автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Информационное и алгоритмическое обеспечение адаптивного управления слабо формализуемыми объектами на примере переносимых обучающих модулей

На правах рукописи

Курзыбова Яна Владимировна

ИНФОРМАЦИОННОЕ И АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ АДАПТИВНОГО УПРАВЛЕНИЯ СЛАБО ФОРМАЛИЗУЕМЫМИ ОБЪЕКТАМИ НА ПРИМЕРЕ ПЕРЕНОСИМЫХ ОБУЧАЮЩИХ

МОДУЛЕЙ

Специальность 05.13.01 - Системный анализ, управление и обработка информации (региональные народно-хозяйственные комплексы)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

2 2 (1ЮН 2012

Иркутск-2012

005046061

Диссертация выполнена на кафедре «Автоматизированные системы» ФГБОУ ВПО «Иркутский государственный технический университет»

Научный руководитель: Петров Александр Васильевич, доктор технических наук, профессор, декан факультета «Кибернетика» ФГБОУ ВПО «Иркутский государственный технический университет»

Официальные оппоненты: Ованесян Сергей Суренович, доктор экономических наук, профессор, заведующий кафедрой «Статистика и экономический анализ» ФГБОУ ВПО «Байкальский государственный университет экономики и права»

Кузнецов Борис Федорович, доктор технических наук, профессор, декан факультета «Техническая кибернетика» ФГБОУ ВПО «Ангарская государственная техническая академия»

Ведущая организация: ФГБОУ ВПО НИ «Томский политехнический

университет»

Защита диссертации состоится «26» июня 2012 г. в 1400 на заседании диссертационного совета Д 212.070.07 при Байкальском государственном университете экономики и права по адресу: 664003, г. Иркутск, ул. К. Маркса, д.24, корп. 9, зал заседаний ученого совета БГУЭП.

С диссертацией можно ознакомиться в библиотеке ФГБОУ ВПО «Байкальский государственный университет экономики и права» по адресу: 664003, г. Иркутск, ул. Ленина, 11, БГУЭП, корпус 2, аудитория 101.

Объявление о защите и автореферат размещены на сайте ВАК Минобрнауки РФ (www.vak.ed.gov) мая 2012 г. и на официальном сайте Байкальского го-

сударственного университета экономики и права (www.isea.ru) «¿6» мая 2012 г.

Отзывы на автореферат направлять по адресу: 664003, г. Иркутск, ул. Ленина, 11, БГУЭ ученому секретарю диссертационного совета Д 212.070.07.

Автореферат разослан «2,£У> мая 2012 г.

Ученый секретарь диссертационного совета, кандидат технических наук, доцент

Т.И. Ведернико]

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. В настоящее время эффективность использования и обработки информации связана с качеством организационно-технических систем, используемых в народно-хозяйственной деятельности человека. Основной характеристикой данного класса систем является наличие совместно функционирующих устройств и людей.

Организационно-технические системы характеризуются наличием неопределенности характеристик в большей степени, чем технические системы. Наличие характеристик, не поддающихся формализации, а также неопределенность влияния одних факторов на другие влечет применение неклассических методов управления, базирующихся на теории искусственного интеллекта, нечеткой логике, эвристиках, которые позволяют получать решения в слабо-формализуемых областях. Методы управления и техническая реализация таких систем, зачастую, не обладают свойствами универсальности, переносимости из одной системы в другую.

К организационно-техническим системам непосредственно относятся системы электронного обучения, в которых также сохраняется проблема переносимой реализации адаптивного управления.

Описанная выше проблема распространяется и является актуальной для широкого класса систем электронного обучения, в которых необходима информационная и алгоритмическая поддержка адаптивного управления компоновкой электронных образовательных ресурсов (ЭОР), обеспечивающих адаптивное обучение в электронной обучающей среде на основе мониторинга и оценки состояния процесса обучения.

Одним из путей решения проблемы синтеза ЭОР, обладающих свойством переносимости и самонастройки, является анализ и разработка переносимых обучающих модулей, способных генерировать обучающие траектории. Это позволит дополнять функциональность уже существующих систем без их кардинальной реконструкции.

На сегодняшний день существует проблема разработки и реализации информационной модели учебных модулей, компилируемых из учебных объектов с возможностью дальнейшего добавления к уже существующим системам обучения с целью расширения функциональности этих систем. Для реализации учебных модулей использованы спецификации SCORM (Sharable content object reference model), определяющие формат структуры и представления учебных объектов.

Исходя из вышесказанного, актуальной является задача информационного и алгоритмического обеспечения адаптивного управления технической (программной) составляющей организационно-технических систем, обладающих свойствами переносимости и самонастройки.

Методологической основой исследования послужили труды ученых: Александрова В.В., Гавриловой Т.А., Хорошевского В.Г., ЦыпкинаЯ.З., Ларичева О.И., Рыбиной Г.В., Растригина JI.A., Поспелова Д.А., Брусиловского П.Л., Башмако-ваА.И., Соловова A.B., Беспалько В.П., Зайцевой Л.В. Значительный вклад в разработку направления автоматизации адаптивного обучения внесли Брусилов-скийП.Л., Гаврилова Т.А., Рыбина Г.В., Курганская Г.С., Тархов C.B., Леонова Н.М., Галеев И.Х., A. Kobsa, M. Specht, W. Nejdl, D. Benyon, P. De Bra.

Цель работы состоит в системном анализе и алгоритмизации функционирования интероперабельных обучающих модулей, реализующих адаптивное управление компоновкой электронных образовательных ресурсов.

В соответствии с этой целью были поставлены следующие задачи.

1. Системный анализ переносимых модулей, реализующих адаптивное управление компоновкой ЭОР, включающий в себя анализ отечественных и международных разработок и исследований адаптивных систем обучения, а также существующих подходов к автоматизации процесса адаптивного управления в обучающих системах.

2. Разработка алгоритмов синтеза адаптивных обучающих траекторий в переносимых модулях и их программная реализация, удовлетворяющая международным спецификациям ЙСОЯМ.

3. Разработка информационного обеспечения переносимых модулей: создание структурированных учебно-методических материалов, представленных в форме ЭОР; банка тестовых вопросов, служащего основой адаптивного управления компоновкой ЭОР; создание экранных форм, предоставляющих пользовательские интерфейсы.

4. Проведение испытаний по использованию разработанных алгоритмов и программных средств. Экспериментальный анализ качественных характеристик адаптивного обучения с использованием обучающих модулей.

Объектом исследования является процесс динамической компоновки электронных образовательных ресурсов, основанный на адаптивном управлении в электронной образовательной среде.

Предмет исследования. Моделирование адаптивных переносимых обучающих модулей.

Методы исследования. В работе использованы методы системного анализа, искусственного интеллекта, разработки веб-приложений, дискретной математики, математической статистики, объектно-ориентированного анализа и проектирования.

Научную новизну диссертации представляют следующие положения, которые выносятся на защиту:

1. Информационная модель описания учебного процесса в переносимых обучающих модулях.

2. Формализованное описание учебных объектов, промежуточных результатов обучения, ограничений функционирования модулей, позволяющее реализовать построение адаптивных обучающих траекторий.

3. Метод адаптации по прецедентам в области электронного обучения.

4. Алгоритмы адаптивного управления компоновкой электронных образовательных ресурсов для модулей, соответствующие спецификациям БСОЯМ.

Практическая значимость. Разработаны алгоритмы генерации обучающих траекторий, опирающиеся на адаптивное управление по прецедентам. Создан программный комплекс «ОПАН»[4]. Разработана серия электронных курсов, реализующих адаптивное управление компоновкой ЭОР посредством включения в курсы переносимых модулей. Проведена апробация разработанных алгоритмов в Международном институте экономики и лингвистики Иркутского государственного университета, в Центре интернет-технологий Иркутского государственного техни-

ческого университета, а также в Иркутском государственном институте усовершенствования врачей в процессе переподготовки и повышении квалификации медицинских работников. Результаты исследования использованы в проекте по заказу Федерального агентства образования (проект № Ф-302, контракт П657, 2007 г.).

Апробация работы. Основные результаты работы представлены на Всероссийской конференции «Винеровские чтения», Иркутск, 2006; на XII Байкальской всероссийской конференции «Информационные и математические технологии в научных исследованиях», Иркутск, 2007; на Международной научно-практической конференции «Новые информационные технологии в образовании», Иркутск, 2007; в Федеральном агентстве образования, Москва, 2007; на Международной научно-практической конференции «Новые информационные технологии в образовании», Екатеринбург, 2008; на IX Байкальской всероссийской конференции «Информационные и математические технологии в научных исследованиях», Иркутск, 2009; на VIII Всероссийской научной конференции молодых ученых, аспирантов и студентов «Информационные технологии системный анализ и управление», Таганрог, 2010.

Публикации и личный вклад автора. Результаты диссертации отражены в 11 научных работах (в том числе 3 статьи в журналах, рекомендованных ВАК для опубликования научных результатов диссертации на соискание ученой степени доктора или кандидата наук, Свидетельство Роспатента об официальной регистрации программы для ЭВМ).

Структура и объем работы. Диссертация состоит из введения, трех глав, заключения, библиографии из 146 наименований и 4 приложений. Общий объем работы - 157 страниц, из которых 136 страниц основного текста, включающего 30 рисунков и 13 таблиц.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы, сформулирована цель, приведены задачи исследования, научная новизна диссертационной работы, дана краткая аннотация работы.

В первой главе рассмотрено состояние современных средств электронного обучения в отношении реализации адаптивного управления компоновки ЭОР. Выделены среди существующих систем электронного обучения интеллектуальные системы, реализующие методы адаптивного управления. Проанализированы модели адаптивного электронного обучения. Сформулированы основные направления в решении задачи моделирования и создания переносимых обучающих модулей, реализующих адаптивное управление компоновкой ЭОР.

Во второй главе Предложен метод формирования адаптивного управляющего контура в слабо формализованных системах, который содержит: формулировку цели управления, признаковое описание объекта управления, ограничений, прецедентов, разбиение прецедентов на классы, анализ прецедентов с использованием матрицы знаний.

Проведен системный анализ по обобщенной методике С. Оптнера в силу специфики этапов методики, делающих упор на анализ альтернатив, приводящих к

цели функционирования системы. Системный анализ переносимых обучающих модулей ориентирован на анализ альтернатив: дерево целей создания приносимых обучающих модулей, структура системы переносимых обучающих модулей, модель обучающих модулей, основанная на теории прецедентов, анализ альтернатив, составление и реализация решения проблемы адаптивного обучения в электронных средах и системах, оценка реализации целей переносимых обучающих модулей.

Выполнено формализованное описание учебных объектов, промежуточных результатов обучения, ограничений функционирования модулей, позволяющее реализовать построение адаптивных обучающих траекторий.

Дано описание модели А-го обучаемого (k=l,...,/, где 1- количество обучаемых), выступающего подсистемой обучающего модуля. Структура модели представлена на рис. 1. На этом рисунке F(i) - метаинформация, полученная из электронного курса. Каждая итерация обучения вызывает управляющие воздействия на объект управления «обучаемый», представленные информационным потоком:

Ik(i) =< Irk(i),Vk(i),Trk(i),Tsk(i)>, (1)

где i - номер итерации изучения элементов модуля, !rk(i) ~ априорные правила взаимодействия обучаемого с модулем (представляют собой ограничения, формулируемые преподавателем при составление модулей: количество допустимых обращений к учебным элементам (УЭ), допустимое время взаимодействия, уровень представления (изложения) УЭ, порядок обхода набора УЭ, необходимый процент по результатам теста), Vk(i) - набор УЭ, Trk(i) - дерево деятельности, Tsk(i)~ множество тестовых заданий, связанных с текущей итерацией.

Выходной информационный поток Jk(i) содержит элементы, отражающие результаты взаимодействия обучаемого с модулем:

Jk(0 =< Р*(0, Histk{i) >, (2)

где №.«'(/) - история обучения (3), Pk(i)- характеристика, отражающая уровень усвоения учебного материала по окончании итерации. Оценка Pk(i) определяется методом тестирования. В большинстве адаптивных обучающих систем управляющее воздействие определяется результатами теста, по которым настраивается уровень сложности и объем последующих заданий. Однако показатели результатов тестирования не в полной мере способны отразить динамику состояния объекта управления. Обучаемый при анализе только результатов теста представляет собой некое подобие «черного ящика», слабые стороны в знаниях обучаемого при использовании данного метода скрыты для анализа, тестирование выступает лишь обобщенным показателем результатов обучения.

Для более глубокого анализа учебных характеристик обучаемого введем оценку Hisfii) - история обучения, характеризующую множество УЭ в траектории

Histk(i) = {<dk,n\,tl^,a\ >,<rf2\n^,r2\a* >,..,<dln*,tkra,Сакш >}, (3)

где т - количество итераций; d - уровень представления (изложения) учебного материала; п - количество попыток; t - направление навигации; г - уровень достижения учебных целей; а - доступность других элементов траектории (не только логически следующих за изучением текущего учебного элемента).

Управляющее устройство представляет собой функциональную часть модуля и учебные действия обучаемого (действия обучаемого также управляют изменением траектории), реализующей алгоритмы параметрической и структурной адаптации. Управляющие воздействия инициирует контур управления 1к(1), описанный выше.

Введены ограничения для формирования траектории обучения С1(ва)<С'у,у = 1~4 и константные ограничения С" ={С°, ,С°2 ,...,С°4} - множество значений констант ограничений, Б, е множество траекторий, удовлетворяющих ограничениям Сг(за)\

- С/Б,, ) = {.<:, е| (1:к <С?} - обучаемый изучает лишь те УЭ, уровень представления которых для него определен;

- Сг(8а) = {$, еЛ", \ пк <С°2} - нельзя превысить количество попыток обращения к УЭ, установленных преподавателем;

- С, (8а ) = е Л"„ | ^ < С"} - оценка, полученная по УЭ модуля, не должна быть ниже установленной для обучаемого;

- С, (8а) = {я, е | пл <С"4) - направление навигации по УЭ модуля совпадает

с заданным для обучаемого направлением навигации. Задача адаптации обучающей траектории к обучаемому сводится к генерации управляющего воздействия адаптивного модуля всякий раз по завершению текущей итерации взаимодействия обучаемого с модулем. Каждая итерация обучения обладает совокупностью уникальных характеристик и инициирует ситуативное управление. В работе предлагается использовать метод управления основанный на прецедентах.

Разработана информационная модель описания учебного процесса в переносимых обучающих модулях.

Самоприспосабливаемость модуля (как подсистемы обучения) будет заключаться в изменении структуры модулей (изменение набора учебных объектов), как следствие, обучающей траектории, а также в изменении правил взаимодействия обучаемого с адаптивным модулем. Целью адаптации будет являться достижение высоких показателей обучения с уменьшением используемых ресурсов (времени, затраченного обучающим и обучаемым).

Модель адаптивного обучающего модуля включает в себя следующие подсистемы:

- подсистема «Обучаемый»;

- подсистема дерево курса;

- подсистема контроля (обратной связи);

- управляющая подсистема (состоящая из управляющего устройства и адаптера);

- электронный курс.

Анализируя выходной информационный поток устройства управления (результаты взаимодействия обучаемого с модулем на текущей итерации), можно спроектировать адаптивную систему управления обучением (рис. 1).

Средой для адаптивных обучающих модулей могут выступать: электронный курс, система дистанционного обучения или автономное использование модулей

без интеграции в обучающую среду. Метаинформация из пакета курса является информацией из внешней среды для переносимого модуля (возможности и характеристики 8СО-объектов, описанные в спецификациях 8С(ЖМ). Адаптивный модуль может представлять собой любой кластер дерева курса, но не может выступать самим курсом (это связано с особенностями упаковки пакета курса, описанными в спецификациях БСОКМ).

ОУ (объект управления)

| Электронный курс

Представительская часть обучающего модуля

! Ir*(i)\

Ir

1к (0 V(i)\ V

...........V Tf(i)\ Tr

Ts

УУ (управляющее устройство)

Qрогат (^ )

•«Закон здапт.1 --

iLhfÜ \

-«Закон адапт.2—

Обучаемый1

f (о

•уровень знаний.........

-история обучения -

Hisl\i)

т

Метаинформация модуля

функциональная часть Обучающего модуля (адаптер)

I Регистрация прецедента

I Анализ прецедента

_|_

! Анализ базы прецедентов

I Адаптация текущего случая

Imsmanisest.xmt

Метаинформация модуля

Внешняя среда

Рис. 1. Информационная модель организации учебного процесса

В обучающем модуле управляющие воздействия направлены на два объекта: обучаемого и представительскую часть обучающего модуля.

На схеме адаптивной системы управления (рис. 1) присутствует два контура управления (адаптации):

1) адаптивное управление обучаемым д^О) - параметрическая адаптация к модели обучаемого;

2) адаптивное управление структурой обучающего модуля и его представлением Яшл/1) ~ структурная адаптация обучающего модуля.

Входная информация ОУ (объекта управления) описывается выражением (1) - информационным потоком, направленным на обучаемого. Выходной информационный поток ОУ описывается выражением (2).

Разработан метод адаптации по прецедентам в области электронного обучения.

Адаптация по прецедентам — это способ принятия решения, опирающийся не только на общие сведения и закономерности предметной области в целом (как это есть в формальных моделях), но использующий положительные исходы предыдущего опыта взаимодействия обучаемого системой

Метод адаптации по прецедентам заключается в рассуждениях, многократно использующихся применительно к учебным ситуациям. Воспользуемся концепцией повторного (многократного) использования эталонных объектов контента, регламентированных спецификациями SCORM.

Для адаптивного управления в слабо формализуемой организационно-технической среде электронного обучения прибегнем к управлению по прецедентам. Классическую модель прецедента: прецедент = <объект, ответ>, адаптируем к предметной области электронного обучения.

Пусть имеется множество объектов X - множество возможных траекторий, представляющих собой набор:

X = {х,\х=< V, Hist, Test, Rule >), (4)

где i = 1 ,k — конечное число итераций, K = (v,,v2,...,vm) - подмножество множества О учебных объектов (VezО), входящих в модуль адаптивного обучения, Test - множество тестовых заданий, покрывающих V, Rule - набор правил взаимодействия обучаемого с траекторией, Hist - множество вида (3).

При заданных ограничениях Cr(sa )< С°,у = Tj мы располагаем набором объектов вида (4), их характеристиками и результатами порогового теста.

Множество ответов Y представляет собой новую траекторию, с определенными на ней правилами взаимодействия:

У = {y¡ | у =< [", RTrest, Rule'>}, (5)

где V - уточненное подмножество УЭ, RTrest— результаты порогового теста, Rule' — уточненные правила взаимодействия с модулем.

Рассмотрим прецеденты с точки зрения управляемого процесса. Рассмотрим объект управления «обучаемый» в начале обучения: Learner* (0)=< Irt(fi),Vi(0),Trk(0),Testk(0)>, где Learner* (0)-обучаемый в начальный момент обучения (первая безусловная итерация), Ir1 (0) - априорные правила взаимодействия обучаемого с модулем, F*(0)- набор учебных объектов, 7>'(0) -дерево деятельности, связанное с текущей итерацией, Testk(0)— множество тестовых заданий, связанных с текущей итерацией.

ОУ «обучаемый» на ¡-ом шаге взаимодействия с модулей представляет собой: Learner1'(i) =< V(i),Hist(i)Jest(¡),Rule(i) >, где Hist(i)- объект вида (3), Rule(i) -правила взаимодействия на г-шаге.

После взаимодействия с обучающим модулем состояние обучаемого опишем следующим выражением:

Learner* (i +1) =< V(i + J), Hist( i+ 1), Test(i + 1), Rule( i + l)>. Learner (i), Learner (i+ 1)- состояние объекта управления до и после взаимодействия с обучающим модулем. Управляющее воздействие определяется: U(i) =< V(i), Rule(i) >, где V(i) - подмножество учебных элементов, входящих в текущую учебную траекторию,

Rule(i) — текущие правила взаимодействия обучаемого с модулем. Исход управления представим в виде: Result(i) =< Hist(i), Test(i) >. Прецедент представим следующим образом: PR(i) =< Learner(i), U(i), Learner(i + 1), Re sult(i) >.

Для использования адаптации по прецедентам необходимо выделить признаки проблемной ситуации, которые позволят классифицировать их по управляющим воздействиям.

В диссертации выделены классы проблемных ситуаций по управляющим воздействиям, вошедшие в обучающую выборку.

1. Итерация «Прогон» - прецедент, характеризующийся «провальными» пороговыми оценками знаний. Результирующее воздействие: набор учебных объектов остается неизменным, для обучаемого фиксируется количество «Прогонов».

2. Итерация «Звездный путь» - прецедент, характеризующийся «высокими» пороговыми оценками знаний по всем учебным объектам, в такой ситуации для повторного изучения из текущей траектории в следующую не попадет ни один элемент. Управляющее воздействие может быть двух видов:

а) завершение обучения с предоставлением результатов;

б) в новую траекторию войдут учебные объекты более высоким уровнем изложения.

3. Итерация «Время-деньги» - прецедент, характеризующийся моделью обучения с ограниченным количеством времени изучения конкретного учебного объекта. Управляющее воздействие — увеличение времени изучения УО на фиксированное значение.

4. Итерация «Плато научения» - учебная ситуация, характеризующаяся достижением определенного уровня навыков, который остается неизменным при последующих итерациях обучения. Управляющее воздействие -завершение итераций взаимодействия с модулем.

Анализ решения для целевого прецедента строится исходя из сравнения с эталоном из обучающей выборки, приведенной в матрице знаний с помощью макси-минной процедуры определения близости прецедентов. Степень близости целевого прецедента с эталоном определяется исходя из признаковых описаний прецедента и эталона. Из множества наиболее близких прецедентов машинной процедурой выбирается единственное решение, эффективность которого анализируется на последующих итерациях.

Ачгоритмы адаптивного управления компоновкой ЭОР для модулей, соответствующие спецификациям SCORM.

Множество процедур, связанных с динамической компоновкой ЭОР были объединены в комплекс алгоритмов (рис. 2).

Управляющее воздействие, приводящее к адаптации, генерируется итеративно и включает в себя следующие этапы. Контроль и фиксация времени, затраченного на изучения отдельного элемента раздела (или курса). Установление последовательности изучения элементов (Asset) - строгая последовательность изучения или свободная последовательность (возможность многократного повторного обращения к элементам курса, движение как вперед, так и назад по дереву курса).

Промежуточный контроль на каждой итерации изучения раздела курса. Сохранение результатов промежуточного контроля. Контроль и сохранение количества попыток изучения каждого элемента обучающего модуля. Возможность ограничения учебных элементов по глубине изложения материала (студенту будут доступны лишь элементы заданной для него глубины изложения). Используется три уровня изложения: информационно-рецептивный, репродуктивный, проблемный.

Начало

)

Получение метаинформации из манифеста (Р(0))

Сформировать ограничения

Сг(за)<С°,у = Т,4

¡=0

Получить доопытную модело обучаемого

< 1гк(0),У':(0),Тгк(0),Т$1(0) >

Генерация первой безусловной траектории, удовлетворяющей ограничениям 5 е 5

- 5 -1

Обучение (доопытное взаимодействие с модулем)

Получить модель обучаемого Ьеатег* (I + !)=< У(1 +1 +1), Те*1(1 + 1),Яи!е(1 + !)>_

Сохранение результатов обучения

Сгенерировать управляющее 9 ] воздействие

С/О) =< УО),Яи1е(1)>

10

¡=¡+1

■12 и

Обучение (взаимодействие с| модулем)

НШк(г)

■ 13-,

Промежуточное тестирование э*/

ГО)

14

Анализ прецедента

■ 15

Сохранение результатов азагй обучения в БД

¡=¡+1

16-

Генерация новой траектории

иО)=<У(г),Яи1еО)>

17 -,

Конец

Рис. 2. Комплекс алгоритмов адаптивного управления компоновкой ЭОР

При использовании алгоритмов (рис. 2) появляется возможность динамически изменять структуру модуля в зависимости от результатов промежуточного тестирования и статистики взаимодействия обучаемого с модулем.

После очередного промежуточного тестирования осуществляется анализ прецедента и сохранение результатов в базу данных электронного курса. Выполняется генерация нового управляющего воздействия, которое включает новый набор учебных элементов и уточненные правила взаимодействия с модулем.

В третьей главе диссертации представлены: описание системы информационной поддержки и программная реализация обучающих модулей с адаптивной навигацией, основанной на прецедентах. Приводится описание окружения модулей: в какие системы обучения можно встроить модули; методические и технические требования к средам обучения, предлагается обоснование использования веб-технологий для реализации модулей; технология подготовки контента, его структурирования, метоописания, формирования и проверки на соответствие стандартам и спецификациям; описание технической реализации (статическая модель, модель взаимодействия) в нотации UML (Unified Modeling Language - унифицированный язык моделирования). Описываются механизмы интеграции обучающих модулей в различные средства электронного обучения, рассматривается применение спецификации SCORM S&N; постановка и проведение экспериментов, а также анализ и интерпретация экспериментальных данных.

Для представления модели динамического сценария обучения использован объектно-ориентированный анализ и проектирование. В нотации UML были построены следующие информационные модели: модель контекста системы обучения в виде диаграммы прецедентов, объектная модель классов обучающих модулей в виде диаграммы классов, модель поведения модулей в виде диаграммы последовательностей взаимодействия объектов.

Приведем объектно-ориентированную модель классов приносимых обучающих модулей (рис. 3). Для моделирования и представления учебных элементов введем класс LearningModul, экземплярами данного класса могут выступать учебные элементы, тестовые задания, графическая иллюстративная информация и многое другое, наследниками данного класса выступают SCO и Asset, данные сущности заимствованы из спецификаций SCORM и позволят в дальнейшем пользоваться возможностями, регламентированными в стандарте.

Для подтверждения эффективности предложенных алгоритмов адаптации был поставлен ряд опытов. Исследуемым явлением выступил процесс обучения и его результаты. Цель опытов - качественно оценить результаты применения метода адаптивной компоновки ЭОР, исходя из результатов обучения двух групп студентов. Сбор статистических данных и их хранение осуществлялись в базе данных СДО ¡.Logos, далее набор данных импортировался во внешнее приложение (Statistika) для дальнейшего анализа.

Education Rule

•totaJAttempt

•totaiTime

-difficuufly

-order

•mark

~7Г>~

♦getTtype() \

-totalAttempt

•totaiTime

-difficuulty

-order

•mark

+getNavigabonMode!()

+getNavigationListO +getTopicUst()_

-ind

+colCclls() ♦örawAccetlnfO +drawSludentlní() •arrUnítsO ♦drawPanel() ♦drawRepoftí)

+ch an geTraj ectory ()

Изменение сценария обучения

ResultOILeamlng

♦setStatisükaO -t-selAíTAssets I rrf( ) +setResultTest{)

-text

-index

-order

-mark

-topic

isActv()

♦nawisActiveO ♦re*tPos№ori() •pre viou sPositi on()

Final ResultOfLeamJng

+getFinalR©su itOfLe am i n g( )

A s setTes (information

-curre ntQuestj on -is Correct -quest onType -nameAsset

s—zs:

1 ;

:

Interactions

-id 1.*

-timestamp

-latency

Assetlnflrmation

-topic

-name

-attempt

-duration

-mark

+setAttempt()

+setDuration()

+eetMarkTest()

-ge-FinalReîultOiLeafr.inyii

Рис. 3. Диаграмма классов переносимых обучающих модулей

Для проведения качественного опыта были взяты две группы студентов: первая — контрольная группа (88 человек студентов первого курса специальности «Коммерция» - средний балл промежуточной аттестации по предмету «Информатика» 2,78 был получен до начала проведения экспериментов - статистика по нескольким группам 2007-2008 и 2008-2009 годов обучения) изучала электронный курс «MS Excel» (тема: «Списки и базы данных в Excel») в классической классно-урочной форме при использовании электронных материалов, размещенных в электронном курсе СДО, в котором отсутствовала рассмотренная выше методика адаптивного представления учебных элементов; вторая - экспериментальная группа (26 человек студентов первого курса специальности «Коммерция» - средний балл промежуточной аттестации по предмету «Информатика» 2,77 был получен до начала проведения экспериментов — статистика по нескольким группам 2007-2008 и 2008-2009 годов обучения) изучала электронный курс «MS Excel», состоящий из дидактических единиц идентичных, тем, что были использовано в первой экспе-

риментальной подгруппе (Asset-элементы), но уже с использованием выше упомянутой методики.

Для подведения итогов данных опытов две подгруппы студентов прошли идентичное итоговое тестирование по теме «Списки и базы данных в Excel»). Тестирование содержало вопросы (40 тестовых заданий), касающиеся всех дидактических единиц, рассмотренных на занятиях в рамках данной темы. Были использованы следующие формы тестовых заданий: закрытые формы - выбор один из многих, выбор многие из многих, установление последовательности, установление соответствия, а также открытая форма.

В результате анализа экспериментальных данных было установлено:

1) средневыборочное значение результатов теста для второй группы испытуемых увеличилось (улучшилось качество усвоения материала), доверительный интервал средневыборочного значения также переместился вправо (рис. 4);

2) применение обучающего модуля для проведения занятий во второй группе студентов улучшило качество усвоения материала, продемонстрированного при рубежном тесте.

0,41 0,47 0,53 0.64

□ - средневыборочное значение результатов теста для первой группы '¿Ц - средневыборочное значение результатов теста для второй группы

Рис. 4. Доверительные интервалы средневыборочного значения результатов итогового теста для двух экспериментов

На сегодняшний день существуют технические и социально-технические системы, в которых управление осуществляется по циклически повторяющейся схеме. Управляющие воздействия генерируются в условиях неполной информации об объекте управления и возмущающих воздействиях, а также при изменяющихся параметрах объекта управления. В таких системах адаптивное управление можно организовать по выводам по прецедентам, используя метод, приведенный в диссертации.

В работе приведены предметные области, согласующиеся с приведенной выше схемой адаптивного управления при итеративных воздействиях на объект управления: сборочная фаза технологических процессов, управление проектами, системы управления взаимоотношениями с клиентами. Для приведенных областей приводится описание применения методики с описанием характеристик адаптивного управления.

В заключении приведены основные результаты, полученные в ходе диссертационного исследования.

ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ РАБОТЫ

1. Создана информационная модель организации учебного процесса на основе переносимых адаптивных обучающих модулей.

2. Разработано формализованное описание учебных объектов, промежуточных результатов обучения, ограничений функционирования модулей, позволяющее реализовать адаптивное управление обучающей траекторией.

3. Разработан метод адаптации по прецедентам в области электронного обучения.

4. Разработаны алгоритмы адаптивного построения обучающей траектории для модулей, основанных на спецификациях SCORM, и выполнена их программная реализация с возможностью внедрения и переноса в любую систему обучения без привязки к предметной области.

5. Предложена и апробирована методика использования разработанных переносимых обучающих модулей при обучении студентов различных направлений и специальностей. Проведены испытания по использованию разработанных алгоритмов и программных средств. Проведен экспериментальный анализ качественных характеристик обучения, подтверждающий эффективность использования переносимых обучающих модулей.

6. Реализована информационная поддержка переносимых обучающих модулей: созданы экранные формы, предоставляющие пользовательский интерфейс, созданы структурированные учебно-методические материалы, представленные в форме электронных учебных объектов, а также банк тестовых вопросов, служащий основой адаптивного управления компоновкой электронных образовательных ресурсов.

7. Практическое применение переносимых модулей показало хорошие результаты в классно-урочной и дистанционной форме проведения занятий, а также в сфере переподготовки и повышения квалификации врачей.

8. Свойство переносимости модулей подтверждено удачным импортом в различные системы дистанционного обучения и системы тестирования контента: ¡.Logos, Moodle, Scorm Test Track, Reload Editor; а также в режиме автономного использования модулей в виде «Обучающей программы с адаптивной навигацией (ОПАН)».

По результатам диссертационного исследования получены акты о внедрении

и справка об участии в проекте по заказу Федерального агентства образования.

СПИСОК РАБОТ, ОПУБЛИКОВАННЫХ ПО ТЕМЕ ДИССЕРТАЦИИ В изданиях, рекомендованных ВАК Минобрнауки РФ:

1. Курзыбова, Я.В. Использование Scorm sequencing and navigation для построения адаптивной траектории обучения / Я.В. Курзыбова // Открытое образование. -2007. - №3. - С.41-46 (0,4).

2. Курзыбова, Я.В. Системный подход к анализу структуры и проектированию адаптивного интероперабельного обучающего модуля / Я.В. Курзыбова // Вестник Иркутского государственного технического университета. - 2010. -№6(46). - С. 291-294 (0,2).

3. Курзыбова, Я.В. Проектирование алгоритма функционирования адаптивных обучающих модулей в нотации UML / Я.В. Курзыбова // Открытое образование.-2011,-№1.-С. 16-21 (0,4).

Свидетельство об официальной регистрации программы для ЭВМ:

4. Курзыбова, Я.В. Обучающая программа с адаптивной навигацией (ОПАН): Свидетельство об официальной регистрации программы для ЭВМ № 2009613134 (17.06.2009). М.: Федеральная служба по интеллектуальной собственности, патентам и товарным знакам, 2009.

Статьи в других изданиях:

5. Курзыбова, Я.В. Организация электронного обучения в образовательных учреждениях системы среднего профессионального образования / И.М. Головных, P.M. Лобацкая, Д.А. Ульянов, А.Г. Куницын, Я.В. Курзыбова // Материалы 5-ой научно-практической конференции «Организация электронного обучения в образовательных учреждениях системы среднего профессионального образования». - Москва: МЭСИ. - 2006. - С. 16-22 (0,7/0,25).

6. Курзыбова, Я.В. Алгоритм формирования индивидуальной траектории обучения в системе дистанционного обучения i.Logos / Я.В. Курзыбова // Вестник МГПУ. - 2007. — №2 (9). - С.51-56 (0,4).

7. Курзыбова, Я.В. Построение оптимальной траектории обучения / Я.В. Курзыбова // Труды XII Байкальской Всероссийской конференции «Информационные и математические технологии в науке и управлении». — Ч.З. — 2007. - С. 236243 (0,5).

8. Курзыбова, Я.В. Адаптивный подход к формированию содержания курсов в системе дистанционного обучения i.Logos / Я.В. Курзыбова // Материалы международной научно-практической конференции «Новые информационные технологии в образовании». - Екатеринбург: Рос. гос. проф.-пед. ун-т. — 4.2. — 2008. - С. 73-77 (0,25).

9. Курзыбова, Я.В. Об одной идее многокритериальной оптимизации учебного процесса в условиях компьютерного обучения / Я.В. Курзыбова // Материалы международной научно-практической конференции «Новые информационные технологии в образовании». — Екатеринбург: Рос. гос. проф.-пед. ун-т. - 4.2. -2008. С. 262-268 (0,5).

Ю.Курзыбова, Я.В. Формирование итеративной стратегии научения, основанной на адаптации по прецедентам / Я.В. Курзыбова // Труды XIV Байкальской Всероссийской конференции «Информационные и математические технологии в науке и управлении». - Иркутск: ИСЭМ СО РАН,- 4.2. 2009. - С. 267-273 (0,2).

11.Курзыбова, Я.В. Управление обучающей траекторией основанное на выводе по прецедентам / Я.В. Курзыбова // Сборник трудов VIII Всероссийской научной конференции молодых ученых, аспирантов и студентов «Информационные технологии, системный анализ и управление». — Таганрог: Изд-во Технологич. Института Южн. фед. ун-та, 2010. - С. 342-347 (0,2).

Подписано к печати «03» апреля 2012 г. Формат 60x90/16. Бумага офсетная. Печать трафаретная. Уч. печ. л. 1. Тираж 120 экз. Заказ 5177.

Отпечатано в ИПО БГУЭП.

Введение.

Глава 1. Адаптивное управление слабо формализуемыми объектами на примере обучающих систем.

1.1. Адаптивное управление слабо формализуемыми объектами.

1.2. Подходы к представлению знаний в адаптивных обучающих системах

1.2.1. Методы формализации представления знаний.

1.2.2. Декомпозиция и структурирование знаний.

1.2.3. Характеристики учебных объектов.

1.3. Анализ моделей обучения в средах электронного обучения.

1.3.1. Модели обучаемого.

1.3.2. Модели адаптивного обучения.

1.4. Выводы.

Глава 2. Системный анализ переносимых модулей с адаптивным управлением.

2.1. Адаптивное управление при итеративных воздействиях.

2.2. Анализ проблемы реализации адаптивных методов обучения в электронных средах и системах.

2.3. Информационная модель организации учебного процесса в адаптивных обучающих модулях.

2.4. Модель обучающих модулей, основанная на теории прецедентов.

2.5. Анализ альтернатив.

2.6. Составление и реализация решения проблемы адаптивного обучения в электронных средах и системах.

2.7. Оценка реализации целей переносимых обучающих модулей.

2.8. Выводы.

Глава 3. Информационное и алгоритмическое обеспечение переносимых обучающих модулей.

3.1. Взаимодействие обучающих модулей с окружением. Требования к окружению.

3.2. Анализ и подготовка контента модулей адаптивного обучения.

3.3. Проектирование алгоритмов функционирования модулей и их техническая реализация.

3.4. Способы встраивания адаптивных обучающих модулей в системы обучения.

3.5. Постановка эксперимента и анализ экспериментальных данных.

3.6. Выводы.

3.7. Развитие исследования.

Актуальность темы.

В настоящее время эффективность использования и обработки информации связана с качеством организационно-технических систем, используемых в народно-хозяйственной деятельности человека. Основной характеристикой данного класса систем является наличие технических устройств и людей, функционирующих в соответствии с предписаниями системы.

Организационно-технические системы характеризуются наличием неопределенности в большей степени, чем технические системы. Наличие характеристик, не поддающихся формализации, а также неопределенность влияния одних факторов на другие влечет применение неклассических методов управления, базирующихся на теории искусственного интеллекта, нечеткой логики, эвристиках, которые позволяют получать решения в слабо-формализуемых областях. Методы управления и техническая реализация таких систем, зачастую, не обладают свойствами универсальности, переносимости из одной системы в другую.

К организационно-техническим системам непосредственно относятся системы электронного обучения, в которых также сохраняется проблема интероперабельной (переносимой) реализации адаптивного управления.

Описанная выше проблема распространяется и является актуальной для широкого класса систем электронного обучения. В связи с этим необходима информационная и алгоритмическая поддержка адаптивного управления компоновкой электронных образовательных ресурсов (ЭОР), обеспечивающих адаптивное обучение в электронной обучающей среде на основе мониторинга и оценки состояния процесса обучения.

Процесс внедрения или переноса нового функционала в уже существующие системы трудоемок и влечет значительные финансовые затраты, и как следствие, существует необходимость переносимой (интероперабельной) реализации адаптивного управления компоновкой ЭОР в электронной среде.

Одним из путей решения проблемы синтеза ЭОР, обладающих свойством переносимости и самонастройки, является анализ и разработка интероперабельных обучающих модулей, способных генерировать обучающие траектории. Это позволит дополнить уже существующие обучающие системы без их кардинальной реконструкции.

Под интероперабельными обучающими модулями будем понимать плат-формонезависимые программные структуры, способные встраиваться в любую современную систему обучения, соответствующую спецификации БСОКМ. Интероперабельные обучающие модули включают в себя: функциональную часть, реализующую адаптацию набора учебных элементов, и сами учебные элементы.

Автоматизация процессов генерации обучающих траекторий позволяет качественно улучшить использование средств электронного обучения за счет снижения роли преподавателя в планировании учебной деятельности, ее мониторинге, проверке качества, консультировании. Наиболее перспективным направлением является реализация обучающих траекторий в веб-ориентированных системах обучения за счет их популярности и повсеместного использования, экономической обоснованности, достоинств кросс-платформенного использования, а также широкого применения стандартов и спецификаций, позволяющих решать вопросы унификации и универсальности встраивания разрабатываемых модулей с адаптивным управлением.

Исходя из вышесказанного, актуальной является проблема информационного и алгоритмического обеспечения адаптивного управления технической (программной) составляющей организационно-технических систем, обладающих свойствами переносимости и самонастройки.

Для разрешения проблемы существования универсальных инструментов адаптивного управления динамической компоновкой ЭОР, воспользуемся системно-элементным и системно-функциональным подходом к анализу переносимых обучающих модулей. В 70-х и 80-х годах XX века сформировалось несколько авторских методик системного анализа: С. Оптнера, Э. Квейда, С. Янга, Е.П. Голубкова. Ю.Н. Черняка. Приведенные методики отличаются этапами системного анализа и расстановкой акцентов - так Ю.И. Черняк, С. Оптнер, большее внимание уделяют целеполаганию и обоснованию критериев; С. Янг управлению процессом реализации уже принятого решения. В диссертационном исследовании будем руководствоваться обобщенной методикой С. Оптнера [71] в силу специфики присутствующих в ней методов, делающих упор на разработку и анализ альтернатив, приводящих к цели функционирования системы - что принципиально для реализации функций обучающих модулей, опирающихся на адаптацию по прецедентам (принятие решения на основе анализа успешных альтернатив, зарегистрированных в прошлом).

Методологической основой исследования послужили труды отечественных ученых: Александрова В.В., Гавриловой Т.А., Хорошевского В.Г., Цып-кина Я.З., Ларичева О.И., Рыбиной Г.В., Растригина JI.A., Поспелова Д.А., Бру-силовского П.Л., Башмакова А.И., Соловова A.B., Беспалько В.П., Зайцевой Л.В., Курганской Г.С. Значительный вклад в разработку направления автоматизации адаптивного обучения внесли Брусиловский П.Л., Гаврилова Т.А., Рыбина Г.В., A. Kobsa, М. Specht, W. Nejdl, D. Benyon, P. De Bra.

Цель состоит в системном анализе и алгоритмизации функционирования интероперабельных обучающих модулей, реализующих адаптивное управление компоновкой электронных образовательных ресурсов.

Задачи исследования.

1. Системный анализ переносимых модулей, реализующих адаптивное управление компоновкой ЭОР, включающий в себя анализ отечественных и международных разработок и исследований адаптивных систем обучения, а также существующих подходов к автоматизации процесса адаптивного управления в обучающих системах.

2. Разработка алгоритмов синтеза адаптивных обучающих траекторий в переносимых модулях и их программная реализация, удовлетворяющая международной спецификации SCORM.

3. Разработка информационного обеспечения переносимых модулей: создание структурированных учебно-методических материалов, представленных в форме ЭОР, а также создание банка тестовых вопросов, служащих основой адаптивного управления компоновкой ЭОР.

4. Проведение испытаний по использованию разработанных алгоритмов и программных средств. Экспериментальный анализ качественных характеристик адаптивного обучения с использованием обучающих модулей.

Объектом исследования является процесс динамической компоновки электронных образовательных ресурсов, основанный на адаптивном управлении в электронной образовательной среде.

Предмет исследования. Моделирование и построение адаптивных переносимых обучающих модулей.

Методы исследования. В работе использованы методы системного анализа, искусственного интеллекта, разработки веб-приложений, дискретной математики, математической статистики, объектно-ориентированного анализа и проектирования.

На защиту выносятся следующие основные результаты.

1. Информационная модель организации учебного процесса в переносимых обучающих модулях.

2. Формализованное описание учебных объектов, промежуточных результатов обучения, ограничений функционирования модулей, позволяющее реализовать построение адаптивных обучающих траекторий.

3. Метод адаптации по прецедентам в области электронного обучения.

4. Алгоритмы адаптивного управления компоновкой электронных образовательных ресурсов для модулей, соответствующие спецификациям БСОИМ.

5. Программный комплекс «ОПАН» [54], реализующий адаптивную компоновку ЭОР.

Научная новизна.

1. Информационная модель описания учебного процесса в переносимых обучающих модулях.

2. Формализованное описание учебных объектов, промежуточных результатов обучения, ограничений функционирования модулей, позволяющее реализовать построение адаптивных обучающих траекторий.

3. Метод адаптации по прецедентам в области электронного обучения.

4. Алгоритмы адаптивного управления компоновкой ЭОР для модулей, соответствующие спецификации 8С(ЖМ.

Практическая значимость.

1. Разработаны алгоритмы генерации обучающей траектории.

2. Создан программный комплекс «ОПАН»[54], реализующий переносимые обучающие модули.

3. Разработана серия электронных курсов, реализующих адаптивное обучение посредством включения в курсы адаптивных обучающих модулей, а также банк тестов.

4. Проведена апробация разработанных алгоритмов в Международном институте экономики и лингвистики Иркутского государственного университета с использованием системы дистанционного обучения ¡.Г^оя [135], в Центре интернет технологий Иркутского государственного технического университета, а также в Иркутском государственном институте усовершенствования врачей в процессе переподготовки и повышении квалификации медицинских работников.

5. Результаты исследования использованы в проекте по заказу Федерального агентства образования (проект № Ф-302, контракт П657, 2007 г.).

Апробация работы. Основные результаты работы представлены на Всероссийской конференции «Винеровские чтения», Иркутск, 2006; на XII Байкальской всероссийской конференции «Информационные и математические технологии в научных исследованиях», Иркутск, 2007; на Международной научно-практической конференции «Новые информационные технологии в образовании», Иркутск, 2007; в Федеральном агентстве образования, Москва, 2007; на Международной научно-практической конференции «Новые информационные технологии в образовании», Екатеринбург, 2008; на IX Байкальской всероссийской конференции «Информационные и математические технологии в научных исследованиях», Иркутск, 2009; на VIII Всероссийской научной конференции молодых ученых, аспирантов и студентов «Информационные технологии системный анализ и управление», Таганрог, 2010.

Публикации и личный вклад автора. Результаты диссертации отражены в 11 научных работах [29, 49-58] (в том числе 3 статьи [51, 56, 57] в журналах, рекомендованных ВАК для опубликования научных результатов диссертации на соискание ученой степени доктора или кандидата наук, Свидетельство Роспатента об официальной регистрации программы для ЭВМ [54]). В перечисленных публикациях все результаты, связанные с алгоритмизацией, программной реализацией, системным анализом получены автором лично. Из совместной работы с И.М. Головных, P.M. Лобацкой, Д.А. Ульяновым, А.Г. Куницы-ным в диссертацию включены только те результаты (методика формирования контента), которые принадлежат лично автору (0,05 п.л.).

Структура работы. Диссертация состоит из введения, трех глав, заключения, библиографии из 146 наименований и 4 приложений. Общий объем работы - 157 страниц, из которых 136 страниц основного текста, включающего 30 рисунков и 13 таблиц.

3.6. Выводы

В третей главе предложена программная реализация обучающего модуля, адаптивно выстраивающего учебную траекторию, приспосабливающуюся к уровню знаний конкретного студента (адаптивность траектории основывается на адаптации по прецедентам, итеративно накапливаемым в ходе учебной деятельности студента). Программная реализация адаптивного обучающего модуля предполагает его использование в любой веб-ориентированной системе обучения, соответствующей спецификации SCORM или автономное использование модулей без встраивания в СДО. Описанная выше технология обучения с использованием адаптивных модулей апробирована в высшем учебном заведении ИГУ МИЭЛ (Иркутский государственный университет Институт экономики и лингвистики). На основе апробации и внедрения технологии были проведены эксперименты, подтверждающие эффективность работы алгоритмов адаптации по прецедентам. Для информационного обеспечения переносимых обучающих модулей были созданы структурированные учебно-методические материалы, представленные в форме ЭОР, а также банк тестовых вопросов, служащий основой адаптивного управления компоновкой модулей.

3.7. Развитие исследования

На сегодняшний день существуют технические и социально-технические системы, в которых управление осуществляется по циклически повторяющейся схеме. Управляющие воздействия генерируются в условиях неполной информации об объекте управления и возмущающих воздействиях, а также при изменяющихся параметрах объекта управления. В таких системах адаптивное управление можно организовать по выводам по прецедентам, используя схему (методику), приведенную во второй главе. Приведем предметные области, согласующиеся с приведенной выше методикой адаптивного управления при итеративных воздействиях на объект управления (Таблица 13).

1. Сборочная фаза технологических процессов.

2. Управление проектами.

3. Системы управления взаимоотношениями с клиентами (CRM). Продемонстрируем возможность применения метода адаптации описанием характеристик адаптивного управления.

Заключение

В диссертационном исследовании был проведен анализ отечественных и международных разработок и исследований адаптивных систем обучения, а также существующих подходов к автоматизации процесса адаптивного обучения. Анализ систем, методов, технологий показал разнообразие подходов к реализации адаптивного электронного обучения. Разнообразие подходов повлекло уникальность решений «техник адаптации» в отдельно взятых обучающих системах, определив их закрытость и отсутствие возможности масштабирования.

Для решения задачи адаптивной и переносимой реализации техник адаптации были созданы модели, алгоритмы, информационное обеспечение переносимых обучающих модулей.

Сделан обоснованный выбор аппарата теории обучения по прецедентам для решения задачи автоматической генерации учебной траектории. Выбор метода адаптации был обоснован слабой формализованностью предметной области электронного обучения.

Создана информационная модель организации учебного процесса на основе переносимых адаптивных обучающих модулей.

Разработано формализованное описание учебных объектов, промежуточных результатов обучения, ограничений функционирования модулей, позволяющее реализовать адаптивное управление обучающей траекторией.

Разработан метод адаптации по прецедентам в области электронного обучения.

Разработаны алгоритмы адаптивного построения обучающей траектории для модулей, основанных на спецификациях 8С(ЖМ, и выполнена их программная реализация с возможностью внедрения и переноса в любую систему обучения без привязки к предметной области.

Предложена и апробирована методика использования разработанных переносимых обучающих модулей при обучении студентов различных направлений и специальностей. Проведены испытания по использованию разработанных алгоритмов и программных средств. Проведен экспериментальный анализ качественных характеристик обучения, подтверждающий эффективность использования переносимых обучающих модулей.

Реализована информационная поддержка переносимых обучающих модулей: созданы экранные формы, предоставляющие пользовательский интерфейс, созданы структурированные учебно-методические материалы, представленные в форме электронных учебных объектов, а также банк тестовых вопросов, служащий основой адаптивного управления компоновкой электронных образовательных ресурсов.

Практическое применение переносимых модулей показало хорошие результаты в классно-урочной и дистанционной форме проведения занятий, а также в сфере переподготовки и повышения квалификации врачей.

Свойство переносимости модулей подтверждено удачным импортом в различные системы дистанционного обучения и системы тестирования контента: i.Logos, Moodle, Scorm Test Track, Reload Editor; а также в режиме автономного использования модулей в виде «Обучающей программы с адаптивной навигацией (ОПАН)».

Глоссарий

Автоматизированная обучающая система (АОС) - это совокупность организационных мероприятий, средств вычислительной техники, методических материалов, психолого-педагогических и математических методов, позволяющих осуществить индивидуализацию процесса обучения.

Дистанционное обучение (ДО) — совокупность технологий, обеспечивающих доставку обучаемым основного объема изучаемого материала, интерактивное взаимодействие обучаемых и преподавателей в процессе обучения, предоставление обучаемым возможности самостоятельной работы по освоению изучаемого материала, а также в процессе обучения.

Информационные коммуникационные технологии (ИКТ) — широкий класс дисциплин и областей деятельности, относящихся к технологиям управления и обработки данных, а также создания данных, в том числе, с применением вычислительной техники.

Компьютерное средство обучения (КСО) - совокупность средств программного, информационного, технического и организационного обеспечения, в которых отражается некоторая предметная область, реализуется технология ее изучения для различных видов учебной деятельности.

Контент - информация, размещенная в обучающих модулях (в электронном курсе), независимо от формы представления (графическая, текстовая, аудио, видео и т. п.), несущая явную смысловую информационную нагрузку.

Учебный объект (УО) - это любой объект, цифровой или нецифровой, который может использоваться многократно, на который можно делать ссылки при использовании соответствующей обучающей технологии.

Учебный элемент (УЭ) - подлежащий изучению предмет, явление, процесс, свойство, связь, взаимосвязь, метод действия, способ работы, применения, использования чего-либо.

Электронное обучение (ЭО) - (син. Electronic Learning, E-learning) - обучение при помощи информационных, электронных технологий.

Электронный образовательный ресурс (ЭОР) - совокупность средств программного, информационного, технического и организационного обеспечения, в которой отражается некоторая предметная область, реализуется технология ее изучения для различных видов учебной деятельности, представленная в электронном виде на машинных носителях или размещенная в сетях ЭВМ.

Asset (актив) - минимальный целостный фрагмент курса. Элемент, который не взаимодействует с сервером системы управления обучением (LMS-сервером). Это может быть html-страница, просто картинка, звуковой файл, flash-объект и т.п. Asset может состоять из нескольких файлов (например, html-файл + css-файл с описанием его стилей + js-файл с описанием используемых в нём функций), но с точки зрения системы и учащегося Asset будет рассматриваться как один неделимый объект.

Content Aggregation ModeI (САМ) - модель агрегирования модулей. Эта часть стандарта описывает структуру учебных блоков и пакетов учебного материала. Пакет может содержать курс, урок, тест, модуль и т. п. В пакет входят xml-файл (манифест), где описана структура пакета, и файлы, составляющие учебный блок. Этот файл должен иметь название imsmanifest.xml и находиться в корневой папке пакета.

Case Based Reasoning (CRB) - метод обучения по прецедентам. Способ решения новых проблем путем адаптации решений, которые использовались ранее в аналогичных ситуациях.

Extensible Markup Language (XML) - расширяемый язык разметки. Текстовый формат, предназначенный для хранения структурированных данных (взамен существующих файлов баз данных), для обмена информацией между программами, а также для создания на его основе более специализированных языков разметки (например, XHTML). XML является упрощённым подмножеством языка SGML.

KnowledgeFlow Structure (KFS) — модель представления знаний в СДО «Гекадем».

Learning management system (LMS) - система управления обучением используется для разработки, управления и распространения учебных онлайн-материалов с обеспечением совместного доступа.

SCORM Sequencing and Navigation (S&N) — книга SCORM, которая описывает, как SCORM может упорядочить учебные действия, производимые учеником или системой.

Sharable Content Object (SCO) - объект совместно используемого контента. Элемент, который взаимодействует с системой управления обучением: сообщает о ходе и результатах обучения, получает и передаёт дополнительные данные.

Sharable Content Object Reference Model (SCORM) - эталонная модель объекта совместно используемого контента. Сборник спецификаций и стандартов, разработанный для систем дистанционного обучения. Содержит требования к организации учебного материала и всей системы дистанционного обучения. SCORM позволяет обеспечить совместимость компонентов и возможность их многократного использования: учебный материал представлен отдельными небольшими блоками, которые могут включаться в разные учебные курсы и использоваться системой дистанционного обучения независимо от того, кем, где и с помощью каких средств они были созданы.

Unified Modeling Language (UML) - язык графического описания для объектного моделирования в области разработки программного обеспечения.

1. Акулыиина, И.Л. Интеллектуальные системы в области контроля / И.Л. Акулыпина, М.М. Виньков // Новости искусственного интеллекта. 1993. - №4.-С. 117-27.

2. Андерсон, Д. Учитель Лиспа / Д. Андерсон, Б. Рейзер // Реальность и прогнозы искусственного интеллекта. М.: Мир, 1987. - С. 27—47.

3. Анфилатов, B.C. Системный анализ в управлении: Учеб. пособие / B.C. Анфилатов, A.A. Емельянов, A.A. Кукушкин; под ред. A.A. Емельянова. М.: Финансы и статистика, 2002. - 368 с.

4. Архангельский, С.И. Учебный процесс в высшей школе / С.И. Архангельский. М.: ВШ, 1980. - 368 с.

5. Астанин, C.B. Сопровождение процесса обучения на основе нечеткого моделирования / C.B. Астанин // Дистанционное образование, 2000. -№ 5. С. 27-32.

6. Атанов, Г.А. Деятельностный подход в обучении / Г.А. Атанов. -Донецк: ЕАИ-пресс, 2001. 160 с.

7. Бабанский, Ю.К. Разработчик теории оптимизации учебно-воспитательного процесса Электронный ресурс. / Ю.К. Бабанский. — URL:http://pi.sfedu.ru/university/publish/schools/3/6.html (дата обращения: 08.01.2009).

8. Башмаков, А.И. Разработка компьютерных учебников и обучающих систем / А.И. Башмаков. М.: Филинъ, 2003. - 430 с.

9. Беспалько, В.П. Основы теории педагогических систем / В.П. Беспаль-ко. Воронеж: Изд-во Воронеж, 1977. - 303с.

10. Брусиловский, П.Л. Адаптивные и интеллектуальные технологии в сетевом обучении / П.Л. Брусиловский // Новости искусственного интеллекта. 2002. - №5. - С.25-31

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

12. Брусиловский П.Л. Построение и использование моделей обучаемого в интеллектуальных обучающих системах / П.Л. Брусиловский // Известия РАН. Техническая кибернетика. 1992. - №5. - С.97—119.

13. Буч, Г. Объектно-ориентированный анализ и проектирование с приме-рами-приложений на С++, второе издание / Г. Буч. М.: Бином, 2000. - 560 с.

14. Буч, Г. Язык UML. Руководство пользователя: Пер. с англ / Г. Буч-М.:ДМК Пресс, 2001.-432 с.

15. Васильев, Ф.П. Методы оптимизации / Ф.П. Васильев. М.: Факториал Пресс, 2002. - 524 с.

16. Воробкалов, П.Н. Управление качеством электронных обучающих систем: автореф. дис. . канд. тех. Наук / П.Н. Воробкалов. — Волгоград, 2008. 20 с.

17. Воронов, A.A. Введение в динамику сложных управляемых систем /

18. A.A. Воронов. М.: Наука, 1985. - 352 с.

19. Вычислительные методы обучения по прецедентам Электронный ресурс. Систем, требования: Adobe Acrobat Reader. — URL: www.ccas.ru/voron/download/Introduction.pdf (дата обращения: 08.01.2009).

20. Гаврилова, Т.А. Базы знаний интеллектуальных систем / Т.А. Гаврило-ва, В.Ф. Хорошевский. Спб.: Питер, 2001. - 384 с.

21. Галеев, И.Х. Серия МОНАП: модели, методы, подходы / И.Х. Галеев, С.А. Сосновский, В.И. Чепегин // Международный форум «Образовательные технологии и общество». Электронный ресурс.

22. URL: http://ifets.ieee.org/russian/depository/monapr.doc (дата обращения: 26.07.2009).

23. Гальперин, П.Я. Психология мышления и учение о поэтапном формировании умственных действий / П.Я. Гальперин // Исследования мышления в советской психологии: Сб. научн. трудов. М.: Наука, 1966. -476 с.

24. Гмурман, В.Е. Теория вероятностей и математическая статистика /

25. B.Е. Гмурман. -М.:Высшая школа, 2003. 479 с.

26. Голенков, В.В. Виртуальные кафедры и интеллектуальные обучающие системы /В.В. Голенков, В.В. Емельянов, В.Б. Тарасов // Новости искусственного интеллекта. 2001. - №4. - С. 3-13.

27. Голенков, В.В. Интеллектуальные обучающие системы и виртуальные учебные организации /В.В. Голенков, H.A. Гулякина, В.Б. Тарасов. -Мн.: БГУИР, 2001. 488 с.

28. Грицанов, A.A. Социология. Энциклопедия / A.A. Грицанов, В.А. Абушенко, Г.М. Евелькин. Минск: Книжный дом, 2003. - 1312с.

29. Дельфин. Авторская система создания обучающих мультимедиа курсов Электронный ресурс. -URL: http://cnit.mpei.ac.ru/dolphin/index.htm/.

30. Деменева, Н.Н Психодидактика: Учебное пособие по курсу «Педагогические теории и системы». Часть 2 / H.H. Деменева, Т.М. Сорокина. Н. Новгород: НГПУ, 2008. - 115 с.

31. ДО ОН-ЛАЙН Электронный ресурс. -URL: http://dlc.miem.edu.ru/.

32. Дорофеев, А. С. Модель обучающего курса и реализация программной оболочки дистанционного обучения: системный и объектный подходы: системный и объектный подходы : дис. . канд. техн. наук / А. С. Дорофеев- Иркутск, 2006. 170 с.

33. Доррер, А.Г. Моделирование интерактивного адаптивного обучающего курса / А.Г. Доррер, Т.Н. Иванилова // «Современные проблемы науки и образования».- №5. 2007. - С. 1-8.

34. Емельянов, C.B. Новые типы обратной связи. Управление при неопределенности / C.B. Емельянов, С.К. Коровин.-М.: Наука, 1997. 352 с.

35. Зайцева, J1.B. Разработка и применение автоматизированных обучающих систем на базе ЭВМ / JI.B. Зайцева, Л.П. Новицкий, В.А. Грибкова. Рига: Зинатне, 1989. - 174 с.

36. Информатизация образования в России: сети, информационные ресурсы, технологии (аналитический доклад). / Институт ЮНЕСКО по информационным технологиям в образовании. М.:, 1997. - 52 с.

37. Ительсон, Л.Б. Проблемы современной психологии учения. Вып. 3. Сущность обучения. Современные теории и модели обучения / Л.Б. Ительсон. М.: Знание, 1970. - 46 с.

38. КАДИС Электронный ресурс. URL: http://cnit.ssau.ru/.

39. Концепция репозитариев учебных объектов в ТГТУ // Статья учебного портала ТГТУ Электронный ресурс.

40. URL:http://vitahost.tambov.ru/vitalor.html (дата обращения: 05.03.2009).

41. Кристофидес, Н. Теория графов. Алгоритмический подход / Н. Кри-стофидес. Москва: Мир, 1987. - 432 с.

42. Кузнецов, С.И. САДКО система автоматизированного диалога и коллективного обучения / С.И. Кузнецов // Вопросы кибернетики. Человеко-машинные обучающие системы. - М., 1979. - С. 150-160.

43. Курганская, Г.С. Модели, методы и технология дифференцированного обучения на базе Интернет: автореф. дис. . доктора физ.мат. наук.-Институт прикладной математики имени М.В.Келдыша РАН / Г.С. Курганская. Москва, 2001. - 22 с.

44. Курейчик, В.М. Эволюционная адаптация интерактивных средств открытого образования Электронный ресурс. / В.М. Курейчик,126

45. JI.А. Зинченко. URL: http://www.e-joe.ru/sod/01/l01/ku.html (дата обращения: 05.03.2009).

46. Курзыбова Я.В. Алгоритм формирования индивидуальной траектории обучения в системе дистанционного обучения i.Logos / Я.В. Курзыбова // Вестник МГЛУ.- 2007. №2(9) - С.51 - 56.

47. Курзыбова Я.В. Использование Scorm sequencing and navigation для построения адаптивной траектории обучения / Я.В. Курзыбова // «Открытое образование». 2007. - №3- С.41 - 46.

48. Курзыбова Я.В. Использование Scorm sequencing and navigation для построения адаптивной траектории обучения / Я.В. Курзыбова // Материалы региональной научно-практической конференции «Винеров-ские чтения». Иркутск. - 2007. - С. 158-168.

49. Курзыбова, Я.В. Обучающая программа с адаптивной навигацией (ОПАН): Свидетельство об официальной регистрации программы для ЭВМ № 2009613134 (17.06.2009). М.: Федеральная служба по интеллектуальной собственности, патентам и товарным знакам, 2009.

50. Курзыбова, Я.В. Построение оптимальной траектории обучения / Я.В. Курзыбова // Труды XII Байкальской Всероссийской конференции «Информационные и математические технологии в науке и управлении». Ч.З. - 2007. - С. 236-243.

51. Курзыбова, Я.В. Проектирование алгоритма функционирования адаптивных обучающих модулей в нотации UML / Я.В. Курзыбова // «Открытое образование». 2011. - №1. - С.16-21.

52. Курзыбова, Я.В. Системный подход к анализу структуры и проектированию адаптивного интероперабельного обучающего модуля / Я.В. Курзыбова // «Вестник Иркутского государственного технического университета». 2010. - №6(46). - С. 291-294.

53. Ларичев, О.И. Теория и методы принятия решений / О.И. Ларичев. -М.: Логос, 2000. 392 с.

54. Леонникова, A.B. Самоучитель UML / A.B. Леонникова. Спб.:Изд-во БХВ-Петербург, 2004. - 432 с.

55. Леонова, Н.М. Методы адаптивного структурно—параметрического управления и идентификации многосвязных социальных объектов на примере образовательной деятельности: автореф. дис. . доктора техн. наук / Н.М. Леонова. Москва, 2006. - 42 с.

56. Логический словарь / Кондаков Н.И. М.: Наука, 1971. - 638 с.

57. Мельников, A.B. Принципы построения обучающих сис-тем и их классификация. Электронный ресурс. / A.B. Мельников, П.Л. Цытович.-URL:http://scholar.urc.ac.ru/pedJournal/numero4/pedag/tsit3 .html.ru (дата обращения: 05.03.2009).

58. Методология и технология электронного обучения Электронный ресурс. /Самарский областной центр новых информационных технологий при аэрокосмическом университете (ЦНИТ СГАУ). -URL:http://cnit.ssau.ru/kadis/posob/partl2.htm (дата обращения: 08.01.2009).

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

60. Минский, М. Фреймы для представления знаний / М. Минский. М.: Мир, 1979.-152 с.

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

62. Новиков, Д.А. Закономерности итеративного научения / Д.А. Новиков. М.: Институт проблем управления РАН, 1998. - 77 с.

63. Обучение и искусственный интеллект, или основы современной дидактики высшей школы. Донецк: Изд-во ДОУ, 2002. - 504 с.

64. Оптнер, C.JI. Системный анализ для решения деловых и промышленных проблем / C.JI. Оптнер. М.: Советское радио, 1969 - 216 с.

65. Организация учебного материала // Электронные статьи «Стандарт SCORM и его применение» Электронный ресурс. URL: http://cccp.ifmo.ru/scorm/8.html (дата обращения: 05.03.2009).

66. Орокс Электронный ресурс.- URL: http://mocnit.ru/mocnit/oroks.html/.

67. Осуга, С. Обработка знаний: Пер. с япон / С. Осуга. М.: Мир, 1989. -293 с.

68. Петрушин, В.А. Обучающие системы: архитектура и методы реализации (обзор) / В.А. Петрушин // Известия РАН. Техническая кибернетика.-1993.-№2.-С. 164-190.

69. Петрушин, В.А. Экспертно-обучающие системы / В.А. Петрушин. -Киев: Наукова думка, 1992. 196 с.129

70. Планирование на базе рассуждений по прецедентам Электронный ресурс. / ред. Трофимов И.В. URL:http://ai-enter.botik.ru/planning/index.php?ptl=materials/071 cbp.htm (дата обращения: 08.01.2009).

71. Подготовка информации для автоматизированных обучающих систем: Метод, пособие для преподавателей и студентов вузов / А.Я. Савельев, В.А. Новиков, Ю.И. Лобанов /под ред. А.Я. Савельева. М.: Высшая школа, 1986. - 176 с.

72. Представление и использование знаний: Пер. с япон. / Х.Уэно, М. Исидзука / под ред. Х.Уэно. М.: Мир, 1989. - 220 с.

73. Принципы дистанционного обучения Электронный ресурс./ Москов-кий государственный университет экономики, статистики и информатики. — URL: http://www.iet.mesi.ru/dis/14o.htm (дата обращения: 26.03.2009).

74. Прометей Электронный ресурс.- URL: http://www.prometeus.ru/.

75. Психологическая диагностика. Проблемы и исследования / Под ред. K.M. Гуревича. М.: Педагогика, 1981. - С. 232.

76. Пугачев, A.A. Моделирование и разработка адаптивных электронных учебных курсов: дис. канд. Техн / A.A. Пугачев. Иркутск, 2004.

77. Разработка компьютерных учебников и обучающих систем. М.: Информационно-издательский дом «Филинъ», 2003. 616 с.

78. Растригин, Л.А. Адаптивное обучение с моделью обучаемог / Л.А. Растригин, М.Х. Эренштейн. Рига: Зинатне, 1988. - 160 с.

79. Рыбина Г.В. Интегрированные экспертные системы: современное состояние, проблемы и тенденции / Г.В. Рыбина // Известия РАН. Теория и системы управления. 2002. - №5. - С. 1-126.

80. Рыбина, Г.В. Обучающая экспертная система КОНВАКС-УЧИТЕЛЬ / Г.В. Рыбина, В.И. Берестова // III Конференция по искусственному интеллекту (КИИ-92). Сборник научных трудов в 2-х томах. Тверь: АИИ, 1992. -Т.1. - С. 49-50.

81. Рыбина, Г.В. Обучающие интегрированные экспертные системы: некоторые итоги и перспективы / Г.В. Рыбина // Искусственный интеллект и принятие решений. 2008. -№1. - С. 22-46.

82. Рыков, A.C. Методы системного анализа: Многокритериальная и нечеткая оптимизация, моделирование и экспертные оценки / A.C. Рыков-М.: Экономика, 1999. 192 с.

83. Саати, Т. Аналитическое планирование. Организация систем / Т. Саати, К. Керыс. М.: Радио и связь, 1991. - 192 с.

84. Семенов, В.В. Компьютерные технологии в дистанционном обучении / В.В. Семенов. М.: МАИ, 1997. - 64 с.

85. Сетевые модели динамики знаний / Под ред. Ю.Н. Мельникова; А.П. Свиридов, H.A. Шалобина М.: МЭИ, 1992. - 88 с.

86. Скурихин, В.И. Проектирование систем адаптивного управления производством / В.И. Скурихин, В.А. Забродский, Ю.В. Копейченко. -Харьков: «Вища школа», 1984. 216 с.

87. Соловов, A.B. Проектирование компьютерных систем учебного назначения / A.B. Соловов // Учебное пособие. Самара: СГАУ, 1995. -140 с.

88. Соловов, A.B. Электронное обучение новая технология или новая парадигма? / A.B. Соловов // Высшее образование в России. — М. -2006. -№11. - С. 104-112.

89. Соснин, П.И. Оценивание прецедентов в вопросно-ответном управлении проектными решениями Электронный ресурс. / П.И. Соснин. -URL: http://library.ulstu.ru/docs/sosnin.pdf (дата обращения: 26.03.2009).

90. Спирин, H.A. Методы планирования и обработки результатов инженерного эксперимента / H.A. Спирин, В.В. Лавров. Екатеринбург, 2004.-257 с.

91. Стефанюк, В.Л. Локальная организация интеллектуальных систем / В.Л. Стефанюк. М.: Физматлит, 2004. - 328 с.

92. Стефанюк, В.Л. Теоретические аспекты разработки компьютерных систем обучения. Учебное пособие / В.Л. Стефанюк. Саратов: СГУ, 1995.-98 с.

93. ТОРОС Электронный ресурс.- URL: http://www.mesi.ru/.

94. Ульянов, Д.А. Марковская модель адаптивного тестирования и ее программная реализация в условиях дистанционного обучения: дис. . канд. техн. наук. Иркутский государственный технический университет / Д.А. Ульянов. - Иркутск, 2005 - 119 с.

95. Федунов Б. Бортовые оперативно советующие экспертные системы -новый класс алгоритмов управления Электронный ресурс. / Б. Федунов. - URL:www.raai.org/cai-08/files/cai-08paper20l.doc (дата обращения: 26.03.2009).

96. Цыпкин, Я.3. Основы теории автоматических систем / Я.З. Цыпкин. -М.: Наука, 1977.-560 с.

97. Черняховская, JI.P. Разработка динамической модели процесса управления в проблемных ситуациях на основе базы знаний прецедентов. -Управление в сложных системах / JI.P. Черняховская, Н.О. Никулина, Т.А. Халиков. Уфа, 1999. - С. 207 - 212.

98. Энциклопедия психологических тестов. Общение, лидерство, межличностные отношения. М.: ООО «Издательство ACT», 1997. - 304 с.

99. Adobe Systems Incorporated Электронный ресурс.- URL: http://ww.macromedia.com/.

100. Advanced Distributed Learning Электронный ресурс.- URL: http://www.adlnet.gov/.

101. AICC Электронный ресурс.- URL: http://www.aicc.org/.

102. ARIADNE Foundation for the Knowledge Pool Электронный pecypc.-URL: http://www.ariadne-eu.org/.

103. Brown, J.S. Aspects of a Theory for Automated Student Modeling / J.S. Brown, R.R. Hausman, C.L. Goldstein // BBN Report 3549 (ICAI Report 4). Bolt, Beranek and Newman, Inc., Cambridge, MA, 1977.

104. Brusilovsky, P. Adaptive and Intelligent Technologies for Web-based Education / P. Brusilovsky // In C. Rollinger and C. Peylo (eds.), Special Issueon Intelligent Systems and Teleteach-ing, Konstliche Intelligenz, 4. P. 19-25.

105. CourseBuilder Электронный ресурс.- URL: http://www.discoverysystems.com/.

106. Dazzler Электронный ресурс.- URL: http://www.dazzlersoft.com/.

107. Digital Workshop Электронный ресурс.- URL: http://www.digitalworkshop.co.uk/.

108. Discovery Systems International Электронный ресурс. URL: http://www.discoverysystems.com/.

109. Elsom-Cook M. Guided Discovery Tutoring and Bounded user modeling '// Artuficial Intelligence and Human learning. Intelligent-aided Instruction /J. Self (ed.). London: Chapman and Hall, 1988. - P. 165-178.

110. European Committee for Standardization (CEN) Электронный ресурс.-URL: http://www.cen.eu/.

111. HyperMethod IBS Электронный ресурс. URL: http://www.hypermethod.ru/.

112. IEEE Learning Technology Standards Committee Электронный ресурс.- URL: http://ieeeltsc.wordpress.com/.

113. IEEE Learning Technology Standards Committee Электронный ресурс.- URL: http://ltsc.ieee.org

114. IMS Global Learning Consortium Электронный ресурс. URL: http://www.imsglobal.org/.

115. International Organization for standardization Электронный ресурс. -URL: http://isotc.iso.org/.

116. Intersystem Concepts Электронный ресурс. URL: http://www.insystem.com/.

117. ISO/IEC 10746-1:1998. Information technology Электронный ресурс./ Open Distributed Processing Reference model: Overview. — Режим доступа: http://www.iso.org/iso/cataloguedetail.htm?csnumber=20696/.

118. JavaScript. Бибилия пользователя, 4-ое издание.: Пер. с англ. М.: Издательский дом «Вильяме», 2003 - 960 с.

119. Kleppe, A. MDA Explained: The Model Driven Architecture Practice and Promise / A. Kleppe, J. Warmer, W. Bast. - Addison-Wesley, 2003. -192 p.

120. KnowledgeCT Электронный ресурс. URL: http://www.cdo.tsure.ru/.135. i.Logos Электронный ресурс. URL: http://www.ilogos.ru/.

121. Lotus Электронный ресурс. URL: http://www-01 .ibm.com/software/lotus/.

122. Macromedia Электронный ресурс. URL: http://www.macromedia.com/.

123. NeoSoft Электронный ресурс. URL: http://www.neosoftware.com/.

124. Patel A., Kinshuk Applied Artificial Intelligence for Teaching Numeric Topics in En-gineering Disciplines / A. Patel // Lecture Notes in Computer Science, 1996.-P. 132-140.

125. Pathlore Электронный ресурс. URL: http://www.pathlore.com/.

126. Rada R. Hypertext : from text to expertext. McGraw-HILL Book Company Europe, 1991. - P. 27 - 39.

127. Reload Editor Электронный ресурс. URL: http://www.reload.ac.uk/.

128. Scorm test track Электронный ресурс. URL: http://testtrack.scorm.com/

129. Seminar. Learning system Электронный ресурс. URL: http://www.seminar.co.uk/.

130. Shareable Content Object Reference Model. Version 1.2. ADL Initiative, 2001 Электронный ресурс. - URL: http://www.adlnet.org/ Извлечено 10.10.2003.