автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.11, диссертация на тему:Математическое и программное обеспечение операциональной модели обучаемого и ее синтез в программных приложениях открытой гипермедийной среды

Министерство образования Российской Федерации Рязанская государственная радиотехническая академия

На правах рукописи

РГо ОД

2 2 ДЕИ ?Ш

ГОСТИН Алексей Михайлович

Математическое и программное обеспечение операциональной модели обучаемого и ее синтез в программных приложениях открытой гипермедийной среды

Специальность 05.13.11 - Математическое и программное обеспечение вычислительных машин, комплексов, систем и сетей

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Рязань 2000

Работа выполнена на кафедре «Системы автоматизированного проектирования вычислительных средств» Рязанской государственной радиотехнической академии.

Научный руководитель Заслуженный деятель науки и техники РФ,

доктор технических наук, профессор Корячко В.П.

Официальные оппоненты: доктор физико-математических наук,

диссертационного совета Д 063.93.03 Рязанской государственной радиотехнической академии по адресу: 391000, Рязань, ул. Гагарина, д.59/1. С диссертацией можно ознакомиться в библиотеке РГРТА.

профессор Терехин М.Т.,

кандидат технических наук, доцент Миловзоров А.В.

Ведущая организация: Государственный КИИ информационных

технологий и телекоммуникаций («Информика»), г. Москва.

Защита состоится 17 ноября 2000 г. в /¿7 часов на заседании

Автореферат разослан

2000 г.

— И.А.Телков

I ¿н

Общая характеристика работы

Актуальность темы. В настоящее время, в связи с быстрым развитием глобальной сети Internet, перед ВУЗами возникает задача эффективного использования сетевых ресурсов и технологий. Открытая гипермедийная среда (ОГМС) вместе с технологией дистанционного доступа позволяет создавать системы дистанционного обучения, ориентированные на корпоративные сети ВУЗа {Intranet) и глобальную сеть Internet.

Одной из важнейших проблем в системе дистанционного образования является создание личностно-ориентированных интеллектуальных обучающих систем и адаптивных систем дистанционного обучения (АСДО), использующих развитую модель обучаемого и ориентированных на работу с учащимися без преподавателя. Функционирование таких систем должно учитывать индивидуальные психологические характеристики обучаемого - объем восприятия, скорость мыслительной деятельности, характер усвоения материала и т.д. В ОГМС одни и те же знания могут представляться в различных модальностях, следовательно, актуальной является задача адаптации электронных учебных курсов под каждого конкретного обучаемого с учетом его индивидуальных психологических особенностей. Наиболее эффективным способом освоения знаний для учащегося является использование операционального механизма освоения знаний. В связи с этим возникает проблема разработки математической модели обучаемого, основанной на данном механизме (операциональной модели обучаемого).

Существующие системы дистанционного обучения не применяют модель знаний и модель индивидуальных характеристик обучаемого, а оперируют непосредственно элементами электронного учебного курса, используя при этом традиционную разветвленную модель обучения.

Таким образом, актуальность диссертационной работы определяется необходимостью разработки математического обеспечения операциональной модели обучаемого и синтеза ее в программных приложениях ОГМС для использования в составе АСДО.

Цель и задачи исследования. Целью диссертационной работы является разработка методики управления процессом освоения знаний для повышения качества и эффективности обучения. Для этого необходима разработка математической модели обучаемого, учитывающей операциональный механизм освоения знаний, а также модели индивидуальных характеристик, основанной на различиях в восприятии и освоении знаний различными категориями учащихся, и синтез этих моделей в программных приложениях ОГМС в составе АСДО. Для достижения указанной цели в работе решаются следующие задачи:

• формализация модели индивидуальных характеристик обучаемого;

• разработка математической модели знаний обучаемого, основанной на операциональном механизме освоения материала;

• разработка оптимизационных моделей рационального выбора элементов знаний, подлежащих освоению с помощью операционального механизма;

• разработка алгоритмических процедур функционирования операциональной модели обучаемого в составе АСДО;

• синтез операциональной модели обучаемого в программных приложениях ОГМС с помощью WeЪ-тexнoлoгии и реализация на их основе АСДО;

• апробация АСДО в рамках корпоративной сети вуза.

Методы исследования. Прикладная теория графов, статистические методы анализа информации, метод анализа иерархий, математическая теория обучения.

Научная новизна. В результате проведенного диссертационного исследования получены и выносятся на защиту следующие результаты, характеризующиеся научной новизной:

• классификация бимодальных обучающих воздействий в ОГМС;

• математическая модель индивидуальных характеристик обучаемого, включающая в себя следующие числовые характеристики: объем восприятия и эффективность мыслительной деятельности в каждой из модальностей ОГМС; оценка вероятности обучения; характерологический параметр обучаемого;

• формализованная с помощью фактор-графового представления математическая модель знаний обучаемого, основанная на операциональном механизме освоения учебного материала в ОГМС;

• алгоритмические процедуры определения числа вершин модели операций, реализованные с помощью метода анализа иерархий, позволяющие синтезировать операциональную модель обучаемого в программных приложениях ОГМС;

• методика определения оценки вероятности обучения для тестовых заданий различных типов, а также для обучения с повторением, синтезированная в модуле диагностики качества обучения АСДО;

• программные алгоритмы и процедуры функционирования АСДО, основанные на операциональной модели обучаемого, позволяющие адаптировать электронные учебные курсы под личностные особенности учащегося и использующие ОГМС для представления знаний.

Практическая значимость. Предложенные математические модели и алгоритмы могут быть синтезированы в программных приложениях ОГМС и использованы при реализации АСДО, интеллектуальных гипермедийных обучающих систем и систем диагностики качества обучения нового типа.

Разработанная на базе предложенных математических моделей и алгоритмов, АСДО позволяет значительно сократить время на освоение новых знаний, повышает эффективность их усвоения, сокращает расходы на проектирование электронных учебных курсов и облегчает методическую работу преподавателя.

Внедрение результатов. Разработанная в ходе диссертационной работы АСДО используется в учебном процессе Рязанской государственной радиотехнической академии и включает в себя разработанные электронные учебные курсы по дисциплинам: "Начертательная геометрия и черчение", "Геометрическое моделирование и машинная графика".

Тестовая система определения индивидуальных характеристик учащегося "ИНТЕЛ" внедрена в учебный процесс Рязанского областного института развития образования.

Апробация работы. Результаты исследований докладывались на следующих конференциях и семинарах: Всероссийская научно-техническая конференция "НИТ в научных исследованиях радиоэлектроники" (РГРТА, Рязань, 1996 г.); "V East-West International Conference on Human-Computer Interaction'96" (CSTI, Moscow, 1996 г.); Всероссийская научно-техническая конференция "Современные информационные технологии в образовании" (РИРО, Рязань, 1996 г.); 2-я Всероссийская научно-практическая конференция "Современные информационные технологии в образовании" (РИРО, Рязань, 1998 г.); IX научно-методическая конференция РГРТА (Рязань, 1999 г.).

Публикация результатов работы. По теме диссертации автором опубликовано 10 печатных работ.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы (108 наименований), приложений. Общий объем работы - 186 страниц печатного текста. Работа содержит 30 рисунков и 15 таблиц.

Содержание работы

-Во введении_о6основывается актуальность темы диссертационной работы,

дается ее краткая характеристика, формулируются цель и задачи исследования, представляются основные научные результаты, выносимые на защиту.

В первой главе проведено исследование моделей обучаемого и обучающей деятельности в ОГМС. Дано определение ОГMC с информационной точки зрения. Показано, что модель обучаемого может использоваться как неотъемлемая часть АСДО, управляющая процессом обучения в ОГМС.

Обзор существующих теорий обучения показал, что процесс обучения в общем случае может быть формализован, а модель обучаемого синтезирована в программных приложениях ОГМС, составляющих базовое ядро АСДО.

Произведен анализ наиболее распространенных методов описания модели обучаемого. Рассмотрены такие подходы, как кибернетический, эргономический, психотехнический, дидактический, сети Петри, марковские цепи. Подробно рассмотрены методы представления модели обучаемого в экспертных

системах: скалярная модель знаний, оверлейная модель знаний, модель ошибок и генетический граф. В диссертационной работе приведены достоинства и недостатки каждого из вышеперечисленных методов, сделаны конкретные рекомендации по их использованию.

Проведенный анализ существующих методов формализации модели обучаемого показал необходимость реализации математической модели обучаемого в виде генетического графа, как наиболее подходящего для достижения цели исследования. Преимущество данного метода формализации модели обучаемого состоит в том, что он позволяет не только выявить наличие тех или иных понятий, как фактов, освоенных учащимся, но и определить наличие или отсутствие связей между ними.

Согласно операциональной теории интеллекта Ж.Пиаже, новые элементы знаний могут легко усваиваться только в составе когнитивной группировки, подвергающейся различным логическим операциям. Таким образом, для эффективного обучения необходимо выявить некоторую взаимосвязанную группировку элементов знаний или понятий, с которой учащийся мог бы производить различные мыслительные операции. Данная группа понятий должна отражать конкретный ход освоения материала и находиться в поле мыслительной деятельности учащегося. Пополняясь за счет освоения новых элементов знаний, эта группа должна обеспечивать процесс ассимиляции информации когнитивными структурами и осуществлять перестройку (аккомодацию) элементов в случае их неуспешного усвоения.

Наличие межэлементных связей является важным условием организации операциональной группировки. Поэтому, с точки зрения генетической эпистемологии, модель знаний обучаемого, представляемая в виде генетического графа, является наиболее достоверной. В работе показано, что такой способ представления модели знаний органично перекладывается на гипермедийную структуру электронного учебного курса и может быть использован при проектировании личностно-ориентированной АСДО.

В ходе анализа особенностей обучающей деятельности в ОГМС выявлены основные затруднения при реализации экспертного подхода в дистанционном обучении и намечены пути их преодоления путем использования '\УеЬ-технологий. Рассмотрены преимущества использования ОГМС в организации обучающей деятельности за счет введения полимодального представления информации. В работе приводятся основные методы полимодального представле-• ния информации, такие как дублирование, распределение, переключение, а также особенности их применения в ОГМС.

Произведена классификация бимодальных обучающих воздействий в ОГМС. При этом решено все обучающие воздействия разбивать на два типа: вербальные и невербальные. К вербальным обучающим воздействиям можно отнести смысловой текст, голос, графическое представление знаний (формулы, схемы). К невербальным - видеофрагменты, звуки (мелодия), графическое окружение (рисунки, фон). Показано, что наибольшую эффективность дает одновременное использование обучающих воздействий двух типов - бимодальных обучающих воздействий.

Определено, что для каждой категории учащихся существует свой оптимальный набор обучающих воздействий, способствующий наиболее эффективному освоению материала. Из этого делается вывод о целесообразности пере: дачи функций управления обучением АСДО, позволяющей гибко подстраиваться под каждого конкретного учащегося, используя при этом его индивидуальные характеристики (восприятие, память, мышление и т.д.).

Перечислены недостатки, присущие интеллектуальным обучающим системам, реализующим стандартную модель обучения с помощью разветвленного алгоритма, и намечены пути их преодоления.

Исследования, проведенные в первой главе диссертации, показали насущную необходимость создания модели обучаемого, функционирующей в составе АСДО, которая может быть синтезирована в программных приложениях ОГМС с помощью >УеЬ-технологии. Разрабатываемая модель обучаемого должна удовлетворять требованиям адаптивности и динамичности, а также иметь

управляющие функции модели обучения. АСДО, спроектированная на основе модели обучаемого, должна использовать психологические и личностные характеристики учащегося, а также учитывать операциональный характер освоения учебного материала.

Во второй главе разработано математическое обеспечение операциональной модели обучаемого. Оно включает в себя:

• модель индивидуальных характеристик обучаемого - «индивидуальный психологический портрет»;

• модель знаний, адекватно отражающую представления учащегося о данном учебном курсе;

• модель операций, включающую элементы знаний, подлежащие операциональному способу освоения материала;

• алгоритм функционирования операциональной модели знаний в составе

Математическая модель индивидуальных характеристик основывается на отличиях в восприятии и усвоении знаний в ОГМС. Эти отличия имеют когнитивную, психологическую и физиологическую природу и являются основанием разработки «индивидуального психологического портрета» учащегося. В результате исследования, были определены следующие оценки, входящие в математическую модель индивидуальных характеристик:

где V, - объем восприятия информации по 1-й модальности {текст, графика, звук); х1 е [0; 1~\ (для бимодальных обучающих воздействий х, —0.55+0.6); п~3 — общее число модальностей.

2. Вероятность обучения: Рг(х,) =

где р — вероятность обучаемости; ^ — вероятность угадывания, к — число попыток.

3. Эффективность обучающего воздействия: тя, = ,

АСДО.

1. Эффективность восприятия:

п

п

где /, - скорость обучения по г-й модальности; х! е[0; 1].

4. Характерологический признак: /г* е Н, где Н - тип мышления {«художник», <осудож.-практик», «мысл.-практик»,«мыслитель»); ¿=1,4.

Авторская методика определения объема восприятия учащегося и эффективности обучения в ОГМС приводится в приложении.

Для выявления характерологического признака определены статистические параметры двумерной функции распределения шкалы А-Я (активности -реактивности)', математическое ожидание, дисперсия, среднеквадратическое отклонение, коэффициент корреляции параметров А-Я в соответствии с классическими представлениями современной психологии.

Математическая модель знаний основана на графовом представлении (рис. ]) и состоит из модели знаний эксперта &п)-(Х,Ц), модели знаний обучаемого <70№ ={Хт IIо) и модели операций Дано определение модели операций исходя из когнитивных особенностей процесса обучения.

Рис. 1. Математическая модель знаний Для математической модели знаний выявлен ряд важных соотношений:

V е Х3: 0< Рг(5(л:,)) < ОД;

V и(х,, ху) е Ц: {х„ X]} е Х0 и X,, {х,-1 х,} е X,.

Здесь Рг (${х,)) - реальная вероятность обучения элементу знаний х„ С(х,) - требуемая вероятность обучения.

Условие окончания обучения определяется выражением: |G,(") \ G„<k>\ < Q ; где Q ~ максимальная степень несоответствия моделей знаний.

В связи с тем, что число элементов, входящих модель операций не должно превышать объем восприятия информации для данного учащегося, в работе приведен алгоритм определения числа вершин модели операций. Данный алгоритм позволяет просмотреть все вершины модели знаний эксперта не освоенные обучаемым, и включить эти элементы в модель операций Gs <k).

Каждому элементу знаний х,- модели операций ставится в соответствие обучающее воздействие с(х,), которое содержит набор базовых параметров Q(x,), определяемых моделью индивидуальных характеристик D. Эти параметры задаются следующим вектором:

<у(хд, т(х,), Pr(x,), deg(x,), х,)>,

где у(х,) - эффективность восприятия х: элемента знаний; т(х,) - эффективность обучающего воздействия; Рг(х,•) - вероятность обучения х,- элементу знаний; degix,) - степень вершины х,(число смежных элементов знаний); 7i!G0(k\ х,) • критическое расстояние от графа G0{k) до вершины х,.

В работе приведены методики определения этих оценок, даны конкретные рекомендации по их использованию в модели знаний.

В ходе исследования были выявлены основные закономерности модели операций, приведены их доказательства. Представление модели знаний описывается в виде взвешенного фактор-графа. Такое представление значительно упрощает математические расчеты и повышает эффективность их использования.

Дано определение инвариантной модели знаний исходя из адекватности семантического смысла для представления полимодальных элементов знаний. Определены основные свойства инвариантной модели знаний и приведена методика расчета базовых параметров вектора Q( Y/'1) для полимодальных вершин учебного курса по аналогии с вектором Q(x,).

В третьей главе выбирается вид целевой функции эффективности обучения и производится оптимизация операциональной модели обучаемого. Отдельно

рассматривается методика вычисления оценки вероятности обучения для тестовых заданий различного вида.

Выходной параметр модели знаний - эффективность обучения Г, зависит от совокупности входных характеристик. Для выявления степени зависимости входных данных с выходным параметром и для оптимизации операциональной модели обучаемого может использоваться целевая функция аддитивного или мультипликативного вида.

Использование целевой функции эффективности обучения позволяет производить ранжирование вершин графа модели знаний для включения части из них в модель операций. Для решения данной задачи были разработаны специальные алгоритмы, применимые для целевых функций различного вида.

Таким образом, задача оптимизации сводится к наховдению оптимального разбиения графа модели знаний на каждом шаге, после очередного тестового воздействия на обучаемого. В формальном виде для целевой функции мультипликативного вида эта задача может быть поставлена так:

Дано: = С(п>1 ) - фактор-граф модели знаний относительно разбие-

Весовые коэффициенты а, Д у и 6, входящие в выражение для целевой функции, определяют степень влияния входных характеристик на выходное значение параметра эффективности.

В результате проведенных экспериментов получены статистические оценки параметров целевой функции: математическое ожидание, среднеквадратич-

на щ )={ {Го) и [Х\ У о)). --

Найти список вершин 1 ^¡еХХТв) при выполнении условия:

Е= X/(х() тах,

тах,

где 4Уо, хдгРг(хд',

ное отклонение, дисперсия. Определены граничные значения параметров и весов целевой функции эффективности обучения.

Корневое дерево относительно вершины У<? будет иметь вид:

Ь СЗ) ={£*£,,...,£,}.

В соответствии с дидактическим принципом формирования модели операций, вершины младших уровней должны осваиваться прежде, чем будут осваиваться вершины старших уровней. Таким образом, целевая функция определяется в первую очередь с учетом оценки расстояния я(Уо, В общем случае для любых осваиваемых вершин должно соблюдаться соотношение:

Лхд </[■*/)> гДе х,еЬт+1;х/еЬт.

В результате дифференцирования целевой функции мультипликативного вида и введения необходимых допущений получено отношение весов: -у!Р> 12,6. Однако использование больших степеней существенно увеличивает погрешность вычисления целевой функции. Поэтому мультипликативное представление целевой функции обучения было признано недостоверным.

В соответствии с аддитивным представлением, целевая функция модели операций будет иметь следующий вид:

Е = ^/(х,) тах,

х,еХ1

где Дх,)=а т{х1)+(3 с1е£(х1)-!гу я( У0, х,)+5Рг(х,).

В ходе исследования было доказано, что представление целевой функции в аддитивном виде является оптимальным для решения данной задачи. При этом получено отношение весов вершин соседних уровней: —у//? > б.

Для определения значений весов целевой функции и оптимизации модели обучаемого был использован метод анализа иерархий. Данный метод является наиболее эффективным для решения задач выбора, имеющих входные параметры различного порядка и типа, кроме того, он использует методику экспертного оценивания, которая позволяет гибко настраивать модель обучения на различные учебные курсы, выбирая нужные приоритеты по желанию преподавателя.

Применяя метод анализа иерархий, назначаются веса целевой функции, удовлетворяющие условиям модели обучения, а затем определяется список вершин графа модели операций 5,= ху -> -> ... -» хь ранжированный в порядке

уменьшения значения целевой функции Е .

Верхний уровень иерархии занимает целевая функция аддитивного вида. Входные параметры целевой функции, связанные с нею весовыми коэффициентами, располагаются на среднем уровне иерархии. И, наконец, элементы знаний - вершины графа модели знаний, составляют третий, нижний иерархический

уровень.

На основе попарных сравнений создается шкала приоритетов относительно влияния параметров второго уровня на значение целевой функции. Сравнения входных параметров производятся по десятибалльной шкале преподавателем-экспертом во время настройки учебного курса и заносятся в так называемую матрицу приоритетов.

После нормализации входных параметров целевая функция эффективности

обучения приобретает следующий вид: Р = тах,

Дх,)=а • т (*,)+-/? • йщ {х,)+у ■ к (Уо, х,)+<5 - Рг (X,),

где т(х,\ ^(х,), ЩУ0,хд, Рг (х,) - приведенные входные параметры,

а, Д у, 8 - заданные весовые коэффициенты целевой функции. В работе приведен алгоритм решения задачи оптимизации целевой функции эффективности обучения с помощью метода анализа иерархий, перечислены его основные достоинства, определены границы области применения.

Исследованы вероятностные методы обучения с точки зрения математической теории обучения. При этом рассмотрена структура тестовых воздействий в ОГМС, определены возможные способы ответов учащегося, проведена классификация тестовых заданий с учетом юс использования в АСДО.

Реакция учащегося на единичное тестовое воздействие АСДО описана последовательностью переходов марковской цепи 7Pr(fn=j\f„n=%) = pt, из состояния необученности S в состояние обученное™ S.

В диссертационной работе были исследованы тестовые задания следующих видов: закрытого типа - бинарные, односложные, многосложные, позиционные; открытого типа. Для каждого из этих видов были получены выражения оценки вероятности обучения и вероятности угадывания на каждом шаге, установлены ограничения максимального числа возможных попыток, исходя из количества шаблонов. Исследован способ обучения с повторением. Рассмотрена приведенная оценка вероятности обучения для целевой функции эффективности обучения мультипликативного вида.

В четвертой главе разрабатывается программное обеспечение АСДО на основе операциональной модели обучаемого. Функционирование личностно-ориентированной АСДО обеспечивается в следующих режимах:

• В режиме локальной или корпоративной сети. При этом серверный комплект, содержащий программные приложения, а также электронные гипермедийные учебные курсы по изучаемым дисциплинам, устанавливается на локальном или корпоративном Web-сервере учебного подразделения. На дистанционно удаленных компьютерах с помощью Web-браузера производится сеанс обучения.

• В режиме глобальной сети Internet. При этом серверный комплект программных приложений устанавливается на центральном корпоративном Web-сервере учебного заведения, имеющем внешний выход в сеть Internet. Сеанс обучения производится с любого компьютера, подключенного к глобальной сети Internet по выделенной или коммутируемой телефонной линии.

В работе был проведен обзор программно-аппаратных средств реализации АСДО, в результате которого была выбрана платформенно-независимая конфигурация программно-аппаратного обеспечения. Произведен анализ следующих технологий и стандартов, использующихся в глобальной сети Internet-, язык гипертекстовой разметки HTML, языки скриптов JavaScript, VBScript, язык Java,

языки программирования С, С", средства работы с базами данных - SQL, ODBC, стандарты ASP, ActiveX, SSI, интерфейс CGI, интерпретирующие языки Perl, PHP. Подробно исследованы возможности современных Web-браузеров и других средств обеспечения навигации в ОГМС.

В результате произведенного анализа был выбран язык HTML для представления информации в ОГМС, интерфейс CGI, язык Perl 5.0 для реализации ядра АСДО.

АСДО спроектирована по модульному принципу на основе разработанной операциональной модели знаний обучаемого, учитывающей индивидуальные характеристики учащегося, и имеет два режима работы - этап предварительного контроля и инициализации и этап обучения. На первом этапе управление функционированием АСДО передается тестовому приложению определения индивидуальных характеристик. На втором этапе АСДО функционирует с помощью приложения управления сеансом обучения и тестовой системы диагностики качества обучения.

В гипермедийном обучающем курсе текстовая информация представляется в файлах формата HTML. Графические изображения представляются в форматах GIF и JPEG файлов. Звуковая информация представлена в формате WAV файлов. Гипермедийный курс по изучаемому предмету размещается на корпоративном Web-сервере учебного учреждения. Доступ к изучаемой информации с удаленного хоста осуществляется с помощью программы Web-браузера, установленной на клиентской машине. Обмен данными между Web-браузером и Web-сервером базируется на стандарте HTTP.

Web-приложения выполняются в каталоге выполняемых программ Web-сервера с помощью интерпретатора языка Perl.

Структурная схема АСДО приведена на рис.2.

- test.shb-

База шаблонов ответов

- test.pl-

Модуль определения индивидуальных характеристик

Тестовое приложение определения индивидуальных характеристик обучаемого

— test.htm --

Г test.rez •

База тестов

База результатов тестирования

user п. mod _ user2.mod~ user 1. mod Модель знаний обучаемого

Г qwest.pl

Модуль коррекции АСДО

-qwest.shb~

База контрольных шаблонов

— users, ind-

Модель индивидуальных характеристик

~ init.pl -

Модуль инициализации сеанса обучения

■ expert.mod— Модель знаний эксперта

■ operate.htm — Модель операций

Приложение управления сеансом обучения

<contenf>.htm -

Гипермедийный обучающий курс

г- core.pl -Модуль управления навигацией вОГМС

Обучаемый

— qwest.pl-

Модуль диагностики качества обучения

■ Qwest.htm '

База заданий

Тестовое приложение диагностики качества обучения

Рис. 2. Структурная схема разработанной АСДО

Для осуществления дистанционного контроля тестовые задания представляются в виде HTML-форм, которые после заполнения учащимся отправляются на Web-cepBep по протоколу HTTP. Результаты тестирования и промежуточные данные, введенные пользователем, передаются Web-сервером с помощью интерфейса CGI заданному программному Web-приложению, обрабатывающему входящий запрос. Web-приложение после необходимых операций формирует ответ в виде HTML-страницы и передает ее в окно Web-браузера.

Индивидуальные характеристики обучаемых и модели знаний представляют собой полнотекстовые базы данных на стороне сервера.

Для представления информации о состоянии функциональных компонент АСДО, различные функциональные компоненты представляются в виде фреймовой структуры, отображаемой на экране Web-браузера.

В работе исследована программно-лингвистическая база диагностики качества обучения АСДО. Для этой цели была разработана методика реализации тестовых заданий средствами языка HTML для обеспечения эффективного взаимодействия пользователя с АСДО,

В результате проведенного исследования на основе спроектированной модели обучения был разработан алгоритм функционирования АСДО. В диссертационной работе подробно описана процедура тестирования учащегося, процесс формирования модели знаний и модели операций.

Разработанная АСДО включает в себя:

• ядро АСДО, построенное по модульному принципу с помощью языка Perl 5.0 в соответствии с разработанными алгоритмами;

• пакет тестов определения индивидуальных характеристик учащихся «ИНТЕЛ», выполненный с помощью Web-технологии и использующий авторскую методику;

• электронный учебник по курсу «Начертательная геометрия и черчение», выполненный в формате HTML.

После размещения АСДО в корпоративной сети РГРТА была произведена ее успешная апробация на малой выборке учащихся.

В ходе тестирования и отладки была достигнута удовлетворительная устойчивость работы АСДО.

За основу модели эксперта была взята структура базового электронного учебного курса. Апробация АСДО производилась в два этапа. Сначала первая контрольная группа учащихся осваивала электронный учебный курс, представленный в виде гипертекста HTML, с помощью Web-браузера и отвечала письменно на предоставленные тестовые задания. Затем вторая контрольная группа производила сеанс обучения с помощью установленной на Web-cepeepe АСДО, в который был загружен тот же самый электронный учебный курс. При этом использовалась операциональная модель обучаемого и модель индивидуальных характеристик, а ответы на тестовые задания обрабатывались АСДО. В результате освоения электронного учебного курса второй контрольной группой с помощью АСДО был получен выигрыш в эффективности обучения в среднем на 12-15 % по сравнению с первой группой. Из предварительного анализа полученных результатов получен вывод о перспективности использования АСДО в учебном процессе и проведения дальнейших исследований в данном направлении.

Разработанная АСДО может использоваться для освоения любых учебных дисциплин, позволяет эффективно организовывать обучающую деятельность в ОГМС и повышает познавательную активность учащихся.

Основные преимущества разработанной АСДО:

• платформенная аппаратная и программная независимость;

• надежность и эффективность функционирования;

• гибкость и адаптивность в настройке и использовании.

АСДО предназначена для организации обучающей деятельности в ОГМС учащихся высших и средних специальных учебных заведений основной и дополнительной форм обучения. Она с успехом может применяться для размещения электронных учебных курсов в корпоративной сети учебного учреждения, а также в глобальной сети Internet.

Особое отличие АСДО от других систем дистанционного обучения заключается в использовании механизма адаптации учебного курса к психологическим характеристикам учащегося, организации эффективного обучения при отсутствии преподавателя.

Основные результаты работы

1. Проведена типовая классификация бимодальных обучающих воздействий в ОГМС;

2. Формализована математическая модель индивидуальных характеристик обучаемого, включающая в себя следующие оценки: объем восприятия информации; эффективность мыслительной деятельности учащегося; вероятность обучения; характерологический показатель.

, 3. В результате анализа методов описания модели обучаемого была разработана и формализована с помощью фактор-графового представления математическая модель знаний обучаемого, основанная на операциональном механизме освоения учебного материала.

4. Исследованы числовые характеристики операциональной модели обу-

чаемого и разработаны эптимизационные модели рационального выбора элементов знаний электронного учебного курса, реализованные с помощью метода анализа иерархий.

5. Разработана методика определения оценки вероятности обучения для тестовых заданий различных типов, а также для обучения с повторением.

6. Разработаны алгоритмические процедуры функционирования операциональной модели обучаемого в составе АСДО.

7. Произведен синтез операциональной модели обучаемого с помощью ЭДеЬ-технологии в программных приложениях ОГМС, представляющих собой базовые модули АСДО.

8. Произведена успешная апробация АСДО в рамках корпоративной сети вуза с применением электронного учебника по курсу «Начертательная геометрия и черчение», разработанного с помощью ТОеЬ-технологии.

Проведенные исследования показали, что АСДО, использующая операциональную модель обучаемого, позволяет адаптировать процесс обучения под личные особенности учащегося, существенно сокращает время на освоение новых знаний в ОГМС, повышает эффективность их усвоения, сокращает расходы на проектирование электронных учебных курсов и облегчает методическую работу преподавателя.

Разработанная в ходе диссертационной работы АСДО используется в учебном процессе Рязанской государственной радиотехнической академии и внедрена в ряд образовательных учреждений Рязанского региона.

Основное содержание диссертации изложено в следующих работах:

1. Гостин A.M. О применении CASE-технологии в области разработки методических и обучающих программных средств // Межвуз. сб. науч. трудов "Проблемы обработки информации". - Рязань, РГРТА, 1995, С. 53-56.

2. Гостин А.М., Чернышев C.B. Инструментальные средства создания учебных курсов гуманитарного направления // Межвуз. сб. науч. трудов "Новые информационные технологии в образовании". - Рязань, РГРТА, 1995, С.21-23.

3. Гостин А.М., Корячко В.П., Чернышев C.B. Развитие информационных возможностей сети RUNNET // Межвуз. сб. науч. трудов "Перспективные информационные технологии в высшей школе". - Тамбов, 1995, С. 28-30.

4. Гостин А.М., Чернышев C.B. Некоторые аспекты применения гипермедиа технологии в системе обучения Н Тез. доклад. Всерос. научно-техн. конференции "НИТ в научных исследованиях радиоэлектроники". - Рязань, РГРТА, 1996, С. 39-41.

5. Гостин A.M. Пакет прикладных программ «Мини-Тест-Система» // Тез. докл. Всерос. научно-техн. конференции «Современ. информ. технологии в образовании». - Рязань, РИРО, 1996, С. 62-66

6. A. Gostin. Psychological aspects of influence of hypermedia technologies upon human consciousness // V East-West International Conference on HumanComputer Interaction'96. - Moscow, CSTI, 1996, P. 289-291.

7. Гостин A.M. Операциональный метод построения интеллектуальных гипермедийных систем // Межвуз. сб. науч. трудов «Новые информационные технологии». - Рязань, РГРТА, 1997, С. 107-114.

8. Гостин A.M., Чернышев A.C. Организация обучающей деятельности в открытой гипермедийной среде // Тез. докл. 2-й Всерос. научно-практ. конференции «Современные информационные технологии в образовании». - Рязань, РИРО, 1998, С. 52-56.

9. Гостин A.M. Использование дистанционных методов обучения в системе непрерывного образования // Система непрерывного образования и ее роль в развитии личности: Мат-лы Межрегион, научно-практ. конференции, поев. 60-летию со дня основания РИРО. - Рязань, РИРО, 1998, С. 186-188.

10. Гостин A.M., Корячко В.П., Чернышев C.B. Использование мультимедиа технологии в организации учебного процесса // Труды IX науч. методич. конференции РГРТА. - Рязань, РГРТА, 1999, С. 11-14.

Введение.

1. Исследование моделей обучаемого и обучающая деятельность в открытой гипермедийной среде.

1.1. Обзор существующих теорий обучения.

1.2. Анализ методов описания модели обучаемого.

1.3. Обучающая деятельность в открытой гипермедийной среде.

2. Математическое обеспечение операциональной модели обучаемого.

2.1. Математическая модель индивидуальных характеристик

2.2. Математическая модель знаний.

2.3. Представление математической модели знаний в виде взвешенного фактор-графа.

2.4. Инвариантная модель знаний.

3. Выбор и оптимизация операциональной модели обучаемого.

3.1. Целевая функция эффективности обучения.

3.1.1. Целевая функция эффективности обучения мультипликативного вида.

3.1.2. Целевая функция эффективности обучения аддитивного вида.

3.2. Оптимизация операциональной модели обучаемого с помощью метода анализа иерархий.

3.3. Определение оценки вероятности обучения.

3.3.1. Вероятностные методы обучения.

3.3.2. Обучение с повторением

3.3.3. Приведенная оценка вероятности обучения

4. Программное обеспечение адаптивной системы дистанционного обучения (АСДО) на основе операциональной модели обучаемого.

4.1. Обзор аппаратно-программных средств реализации АСДО.

4.2. Проектирование функциональной модели АСДО.

4.3. Разработка технологических компонентов АСДО.

4.4. Обоснование структурной схемы АСДО.

4.5. Алгоритм функционирования АСДО.

4.6. Апробация АСДО в корпоративной сети ВУЗа

Актуальность темы. В настоящее время, в связи с быстрым развитием глобальной сети Internet, перед ВУЗами возникает задача эффективного использования сетевых ресурсов и технологий. Активно развиваются гипермедийные и мультимедийные системы и среды. Информация в глобальной сети Internet, представляя собой разновидность открытой гипермедийной среды, интегрирует в себе такие способы представления данных, как графика, анимация, звук и видео [20]. Открытая гипермедийная среда вместе с технологией дистанционного доступа позволяет создавать системы дистанционного обучения, ориентированные на корпоративные сети ВУЗа (Intranet) и глобальную сеть Internet [39].

Одной из важнейших проблем в системе дистанционного образования является создание личностно-ориентированных интеллектуальных обучающих систем и адаптивных систем дистанционного обучения, использующих развитую модель обучаемого и ориентированных на работу с учащимися без преподавателя. Функционирование таких систем должно учитывать не только уровень знаний обучаемого, но и его индивидуальные психологические характеристики - объем восприятия, скорость мыслительной деятельности, характер усвоения материала и т.д. Так как в гипермедийной среде одни и те же знания могут представляться в различных модальностях [24], актуальной является задача адаптации электронных учебных курсов под каждого конкретного обучаемого с учетом его индивидуальных особенностей.

Наиболее эффективным способом освоения знаний для учащегося является использование операционального механизма интеллектуальной деятельности [71, 73]. В связи с этим возникает проблема разработки модели обучаемого, основанной на операциональном механизме освоения учебного материала (операциональной модели) [23]. 5

Существующие системы дистанционного обучения не применяют модель знаний и модель индивидуальных характеристик обучаемого, а оперируют непосредственно элементами электронного учебного курса, используя при этом традиционную разветвленную модель обучения [94, 97].

Таким образом, актуальность диссертационной работы определяется необходимостью разработки операциональной модели обучаемого и синтеза ее в программных приложениях открытой гипермедийной среды для использования в составе адаптивной системы дистанционного обучения (АСДО).

Цель и задачи исследования. Целью диссертационной работы является разработка методики управления процессом освоения знаний для повышения качества и эффективности обучения. Для этого необходима разработка математической модели обучаемого, учитывающей операциональный механизм освоения знаний, а также модели индивидуальных характеристик, основанной на различиях в восприятии и освоении знаний различными категориями учащихся, и синтез этих моделей в программных приложениях открытой гипермедийной среды в составе АС ДО. Для достижения указанной цели в работе необходимо решить следующие задачи:

• формализовать модель индивидуальных характеристик обучаемого;

• разработать и формализовать модель знаний обучаемого, основанную на операциональном механизме освоения материала;

• исследовать числовые характеристики операциональной модели и разработать оптимизационные модели рационального выбора элементов знаний, подлежащих освоению с помощью операционального механизма;

• разработать алгоритмические процедуры функционирования операциональной модели обучаемого в составе АС ДО;

• синтезировать операциональную модель обучаемого в программных приложениях открытой гипермедийной среды с помощью Д¥еЬ-технологии и реализовать на их основе АС ДО;

• апробировать АС ДО в рамках корпоративной сети ВУЗа. 6

Объект исследования. Математическая модель обучаемого в открытой гипермедийной среде.

Предмет исследования. Числовые характеристики операциональной модели знаний и модели индивидуальных характеристик обучаемого в программных приложениях открытой гипермедийной среды.

Методы исследования. Прикладная теория графов, статистические методы анализа информации, метод анализа иерархий, математическая теория обучения.

Научная новизна. В результате проведенного диссертационного исследования получены и выносятся на защиту следующие результаты, характеризующиеся научной новизной:

• типовая классификация бимодальных обучающих воздействий в открытой гипермедийной среде;

• математическая модель индивидуальных характеристик обучаемого, включающая в себя следующие числовые характеристики: объем восприятия и эффективность мыслительной деятельности в каждой из модальностей открытой гипермедийной среды; оценка вероятности обучения; характерологический параметр обучаемого;

• формализованная с помощью фактор-графового представления, математическая модель знаний обучаемого, основанная на операциональном механизме освоения учебного материала в открытой гипермедийной среде;

• алгоритмические процедуры определения числа вершин модели операций, реализованные с помощью метода анализа иерархий, позволяющие синтезировать операциональную модель обучаемого в программных приложениях открытой гипермедийной среды;

• методика определения оценки вероятности обучения для тестовых заданий различных типов, а также для обучения с повторением, синтезированная в модуле диагностики качества обучения АСДО; 7

• программные алгоритмы и процедуры функционирования АСДО, основанной на операциональной модели обучаемого, позволяющей адаптировать электронные учебные курсы под личностные особенности учащегося и использующей открытую гипермедийную среду для представления знаний;

Практическая значимость. Предложенные математические модели и алгоритмы могут быть синтезированы в программных приложениях открытой гипермедийной среды и использованы при реализации АСДО, интеллектуальных гипермедийных обучающих систем и систем диагностики качества обучения нового типа.

Разработанная на базе предложенных математических моделей и алгоритмов, АСДО позволяет значительно сократить время на освоение новых знаний, повышает эффективность их усвоения, сокращает расходы на проектирование электронных учебных курсов и облегчает методическую работу преподавателя.

Внедрение результатов. Разработанная в ходе диссертационной работы АСДО используется в учебном процессе Рязанской государственной радиотехнической академии и включает в себя разработанные электронные учебные курсы по дисциплинам: "Начертательная геометрия и черчение", "Геометрическое моделирование и машинная графика".

Тестовая система определения индивидуальных характеристик учащегося "ИНТЕЛ" передана для внедрения в Рязанский областной институт развития образования [21].

Апробация результатов исследования. Результаты исследований докладывались на следующих конференциях и семинарах:

• Всероссийская научно-техническая конференция "НИТ в научных исследованиях радиоэлектроники" (РГРТА, Рязань, 1996 г.) [20];

• "East-West Human-Computer Interaction" (CSTI, Moscow, 1996 r.) [22];

• Всероссийская научно-техническая конференция "Современные информационные технологии в образовании" (РИРО, Рязань, 1996 г.) [21]; 8

• 2-я всероссийская научно-практическая конференция "Современные информационные технологии в образовании" (РИРО, Рязань, 1998 г.) [24];

• Межрегиональная научно-практическая конференция, посвященная 60-летию со дня основания РИРО «Система непрерывного образования и ее роль в развитии личности» (РИРО, Рязань, 1998 г.) [25];

• IX научно-методическая конференция РГРТА (Рязань, 1999 г.) [26].

Публикация результатов работы. По теме диссертации автором опубликовано 10 печатных работ.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы и приложений. Список цитируемой литературы содержит 108 наименований.

Заключение

В ходе диссертационного исследования была разработана методика управления процессом освоения знаний для повышения качества и эффективности обучения. Для этой цели была разработана математическая модель обучаемого, основанная на операциональном механизме освоения знаний, а также отличии в восприятии и освоении знаний различными категориями учащихся. Формализованная, на основе полученных математических методов и алгоритмов, операциональная модель обучаемого была синтезирована в программных приложениях ОГМС, функционирующих в составе АСДО. Для достижения указанной цели в работе были решены следующие задачи:

1. Формализована математическая модель индивидуальных характеристик обучаемого, включающая в себя оценки: объем восприятия информации; эффективность мыслительной деятельности учащегося; вероятность обучения; характерологический показатель.

2. В результате анализа методов описания модели обучаемого была разработана и формализована с помощью фактор-графового представления математическая модель знаний обучаемого, основанная на операциональном механизме освоения учебного материала.

3. Исследованы числовые характеристики операциональной модели обучаемого и разработаны оптимизационные модели рационального выбора элементов знаний электронного учебного курса, реализованные с помощью метода анализа иерархий.

4. Разработаны алгоритмические процедуры функционирования операциональной модели обучаемого в составе АСДО.

5. Произведен синтез операциональной модели обучаемого с помощью \УеЬ-технологии в программных приложениях ОГМС, представляющих собой базовые модули АСДО.

152

6. Произведена успешная апробация АСДО в рамках корпоративной сети ВУЗа с применением электронного учебника по курсу «Начертательная геометрия и черчение», разработанного с помощью Л¥еЬ-технологии.

В ходе проведенного диссертационного исследования были получены следующие научные результаты:

• проведена типовая классификация бимодальных обучающих воздействий в ОГМС;

• формализована математическая модель индивидуальных характеристик обучаемого;

• формализована математическая модель знаний обучаемого;

• разработаны алгоритмические процедуры определения числа вершин модели операций, позволяющие синтезировать операциональную модель обучаемого в ОГМС;

• разработана методика определения оценки вероятности обучения для тестовых заданий различных типов, а также для обучения с повторением;

• разработаны программные алгоритмы и процедуры функционирования АСДО, основанной на операциональной модели обучаемого.

Проведенные исследования показали, что АСДО, использующая операциональную модель обучаемого, позволяет адаптировать процесс обучения под личные особенности учащегося, существенно сокращает время на освоение новых знаний в ОГМС, повышает эффективность их усвоения, сокращает расходы на проектирование электронных учебных курсов и облегчает методическую работу преподавателя.

Разработанная в ходе диссертационной работы АСДО используется в учебном процессе Рязанской государственной радиотехнической академии и передана для внедрения в ряд образовательных учреждений Рязанского региона.

153

1. Анисимов О.С. Основы методологического мышления. М.: Внеш-торгиздат, 1989.

2. Артамонов Ю.Г. Моделирование биологических систем: справочник. -Киев: Наукова думка, 1977.

3. Аткинсон Р. Адаптивные обучающие системы: попытки оптимизировать процесс обучения // Аткинсон Р. Человеческая память и процесс обучения. -М. 1980.

4. Аткинсон Р. Введение в математическую теорию обучения, М., 1966.

5. Бабанский Ю.К. Оптимизация процесса обучения: Общедидактический аспект. М.: Педагогика, 1977.

6. Байдн Б. Методы оптимизации. Вводный курс: Пер. с англ. М.: Радио и связь, 1988.

7. Беспалько В.П. Основы теории педагогических систем. Воронеж, 1977.

8. Бобков А.И. Адаптивная стратегия автоматизированного обучения на основе графоаналитической модели / Проблемы обработки и передачи информации. Лен. ин-т авиац. приборостроения, 1991.

9. Бондарев В.М., Рублинецкий В.И., Качко Е.Г. Основы программирования. Харьков: Фолио; Ростов н/д: Феникс, 1997.

10. Борисов C.B. Математическая модель процессов приобретения и утери навыков // Проблемы инж. псих, и эргономики. М.: ВНИИТЭ, 1984.

11. Брусиловский П.Л. Построение и использование моделей обучаемого в ИОС / Техническая кибернетика. Известия РАН, 1992 №5.

12. Д. Вебер. Технология Java в подлиннике. СПб.: BHV, 1997.

13. Гаврилова Т.А., Зудилова Е.В., Ильясов М.З. Интеллектуальные и обучающие системы: Учебное пособие, СПбГТУ, 1996.154

14. Галактионов А.И. Анализ и оценка деятельности по кривым обучения оператора // Психологический журнал, 1985 т.6, №4.

15. Гальперин П.Я. Психология мышления и учение о поэтапном формировании умственных действий. М., 1966.

16. Гончаров A. HTML в примерах. СПб.: Питер, 1997.

17. Гостин A.M. О применении CASE-технологии в области разработки методических и обучающих программных средств // Межвуз. сб. науч. трудов "Проблемы обработки информации", Рязань, 1995.

18. Гостин A.M., Чернышев C.B. Инструментальные средства создания учебных курсов гуманитарного направления // Межвуз. сб. науч. трудов "Новые информационные технологии в образовании", Рязань, 1995.

19. Гостин A.M., Корячко В.П., Чернышев C.B. Развитие информационных возможностей сети RUNNET // "Перспективные информационные технологии в высшей школе", Тамбов, 1995.

20. Гостин A.M., Чернышев C.B. Некоторые аспекты применения гипермедиа технологии в системе обучения // Тез. доклад. Всерос. научно-техн. конференции "НИТ в науч. исслед. радиоэлектроники" РГРТА, Рязань, 1996.

21. Гостин A.M. Пакет прикладных программ «Мини-Тест-Система» // Тез. докл. Всерос. научно-техн. конференции «Современ. информ. технологии в образовании» РИРО, Рязань, 1996.

22. A. Gostin. Psychological aspects of influence of hypermedia technologies upon human consciousness // V East-West International Conference on HumanComputer Interaction'96., CSTI, 1996.

23. Гостин A.M. Операциональный метод построения интеллектуальных гипермедийных систем // межвуз. сб. науч. трудов «Новые информационные технологии», Рязань, 1997.

24. Гостин A.M., Чернышев A.C. Организация обучающей деятельности в открытой гипермедийной среде // Тез. докл. 2-ой Всерос. науч.-практ. конференции «Современ. информ. технологии в образовании», РИРО, Рязань, 1998.155

25. Гостин A.M., Корячко В.П., Чернышев C.B. Использование мультимедиа технологии в организации учебного процесса // Труды IX науч. методич. конференции РГРТА, Рязань, 1999.

26. Грэм Р.Г., Грей К.Ф. Руководство по операционным играм. М., 1977.

27. Р. Дарнелл. JavaScript: Справочник. СПб.: Питер, 1998.

28. А. Джордж, Дж. Лю. Численные решения больших разреженных систем уравнений. М., Мир, 1972.

29. Добряков A.A., Архипова Н.В. Трехконтурная схема управления познавательной деятельностью / Научно технический сб. "Информационные технологии в проектировании и производстве", Вып. 2., М.: ВНИИ межотраслевой информации, 1997.

30. Дремина М.П., Сизов Ю.А. Исследование закономерностей восприятия и переработки зрительной информации // Труды ВНИИТЭ. Эргономика, Вып.5, 1973.

31. Душков Б. А., Смирнов Б. А., Терехов В. А. Инженерно-психологические основы конструкторской деятельности (при проектировании систем "человек-машина"): учебное пособ. -М.: ВШ, 1990.

32. Дюк В.А. Компьютерная психодиагностика. СПб., Изд. "Братство", 1994.

33. Евстигнеев В.А. Применение теории графов в программировании. -М, 1990.

34. Елисеев О.П. Конструктивная типология и психодиагностика личности. Под ред. В.Н. Панферова. - Псков: Изд. Псковского областного института усовершенствования учителей, 1994.156

35. Занков Л.В. Дидактика и жизнь. М., 1968.

36. Искусственный интеллект: В 3-х кн. Кн. 1. Системы общения и экспертные системы: Справ. / под ред. Э.В. Попова. М.: Радио и связь, 1990.

37. Искуственный интеллект: В 3-х кн. Кн. 2. Модели и методы: Справочник / под ред. Д.А. Поспелова. М.: Радио и связь, 1990.

38. Кашицин В.П. Дистанционное обучение в высшей школе: модели и технологии. М.: Центр информатизации Минобразования России, 1997.

39. Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982.

40. Кристофидис Н. Теория графов. Алгоритмический подход. М.: Мир, 1978.

41. Кузин Ф.А. Кандидатская диссертация. Методика написания, правила оформления и порядок защиты. Практическое пособие для аспирантов и соискателей ученой степени. 2-е изд. - М.: "Ось-89", 1998.

42. Кулак И.А. Психофизиологические принципы обучения. Минск, 1981.

43. Левин Р. и др. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бейсике: Пер. с англ. -М.: Финансы и статистика, 1991.

44. Леннон Д., Маурер Г. Применение систем гипермедиа // Программирование, 1995 №3 - с.17-34.

45. Леонгард К. Акцентуированные личности. Киев, Наукова думка, 1981.

46. Леонтьев А.Г. Структура адаптивной мультимедиа обучающей системы: Тез. докл. Всероссийской научно-методической конференции "Телематика '95", Санкт-Петербург, 1995.

47. Леонтьев А.Н. Деятельность. Сознание. Личность. М.: Политиздат, 1975.157

48. Лозовский В.С. Семантические сети // Представление знаний в человеко-машинных и робототехнических системах. М.: ВИНИТИ, 1984.

49. Дж. Малпас. Реляционный язык Пролог и его применение: Пер. с англ. / Под ред. В.Н. Соболева. М.: Наука, 1990. - 464 с.

50. Марченко Е.К. Машины для обучения. Теоретические основы применения и методы логического проектирования. М.: ВШ, 1974.

51. Маслов А.Н. Введение в язык программирования Си. М.: Память, 1991.

52. Матрос Д.Ш. Как оптимизировать распределение учебного времени. -М., 1991.

53. Машбиц Е.И. Психологические основы управления учебной деятельностью: Методическое пособие. Киев: Издательское объединение "Вища школа", 1987.

54. Мелихов А.Н., Берштейн Л.С. Конечные четкие и расплывчатые множества. ч.2. Расплывчатые множества. Таганрог, ТРТИ, 1980.

55. Мельников И.А., Монкус В.В., Тамм Б.Г. Обзор и анализ зарубежных компьютерных обучающих систем в области программирования / Прикладная информатика. Сб. ст. под ред. Савинкова В.М. М.: Финансы и статистика, 1989, вып. 15.

56. Методика и техника психофизиологических исследований операторской деятельности. М.: Наука, 1984.

57. Методы анализа и синтеза структур управляющих систем / Под ред. Б.Г. Волика. -М.: Энергоатомиздат, 1988.

58. Михеева Т.И., Курилкин С.Ю. Инструментальная среда для создания компьютерных учебников "АРГУС" / Математика. Компьютер. Образование // Тезисы докладов второй международной конф. Пущино: МГУ, 1995.

59. Нечаев В.В. Метод комплексной оценки процесса обучения. // Электронная промышленность, 1982, вып. 1 (№107).158

60. Норенков И.П., Маничев В.Б. Основы теории и проектирования САПР: учебн. для втузов по спец. "Вычислительные машины, комплексы, системы и сети". М.: ВШ, 1990.

61. Овчинников A.A. и др. Сетевые методы планирования и организации учебного процесса. Учебно-методическое пособие. М.: ВШ, 1972.

62. Основы инженерной психологии: учебник для тех. вузов / Под ред. В.Ф. Ломова. М.: ВШ, 1986.

63. Опыт компьютерной педагогической диагностики творческих способностей / Под ред. В.И.Андреева.: Изд. казанского ун-та, 1989.

64. Павлов И.П. Полное собрание сочинений. М., Госкомиздат, 1951.

65. Перегудов Ф.И., Тарасенко Ф.П. Введение в системный анализ. М.: ВШ, 1989.

66. Петрусинский В.В. Автоматизированные системы интенсивного обучения. -М.: ВШ, 1987.

67. Петрусинский В.В. Суггестокибернетический интегральный метод ускоренного обучения // Методы интенсивного обучения иностранным языкам / МГПИИЯ им. Мориса Тореза. М., 1977, Вып. 3.

68. Петрушин В.А., Синица Е.М. Адаптивное тестирование знаний обучаемого на основе байесовского метода принятия решений // Исп. компьютерных технологий в обучении: Сб. научн. трудов АН УССР, Киев, 1990.

69. Петрушин В.А. ИОС: Архитектура и методы реализации // Техническая кибернетика, 1993 №2.

70. Пейперт С., Переворот в сознании: дети, компьютеры и плодотворные идеи. М.: Педагогика, 1989.

71. Печников А.Н., C.B. Попов. Функциональная диагностика психофизического состояния обучаемого при формировании умственного навыка // Методы и средства кибернетики в управлении учебного процесса высшей школы. Рига, РПИ, 1988.159

72. Ж.П. Пиаже. Избранные психологические труды. М., Просвещение, 1969.

73. Психодиагностика. Теория и практика: Пер. с нем., под ред. Талызиной Н.Ф. М., Прогресс, 1986.

74. Психологические тесты для деловых людей: сост. Литвинцева H.A. -М.: Бизнес-школа "Интел-Синтез", 1994.

75. Рубинштейн С.Л. Проблемы общей психологии. М., Педагогика, 1973.

76. Саати Т. Принятие решений. Метод анализа иерархий: Пер. с англ. -М.: Радио и связь, 1993.

77. Соломатин Н.М. Информационные семантические системы. М.: ВШ, 1989.

78. Соломатин Н.М., Хомяков К.С. и др. Семантические аспекты организации экспертных систем // Вестник МГТУ, 1994 №1.

79. Спейнаур С., Куэрсиа В. Справочник Web-мастера. Киев: BHV, 1997.

80. Справочник по инженерной психологии / Под ред. Б.Ф. Ломова. М.: Машиностроение, 1982.

81. Талызина Н.Ф. Управление процессом усвоения знаний. М. 1975.

82. Талызина Н.Ф. Формирование познавательной деятельности учащихся.-М., 1983.

83. Тарасов В.Б. ИС в сфере дополнительного образования // Вестник МГТУ, 1995-№2.

84. Теория и эксперимент в анализе труда операторов / Под ред. В.Ф. Венда, В.А. Вавилова. М.: Наука, 1983.

85. Толмачева А.Ю. Проектирование интеллектуальных обучающих систем //ИКА-Э, 1991, вып. 1 (№77).160

86. Умрюхин Е., Родионова Т. Индивидуальные психо-физиологические особенности школьников при работе на компьютере // Информатика и образование, 1992-№2.

87. Учение Живой Этики, т. 1 -3 Самара: "РА", 1992.

88. X. Уэно, М. Исидзука. Представление и использование знаний. Пер. с яп.-М.: Мир, 1989.

89. Р. Шварц, Т. Кристианен. Изучаем Perl: Пер. с англ. Киев: BHV, 1999.

90. Шеннон Р. Имитационное моделирование систем искусство и наука. - М.: Мир, 1978.

91. Шибанов Т.П. Количественная оценка деятельности человека в системах человек техника. - М.: Машиностроение, 1983.

92. Юдин Э.Г. Системный подход и принцип деятельности. М.: Наука.

93. Брейман А.Д. Программное обеспечение баз данных для обучающих систем с использованием элементов мультимедиа: Автореферат дисс. канд. техн. наук. М., 1998.

94. Власюк Д.П. Диагностика строения когнитивных репрезентативных структур, формирующихся в процессе изучения школьного курса физики: Автореферат дисс. канд. псих. наук. М., 1997.

95. Долгих Д.В. Автоматизация проектирования компонентов дистанционного обучения и диагностики качества знаний специалистов: Автореферат дисс. канд. техн. наук. Воронеж, 1998.

96. Ельцын A.B. Конструирование педагогических измерительных материалов в процедурах регламентации деятельности учреждений высшего образования на основе методов оптимизации и экспертного оценивания: Автореферат дисс. канд. техн. наук. Воронеж, 1999.

97. Кревсун М.В. Метод блочного синтеза и локальных связей в организации учебного сообщения алгоритмизированного обучения: Автореферат дисс. канд. пед. наук. Таганрог, 1999.161

98. Тужикова В.И. Оптимизация автоматизированного обучения специалистов по биомедицинским системам на основе семантического моделирования: Автореферат дисс. канд. техн. наук. Воронеж, 1998.

99. Сафронова И.Е. Разработка математических моделей объектов проектирования для автоматизированной обучающей системы в САПР/ САЙТ ЭВА: Автореферат дисс. канд. техн. наук. М., 2000.

100. Сухих Н.А. Вероятностные репрезентации информации в задачах принятия решений: Автореферат дисс. канд. псих. наук. Ярославль, 1999.

101. Elithorn A., Mornington S., Stavrov A. Automated psychological testing: Some principles and practic // Int. Journal of Man-machin Studies, v. 17, № 3, 1982.

102. H. Maurer. Semantic Modelling of Object-Oriented Hypermedia Databases // IV East-West International Conference on Human-Computer Interaction'95., CSTI, 1995.

103. Minsky M. Framework for representing knowledge in the Psychology of Computer Vision, P.H. Winston (ed). McCraw Hill, 1975.

104. C.A. Petri. Introduction to General Net Theory, New York: SpringerVerlag, 1980.

105. Shimura N. Learning procedure in pattern classificators-introduction and survey // Proc. 4-th Int. Joint. Conf. on Pattern Recogn. Kyoto, Japan, 1978.

106. Howard Wainer. Computerized adaptive testing: A Primer. Hillsdale, New Jersy, USA, 1990.1. Листинг модуляperl1. Модуль "IOSINIT"

107. Инициализация адаптивной системы дистанционного обучения —

108. Определение глобальных значенийrequire(" asdo .cfg");

109. Создание каталога моделей знаний mkdir("$dirasdo",0777) if !(-e "$dirasdo/");текущее время $cti = int(time);

110. Считывание данных из log файла open(LOG,"$dirrez/$filelog"); while (<LOG>) {$rti, $raddr, $rnum, $rshb, $rpar)=split;$nshb=$rshb, $nti=$rti, $idnum=$rnum if $idaddr eq $raddr;$maxnum= ($rnum > $maxnum)? $rnum : $maxnum;close(LOG);

111. Определение номера текущего соединения if (! defined($idnum)) {message("OTcyTCTByroT данные тестирования"); exit;$numfile=("0000").$idnum;$numfile=~sAd*(\d{5})$/$l/;

112. Запись транзакции в log файл open(LOG,"»$dirasdo/$filelog");print LOG "$cti $idaddr $numfile $fileshb ID=init\n"; close(LOG);

113. Определение имени файла модели знаний $filemode=$dirasdo. '/'.$numfile. '.mod';164if (defined($par{'name'})&&(-e "$dirasdo/$fileuser")) {

114. Загрузка модели индивидуальных характеристик open(UIND,"$dirasdo/$fileuser"); while(<UIND>) {if(/$par{'name'}/){ ($name, $group, $old, $hs)=split; $=<UIND>;$ vt,$vc, $ vs, $it, $ic, $is, $hc, $har)=split;if (!defined($par{'name'})||(!defined($vt))) {

115. Определение имени файла результата $filerez=$dirrez. '/'.$numfile.'.rez';

116. Сохранение модели индивидуальных характеристик open(UIND,"»$dirasdo/$fileuser") || die "Cannot open $fileuser"; print UIND "$name $group $old $hs\n";printf UIND "%d %d %d %2.3f %2.3f %2.3f %d %d\n",$vt,$vc,$vs,$it,$ic,$is,$hc,$har; close(UIND);

117. Загрузка модели эксперта учебного курса open(EXPR,"$fileexpr") || die "Cannot open $fileexpr"; $i=0; $six$i.=0;$dircont=<EXPR>; chomp $dircont; $=<EXPR>;

118. Топологическая сортировка вершин графа @mov=(0.$n);for ($i=0;$i<$n;$i++) { for ($j=0;$j<$dp$i.;$j++) { $v=$sm[$six[$i]+$j]; for ($k=0; $k<$i; $k++) { $=$sp[$k];$mov$k.,$mov[$i])=($mov[$i],$mov[$k]) if (/$v/)166