автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.18, диссертация на тему:Математическое моделирование и разработка комплекса программ дуальной адаптированной обучающей системы

На правах рукописи

ХАЛЕД КАИД ШАФЕЛЬ АЛИ

МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ И РАЗРАБОТКА КОМПЛЕКСА ПРОГРАММ ДУАЛЬНОЙ АДАПТИРОВАННОЙ ОБУЧАЮЩЕЙ СИСТЕМЫ

05.13.18 Математическое моделирование, численные методы и комплексы программ

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Казань - 2008

Работа выполнена в Татарском Государственном Гуманитарно-Педагогическом Университете

Научные руководители

кандидат педагогических наук, доцент Галеев Велер Нуретдинович

доктор физико-математических наук, профессор Игнатьев Юрий Геннадиевич

Официальные оппоненты

доктор технических наук,

профессор Емалетдинова Лилия Юнеровна

доктор педагогических наук, профессор Нуриев Наиль Кашапович

Ведущая организация

Московский университет

городской

педагогическии

Защита состоится « £ » июня 2008 г в 14 00 часов на заседании диссертационного совета Д 212 079 01 в Казанском государственном техническом университете им АН Туполева по адресу 420111, г Казань, ул К Маркса, 10, зал заседаний Ученого совета

С диссертацией можно ознакомиться в библиотеке Казанского государственного технического универси1е1а им АН Туполева

Автореферат разослан « » 2008 г

Ученый секретарь диссертационного совета -

доктор физико-математических наук, профессор др Данилаев

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы Ускорение темпов научно - технического прогресса, увеличение потоков информации, все большая дифференциация труда и появление новых специальностей привели к необходимости широкого внедрения дистанционных автоматизированных систем обучения

В связи этим актуальной является проблема адекватности замены преподавателя адаптированной обучающей системой При непосредственном взаимодействии опытный преподаватель отслеживает психоэмоциональное и психофизиологическое состояние обучаемого, перестраивая многие параметры учебного процесса - степень углубленности изучения предмета, стиль и скорость подачи учебного материала, соотношение монолога и диалоха, степень использования демонстрационных средств и т п Но в ситуации дистанционного взаимодействия возможности непосредственного изучения состояния учащегося существенно сокращаются, и особенно сильно это проявляется в дистанционном тестировании Следовательно, существует задача разработки инструментария, позволяющего контролировать психоэмоциональное и психофизиологическое состояние обучаемого в процессе тестирования Усилия многих исследователей в настоящее время как раз и направлены на создание интеллектуальных обучающих систем, основанных на интегрированных методологиях психологических, дидактических и педагогических исследований по моделированию поведения человека в процессе обучения, а также на методы инженерии знаний

Научная задача диссертационной работы. Разработка и исследования дуальных адаптированных обучающих систем и их реализация в учебном процессе

Цель работы Построение математических моделей, создание программного комплекса дуальной адаптированной обучающей системы (ДАОС) для организации учебного процесса в сети и оценки качества обучения с учетом как познавательных, так и психоэмоциональных факторов обучающихся Решение общей научной задачи и достижение поставленной цели связывается с решением следующих частных задач

• Разработка инструментов и методов имитационного моделирования автоматизированных обучающих систем с целью их исследования,

• Проведение на основе разработанных инструментов и методов имитационного моделирования различных моделей автоматизированных обучающих систем,

• Разработка математической модели для выбора форм учебных материалов и тестирования в зависимости от психологического типа обучаемых,

• Разработка математической модели процесса обучения, учитывающей, как познавательные (когнитивные), так и психоэмоциональные факторы обучающихся,

• Разработка в соответствии с требованиями полученной математической модели структуры электронных учебных материалов в виде системы дифференцированных тестов, учитывающих психоэмоциональные характеристики обучающихся,

• Разработка принципиальной структуры дуальной адаптированной обучающей системы и обобщенного алгоритма функционирования ДАОС, структуры подсистем ДАОС и алгоритмов функционирования подсистем ДАОС,

• Разработка программного комплекса, реализующего алгоритмы дуальной системы тестирования,

• Проверка эффективности ДАОС в учебном процессе

Методы исследования Решение указанных задач проводилось на основе системного анализа, математического моделирования дискретных систем, теории графов, теории конечных автоматов, методы математической статистики, теории сплайнов, информатики и объектно-ориентированного программирования, методы экспертных оценок и гибридных экспертных систем, методы психологического тестирования Для программной реализации алгоритмов использован аппарат численного математического моделирования и пакеты прикладных программ компьютерной математики

Научная новизна работы В диссертации получены следующие новые результаты

• Разработаны методы и программные средства с графической обработкой результатов имитационного моделирования моделей АОС на основе теории сплайнов,

• Построена математическая модель дуальных адаптированных обучающих систем на основе дискретной математики и теории конечных автоматов,

• Проведено имитационное моделирование математических моделей дуальных адаптированных обучающих систем При этом установлено, что стандартные математические модели АОС недостаточно адекватно моделируют учебный процесс,

• Разработана статистическая психологическая модель обучаемых, позволяющая определять оптимальные формы учебного материала и тестирования для конкретных типов темперамента обучаемых,

• Созданы алгоритмы и структура ДАОС, основанной на учете как когнитивной, так и психоэмоциональной оценке обучаемого, его темперамента,

Достоверность результатов работы обусловлена корректностью построения математических моделей, основанных на современных представлениях о процессе адаптированного обучения, а также использованием современных методов и средств моделирования Разработанный программный комплекс дуальной адаптированной обучающей системы реализован в учебном процессе

Практическая значимость Полученные в диссертации результаты позволяют использовать их в организации сетевого обучения и тестирования в высших и средних профессиональных образовательных учреждениях, а также при построении и исследовании математических моделей дуальных адаптированных обучающих систем

Результаты диссертации внедрены в учебный процесс Татарского государственного гуманитарно-педагогического университета (г Казань) ДАОС применяется в Республиканском центре маркетинговых исследований, консалтинга и обучения (г Казань) а также в Аденском университете Республики Йемен

На защиту выносятся следующие результаты

• математическая модель адаптивных обучающих систем на основе дискретной математики и теории конечных автоматов и программные средства имитационного моделирования математических моделей АОС с графической обработкой результатов моделирования на основе теории сплайнов,

• результаты имитационного моделирования и иссчедочания дуальнь'х обучающих систем, обнаружение недостатков стандартной модели обучения, основанной на трехвершшшом 1рафе, и модификация ее за счет учета личностных параметров обучающихся и соответствующих обратных связей до пятивершиниого i рафа,

• магематическая модель психологического тестирования обучающихся и оптимального выбора форм заданий тестов и форм учебных материалов в соответствии с психологическим темпераментом обучающихся,

• алгоритмы и структура дуальной адаптированной обучающей системы, основанной на учете как когнитивной, так и психоэмоциональной оценке обучаемого, его темперамента,

• программный комплекс дуальной адаптированной обучающей системы и его реализация в учебном процессе

Апробация работы Основные результаты работы докладывались на XVI-ой Международной конференции "Информационные технологии в образовании" (Москва, 2006), VI-ой Российской молодежной школы - конференции "Лобачевские чтения-2007" (Казань, 2007), Международной научно - практической конференции "Новые информационные технологии в образовании" (Екатеринбург, 2008), а также на научных семинарах кафедры геометрии и кафедры вычислительной математики и информатики Татарского государственного гуманитарно - педагогического университета

Публикации Основное содержание диссертации отражено в 6 печатных работах, их список помещен в конце автореферата Среди них 2 статьи, из которых 1 в журнале из перечня ВАК и 4 тезисов докладов

Структура и объем диссертации Диссертационная работа изложена на 226 страницах машинописного текста, содержит 94 рисунка и 16 таблиц, состоит из введения, четырех глав, заключения, списка литературы из 154 наименований и четырех приложений

СОДЕРЖАНИЕ ДИССЕРТАЦИИ

Во введении обосновывается актуальность темы диссертации, дается определение цели и задач исследования, приводится перечень основных результатов, выносимых на защиту Дана структура диссертации

В настоящее время отмечается достаточно высокий уровень развития фундаментальных исследований в области образования, создания информационных технологий, методов и моделей оценки состояния объектов управления с использованием средств искусственного интеллекта В этом направлении существенный вклад внесли работы Акоффа Р, Бобко И М, Владовского И М, Гавриловой ТА, ДА Поспелова, ГС Осипова, АП Афанасьева, АН Тихонова, ИН Кузнецова, НА Селезневой, А И Суббетто, Б А Сазонова, ГА Атанова, В В Попова, И А Башмакова, И В Макаровой, В П Тихомирова, Б В Кириличева, И Л Надточия, М Минского, Д Гилфорда, Дж Блума, Р Аткинсона, В Чалман и др , а также работы в области математического моделирования Н К Нуриева, АВ Соловова, К А Крижановского, ДБ Леонтьева, ДВ Рыженковой, ВФ Приснякова и др.

з

которые создают теоретическую базу для проведения дальнейших исследований в рассматриваемой области

Большое число работ посвящено внедрению информационных технологий в образовательный процесс, разработке автоматизированных обучающих систем по различным областям знаний, организации дистанционного и сетевого обучения, созданию информационной образовательной среды и электронных учебников В ряде работ содержатся подходы к разработке методов и алгоритмов для решения анализа качества высшего образования и маркетинговых исследований Однако, как показывают исследования, в данных разработках недостаточно полно используются современные методы и модели, позволяющие с гораздо большей точностью осуществлять функции интеллектуальной поддержки принятия решений в системах тестирования знаний обучаемых и управления качеством образования в вузе Следует отметить практическое отсутствие работ по созданию единого подхода к формированию иерархических гибридных моделей оценки качества образования и профессиональной пригодности, включающих различные методы представления знаний, в том числе аналитические, логико-лингвистические, нейросетевые Поэтому разработка моделей, методов, алгоритмов и программных комплексов для решения задач оценки качества обучения является современной актуальной проблемой, достаточно далекой от своего окончательного решения Исследование компьютерных обучающих систем обнаруживает то обстоятельство, что многие из разработанных систем не используют модели процесса обучения, что существенно снижает качество учебного процесса и не позволяет организовывать адаптивное обучение, большинство существующих систем автоматизированного обучения, основанных на моделях, не отображают всю необходимую в учебном процессе информацию, а, как правило, включают только контроль уровня знаний В то же время немаловажным фактом является тот факт, что при усвоении учебного материала большую роль играют и эмоции обучаемого Эмоции обучаемого можно рассматривать как еще одну дополнительную сферу, которую необходимо учитывать при создании обучающих систем В существующих системах автоматизированного обучения редко учитываются психоэмоциональные характеристики обучаемого

Для учета индивидуальных особешюстей предлагается либо контроль памяти обучаемого, его уровень знаний, умений и навыков, либо учет его психоэмоционального состояния в данный момент обучения1,2 Но существующие модели процесса обучения также не в полной мере учитывают факторы, необходимые для осмысленного обучения, такие, как взаимная зависимость семантических модулей и психологические особенности обучающихся, что, на наш взгляд, в первую очередь, связано с отсутствием разработанных математических моделей для отражения таких психоэмоциональных характеристик обучающихся Таким образом, мы приходим к выводу о необходимости и актуальности создания адаптированной

1 Ausubel D Р The psychology of meaningful verbal learning New York Grune and Stratton. 1963

2 Пеккер Я С, Уманский О С, Бразовская Н Г, Бразовский К С Оценка психофизиологических характеристик обучающегося в системе ДО Рекомендации для преподавателей //Открытое и дистанционное образование -2001 -№2-4

обучающей системы, учитывающей как познавательные (когнитивные), так и психоэмоциональные факторы Такую cvicieMy мы будем называть в дальнейшем дуальной адаптированной обучающей системой (ДАОС) Ясно, что для разработки дуальной адаптированной обучающей системы в первую очередь необходимо построить математическую модель процесса обучения, учитывающую психоэмоциональные факторы

Первая глава «Математические модели обучения и тестирования знаний» посвящена обзору существующих математических моделей процесса обучения, в том чисте и адаптированных систем обучения и тестирования знаний, а также изложению основных понятий классификации психологических типов личности В этой главе содержится также классификация основных компьютерных методов обучения В Табл 1 отражена известная классификация ACO Выделены категории, к которым относится ДАОС К этой классификации добавлена новая категория № 9 относящаяся к учету психологическо! о аспекта в ACO

Таблица 1

Основание классификации № Тип ACO

1 1 Средства теоретической и технологической подготовки

111 Компьютерный учебник

1 12 Компьютерная обучающая система

113 Компьютерная система контроля знаний

1 2 Средства практической подготовки

121 Компьютерный задачник

1 По решаемым задачам обучения 122 Компьютерные тренажеры

1 3 Вспомогательные средства

131 Компьютерные лабораторные практикумы

132 Компьютерные справочники

133 Мультимедийные компьютерные занятия

1 4 Комплексные средства

141 Компьютерные учебные курсы

142 Компьютерные восстановительные курсы

По широте охвата 2 1 Интегральные

2 содержания обучения 22 Неинтегральные

3 По уровню обучения 3 1 Для профессиональной подготовки и повышения квалификации

32 Для высшего профессионального образования

3 3 Для начального и среднего профессионального образования

34 Для школьного образования

4 По использованию телекоммуникационных технологий 4 1 Локальные

42 Сетевые

421 Ориентированные на локальные сети

422 423 Ориентированные на глобальные сети

Предусматривающие взаимодействие потребителей знаний

424 Не предусматривающие взаимодействие потребителей знаний

5 По формам представления информации 51 Мультимедийные

52 Не мультимедийные

6 По характеру модели изучаемого объекта или процесса 6 1 Использующие математические (программно реализуемые) модели

62 Использующие физические модели

63 Сопряженные с реальными объектами

7 По виду пользовательского интерфейса 7 1 С традиционным пользовательским интерфейсом

72 Использующие технологии виртуальной реальности

8 По реализации интеллектуальных функции 81 Интеллектуальные

811 Экспертно-обучающие

812 Адаптивные

82 Неинтеллектуальные

9 По учету психологических особенностей обучаемого 9 1 Способность

911 Мышление

912 Память

92 Темперамент

Вторая глава «Методы и инструменты исследования моделей обучающих систем» посвящена разработке методов исследования моделей дуальных адаптированных обучающих систем (ДАОС) и соответствующего инструментария обработки результатов исследований В качестве программного средства исследования математических моделей обучающих систем используется широко распространенная программа символьного верификатора моделей ЫиЯМУ с открытой архитектурой для верификации моделей и прогноза поведения систем в разных ситуациях и сценариях Язык МиБМУ использует модель взаимодействующих конечных автоматов, что упрощает запись на нем дискретных моделей процесса обучения Поскольку результаты, полученные при имитационном моделировании АОС с помощью системы №8МУ, имеет вид списка упорядоченных пар числовых данных (х,у), а в пакете №8МУ отсутствует графический интерпретатор, возникла необходимость в разработке программы создания удобной графической среды с помощью системы

компьютерной математики Поскольку на основе дискретного представления результатов трудно проследить их функциональную зависимость о г параметров модели, возникла необходимость интерполяции численных результатов некоторой системой непрерывных функций Прямая интерполяция с помощью полиномов и метода наименьших квадратов оказалась неприемлемой для целей исследования, поскольку при такой интерполяции заведомо неотрицательная функция может отображаться в области отрицательных значений Для преодоления этой трудности мы обратились к методам сплайновои интерполяции функций, представленных числовыми данными Результаты сплайновой интерполяции оказались уже гораздо ближе к действительности, однако, и этот метод не устраняет полностью проблемы с отрицательными значениями функции Поэтому для достижения лучших результатов были использованы методы В-сплайновой интерполяции функций, которая отличается от обычной сплайновой тем, что позволяет получить сшивку функций в произвольно заданных узлах В итоге была разработана программная процедура графическо обработки и отображения результатов имитационного моделирования АОС с помощью системы ГЧиБМУ

Третья глава «Разработка математической модели процесса обучения» посвящена исследованию дуальных адаптированных обучающих систем с помощью созданных методов и инструментов исследования на основе имитационного моделирования процесса обучения и разработке математической модели ДАОС В работе Соловова3 был предложен метод построения моделей АОС, использующий средства дискретной математики и теорию 1рафов Суть метода состоит в следующем В простейшей модели АОС имеется три параметра Уровень Обученности - УО, Количество вопросов - В, и количество подсказок - П Каждый из этих параметров обладает отрицательным или положительным влиянием на другой параметр, факт чего отражается в коэффициентах, сопоставленных дугам графа (Рис 1) Изначально значения Рис 1 Граф стандартной модели АОС х, х<; определяются на основании экспертных

оценок Для анализа построенной системы используется идея импульсного процесса, те в какую-либо вершину графа вносится изменения числового значения и исследуется, как эти изменения будут распространяться на другие вершины. Предположим, что каждая вершина и, в ходе импульсного процесса принимает значение уД) в дискретные моменты времени / = 0,1,2, Будем считать, что значение определяется значением уД1 и информацией о том, увеличили или уменьшили свои значения другие вершины ир смежные с и„ в момент времени ( Для определения значений вершин будем использовать следующую формулу (1)

Соловов А В , Меньшикова А А Дискретные математические модели в исследовании процессов автоматизированного обучения // "Информационные технологии", 2001, 12 - с 3236

л

Vt — значение вершины Uj в момент времени t в ходе импульсного процесса, x(ui ,11; ) — вес дуги из вершины и, в вершину и„

р (i) — изменение в вершине Uj в момент времени t

Исследование таких моделей, экспертный анализ и оптимизация их параметров позволяют более обоснованно подходить к проектированию сценариев учебной работы, планированию различных видов помощи, формулировке требований к структуре учебного материала, определению количества и типов упражнений для его усвоения Однако, у рассмотренного подхода имеются недостатки

1 Все параметры модели являются непрерывными величинами, не ограниченными сверху и снизу,

2 Кроме того, в рассмотренной модели предполагается, что "УО" зависит от изменения других параметров модели, а не от их текущего состояния Это може!, как будет показано ниже, приводить к нереалистичным результатам,

3 Модель не допускает существование нелинейных зависимостей между параметрами,

4 Неясен смысл областей параметров, в которых импульсный процесс не сходится4

Для устранения этих недостатков мы модифицировали рассмотренную модель' для моделирования дуальной адаптированной обучающей системы (ДАОС) Мы предлагаем рассматривать описанную выше модель АОС как процесс взаимодействия грех конечных автоматов (КА) Дуги графа будут соответствовать входам соответствующих КА, а диаграмма состояний каждого КА будет определять ответ (изменение) параметров в АОС Таким образом, мы моделируем поведение АОС как вычислительный процесс, реализующийся путем взаимодействия конечных автоматов Для задания конечною автомата может также быть использованы специальные языки задания конечных автоматов

Целью построения модели является не точное количественное описание процесса, а качественный анализ возможных вариантов поведения системы Модели обучающих систем составлялись на основании экспертной оценки, после чего поведение этих моделей исследовалось с помощью моделирования и проверки моделей с помощью средств CTL-логики (Computational Tree Logic) Точнее говоря, мы предположили, что все параметры являются целыми числами и могут принимать одно из значений в диапазоне [0 10] Для того чтобы модель могла реагировать на изменения параметров, мы вводим три дополнительные переменные, сохраняющие предыдущее состояние системы Правила изменения были установлены таким образом, чтобы соответствовать модели 1 (2)

4

Очевидно, чю возможно построение АОС в которых параметры реакции например, изменение числа вопросов в ответ на уровень обучснности, будут находиться в такой области Описанную выше модель будем в дальнейшем, для краткости, обозначать как модель 1

УОм=УО,НВм-В,)НП,„-П,)

Вм = + (.У01+1 -У0,) + (77,+1 - Я,) (2)

В результате анализа поведения данной модели с помощью ЫиЯМУ при начальных параметрах, процесс сходится при УО=мах и остальных параметрах равных 0 (см рис 2) Бессмысленность этого результата привела нас к необходимости модификации данной модели

Мы предположили, что уровень обученности является функцией имеющегося уровня обученное ги и текущего значения параметров обучения (3)

УО,+1=УО,+(Я,+Д-Г) (3)

где У01+1 - новое значение уровня обученности, Т - порог, когда подсказки и вопросы начинают оказывать положительное влияние

Введение данного усовершенствования позволило избавиться от нереалистичной стационарной

ситуации, описанной ранее Однако данная модель при тех же начальных параметрах описывает процесс, в котором значения параметров никогда не сходятся к постоянным Устранение этого недостатка можно добиться изменением КА «В» (4)

\В +1; УО < 10

УО, = 10 <4)

Но и этот механизм трудно назвать оптимальным, поскольку при этом повышается нагрузка как на преподавателя (значение П), так и на обучаемого (значение В)

В развитии предыдущей модели, для учета психологического компонента введем в модель четвертый компонент уровень заинтересованности (УЗ), формула 5

УОм = УО,+(П1 +в1 -Т) + У31 *ку;

уз1+1 =уз1+(вп-в,)+(уоп-УО,), (5)

где ку - коэффициент отражающий степень влияния УЗ на УО (ку =1,2), Вл - пороговое значение при котором вклад количества вопросов в УЗ становится отрицательным

Данная модель может объяснить достижение высоких уровней обученности при положительном влиянии УЗ на УО Основной проблемой в этом случае представляется отсутствие средств эффективного управления УЗ со стороны

/

/

| /

/

ч

V /

-

\ \

\ \

■, У

номер шага

Рис 2 В-сплайновое представление результатов имитационного моделирования стандартной модели сплошная линия - УО, точечная линия В - точечно-танстипная - П

обучающей системы Это выражается в невозможности непосредственного получения информации о значении УЗ, а также в отсутствии действенных средств влияния на значение УЗ

Для создания достаточно полной, адекватной модели АОС необходимо ввести еще пятый конечный автомат, структурированность материала (СМ), которому соответствует еще одна, вершина графа Структурированность материала может влиять как на УЗ, так и на УО

В итоге мы модифицировали модель ДАОС и ввели пятый компонент (рис 3), формула б На рис 4 приведен один из результатов расчетов по этой модели

У01+1 = УО, + (77, + в, - Т)+УЗ, * ку + СМ (6)

Проведенный анализ моделей позволил выдвинуть следующую гипотезу

Зависимость эффективности учебного процесса от параметров АОС и учебного материала качественно различается для студентов с различными типами темперамента

В настоящее время не существует обучающих систем, учитывающих при выборе параметров обучения тип темперамента Однако, если рассматриваемая гипотеза является верной, то учет типа темперамента может способствовать повышению эффективности процесса обучения Для проверки данного предположения в диссертационной работе была разработана (ДАОС), позволяющая учитывать в процессе обучения тип темперамента студента с помощью диаграммы Айзенка психологического тестирования

Далее на основе методологии Айзенка строится математическая статистическая модель выбора указанных форм в зависимости от психологического типа экзаменуемого

Рис 3 Пятивершинный граф модернизированной модели АОС, учитывающий СМ

Четвертая глава «Разработка и реализация ДАОС» посвящена разработке и реализации ДАОС Представлены разработанные для каждого

психологического типа образцы учебных материалов и тестов Например, для сангвиника учебный материал должен иметь лаконичное содержание, большое количество таблиц, графиков и рисунков, спокойный цвет фона монитора, предусматривать использование сносок, может содержать сложные задачи, свободный

у

/

: у

г ¡У \

номер шага

Рис 4 В-сплайновое представление результатов имитационного моделирования для модели АОС с пятивершинным графом при заданных параметрах модели ку=1, СМ=8 сплошная линия - "УО", точечная линия - "В", пунктирная - "П", ромбики - "УЗ"

переход от одной темы к другой и т п

Далее разрабагывается подсистема тьюторов в форме общего алгоритма выполнения тестов и алгоритмов предварительного, текущего, рубежного и экзаменационного тестов ДАОС разработана на основе программы Visual Basic 2005 на вычислительной mai форме NET Framework и системы управления базы данных на основе объектно-ориентированной сиаемы управления базами данных, db40

На Рис 5,6 представлена структурно-функциональная организация ДАОС в форме отдельных ее модулей, форм и связей между ними

Ъчуск

3

^Timi I лот ин I ч napo.ii« uUNHHiicTparop I

Puncipjuim пользой геле» fil

Редактирооппт. ф^кvnb rirr<ve

_ш_

Свгруаннь

О)

7ьюгор (2)

!" еда ст в р » паи не лнсииплнк (6)

Рглактмровэш :ковip\nn СПСННв 1М1ПС1СЙ

Отчеты U свсjeu ня учсЛнвш iipnmcci (И)

Эле к тройная по гга

(14)

Вызов

(7)

Выбор днецин ищи

дли тсстд

_<«>

Обработка TCCIOB (»)

Моннчормш

Oi it lu мо роу гыат>

Студент (3)

Читать

1СКЦНЮ (10)

Выбор тест! н pi a Jit п (П)

Прохождение тест а «о пре 1чст\

_im_

Резу1ьта1 теста

(13)

Э.к'к] рокпам (U)

(^Завершение работы)

Рис 5 Алгоритм работы ДАОС

СТУДЕНТ -

Анализ Эбработкг Настройка Мое 4

результатов

СОТРУДНИКИ ДЕКАНАТА

Рис 6 Функции субъектов ДАОС

Экспериментальная проверка эффективности ДАОС проводилась па базе Татарского государственного гуманитарно - педагогического университета (г Казань) В экспериментах участвовало 52 студента Студенты были поделены две группы группу (которая проходила обучение по традиционной методике) и опытную группу, которая проходила обучение с помощью ДАОС Предварительный тест состоял из 2-х частей (психологической и когнитивной) Психологический тест проводится по методике Айзенка с помощью специально разработанной тестирующей программы В зависимости от результатов психологического теста студенты получают варианты тестов и проходят когнитивное тестирование Когнитивныи тест состоял из 20 вопросов, общее время теста 1 час

По итогам предварительного тестирования студенты были условно разделены на четыре группы в соответствии с уровнем начальных знаний (рис.7,8). Кроме того, по результатам предварительного психологического тестирования было выявлена принадлежность студентов к четырем типам темперамента.

20

I15

ю 110

& 5

□ Испытуемые студенты В Контрольные студенты

Уровень

Рис.7. Сравнение предварительных результатов испытуемых и контрольных студентов

20

р I о I а> Ч

£ Ю

О Ц

° 5

1

Уровень

□ Испытуемые студенты а Контрольные студенты

Рис.8. Разделение студентов после предварительного теста

Качественный анализ графиков (Рис.9,10) показывает, что УО студентов групп с высоким уровнем знаний практически не изменялся. Это связано, вероятно, с тем, что эти студенты достигли максимума оценочной шкалы, и разница в получаемых ими результатах обусловлена лишь случайными причинами. В связи с этим интерес для нашего исследования представляют, в основном, студенты первого, самого низкого начального уровня знаний.

Общий вид кривой изменения уровня обученности у студентов контротыгой группы с уровнем начальных знаний 1 соответствует предсказаниям моделирования, проведенного в главе 3, с учетом уровня заинтересованности Сначала наблюдается рост уровня обученности, затем спад, и затем снова рост В той же ситуации у испытуемых студентов период спада отсутствует Таким образом, полученные данные не противоречат теоретическим предсказаниям, хотя для однозначных выводов имеющихся данных все же недостаточно

Итоговый результат.

Сравнение итоговых результатов опытной и контрольной группы приведено в табл 2 Сравнение итоговых результатов опытной и контрольной группы, приведены средние бапчы и средние увеличение оценки Достоверные отличия в итоговых результатах обнаружены только у группы с 3-м уровнем начальных знаний

Необходимо отметить, что 3-я группа уровня знаний является самой многочисленной, как показано на рис 8 Отсутствие значимых результатов в других группах может объясняться малочисленностью выборки, а также тем фактом, что студенты группы с начальным уровнем 4 уже находятся на максимуме возможных баллов, и ощутимый прирост оценки там невозможен

Таблица 2

Уровень Контрольная группа Опытная группа Среднее увеличение Оценки Достоверность различий

I 15,5 15,8 0,3 0,49

2 16 17,0 0,8 0,52

3 17,5 18,3 1,0 0,99*

4 19,2 20,0 0,3 0,49

Чтобы полностью исключить возможность вличния разницы начального уровня знаний на результат (т е ложное получение достоверных различий в связи с наличием начальной разницы в знаниях), анализировалось также увеличение уровня знаний (разница между результатами начального и промежуточного теста) Эти данные приведены в табл 3 Как видно, в группе 3 по-прежнему имеются достоверные различия, что подтверждает обоснованность сделанного вывода

Таблица 3

Уровень Контрольная группа Опытная группа достоверность различий

1 5 5 0

2 2 2,14 0,36

3 0,529 1,58 0,998*

4 0 0,5 0,54

Преимущества ДАОС

• Поддержка семи типов форм заданий,

• Возможность оценки тестирования по трем шкалам,

• Возможность студентам выбирать порядок форм заданий теста

• Выдача статистической информации о процессе тестирования,

• Жесткое разделение тестируемых на 4 группы, соответственно психологическому статусу (темпераменту) студентов,

• Гибкий и удобный интерфейс для проведения тестирований,

• Отсутствие ограничений на длину тестов, количества вопросов и вариантов ответов на них,

• Возможность встроенного текстового редактора свободного обмена текстами с MS WORD через стандартный буфер обмена Windows,

• Возможность для преподавателя сопровождения каждого вопроса подсказкой, которая может быть использована при необходимости во время тестирования и др

В заключении сформулированы основные результаты диссертации

ОСНОВНЫЕ РЕЗУЛЬТАТЫ ДИССЕРТАЦИИ

1 С помощью созданных методов и средств в программном пакете МиБМУ (символьном верификаторе моделей) проведено имитационное моделирование математических моделей АОС и установлено, что стандартные математические модели АОС недостаточно адекватно моделируют учебный процесс,

2 Предложена и исследована полная математическая модель АОС, в которой дополнительно учитываются психологический фактор,

3 На основе методики Айзенка разработана статистическая психологическая модель обучаемых, позволяющая определять оптимальные формы учебного материала и тестирования для конкретных типов темперамента обучаемых,

4 На основании предложенных алгоритмов и математической модели создан программный комплекс "Дуальная автоматизированная обучающая система", реализующий обучение в Сети,

5 Проведена экспериментальная проверка эффективности созданного программного комплекса на базе Татарского государственного педагогического университета (г Казань) Результаты проверки показали, что ДАОС позволяет достигнуть лучшего качества обучения по сравнению с традиционной методикой

Приложение А содержит авторскую библиотеку программных процедур для компьютерной обработки результатов имитационною моделирования с помощью В-сплайновых процедур и графического компьютерного представления результатов в системе компьютерной математики

Приложение В содержит авторские программные процедуры для математического моделирования психологических типов, выбора форм учебного материала и тестов и графического представления результатов моделирования в системе компьютерной математики

В Приложении С подробно описаны модули разработанной обучающей программы В этом Приложении также содержатся фотографии всех окон работающей программы ДАОС

В Приложении Б содержится список аббревиатур, использованных в диссертации

Основное содержание диссертации опубликовано в следующих работах В научных журналах, рекомендованных ВАК

1 Халед Каид Али Математическая модель дуальной системы тестирования в режиме Ыеагшгщ //ВестникКГТУ им АН Туполева. Казань 2007 №4 С 6569

В других научных зкурналах и материалах научных конференций

2 Галеев В Н, Нигматов 3 Г, Ali Khahd Дуальное тестирование в системе е-learning // XVI Международная конференция "Информационные технологии в образовании", Часть V М Изд-во ВВИА им Жуковского, 2006,-С 135-136

3 В. Галеев, Али Халед, Р Галеева, Л Салехова. Перспективы формирования системы дистанционного образования в ТГГПУ с учетом многоплатформенности решений 1! Информационные ресурсы России М 2007, Вып 2, -С 29-34

4 Али Халед Каид Построение математической модели дуальной системы тестирования для проверки знаний студентов ВУЗа. // VI молодежная школа-конференция труды математического им НИ Лобачевского, Том 36, 2007, Казань - Изд-во Казанского математического общества, -С 13-16

5 Али Халед Каид Дуальная система тестирования с учетом типа темперамента личности // Международная научно-практическая конференция "Новые информационные технологии в образовании" Екатеринбург Изд-во АМБ, 2008, -С 107-108

6 Али Халед Каид Моделирование процесса электронного обучения системой взаимодействующих конечных автоматов // Международная научно-практическая конференция "Новые информационные технологии в образовании" Екатеринбург Изд-во АМБ, 2008,-С 108-109

Подписало к печати 29 04 2008 г Печать ризографическая Тираж 100 экз Заказ № 52 «Деловая полиграфия» Свидетельство № 27274 (16 50 04) от 23 05 2002 г 420043, г Казань, ул Московская, 53, тел (843)292-08-43

Введение

Глава I. Математические модели обучения и тестирования знаний

1.1 Математические модели процесса обучения в адаптивных обучающих системах.

1.2 Классификация компьютерных средств обучения.

1.3 Современные представления о классификации психических типов личности.

Глава II. Методы и инструменты исследования моделей обучающих систем

II. 1 Дискретные модели адаптивных систем обучения

11.2 АОС как система взаимодействующих конечных автоматов

11.3 Символьный верификатор моделей NuSMV.

11.4 Разработка методов графической обработки данных

Глава III. Разработка математической модели процесса обучения

111.1 Исследование стандартной модели АОС в форме конечных автоматов

111.2 Модифицированная стандартная модель АОС со статической функцией обучения.

111.3 Модель, учитывающая психологический фактор заинтересованности учащихся.

111.4 Модель с учетом влияния предыдущего уровня УЗ и падения заинтересованности.

111.5 Модель, учитывающая структурированность учебного материала.

111.6 Математическое моделирование психологических типов

111.7 Математическая модель ДАОС в режиме e-learning

Глава IV. Разработка и реализация дуальной адаптивной обучающей системы

IV. 1 Структура электронных учебных материалов для ДАОС

IV.2 Разработка подсистемы тьютора для ДАОС.

IV.3 Основные элементы базы данных ДАОС.

IV.4 Архитектура дуальной адаптированной обучающей системы

IV. 5 Начальные условия тестирования.

IV. 6 Процесс обучения.

IV.7 Итоговый результат.

IV.8 Преимущества программного комплекса ДАОС.

Ускорение темпов научно - технического прогресса, увеличение потоков информации, все большая дифференциация труда и появление новых специальностей наряду с одновременными высокими темпами развития информационно - коммуникационных технологий привели к необходимости кардинального переосмысления приоритетов, целей, задач и форм образовательного процесса, как в сфере общего, так и профессионального образования на всех его уровнях. При этом под образовательным процессом необходимо понимать не только его стандартные, очные формы обучения, но в первую очередь, именно заочные формы обучения, которые приобретают все больший вес благодаря неизбежному процессу все большей дифференциации труда и вследствие этого - необходимости получения дополнительной специализации, углубления профессиональных знаний и быстрого перепрофилирования специалистов в смежные, востребованные на данный момент времени, специальности. С одной стороны сказанное касается организации учебного процесса с привлечением информационных технологий: лекционных демонстраций, электронных форм заданий и источников информации, компьютерного тестирования, аттестации и обработки учебной информации. С другой стороны, но в еще большей степени, - самих продуктов вышеперечисленных факторов - информационно-коммуникационных форм обучения: обучения на основе электронных учебных материалов, обучения в сети, дистанционного обучения и т.п., объединенных общим понятием "электронного обучения", т.е., " e-learnincj\ В связи с этим как сама проблема обучения в сети, так и связанная с ней проблема разработки математических моделей процесса этого обучения являются актуальными научными проблемами.

Возникновение феномена "e-learning" связано с распространением Интернета, так же, как и появление иных электронных систем коммуникаций в различных областях социальной жизни, прежде всего в экономике, например, e-commerce или e-banking. Однако, в отличие от упомянутых систем, e-learning не следует воспринимать как чисто технологическое явление - набор информационных и телекоммуникационных технологий в обучении, либо пакеты прикладных программ, системы оболочек, с помощью которых можно проводить обучение через Интернет. Более корректным является понимание e-learning как совокупности образовательных технологий, базирующихся на достижениях высоких технологий, и технологических инструментах, которые обеспечивают обучающие методики. При этом автоматически происходит смещение акцентов и в учебном процессе: преподаватели и обучаемые превращаются в партнеров по системе e-learning. Соответственно и инструменты e-learning превращаются в новые специфические организационные и методические элементы процесса обучения, а не просто новой технологической оболочкой традиционного учебного процесса Ц

Но может ли автоматизированное обучение, даже с использованием всех инструментов e-learning, заменить преподавателя?1 При непосредственном взаимодействии опытный преподаватель фактически отслеживает психоэмоциональное и психофизиологическое состояние обучаемого, перестраивая многие параметры учебного процесса - степень углубленности изучения предмета, стиль и скорость подачи учебного материала, соотношение монолога и диалога, степень использования демонстрационных средств и т.п. Но в ситуации дистанционного взаимодействия возможности непосредственного изучения состояния учащегося существенно сокращаются, и особенгРечь идет о сравнении возможностей компьютерных средств и конкретного преподавателя только при обучении в автоматизированной сетевой системе. но сильно это проявляется в дистанционном тестировании. В этом случае преподаватель практически лишен возможности гибкого реагирования, и это обстоятельство может послужить причиной существенного снижения эффективности учебного процесса в сети. Оптимальный выход из такой ситуации лежит в сочетании живого преподавателя и такого высокотехнологичного инструментария обучения, которым могли бы пользоваться, активизируя учащихся, другие преподаватели. Следовательно, существует проблема разработки инструментария, позволяющего преподавателю контролировать психоэмоциональное и психофизиологическое состояние обучаемого в процессе тестирования. Однако, в этом случае все субъекты образовательного процесса будут находиться в условиях плохо формализуемой ситуации, поскольку доля образной информации будет заведомо превосходить долю структурированной, а, значит, и алгоритмизуемой информации. Одним из путей разрешения этого противоречия является более глубокое внедрение информационных технологий в образовательный процесс и повышение интеллектуальных возможностей автоматизированных обучающих систем. Усилия многих исследователей в настоящее время как раз и направлены на создание интеллектуальных обучающих систем (Intelligent Tutoring Systems), опирающиеся на интегрированные методологии психологических, дидактических и педагогических исследований по моделированию поведения человека в процессе обучения, а также на методы инженерии знаний [2].

В настоящее время отмечается достаточно высокий уровень развития фундаментальных исследований в области образования, создания информационных технологий, методов и моделей оценки состояния объектов управления с использованием средств искусственного интеллекта. Большое число работ посвящено внедрению информационных технологий в образовательный процесс, разработке автоматизиррванных обучающих систем по различным областям знаний, организации дистанционного и сетевого обучения, созданию информационной образовательной среды и электронных учебников. Этим проблемам в последние годы посвящено большое число конференций по применению информмационных технологий в образовании (см., например, [3, 4, 5, 6, 7]), сборников научных трудов и т.п. (см„ например, [8]).

В ряде работ содержатся подходы к разработке методов и алгоритмов для решения анализа качества высшего образования и маркетинговых исследований. На российском рынке предлагается немало программных продуктов, относящихся к классу аналитических систем. Они различаются как по спектру задействованных показателей, так и по реализованным в них подходам к решению основных задач оценки деятельности учебных заведений. Однако, как показывают исследования, в данных разработках недостаточно полно используются современные методы и модели, позволяющие с гораздо большей точностью осуществлять функции интеллектуальной поддержки принятия решений в системах тестирования знаний обучаемых и управления качеством образования в вузе.

Следует особо отметить практическое отсутствие работ по созданию единого подхода к формированию иерархических гибридных моделей оценки качества образования и профессиональной пригодности, включающих различные методы представления знаний, в том числе: аналитические, логико - лингвистические, нейросетевые. Поэтому разработка моделей, методов, алгоритмов и программных комплексов для решения задач оценки качества обучения является современной актуальной проблемой, достаточно далекой от своего окончательного решения.

Исследования компьютерных обучающих систем обнаруживает то обстоятельство, что многие из них не используют модели процесса обучения, что существенно снижает качество учебного процесса и не позволяет организовывать адаптивное обучение. Большинство же существующих систем автоматизированного обучения, основанных на моделях, реализованы, в основном, на базе оверлайновых ( векторных и сетевых) моделей. Однако, эти модели не отображают всю необходимую в учебном процессе информацию, а, как правило, включают только контроль уровня знаний.

В то же время немаловажным фактом является тот факт, что при усвоении учебного материала большую роль играют и эмоции обучаемого. Эмоции обучаемого можно рассматривать как еще одну дополнительную сферу, которую необходимо учитывать при создании обучающих систем. В исследованиях Бима (см., например, [9]) установлено, что эмоции облегчают усвоение тех реакций, которые связаны с ними по содержанию. В частности, например, состояние тревоги способствует усвоению "тревожных" опосредствованных тревогой) реакций. Об этой установленной зависимости свидетельствуют результаты, полученные при изучении и других эмоций. В качестве примера можно привести результаты исследований Смита (см., например, [9]), который установил, что в условиях неуспеха (фрустрации) у некоторых испытуемых наблюдается тенденция к более быстрому заучиванию пар слов, имеющих агрессивное содержание. Смит обнаружил также, что это относится, прежде всего к тем типам экзаменуемых, которые по вопроснику, предназначенному для выявления черт личности, получили высокие показатели параметра враждебности. Смысл этого результата заключается в том, что столкновение с неуспехом (фрустрация), чаще всего приводит к усилению эмоций агрессивного характера. Эти эмоции будут более сильными у лиц, характеризующихся высоким уровнем параметра враждебности. Повышение уровня эмоций и приводит к изменению эффективности научения [9].

При рассмотрении процесса обучения также важно разделять механическое заучивание и осмысленное обучение [10]. Механическое заучивание представляет собой запоминание информации без интеграции в систему знаний обучающегося. Заученная механически информация не может быть применена обучающимся на практике. Отсюда следует необходимость разработки систем, способствующих осмысленному обучению.

Большинство применяющихся на практике систем обучения (таких как Blackboard 5, Прометей и др.) ориентированы на механическое усвоение знаний, а системы автоматизированного тестирования не способны различить механически усвоенные знания от осмысленных знаний.

В существующих системах автоматизированного обучения редко учитываются психоэмоциональные характеристики обучаемого. В настоящее время существует ряд обучающих программ по самым разным предметам, ориентированных на учет индивидуальных особенностей обучаемого. При этом для учета индивидуальных особенностей предлагается либо контроль памяти обучаемого, его уровень знаний, умений и навыков, либо учет его психоэмоционального состояния в данный момент обучения [11, 12]. Однако, существующие модели процесса обучения также не в полной мере учитывают факторы, необходимые для осмысленного обучения, такие, как взаимная зависимость семантических модулей и психологические особенности обучающихся, что, на наш взгляд, в первую очередь, связано с отсутствием разработанных математических моделей для отражения таких психоэмоциональных характеристик обучающихся.

Таким образом, мы приходим к выводу о необходимости создания адаптированной обучающей системы, учитывающей как познавательные (когнитивные), так и психоэмоциональные факторы. Такую систему мы будем называть в дальнейшем дуальной адаптированной обучающей системой, ДАОС. Ясно, что для разработки дуальной адаптированной обучающей системы в первую очередь необходимо построить математическую модель процесса обучения, учитывающую психоэмоциональные факторы.

Целью диссертационной работы является разработка дуальной адаптированной обучающей системы и соответствующего программного комплекса для организации учебного процесса в сети и оценки качества обучения с учетом как познавательных, так и психоэмоциональных факторов обучающихся.

Поставленная цель достигается в диссертации посредством решения следующих задач:

1. Разработки инструментов имитационного моделирования автоматизированных обучающих систем с целью их исследования;

2. Проведения на основе разработанных инструментов имитационного моделирования различных моделей автоматизированных обучающих систем;

3. Разработки математической модели выбора форм учебных материалов и тестирования в зависимости от психологического типа обучаемых;

4. Разработки математической модели процесса обучения, учитывающую, как познавательные (когнитивные), так и психоэмоциональные факторы обучающихся;

5. Разработки в соответствии с требованиями полученной математической модели структуры электронных учебных материалов в виде системы дифференцированных тестов, учитывающих психоэмоциональные характеристики обучающихся;

6. Разработки принципиальной структуры дуальной адаптированной обучающей системы и обобщенного алгоритма функционирования ДАОС, структуры подсистем ДАОС и алгоритмов функционирования подсистем ДАОС;

7. Разработки программного комплекса, реализующего алгоритмы дуальной системы тестирования;

8. Проверки эффективности ДАОС в учебном процессе.

Диссертация состоит из Введения, четырех глав, Заключения, Списка литературы, включающего 154 наименования, и четырех Приложений.

Выводы по четвертой главе:

1. Разработан электронный учебный материал для каждого типа темперамента;

2. Разработаны алгоритмы дуальной адаптированной обучающей системы (ДАОС);

3. Реализация ДАОС в учебном процессе ТГГПУ;

4. Проведен статистический анализ результатов тестирования обучаемых с помощью ДАОС;

5. Выявлены преимущества ДАОС и описана ее структура.

6. Полученные результаты не противоречат предсказаниям модели;

7. При использовании ДАОС достоверные различия итогового уровня обученности наблюдались в группе с 3-м уровнем начальных знаний (самой большой группы).

Осноц№А n«Hf.wT№ ' ТТ|1- Ш1СЦ*1Л»№ s Смсъ 1

Фвнуьтет М 31 WAfiTW^KXJ.'. V

Следно/ьлйеГБ г • ■ v Tburce(<PHOJ Нгнвгь«А Генкшм

Лисщтлш Ин«0и4цис»«м сип» w ■Рорки Ow с 15оагсс7

Дот ггоегда

Ллшиа»: Э v В*мгл 3 v Читать лепит Зжрып.

Заключение

Таким образом, в диссертации получены следующие новые результаты:

1. На основе метода построения моделей адаптированных обучающих систем с помощью средств дискретной математики, теории графов и теории конечных автоматов построена математическая модель адаптированной обучающей системы, в которой каждой вершине графа сопоставляется конкретный параметр АОС, снабженный своими связями.

2. С помощью методов компьютерной математики и теории сплайнов разработаны методы и средства обработки результатов имитационного моделирования моделей АОС и графического представления результатов;

3. С помощью созданных методов и средств в программном пакете NuSMV (символьном верификаторе моделей)проведено имитационное моделирование математических моделей адаптированных обучающих систем и установлено, что стандартные математические модели АОС недостаточно адекватно моделируют учебный процесс;

4. Предложена и исследована с помощью имитационного моделирования более полная математическая модель АОС, в которой дополнительно учитываются психологический фактор, текущий уровень знаний, падение интереса к обучению и форму подачи учебного материала и тестирования, т.е., структурированность учебного материала. Этой математической модели соответствует пятивершинный граф со специфическими связями. Показано, что данная модель АОС более реалистично отображает динамику учебного процесса.

5. На основе методики Айзенка разработана статистическая психологическая модель обучаемых, позволяющая определять оптимальные формы учебного материала и тестирования для конкретных типов темперамента обучаемых.

6. На основе анализа полученных результатов предложена дуальная адаптированная обучающая система, учитывающая одновременно когнитивные и психологические составляющие. Учет психологических факторов достигается за счет создания учебных материалов и тестов для каждого типа темперамента личности обучаемого.

7. Даны рекомендации по созданию лекций и тестов, учитывающих психологические особенности каждого типа темперамента личности, а также разработан алгоритм дифференцированного тестирования и оценки знаний. Учет особенностей каждого типа темперамента при тестировании достигается за счет введения специальной 20-бальной системы оценки с четырьмя различными шкалами, специализированными для каждого темперамента.

8. Построена математическая модель процесса обучения в Сети, происходящего с применением разработанных алгоритмов.

9. На основании предложенных алгоритмов и математической модели создан программный комплекс "Дуальная автоматизированная обучающая система", реализующий обучение в Сети и тестирование с применением разработанных методов. При этом ДАОС представляет собой самообучающуюся систему, способную в ходе работы уточнять определения типа темперамента студента и выбирать наиболее подходящие для него задания.

10. Проведена экспериментальная проверка эффективности созданного программного комплекса на базе Татарского государственного педагогического университета (г. Казань). Разработанный программный комплекс внедрен и практически применяется в Республиканском центре маркетинговых исследований, консалтинга и обучения (г. Казань), в Татарском государственном гуманитарно-педгогическом университет^. Казань), а также в Аденском университете республики Йемен.

По результатам работы были сделаны следующие выводы:

1. С помощью методов моделирования дискретных событий разработана математическая модель процесса обучения в условиях оптимизации учебных материалов и тестов в зависимости от типа темперамента личности.

2. Разработана структура электронных учебных материалов оптимизированных для определенного типа темперамента и использования наиболее подходящего ему вида электронных учебных материалов (ЭУМ). Разработан метод создания тестов, оптимизированных для каждого типа темперамента.

3. Созданы алгоритмы тестирования, которые позволяют изменять особенности задач соответственно текущему состоянию темперамента обучаемого при прохождении тестов различных видов (предварительного, текущего, рубежного, итогового).

4. На основе разработанных алгоритмов создан комплекс программы ДАОС, учитывающий индивидуальные особенности обучаемого в процессе обучения. ДАОС имеет характеристику самообучения и обладает способностью автоматического переключения учебного материала с одного типа личности на другой. ДАОС обладает простотой заполнения базы контрольных заданий и внесения изменений в эту базу, благодаря чему достигается удобство и легкость при доступе к информации. Система может давать детальную статистику и объективную оценку эффективности учебного процесса каждого студента без исключения, а также легко находить и исправлять ошибки обучаемых, даже при использовании ДАОС большим количеством студентов.

Экспериментальное использование ДАОС в учебном процессе подтвердило работоспособность модели, алгоритма и программного средства, которое позволяет применить ДАОС в высших учебно-образовательных заведениях. В ходе опыта с использованием ДАОС обнаружено достоверное увеличение среднего балла итогового теста по сравнению с контрольной группой, занимавшейся по традиционной методике.

По результатам диссертации опубликованы работы: [91,102, 103, 106, 107, 143].

1. Геворкян Е.Н. E-learning в экономике, основанной на знаниях. // Высшее образование в России. 2007.N2 1, С. 13-27.

2. Дрейфус X. Чего не могут вычислительные машины. М.: Прогресс, 1978, 334 с.

3. Игнатьев Ю.Г. Внедрение информационных технологий в структуру физико-математического образования. //Материалы XVII Международной конференции "Применение новых технологий в образовании", Троицк, 2006, с. 139-140.

4. Игнатьев Ю.Г. и др. Проблемы информационных технологий в математическом образовании. //Учебное пособие под редакцией Ю.Г.Игнатьева. Казань: Изд.-во ТГГПУ, 2005, 120 с.

5. Фролов Ю.В. Интеллектуальные системы и управленческие решения. М.: МГПУ, 2000. 293 с.

6. Ausubel, D. P. The psychology of meaningful verbal learning. New York: Grune and Stratton. 1963.

7. Пеккер Я.С., Уманский О.С., Бразовская Н.Г., Бразовский К.С. Оценка психофизиологических характеристик обучающегося в системе ДО. Рекомендации для преподавателей. // Открытое и дистанционное образование. 2001. - №2-4.

8. Киселева Е.Ю. Создание обучающих систем с учетом индивидуальных особенностей студентов. Школа-Семинар "Новые информационные технологии".М.: 2006. Электронный документ: http: / / nit.mien.edu.ru /2006/sb/section3/41 .htm.

9. Соловов A.B., Меньшикова А.А. Дискретные математические модели в исследовании процессов автоматизированного обучения// "Информационные технологии", 2001, № 12 с.32-36.

10. Hopcroft, John Е.; Rajeev Motwani, Jeffrey D. Ullman (2001). Introduction to Automata Theory, Languages, and Computation, 2nd ed., Reading Mass: Addison-Wesley.

11. Andrew Phillips and Luca Cardelli. A correct abstract machine for the stochastic pi-calculus. In Bioconcur'04. ENTCS, August 2004.

12. Robin Milner: Communicating and Mobile Systems: the Pi-Calculus, Cambridge, Cambridge Univ. Press, 1999.

13. Крижановский Г. А., Санников В.А., Балабай В.И. Организация процедур управления и контроля в обучающей системе. // Методы и средства кибернетики в управлении учебным процессом. Высшей школы, Рига, 1988. С 38-44.

14. Ходж П. Модель, предлагаемая для анализа учебного процесса. Теория и практика обучения.//Кибернетика и проблемы обучения. Под ред. А.И.Берга М.: Прогресс, 1970, с.266-288.

15. Печников А.Н. Информационная модель цикличной обучающей системы и классификация обратной связи в обучении. // Методы и средства кибернетики в управлении учебным процессом высшей школы.-Рига: Риж. политехн.ин-т, 1987, с.25-38.

16. Крыжановский Г.А., Цепляев Ю.Ф. К оценке уровня квалификации операторов сложных автоматизированных систем управления Автоматика и телемеханика, 1986, I, с 151-161.

17. Афанасьев А.А., Санников В.А. Мини ЭВМ в подготовке операторов АС УВД.//Проблемы технического обеспечения систем УВД.-М.: МИИ ГА, 1984, с.77-81.

18. Карасин И.А., Олехно Ю.Э. Имитационная динамическая модель комплекса взаимосвязанных учебных процессов. Методы и средства кибернетики в управлении учебным процессом Высшей школы, Рига, 1988. С 126-135.

19. Печников А.Н., Попов С.В. Функциональная диагностика психофизиологического состояния обучаемого при формировании умственного навыка. Методы и средства кибернетики в управлении учебным процессом Высшей школы, Рига, 1988. С 136-142.

20. Леонтьев Д.П., Логвинова Н.К. О показателях результатов обучения студентов с использованием ЭВМ. Методы и средства кибернетики в управлении учебным процессом Высшей школы, Рига, 1988. С 147154.

21. Рыженков Д.В. Автоматизированная система управления процессом профессиональной подготовки. Автореферат диссертации, Орел 2007, 20с.

22. Присняков В. Ф., Приснякова Л. М. Математическое моделированиепсихофизиологических характеристик. // Психологический журнал, том 8, №6, 1987.

23. Советов Б.Я., Яковлев С.А. Моделирование систем. М.: Высшая школа, 1985.

24. Бочкова Р.В. Методологические аспекты компьютерного эксперимента. // Учебный эксперимент в высшей школе, Саранск, МГУ им. Ев-севьева 1998.

25. Аванесов B.C. Математические модели педагогического измерения. -М.: Б.и., 1994.- 26с.

26. Нейман Ю.М., Хлебников В.А. Введение в теорию моделирования и параметризации педагогических тестов. М : Прометей, 2000. - 169 с.

27. Челышкова М.Б. Применение математических моделей для разработки педагогических тестов. Учебное пособие. - М.: Исследовательский центр, 1995. - 48 с.

28. Левин В.П., Безделкин В.В. Актуализация деятельности в информационно-компьютерных средах.

29. Всероссийская научно-практическая конференция "Математика, информатика, естествознание в экономике и обществе". М. 22 ноября 2007, С 183-184

30. Растригин JI.A., Зренштейн М.Х. Адаптивное обучение с моделью обучаемого. -Рига: Зинатне, 1988. 160 с.

31. Марчук Г.И. Методы вычислительной математики. 3-е изд., М.: Наука, 1989, 536 с.

32. Corrado Priami: Stochastic pi-Calculus. Compute. J. 38(7):1995.pp. 578589

33. Zaiceva L., Bule J., Kuplis U. Advanced e-learning system development. // Proceedings of the International Conference on Advanced Learning technologies and Applications (ALTA'03). 11-12 September. Kaunas, Lithuania. 14-18 pp.

34. Буш P., Мостеллер Ф. Стохастические модели обучаемости. Г.: Физ-матгиз, 1962. 484 с.

35. Аткинсон Р., Бауэр Г., Кротерс 3. Введение в математическую теорию обучения.// М.: Мир, 1969, 486 с.

36. Нейлор К. Как построить свою экспертную систему. М.: Энергоатом-издат, 1991. 288 с.

37. Ржецкий Н.Н. Проверяющий стандартизированный контроль знаний и его эффективность. К.: КИСИ, 1965. - 68 с.

38. Ржецкий Н.Н., Фиалко Э.И. Программированное обучение и стандартизированный контроль знаемый. К.: Изд-во КГУ, 1969. - 108 с.

39. Свиридов А.П. Основы статистической теории обучения и контроля знаний. М.: Высшая школа, 1981. - 262 с.

40. Свиридов А.П. Применение методов планирования эксперимента при обучении обучающих и контролирующих машин. М.: Моск. энерг. ин-т, 1975.-65с.

41. Свиридов А.П. Условные и безусловные алгоритмы диагностического контроля подготовки операторов ЭВМ. М.: Моск. энерг. ин-т, 1987. -69с.

42. Капустин Н.П. Педагогические технологии адаптивной школы. М.: Академия, 1999. - 216 с.

43. Голицына И.Н. Эффективное управление учебной деятельностью с помощью компьютерных информационных технологий. // Educational Technology & Society. 2003, Т. VI, №2, С.77-83.

44. Гринчук С.Н., Троян Г.М. Проектирование учебных курсов по современным информационным технологиям для открытого образования. // Информационные технологии в открытом образовании: Материалы международной конференции. Москва, МЭСИ, 2001.

45. Винер Н. Кибернетика, или управление и связь в животном и машине. 2-е изд. М.: Советское радио, 1968 320 с.

46. Галеев В.Н!. и др., Непрерывное профессиональное образование и про-филизация общеобразовательной школы. /В.Н. Галеев, Н.М.Андреев. Казань: Типография ООО "Аскольд", 2005, 254 с.

47. Кирсанова А.А. Методика комплексного эксперимента по исследованию взаимосвязи общего и профессионального образования в процессе обучения в средних ПТУ. М.: 1988, 180с.

48. Кречетников К.Г. Теоретические основы создания креативной обучающей среды на базе информационных технологий для подготовки офицеров флота. Владивосток: ДВГУ, 2001, 360 с.

49. Наумов В.В. Разработка программных педагогических средств // Информатика и образование. 1999, № 3, С. 36 40.

50. Андреев А.А., В.И.Солдаткин. Дистанционное обучение: сущность, технология, организация. / А.А.Андреев, В.И.Солдаткин. М.: Издательство МЭСИ, 1999, 196 с.

51. Поспелов Г.С. Искусственный интеллект основа новой информационной технологии. М.: Наука, 1988, 280 с.

52. Полат Е.С., М.В Моисеева, А.Е. Петров, М.Ю. Бухаркина, Ю.В. Аксенов, Т.Ф. Горбунькова. Дистанционное обучение. М.: ВЛАДОС, 1998, 192с.

53. Зимина О.В. Инженерное образование в компьютеризированном обществе: новые ориентиры. // О.В. Зимина, А.И.Кириллов. / Проблемы теории и методики обучения, 2003, № 7.

54. Кривошеев А.О. Разработка и использование компьютерных обучающих программ. // Информационные технологии 1996, № 2, с. 14-17.

55. Роберт И.В. Современные информационные технологии в образовании. М.: Школа-Пресс, 1994. 205 с.

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

57. Петрусинский В.В. Автоматизированные системы интенсивного обучения. М.: Высшая школа, 1987, 192с.

58. Лупанов К.Ю. Паршиков Б.Л., Солдаткин В.И. Об особенностях дистанционных образовательных технологий. // Материалы Шестой международной конференции по ДО: ДО в России: проблемы и перспективы. М., 1998. С. 269-272.

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

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

61. Международная научная конференция "Интеллектуальные технологии и дистанционное обучение на рубеже XXI века": Тезисы докладов/СПб.: СПбГУАП, 1999, 319 с.

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

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

64. Игровое моделирование. Методология и практика. //Сборник работ под редакцией И.Е.Ладенко. Новосибирск: Наука, 1987, 228 с.

65. Хруцкий Е.А. Организация проведения деловых игр. М.: Высш. шк., 1991, 318 с.

66. Охотин В.В., Хозиев ВВ. Психолого-педагогическое обеспечение и компьютеризация подготовки персонала энергоблоков. М.: Изд-во МЭИ, 1992. 285 с.

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

68. Осуга С. Обработка знаний. М.: Мир, 1989. 293 с.

69. Представление и использование знаний. / Сборник работ под ред. X. Уэно, М. Исидзука. М.: Мир, 1989, 220 с.

70. Андерсон Дж.Р., Рейзер Б.Дж. Учитель Лиспа. Реальность и прогнозы искусственного интеллекта.// М.: Мир, 1987. С. 27-47.

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

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

73. Попов Э.В. Общение с ЭВМ на естественном языке. М.: Наука, 1982. 359 с. 68.

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

75. Свиридов АЛ, Шалобина И.А. Сетевые модели динамики знаний / Под ред. Ю.Н. Мельникова. М.: МЭИ, 1992. 88 с.

76. Котик М.А. Курс инженерной психологии. 2-е изд., испр. и доп. Таллин: Валгус, 1978. 364 с.

77. Попов Э.В., Фоминых И.В., Кисель Е.Б., Шапот М.Д. Статические и динамические экспертные системы. / М.: Финансы и статистика, 1996, 320 с.

78. Уотермен Д. Руководство по экспертным системам. М.: Мир, 1989. 388 с.

79. Разработка и применение экспертно-обучающих систем. Сб. науч. трудов, под редакцией Ю.И. Лобанова. М.: НИИВШ, 1989. 154 133 с.

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

81. Машбиц Е.И. Психолого-педагогические проблемы компьютеризации обучения. М.: Педагогика, 1988. 191с.

82. Психологический словарь. / Сост. JI.A. Карпенко, А.В.Петровский, М.Г. Ярошевский. М.: Политиздат, 1990, 340 с.

83. С.Л.Рубинштейн Оновы общей психологии. Составители, авторы комментариев и послесловия А.В.Брушлинский, К.А.Абульханова-Славская. СПб: Издательство "Питер", 2000

84. Русалов В.М. Природные предпосылки и индивидуально-психофизиологические особенности личности. / / Психология личности в трудах отечественных психологов/ Составитель Куликов Л.В. СПб: Издательство "Питер", 2000.

85. Личностный опросник EPI (методика Г.Айзенка) / Альманах психологических тестов М., 1995. С.217-224.

86. Клайн П. Справочное руководство по конструированию тестов. Киев, 1994, 432 с.

87. Wolfram S. New Kind of Science. Wolfram Media, 2002, 1280 p.

88. J.Molofsky and J. D. Bever. A New Kind of Ecology, Bioscience, 54(5) (2004) p. 440-447

89. Gordon, T. J. A Simple Agent Model of an Epidemic. Technological Forecasting and Social Change 70, No 5 (2003), p. 397-417

90. Alessandro Cimatti, Edmund M. Clarke, Enrico Giunchiglia, Fausto Giunchiglia, Marco Pistore, Marco Roveri, Roberto Sebastiani, Armando Tacchella: NuSMV 2: An OpenSource Tool for Symbolic Model Checking. CAV 2002: 359-364.

91. Systems and Software Verification: Model-Checking Techniques and Tools, B. Berard, M. Bidoit, A. Finkel, F. Laroussinie, A. Petit, L. Petrucci, P. Schnoebelen. Springer, 2001, 186 pages

92. Muller-Olm, M., Schmidt, D.A. and Steffen, B. Model checking: a tutorial introduction. Proc. 6th Static Analysis Symposium, G. File and A. Cortesi, eds., Springer LNCS 1694, 1999, pp. 330-354.

93. А.Матросов. Maple 6. Решение задач высшей математики и механики. СПб.: БХВ-Петербург, 2001. 528 с.

94. Дьяконов В.П. Maple 9.5/10 в математике, физике и образовании. Москва, Солон-Пресс, 2006, 720с.

95. Лебедев Н.Н. Специальные функции и их приложения. М.-Л.: ГИФМЛ, 1963, 358с.

96. Бодалев А.А. Психология о личности. М.: 1988. С.37-60.

97. Галеев В.Н., Нигматов З.Г., АН Khalid. Дуальное тестирование в системе e-learning.// XVI Международная конференция. Информационные технологии в образовании, Часть V. М.: Изд.-во ВВИА им. Жуковского, 2006, с. 135-136.

98. Али Халед Каид. Дуальная система тестирования с учетом типа темперамента личности.// Али Халед Каид. Международная научно-практическая конференция "Новые информационные технологии в образовании". 2008, Екатеринбург, Изд-во АМБ, с. 107-108.

99. Bascones, J., Novak, J. D. Alternative instructional systems and the development of problem solving skills in physics. European Journal of Science Education, 7(3).1985, pp. 253-261.

100. Али Халед Каид. Математическая модель дуальной системы тестирования в режиме e-learning. // Али Халед / Вестник Казанского государственного технического университета им. А.Н. Туполева. Казань: Изд-воКГТУ, 2007, Т.4.С 65-69.

101. Андреев А.А. Опыт компьютерной педагогической диагностики творческих способностей.// Казань: Изд-во Казан.ун-та, 1989. С.42-62.

102. Арзамасцев А.А. Компьютерная технология оптимального проектирования учебного процесса. // А.А.Арзамасцев, Т.Ю.Китаевская, М.А.Иванов, Н.А. Зенкова. / Информатика и образование. 2001, вып.4, С. 79-82.

103. Арзамасцев А.А. Способность индивидов к аппроксимационно-прогностической деятельности как средство оценки профессиональной пригодности специалистов. // А.А. Арзамасцев, Н.А.Зенкова / Вестн. ТГУ, 2001, Т. VI, вып. 2, С. 254-261.

104. Атанов Г.А. Деятелыюстный подход в обучении. // Educational Technologies & Society, 2001, T.IV, №4, C.48-55.

105. Блейхер B.M. и др. Психологическая диагностика интеллекта и личности. / В.М. Блейхер, Л.Ф. Бурлачук. Киев: 1978.

106. Зайцева Л.В. и др. Автоматизированная обучающая система КОНТАКТ/ОС. / Л.В. Зайцева, Л.В.Ницецкий, Л.П.Новицкий. М.: 1982, 108с.

107. Захарова И.Г. Информационные технологии в образовании. М.: Академия, 2003, 192 с .

108. Платонов К.К. Краткий словарь системы психологических понятий. М.: 1984, -2-е. изд., М.: Высшая школа, 1984, 174 с.

109. Ратанова Т.А. Психодиагностические методы изучения личности. / Т.А.Ратаиова, Н.Ф. Шляхта: Учеб. пособие.-3-е изд., испр. и доп. М.: Флинта, 2003, 319 с.

110. Решетова З.А. Реализация принципов системного подхода в учебных предметах. М.: Политехнический музей: 1986, С. 35 37.

111. Аванесов B.C. Композиция тестовых заданий.// М.: Адепт, 1998. 217 с.

112. Аванесов B.C. Теоретические основы разработки заданий в текстовой форме.// М.: Изд-во Исследовательского центра проблем качества подготовки специалистов, 1995, 95 с.

113. Васильев В.И. и др. Методологические правила конструирования компьютерных тестов. / В.И. Васильев, А.Н.Демидов, Н.Г.Малышев, Т.Н. Тягунова. М.: МГУП, 2000. 27 с.

114. Крылов А.А. Практикум по экспериментальной и прикладной психологии. Л.:Изд-во Ленингр. ун-та, 1990. 22 с.

115. Кузьмин И.В. Синтез вычислительных алгоритмов управления и контроля. Киев: Техника, 1975. 248с.

116. Кузьмина Н. В., Чванова М. С., Зубец В. В. Организация тестового контроля. Учебн.-методич. пособие. Тамбов: Изд-во ТГУ, 1998. 42 с.

117. Оленик Н.М. Тест как инструмент измерения уровня знаний и трудности заданий в современной технологии обучения: Учеб. пособие. Донецк: ДонГУ, 1991, 66 с.

118. Пак Н.И. О технологии создания компьютерных тестов. // Н.И.Пак,

119. B.В Филиппов / ИНФО, 1997, № 5, с.19-24.у

120. Пак Н.И., Методика составления тестовых заданий // Н.И. Пак, A.JI. Симонова / ИНФО, 1998, № 5, с. 27-32.

121. Шмелев А.Г., Бельцер А.И., Ларионов А.Г., Серебряков А.Г. Адаптивное тестирование знаний в системе "ТЕЛЕТЕСТИНГ". // Информационные технологии в образовании 2000: Тез.конф. с. 88.

122. Энциклопедия психологических тестов. Общение, лидерство, межличностные отношения. М.: ООО "Издательство ACT", 1997, 304 с.

123. Юсупова Н.И., Черняховская Л.Р., Герасимова И.В., Шорохова

124. C.В. Интеллектуальный подход к разработке системы психолого-педагогической поддержки обучаемого: Препринт монографии, Уфа: УНЦ РАН, 2001, 56 с.

125. Ярошевский М.Г. и др. Психологические проблемы автоматизации научно-исследовательских работ / М.Г. Ярошевский, О.К.Тихомиров. М.: Наука, 1987. 240 с.

126. Тихомиров O.K. Психология мышления. М.: Издательство Московского университета, 1984, 272 с.

127. Соловов А.В. Проектирование компьютерных систем учебного назначения : Учеб.пособие. Самара: СГАУ, 1995, 138 с.

128. Зайцева J1.B., Новицкий Л.П., Грибкова В.А. Разработка и применение автоматизированных обучающих систем на базе ЭВМ. / Рига: Зинатне, 1989, 175 с.

129. Зайцева Л.В. Оценка знаний обучаемых в АОС. // Методы и средства кибернетики в управлении учебным процессом высшей школы. Рига: Риж. политехи, ин-т, 1987. С.86 92.

130. Шевякова Д.А. и др. Самоучитель Visual Basic 2005. / Д.А Шевякова, A.M. Степанов, Р.Г. Карпов. СПб.: БХВ Петербург, 2006, 576с.

131. Дейт К. Дж. Введение в системы баз данных. 6-е изд., СПб.: Вильяме, 2000, 848 с.

132. Дейт К. Руководство по реляционной СУБД DB2, М.: Финансы и статистика, 1988, 320 с.

133. Инмон У. и др. Методология экспертной оценки проектных решений для систем с базами данных / У. Инмон, Л.Фридман. Москва: Финансы и статистика,1986, 280 с.

134. Атанов Г.А., Локтюшин В.В. Фреймовая организация знаний в интеллектуальной обучающей системе. // Educational Technology Sz Society, 2000, T.IV, №1, С.137-149.

135. Сухомлин В.А., Романов В.Ю. Подсистемы учебного комплекса АСУ. Концептуальная модель и принципы создания системы человеко-машинного интерфейса / В.В. Корнеев, В.Ю. Романов. М.: изд-во МГУ, 1990. 90с.

136. Leaver B.L. Classrooms That Work: The Role of Personality in Classroom Rapport, 2000.

137. Али Халед. Перспективы формирования системы дистанционного образования в ТГГПУ с учетом многоплатформенности решений. //В. Галеев, Али Халед, Р. Галеева, JI. Салехова / Информационные ресурсы России, М.: 2007. Вып. 2, с. 29-34.

138. Башина О.Э. и др. Общая теория статистики / О.Э. Башина, А.А. Спирина. М.: Финансы и статистика, 2003. 440с.

139. Pesarin, F. 2001. Multivariate Permutation Tests, Wiley.154 106. Welch, W. J., Construction of permutation tests, Journal of American Statistical Association, 85:693-698, 1990.

140. Good, P. (2005) Introduction to Statistics Through Resampling Methods and R/S-PLUS. Wiley.

141. Welch, W. J., Construction of permutation tests, Journal of American Statistical Association, Vol. 85, 1990, p.693-698.

142. Назаров Н.Г. Измерения: планирование и обработка результатов. М.: ИПК Стандартов, 2000, 232 с.

143. Тюрин Ю.Н. и др. Анализ данных на компьютере / Ю.Н. Тюрин, А.А. Макаров, В.Э. Фигурнова. М.: ИНФРА-М, Финансы и статистика, 1995. 544 с.

144. Антофий Н.М. Шкалирование результатов тестового контроля. // АСУ и приборы автоматики, 2002, вып. 118, С. 119-121.

145. Кривуля Г.Ф., Проверка знаний при дистанционном обучении. // Г.Ф. Кривуля, И.Н. Пиженко, А.С. Шкиль / Образование и виртуальность-2001, Харьков-Ялта: УАДО, 2001, С.212-219.

146. Психологическая диагностика. Проблемы и исследования. / Под ред. К.М. Гуревича. М.: Педагогика, 1981, 232 с.

147. Hunt Е. Intelligence as an information processing concept. Brit. J. of Psychology. 1980. V. 71. pp. 449-474.