автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Формирование информационно-терминологического базиса в мультилингвистических системах обучения

На правах рукописи

Огнерубов Сергей Сергеевич

Формирование информационно-терминологического базиса в мультилингвистических системах обучения

05 13.01 — Системный анализ, управление и обработка информации (космические и информационные технологии)

Автореферат диссертации на соискание ученой степени кандидата технических наук

ООЗ 1Ь ( •

Красноярск - 2008

003167749

Работа выполнена в ФГОУ ВПО «Сибирский федеральный университет»

(г Красноярск)

Научный руководитель доктор технических наук, профессор

Ковалев Игорь Владимирович

Официальные оппоненты доктор технических наук, профессор

Охорзин Владимир Афанасьевич кандидат технических наук, доцент Амбросенко Николай Дмитриевич

Ведущая организация ГОУ ВПО «Кемеровский государственный университет»

Защита состоится « 16 » мая 2008 года в 11 00 часов на заседании диссертационного Совета Д 212 249 02 при Сибирском государственном аэрокосмическом университете им академика МФ Решетнева по адресу г Красноярск, пр им газ «Красноярский рабочий», 31

С диссертацией можно ознакомиться в библиотеке Сибирского государственного аэрокосмического университета

Автореферат разослан « 15 » апреля 2008 года

Ученый секретарь ^

— —

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Информационные технологии и компьютерные интерактивные средства обучения занимают все более существенное место в современном образовании Одной из областей, в большой мере приветствующих применение компьютерных обучающих технологий, является изучение иностранных языков

Количество публикаций на иностранных языках о научных и технических достижениях растет в геометрической прогрессии Считают, что оно удваивается каждые пять лет Никакие службы бюро переводов и информации уже не в состоянии обработать эту лавину разноязычной печатной продукции Таким образом, становится почти невозможно уследить за всеми новинками даже в довольно узкой области науки или техники Более того, современного квалифицированного специалиста трудно себе представить без знания иностранного языка, без умения ориентироваться в зарубежной литературе по той отрасли, в которой он работает В связи с этим возникает проблема повышения эффективности обучения иностранному языку

Однако требование повысить уровень обучения иностранным языкам в неязыковом вузе вступает в противоречие с некоторыми условиями этого обучения, одним из которых является ограниченное количество часов, отводимых на изучение языка Выходом из этого противоречия может стать лишь оптимизация процесса обучения Для этого необходимо не только найти эффективные, наиболее экономные приемы обучения языку, но и определить тот информационно-лингвистический материал, на котором можно успешно применить эти приемы

Следует отметить, что для подавляющего большинства обучаемых овладение иностранным языком в совершенстве, как родным, является целью практически не достижимой Поэтому методика должна строиться с учетом обучения не языку вообще, в целом, а с учетом выработки у обучаемых определенных навыков например, в разговорно-бытовой речи, в письме, в понимании (переводном или беспереводном) текста - художественного, научного, публицистического и т д Усилия преподавателя и обучаемого должны фокусироваться на достижении конкретной цели, на умении использовать знание иностранного языка в определенных ситуациях Человека, работающего в технической области, прежде всего, интересует возможность понимать текст по своей специальности, а умение вести беседу о музыке или кино будет иметь для него второстепенное значение

Направленной методике должен соответствовать и языковой материал, на который опирается эта методика Этот материал необходимо сформировать и в дальнейшем разбить на части (бтоки) для наиболее эффективного обучения

Целью диссертационной работы является разработка, обоснование и реализация программно-алгоритмического комплекса, обеспечивающего

повышение эффективности формирования и оптимизации мультилингвистического базиса терминологической лексики для адаптивно-обучающих систем

Для достижения поставленной цели решались следующие задачи

- анализ компьютерных технологий и систем обучения иностранной лексике,

- построение модели изучения информационно-терминологического базиса на основе цепей Маркова,

- разработка алгоритмов формирования информационно-терминологического базиса,

- разработка алгоритмов разбиения информационно-терминологического базиса на блоки, оптимальные по трудоемкости изучения,

- программная реализация и тестирование построенных алгоритмов

Методы исследования При выполнении работы использовались

методы системного анализа, оптимизации, меюдология структурного анализа и статистические методы обработки данных

Научная новизна работы:

1 Разработана модель изучения мультилингвистического информационно-терминологического базиса, позволяющая рассчитывать трудоемкость его освоения с последующим разбиением его на блоки

2 Разработаны алгоритмы формирования мультилингвистического информационно-терминологического базиса, учитывающие взаимосвязи и частоты встречаемости слов при обучении иностранным языкам

3 Разработаны алгоритмы оптимального разбиения на равновеликие модули и субоптимальные алгоритмы разбиения мультилингвистического информационно-терминологического базиса на модули из блоков, позволяющие находить решение за существенно меньшее время, чем алгоритм полного перебора

4 Разработан программный комплекс, позволяющий формировать мультилингвистическую информационно-терминологическую базу для последующего использования в комплексах обучения

Практическая ценность

Разработанная в диссертации модель изучения мультилингвистического информационно-терминологического базиса Позволяет построить алгоритмы разбиения базиса на части, для последующего эффективного обучения иностранным языкам Разработанная программная реализация алгоритмов формирования и разбиения базиса может применяться в более крупных комплексах адаптивного обучения иностранным языкам

Достоверность полученных результатов

Подтверждается корректным использованием методологии системного анализа при обосновании полученных результатов, выводов, рекомендаций, а также успешной апробацией и демонстрацией возможностей разработанной системы при

проведении экспериментов на базе информационно-управляющей среды в ФГУП ЦКБ «Геофизика»

Реализация результатов работы.

Диссертационная работа выполнялась в рамках проекта РНП 2 2 2 3 9676 «Модельно алгоритмическое обеспечение мультилингвистической технологии интерактивною формирования многоязычных информационных ресурсов» аналитической ведомственной целевой программы "Развитие научного потенциала высшей школы (20062008 годы)" Полученные в диссертационной работе результаты внедрены в учебный процесс Политехнического института ФГОУ ВПО «Сибирский федеральный университет» На основе моделей и математических методов были разработаны программные системы, предназначенные для формирования и оптимизации мультилингвистического информационно-терминологического базиса Программные системы прошли экспертизу и зарегистрированы в Отраслевом фонде алгоритмов и программ (ОФАП), что делает их доступными широкому кругу специалистов по системному анализу и специалистов, занимающихся техническим переводом

На защиту выносятся:

1 Модель изучения мультилингвистического информационно-терминологического базиса

2 Алгоритмы формирования мультилингвистического информационно -терминологического базиса

3 Алгоритмы разбиения мультилингвистического информационно-терминологического базиса на блоки, оптимальные по трудоемкости изучения

4 Программная реализация модельно-алгоритмического обеспечения системы формирования и оптимизации мультилингвистического информационно-терминологического базиса

Апробация работы. Основные положения и результаты работы прошли апробацию на XI Международной научно-методической конференции "Новые информационные технологии в университетском образовании" (2006г) и У-й Всероссийской научно-практической конференции "Недра Кузбасса Инновации" (2006г) Кемеровского государственного университета, научно-методической конференции "Современные информационные технологии в образовании Южный федеральный округ" Ростовского Государственного Университета (2006г.) Диссертационная работа в целом обсуждалась на научных семинарах Красноярского государственного технического университета, НИИ Систем управления, волновых процессов и технологий (2005-2007гг)

Публикации По теме диссертации опубликовано 17 работ общим объемом 2 печатных листа, список приводится в конце автореферата

Структура и объем работы Диссертация состоит из введения, четырех глав, заключения, списка литературы из 97 наименований

СОДЕРЖАНИЕ РАБОТЫ

Введение представляет цели и задачи диссертационной работы, раскрывает ее актуальность, научную новизну, достоверность и обоснованность, практическую значимость и апробированность полученных результатов, методологию исследований

В первом разделе показано, что все компьютерные образовательные про1раммы, используемые в мире, можно разделить на три основные группы В качестве признака классификации используется принадлежность каждой компьютерной программы к одному из поколений компьютерной технологии обучения Под термином «компьютерная технология» обучения понимается следующее

Компьютерная технология обучения - это совокупность методов, форм и средств воздействия на человека в процессе его развития Обучающая технология строится на фундаменте определенного содержания и должна соответствовать ему Она предлагает использование адекватных способов представления и усвоения различных видов знаний с помощью современной компьютерной техники

Компьютерные технологии обучения первого поколения (дисциплинарно-ориентированная модель), в которых традиционное образование основывается на процессе передачи готовых знаний и выработке определенного набора умений и навыков Оно напоминает некоторую конвейерную схему, в которой формирование будущего специалиста происходит зачастую без должного критического контроля самой обучающейся личности Система образования просто «прокручивает» его через «жернова», не допуская свободы и инициативы, ограничивая творческие начала

Также компьютерная технология обучения первого поколения - это целостный процесс, основанный на традиционном содержании, формах и методах обучения Он поддерживается классическими учебниками, задачниками и методическими пособиями Для улучшения способа представления готовых знаний и усиления контроля за их усвоением здесь используется компьютер

Компьютерные технологии обучения второго поколения (переходная модель) являются переходными и развиваются в двух основных направлениях

- совершенствование качества компьютерных программ, предназначенных для дисциплинарно-ориентированной системы обучения,

- создание принципиально новых интеллектуальных компьютерных сред, соответствующих некоторой, пока недостаточно четко определенной, системе образования появляющегося информационного общества

Реализация второго из указанных направлений приводит к возникновению компьютерных технологий второго поколения

Компьютерная технология обучения второго поколения - это противоречивая образовательная композиция, основанная на традиционном содержании, в которой, однако, используется несистематизированная комбинация из классических и модернизированных форм и методов обучения Она

поддерживается традиционными учебниками, задачниками и методическими пособиями, а также современными компьютерными программами и образовательными средами, в основном ориентированными на процессы всестороннего исследования моделей реального мира

Так же необходимо отметить, что компьютерная технология обучения второго поколения — неустойчивая система, так как по своему фундаменту она предназначена для дисциплинарно-ориентированнои системы, а по своей надстройке тяготеет к междисциплинарной объектно-ориентированной системе обучения

Необходима некоторая достаточно новая и простая идея для концепции междисциплинарной системы обучения В качестве таковой идеи стала идея компьютерных технологий обучения третьего поколения (проектно-ориентированная модель)

Появление компьютерных технологий обучения второго поколения свидетельствует о том, что происходит естественное внедрение новых объектно-ориентированных образовательных моделей, которые, по всей видимости, могут заложить основу и для новой системы естественнонаучного образования В них вместо изучения отдельных учебных предметов появляются примеры интерактивной учебной работы с целостными объектами окружающего мира, образующим информационно-терминологический базис (ИТБ) систем обучения Но пока выбор этих объектов и соответствующих им ИТБ остается случайным Более того, оставаясь одноязычными, они не могу г охватить полной картины окружающего мира, так как создаются отдельными, не связанными между собой группами разработчиков в отсутствие какой-либо объединяющей идеологии

Важно понимать, что компьютерная технология обучения третьего поколения - это единый образовательный процесс, основанный на междисциплинарном и многоязычном содержании, формах, методах и средствах обучения

На текущий момент любая технология обучения, включая и мультшшнгвистическую, зависит от материала, на котором будет проводиться обучение Таким образом, необходимо решить задачу эффективного формирования информационно-терминологического базиса в мультилингвистических системах обучения

Во втором разделе представлена постановка задачи по построению модели изучения информационно-терминологического базиса на основе цепи Маркова

Следуя часто используемой дидактической модели процесса изучения информационно-терминологического базиса, можно принять гипотезу об экспоненциальном характере зависимости вероятности успешного прохождения контрольных мероприятий от объема базиса Если объем информационного материала некоторого базиса составляет □ часов, то вероятность успешного выполнения контрольных мероприятий может быть представлена в виде

р(©)=ехр(Д0), (1)

где X (1/час) - константа, показывающая скорость снижения вероятности успешного завершения изучения информационно-терминологического базиса в зависимости от его объема

Зависимость (1) соответствует интуитивному представлению об успешности процесса изучения информационно-терминологического базиса Если объем информационно-терминологического базиса мал (0—>0), то вероятность изучения базиса стремится к единице, а если он весьма велик (0-»оо), то вероятность его изучения стремится к нулю

Величина X завит от вида информационно-терминологического базиса, она может быть оценена экспертно или экспериментально на основе опыта работы с определенным видом информационно-терминологического базиса Остановимся на оценке этого параметра

В простейшем случае достаточно одного эксперимента Пусть процесс изучения информационно-терминологического базиса определен объемом 0 часов При этом оценка вероятности успешного его завершения составила р Из (1) следует, что

1=-1пр/0 (2)

Если число экспериментов больше одного, то эту задачу можно решить с использованием метода наименьших квадратов Предположим, проведено т экспериментов по формированию базиса объемом ®ь ,©т часов и получены вероятности успешного завершения его формирования рь ,рт Тогда оценка параметра X может быть получена по формуле

т

- (■>)

т

Е©'2

1=1

В данном случае не рассматриваются статистические оценки достоверности полученных результатов Они могут быть получены на основе стандартных методик

Рассмотрим цепь Маркова, описывающую вероятностный процесс изучения отдельного информационно-терминологического базиса, в которой выделены следующие состояния

- изучение информационно-терминологического базиса,

Б2 - получение справок и консультаций при изучении информационно-терминологического базиса,

- выполнение контрольных мероприятий,

Б4 - завершение изучения информационно-терминологического базиса Вероятности переходов из одного состояния в другое

г - вероятность обращения за справками или консультациями при изучении информационно-терминологического базиса,

б - вероятность перехода к контрольным мероприятиям,

р - вероятность успешного выполнения контрольных мероприятий и завершения изучения информационно-терминологического базиса,

Я - вероятность неудачи при выполнении контрольных мероприятий и повторного изучения информационно-терминологического базиса

В рассматриваемой схеме выполняются очевидные соотношения

Г+Б — 1, Р+Я=1

Матрица вероятностей переходов между состояниями

5[ Зз 84

Р= Б, 5, 54

О Г Б О

10 0 0

я 0 0 р

0 0 0 0

(4)

(5)

Выделим в Р матрицу вероятностей переходов между состояниями невозвратного множества, которая обозначается С)

s, S2 s3

S, 0 r s

Q=S2 1 0 0 (6)

S3 q 0 0

Тогда матрица среднего числа пребываний процесса в состояниях невозвратного множества определяется по формуле

-i-i

N = (I-Q)-' =

1 -г -1 1 -q О

(7)

где I - единичная матрица размерности 3x3

Поскольку процесс всегда стартует из состояния Б), нам достаточно определить только первую строчку матрицы N , ее элементы обозначим пь ,п3

Проделав вычисления обратной матрицы (I - С})-1, получим оценки среднего числа пребываний процесса соответственно в состояниях {$,, ,53} при старте из состояния Б)

Г

s р

п, = •

s р

Р

(8)

Здесь

п, - среднее число попыток изучения информационно-терминологического базиса,

п2 - среднее число обращений за справками и консультациями при изучении информационно-терминологического базиса,

п3 - среднее число попыток выполнения контрольных мероприятий, Обозначим затраты времени на выполнения мероприятий по изучению информационного базиса (в часах)

0 - затраты времени на изучение информационно-терминологического базиса,

01- затраты времени на получение справок и консультаций при изучении информационно-терминологического базиса (состояние Бг),

©2- затраты времени на выполнение контрольных мероприятий (состояние

Ээ)

Суммарная трудоемкость изучения информационно-терминологического базиса с учетом (8) определяется выражением

1

Я = 0 + п, 0, +п, 0, =

(0-1-0,) + ©,

(9)

Рассмотрим оценки параметров, входящих в формулу (9) Вероятность г определяется экспертно или на основе обработки результатов изучения информационно-терминологического базиса Вероятность р определяется формулой (4)

0 определяется объемом информационно-терминологического базиса, а ©| может быть взята как некоторая доля величины 0

0,=к,0, (10) где к|<1 - доля затрат на получение справок и консультаций, определяемая экспсртно или на основе статистики

02 может быть представлена как сумма постоянной и переменной составляющих

02=т+к20, (11)

где т (часов) - время на организацию контрольных мероприятий, не зависящее от размеров базиса, к2<1- доля затрат на выполнение контрольных мероприятий

В результате подстановки значений параметров (11), (10) формула (9) приобретет вид

Я = е>0м'_и(1 + к|г) + к,1© + щ]=Я2+Кг , (12)

причем

Я, = еЛ

1-й

(1 + к,г) + к,

0 - затраты на изучение информационно-

терминологического базиса

Я, = ех0(т)- затраты времени на выполнение контрольных мероприятий Обозначим

1-й

(1 + к г) + к, = к

С учетом (13) выражение для суммарной трудоемкости (12) упростится Я = еХ0(к© + т)

(13)

(14)

Таким образом, мы получили модель и выражение для расчета трудоемкости изучения информационно-терминологического базиса, на основе которых, ниже предлагаются алгоритмы формирования и оптимизации информационно-терминологического базиса в мультилингвистических системах обучения

В третьем разделе представлены разработанные алгоритмы формирования и оптимизации разбиения мультилингвистическою информационно-терминологического базиса на модули

При изучении любого иностранного языка всегда стоит задача запоминания больших объемов иностранной лексики Под лексикой понимаются слова, словосочетания, а также грамматические формы, представляемые в виде словосочетаний Проблема знания иностранной лексики наиболее остро встает перед специалистами, работающими с научной литературой на иностранном языке При этом объем применяемых терминов ограничивается предметной областью, выбранной для изучения

Для выделения из интересующих специалиста текстов необходимой лексики следует провести предварительную обработку этих текстов А именно, следует составить частотный словарь слов и словосочетаний Наличие такого словаря позволяет при обучении лексике учитывать статистические закономерности текстов Естественно, что обучаемый должен быстрее и лучше усвоить ту лексику, которая в его текстах чаще всего встречается, те следует учитывать частотные свойства текстов

Целью применения мультилингвистической адаптивно-обучающей технологии изучения иностранных языков является интенсивное накопление специализированного иностранного словарного запаса студентов и специалистов, изучающих один или несколько иностранных языков для своих профессиональных целей Основными компонентами средств ее поддержки являются электронные частотные словари, построенные но мультилингвистическому принципу, и компьютерные системы, реализующие алгоритм обучения терминологической лексике

Частотный словарь - это информация, порции которой выдаются ученику Обучаемый должен быстрее и лучше усвоить те слова и словосочетания, которые чаше всего встречаются в текстах узкой предметной области, т е необходимо учитывать частотные свойства текстов, при этом берутся тексты из предметной области, требуемой для изучения

Рассмотрим алгоритм формирования мультилингвистического информационно-терминологического базиса Вначале необходимо выбрать тексты, на основе которых будет строиться частотный словарь После этого задается количество слов, которое будет изучаться Далее строится база данных, в которой содержится ряд полей Первое - это относительная частота встречаемости слова в тексте(то есть, число встречаемости данного слова в тексте, поделенное на общее количество слов) Второе поле - это само слово В случае мультилингвистического словаря в базе данных количество столбцов будет (п*2)+1, где п - количество языков Далее предлагается формула расчета совокупной встречаемости слова по всем языкам

учителем, либо самим обучающимся, Ь, - частота встречаемости слова в 1-м языке

Величина V представлена соответствующим столбцом в базе данных По этому столбцу данную базу можно отсортировать в порядке убывания Также при

п

Ь уп, где а, - коэффициент полезности языка, который задаются либо

построении частотного словаря используется и взаимосвязь слов в тексте В первую очередь изучаются слова, которые находятся рядом в тексте, и, следовательно, должны быть расположены в одном блоке Для этого строится матрица А размерностью mxm, где m - количество слов в тексте Элемент матрицы ам - это количество словосочетаний слов i и j в тексте Данную матрицу необходимо строить для каждого языка Далее или учитель, или обучаемый выбирают более приоритетный для обучаемого язык Тогда алгоритм формирования базиса будет следующим

Шаг 1 Найти слово к с наибольшей величиной v Шаг 2 Занести слово к в словарь

Шаг 3 По матрице А находим наиболее часто встречающееся слово рядом со словом к Назовем это слово h

Шаг 4 Занести слово h в словарь

Шаг 5 Если слов в словаре достаточно, то перейти на шаг 7, иначе перейти на Шаг 6

Шаг 6 Слово к=слово h перейти к шагу 3 Шаг 7 Закончить процедуру

Данный алгоритм модифицирован, с целью учета величины v слова h, путем задания коэффициентов на показатели v и ау

Сформированный частотный словарь необходимо разбить на учебные порции для наиболее эффективною усвоения материала

Рассмотрим задачу разбивки некоторого информационно-терминологического базиса с общим объемом материала в часов на п модулей, каждый из которых имеет объем 0, часов, так что

© = ¿0, (15)

Трудоемкость изучения каждого модуля в соответствии с (14) составит

R, =ex'°'(k®, +m,), (16)

а общая трудоемкость изучения информационно-терминологического

базиса

R = IR, =1еХ,0,<Хв, +ш,) i=l i=l

Выбирая количество модулей п и их объем ©„ можно добиться наименьшей общей трудоемкости изучения базиса

Математически эта задача формулируется следующим образом задан критерий (17) при условиях (15) Требуется найти такие п и {©i, ,©„}, чтобы обеспечить оптимальные значения критерия (17)

R = min R (18)

П 01 0„

Задача (18) представляет собой задачу оптимизации нелинейного критерия при ограничениях на переменные В аналитическом виде эта задача решается достаточно сложно, а численно может быть решена путем перебора вариантов разбивки базиса на модули, если дополнительно задать процедуру формирования таких вариантов

Наличие экспоненциальных множителей в выражении (17) свидетельствует о том, что наилучших результатов следует ожидать, если величины Л, и 0, будут равны между собой

Поэтому имеет смысл рассмотреть задачу о разбивке базиса на модули, равновеликие по объему изучаемого материала

Положим, что 0,=0/п, 1=1, ,п, те что все модули имеют одинаковый объем, кроме того, они все имеют одинаковые параметры Л,~Л, к,=к, т,=т Тогда критерий (17) примет вид

Я = п еЛ°"(к0п + т) = еХ°Чк0 + шп) (19)

и единственным параметром оптимизации становится п

Данная задача легко решается алгоритмом полного перебора Рассмотрим еще одну практически важную разновидность задачи разбиения информационно-терминологического базиса

Пусть информационно-терминологический базис состоит из множества априори заданных блоков X = {§1, , 8п}

Каждый блок 8, характеризуется параметрами О, - трудоемкость изучения, час,

т, - время на организацию контрольных мероприятий, час,

X., - коэффициент сложности, 1/час,

к, - коэффициент увеличения трудоемкости

Кроме того, для каждой пары блоков 8>, 8] € X установлен следующий

порядок их изучения отношение означает, что блок Б, должен быть изучен раньше блока а отношение SI=SJ означает, что эти блоки могут изучаться в произвольном порядке

Задача состоит в том, чтобы указанные блоки были скомплектованы в модули таким образом, чтобы трудоемкость изучения информационно-терминологического базиса в целом была бы минимальной

Каждый модуль может включать один или несколько блоков, причем упорядоченность блоков должна сохраняться - как внутри каждого модуля, так и в целом по базису Требуется сформировать т модулей (т априори неизвестно), каждый из которых содержит множество блоков

причем

и£, = Е.^ПЬ=о, при^к (20)

Первое равенство в этом выражении означает, что должны быть использованы все блоки, а второе - что разные модули не должны содержать одинаковые блоки

Характеристики каждого модуля определяются на основе характеристик вошедших в него блоков

2Л©к _ 1>,А

eJ = ^.т, = шах -,к, --(21)

Трудоемкость изучения j-ro модуля определяется ранее полученной формулой

RJ=e"'°'(k10>+mi),j = l, ,m, (22)

а общая трудоемкость в соответствии с (17) равна

m

r=2X (23)

j=i

Этот показатель должен быть минимизирован за счет числа и состава

модулей

R= min R

п о, О,

Данную задачу с помощью компьютера можно решить полным перебором, однако на задачах с количеством блоков большим 8 время решения становится неприемлемо большим Решение данной задачи аналитическим путем является крайне сложным, поэтому был предложен алгоритм для нахождения субоптимального решения

В данной задаче наихудшим решением, известным всегда, является решение, при котором число модулей равно числу блоков Иногда оно же является единственно оптимальным То есть задача сводится к поиску модулей, включающих в себя два и более блоков при том, что суммарная их трудоемкость будет больше, чем трудоемкость их в модуле

Предлагается следующий алгоритм решения поставленной задачи Случайным образом получаем пг пар блоков (S„Sj)i< i=random(1 n), j=random(l n), k=l, ,nr число nr определяется пользователем Для каждой пары определяем два показателя RcyM, Ro6 Rcvu равняется сумме трудоемкостей каждого блока из пары Roo равняется трудоемкости блоков объединенных в один модуль Затем

находим Яэфф= Я0б/ RcVM Потом находим средний показатель эффективности

П7

К'срэфф = ( Z ^эффт Упг 171 = 1

Повторяем шаг 1 для случайных троек, четверок до модулей размером п В результате имеем а средних показателей эффективности В дальнейшем мы будем разбивать информационно-терминологический базис на модули, имеющие размер, при котором средний показатель эффективности минимален

Получаем ng случайных разбиений на модули размера, полученного на шаге 2 Среди них находим наилучшее решение с минимальной трудоемкостью При использовании связей между блоками каждая случайная комбинация проверяется на соответствие связям При несоответствии связям данная комбинация не учитывается

Для сравнения результатов решения задачи (по времени и другим ресурсам) в работе представлен так же алгоритм случайного поиска

В четвертом разделе представлена программная система формирования и оптимизации информационно-терминологического базиса, включая состав программ, описание логической структуры программы, функционирования программы, описание применения, руководство системного программиста, руководство программиста и руководство оператора

Программное приложение реализовано на языке С++ с использованием средств визуального программирования приложений Borland С++ 5 0 Это позволило наиболее полно использовать возможности, предоставляемые объектно-ориентированным подходом в программировании, а также наиболее качественно разработать графический интерфейс приложений, работающих под управлением операционной системы Windows

Система работает с пользователем (оператором) в интерактивном режиме Пользователь сам выбирает метод формирования и оптимизации разбиения информационно терминологического базиса Также он может контролировать любые изменения параметров и изменять настройки системы и исходные данные

После запуска программы пользователь вносит исходные данные вручную, загружает из файла или использует данные, хранящиеся в базе данных После этого необходимо выбрать метод формирования, язык, а также задать текст, из которого будет формироваться мультилингвистический информационно-терминологический базис Система производит формирование частотного словаря Полученный результат может быть сохранен в базу данных После формирования словаря можно разбить его на части любым из предложенных выше алгоритмов Результат так же можно сохранить в базе данных

Система может применяться как отдельно, так и в составе более крупных диалоговых систем, которые реализуют задачу эффективного обучения иностранным языкам на основе адаптивной мультилингвистической технологии Проведены исследования результатов работы алгоритмов разбиения

Представлен пример работы алгоритма разбиения на равновеликие блоки В модельном примере затраты на изучение информационно-терминологического базиса составляет 100 часов. 0=100, вероятность г=0 1, коэффициенты к!=к2-0 05, Л-0 02 1/час, т=1 час

В таблице приводятся данные, характеризующие средние значения трудоемкости базиса в зависимости от числа модули! п

Таблица 1 - Расчет трудоемкости изучения информационно-

Кол-во модулей, п Вероятность > спешного завершения модуля, р Среднее число попыток прохождения материала МОДУЛЯ, П) Общая трудоемкость базиса, Я Трудоемкость контрольных мероприятий, Ъ

1 0,135 7,39 790,6 44,33

2 0,368 2,72 293,6 19,02

о ;> 0,513 1,95 212,3 15,58

4 0,606 1,64 181,4 14,83

5 0,670 1,49 165,6 14,91

10 0,819 1,22 141,7 18,32

15 0,875 1,14 138,2 24,74

20 0,905 1,10 139,2 27,63

25 0,923 1,08 141,9 32,50

Из таблицы видно, что при п=1, общая трудоемкость К = 790,6 часов, те почти в 8 раз превышает базовые затраты на изучение базиса, поскольку вероятность его успешного завершения р=0,135, а среднее число попыток изучения щ=7,39

При увеличении п общая трудоемкость Я вначале быстро снижается, при значениях п между 10 и 25 она практически постоянна, а затем начинает медленно возрастать за счет роста трудоемкости контрольных мероприятий Я]

Минимум общей трудоемкости достигается при п=Т5, общая трудоемкость изучения 0=138,2 час

Проанализируем структуру трудоемкости изучения информационно-терминологического базиса при п=15 Как видно из таблицы, общая трудоемкость изучения информационно-терминологического базиса составляет 138,2 часа, в том числе 100 часов - базовый объем изучения базиса, 13,46 часа - время на получение консультаций и повторное изучение, 24,74 часа - время на проведение контрольных мероприятий

Следовательно, трудоемкость изучения одного модуля составит 138,2/15=9,21 часа, в том числе 100/15=6,7 часа - базовый объем, 13,46/15=0,9 часа

- консультации и повторное изучение, 24,74/15=1,65 часа - контрольные мероприятия

Вероятность успешного изучения каждого модуля и прохождения контрольных мероприятий равна р=0,875, на это в среднем затрачивается П1=1,14 попыток

Ниже представлен модельный пример работы алгоритма разбиения информационно терминологического базиса на модули из блоков Во всех примерах связей между блоками нет.

Таблица 2 - Исходные данные для модельного примера №1

Затраты на изучение, 0 Время на организацию контрольных мероприятий, т Коэффициент сложности, Я Коэффициент увеличения трудоемкости, к

8, 1,7 1,0 0,04 1,3

Э-, 0,4 1,1 0,09 1,4

83 1,0 1,8 0,06 1,2

1.3 1,3 0,02 1,3

пг=п8=4 Шаг 1.

(^А), КсУм=7,19, К05=6,46, Кэфф=0,898, (84,83)2 К-суМ=6 67,1^5=5,52,11Эфф=0,827, (БьБгЬ ^>„=5,60,1^5=4,66, 11эфф=0,832, (82,83)4 ^=5,22, ^5=4,21, 1^=0,806,

^срэфф=0 8+.

Шаг 2.

(S4.S1.S3)! ^„=10,45,1^5=8,85, Кэфф=0,846,

(84,83,81)2 1^=10,45, ^6=8,85, Кэфф=0,846,

(S2.S3.SO3 1^=9,01,1106=7,43, Кэфф=0,824,

(S3.S4.SO4 КсУм=Ю,45, ^=8,85, Язфф-0,846,

Ксрэфф=0,84.

ШагЗ.

(84,8,,83.82)! Исум=12,27,1^6=9,94, ЯЭфф=0,81,

(Б^^Ь 1^=12,27, ^=9,94, 1Цф-0,81,

(81.84.83.82)3 1<с>,г-12,27, ^=9,94, Кг)фф-0,81,

(84,в,,83,82)4 1ЦМ=12,27,1^6=9,94,1Цф=0,81,

Ксрэфф=0 81.

Итак, наиболее эффективно разбивать на модули по 4 блока Шаг 4.

Разбиение на модули но 4 блока существует всего одно, поэтому шаг 3 не рассматривается

Результат работы алгоритма - все блоки следует изучать в одном модуле Решение поставленной задачи полным перебором дает такой же результат _ Таблица 3 - Исходные данные для модельного примера №2

Затраты на изучение, 0 Время на организацию контрольных мероприятий, т Коэффициет сложности, к Коэффициент увеличения трудоемкости, к

8, 0,9 1.9 0,03 1,5

82 0,2 1,8 0,1 1,3

^ 0,8 1,8 0,05 1,4

84 1,4 1,8 0,05 1,5

85 2,1 1,1 0,09 1,8

1,4 1,5 0,06 1,2

Б, 1,0 1,6 0,04 1,4

Решение задачи полным перебором (Б.^Л) (85) (Бб^т), 11=20 7238521575928

Решение с помощью предложенного алгоритма при п г = П8 =100 (БгА^) (Б,,84,87) (Эз),

11=20 8614273071289

Простое поблочное изучение информационно-терминологического базиса (наихудший вариант, который иногда и является оптимальным) (Б,)^)^)^)^) (86)(87), 11=26 7440986633301

Показано, что при выпочнении задачи при п=20 алгоритм полного перебора работает 2ч 24 мин, а предложенный автором алгоритм работает менее 2 мин Таким образом, полученный алгоритм позволяет находить решение значительно быстрее, чем алгоритм полного перебора, что имеет существенное значение для интеграции разработанной системы в современные образовательные среды, работающие в интерактивном режиме

В заключении диссертации приведены основные результаты, полученные в ходе выполнения работы, и сформулированы основные выводы

Основные результаты

1 Проведена формализация задачи изучения информационно-терминологического базиса мультилингвистической адаптивной обучающей технологии Предложена модель изучения информационно-терминологического базиса на основе цейи Маркова, которая позволяет реализовать алгоритмы формирования и оптимизации базиса

2 Разработаны и реализованы алгоритмы формирования мультилингвистического информационно-терминологического базиса, которые используют взаимосвязи и частоты встречаемости слов в текстах на нескольких языках

3 Разработаны и реализованы алгоритмы по разбиению информационно-терминологического базиса на модули, которые позволяют изучать базис с наименьшими затратами времени

4 Разработан программный комплекс формирования частотных словарей и разбиения их на блоки, который может быть использован в более крупных программных комплексах адаптивного обучения иностранным языкам, работающих в интерактивном режиме

Основные положения и результаты диссертации опубликованы в следующих работах.

1 * Огнерубов, С С Мультилингвистическая технология поиска данных для подготовки и принятия решения в информационно -управляющих системах [Текст] /ИВ Ковалев, П В Зеленков, С С Огнерубов, П М Лохмаков // Программные продукты и системы, 2007, № 2 - С 30-32

2 Огнерубов, С С Программно-алгоритмические средства персонификации информационно-терминологического базиса в области аэрокосмической техники [Текст] / С С Огнерубов, И В Ковалев, П М Лохмаков // Авиакосмическое приборостроение, 2007, №9 - С 67-72

* работа, опубликованная в одном из ведущих рецензируемых научных журналов, рекомендуемых ВАК РФ для опубликования основных научных результатов диссертационных исследований

3. Ошерубов, С С Мультилингвистический терминологический базис информационного обеспечения корпоративных систем [Текст] / С С Огнерубов, И В Ковалев, П М Лохмаков // ВТТВОмск-2007 Доклады ГУго Международного технологического конгресса - Омск ОТИИ, 2007 - С 191-194

4 Огнерубов, С С Мультилингвистический переводчик по системному анализу [Текст] / С С Огнерубов, И В Ковалев, К В Полянский, Р Ю Царев, П М Лохмаков, М В Карасева // Инновации в науке и образовании, 2007, №3 (26) - С 19

5 Огнерубов, С С Оптимизация модульной структуры структуры информационного базиса интерактивных обучающих технологий [Текст] / С С Огнерубов, И В Ковалев, Л Н Корпачева // Сборник научных трудов по материалам Всероссийской научно-методической конференции -Ростов РГУ, 2006.- С 174-176

6 Огнерубов, С С Алгоритмы оптимизации блочно-модульной структуры информационно-терминологического базиса [Текст] / С С Огнерубов, Л Н Корпачева // Вестник университетского комплекса, 2005, №6(20) - С 66-71

7 Огнерубов, С С Мультилингвистический информационно-терминологический базис открытой среды информационно-образовательного взаимодействия [Текст] / С С Огнерубов, И В Ковалев, ДВ Кустов // Актуальные проблемы экономики, права информационных технологий Сборник научных статей, 2005, Часть 1 - С 107-114

8 Огнерубов, С С Мультилингвистичеекая система обработки текстов на базе скрытой Марковской модели [Текст]/ С С Огнерубов, В О Лесков // Вестник НИИ СУВПТ, 2006, выпуск 24 - С 9-19

9 Огнерубов, С С Система оптимизации обработки и хранения информации в базах данных распределенных образовательных сред [Текст]/ С С Огнерубов, С Ф Шевчук, С А Яркова // Вестник НИИ СУВПТ, 2006, выпуск 23 - С 175-177

10 Огнерубов, С С Оптимизационная модель динамического формирования электронных терминологических словарей [Текст]/ С С Огнерубов, В О Лесков, К А Дудура // Недра Кузбасса Инновации Труды V всероссийской научно-практической конференции — Кемерово ГОУ ВПО ЮГУ, 2006 - С 75-78

11 Огнерубов, С С Принципы формирования и оптимизации информационного базиса мультилингвистической обучающей технологии [Текст]/ С С Огнерубов // Новые информационные технологии в университетском образовании Труды XI Международной научно-методической конференции - Кемерово ГОУ ВПО КГУ, 2006 - С 155-159

Разработки, прошедшие регистрацию в Отраслевом фонде алгоритмов и программ:

12. Огнерубов С С , Ковалев И В , Полянский К В , Царев Р Ю, Карасева М В , Лохмаков П М Мультилингвистический переводчик по системному анализу (программная система «MultiLingvo ver 10») М ВНТИЦ, 2007 № 50200700585

13 Огнерубов С С, Карасева М В , Карцан И Н, Усачев А В, Энгель Е Л Нейросетевая мультилингвистическая система адаптивного обучения NeuroTeacher ver 1 0 М ВНТИЦ, 2006 -№50200601715

14 Огнерубов С С, Ковалев ИВ, Карасева MB, Корпачева ЛН Программный модуль оптимального формирования информационного базиса интерактивных обучающих технологий «InfoBase Optimizer v2 0» М ВНТИЦ, 2006 -№ 50200600513

15 Огнерубов С С, Кустов Д В , Слободин М Ю Адаптивная метапоисковая система М ВНТИЦ, 2006 -№ 50200600481

16 Огнерубов СС, Ковалев ИВ, Карасева MB, Дудура К А Система программно-алгоритмической поддержки мультилингвистической адаптивно-обучающей технологии (CBM-System vl 0) М ВНТИЦ, 2006 -№50200600331

17 Огнерубов С С, Ковалев И.В, Дудура К А Программа автоматизированного формирования информационно-терминологического базиса мультилингвистической адаптивно-обучающей технологии (AutoForm Technology v 1 0) М ВНТИЦ, 2006 -№ 50200600250

18 Огнерубов СС, Ковалев ИВ, Зелен ков ПВ, Ежеманская СН Программная система «Multi-BasisOptimization vl 0» (Оптимизация информационно-терминологического базиса мультилингвистической обучающей технологии) М ВНТИЦ, 2004. - № 50200401089

Огнерубов СергеуЧ Сергеевич

Формирование информациопно-термвкологнческого базиса в чультилингвистическитс системах обучения

Автореферат

Подписано в печать 15 04 2008г Фодмат 60x84/16 Бумага писчая Уч изд л 1 Тираж 100 экз Заказ Отпечатано на ризографе СибГАУ

660014, г Красноярск, пр им ' Красноярский рабочий", 31

Введение.

1. Проблема анализа и обработки мультингвистической информации для адаптивно-обучающей технологии.

1.1 Анализ компьютерных технологий обучения иностранным языкам.

1.2 Системные аспекты организации и применения мультингвистической адаптивно-обучающей технологии.

1.3 Структура информационного обеспечения мультилингвистической адаптивно-обучающей технологии.

Выводы к разделу 1.

2. Модель изучения информационно-терминологического базиса на основе цепи Маркова.

2.1 Информационно-терминологический базис мультилингвистической обучающей технологии.

2.2 Моделирование динамики изучения информационно-терминологического базиса с использованием цепей Маркова.

2.3 Трудоемкость изучения информационно-терминологического базиса на основе цепи Маркова.

Выводы по разделу 2.

3. Формирование мультилингвистического информационно терминологического базиса.

3.1 Формирование и частотный анализ информационно-терминологического базиса.

3.2 Оптимизация информационно-терминологического базиса.

Выводы по разделу 3.

4. Система программно-алгоритмической поддержки оптимизации информационно-терминологического базиса мультилингвистической обучающей технологии.

4.1 Установка системы программно-алгоритмической поддержки оптимизации информационно-терминологического базиса мультилингвистической обучающей технологии.

4.1.1 Требования к аппаратному обеспечению.

4.1.2 Требования к программному обеспечению.

4.1.3 Установка программы.

4.2 Руководство пользователя системы формирования и разбиения мультилингвистического информационно-терминологического базиса.

Актуальность работы. Информационные технологии и компьютерные интерактивные средства обучения занимают все более существенное место в современном образовании. Одной из областей, в большой мере приветствующих применение компьютерных обучающих технологий, является изучение иностранных языков.

Количество, публикаций на иностранных языках о научных и технических достижениях растет в геометрической прогрессии. Считают, что оно удваивается каждые пять лет. Никакие службы бюро переводов и информации уже не в состоянии, обработать эту лавину разноязычной печатной продукции. Таким образом, становится, почти невозможно уследить за всеми новинками даже в довольно узкой области науки или техники. Более того, современного квалифицированного специалиста трудно себе представить без знания иностранного языка, без умения ориентироваться в зарубежной литературе по той отрасли, в которой он работает. В связи с этим возникает проблема повышения эффективности обучения иностранному языку.

Однако требование повысить уровень обучения иностранным языкам в неязыковом вузе вступает в противоречие с некоторыми условиями этого обучения, одним из которых является ограниченное количество часов, отводимых на изучение языка. Выходом из этого противоречия может стать лишь оптимизация процесса обучения. Для этого необходимо не только найти эффективные, наиболее экономные приемы обучения языку, но и определить тот информационно-лингвистический материал, на котором можно успешно применить эти приемы.

Следует отметить, что для подавляющего большинства обучаемых, овладение иностранным языком в совершенстве, как родным, является целью практически не достижимой. Поэтому методика должна строиться с учетом обучения не языку вообще, в целом, а с учетом выработки у обучаемых определенных навыков: например, в разговорно-бытовой речи, в письме, в понимании (переводном или беспереводном) текста - художественного, научного, 4 публицистического и т.д. Усилия преподавателя и обучаемого должны фокусироваться на достижении конкретной цели, на умении использовать знание иностранного языка в определенных ситуациях. Человека, работающего в технической области, прежде всего, интересует возможность понимать текст по своей специальности, а умение вести беседу о музыке или кино будет иметь для него второстепенное значение.

Направленной методике должен соответствовать и языковой материал, на который опирается эта методика. Этот материал необходимо сформировать и в дальнейшем разбить на части (блоки) для наиболее эффективного обучения.

Целью диссертационной работы является разработка, обоснование и реализация программно-алгоритмического комплекса, обеспечивающего повышение эффективности формирования; и оптимизации мультилингвистического базиса терминологической лексики для адаптивно-обучающих систем.

Для достижения,поставленной цели решались следующие задачи:

- анализ компьютерных технологий и систем обучения* иностранной лексике;

- построение модели изучения информационно-терминологического базиса на основе цепей Маркова;

- разработка алгоритмов формирования информационно-терминологического базиса;

- разработка алгоритмов разбиения информационно-терминологического базиса на модули, оптимальные по трудоемкости изучения;

- программная реализация и тестирование построенных алгоритмов.

Методы исследования.

При выполнении работы использовались методы системного анализа, оптимизации, методология структурного анализа и статистические методы обработки данных.

Научная новизна работы:

1. Разработана модель изучения мультилингвистического информационно-терминологического базиса, позволяющая рассчитывать трудоемкость его освоения с последующим, разбиением его на блоки.

2. Разработаны алгоритмы формирования мультилингвистического информационно-терминологического базиса, учитывающие взаимосвязи и частоты встречаемости слов при обучении иностранным языкам.

3. Разработаны алгоритмы оптимального разбиения на равновеликие модули и субоптимальные алгоритмы разбиения мультилингвистического информационно-терминологического базиса, на модули* из блоков, позволяющие находить решение за существенно меньшее время, чем алгоритм полного перебора.

4. Разработан программный комплекс, позволяющий формировать мультилингвистическую информационно-терминологическую базу для последующего использования в комплексах обучения. г

Практическая ценность.

Разработанная в диссертации модель изучения мультилингвистического информационно-терминологического базиса. Позволяет построить алгоритмы разбиения базиса на части, для последующего эффективного обучения иностранным языкам. Разработанная программная реализация алгоритмов формирования и разбиения базиса может применяться в более крупных комплексах адаптивного обучения иностранным языкам.

Достоверность полученных результатов

Подтверждается корректным использованием методологии системного анализа при обосновании полученных результатов, выводов, рекомендаций, а также успешной апробацией и демонстрацией возможностей разработанной системы при проведении экспериментов на базе информационно-управляющей б среды в ФГУП ЦКБ «Геофизика».

Реализация результатов работы.

Диссертационная работа выполнялась в рамках проекта РНП 2.2.2.3.9676 «Модельно алгоритмическое обеспечение мультилингвистической технологии интерактивного формирования многоязычных информационных ресурсов» аналитической ведомственной целевой программы "Развитие научного потенциала высшей школы (2006-2008 годы)". Полученные в диссертационной работе результаты внедрены в учебный процесс Политехнического института ФГОУ ВПО «Сибирский федеральный университет». На основе моделей и математических методов были разработаны программные системы, предназначенные для формирования и оптимизации мультилингвистического информационно-терминологического базиса. Программные системы прошли экспертизу и зарегистрированы в Отраслевом- фонде алгоритмов и программ (ОФАП), что делает их доступными широкому кругу специалистов по системному анализу и специалистов, занимающихся техническим переводом.

На защиту выносятся:

1. Модель изучения мультилингвистического информационно-терминологического базиса.

2. Алгоритмы формирования мультилингвистического информационно -терминологического базиса.

3. Алгоритмы разбиения мультилингвистического информационно-терминологического базиса на модули, оптимальные по трудоемкости изучения.

4. Программная реализация модельно-алгоритмического обеспечения системы формирования и оптимизации мультилингвистического информационно-терминологического базиса.

Апробация работы. Основные положения и результаты работы прошли апробацию на XI Международной научно-методической конференции "Новые информационные технологии в университетском образовании" (2006г.) и V-й Всероссийской научно-практической конференции "Недра Кузбасса. Инновации" (2006г.) Кемеровского государственного университета, научно-методической конференции "Современные информационные технологии в образовании: Южный федеральный округ" Ростовского Государственного Университета (2006г.). Диссертационная работа в целом обсуждалась на научных семинарах Красноярского государственного технического университета, НИИ Систем управления, волновых процессов и технологий (2005-2007гг.).

Выводы по разделу 4

1) Разработана программная реализация алгоритма формирования мультилингвистического информационно-терминологического базиса, которая позволяет формировать мультилингвистические словари в базы данных, для последующего использования в комплексах адаптивного обучения иностранным языкам.

2) Разработана программная реализация алгоритмов разбиения мультилингвистического информационно-терминологического базиса на блоки, оптимальные по трудоемкости изучения, которая позволяет использовать их в более крупных программных комплексах адаптивного обучения иностранным языкам, работающих в режиме реального времени.

Заключение

Таким образом, в работе решена задача разработки, обоснования и реализации программно-алгоритмического комплекса, обеспечивающего повышение эффективности формирования и оптимизации мультилингвистического базиса терминологической лексики для адаптивно-обучающих систем.

В качестве самостоятельных научных результатов, достигнутых при решении поставленной задачи, можно указать следующие.

1. Проведена формализация задачи изучения информационно-терминологического базиса мультилингвистической адаптивной обучающей технологии. Предложена модель изучения информационно-терминологического базиса на основе цепи Маркова, которая позволяет реализовать алгоритмы формирования и оптимизации базиса.

2. Разработаны и реализованы алгоритмы формирования мультилингвистического информационно-терминологического базиса, которые используют взаимосвязи и частоты встречаемости слов в текстах на нескольких языках.

3. Разработаны и реализованы алгоритмы по разбиению информационно-терминологического базиса на модули, которые позволяют изучать базис с наименьшими затратами времени.

4. Разработан программный комплекс формирования частотных словарей и разбиения их на блоки, который , может быть использован в более крупных программных комплексах адаптивного обучения иностранным языкам, t работающих в интерактивном режиме.

1. Агапова, О.И. О трех поколениях компьютерных технологий обучения Текст.

2. О.И. Агапова, А.О.-Кривошеев, А.С. Ушаков // Информатика и образование. 1994. - №2. - С.34-40.

3. Александров, Г.Н. Программированное обучение и новые информационные технологии обучения • Текст. / Г.Н. Александров // Информатика и образование. 1993. - №5. - С.7-19.

4. Атанов, Г.А. Структурирование понятий предметной области с помощью методов представления знаний Текст. / Г.А. Атанов, И.Н. Пустынникова //Искусственный интеллект. 1997. - №2. — С.29-40.

5. Бовтенко, М.А. Компьютерная лингводидактика: Учебное пособие. Текст. / М.А. Бовтенко. Новосибирск: Изд-во НГТУ, 2000.

6. Брусиловский, П.Л. Интеллектуальные обучающие системы. Текст. / П.Л. Брусиловский //Информатика. Информационные технологии. Средства и системы. 1990. - №2. - С.3-22.

7. Васильев, В.И. Интеллектуальные системы управления с использованием нечеткой логики: Учебное пособие. Текст. / В.И. Васильев, Б.Г.Ильясов. — Уфимск: гос. авиац. техн. ун-т, 1995. - 80 с.

8. Вендров, A.M. CASE-технологии. Современные методы и средства проектирования информационных систем. Текст. / A.M. Вендров. М.: Финансы и статистика, - 1998.

9. Галеев, И.Х. Модели и методы построения автоматизированных обучающих систем (обзор). Текст. / И.Х. Галеев // Информатика. Научно-технический сборник. Серия Кадровое обеспечение. 1990. - №1. - С.64-72.

10. И.Горбаченко, И.М. Методы моделирования процесса обучения и разработка интерактивных обучающих курсов Текст. / И.М. Горбаченко //Красноярск:1.*1. КГТУ.-2001.- 174с.

11. Данилин, А.Р. Создание специализированных автоматизированных систем обучения на базе АОС общего назначения Текст. / А.Р. Данилин // Обучающие и контролирующие системы на базе ЭВМ. Сборник научных трудов*. 1982.-С.3-10.

12. Демушкин, А.С. Компьютерные обучающие программы Текст. / А.С. Демушкин // Информатика и образование. 1995. - №3. - С.72-76.

13. Джексон, Г. Проектирование реляционных баз данных для использования с микро-ЭВМ Текст. / Г. Джексон. М.:Мир, 1991. 325с.

14. Довгялло, A.M. Обучающие системы нового поколения Текст. / A.M. Довгялло, Е.Л. Ющенко // УсиМ. 1988. - №1. - С.83-86.

15. Домрачев, В.Г. О классификации компьютерных образовательных информационных технологий. Текст. / В.Г. Домрачев, И.В. Ретинская // Информационные технологии. 1996. -№2. - С.10-14.

16. Кабальнов Ю.С. Информационно-обучающие среды образовательных, систем Текст. / Ю.С. Кабальнов, С.В. Тархов, Ш.М. Минасов // Вестник УГАТУ. Т.З.- 2002. №2. - С.187-196.

17. Калянов, Г.Н. CASE структурный и системный анализ. Автоматизация и применение Текст. / Г.Н. Калянов. М.: Изд-во «ЛОРИ», - 2006. - 203с.

18. Калянов, Г.Н. Консалтинг при автоматизации предприятий. Подходы, методы, средства Текст. / Г.Н. Калянов. М.: СИНТЕГ, 1997. - 354с.

19. Калянов, Г.Н. Сравнительный анализ структурных методологий Текст. / Г.Н. Калянов, А.В. Козлинский, В.Н. Лебедев //Системы управления базами данных. 1997. - №5. - С.75-78.

20. Карасева, М.В. Мультилингвистическая система обучения иностранной терминологической лексике Текст. / М.В. Карасева, Т.А. Ковалева, Е.А. Суздалева//Вестник НИИ СУВПТ. 1999. - №2. - С.181-189.

21. Карберри, С. Модели пользователя: проблема неадекватности Текст. / С. Карберри // Новое в зарубежной лингвистике. 1989. - Вып. 24. - С.259-291.

22. Кириллов, В.П. SSADM передовая технология разработки автоматизированных систем Текст. / В.П. Кириллов //Компьютеры + программы. - 2007. - №2. - С.8-17.

23. Кирилова Г.И. Динамизация процесса обучения как фактор перехода к информационному обществу Текст. / Г.И. Кирилова // Казанский педагогический журнал. 1996. - №3. - С.45-50.

24. Кларлащук, В.И. Обучающие программы Текст. / В.И. Кларлащук. М.: Солон-Р,-2001.-247с.

25. Ковалев, И.В. Разработка программного обеспечения. Информационно-обучающие технологии Текст. / И.В. Ковалев. Красноярск: ИПЦ КГТУ, -2004.

26. Ковалев, И.В. Оптимизация обработки данных в распределенных образовательных средах Текст. / И. В. Ковалев, С. А. Яркова, С. Ф. Шевчук, П. В. Зеленков // Программные продукты и системы. 2007. - № 3. - С.70-71.

27. Корпачева, JI.H. Новое образовательное направление Текст. / JI.H. Корпачева// Проблемы специалистов в системе непрерывного образования: Сб. статей. — Красноярск: ГУЦМиЗ, 2004. - Вып. 10. - С. 108-112.

28. Кривошеев, А.О. Разработка и использование компьютерных обучающих программ Текст. / А.О. Кривошеев // Информационные технологии. 1996. -№2. - С.14-18.

29. Кривошеев, А.О. Перспективные internet-технологии информационного обеспечения образовательных услуг. Часть 1. Текст. / А.О. Кривошеев, Г.С. Голомидов, А.Н. Таран //Информационные технологии. — 2006. №7. - С.38-44.

30. Кручинин, В.В. Разработка компьютерных учебных программ Текст. / В.В. Кручинин. Томск: ТМиЗ, - 2006. - 467с.

31. Лаутербах, Р. Программное обеспечение процесса обучения Текст. / Р. Лаутербах, К. Фрей // Перспективы. Вопросы образования. 1988. - №3. -С.70-79.

32. Макфредрис, П. Создание Web-страниц Текст. / П. Макфредрис. М.: Астрель,-2004.-230с.

33. Марка, Д.А. Методология структурного системного анализа и проектирования SADT Текст. / Д.А. Марка. М.: Метатехнология, - 2003. - 540с.

34. Машбиц, Е.И. Диалог в обучающей системе Текст. / Е.И. Машбиц. Киев: Иволга, - 1989.-376с.

35. Махмутов, М.И. Педагогические технологии развития мышления учащихся Текст. / М.И. Махмутов, Г.И. Ибрагимов, М.А. Чошанов. Казань: Метаиздание, - 1993. - 231с.

36. Огнерубов, С.С. Мультилингвистический переводчик по системному анализу Текст. / С.С. Огнерубов, И.В. Ковалев, К.В. Полянский, Р.Ю. Царев, П.М. Лохмаков, М.В. Карасева // Инновации в науке и образовании. 2007. — № 3 (26).-С. 19. ' f ,

37. Огнерубов, С.С. Алгоритмы оптимизации блочно-модульной структуры-информационно-терминологического базиса. Текст. / С.С. Огнерубов, Л.Н. Корпачева // Вестник университетского комплекса. 2005. - №6(20). — С. 6671

38. Огнерубов, С.С. Система оптимизации обработки и хранения информации в базах данных распределенных образовательных сред Текст./ С.С. Огнерубов, С.Ф. Шевчук, С.А. Яркова // Вестник НИИ СУВПТ. 2006. - выпуск 23. -С.175-177.

39. Савельев, А.Я. Подготовка информации для автоматизированных обучающих систем Текст. / А.Я.Савельев, В.А.Новиков, Ю.И.Лобанов. М.: Высшая школа, - 1986. - 175с.

40. Позин, Б.А. Современные средства программной инженерии для создания открытых прикладных информационных систем Текст. / Б.А. Позин // Системы управления базами данных. 1995. - №15. - С.139-144.

41. Растригин, Л.А. Адаптация сложных систем. Методы и приложения Текст. / Л.А. Растригин. Рига: Зинатне, - 1981. - 375с.

42. Растригин, Л.А. Адаптивное обучение с моделью обучаемого Текст. / Л.А.

43. Растригин. Рига: Зинатне, - 1988. - 354с.122

44. Русскин, В.М. Информационная методология SSADM: методика моделирования информационных потоков при разработке автоматизированных систем Текст. / В.М. Русскин, В.П. Кириллов //Компьютеры + программы. — 1995. №3. - С. 15-23.

45. Савельев, А .Я. Подготовка информации для автоматизированных обучающих систем Текст. / А.Я Савельев. М.: Высшая школа, — 1986. - 339с.

46. Семенов, В.В. Информационные основы кибернетической компьютерной технологии обучения Текст. / В.В. Семенов // Информатика и вычислительная техника. — 1997. №3. - С.37-40.

47. Соловов, А.В. Проектирование компьютерных систем учебного назначения: учебное пособие Текст. / А.В. Соловов. Самара: СГАУ, - 1995. - 237с.

48. Талантов, М. Поиск в Интернете: подводные камни Текст. / М. Талантов // КомпьютерПресс. 1999. - №9. - С.46-52.

49. Тархов С.В. Управление адаптивным обучением и его оптимизация на базе теории абстрактных автоматов и марковских процессов Текст. /С.В. Тархов //V

50. Тархов С.В. Оценка эффективности адаптивного электронного обучения Текст. / С.В. Тархов // Информационные технологии моделирования и управления. 2005. - №3 (21). - С.337-346.

51. Тихомиров, В.П. Дистанционное обучение: к виртуальным средам знаний. Часть 1 Текст. / В.П. Тихомиров, В.И. Солдаткин, C.JI. Лобачев, О.Г. Ковальчук // Дистанционное образование. 1999. - №2. - С.8-16.

52. Усачев, А.В. Адаптивная информационная технология управления образованием Текст. / А.В. Усачев. // Материалы IX Международной студенческой школы-семинара "Новые информационные технологии". — М.: НИИ МЭИИТ МГИЭМ, 2003. - С.366-368.

53. Усачев, А.В. Адаптивная технология управления качеством образования Текст. / А.В. Усачев. // Материалы III Всероссийской научно-практической конференции "Влияние образовательных технологий на развитие регионов". — Красноярск: КФ МЭСИ, 2003. - С.29-31.

54. Усачев, А.В. Нейросетевая кластеризация множественных значений терминологии с учетом лингвистической избыточности Текст. / А.В. Усачев. // Вестник НИИ СУВПТ. 2003. - С. 140-150.

55. Усачев, А.В. Нейросетевая мнемотехнология обучения. Текст. / А.В. Усачев. // Материалы XLI Международной научной студенческой конференции "Студент и научно-технический прогресс": Информационные технологии. -Новосибирск: НГУ, 2003. - С. 159-160.

56. Филлипс, Д. Методы анализа сетей Текст. / Д. Филлипс, А. Гарсиа-Диас. М.: Мир, 1984.-496с.

57. Шибанов, А.П. Нахождение закона распределения выходной величины GERT-сети большой размерности Текст. / А.П. Шибанов // Информационные технологии. 2002. - № 1. - С.42-45.