математических моделей и методов для их целостного охвата, исследования и проектирования. Большой вклад в эту область внесли учёные М.З. Згуровский, В.И. Гриценко, С.П. Кудрявцева, А.Ф. Манако, Г.А. Атанов, A.A. Тимченко. Проблема поиска более прогрессивных математических методов анализа и проектирования ИСОН, как сложных систем, постоянно актуальна.

В главе 2 «Технология адаптивного структурирования образовательного контента» рассматриваются вопросы создания аналитических и процедурных моделей интеллектуальной информационной системы адаптивного структурирования образовательного контента.

Образовательный контент, состоящий из набора информационных ресурсов, представлен в виде модели сети Петри, где каждый информационный ресурс соответствует позиции сети Петри, а работа внутренних приложений информационной системы представлена переходами. Описано решение задачи построения оптимального набора информационных ресурсов на основе аналитической модели структуры образовательного контента в виде сети Петри и аналитической модели определения характеристик пользователя.

Для классификации текущего характеристик пользователя служит искусственная нейронная сеть Кохонена.

Изменение весовых коэффициентов осуществляется на основе логико-лингвистической модели коррекции весовых коэффициентов позиций сети Петри или информационных ресурсов.

Глава 3 «Построение моделей ИС АСОК с использование объектно-ориентированного подхода и реализация на базе LMS Moodle» посвящена построению основных UML диаграмм, отражающих сущность моделируемой системы в различных аспектах и реализации полученных моделей на базе системы организации обучения (LMS - learning management system) Moodle. В качестве платформы была выбрана операционная системы Linux, Web-сервер Apache, СУБД MySQL.

В заключении кратко изложены основные результаты диссертационных исследований в виде выводов.

В приложениях приведены акты внедрения результатов исследования.

Объём и структура работы. Диссертация, общий объём которой составляет 145 страниц (основной текст - 123 страницы) состоит из введения, трёх глав, заключения, списка использованной научной литературы, включающего 155 наименований научных трудов на русском и иностранном языках и 4 приложения. Диссертация содержит 24 иллюстрации и 6 таблиц.

Выводы

Рассмотренный подход построения информационной адаптивной системы обучения на базе МоосИе обладает рядом преимуществ перед конкурентными системами и позволяет:

- адаптировать структуру курса обучения, рассчитанную на конкретного пользователя; осуществлять мониторинг прохождения курса обучения пользователями на основе модели в виде НСП;

- проводить дальнейшие исследования в данной области в целях улучшения качества автоматизации компьютерного обучения.

Заключение

Коротко сформулируем основные результаты диссертационного исследования:

• Создана аналитическая модель ИС АСОК на основе нечетких цветных сетей Петри, которая позволила описать работу ИС и провести анализ структуры информационных ресурсов;

• Построена аналитическая модель определения характеристик пользователя на основе нейронных сетей Кохонена, позволяющая определять текущие характеристики пользователей в виде кортежа лингвистических переменных;

• Создана процедурная модель адаптивного структурирования информационных ресурсов на основе использования аналитической модели определения характеристик пользователя, логико-лингвистической модели коррекции весовых коэффициентов и аналитической модели нечетких цветных сетей Петри, что повысило эффективность использования ИСОН на 29%;

• Синтезировано интеллектуальное ядро ИС АСОК на основе ЦМЬ моделей, описывающих фрагменты проектных решений, что позволило упростить и ускорить процесс создания программного кода, документировать, унифицировать структуру подобных информационных систем;

• Создана интеллектуальная информационная система адаптивного структурирования образовательного контента, которая позволила повысить эффективность использования информационных ресурсов образовательного назначения.

1. Башмаков, А.И. Разработка компьютерных учебников и обучающих систем. / Башмаков А.И., Башмаков И.А. // М: Информационно-издательский дом «Филинъ», 2003. - 616 с.

2. Advanced distributed learning. Sharable content object reference model (SCORM) 2004 http://www.adlnet.org

3. Виштак, O.B. Новые информационные технологий при решении проблем учебного процесса в вузе. / О.В. Виштак, Р.В. Ефремов. // Сборник научных трудов Образование и наука в 3 м тысячелетии. Алтайский ГУ, 2004, С. 102-106.

4. Живенков А.Н. Формирование плагинов LMS Moodle для адаптивного построения структуры курса электронного обучения / А.Н. Живенков, О.Г. Иванова // Научные ведомости БелГУ. Серия «История. Политология. Экономика. Информатика.» 2010. -№19(90) - С. 150-156

5. Марченко, Е.К. Электронная библиотека как системообразующий модуль системы дистанционного образования. / Марченко Е.К. // Институт информатизации образования РФ, Журнал «Открытое образование», №2, 1998. С. 68-72.

6. Гребнев, А.Н. AtLeap — база для ИС научных коммуникаций в высшей школе. / Гребнев А.Н. // Материалы конференции «Свободное программное обеспечение в высшей школе», Университет г. Переславля им. А.К. Айламазяна, 2006. С. 106-112.

7. Arrington, СТ. Enterprise Java with UML. / Arrington, CT // Willey Computer Publishing, 2001.

8. Гущин, О.П. Применение современных аппаратно-программных комплексов в образовательном процессе. / Гущин О.П. // Институт информатизации образования РФ, Журнал «Открытое образование», №1, 2007. С. 21-24.

9. Образование и XXI век: Информационные и коммуникационные технологии. М.: Наука, 1999. 191 с.

10. Гейтс, Б. Бизнес со скоростью мысли. / Гейтс Б., Хемингуэй К. // М.: ЭКСМО-Пресс, 2001. 480 с.

11. Башмаков, А.И. Использование новых информационных технологий при подготовке оперативного персонала электростанций на основе целевых моделей деятельности обучаемых. / Башмаков А.И., Башмаков И.А., Соловьев А.И. // Вестник МЭИ. 1995. № 4. С. 21-25.

12. Башмаков, А.И., Методология и средства комплексной автоматизированной подготовки обслуживающего персонала к решению задач технической диагностики/ Башмаков А.И., Башмаков И.А., Бреев.А.Л., Новиков Д. О. //Конверсия. 1995. № 11. С. 19-21.

13. Овсянников, В. И. Вопросы организации обучения без отрыва от основной деятельности (дистанционного образования)./ Овсянников В. И. // М.: МГОПУ, 1999. 50 с.

14. Международная научная конференция «Интеллектуальные технологии и дистанционное обучение на рубеже XXI века»: Тезисы докладов // СПб.: СПбГУАП, 1999.319 с.

15. Тенденции в развитии языка UML и разработки ПО, 2002 URL: http://ratio.co.uk/Wl.html (дата обращения 05.09.2008)

16. Описание UML и шаблонов проектирования, 2007 • URL: http://www.craiglarman.com (дата обращения 03.08.2008)

17. Охотин, В.В. Психолого-педагогическое обеспечение и компьютеризация подготовки персонала энергоблоков/ Охотин В.В., Хозиев В.В. // М.: МЭИ, 1992. 285 с.

18. Шукшунов, В.Е. Тренажерные системы / В.Е. Шукшунов, Ю.А. Бакулов, В.Н. Григоренко и др.// М.: Машиностроение, 1981. 256 с.

19. Осуга, С. Обработка знаний Пер. с япон. \ Осуга С. \\ М.: Мир, 1989. 293 с.

20. Уэно, М. Представление и использование знаний: Пер. с япон. / Под ред. X. Уэно, М. Исидзука.// М.: Мир, 1989. 220 с.

21. Методы и средства кибернетики в управлении учебным процессом высшей школы: Сб. науч. трудов. // Рига: Риж. политехи, ин-т, 1985. Вып. 1. 216 с.

22. Conallen, J Modeling web application architectures with UML. / J. Conallen. // Comm. ACM, 42(10), 1999.

23. Garg, L. A fuzzy Petri net for knowledge represantion and reasoning/ Garg L, Ashon S.I., Gupta P.V. // Inform. Proc. Lett. 1991. - 39. - P. 165 - 171.

24. Любарский, Ю.Я. Интеллектуальные информационные системы. / Любарский Ю.Я. // М.: Наука, 1990. 232 с.

25. Савельев, А.Я. Подготовка информации для автоматизированных обучающих систем: Метод, пособие для преподавателей и студентов вузов / Под ред. А.Я. Савельева.// М.: Высшая школа, 1986. 176 с.

26. Свиридов, А.П. Сетевые модели динамики знаний / Под ред. Ю.Н. Мельникова. // М.: МЭИ, 1992. 88 с.

27. Уотермен, Д. Руководство по экспертным системам: Пер. с англ. / Уотермен Д. // М.: Мир, 1989. 388 с.

28. Попов, Э.В. Статические и динамические экспертные системы / Э.В. Попов, И.Б. Фоминых, Е.Б. Кисель, М.Д. Шапот. М.: Финансы и статистика, 1996.320 с.

29. Разработка и применение экспертно-обучающих систем: Сб. науч. трудов. М.: НИИВШ, 1989. 154 с.

30. Зайцева, Л.В. Разработка и применение автоматизированных обучающих систем на базе ЭВМ. / Зайцева Л.В., Новицкий Л. П., Грибкова В А. // Рига: Зинатне, 1989. 174 с.

31. Самойлов, В.Д. Автоматизация построения тренажеров и обучающих систем / Самойлов В:Д., Березников В.П:, Писаренко А.П., Сметана С.И. // Киев: Наукова думка, 1989. 200 с.

32. Башмаков, И.А. Научно-технические аспекты подготовки и повышения квалификации оперативно-диспетчерского персонала энергосистем / Башмаков H.A., Зуев Э.Н. // Вестник МЭИ. 1996. № 5. С. 57—64.

33. Башмаков, А.И. Компьютерные тренажерные комплексы для профессиональной подготовки и повышения квалификации в области электроэнергетики и технология их разработки / Башмаков А.И., Башмаков И.А. // Проблемы энергетики. 1999. № 1—2. С. 84—91.

34. Белозубов, A.B. Система дистанционного обучения Moodle / Белозубов A.B., Николаев Д.Г. // Учебно-методическое пособие. СПб., 2007. - 108с.

35. Скуратовым, Э.К. Учебно-исследовательские САПР в высшей школе. М., 1991. 40 с. Новые информационные технологии в образовании: Обзор,информ. / Скуратовым Э.К., Соколов А.Г., Усков В.Л., Сафронов A.B., Башмаков И.А., Самсонов О. С.// НИИВО; Вып. 7.

36. Табачный, Е.М. Технико-экономический анализ и обоснование решений при проектировании информационных технологий / Е.М: Табачный, А.Н. Златопольский, Е.И. Калинина: М.: Изд-во МЭИ, 1997. 51 с.

37. Cao, Т. Variable reasoning and analysis about uncertainty with fuzzy Petri nets / Cao T., Sanderson A. // Application and Theory of Petri Nets, M.A. Marsan (ed.). Springer - Verlag, 1993. - P. 126 - 145.

38. Маматов, A.B. Методика применения дистанционных образовательных технологий преподавателями вуза (учебное пособие)/ Маматов A.B., Немцев А.Н., Клепикова А.Г., Штифанов А.И.// Белгород: Изд-во БелГУ. 2006. -161 с.

39. Kohonen, Т. (1989/1997/2001), Self-Organizing Maps, Berlin — New York: Springer-Verlag. First edition 1989, second edition 1997, third extended edition 2001, ISBN 0-387-51387-6, ISBN 3-540-67921-9

40. Kohonen, T. (1988), Learning Vector Quantization, Neural Networks, 1 (suppl 1), 303.

41. Карак, А.Б. Разработка системы диагностирования знаний человека, основанной на использовании нечетких оценок / Карак А.Б.// Международный форум информатизации-98: Доклады международной конференции

42. Информационные средства и технологии». Т. 3. М.: Изд-во «Станкин», 1998. С. 129-134.

43. Свиридов, А.П. Условные и безусловные алгоритмы диагностического контроля подготовки операторов ЭВМ./ Свиридов А.П.// М.: МЭИ, 1987. 68 с.

44. Srinivan, P. Approximate reasoning with fuzzy Petri nets / Srinivan P., Gracarin D.// Proc. IEEE Int. Conf. on Fuzzy Systems. San Francisco, California, USA, 1993. - P. 396-401.

45. Lipp, H. Einsatz von zeitbewerteten Fuzzy Petri-Netzen in Expertensystemen zur operativen Fuehrung komplexer Productionsysteme / Hommel, G. (Hrsg.): Prozessrechungssysteme '91. //Berlin Heidelberg New York: Springer - Verlag, 1991. - S. 103 - 112.

46. Тихомиров, В.П. Основы гипертекстовой информационной технологии. / Тихомиров В.П., Морозов В.П., Хрусталев Е.Ю.// М.: МЭСИ, 1993. 122 с.

47. Кент, П. World Wide Web / Кент П. Пер. с англ. B.J1. Григорьева. // М.: Компьютер, ЮНИТИ, 1996. 311 с.

48. Фролов, А.В. Сервер Web своими руками. Язык HTML, приложения CGI и ISAPI, установка серверов Web для Windows. / Фролов А.В., Фролов Г.В.//М.: Диалог-МИФИ, 1997. 288 с.

49. Rokyta, P. Electronic system design automation using high level Petri nets / Rokyta P., Fengler W., Hummel T.// Workshop for Hardware Design and Petri Nets, Lisboa, June 22 26, 1998. - 1998. - P. 129 - 138.

50. Cardoso, J. Petri nets with uncertain mappings / Cardoso J., Valette R., Dubois D.// Advances in Perti Nets, G. Rosenberg (ed.). Springer-Verlag, 1990. - P. 64 -78.

51. Мазаев, A.A. Методика разработки обучающих программ для автоматизированных обучающих систем / Мазаев А.А., Монахова О.Е., Токарев А.Б. М.: МЭИ, 1985. 48 с.

52. Garzotto, F. HDM A model based1 approach to hypertext application design. / F. Garzotto, P. Paolini, and D. Schwabe. // ACM TOIS, 11(1): 1-26, 1993.

53. Rossi, G. Systematic hypermedia design with OOhdm. In In Proc. of ACM International Conference on Hypertext(Hypertext 96)/ G. Rossi, D. Schwabe, and S. Barbosa.// Washington, March 1996.

54. Корнеев, В.В. Базы данных. Интеллектуальная обработка информации. / Корнеев В.В., Гареев А.Ф., Васютин СВ., Райх В.В. // М.: «Нолидж», 2000. 352 с.

55. Chen, P.P. The entity-relationship model: Toward a unified view of data. / P. P. CHEN.//ACM Trans. Database Syst., l(l):9-96, 1976.

56. Fowler, M. UML Distilled: Applying the Standard Object Modeling Language./ M. Fowler and K. Scott.// Addison-Wesley-Longman, 1997.

57. Jensen, К. Coloured Petri nets / Jensen K.// Petri Nets: Central Models and Their Properties. W. Brauer, W Reisig, G. Rosenberg (eds.). New York: Springer - Verlag, 1986. - P. 248-299.

58. Christensen, S. Modular state space analysis of colored Petri Nets / Christensen S., Petrucci L.// Application and Theory of Petri Nets. G. De Michelis, M. Diaz (eds). New York: Springer - Verlag, 1995. - P. 201 - 217.

59. Murata, Т., A predicate-transition net model for parallel interpretation of logic programs / Murata Т., Zhang D.// IEEE Trans, on Software Engineering. 1988. -14.- № 4. p. 481 - 497.

60. Леоненков, A.B. Самоучитель UML./ Леоненков A.B. // СПб.: БХВ-Санкт-Петербург, 2001.304 с.

61. Bedpoe, A.M. Проектирование программного обеспечения экономических информационных систем: Учебник. / Bedpoe A.M.// М.: Финансы и статистика, 2000. 352 с.

62. Вендров, A.M. CASE-технологии. Современные методы и средства проектирования информационных систем. / Вендров A.M.// М.: Финансы и статистика, 1998.176 с.

63. Кречман, Д.Л. Мультимедиа своими руками./ Кречман Д.Л., Пушков А.И.// СПб.: БХВ-Санкт-Петербург, 1999. 528 с.

64. Dick, W., The Systematic Design of Instruction. / Dick W., Carey L. // Glenview, Illinois: Scott, Foresman and Company, 1990.

65. Рэй, Э. Изучаем XML. / Рэй Э.//СП6.: Символ-Плюс, 2001. 408 с.

66. Буч, Г. Объектно-ориентированное проектирование с примерами применения: Пер. с англ. / Буч Г.//М.: Конкорд, 1992. 519 с.

67. Фридман, A. Jl. Основы объектно-ориентированной разработки программных систем. / Фридман А.Л.//М.: Финансы и статистика, 2000. 192 с.

68. Chapman, B.L. Enchancing Interactivity and Productivity Through Object-Oriented Authoring: An Instructional Designer's Perspective / Chapman B.L.// Journal oflnteractive Instruction Development. 1994. № 7(2). pp. 3—11.

69. Pedrycz, W. A generalized fuzzy Petri net model / Pedrycz W., Gomide F. A // IEEE Trans, on Fuzzy System. 1994. - 2. - № 4. - P. 295 - 301.

70. AGR-006. Computer-Managed Instruction. Version 2.0: AICC, 1998. http://www.aicc. org/docs/AGRs/agr006v2doc.zip.

71. AGR-010. Web-Based Computer-Managed Instruction. Version 1.0. — AICC, 1998 — http://www.aicc.org/docs/AGRs/agrO 10vlrtf.zip.

72. CMI-001. CMI Guidelines for Interoperability. Version 3.5. — AICC, 2001. — http://www.aicc.org/tech/cmi001 v3-5.pdf.

73. CMI-003. AICC/CMI Certification Testing Procedures. Revision 1.5. -AICC, 2000. — http://www.aicc.org/tech/ciniOQ3vl5.pdf.

74. CMI-008. AICC/Web-Based CMI Certification Testing Procedures. Revision 1.5. — AICC, 2000. — http://www.aicc.org/tech/cmiOQ8vl5.pdf.

75. IMS Learning Resource Meta-data Specification. Version 1.2.1. — IMS, 2001. — http://www.imsproiect.org/metadata/index.html.

76. Scarpelli, H. Fuzzy reasoniag and fuzzy Petri nets / Scarpelli H., Gomide F.// Proc. Fifth. IFSA World Congress, Seoul, Korea, July 5 9, 1993. - 1993. - P. 1326 -1329.

77. Scarpelli, H. A reasoning algorithm for high-level fuzzy Petri nets / Scarpelli H., Gomide F., Yager R.R.// IEEE Trans, on Fuzzy Systems. 1996. - 4. - № 3. - P. 282 - 294.

78. Yager, R. An approach to inference in approximate reasoning / Yager R.// Int. Man-Machine Studies. 1980. - 13. - P. 323 - 338.

79. Mengshoel, O. J. Knowledge validation: principles and practice / Mengshoel O. J., Delab S.// IEEE Expert. 1993. - 8. - P. 62 - 68.

80. Jahnke, J. Genetic fuzzy reasoning nets as a basis for reverse engineering relational database applications. / Jahnke J., Schafer W., Zundorf A.// Germany, 1998. 100 S.

81. Scarpelli, H. Fuzzy reasoniag and fuzzy Petri nets / Scarpelli H., Gomide F.// Proc. Fifth. IFSA World Congress, Seoul, Korea, July 5 9, 1993. - 1993. - P. 1326 -1329.

82. Hasegama, T. Stability analysis of fuzzy control systems based on Petri nets / Hasegama Т., Furuhashi Т., Uchikama Y.// Proc. Int. Discourse on Fuzzy Logic and the Management of Comflexity, FLAMOC'96. 1996. - P. 191 - 195.

83. Looney, C. Fuzzy Petri nets for rule- based decision making / Looney C.// IEEE Trans, on Systems, Man and Cybernetics. 1988. - 18. - № 1. - P. 178 - 183.

84. Nasareth, D.L. Investigating the applicability of Petri nets for rule-based system verification / Nasareth D.L.// IEEE Trans, on Software Eng. 1993. - 4. - P. 402 - 415.

85. Sharable Content Object Reference Model (SCORM). Version 1.2. — Advanced Distributed Learning Initiative, 2001. — http://www.adlnet.org/ Scorm/downloads. cfm.

86. Живенков, A.H. Разработка модели структуры курса обучения в условиях неопределенности/ Живенков А.Н. // Вестник Воронежского института высоких технологий 2009 №5 - С. 123-127

87. LMS Moodle. URL: http://www.moodle.org

88. Башмаков, А.И. Методика и инструментальные средства разработки компьютерных режимных тренажеров // Международный форум информатизации-98: Доклады международной конференции135

89. Информационные средства и технологии». Т. 3. М.: Изд-во «Станкин», 1998. С. 18—23.

90. Поспелов, Д.А. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А. Поспелова. М.: Наука, 1986. 312 с.

91. Koriem, S.M. A fuzzy Petri net tool for modeling and verification of knowledge based systems / Koriem S.M.// The Computer Journal. - 2000. - 43. -№ 3.-P. 206-223.

92. Белнап, Н. Логика вопросов и ответов: Пер. с англ. / Белнап Н., Сшил Т.//М-: Прогресс, 1981. 288 с.

93. Толстобров, А.П. Возможности анализа и повышения качества тестовых заданий при использование сетевой системы управления обучения MOODLE/ Толстобров А.П., Коржик И.А.//Вестник ВГУ, 2008,№2 100-106с.

94. Ларман, К. Применение UML и шаблонов проектирования. 2-е издание./ Крэг Ларман // : Пер. с англ. М. : Издательский дом «Вильяме», 2004.624 с.

95. Живенков, А.Н. Реализация информационной адаптивной системы обучения на базе LMS Moodle / А.Н. Живенков, О.Г. Иванова // Вестник Воронежского государственного университета. Серия «Системный анализ и информационные технологии» 2010. - №2 - С. 124-128

96. Интеллектуальная собственность в терминах и определениях. Терминологический словарь. М.: МО МАНПО, 2001. 347 с.

97. Закон Российской Федерации о правовой охране программ для электронных вычислительных машин и баз данных. Принят 23.09.92.

98. Jan, А.: статья по оцениванию web-pecypcoB 2007./ Jan Alexander,Marsha Ann Tat e// URL: http://www2.widener.edu/Wolfgram-Memorial-Librarv/webevaluation/webeval.htm. (дата обращения 24.01.2008)

99. Шмелев, А.Г. Многокритериальная оценка пользовательских интерфейсов портальных проектов/ А.Г. Шмелев// Сборник научных стаей «Интернет-порталы содержание и технологии» выпуск 2. М.,2004. 346-362с.

100. Список перечней критериев по оценки web-сайтов, 2005 URL: http://www.rainbowtech.org/workshops/CAIS TTI2000/webdesign.pdf (дата обращения : 4.06.2007).

101. Частиков, А.П. Разработка экспертных систем. Среда CLIPS. / А.П. Частиков, Т.А. Гаврилова, Д.Л. Белов // СПб.: БВХ-Петербург, 2003.608с.

102. Алексеев, В.В. Оценка качества образовательных интернет-ресурсов // Сборник трудов III Международной научно-методической конференции «Системы управления качеством высшего образования» / В.В. Алексеев, Е.Г. Гридина, П.Г. Королев и др. Воронеж, 2003.

103. Соловов, A.B. Электронное обучение: проблематика, дидактика, технология./ Соловов A.B.// Самара: «Новая техника», 2006. 464 с.

104. Соловов, A.B. Компьютерные средства поддержки профессиональной подготовки. М., 1995. - 44 с. - Новые информационные технологии в образовании: Обзорная информация / Соловов A.B. // НИИ ВО; вып. 1.

105. Соловов, A.B. Организационные аспекты электронного дистанционного обучения / Соловов A.B.// Высшее образование в России. -2007. -№ 12.-С. 89-94.

106. Савельева , А .Я. Обучающие машины и комплексы: Справочник / Под общей ред. А .Я. Савельева. // Киев: Вища шк., Головное изд-во. 1986. 303 с.

107. Соловов, A.B. Проектирование компьютерных систем учебного назначения: Учебное пособие. / Соловов А.В.//Самара: СГАУ, 1995. 140 с.

108. Концепция информатизации высшего образования Российской Федерации. М.: Пресс-сервис, 1994. - 100 с.

109. Концепция развития сети телекоммуникаций в системе высшего образования Российской Федерации. — М.: Государственный комитет РФ по высшему образованию, 1994. 120 с.

110. Приказ Минобрнауки № 63 от 1 марта 2005 года «Порядок разработки и использования образовательных технологий»

111. Скуратов, А.К. Разработка нормативно-правовых документов и отраслевых стандартов дистанционного обучения. Политика открытого дистанционного обучения в Европейском Союзе и Российской Федерации.

112. Сб. докладов / Под общей редакцией H.A. Школяра, Ю. Вайса, К. Донди. // М.: Изд-во РУДН, 2001. С. 87-90.

113. Титтел, Э. Создание VRML-миров: Пер. с англ. / Титтел Э., Сандерс К., Скотт Ч., Вольф П.// Киев: Издательская группа BHV, 1997. 320 с.

114. Тихонов, А.Н. Интернет-порталы: содержание и технологии: Сб. науч. ст. Вып.1 / Редкол. А.Н. Тихонов (пред.) и др.// ГНИИ ИТТ «Информика». -М.: Просвещение, 2003. 720 с.

115. Порядок использования дистанционных образовательных технологий (Утвержден приказом Минобрнауки от 06.05.2005 № 137).

116. Осин, А.В. Электронные образовательные ресурсы нового поколения: в вопросах и ответах. / Осин А.В.// М.: Агентство «Социальный проект», 2007. -32 с.

117. Martin, J. Object-Oriented Methods: A Foundation, Englewood Cliffs / Martin J. and Odell J.//NJ.: Prentice-Hall, 1995.

118. Белкин, E.JI. Дидактические основы управления познавательной деятельностью в условиях применения технических средств обучения. / Белкин Е. Л.//Ярославль: Верх.-Волж. кн. изд-во, 1982. 107 с.

119. Частиков, А.П. Разработка экспертных систем. Среда CLIPS. / А.П. Частиков, Т.А. Гаврилова, Д.Л. Белов // СПб.: БВХ-Петербург, 2003.608с.

120. Котов, В. Е. Сети Петри. / Котов В. Е. // М.: Наука, 1984 263с.

121. Питерсон, Дж. Теория сетей Петри и моделирование систем. / Питерсон Дж.// М.: Мир, 1984 368с.

122. Теория сетей Петри http://ru.wikipedia.ore/wiki/CeTH Петри

123. Майника, Э. Алгоритмы оптимизации на сетях и графах /Под ред. Е.К.Масловского// М.: Мир, 1981. 322 с.

124. Электронный журнал «ИССЛЕДОВАНО В РОССИИ», 2003 URL: http://zhurnal.ape.relarn.ru/articles/2003/095.pdf (дата обращения 24.08.2008)

125. Чернев, С.П. "Информационные порталы и технологии их реализации", / Чернев С.П.// Материалы Международной научно-методической конференции "НОВЫЕ ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В УНИВЕРСИТЕТСКОМ ОБРАЗОВАНИИ", 2002, Кемерово, 2002

126. Яхъева, Г.Э. Нечеткие множества и нейронные сети: Учебное пособие / Г.Э. Яхъева. // М.: Интернет-Университет Информационных технологий; БИНОМ. Лаборатория знаний, 2006. 316с.: ил., табл. - (Серия «Основы информационных технологий»)

127. Заде, Л. Понятие лингвистической переменной и его применение к принятию приближенных решений: Пер. с англ. / Заде Л. // М.: Мир, 1976.