автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Методы адаптивного структурно-параметрического управления и идентификации многосвязных социальных объектов на примере образовательной деятельности

На правах рукописи

003067647

Леонова Наталия Михайловна

МЕТОДЫ АДАПТИВНОГО СТРУКТУРНО-ПАРАМЕТРИЧЕСКОГО

УПРАВЛЕНИЯ И ИДЕНТИФИКАЦИИ МНОГОСВЯЗНЫХ СОЦИАЛЬНЫХ ОБЪЕКТОВ НА ПРИМЕРЕ ОБРАЗОВАТЕЛЬНОЙ

ДЕЯТЕЛЬНОСТИ

05 13.01 - системный анализ, управление и обработка информации

(по отраслям)

АВТОРЕФЕРАТ диссертации на соискание ученой степени доктора технических наук

Автор

Москва 2006

003067847

Работа выполнена в Московском инженерно-физическом институте (государственном университете)

Научный консультант доктор технических наук, профессор

Модяев Алексей Дмитриевич

Официальные оппоненты доктор физико-математических наук, профессор

Шикин Евгений Викторович

доктор технических наук, профессор Топорков Виктор Васильевич

доктор технических наук, профессор Кулябичев Юрий Павлович

Ведущая организация Институт проблем информатики Российской

академии наук (ИЛИ РАН)

Защита состоится « 14 » марта 2007 г в 14 часов на заседании диссертационного совета Д 212 130 03 в Московском инженерно-физическом институте (государственном университете) по адресу. 115409, Каширское шоссе, д 31 , тел (495)324-84-98,323-91-67,

С диссертацией можно ознакомиться в библиотеке Московского инженерно-физического института (государственного университета).

Автореферат разослан чЗО» января 2007 г

Просим принять участие в работе совета или выслать отзыв на автореферат в двух экземплярах, заверенный печатью организации

Ученый секретарь диссертационного совета ..

д.т н, профессор /ш/^^' Ю Ю Шумилов

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы • В настоящее время в различных областях социальной сферы при решении задач обработки информации и управления широко используются компьютерные средства Отличительной особенностью создаваемых здесь информационно-управляющих систем является наличие многоканального режима управления, который обеспечивает индивидуальное взаимодействие с каждым из объектов той или иной социальной группы. Однако переход от решения отдельных задач вспомогательного характера к постановке и разрешению крупных комплексных проблем управления в социальной сфере сдерживается отсутствием или недостаточно глубокой проработкой теории и методов построения систем управления рассматриваемого класса Все сказанное в полной мере относится и к образовательной деятельности

В процессе обучения имеет место целенаправленное взаимодействие между преподавателем и обучаемым с использованием соответствующих учебно-методических материалов Это взаимодействие осуществляется в течение цикла обучения в рамках электронной информационно-образовательной среды С позиций теории управления обучаемый является сложным объектом, обладающим многосвязными характеристиками и трудно поддающимся формализации В этих условиях при формировании системы управления учебным процессом, поддерживающей профессиональную деятельность преподавателей, целесообразно воспользоваться основополагающими кибернетическими принципами адаптации, самонастройки и самоорганизации Недостаток информации об объекте управления будет восполняться за счет применения методов его идентификации

Основополагающий вклад в разработку теории адаптивного управления и идентификации объектов и систем внесли отечественные и зарубежные ученые Я 3 Цыпкин, Б Н Петров, А А Красовский, А Л.Фрадков, Ю М Козлов, Р М Юсупов, Р Беллман, Дж Саридис, П Эйкхофф, П Гроп, Э П Сейдж, Дж JI Мелса, ID Landau, G Тао В выполненных ими работах развиваются методы построения адаптивных систем управления на основе принципов самонастройки, самоорганизации и идентификации объектов управления Поскольку полученные результаты относятся преимущественно к технической сфере, требуется их дальнейшее развитие и обобщение для использования в социальной сфере деятельности Основные трудности здесь заключаются в следующем Во-первых, в социальной сфере при математическом описании динамики процессов, объектов и систем практически не удается использовать классические подходь^ такие как методы теории пространства состояний Поэтому необходимо искать иные, теоретико-множественные подходы к решению данной задачи, на основе которых удастся выявить признаки, характеризующие как статические, так и динамические свойства рассматриваемых процессов и объектов На основе этих же подходов следует

решать задачи идентификации объектов управления, которые часто оказываются многосвязными Во-вторых, аналитическое решение задачи оптимизации показателя качества при синтезе законов адаптации и управления не представляется возможным из-за отсутствия математического описания процессов управления в виде дифференциальных или разностных уравнений Поэтому оптимизацию режимов достижения целей управления необходимо проводить с использованием компьютерных моделей управляемого процесса В-третьих, значительные трудности встречаются при измерении тех величин, которые должны использоваться при формировании контуров адаптации и управления, поскольку они часто оказываются латентными О возрастающем интересе к решению задач адаптивного управления в социальной сфере свидетельствует значительное увеличение количества публикаций, посвященных данной теме Тем не менее, в настоящее время социальная кибернетика находится в начальной стадии своего развития

Разработка методов социальной кибернетики позволяет формировать многофункциональные адаптивные информационно-образовательные среды нового поколения, обладающие свойствами инвариантности к различным видам образовательной деятельности и к контингенту обучаемых, а также высокой степенью автономности, что дает возможность повысить качество и эффективность учебного процесса Этим обуславливается важность и актуальность данной-работы

Диссертационная работа подготовлена на основе многолетних исследований автора в области информатизации образования, выполненных в Московском инженерно-физическом институте (государственном университете), в том числе фундаментального научного исследования, выполненного по заданию Министерства образования и науки РФ на тему «Исследование и создание математических методов обработки информации и управления с использованием интеллектуальных средств поддержки принятия решения», номер гос регистрации 0120 0506957, 2001-2006 гг

Объектом исследования являются процессы многофункциональной компьютерной поддержки профессиональной деятельности преподавателей в ходе учебного процесса

Предметом исследования выступает методология создания информационно-образовательных сред нового поколения, обеспечивающих взаимодействие обучаемых с электронными образовательными ресурсами в режиме адаптивного структурно-параметрического управления Цели и задачи исследования

Целью диссертационной работы является решение крупной научной проблемы, заключающейся в экспериментальном исследовании и разработке теории, методов и средств адаптивного структурно-параметрического управления и идентификации многосвязных социальных объектов на примере образовательной деятельности, имеющей важное хозяйственное и социально-культурное значение

Для достижения поставленной цели в работе решаются следующие основные задачи

• разработка принципов построения и выбор структуры адаптивных электронных информационно-образовательных сред, обеспечивающих многофункциональную поддержку профессиональной деятельности преподавателей в условиях инвариантности к видам образовательной деятельности и к уровням подготовки обучаемых,

• формирование показателей качества, частных и обобщенных критериев оценки эффективности процессов управления взаимодействием обучаемых с электронными образовательными ресурсами,

• разработка измерительного устройства с адаптивным тестированием, предназначенного для оценивания латентного параметра - уровня знаний обучаемых, используемого при формировании контура адаптации,

• проведение статистической обработки экспериментальных данных, получаемых при параметрически адаптивном управлении учебным процессом, с целью выявления характеристик многосвязности, статики и динамики обучаемых как объекта управления;

• создание имитационных математических моделей обучаемого, отражающих его поведение в процессе выполнения различных видов учебных занятий в условиях изменения уровня интенсивности входных воздействий,

• разработка теоретических основ нового класса адаптивных систем идентификационного типа с пробными воздействиями для управления многосвязными динамическими объектами, допускающими как классическую, так и кластерную форму представления исходных моделей,

• разработка методов синтеза законов структурно-параметрической адаптации и управления многосвязными динамическими объектами с использованием кластерных моделей и цифровых фильтров,

• разработка методов выбора структуры и оптимизации параметров цифровых фильтров по выбранному критерию на основе компьютерного моделирования с использованием имитационных моделей различных видов учебных занятий, законов адаптации и управления,

• разработка методов и средств информационной поддержки учебного процесса в виде взаимодействующих между собой системы управления банка структурированных учебно-методических материалов и банка данных;"

• комплексирование программно-аппаратных средств и проведение экспериментальных исследований для сравнительного анализа показателей качества адаптивной информационно-образовательной среды в режиме структурно-параметрического управления в условиях реального учебного процесса,

• создание научно обоснованной методологии построения многофункциональных сетевых информационно-образовательных сред нового поколения на основе применения принципов адаптации, самонастройки и самоорганизации

Результаты решения поставленных в работе задач могут быть также использованы в иных областях социальной деятельности, а также в технических приложениях

Методы исследования. При решении поставленных задач использовались методы математической статистики, методы кластерного анализа, методы имитационного моделирования, теория адаптивного управления, методы цифровой фильтрации, методы численной оптимизации, методы адаптивного тестирования, основы теории баз и банков данных Научная новизна и практическая значимость работы Научная новизна результатов работы заключается в следующем

• впервые теоретически обоснованы и реализованы на примере образовательной деятельности принципы и методы адаптивного структурно-параметрического управления многосвязными социальными объектами;

• выявлены неизвестные ранее закономерности и свойства поведения обучаемых как многосвязных объектов управления по результатам статистической обработки экспериментальных данных, полученных в ходе реального учебного процесса;

• введена кластерная форма представления математических моделей обучаемых при проведении различных видов учебных занятий, выявлены свойства и параметры взаимосвязи кластеров Установлено, что каждый из кластеров отражает как статические, так и динамические характеристики моделей поведения обучаемых,

• впервые созданы имитационные математические модели управляемого учебного процесса, использующие экспериментально полученные для каждого из кластеров функции распределения плотности вероятностей выходных величин в виде гистограмм,

• разработаны теоретические основы нового класса адаптивных систем идентификационного типа с пробными воздействиями для управления многосвязными динамическими объектами, допускающими как классическую, так и кластерную форму представления исходных моделей;

• поставлена и решена задача синтеза законов структурно-параметрической адаптации и управления многосвязными динамическими объектами с использованием кластерных моделей и дискретных корректирующих устройств в виде цифровых фильтров,

• поставлены и решены задачи выбора структуры и оптимизации параметров цифровых фильтров по выбранному критерию на основе компьютерного моделирования с использованием имитационных моделей различных видов учебных занятий, законов адаптации и управления,

• разработана научно обоснованная методология построения многофункциональных сетевых информационно-образовательных сред нового поколения на основе применения принципов адаптации, самонастройки и самоорганизации

Практическая значимость результатов работы определяется тем, что

• разработано измерительное устройство с адаптивным тестированием, обеспечивающее систематическое оценивание уровня знаний обучаемых, приобретаемых в ходе учебного процесса Введение контура адаптации в измерительное устройство способствует достижению приемлемых

характеристик тестирования при одновременном сокращении объемов тестовых заданий и снижении нагрузки на обучаемых,

• разработаны средства информационной поддержки учебного процесса в виде управляемых электронных образовательных ресурсов Информационное наполнение средств поддержки включает в себя структурированные учебно-методические материалы для тестирования обучаемых и проведения различных видов учебных занятий,

• создан банк данных, содержащий наборы тестовых заданий, задач и заданий различных уровней сложности, предназначенных для выполнения учебных занятий, а также справочные и методические материалы,

• разработаны способы аттестации тестовых заданий по критериям соответствия заявленной и реальной сложности, дискриминативности и валидности, что позволяет формировать наборы тестовых заданий с заданными характеристиками,

• проведено комплексирование программно-аппаратных средств адаптивной информационно-образовательной среды, используемой при очной форме образовательной деятельности Показано, что эти средства могут быть применены при проведении учебного процесса при других формах образовательной деятельности, в частности, при вечерней, очно - заочной и дистанционной формах обучения, а также в режиме экстерната,

• создана методология построения многофункциональных сетевых информационно-образовательных сред нового поколения, обладающих высокой степенью автономности, - SPACEL (Structural Parametric Adaptive Control of Electronic Learmng) - технология Ее применение позволяет формировать адаптивные информационно-образовательные среды, эффективно поддерживающие профессиональную деятельность преподавателей

Основные положения, выносимые на защиту:

• принципы формирования адаптивных информационно-образовательных сред, обеспечивающих эффективную поддержку профессиональной деятельности преподавателей в условиях высокой степени автономности, инвариантности к видам образовательной деятельйости, к уровню подготовки обучаемых и к используемым электронным образовательным ресурсам,

• способы измерения уровня знаний обучаемых на основе адаптивного тестирования с использованием многоинтервального классификатора, образующего контур местной обратной связи,

• кластерные модели обучаемых как многосвязных объектов управления, отражающие статические и динамические характеристики поведения обучаемых при различных видах учебных занятий,

• обобщенная математическая модель управляемого учебного процесса, включающая имитационные модели различных видов учебных занятий, законы адаптации и управления,

• обоснование нового класса адаптивных систем идентификационного типа с пробными воздействиями для управления многосвязными динамическими объектами с использованием классических и кластерных моделей,

• методы синтеза адаптивного структурно-параметрического управления многосвязными динамическими объектами по заданному критерию качества с использованием кластерных моделей и цифровых фильтров,

• методы информационной поддержки адаптивной системы управления учебным процессом и аттестации тестовых заданий по критериям соответствия уровней сложности, дискриминативности и валидности,

• объектно-ориентированная методология построения многофункциональных сетевых адаптивных информационно-образовательных сред нового поколения на основе разработанной БРАСЕЬ-технологии

Достоверность разработанных основ теории, методов, средств и методологии создания адаптивных информационно-образовательных сред обеспечивается применением различных видов математического аппарата, адекватностью моделей, совпадением экспериментальных данных с расчетными и подтверждается актами о внедрении основных результатов работы в ряде высших учебных заведений, научно-исследовательских и научно-производственных организаций

Реализация и внедрение результатов работы. Научные результаты, полученные в диссертационной работе в виде теоретических основ и принципов построения адаптивных систем управления и идентификации многосвязных объектов, моделей, методов, методик, алгоритмов и программных комплексов используются в вузах: Московском инженерно-физическом институте (государственном университете), Тверском государственном техническом университете, Тульском государственном университете, Астраханском государственном техническом университете, в научно-исследовательской организации ЗАО НИИ Центрпрограммсистем, в научно-производственной организации ГУЛ МосНПО «Радон» и негосударственном образовательном учреждении «Международный центр финансово-экономического развития» Всего имеется 7 актов о внедрении Апробация работы

Основные результаты диссертационных исследований докладывались и обсуждались на международных и всероссийских конференциях и семинарах, в том числе на-

1. Всесоюзной научно-методической конференции "Интенсификация учебного процесса в высшей школе на базе микропроцессорных вычислительных систем" (Москва, 1986)

2. Конференции "Телекоммуникации и новые информационные технологии в системе лицей -ВУЗ" (Москва, МИФИ, 1995)

3. IV Международной конференции-выставке "Информационные технологии в образовании" (Москва, 1995)

4. V Санкт-Петербургской международной конференции "Региональная информатика-96" (Санкт-Петербург, 1996)

5. Международной научно-методической конференции "Новые информационные технологии в университетском образовании" (Новосибирск, Академгородок, 1996)

6 The second international conference on distance education (World trade centre, Moscow, Russia, 1996).

7 Конференции "Телекоммуникации и новые информационные технологии в системе лицей -ВУЗ" (Москва, МИФИ, 1997)

8 Конференции "Телематика 97" (Санкт-Петербург, 1997).

9 VII, VIII Международной конференции-выставке "Информационные технологии в образовании" (Москва, 1998,1999)

10 Научной сессии МИФИ-98, 99, 2000, 2001, 2002, 2003, 2004, 2006 (Москва, МИФИ, 1998, 1999, 2000, 2001, 2002, 2003, 2004, 2006)

11.Научно-методическом семинаре «Актуальные проблемы информатики в современном российском образовании» (Москва, МГУ, 2005)

Публикации. Всего по теме диссертации опубликовано 88 работ, из них 85 печатных трудов, в том числе 3 монографии и 5 статей в журналах, рекомендованных ВАК для публикации основных результатов работы, 13 учебных пособий и компьютерных учебников

Структура и объем работы. Диссертация состоит из введения, шести глав, заключения, списка литературы из 210 наименований и приложения Основная часть диссертации содержит 330 страниц машинописного текста, включая 92 рисунка и 68 таблиц

Содержание работы

Во введении обосновывается актуальность работы и дается ее краткая характеристика, формулируются цель исследования, основные задачи и положения, выносимые на защиту Излагается научная новизна и практическая значимость полученных результатов.

В первой главе рассматривается применение принципов адаптивного управления для создания электронных информационно-образовательных сред нового поколения Эволюция информационных технологий в образовании свидетельствует о появлении в составе информационно-образовательных сред электронных систем управления, которые предназначены для динамической компоновки учебно-методических материалов индивидуально для каждого обучаемого Введение такой системы управления, как показано на рис 1, приводит к перераспределению информационных потоков в образовательной среде В результате система управления возьмет на себя реализацию части функций, выполняемых преподавателем, и обеспечит взаимодействие обучаемых с учебно-методическими материалами в виде электронных образовательных ресурсов Такая информационно-образовательная среда будет включать в себя преподавателя, обучаемого и электронные средства, в состав которых войдут система управления, электронные образовательные ресурсы, средства хранения, обработки и передачи данных, интерфейсы для взаимодействия обучаемых и преподавателя.

Г" Г\

, > Электронные

М1 " _______

средства

Электронный образовательный ресурс

Рис. 1. Структура электронной информационно-образовательной среды

Для придания системе управления свойств адаптации применим известные из технической кибернетики принципы самонастройки Зная текущий уровень успеваемости обучаемого, можно сформировать такой контур адаптации, который обеспечит требуемый уровень интенсификации процесса обучения

Для построения адаптивной системы управления необходимо прежде всего задать цель управления В образовательной деятельности в качестве целей управления можно применить следующие показатели качества1

J^ - суммарное время, затрачиваемое преподавателем на работу с каждым из обучаемых для достижения заданного уровня знаний, умений и навыков, приобретаемых в течение типового цикла обучения;

Зг - уровень знаний, умений и навыков каждого обучаемого, приобретаемых при фиксированном времени общения с преподавателем в течение типового цикла обучения,

Jъ - количество обучаемых, достигающих заданного уровня знаний, умений и навыков при фиксированном времени общения преподавателя с каждым из обучаемых,

и критерии эффективности

Ы, , _ _

Л =-

А П

А

)

I

Далее необходимо сформировать модель обучаемого, которая будет использоваться для построения адаптивной системы управления Применительно к вузовскому учебному процессу структура такой модели представлена на рис 2

Г ¿'('Под

Щ,)

Д'(0

к-й обучаемый

Лекция

Семинар

Лабораторная работа

Курсовая работа

К,(<)

Рис 2 Модель подсистемы «обучаемый» как объекта управления

Представленная структура модели £-го обучаемого как объекта управления предполагает наличие многосвязности между различными видами учебных занятий. Здесь входной информационный поток на текущим этапе обучения /*20) = {£*((), 5*0), -0*0)} включает в себя лекционный вид

занятий £*(«) и внелекционные виды учебных занятий 5*(г), №*({), В*(г). Лекционные занятия проводятся преподавателем с группой обучаемых перед выполнением внелекционных видов учебных занятий Поэтому имеется возможность управлять уровнем сложности задач Зк(1) и уровнем объемов заданий в зависимости от уровня подготовки обучаемого, полученного

после проведения лекционного вида занятий

Выходной информационный поток /*,(«) = {Р/(/), Р/(г), (0 }

содержит элементы, отражающие знания, умения и навыки, получаемые обучаемым на текущем этапе Символ Д обозначает дополнительное приращение уровня знаний, полученное после выполнения внелекционных видов учебных занятий Величина ^(г) отражает возмущения, действующие на объект управления

Для введения контура адаптации достаточно измерить только одну выходную величину отражающую уровень знаний, полученных

обучаемым на лекции Поскольку параметр Р/(г) является латентным, то его оценку Р? (() можно получить с использованием методов тестирования

где г*(г) - рейтинг обучаемого, принимающий целочисленные значения 1, 2, 3; Кг()- кусочно-непрерывная функция, связывающая рейтинг с уровнем знаний обучаемого Выберем наиболее простой, пропорциональный закон управления

где <?*(/), д„(0 - уровни сложности задач и объемы заданий, Кц, К№ -коэффициенты пропорциональности Данный закон обеспечивает статический режим управления входными воздействиями 51(г,д^), }Ук(1,д„) Отсюда следует, что закон адаптации (1) и закон управления (2), (3) реализуют самонастройку одного параметра - коэффициента передачи контура адаптации

В результате при минимальном объеме информации об объекте может быть сформирована параметрически адаптивная система управления, показанная на рис. 3 Здесь РТУ - измерительное устройство, УУ — устройство управления, СУММ — структурированные учебно-методические материалы, содержащие лекции, наборы задач, заданий, курсовых работ, а также наборы тестовых заданий для измерительного устройства и ответы к задачам, заданиям и результаты выполнения курсовых работ Такая адаптивная система будет обеспечивать достижение цели управления по показателю Уг, приводя к повышению его значения. Действительно, если всем обучаемым дать задачи и задания одного среднего уровня сложности и объема, обучаемые с высокой степенью успеваемости недополучат знания, умения и навыки, поскольку могли бы успешно справиться и с более сложными задачами и объемными заданиями Обучаемые с низким уровнем успеваемости могут не справиться со многими задачами и заданиями в полной мере В результате уровень их знаний, умений и навыков может практически не изменится

Во второй главе излагаются способы измерения величины Р£ (/) методами адаптивного тестирования и результаты статистической обработки экспериментальных данных с целью построения моделей обучаемых при различных видах учебных занятий

Как следует из рис 3, измерительное устройство выполняет две функции Первая из них заключается в определении величины а вторая - в

определении величины г* (г) Структурная схема данного устройства представлена на рис 4.

д*0) = г*(О К„ дк„(1) = гк{1) К,

5 '

¡у >

(2) (3)

Г~ I

Подсистема «обучаемый»

Рис 3. Параметрически адаптивная система управления учебным процессом

13

Уровень

Рис 4 Структурная схема измерительного устройства

Здесь в процессе тестирования происходит адаптация уровня сложности г тестового задания Ькг(г,г) к рейтингу обучаемого г*(/), что позволяет достигнуть приемлемых характеристик измерения величины Р} (») при значительном снижении требований к процедуре тестирования Вначале формируется относительная оценка уровня знаний по шкале [0,1]

РН'У) = '' = г'0 -1)' »' (4)

п

Здесь а* - оценка, выставляемая обучаемому за выбранный ответ на у-й контрольный вопрос тестового задания закрытого типа, и,(|) - количество контрольных вопросов в тестовом задании г-го уровня сложности Далее, с учетом заданных интервалов значений уровней знаний Р?"х(г), Рр"(г) для каждого из рейтингов г1 (г) конструируется значение уровня знаний обучаемого в абсолютных значениях по шкале [0,1]

р/(,) . р'(,У) = [РГ(г')-РГ(г')]хР"ОУ)+РГ(г') (5)

Разработанный многоинтервальный классификатор определяет текущее значение величины г* (0 и позволяет сформировать контур местной обратной связи, что способствует улучшению характеристик измерительного устройства - адаптора в целом

С использованием разработанного измерительного устройства в ходе реального учебного процесса в режиме параметрически адаптивного управления были получены серии экспериментальных данных, которые позволяют определить характеристики моделей поведения обучаемых при проведении лекционного вида учебных занятий

На рис 5 приведены результаты статистической обработки величины Рт (г) для группы обучаемых Здесь к - идентификационный номер обучаемого

?г*

Р2 = 0,67-

1,0 • 0,9 ■ 0,8 0,7

7-

0,6

0,5 •

0,4

р = 0,33-

03

0,2

0,1

0,35

П N П П П

N N П П N Г N Г) N <

? 2 Й

е о N N ь

г N Я »■ к

а)

0,15

0,05

0,00

П « П П П N М п п НгНПНрггНМ г г- Н^гИгПг |[

6)

Рис. 5. Интегральные показатели уровня знаний обучаемых

а) средние значения уровня знаний обучаемых по лекциям по всем этапам обучения,

б) среднеквадратические отклонения уровня знаний обучаемых по лекциям по всем этапам обучения

Горизонтальными линиями обозначены границы интервалов, соответствующих низкому, среднему и высокому уровням знаний. Приведенные данные показывают наличие характерной зависимости, имеющей монотонный характер и близкой к линейной Причем у обучаемых с высоким уровнем знаний среднеквадратическое отклонение уровня знаний в целом в 1,5 - 2 раза ниже, чем у обучаемых с низким уровнем знаний

Анализ поведения обучаемых с использованием не ТОЛЬКО уровня знаний, но также частоты и глубины переходов с одного уровня знаний на другой позволил выявить более тонкую структуру группирования обучаемых. С учетом этих дополнительных признаков было выявлено 6 подгрупп обучаемых, которые были названы ^кластерами (Lecture). Изменение уровня знаний типичных представителей L-кластсров показано на рис. 6.

р' т о,9

0.S 0.7 0.6 0.5 0.4 0.3 0.2 0.1

Ру (0

& 10 11 12

а;

Р'(0

0,9 * 0.6 * . ' ■

0,6 0,5 0.4 * * *

О* 0,1

12 3 4 5 6 7 в 9 Ю 11 12

0,9

о,в

0,7 _

0,6

o,s

0.4 -

0,3 —

р;т 0 ,э

о,в

0.7 0,6 0.5 0.4 0,3 0,2 0,1 0

PrW 0.9 0,8 0,7 О,в 0,5 0,4

о.а 0,2 0.1

pf со 0.2 0.8 0.7 0,6 0,5 04 0,3 0,2 0.1

1 2 Э A S 6 7

б)

& 7 в в 10 11 12

е)

9 10 11 12

<4

в 7 в)

А а 10 11 12

Рис. 6. Уровни знаний обучаемых, образующих различные подгруппы (кластеры) на каждом из этапов обучения, о) обучаемый (¿=7) с высоким уровнем знаний с малой дисперсией оценок;

б) обучаемый ()Ь=26) с высоким уровнем знаний с большей дисперсией оценок;

в) обучаемый (£-15), знания которого колеблются между высоким и средним уровнями;

г) обучаемый (¿=13) со средним уровнем знаний с малой дисперсией оценок: ¿1) обучаемый (£=5) со средним уровнем знаний с большой дисперсией оценок; е) обучаемый (£=11), знания которого колеблются между средним и низким уровнями.

В итоге с учетом ряда признаков получим следующие Ь-кластеры, что показано на рис, 7,

1 С" 1 1 О Кластер Ы

1 X Кластер 1-2

* Кластер ЬЗ

; * | + Кластер Ь4

1 □ Кластер Ь5

- 1 0 Кластер Ь6

□ о а а

О О □ □ ' » X

□

□ *

□ * X х

+ • X

О X

- + X -

О

О

о

+ О

- О -

• I | | Рэ О

0.2 0.3 04 05 0 6 07 06

Среднее значение уровня знаний

Рис 7 Диаграмма распределения обучаемых по Ь-кластерам Характеристики Ь-кластеров приведены в таб 1

Таблица 1. Характеристики обучаемых, принадлежащих к Ь-кластерам

Кластер Ы обучаемые с высоким уровнем знаний со средней оценкой 0 70-1.00 и малым среднеквадратическим отклонением < 0 20 Кластер Ь4 обучаемые со средним уровнем знаний со средней оценкой 0 40-0 60 и малым среднеквадратическим отклонением < 0 22

Кластер Ь2 обучаемые с высоким уровнем знаний со средней оценкой 0 70-1 00 и большим среднеквадратическим отклонением > 0 20 Кластер Ь5 обучаемые со средним уровнем знаний со средней оценкой 0.40-0 60 и большим среднеквадратическим отклонением > 0.22

Кластер ЬЗ обучаемые, уровень знаний которых колеблется между высоким и средним уровнем и среднеквадратическим отклонением > 0 22 Кластер Ь6 обучаемые, уровень знаний которых колеблется между средним и низким уровнем и среднеквадратическим отклонением > 0 20

Аналогичным образом были статистически обработаны результаты проведения внелекционных видов учебных занятий Здесь была выявлена

кластеризация обучаемых (Seminar, laboratory Work) Характеристики SW-кластеров приведены в таб 2.

Таблица 2. Характеристики обучаемых, принадлежащих к SW-кластерам

Кластер в\У1 обучаемые с высоким уровнем умений и навыков со средней оценкой 0.86 - 1.00 и среднеквадратическим отклонением < 0 09 Кластер вУУЗ обучаемые со средним уровнем умений и навыков со средней оценкой 0 67 - 0 79 и среднеквадратическим отклонением > 0 15

Кластер Я\У2 обучаемые, уровень умений и навыков которых колеблется между высоким и средним уровнем со средней оценкой 0 79-0 86 и среднеквадратическим отклонением > 0 04 Кластер в\У4 обучаемые с низким уровнем умений и навыков со средней оценкой <0 67 и большим среднеквадратическим отклонением > 0 30

Для выявления взаимосвязи между лекционным и внелекционными видами учебных занятий была проведена обобщенная G-кластеризация (General) Было обнаружено 7 G-кластеров, представленных на рис 8. G-кластеры содержат информацию о поведении обучаемых при всех видах учебных занятий и позволяют определить характеристики многосвязности моделей обучаемых как объекта управления

075 08 0

Средне« значение уровня знаний

Рис 8 Распределение обучаемых по обобщенным G-кластерам.

Качественные и количественные характеристики поведения обучаемых для каждого из обобщенных С-кластеров приведены в таб. 3, 4.

Таблица 3 Качественные характеристики обобщенных С-кластеров

Кластер Качественные характеристики обучаемых обобщенных С- кластеров

С1 обучаемые с высоким уровнем знаний по лекциям и с высоким уровнем умений и навыков по внелекционным видам занятий

обучаемые, у которых уровень знаний по лекциям и уровень умений и навыков по внелекционным видам занятий колеблется между высоким и средним уровнем

вз обучаемые, у которых уровень знаний по лекциям колеблется между высоким и средним уровнем, и которые обладают средним уровнем умений и навыков по внелекционным видам занятий

С4 обучаемые со средним уровнем знаний по лекциям, уровень их умений и навыков по внелекционным видам занятий колеблется между высоким и средним уровнем

обучаемые со средним уровнем знаний по лекциям и средним уровнем умений и навыков по внелекционным видам занятий

С6 обучаемые, у которых уровень знаний по лекциям колеблется между средним и низким уровнем, и которые обладают низким уровнем умений и навыков по внелекционным видам занятий

обучаемые с низким уровнем знаний по лекциям, у которых уровень умений и навыков по внелекционным видам занятий колеблется между средним и низким уровнем

Таблица 4. Границы для интегральных показателей обобщенных _р-кластеров ____

Кластер Р1 1 т ^вг г

Ш 0 88 - 1 00 0 87 - 1 00 <013 <0 09

в2 0 84 - 0 88 0 82 0 87 <0 13 0 04 - 0 14

вз 0 84 - 0 89 0 73 - 0 80 012-020 0 05 - 0 25

в4 0 74 - 0 84 0 80 - 1.00 012-021 0.03 - 0 14

в5 0 77 - 0 80 0.68 - 0 77 0.12-0 24 0 16-0 28

вб «0 74 <0 60 >0 20 >0 30

в7 0 68 - 0 72 0 64 - 0 73 0 17 - 0 28 0.15-0 35

Отсюда следует, что характеристики каждого из С-кластеров достаточно четко описываются на качественном и количественном уровнях.

Проведенный анализ лекционного и внелекционных видов учебных занятий показывает, что группа обучаемых является многоканальным многосвязным объектом В ее состав входят несколько подгрупп - кластеров Каждую из них формируют обучаемые, обладающие близкими моделями

поведения. Обучаемым, принадлежащим к тому или иному Ь-, и О-

кластеру, могут быть поставлены в соответствие определенные динамические характеристики, объективно отражающие процесс приобретения ими знаний, умений и навыков. Обнаруженные закономерности в поведении обучаемых могут быть использованы при формировании более сложных, чем пропорциональный, динамических законов управления учебным процессом.

Третья глава посвящена разработке имитационных математических моделей подсистемы «обучаемый» как объекта управления на основе экспериментально полученных гистограмм оценок плотностей вероятностей уровней знаний, умений и навыков. При формировании математической модели лекционного вида учебных занятий используются оценки плотностей вероятности уровня знаний обучаемых из различных Ь-кластеров, представленные на рис. 9.

Рис. 9. Оценки плотностей вероятности уровня знаний для Ь-кластеров. а) кластер 1Д, 6) кластер Ь2, в) кластер ЬЗ, г) кластер Ь4, д) кластер Ь5, е) мастер 1.6.

По оси абсцисс отложены номера полуинтервалов, по оси ординат -оценки вероятности попадания оценок уровня знаний по лекциям в указанный полуинтервал.

Выполнив интегрирование {в данном случае суммирование с накоплением) для столбцов гистограммы, получим оценку функций распределения уровня знаний

р,=р

т

= & (6)

N

На основе полученных функций распределения математическая модель формирует для каждого из кластеров последовательность оценок Р*(/) обучаемых. Разработан алгоритм формирования оценок, основанный на функции распределения, заданной в виде вектора-строки из 9 чисел

Ъ = [Р1-Рг-Рг>Р*>^Рб-РтР»'РЛ> (7)

причем

(8)

Для формирования заданного количества оценок /у (/) выполняются определенные действия с использованием генератора псевдослучайных чисел.

Математические модели внелекционных видов занятий формируются аналогично модели лекционного вида занятий также с использованием гистограмм плотностей вероятности уровня умений и навыков для кластеров SW1 — SW4 При этом вводятся функции распределения вероятностей для каждого из заданных значений сложности задач и объемов заданий и={ 1, 2, 3}. Матрица плотностей вероятности обобщенных оценок Р$ц,(1) уровня умений и навыков имеет вид

Уровень сложности задач и объемов заданий Полуинтервал

(0 0, 1/9] (1/9, 1 2/9] (2/9, 3/9] (3/9, 4/9] (4/9, 5/9] (5/9; 6/9] (6/9, 7/9] (7/9, 8/9] (8/9; 10]

1 Рп Р\г Рп Ри Р15 Р\б Рп Р18 Р19

2 Ргг Р12 Ртз Р-2А Р75 Р26 Рп Ртя Ргч

3 Ръ\ Ргг Рзз Рта Р35 Р36 Рп Р38 Ртя

На основе функций распределения для каждого п$цг - кластера формируется последовательность оценок (/) обучаемых для каждого из возможных значений величины и Для повышения точности формируемых оценок алгоритм дополнительно использует экспериментально полученные характеристики обобщенной в-кластеризации обучаемых.

Для построения обобщенной математической модели учебного процесса необходимо объединить математическую модель лекционного вида занятий, модель формирователя уровня сложности задач и объемов заданий и математическую модель внелекционных видов учебных занятий, как показано на рис 10

Рис 10 Обобщенная математическая модель учебного процесса.

При этом модель формирователя задач и заданий может отражать функции подсистемы «преподаватель», выполняемые как преподавателем, так и системой управления Разработан специальный алгоритм, позволяющий при наличии оценок величин Я/(г) и сформированных на моделях при

параметрически адаптивном управлении, моделировать обобщенные С-кластеры

Компьютерное моделирование учебного процесса, состоящего из лекционного и внелекционных видов учебных занятий, проводимых с виртуальными группами обучаемых, подтвердило адекватность разработанных моделей подсистемы «обучаемый». Практически полностью совпали интегральные показатели уровня знаний и характер его изменения в ходе как реального учебного процесса, так и при компьютерном моделировании Характеристики Ь-кластеров также полностью совпали При сравнительном анализе внелекционных видов учебных занятий также выявилось совпадение интегральных показателей и характеристик БЛУ-кластеров Аналогичные результаты были получены при обобщенной С-кластеризации Подтвердилось совпадение характеристик взаимосвязи лекционного и внелекционных видов

учебных занятий. Это позволяет применять разработанные математические модели при исследовании и разработке новых, более совершенных законов адаптации и управления

В четвертой главе разрабатываются основы теории и методы синтеза нового класса систем со структурно-параметрической адаптацией Изложенные в предыдущих главах результаты кластеризации показывают, что они отражают не только статические, но и динамические характеристики моделей обучаемых, причем для представителей одного и того же кластера эти характеристики практически совпадают Кроме того, выявлена связь между проводимыми лекционным и внелекционными видами учебных занятий Это дает возможность поставить задачу синтеза законов структурно-параметрической адаптации и управления многосвязными объектами Однако решение этой задачи классическими методами весьма затруднительно, поскольку кластерная форма динамических моделей не допускает использования ни разностных уравнений, ни передаточных функций

Рассмотрим адаптивную систему управления идентификационного типа с пробными воздействиями, представленную на рис 11 Пробные воздействия используются для идентификации неизвестных параметров первой части объекта управления OУf. В ряде случаев неизвестные параметры другой части объекта управления ОУ* могут быть связаны определенной зависимостью с найденными параметрами объекта ОУ,*. Тогда контур адаптации может сформировать такие управляющие воздействия для объекта ОУ*, которые приведут к достижению заданной цели управления

контур адаптации

канал управления

Рис 11 Структура системы адаптивного управления идентификационного типа

с пробными воздействиями

Математическая постановка данной задачи при различных способах задания динамических характеристик многосвязного объекта управления ОУ* с учетом шумов и возмущений примет вид

Классические уравнения динамики многосвязного ОУ* в виде уравнений состояний и уравнений выхода

у*(») = н^(,),х*2(0,л?0)>ф,*];

У2О) = Н*[ж*(,-),ж*(,), !,*(«), 9*]

Кластерное представление динамических характеристик многосвязного ОУ*

Ь-, SW-, в- кластеры

Здесь у *(/) =

У? (О 1.У:(0]

вектор измеряемых величин,

Ф* =

Ф2

вектор

неизвестных параметров обеих частей многосвязного объекта ОУ. Пробное воздействие обеспечивает идентификацию параметров объекта ОУf с

использованием алгоритма идентификации

¥.*(«) =®*[У.*0)Л|г?(«-1)], где х|/,*0) = Ф:(')- (9)

Далее по известной зависимости ф2=(2(ф1) находится полный вектор \|/*(») оценки параметров многосвязного объекта ОУ*

У*0) =

Г ^0)1 Гф?(«)1

= ф'(')

Алгоритм адаптации в общем случае имеет вид

с*(0 = Т*[у*0),с*(/-1)]. Закон управления определяется соотношением

и*0) =и*[и*0-1),с*0)]

(10) (И)

Для фиксированной структуры закона управления алгоритмы адаптации и

(12)

управления примут вид

с*(0=Ф'(0.

и*0)=и*[и*(1-1),ф'(0] (13>

Цель управления задается с помощью оценочной функции £*(/) = Е*[у*(;'), и*(0] или критерия J = Л[е*(»)] На практике этот критерий часто принимает скалярный вид J

Решение задачи синтеза сводится к идентификации неизвестных параметров <р* с использованием пробного воздействия и^ (/) и формированию алгоритмов адаптации и управления, обеспечивающих достижение требуемых значений оценочной функции £*(/) или критерия ,1.

В классической постановке эта задача решается с использованием

аналитической оптимизации критерия J на множестве параметров закона управления с фиксированной структурой

При использовании кластерного представления многосвязного объекта управления эта задача может быть решена путем выбора структуры и параметров закона управления методами компьютерного моделирования процесса управления

В результате решение задачи синтеза системы адаптивного структурно-параметрического управления учебным процессом с использованием кластерной формы представления моделей обучаемых сводится к последовательному выполнению следующих этапов

1. Идентификация обучаемых на принадлежность к кластеру или пс. Для решения этой задачи используются наборы измеряемых переменных

у?(г) = Ртк(0 (при Ь - кластеризации), либо у*(0=[Ртк(г), Рк(г), Рк(')]Г (ПРИ С -кластеризации) Кластеризация проводится по методу К-средних

2. Выбор структуры алгоритмов адаптации и управления. Поскольку характеристики Ь- и в- кластеров содержат информацию о

динамике поведения обучаемых в ходе учебного процесса, при формировании законов управления можно использовать более сложные, динамические режимы управления Здесь целесообразно реализовать механизмы памяти и прогноза, которые часто используются преподавателем Им соответствуют пропорционально-интегральный (ПИ) или пропорционально-интегро-дифференциальный (ПИД) законы управления, которые реализуются с помощью цифровых фильтров

Основной функцией алгоритма адаптации будет выбор цифрового фильтра (ЦФ), включаемого в контур управления в зависимости от результатов идентификации обучаемых на принадлежность к тому или иному Ь- или в-кластеру, что показано на рис 12.

Рис 12 Адаптация цифровых фильтров к Ь- или О-кластеру

3. Определение структуры цифровых фильтров.

Цифровой фильтр осуществляет динамическую обработку данных в соответствии с используемым законом управления Ввиду отсутствия в системе управления контура главной обратной связи цифровой фильтр будет отличаться от обычно используемых ПИ- и ПИД - регуляторов Решение данной задачи требует привлечения нелинейных методов фильтрации, изменяющих среднее значение управляющих воздействий Алгоритм ПИ-закона управления в данном случае примет вид

если Рк(,)>РкО -1), то РФк(1) = Р7к(0 (14)

иначе Рк(1)=(1-Г1)РтЧ0+гЛ(1-Ц-Ему соответствует двухканальный цифровой фильтр, представленный на рис 13

Рис 13 Структура нелинейного двухканального цифрового фильтра

Здесь г"1 - задержка на один шаг, ЛБ - логический блок, НЧ фильтр -низкочастотный фильтр. Входящий в него элемент сравнения управляет переключателем П в соответствии с алгоритмом (14). Аналогичным образом построен трехканальный фильтр, реализующий ПИД-закон управления Здесь наряду с НЧ-фильтром используется высокочастотный ВЧ-фильтр 4. Оптимизация параметров цифровых фильтров.

Оптимизация параметров цифровых фильтров с целью повышения уровня умений и навыков обучаемых может проводиться с использованием математических моделей лекционного вида занятий и внелекционных видов занятий, показанных выше Схема взаимодействия математических моделей для оптимизации параметров фильтров аналогична схеме, приведенной на рис 10 Здесь только необходимо заменить блок формирования уровня сложности задач и объемов заданий на схему обработки данных,

соответствующих структурно-параметрическому закону адаптации и управления. Данная схема показана на рис 14

Рис. 14 Схема взаимодействия математических моделей различных видов учебных занятий для оптимизации параметров цифровых фильтров

Такая модифицированная схема позволяет выполнять математическое моделирование оценок уровня знаний и уровня умений и навыков при использовании заданного цифрового фильтра при Ь- или в-кластеризации обучаемых При ее использовании для математической модели лекционного вида занятий задается номер Ь-кластера Для цифрового фильтра задается номер Ь-кластера или номер С-кластера «с Для математической модели внелекционных видов занятий задается номер SW-клacтepa и номер С-кластера па Номер кластера определяет конкретные параметры моделей видов учебных занятий, структуру цифрового фильтра и значения его параметров

Сформирован алгоритм моделирования процессов управления, обеспечивающих достижение цели управления применительно к показателю качества -Л для режима Ь-идентификации обучаемых. Среднее значение оценки уровня умений и навыков для кластера И/, при заданном значении

параметра у1 цифрового фильтра (14) вычисляется по формуле

п^тах

Результаты компьютерного моделирования, приведенные в таб 5, показали следующее изменение показателя качества 31 в зависимости от

параметра цифрового фильтра •

Таблица 5. Изменение показателя качества 12.

Процент увеличения среднего уровня умений и навыков (показателя качества 72) Кластер Ы Кластер Ь2 Кластер 13 Кластер 1А Кластер Ь5 Кластер Ь6

5% 0 53 0 45 0 56 0.40 0 29 0 42

10% - 0.75 0.81 0 64 0 45 0.52

15% - 0 89 100 0.75 0 58 0.62

Аналогичным образом можно определить изменения показателя качества 72 в режиме в-идентификации обучаемых. В результате также будут созданы наборы цифровых фильтров, удовлетворяющие заданным значениям показателя качества 72(«0,у1).

Следует отметить, что по формуле (15) оценивается показатель качества 32 только в части умений и навыков В соответствии с моделью подсистемы «обучаемый» как объекта управления, представленной на рис 2, повышение этого показателя приведет также к .некоторому повышению уровня знаний обучаемых по завершении проведения всех видов учебных занятий на текущем этапе обучения Следовательно здесь действительно имеет место достижение цели управления по введенному ранее показателю Уг•

С использованием изложенной методики решены задачи синтеза системы адаптивного структурно-параметрического управления учебным процессом при использовании режимов Ь- или С- идентификации обучаемых Структуры идентификатора кластера и адаптера при структурно-параметрическом управлении показаны на рис 15а,б

Для того, чтобы перейти от параметрически адаптивного управления учебным процессом, показанного на рис. 3, к структурно-параметрическому управлению, достаточно заменить показанный там адаптер на одну из структур, представленных на рис 15а,б При этом устройство управления (УУ) и задатчик воздействий будут одними и теми же для всех трех случаев адаптивного управления

р'(0.

Г ■

Г '

Идентификатор

-----1

Рг(0

Измерительное устройство ИУ

Идентификатор кластера Ь

р!(0

. J

Пц__Адаптор

Формирователь структуры и параметров. цифрового фильтра

ровой

К (о

Дискретизация по уровню

Г ■

р' 0)

Рт(') .

Идентификатор

-----1

Измерительное устройство ИУ

Идентификатор кластера С

|ровой

Дискретизация по уровню

Л* (О

Л'О)

рк о

. J

Адаптор

Формирователь структуры и параметров цифрового фильтра

^'с.4)

Ж О

а) при Ь-идентификации обучаемых б) при в-идентификации обучаемых

Рис 15. Структуры идентификатора кластера и адаптера при структурно-параметрическом управлении

В пятой главе рассматриваются средства информационной поддержки адаптивной системы управления учебным процессом Здесь в состав информационно-образовательной среды вводятся электронные средства, образуемые адаптивной системой управления электронными образовательными ресурсами и каналами передачи данных Электронные средства обеспечивают информационное взаимодействие с обучаемым и преподавателем При этом функции подсистемы «преподаватель» перераспределяются между адаптивной системой управления и преподавателем таким образом, что значительная их часть поддерживается электронными средствами Модульный принцип построения и единый подход к формированию электронных образовательных ресурсов позволяет сделать адаптивную систему управления инвариантной по отношению к ним В результате одна и та же адаптивная система управления будет оперировать с различными электронными образовательными ресурсами, структура которых представлена на рис 16

образовательного ресурса.

Управляемый электронный образовательный ресурс состоит из двух основных блоков Первый из них является системой управления банка данных, содержащего структурированные учебно-методические материалы В нее

входят две подсистемы Одна из них, Анализатор запросов, осуществляет обработку запросов 1[г, поступающих от адаптивной системы управления Другая подсистема, Конструктор запрашиваемых данных, формирует выходной набор данных /3',, направляемый к адаптивной системе управления

Второй блок, банк данных, состоит из системы управления базами данных и двух баз данных Одной из них является база данных структурированных учебно-методических материалов (БД СУММ), а другой -база метаданных

Проведена оценка показателей качества наборов тестовых заданий для измерительного устройства В качестве одного из таких показателей выбрана оценка соответствия заданного и реального уровня сложности тестового задания. С использованием экспериментальных данных, полученных в ходе учебного процесса, на основе анализа значимости коэффициентов ранговой корреляции Спирмена сделан вывод об адекватности уровней сложности большинства используемых тестовых заданий К другим показателям качества были отнесены оценки дискриминативности и валидности, для которых в большинстве случаев также подтверждены приемлемые характеристики используемых тестовых заданий В целом 75% тестовых заданий могут быть аттестованы по трем показателям, а 83 % - не менее, чем по двум показателям Разработанная методика оценки показателей качества тестовых заданий позволяет выбраковывать те из них, которые не удовлетворяют требуемым значениям, и корректировать те из них, у которых показатели качества недостаточно высоки

В шестой главе проводится комплексирование и излагаются результаты экспериментального исследования адаптивной информационно-образовательной среды Здесь рассматриваются способы формирования адаптивных информационно-образовательных сред, инвариантных к видам образовательной деятельности, контингенту обучаемых с различным уровнем подготовки и индивидуальными особенностями, электронным образовательным ресурсам, программно-аппаратным и сетевым средам Приведена многоуровневая структура и определен состав сетевой адаптивной информационно-образовательной среды, имеющей выход в Интернет и используемой на уровне кафедры для очной формы образовательной деятельности Даны рекомендации по выбору системного и прикладного программного обеспечения, средств визуализации и администрирования.

При построении информационно-образовательной среды унифицируются как структуры электронных образовательных ресурсов, так и способы сопряжения информационных потоков /,'э и Г31, циркулирующих между ресурсом и системой управления Тогда адаптивная система управления сможет в многоканальном режиме взаимодействовать с несколькими электронными образовательными ресурсами, каждый из которых поддерживает учебный процесс по той или иной изучаемой дисциплине

Таким образом наряду с многоканальностью системы управления по отношению к обучаемым будет иметь место многоканальность системы

управления по отношению к изучаемым дисциплинам Этот режим многоканальное™ показан на рис 17

Электронные средства

Рис. 17 Электронные средства, обеспечивающие многоканальный режим использования нескольких управляемых электронных образовательных

ресурсов (ЭОР)

Здесь переключатели П\, П2 обеспечивают подключение к адаптивной системе управления того электронного образовательного ресурса, который необходим для проведения текущего вида учебных занятий по изучаемой дисциплине Функции управления этими переключателями берет на себя адаптивная система управления, которая устанавливает параметры интерфейсов И\, И2 для интерактивного взаимодействия с обучаемыми и интерфейсов И3, используемых для консультаций обучаемых преподавателем В результате достигается инвариантность адаптивной системы управления к предметной области

При очной форме обучения в рамках используемого программно-аппаратного обеспечения проведено экспериментальное исследование сетевой адаптивной информационно-образовательной среды в ходе реального учебного процесса в вузе с двумя группами обучаемых. Обучение первой группы проводилось в режиме адаптивного структурно-параметрического управления с использованием динамического пропорционально-интегрального ПИ-закона управления Вторая группа являлась контрольной Здесь обучение проводилось в режиме параметрически адаптивного управления с использованием статического пропорционального П-закона управления Обе группы содержали в своем составе представителей всех лекционных кластеров примерно в равных количествах

В результате были получены следующие гистограммы оценок уровня умений и навыков двух подгрупп обучаемых, представленные на рис. 18

1

II

О 0 1 02 03 04 05 06 07 08 09 1 Оценки уровня умений

О 01 0203040506070800 1 Оценки уровня умений

а) подгруппа 1, б) подгруппа 2,

ПИ-закон управления П-закон управления

Рис 18 Гистограммы оценок уровня умений и навыков в двух подгруппах

Полученные экспериментальные данные практически совпали с расчетными. Подтвердилось ожидаемое повышение показателя качества У2 -уровня знаний, умений и навыков каждого из обучаемых в режиме адаптивного структурно-параметрического управления по сравнению с параметрически адаптивным управлением в диапазоне от 4% до 18% в зависимости от принадлежности обучаемого к тому или иному Ь-кластеру Применение в-кластеризации не приводит к заметному увеличению показателя качества У2 по сравнению с Ь-кластеризацией

Для использования адаптивной информационно-образовательной среды при других видах образовательной деятельности, в частности, при дистанционной форме обучения, рассмотрены способы взаимодействия с глобальной сетью Поскольку рекомендованное системное программное обеспечение поддерживает протокол ЬИрэ, для работы в режиме дистанционного обучения потребуется перенастройка \Veb-cepBepa, размещение серверов в Оа1а-центре и применение процедур шифрования для повышения уровня безопасности информационного взаимодействия Полученные экспериментальные зависимости времени отклика системы на действия пользователей, изображенные на рис 19, показывают, что используемые программно-аппаратные средства обеспечивают приемлемую работу 350-500 пользователей в режиме удаленного доступа

Рис. 19. Экспериментальные зависимости времени отклика.

Таким образом, появление в составе информационно-образовательных сред многофункциональных адаптивных систем управления электронными образовательными ресурсами при различных видах образовательной деятель»!ости обеспечивает повышение показателей качества учебного процесса при одновременном снижении нагрузки на преподавателей. Разработанная методология построения многофункциональных сетевых информационно-образовательных сред на основе принципов адаптации, самонастройки и самоорганизации названа SPACEL (Stroctural Parametric Adaptive Control of Electronic Learning)-технологией. Ее применение позволяет формировать адаптивные информационно-образовательные среды, эффективно поддерживающие профессиональную деятельность преподавателей. Расчетные работы при проведении исследований выполнялись в среде программирования MATLAB.

В Заключения приводятся основные результаты диссертационной работы.

В приложении содержится 7 актов о внедрении основных научных положений и результатов диссертации в вузах, в научно-исследовательской и в научно-производственных организациях.

Основные результаты работы

В результате проведенных исследований решена важная проблема социальной кибернетики, заключающаяся в разработке принципов построения, основ теории и методов формирования адаптивных информационно-образовательных сред нового поколения, эффективно поддерживающих

профессиональную деятельность преподавателей при различных уровнях подготовки обучаемых и инвариантных к видам образовательной деятельности Выполненные экспериментальные исследования позволили выявить ранее неизвестные свойства и характеристики моделей поведения обучаемых как многосвязных объектов управления На их основе проведено обобщение и развитие теории адаптивного управления применительно к новому классу адаптивных систем идентификационного типа, реализующих режим структурно-параметрического управления многосвязными объектами.

При выполнении данной работы получены следующие основные результаты

1. Проведен системный анализ информационно-образовательной среды, образуемой взаимодействующими между собой преподавателем, обучаемым и учебно-методической компонентой, при различных формах образовательной деятельности Исследовано и обосновано включение в состав информационно-образовательной среды многоканальной системы управления, поддерживающей ряд функций, выполняемых преподавателем, и учебно-методической компоненты в виде электронного образовательного ресурса, что позволяет перераспределить интенсивности информационных потоков В результате за счет повышения интенсивности взаимодействия обучаемого с электронным образовательным ресурсом будет достигаться снижение нагрузки на преподавателя Использование в системе управления принципов адаптации придает информационно-образовательной среде новые свойства и способствует повышению качества обучения

2 Сформированы и обоснованы показатели качества и обобщенные критерии эффективности функционирования информационно-образовательной среды при различных видах образовательной деятельности. На основе этих показателей вводятся как частные, так и обобщенные критерии, предназначенные для выбора цели управления и синтеза законов адаптации и управления Данные показатели качества и критерии позволяют оценивать процесс обучения при различных способах управления. 3. Исследованы и разработаны принципы построения параметрически адаптивных систем управления учебным процессом, основанные на декомпозиции многосвязных моделей обучаемого как объекта управления по видам учебных занятий При этом контур адаптации формируется с использованием лекционного вида учебных занятий Входящее в состав контура адаптации измерительное устройство определяет текущий уровень знаний обучаемого и соответствующий ему рейтинг Канал управления предназначен для проведения внелекционных видов учебных занятий В его состав входят задатчик воздействий, устройство управления и объект управления — обучаемый При использовании пропорционального П-закона управления будут вырабатываться управляющие воздействия в виде задач и заданий с уровнями сложности и объемами, соответствующими текущему рейтингу обучаемого

4 Автором предложено измерительное устройство с адаптивным тестированием, используемое для оценивания латентного параметра - уровня

знаний, приобретаемых обучаемыми после проведения лекционного вида учебных занятий Входящий в измерительное устройство многоинтервальный классификатор устанавливает текущий рейтинг обучаемых В результате образуется контур местной обратной связи, с помощью которого подбирается необходимый уровень сложности тестовых заданий для каждого из обучаемых Введение контура адаптации в измерительное устройство способствует достижению приемлемых характеристик формируемых оценок значений уровней знаний обучаемых при одновременном сокращении объемов тестовых заданий и снижении нагрузки на обучаемых в процессе тестирования

5 Выполнена статистическая обработка большого количества экспериментальных данных, полученных в течение ряда лет при проведении учебного процесса с несколькими группами обучаемых с использованием параметрически адаптивной системы управления В результате выявлены неизвестные ранее закономерности и свойства моделей поведения обучаемых при проведении различных видов учебных занятий С учетом ряда признаков при проведении лекционного вида учебных занятий выявлены Ь-кластеры, при проведении внелекционных видов учебных занятий выявлены кластеры, а с учетом всех видов учебных занятий выявлены обобщенные в-кластеры Внутри каждого из кластеров обучаемые проявляют сходные характеристики поведения Установлено, что каждый из кластеров отражает не только статические, но и динамические характеристики моделей поведения принадлежащих к нему обучаемых Определены свойства и параметры взаимосвязи Ь-, и О-кластеров

6. Предложены, исследованы и обоснованы имитационные математические модели лекционного и внелекционных видов учебных занятий, формирующие последовательности значений уровней знаний, умений и навыков, приобретаемых обучаемыми в ходе учебного процесса Модели используют экспериментально полученные для каждого из кластеров функции распределения плотности вероятностей выходных величин в виде соответствующих гистограмм На примере виртуальной учебной группы подтверждена адекватность построенных математических моделей Показано совпадение результатов Ь-, и в-кластеризации обучаемых в виртуальной группе с соответствующими параметрами реальных кластеров Построенные имитационные математические модели позволяют использовать методы компьютерного моделирования для определения показателей качества при различных законах адаптации и управления

7 Разработаны основы теории нового класса адаптивных систем идентификационного типа для управления многосвязными динамическими объектами Здесь для идентификации части объекта управления используется пробное воздействие На основе получаемой информации восстанавливаются характеристики объекта управления в целом и формируются управляющие воздействия, направленные на достижение цели управления Дана математическая постановка и определены способы решения задачи дискретного адаптивного управления с использованием как классических, так

и кластерных моделей многосвязных динамических объектов управления Получены аналитические зависимости, связывающие цель управления с алгоритмами идентификации, адаптации и управления

8 Разработана методика синтеза адаптивного структурно-параметрического управления многосвязными динамическими объектами с использованием кластерных моделей Применительно к учебному процессу сформировано два способа построения систем управления Первый из них использует Ь -кластеризацию, а второй - С - кластеризацию обучаемых В обоих случаях в состав контура адаптации входят измерительное устройство, идентификатор кластера, цифровой фильтр с переменными структурой и параметрами, реализующий пропорционально-интегральный ПИ- и пропорционально-интегро-дифференциальный ПИД-законы управления. Сформированы алгоритмы кластеризации и структурно-параметрической адаптации Устройство управления и задатчик воздействий остаются теми же, что и при параметрически адаптивном управлении

9. Сформированы и исследованы структуры многоканальных нелинейных цифровых фильтров, осуществляющих динамическую обработку сигналов на основе ПИ- и ПИД-законов В состав фильтров входят элементы задержки и логический блок, обеспечивающий переключение каналов фильтра в зависимости от уровней сигналов в каждом из них Проведен анализ реакции двухканального фильтра, соответствующего ПИ-закону управления, при входном воздействии в виде синусоидального сигнала с постоянной составляющей Показано, что данный цифровой фильтр обладает псевдолинейными характеристиками Это позволяет расширить функциональные возможности законов адаптации и управления за счет низкочастотной фильтрации сигналов, отражающей механизм учета памяти при формировании управляющих воздействий

10. Предложена и исследована методика оптимизации параметров цифровых фильтров по выбранному критерию на основе компьютерного моделирования учебного процесса с использованием разработанных имитационных моделей различных видов учебных занятий, законов адаптации и управления. Показано, что динамическая коррекция в виде ПИ-закона управления позволяет в большей степени повысить эффективность учебного процесса для обучаемых, принадлежащих к кластерам с наибольшими значениями среднеквадратического отклонения уровня знаний, умений и навыков Достигаемые при этом значения показателей качества выше, чем при использовании П-закона управления

11. Разработана структура и определено функциональное назначение средств информационной поддержки учебного процесса. Информационное наполнение средств поддержки включает в себя структурированные учебно-методические материалы для тестирования обучаемых и проведения с ними различных видов учебных занятий Помимо хранения содержательного контента средства информационной поддержки обеспечивают поиск, формирование, передачу и сопровождение элементов структурированных

учебно-методических материалов в соответствии с запросами, поступающими от адаптивной системы управления

12. Проведена обработка экспериментальных данных, полученных в ходе адаптивного тестирования обучаемых после проведения лекционного вида учебных занятий- Подтверждено соответствие заявленной и реальной сложности большинства тестовых заданий Получены методики оценки тестовых заданий по показателям дискриминативности и валидности, позволяющие проводить аттестацию заданий Подтверждена корректность разработанных тестовых заданий, используемых в измерительном устройстве при формировании оценок уровней знаний обучаемых

13 Проведено экспериментальное исследование адаптивной информационно - образовательной среды в условиях реального учебного процесса Показано достоверное повышение уровня знаний, умений и навыков обучаемых при применении алгоритмов адаптации, использующих L-кластеризацию, и ПИ-законов управления по сравнению с параметрической адаптацией Полученные результаты свидетельствуют о том, что применение системы адаптивного структурно-параметрического управления электронными образовательными ресурсами в составе информационно-образовательной среды обеспечивает повышение показателей качества учебного процесса при одновременном снижении нагрузки на преподавателей

14. Создана научно обоснованная методология построения многофункциональных сетевых информационно-образовательных сред нового поколения на основе применения принципов адаптации, самонастройки и самоорганизации - SPACEL (Structural Parametric Adaptive Control of Electronic Learning) - технология Ее применение позволяет формировать адаптивные информационно-образовательные среды, эффективно поддерживающие профессиональную деятельность преподавателей.

В результате использования кластерного подхода к исследованию и идентификации статических и динамических характеристик многосвязных объектов управления и замены аналитической оптимизации критериев качества на компьютерное моделирование при выборе законов адаптации и управления проведено обобщение теории адаптивного управления, что существенно расширяет класс исследуемых задач.

Разработанные основы теории и принципы адаптации, структуры, модели и алгоритмы могут быть использованы в различных областях социальной деятельности, например, при решении задач управления персоналом, а также в технических приложениях

Сведения о практическом использовании полученных в работе научных результатов приводятся в Приложении в соответствующих актах.

По теме диссертации опубликованы следующие основные работы

Монографии

1. Леонова Н.М. Параметрически адаптивное управление образовательной деятельностью монография / Под редакцией А.Д Модяева М МИФИ, 2006. 72 с (Серия «Социальная кибернетика»)

2. Леонова Н М., Марковский М В Имитационные математические модели процессов адаптивного управления образовательной деятельностью монография / Под редакцией А Д Модяева М МИФИ, 2006 116 с. (Серия «Социальная кибернетика»)

3 Леонова Н М Синтез алгоритмов адаптивного структурно-параметрического управления образовательной деятельностью монография / Под редакцией А Д Модяева М • МИФИ, 2006 64 с (Серия «Социальная кибернетика»)

Статьи в журналах, рекомендованных ВАК для публикации основных

результатов работы

4. Леонова Н М, Модяев А Д Адаптивные электронные образовательные ресурсы, кибернетический подход // Известия МАН ВШ 2004. №4. С. 213220

5. Леонова Н М, Модяев А Д Адаптивное управление учебным процессом, поддерживающее профессиональную деятельность преподавателей // Известия МАН ВШ 2005. №1, С 151-159

6 Леонова Н М., Модяев А Д Адаптивное управление учебным процессом, обеспечивающее многофункциональную поддержку профессиональной деятельности преподавателей // Открытое образование. 2004 №6 С. 29-34.

7 Леонова Н М, Марковский М В Формирование кластеров учащихся по результатам использования адаптивного электронного образовательного ресурса в учебном процессе // Открытое образование, 2005. №4. С. 33-38.

8. Леонова Н М, Марковский М В Проверка адекватности математической модели лекционного вида учебных занятий // Открытое образование 2006. №6. С 28-33

Учебные пособия

9. Киселев Б.Г, Леонова Н М Методические указания к лабораторному практикуму по курсу «Основы инженерного дела» (раздел «Основы программирования») Учебное пособие. М.: МИФИ, 1983 60 с.

10 Киселев Б Г, Леонова Н М Лабораторный практикум по курсу «Основы инженерного дела и техники вычислений на ЭВМ» М МИФИ, 1984. 58 с

11.Киселев Б Г, Леонова Н М Организация использования ЭВМ в ходе компьютерного урока Учебное пособие. М . МИФИ, 1987.57 с

12.Леонова Н М, Слотин А Ю Машинная графика в курсе «Основы информатики и вычислительной техники» Учебное пособие. М: МИФИ, 1987 23 с

13.Айнутдинов В А , Иванов А.Н, Леонова Н М. Проектирование баз данных: Учебное пособие М, МИФИ, 1999 76 с

14.Айнутдинов В А, Белоусова С.Н, Леонова Н М. Создание приложений в ACCESS Учебное пособие М, МИФИ, 2000 115 с

Публикации в журналах, сборниках и трудах конференций

15.Киселев Б Г., Леонова Н М Опыт разработки и проведения цикла компьютерных уроков с использованием персональной ЭВМ // Интенсификация учебного процесса в высшей школе на базе микропроцессорных вычислительных систем Сб тр Всесоюзной научно-методической конференции 1986 С 89-90

16.Киселев Б Г, Леонова НМ Опыт компьютеризации в физико-математической школе при вузе // Автоматизированные системы учебного назначения. Сб научно-методических статей: М.: МИФИ, 1989, С 37-42.

17.Киселев Б Г, Леонова Н М Педагогика сотрудничества и компьютеризация учебного процесса // Информатика и образование 1990 №2. С. 73-74.

18.ЛеоноваНМ, Модяев АД Регионально-отраслевая подсистема дистанционного обучения в рамках школа-ВУЗ // Проблемы информатизации высшей школы. 1995 №3. С. 4-1 - 4-2.

19 Модяев А Д, Леонова Н М Непрерывное разноуровневое образование на основе использования телекоммуникационных технологий // Региональная информатика-96 Тр V Санкт-Петербургской международной конференции. Санкт-Петербург, 1996 С 274-275.

20.Матюхин В М, Леонова Н М. Регионально-отраслевая

телекоммуникационная сеть Х-Атом и особенности ее использования // Региональная информатика-96- Тр. V Санкт-Петербургской международной конференции Санкт-Петербург, 1996. С. 89-90

21 Грибач В А, Леонова Н М, Модяев А Д Адаптация сетевых информационных технологий дневной формы обучения применительно к дистанционному образованию // Телематика 97' Тр Конференции Санкт-Петербург, 1997. С. 177-178.

22 Леонова Н М , Модяев А Д Методологические и психолого-педагогические основы дистанционного обучения // Научная сессия МИФИ-98 Сб. научных тр.. В 11 т. М.- МИФИ, Т 6 1998. С 48-51.

23 Леонова Н М, Модяев А Д Методология разработки и применения электронных учебников в вузе // Научная сессия МИФИ-99: Сб научных тр. В 13 т М МИФИ, Т.7.1999 С 71-72

24 Леонова Н М, Лисенков И А Формирование систем оценки знаний и контроля успеваемости при дистанционной форме обучения // Научная сессия МИФИ-99 Сб. научных тр.: В 13 т. М : МИФИ, Т.7 1999 С. 69-70. 25.Леонова Н М, Модяев А Д Методы разработки многофункциональных сетевых электронных учебников // Научная сессия МИФИ-2000 Сб научных тр • В 13 т М МИФИ, Т 2 2000 С 95-97.

26.Леонова Н М, Лнсенков И А Интерактивное управление процессом обучения с использованием нейросетевой системы // Научная сессия МИФИ-2000 Сб. научных тр.: В 13 т М.. МИФИ, Т.2. 2000. С. 98-100.

27.Леонова Н.М , Серебрякова А.Г., ШишиловА.Н Разработка подсистемы оценки знаний и контроля успеваемости учащихся для интерактивных сетевых обучающих систем // Научная сессия МИФИ-2000: Сб научных тр : В 13 т М. МИФИ, Т 2 2000 С 92-94

28.Панферов В В., МодяевАД, Леонова Н.М, ЛисенковИА., Разработка методов и средств адаптивной системы управления образовательным процессом с использованием средств интеллектуальной поддержки преподавателя в рамках системы открытого образования. Минобразование РФ М.. МИФИ, 2001.44 с.

29 Леонова Н М, Галанова Е Г., Лисенков И А. Реализация искусственной нейронной сети с использованием реляционных баз данных // Научная сессия МИФИ-2001. Сб научных тр : В 13 т М : МИФИ, Т.2 2001 С. 94-95.

30 Леонова Н М, Лисенков И А Разработка адаптивной системы обучения // Научная сессия МИФИ-2002. Сб научных тр • В 14 т М . МИФИ, Т. 12 2002 С 50-52

31.Леонова НМ, Новосадова Е Г. Информационные технологии в контроле и оценке результатов обучения // Научная сессия МИФИ-2002. Сб. научных тр.: В 14 т М МИФИ, Т 12 2002 С 98-99.

32.Леонова Н М., Овчинников В Ю , Хомичкова И Э Адаптивное обучение в системах дистанционного образования // Научная сессия МИФИ-2002 Сб научных тр-В 14 т М МИФИ, Т 12 2002 С 99-100

33 Леонова Н М, Галкин Е Б Разработка новых визуальных форм взаимодействия при дистанционном тестировании учащихся // Научная сессия МИФИ-2003 Сб научных тр: В 14 т М • МИФИ, Т 12. 2003 С 126-127

34 Леонова Н М, Густун О Н., Овчинников В Ю Разработка сетевой интерактивной обучающей системы с использованием А^еЬ-технологий // Научная сессия МИФИ-2003 Сб научных тр : В 14 т М • МИФИ, Т 12 2003. С 133-135.

35 .Леонова Н М, Лисенков И А Практическое использование адаптивной системы обучения // Научная сессия МИФИ-2003 Сб научных тр. В 14 т. М . МИФИ, Т 12 2003. С. 131-132.

36 Леонова Н М , Мясников А А , Шумилин Н Н Разработка вычислительного модуля для многофункциональной сетевой обучающей системы // Научная сессия МИФИ-2003. Сб научных тр: В 14 т М МИФИ, Т 12 2003 С 125-126

37.Леонова Н М , Новосадова Е.Г Перспективы развития программного обеспечения информационных систем дистанционного обучения в приложении к задаче анализа успеваемости учащихся // Научная сессия МИФИ-2003 Сб. научных тр : В 14 т М МИФИ, Т. 12 2003 С. 122-123 38 Леонова Н М , Модяев А Д Методы адаптивного управления проведением учебных занятий в реальном времени // Информационные технологии в

образовании Сб тр. XIV Международной конференции-выставки, часть IV. М МИФИ, 2004 С 208-210

39.Леонова Н М , Модяев А Д Многофункциональная тестирующая система электронного образовательного ресурса // Научная сессия МИФИ-2004- Сб. научных тр В 15 т М.. МИФИ, Т.12 2004. С 145-146

40 Леонова Н М, Модяев А Д Теоретико-множественный подход к формированию системы адаптивного структурно-параметрического управления // Научная сессия МИФИ-2006 Сб научных тр. В 16 т М. МИФИ, Т.12 2006 С 24-25

41.ModyaevA, LeonovaN, GribatchV. The multimedia distance learning software. Proceedings of the second international conference on distance education World trade center Moscow, Russia, 1996, P 313-314

42.Modyaev A, Leonova N, Volokhova E Experimental education telecommunication media in the school - high school system. Proceedings of the second international conference on distance education World trade center Moscow, Russia, 1996 P. 348-349 -

I

Подписано к печати У.5". О •/. 2007 г Заказ АЛ £ Тираж !00 экз Типография МИФИ 115409, Москва, Каширское шоссе, 31

Введение.

1. Применение принципов адаптивного управления для создания электронных информационно-образовательных сред нового поколения.

1.1. Основы информатизации образовательной деятельности

1.2. Поддержка профессиональной деятельности преподавателей с использованием электронных информационно- образовательных сред.

1.3. Показатели качества и критерии оценки эффективности учебного процесса.

1.4. Адаптивные электронные информационно-образовательные среды: кибернетический подход.

1.5. Формирование многоканальной параметрически адаптивной системы управления учебным процессом.

Выводы по первой главе.

2. Исследование статических и динамических характеристик подсистемы «обучаемый» как объекта управления с применением методов кластерного анализа.

2.1. Декомпозиция подсистемы «обучаемый» по видам учебных занятий.

2.2. Способы измерения величины уровня знаний и классификации обучаемых.

2.3. Исследование характеристик лекционного вида занятий по результатам параметрически адаптивного управления учебным процессом.

2.4. Исследование характеристик внелекционных видов занятий по результатам параметрически адаптивного управления учебным процессом.

2.5. Исследование характеристик подсистемы «обучаемый» и взаимосвязи различных видов учебных занятий.

Выводы по второй главе.

3. Разработка имитационных математических моделей подсистемы обучаемый» как объекта управления.

3.1. Стохастическая модель лекционного вида учебных занятий

3.2. Проверка адекватности стохастической модели лекционного вида учебных занятий.

3.3. Стохастические модели внелекционных видов учебных занятий.

3.4. Проверка адекватности стохастических моделей внелекционных видов учебных занятий.

3.5. Обобщенная математическая модель подсистемы «обучаемый».

Выводы по третьей главе.

4. Синтез многосвязных систем адаптивного структурнопараметрического управления идентификационного типа.

4.1. Структуры систем адаптивного управления.

4.2. Формализация задачи адаптивного управления с пробными воздействиями.

4.3. Формирование параметрически адаптивных систем управления учебным процессом.

4.4. Методика синтеза систем адаптивного структурно-параметрического управления учебным процессом.

4.5. Формирование алгоритмов кластеризации и структурно-параметрической адаптации.

4.6. Выбор структуры многоканальных цифровых фильтров

4.7. Оптимизация параметров цифровых фильтров.

Выводы по четвертой главе.

5. Средства информационной поддержки адаптивной системы управления учебным процессом.

5.1. Структура системы информационной поддержки.

5.2. Оценка показателей качества наборов тестовых заданий для измерительного устройства.

5.3. Банк тестовых заданий для измерительного устройства

5.4. Банк задач и заданий для выполнения внелекционных видов учебных занятий.

Выводы по пятой главе.

6. Комплексирование и экспериментальное исследование адаптивной информационно-образовательной среды.

6.1. Формирование адаптивной информационно-образовательной среды, инвариантной к предметной области.

6.2. Комплексирование программно-аппаратных средств адаптивной информационно-образовательной среды для очной формы образовательной деятельности.

6.3. Экспериментальное исследование адаптивной информационно-образовательной среды.

6.4. Сетевая адаптивная среда учебного назначения для различных видов образовательной деятельности.

Выводы по шестой главе.

Общая характеристика работы. Диссертационная работа посвящена решению крупной проблемы социальной кибернетики, заключающейся в экспериментальном исследовании и разработке принципов построения, основ теории и методов формирования адаптивных информационно-образовательных сред нового поколения, обладающих высокой степенью автономности и эффективно поддерживающих профессиональную деятельность преподавателей.

Актуальность работы. В настоящее время в различных областях социальной сферы при решении задач обработки информации и управления широко используются компьютерные средства. Отличительной особенностью создаваемых здесь информационно-управляющих систем является наличие многоканального режима управления, который обеспечивает индивидуальное взаимодействие с каждым из объектов той или иной социальной группы. Однако переход от решения отдельных задач вспомогательного характера к постановке и разрешению крупных комплексных проблем управления в социальной сфере сдерживается отсутствием или недостаточно глубокой проработкой теории и методов построения систем управления рассматриваемого класса. Все сказанное в полной мере относится и к образовательной деятельности.

В процессе обучения имеет место целенаправленное взаимодействие между преподавателем и обучаемым с использованием соответствующих учебно-методических материалов. Это взаимодействие осуществляется в течение цикла обучения в рамках электронной информационно-образовательной среды. С позиций теории управления обучаемый является сложным объектом, обладающим многосвязными характеристиками и трудно поддающимся формализации. В этих условиях при формировании системы управления учебным процессом, поддерживающей профессиональную деятельность преподавателей, целесообразно воспользоваться основополагающими кибернетическими принципами адаптации, самонастройки и самоорганизации. Недостаток информации об объекте управления будет восполняться за счет применения методов его идентификации.

Состояние проблемы. Основополагающий вклад в разработку теории адаптивного управления и идентификации объектов и систем внесли отечественные и зарубежные ученые Я.З.Цыпкин [156], Б.Н.Петров [118, 122], А.А.Красовский [61, 139], А.Л.Фрадков [30, 110, 153], Ю.М.Козлов и Р.М.Юсупов [54], Р.Беллман [14], Дж. Саридис [130], П.Эйкхофф [162], П.Гроп [28], Э.П.Сейдж и Дж.Л.Мелса [131], I.D.Landau [189, 190], G.Tao [205]. В выполненных ими работах развиваются методы построения адаптивных систем управления на основе принципов самонастройки, самоорганизации и идентификации объектов управления. Поскольку полученные результаты относятся преимущественно к технической сфере, требуется их дальнейшее развитие и обобщение для использования в социальной сфере деятельности. Основные трудности здесь заключаются в следующем. Во-первых, в социальной сфере при математическом описании динамики процессов, объектов и систем практически не удается использовать классические подходы, такие как методы теории пространства состояний. Поэтому необходимо искать иные, теоретико-множественные подходы к решению данной задачи, на основе которых удастся выявить признаки, характеризующие как статические, так и динамические свойства рассматриваемых процессов и объектов. На основе этих же подходов следует решать задачи идентификации объектов управления, которые часто оказываются многосвязными. Во-вторых, аналитическое решение задачи оптимизации показателя качества при синтезе законов адаптации и управления не представляется возможным из-за отсутствия математического описания процессов управления в виде дифференциальных или разностных уравнений. Поэтому оптимизацию режимов достижения целей управления необходимо проводить с использованием компьютерных моделей управляемого процесса. В-третьих, значительные трудности встречаются при измерении тех величин, которые должны использоваться при формировании контуров адаптации и управления, поскольку они часто оказываются латентными. О возрастающем интересе к решению задач адаптивного управления в социальной сфере свидетельствует значительное увеличение количества публикаций [16, 36-37, 39, 42, 56, 66, 126, 145, 151, 160, 168, 207, 210], посвященных данной теме. Тем не менее, в настоящее время социальная кибернетика находится в начальной стадии своего развития.

Разработка методов социальной кибернетики позволяет формировать многофункциональные адаптивные информационно-образовательные среды нового поколения, обладающие свойствами инвариантности к различным видам образовательной деятельности и к контингенту обучаемых, а также высокой степенью автономности, что дает возможность повысить качество и эффективность учебного процесса. Этим обуславливается важность и актуальность данной работы.

Диссертационная работа подготовлена на основе многолетних исследований автора в области информатизации образования, выполненных в Московском инженерно-физическом институте (государственном университете), в том числе фундаментального научного исследования, выполненного по заданию Министерства образования и науки РФ на тему «Исследование и создание математических методов обработки информации и управления с использованием интеллектуальных средств поддержки принятия решения», номер гос. регистрации 0120.0506957, 2001-2006 гг.

Объектом исследования являются процессы многофункциональной компьютерной поддержки профессиональной деятельности преподавателей в ходе учебного процесса.

Предметом исследования выступает методология создания информационно-образовательных сред нового поколения, обеспечивающих взаимодействие обучаемых с электронными образовательными ресурсами в режиме адаптивного структурно-параметрического управления.

Целью диссертационной работы является решение крупной научной проблемы, заключающейся в экспериментальном исследовании и разработке теории, методов и средств адаптивного структурно-параметрического управления и идентификации многосвязных социальных объектов на примере образовательной деятельности, имеющей важное хозяйственное и социально-культурное значение.

Для достижения поставленной цели в работе решаются следующие основные задачи:

• разработка принципов построения и выбор структуры адаптивных электронных информационно-образовательных сред, обеспечивающих многофункциональную поддержку профессиональной деятельности преподавателей в условиях инвариантности к видам образовательной деятельности и к уровням подготовки обучаемых;

• формирование показателей качества, частных и обобщенных критериев оценки эффективности процессов управления взаимодействием обучаемых с электронными образовательными ресурсами;

• разработка измерительного устройства с адаптивным тестированием, предназначенного для оценивания латентного параметра - уровня знаний обучаемых, используемого при формировании контура адаптации;

• проведение статистической обработки экспериментальных данных, получаемых при параметрически адаптивном управлении учебным процессом, с целью выявления характеристик многосвязности, статики и динамики обучаемых как объекта управления;

• создание имитационных математических моделей обучаемого, отражающих его поведение в процессе выполнения различных видов учебных занятий в условиях изменения уровня интенсивности входных воздействий;

• разработка теоретических основ нового класса адаптивных систем идентификационного типа с пробными воздействиями для управления многосвязными динамическими объектами, допускающими как классическую, так и кластерную форму представления исходных моделей;

• разработка методов синтеза законов структурно-параметрической адаптации и управления многосвязными динамическими объектами с использованием кластерных моделей и цифровых фильтров;

• разработка методов выбора структуры и оптимизации параметров цифровых фильтров по выбранному критерию на основе компьютерного моделирования с использованием имитационных моделей различных видов учебных занятий, законов адаптации и управления;

• разработка методов и средств информационной поддержки учебного процесса в виде взаимодействующих между собой системы управления банка структурированных учебно-методических материалов и банка данных;

• комплексирование программно-аппаратных средств и проведение экспериментальных исследований для сравнительного анализа показателей качества адаптивной информационно-образовательной среды в режиме структурно-параметрического управления в условиях реального учебного процесса;

• создание научно обоснованной методологии построения многофункциональных сетевых информационно-образовательных сред нового поколения на основе применения принципов адаптации, самонастройки и самоорганизации.

Результаты решения поставленных в работе задач могут быть также использованы в иных областях социальной деятельности, а также в технических приложениях.

Методы исследования. При решении поставленных задач использовались методы математической статистики, методы кластерного анализа, методы имитационного моделирования, теория адаптивного управления, методы цифровой фильтрации, методы численной оптимизации, методы адаптивного тестирования, основы теории баз и банков данных.

Научная новизна результатов работы заключается в следующем:

• впервые теоретически обоснованы и реализованы на примере образовательной деятельности принципы и методы адаптивного структурно-параметрического управления многосвязными социальными объектами;

• выявлены неизвестные ранее закономерности и свойства поведения обучаемых как многосвязных объектов управления по результатам статистической обработки экспериментальных данных, полученных в ходе реального учебного процесса;

• введена кластерная форма представления математических моделей обучаемых при проведении различных видов учебных занятий, выявлены свойства и параметры взаимосвязи кластеров. Установлено, что каждый из кластеров отражает как статические, так и динамические характеристики моделей поведения обучаемых;

• впервые созданы имитационные математические модели управляемого учебного процесса, использующие экспериментально полученные для каждого из кластеров функции распределения плотности вероятностей выходных величин в виде гистограмм;

• разработаны теоретические основы нового класса адаптивных систем идентификационного типа с пробными воздействиями для управления многосвязными динамическими объектами, допускающими как классическую, так и кластерную форму представления исходных моделей;

• поставлена и решена задача синтеза законов структурно-параметрической адаптации и управления многосвязными динамическими объектами с использованием кластерных моделей и дискретных корректирующих устройств в виде цифровых фильтров;

• поставлены и решены задачи выбора структуры и оптимизации параметров цифровых фильтров по выбранному критерию на основе компьютерного моделирования с использованием имитационных моделей различных видов учебных занятий, законов адаптации и управления;

• разработана научно обоснованная методология построения многофункциональных сетевых информационно-образовательных сред нового поколения на основе применения принципов адаптации, самонастройки и самоорганизации.

Практическая значимость результатов работы определяется тем, что:

• разработано измерительное устройство с адаптивным тестированием, обеспечивающее систематическое оценивание уровня знаний обучаемых, приобретаемых в ходе учебного процесса. Введение контура адаптации в измерительное устройство способствует достижению приемлемых характеристик тестирования при одновременном сокращении объемов тестовых заданий и снижении нагрузки на обучаемых;

• разработаны средства информационной поддержки учебного процесса в виде управляемых электронных образовательных ресурсов. Информационное наполнение средств поддержки включает в себя структурированные учебно-методические материалы для тестирования обучаемых и проведения различных видов учебных занятий;

• создан банк данных, содержащий наборы тестовых заданий, задач и заданий различных уровней сложности, предназначенных для выполнения учебных занятий, а также справочные и методические материалы;

• разработаны способы аттестации тестовых заданий по критериям соответствия заявленной и реальной сложности, дискриминативности и валидности, что позволяет формировать наборы тестовых заданий с заданными характеристиками;

• проведено комплексирование программно-аппаратных средств адаптивной информационно-образовательной среды, используемой при очной форме образовательной деятельности. Показано, что эти средства могут быть применены при проведении учебного процесса при других формах образовательной деятельности, в частности, при вечерней, очно - заочной и дистанционной формах обучения, а также в режиме экстерната;

• создана методология построения многофункциональных сетевых информационно-образовательных сред нового поколения, обладающих высокой степенью автономности, - SPACEL (Structural Parametric Adaptive Control of Electronic Learning) - технология. Ее применение позволяет формировать адаптивные информационно-образовательные среды, эффективно поддерживающие профессиональную деятельность преподавателей.

Основные положения, выносимые на защиту:

• принципы формирования адаптивных информационно-образовательных сред, обеспечивающих эффективную поддержку профессиональной деятельности преподавателей в условиях высокой степени автономности, инвариантности к видам образовательной деятельности, к уровню подготовки обучаемых и к используемым электронным образовательным ресурсам;

• способы измерения уровня знаний обучаемых на основе адаптивного тестирования с использованием многоинтервального классификатора, образующего контур местной обратной связи;

• кластерные модели обучаемых как многосвязных объектов управления, отражающие статические и динамические характеристики поведения обучаемых при различных видах учебных занятий;

• обобщенная математическая модель управляемого учебного процесса, включающая имитационные модели различных видов учебных занятий, законы адаптации и управления;

• обоснование нового класса адаптивных систем идентификационного типа с пробными воздействиями для управления многосвязными динамическими объектами с использованием классических и кластерных моделей;

• методы синтеза адаптивного структурно-параметрического управления многосвязными динамическими объектами по заданному критерию качества с использованием кластерных моделей и цифровых фильтров;

• методы информационной поддержки адаптивной системы управления учебным процессом и аттестации тестовых заданий по критериям соответствия уровней сложности, дискриминативности и валидности;

• объектно-ориентированная методология построения многофункциональных сетевых адаптивных информационно-образовательных сред нового поколения на основе разработанной SPACEL-технологии.

Достоверность разработанных основ теории, методов, средств и методологии создания адаптивных информационно-образовательных сред обеспечивается применением различных видов математического аппарата, адекватностью моделей, совпадением экспериментальных данных с расчетными и подтверждается актами о внедрении основных результатов работы в ряде высших учебных заведений, научно-исследовательских и научно-производственных организаций.

Реализация и внедрение результатов работы. Научные результаты, полученные в диссертационной работе в виде теоретических основ и принципов построения адаптивных систем управления и идентификации многосвязных объектов, моделей, методов, методик, алгоритмов и программных комплексов используются в вузах: Московском инженерно-физическом институте (государственном университете), Тверском государственном техническом университете, Тульском государственном университете, Астраханском государственном техническом университете; в научно-исследовательской организации ЗАО НИИ Центрпрограммсистем; в научно-производственной организации ГУП МосНПО «Радон» и негосударственном образовательном учреждении «Международный центр финансово-экономического развития». Всего имеется 7 актов о внедрении.

Апробация работы. Основные результаты диссертационных исследований докладывались и обсуждались на международных и всероссийских конференциях и семинарах, в том числе на:

1. Всесоюзной научно-методической конференции "Интенсификация учебного процесса в высшей школе на базе микропроцессорных вычислительных систем" (Москва, 1986).

2. Конференции "Телекоммуникации и новые информационные технологии в системе лицей -ВУЗ" (Москва, МИФИ, 1995).

3. IV Международной конференции-выставке "Информационные технологии в образовании" (Москва, 1995).

4. V Санкт-Петербургской международной конференции "Региональная информатика-96" (Санкт-Петербург, 1996).

5. Международной научно-методической конференции "Новые информационные технологии в университетском образовании" (Новосибирск, Академгородок, 1996).

6. The second international conference on distance education. (World trade centre, Moscow, Russia, 1996).

7. Конференции "Телекоммуникации и новые информационные технологии в системе лицей -ВУЗ" (Москва, МИФИ, 1997).

8. Конференции "Телематика 97" (Санкт-Петербург, 1997).

9. VII, VIII Международной конференции-выставке "Информационные технологии в образовании" (Москва, 1998,1999).

10.Научных сессиях МИФИ-98, 99, 2000, 2001, 2002, 2003, 2004, 2005, 2006 (Москва, МИФИ, 1998,1999, 2000,2001,2002,2003, 2004, 2006).

11.Научно-методическом семинаре «Актуальные проблемы информатики в современном российском образовании» (Москва, МГУ, 2005).

Публикации. Всего по теме диссертации опубликовано 88 работ, из них 85 печатных трудов, в том числе 3 монографии и 5 статей в журналах, рекомендованных ВАК для публикации основных результатов работы, 13 учебных пособий и компьютерных учебников.

Структура и объем работы. Диссертация состоит из введения, шести глав, заключения, списка литературы из 210 наименований и приложения.

Выводы по шестой главе

6.1. Определены способы многоканального взаимодействия адаптивной системы управления с различными электронными образовательными ресурсами, каждый из которых поддерживает учебный процесс по той или иной дисциплине. В этом случае адаптивная система управления будет инвариантна к используемым электронным образовательным ресурсам. В результате будет иметь место многоканальность адаптивной системы управления по отношению как к обучаемым, так и к изучаемым дисциплинам.

6.2. Проведено комплексирование программно-аппаратных средств адаптивной информационно-образовательной среды, используемой при очной форме образовательной деятельности. Показано, что эти средства могут быть применены при проведении учебного процесса при других формах образовательной деятельности, в частности, при вечерней, очно -заочной и дистанционной формах обучения, а также в режиме экстерната.

6.3. Проведено экспериментальное исследование адаптивной информационно - образовательной среды в условиях реального учебного процесса. Подтверждено повышение на 4% - 18% уровня знаний, умений и навыков обучаемых в зависимости от принадлежности к тому или иному L-кластеру при использовании цифровых фильтров, реализующих пропорционально-интегральный закон управления, по сравнению с пропорциональным законом управления. Полученные результаты свидетельствуют о том, что применение системы адаптивного структурно-параметрического управления электронными образовательными ресурсами в составе информационно-образовательной среды обеспечивает повышение показателей качества учебного процесса при одновременном снижении нагрузки на преподавателей.

6.4. Создана научно обоснованная методология построения многофункциональных сетевых информационно-образовательных сред нового поколения на основе применения принципов адаптации, самонастройки и самоорганизации - SPACEL (Structural Parametric Adaptive Control of Electronic Learning) - технология. Ее применение позволяет формировать адаптивные информационно-образовательные среды, эффективно поддерживающие профессиональную деятельность преподавателей.

308

ЗАКЛЮЧЕНИЕ

В результате проведенных исследований решена важная проблема социальной кибернетики, заключающаяся в разработке принципов построения, основ теории и методов формирования адаптивных информационно-образовательных сред нового поколения, эффективно поддерживающих профессиональную деятельность преподавателей при различных уровнях подготовки обучаемых и инвариантных к видам образовательной деятельности. Выполненные экспериментальные исследования позволили выявить ранее неизвестные свойства и характеристики моделей поведения обучаемых как многосвязных объектов управления. На их основе проведено обобщение и развитие теории адаптивного управления применительно к новому классу адаптивных систем идентификационного типа, реализующих режим структурно-параметрического управления многосвязными объектами.

Сформулируем основные результаты, полученные при выполнении данной работы.

1. Проведен системный анализ информационно-образовательной среды, образуемой взаимодействующими между собой преподавателем, обучаемым и учебно-методической компонентой, при различных формах образовательной деятельности. Исследовано и обосновано включение в состав информационно-образовательной среды многоканальной системы управления, поддерживающей ряд функций, выполняемых преподавателем, и учебно-методической компоненты в виде электронного образовательного ресурса, что позволяет перераспределить интенсивности информационных потоков. В результате за счет повышения интенсивности взаимодействия обучаемого с электронным образовательным ресурсом будет достигаться снижение нагрузки на преподавателя. Использование в системе управления принципов адаптации придает информационно-образовательной среде новые свойства и способствует повышению качества обучения.

2. Сформированы и обоснованы показатели качества и обобщенные критерии эффективности функционирования информационно-образовательной среды при различных видах образовательной деятельности. На основе этих показателей вводятся как частные, так и обобщенные критерии, предназначенные для выбора цели управления и синтеза законов адаптации и управления. Данные показатели качества и критерии позволяют оценивать процесс обучения при различных способах управления.

3. Исследованы и разработаны принципы построения параметрически адаптивных систем управления учебным процессом, основанные на декомпозиции многосвязных моделей обучаемого как объекта управления по видам учебных занятий. При этом контур адаптации формируется с использованием лекционного вида учебных занятий. Входящее в состав контура адаптации измерительное устройство определяет текущий уровень знаний обучаемого и соответствующий ему рейтинг. Канал управления предназначен для проведения внелекционных видов учебных занятий. В его состав входят задатчик воздействий, устройство управления и объект управления - обучаемый. При использовании пропорционального П-закона управления будут вырабатываться управляющие воздействия в виде задач и заданий с уровнями сложности и объемами, соответствующими текущему рейтингу обучаемого.

4. Автором предложено измерительное устройство с адаптивным тестированием, используемое для оценивания латентного параметра -уровня знаний, приобретаемых обучаемыми после проведения лекционного вида учебных занятий. Входящий в измерительное устройство многоинтервальный классификатор устанавливает текущий рейтинг обучаемых. В результате образуется контур местной обратной связи, с помощью которого подбирается необходимый уровень сложности тестовых заданий для каждого из обучаемых. Введение контура адаптации в измерительное устройство способствует достижению приемлемых характеристик формируемых оценок значений уровней знаний обучаемых при одновременном сокращении объемов тестовых заданий и снижении нагрузки на обучаемых в процессе тестирования.

5. Выполнена статистическая обработка большого количества экспериментальных данных, полученных в течение ряда лет при проведении учебного процесса с несколькими группами обучаемых с использованием параметрически адаптивной системы управления. В результате выявлены неизвестные ранее закономерности и свойства моделей поведения обучаемых при проведении различных видов учебных занятий. С учетом ряда признаков при проведении лекционного вида учебных занятий выявлены L-кластеры, при проведении внелекционных видов учебных занятий выявлены SW-кластеры, а с учетом всех видов учебных занятий выявлены обобщенные G-кластеры. Внутри каждого из кластеров обучаемые проявляют сходные характеристики поведения. Установлено, что каждый из кластеров отражает не только статические, но и динамические характеристики моделей поведения принадлежащих к нему обучаемых. Определены свойства и параметры взаимосвязи L-, SW- и G-кластеров.

6. Предложены, исследованы и обоснованы имитационные математические модели лекционного и внелекционных видов учебных занятий, формирующие последовательности значений уровней знаний, умений и навыков, приобретаемых обучаемыми в ходе учебного процесса. Модели используют экспериментально полученные для каждого из кластеров функции распределения плотности вероятностей выходных величин в виде соответствующих гистограмм. На примере виртуальной учебной группы подтверждена адекватность построенных математических моделей. Показано совпадение результатов L-, SW- и G-кластеризации обучаемых в виртуальной группе с соответствующими параметрами реальных кластеров. Построенные имитационные математические модели позволяют использовать методы компьютерного моделирования для определения показателей качества при различных законах адаптации и управления.

7. Разработаны основы теории нового класса адаптивных систем идентификационного типа для управления многосвязными динамическими объектами. Здесь для идентификации части объекта управления используется пробное воздействие. На основе получаемой информации восстанавливаются характеристики объекта управления в целом и формируются управляющие воздействия, направленные на достижение цели управления. Дана математическая постановка и определены способы решения задачи дискретного адаптивного управления с использованием как классических, так и кластерных моделей многосвязных динамических объектов управления. Получены аналитические зависимости, связывающие цель управления с алгоритмами идентификации, адаптации и управления.

8. Разработана методика синтеза адаптивного структурно-параметрического управления многосвязными динамическими объектами с использованием кластерных моделей. Применительно к учебному процессу сформировано два способа построения систем управления. Первый из них использует L - кластеризацию, а второй - G - кластеризацию обучаемых. В обоих случаях в состав контура адаптации входят измерительное устройство, идентификатор кластера, цифровой фильтр с переменными структурой и параметрами, реализующий пропорционально-интегральный ПИ- и пропорционально-интегро-дифференциальный ПИД-законы управления. Сформированы алгоритмы кластеризации и структурно-параметрической адаптации. Устройство управления и задатчик воздействий остаются теми же, что и при параметрически адаптивном управлении.

9. Сформированы и исследованы структуры многоканальных нелинейных цифровых фильтров, осуществляющих динамическую обработку сигналов на основе ПИ- и ПИД-законов. В состав фильтров входят элементы задержки и логический блок, обеспечивающий переключение каналов фильтра в зависимости от уровней сигналов в каждом из них. Проведен анализ реакции двухканального фильтра, соответствующего ПИ-закону управления, при входном воздействии в виде синусоидального сигнала с постоянной составляющей. Показано, что данный цифровой фильтр обладает псевдолинейными характеристиками. Это позволяет расширить функциональные возможности законов адаптации и управления за счет низкочастотной фильтрации сигналов, отражающей механизм учета памяти при формировании управляющих воздействий.

10. Предложена и исследована методика оптимизации параметров цифровых фильтров по выбранному критерию на основе компьютерного моделирования учебного процесса с использованием разработанных имитационных моделей различных видов учебных занятий, законов адаптации и управления. Показано, что динамическая коррекция в виде ПИ-закона управления позволяет в большей степени повысить эффективность учебного процесса для обучаемых, принадлежащих к кластерам с наибольшими значениями среднеквадратического отклонения уровня знаний, умений и навыков. Достигаемые при этом значения показателей качества выше, чем при использовании П-закона управления.

11. Разработана структура и определено функциональное назначение средств информационной поддержки учебного процесса. Информационное наполнение средств поддержки включает в себя структурированные учебно-методические материалы для тестирования обучаемых и проведения с ними различных видов учебных занятий. Помимо хранения содержательного контента средства информационной поддержки обеспечивают поиск, формирование, передачу и сопровождение элементов структурированных учебно-методических материалов в соответствии с запросами, поступающими от адаптивной системы управления.

12. Проведена обработка экспериментальных данных, полученных в ходе адаптивного тестирования обучаемых после проведения лекционного вида учебных занятий. Подтверждено соответствие заявленной и реальной сложности большинства тестовых заданий. Получены методики оценки тестовых заданий по показателям дискриминативности и валидности, позволяющие проводить аттестацию заданий. Подтверждена корректность разработанных тестовых заданий, используемых в измерительном устройстве при формировании оценок уровней знаний обучаемых.

13. Проведено экспериментальное исследование адаптивной информационно - образовательной среды в условиях реального учебного процесса. Показано достоверное повышение уровня знаний, умений и навыков обучаемых при применении алгоритмов адаптации, использующих L-кластеризацию, и ПИ-законов управления по сравнению с параметрической адаптацией. Полученные результаты свидетельствуют о том, что применение системы адаптивного структурно-параметрического управления электронными образовательными ресурсами в составе информационно-образовательной среды обеспечивает повышение показателей качества учебного процесса при одновременном снижении нагрузки на преподавателей.

14. Создана научно обоснованная методология построения многофункциональных сетевых информационно-образовательных сред нового поколения на основе применения принципов адаптации, самонастройки и самоорганизации - SPACEL (Structural Parametric Adaptive Control of Electronic Learning) - технология. Ее применение позволяет формировать адаптивные информационно-образовательные среды, эффективно поддерживающие профессиональную деятельность преподавателей.

В результате использования кластерного подхода к исследованию и идентификации статических и динамических характеристик многосвязных объектов управления и замены аналитической оптимизации критериев качества на компьютерное моделирование при выборе законов адаптации и управления проведено обобщение теории адаптивного управления, что существенно расширяет класс исследуемых задач.

Разработанные основы теории и принципы адаптации, структуры, модели и алгоритмы могут быть использованы в различных областях социальной деятельности, например, при решении задач управления персоналом, а также в технических приложениях.

Сведения о практическом использовании полученных в работе научных результатов приводятся в Приложении в соответствующих актах.

315

1. Аванесов B.C. Математические модели педагогического измерения. - М.: Исследовательский центр проблем качества подготовки специалистов, 1994. -26 с.

2. Аванесов B.C. Научные основы тестового контроля знаний. М.: Исследовательский центр проблем качества подготовки специалистов, 1994. -135 с.

3. Аванесов B.C. Теоретические основы разработки заданий в тестовой форме: Пособие для профессорско-преподавательского состава высшей школы. М.: МГТА, 1995. - 95 с.

4. Адаптация и обучение в системах управления и принятия решений / Под ред. А.В. Медведева. Новосибирск, 1982. - 200 с.

5. Айнутдинов В.А., Белоусова С.Н., Леонова Н.М. Создание приложений в ACCESS: Учебное пособие. -М.: МИФИ, 2000. 115 с.

6. Александров А.Г. Оптимальные и адаптивные системы. М.: Высшая школа, 1989.-263 с.

7. Алексеев А.Н., Волков Н.И., Майорова Т.А. К вопросу о повышении достоверности оценки при тестовом контроле знаний // Открытое образование. 2004. - № 3. - С. 27-32.

8. Анин Б. Защита компьютерной безопасности. СПб.: BHV, 2000. - 384 с.

9. Атре Ш. Структурный подход к организации баз данных. М.: Финансы и статистика, 1983. - 313 с.

10. Ю.Базы данных. Интеллектуальная обработка информации / В.В. Корнеев, А.Ф. Гореев, С.В. Васютин, В.В. Райх. М.: Нолидж, 2000. - 352 с.

11. Барсуков B.C., Водолазский В.В. Современные технологии безопасности. -М.: Нолидж, 1999.-496 с.

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

13. Беллман Р. Процессы регулирования с адаптацией. М.: Наука, 1964. -360 с.

14. Бендат Дж., Пирсол А. Прикладной анализ случайных данных. / Пер. с англ. -М.: Мир, 1989.-540 с.

15. Брусиловский П.Л. Адаптивные и интеллектуальные технологии для сетевого обучения. http://ifets.ieee.org/russian/depository/BrusKaz1999IST.doc

16. Булыгин В.Г. Основы автоматизации процесса обучения. Йошкар-Ола, 2003.- 190 с.

17. Буль Е.Е. Обзор моделей студента для компьютерных систем обучения // Образовательные технологии и общество. 2003. - Т. 6, № 4. - С. 245-250.

18. Бусленко Н.П. Моделирование сложных систем. М.: Гл. ред. физ.-мат. лит. изд-ва «Наука», 1978. - 400 с.

19. Васильев В.И. Основы культуры адаптивного тестирования. М.: Икар, 2003. - 580 с.

20. Вентцель Е.С. Теория вероятностей. М.: Высшая школа, 2006. 575с.

21. Габитова В.Р. Методика контроля знаний в обучающих средах для формализованных предметных областей // Открытое образование. 2002. - № 5.-С. 34-41.

22. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. СПб.: Питер, 2000. - 384 с.

23. Гайдышев И. Анализ и обработка данных. Специальный справочник. -СПб.: Питер, 2002. 752 с.

24. Грановский В.А., Сирая Т.Н. Методы обработки экспериментальных данных при измерениях. Л.: Энергоатомиздат, 1990. - 288 с.

25. Грибач В.А., Леонова Н.М., Модяев А.Д. Адаптация сетевых информационных технологий дневной формы обучения применительно к дистанционному образованию // Телематика 97: Тр. Конференции. Санкт-Петербург, 1997.-С. 177-178.

26. Григорьев В.К. Корреляция типов пользователей и методов обучения в большой распределенной информационно-управляющей системе // Образовательные технологии и общество. 2003. - Т. 6, № 4. - С. 194-203.

27. Гроп Д. Методы идентификации систем. М.: Мир, 1979. - 294с.

28. Дейт К. Дж. Введение в системы баз данных / Пер. с англ. 7-е изд. - М.: Издательский дом Вильяме, 2002. - 1072 с.

29. Деревицкий Д.П., Фрадков А.Л., Прикладная теория дискретных адаптивных систем управления. М.: Наука, 1981. - 216 с.

30. Дуплик С.В. К вопросу о структуре учебного материала // Открытое образование. 2004. - №4. - С. 9-14.

31. Дюран Б., Оделл П. Кластерный анализ. -М.: Статистика, 1977. 128 с.

32. Енюков И.С. Методы оцифровки неколичественных признаков // Алгоритмическое и программное обеспечение прикладного статистического анализа: Ученые записки по статистике. М.: Наука, 1980. - Т. 36. - с. 309— 316.

33. Ермаков М.Г., Андреева J1.E. Вопросы разработки тестирующих программ // Информатика и образование. -1997. № 3. - С. 87-89.35.3айнутдинова J1.X. Создание и применение электронных учебников. -Астрахань: Изд-во «ЦНТЭП», 1999. 364 с.

34. Ивлиев М.К. Разработка тестовых заданий для компьютерного тестирования: Учебно-методическое пособие. М.: ИМПЭ им. А.С. Грибоедова, 2001. - 69 с.

35. Интероперабельные информационные системы: архитектуры и технологии / Д. Брюхов, В. Задорожный, JI. Калиниченко и др. // Системы управления базами данных. -1995. -№ 4. С. 96-113.

36. Информационные технологии в открытом образовании: Материалы международной конференции. М.: МЭСИ, 2001. - 457 с.

37. Калиниченко JI.A., Рыбкин В.М. Машины баз данных и знаний. М.: Наука, 1990.-226 с.

38. Карпенко М.П. Проблемы измерения знаний и образовательные технологии // Социально-политический журнал (социально-гуманитарные знания). -1998. № 6. - С. 207-212.

39. Кибернетика и проблемы обучения: Сборник переводов / Под ред. А.И. Берга. М.: Прогресс, 1970. - 389 с.

40. Киселев Б.Г., Леонова Н.М. Лабораторный практикум по курсу «Основы инженерного дела и техники вычислений на ЭВМ». М.: МИФИ, 1984. - 58 с.

41. Киселев Б.Г., Леонова Н.М. Методические указания к лабораторному практикуму по курсу «Основы инженерного дела» (раздел «Основы программирования»): Учебное пособие. М.: МИФИ, 1983. - 60 с.

42. Киселев Б.Г., Леонова Н.М. Опыт компьютеризации в физико-математической школе при вузе // Автоматизированные системы учебного назначения: Сб. научно-методических статей. -М.: МИФИ, 1989. С. 37-42.

43. Киселев Б.Г., Леонова Н.М. Организация использования ЭВМ в ходе компьютерного урока: Учебное пособие. М.: МИФИ, 1987. - 57 с.

44. КиселевБ.Г., Леонова Н.М. Педагогика сотрудничества и компьютеризация учебного процесса // Информатика и образование. 1990. -№2. - С. 73-74.

45. Классификация и кластер / Под ред. Дж. Вэн Райзина. М.: Мир, 1980. -390 с.

46. Когаловский М.Р. Абстракции и модели в системах баз данных. // Системы управления базами данных. -1998. -№ 4-5. С. 73-81.

47. Козлов Ю.М., Юсупов P.M., Беспоисковые самонастраивающиеся системы. М.: Наука, 1969. - 456 с.

48. Коннолли Т., Бегг К., Страчан А. Базы данных: проектирование, реализация и сопровождение / Пер. с англ. 2-е изд. - М.: Издательский дом Вильяме, 2000.-1102 с.

49. Концептуальный анализ состояния технологий образования / Под общей редакцией М.М. Благовещенской. М.: Издательский комплекс МГУПП, 2001. - 94 с.

50. Краснова Г.А., Беляев М.И., Соловов А.В. Технологии создания электронных обучающих средств. -М., 2001. 117 с.

51. Краснощеков П.С, Петров А.А. Принципы построения моделей. М.: Изд-воМГУ, 1983.-264 с.

52. Красовский А.А. Динамика непрерывных самонастраивающихся систем. М., 1963.-464 с.

53. Кречетников К.Г. Проектирование средств информационных технологий обучения // Образовательные технологии и общество 2002. - Т. 5, № 1. - С. 222-243.

54. Кручинин В.В., Молочко М.Ф. Система тестирования, основанная на генерации вопросов и тестовых заданий // Открытое образование. 2004. - № 4. - С. 30-35.

55. Кузнецов С. Операционные системы для управления базами данных // Системы управления базами данных. 1996. - № 3. - С. 95-102.

56. Куо Б. Теория и проектирование цифровых систем управления / Пер. с англ. М.: Машиностроение, 1986. - 448 с.

57. Курейчик В.М. Кравченко Ю.А. Перспективы применения современных информационных технологий для построения систем обучения // Открытое образование. 2005. - № 4. - С. 12-19.

58. Леонова Н.М. Методы разработки и применения многофункциональных сетевых электронных учебников: Дисс. . канд. тех. Наук. Москва, 1999. -145 с.

59. Леонова Н.М. Параметрически адаптивное управление образовательной деятельностью: монография / Под ред. А.Д. Модяева. М.: МИФИ, 2006. - 72 с. - (Серия «Социальная кибернетика»).

60. Леонова Н.М. Синтез алгоритмов адаптивного структурно-параметрического управления образовательной деятельностью: монография / Под ред. А.Д. Модяева. М.: МИФИ, 2006. - 64 с. - (Серия «Социальная кибернетика»),

61. Леонова Н.М., Айнутдинов В.А., Иванов А.Н. Учебное пособие "Проектирование баз данных", М., МИФИ, 1999, 76 с.

62. Леонова Н.М., Галанова Е.Г., ЛисенковИ.А. Реализация искусственной нейронной сети с использованием реляционных баз данных // Научная сессия МИФИ-2001: Сб. научных тр.: в 13 т. -М.: МИФИ, Т.2. 2001. С. 94-95.

63. Леонова Н.М., Галкин Е.Б. Разработка новых визуальных форм взаимодействия при дистанционном тестировании учащихся // Научная сессия МИФИ-2003: Сб. научных тр.: в 14 т. М.: МИФИ, 2003. - Т. 12. - С. 126-127.

64. Леонова Н.М., Густун О.Н., Овчинников В.Ю. Разработка сетевой интерактивной обучающей системы с использованием Web-технологий // Научная сессия МИФИ-2003: Сб. научных тр.: в 14 т. М.: МИФИ, 2003. -Т.12.-С. 133-135.

65. Леонова Н.М., Лисенков И.А. Интерактивное управление процессом обучения с использованием нейросетевой системы // Научная сессия МИФИ-2000: Сб. научных тр.: в 13 т. М.: МИФИ, 2000. - Т.2. - С. 98-100.

66. Леонова Н.М., Лисенков И.А. Практическое использование адаптивной системы обучения // Научная сессия МИФИ-2003: Сб. научных тр.: в 14 т.-М.: МИФИ, 2003.-Т.12.-С. 131-132.

67. Леонова Н.М., Лисенков И.А. Разработка адаптивной системы обучения // Научная сессия МИФИ-2002: Сб. научных тр.: в 14 т. М.: МИФИ, 2002. -Т.12.-С. 50-52.

68. Леонова Н.М., Лисенков И.А. Формирование систем оценки знаний и контроля успеваемости при дистанционной форме обучения // Научная сессия МИФИ-99: Сб. научных тр.: в 13 т. М.: МИФИ, 1999. - Т.7. - С. 69-70.

69. Леонова Н.М., Марковский М.В. Имитационные математические модели процессов адаптивного управления образовательной деятельностью: монография / Под ред. А.Д. Модяева. М.: МИФИ, 2006. - 116 с. - (Серия «Социальная кибернетика»).

70. Леонова Н.М., Марковский М.В. Проверка адекватности математической модели лекционного вида учебных занятий // Открытое образование. 2006. -№6.-С. 28-33.

71. Леонова Н.М., Марковский М.В. Формирование кластеров учащихся по результатам использования адаптивного электронного образовательного ресурса в учебном процессе // Открытое образование. 2005. - №4. - С. 3338.

72. ЛеоноваН.М., МодяевА.Д. Адаптивное управление учебным процессом, обеспечивающее многофункциональную поддержку профессиональной деятельности преподавателей // Открытое образование. 2004. - №6. - С. 2934.

73. ЛеоноваН.М., МодяевА.Д. Адаптивное управление учебным процессом, поддерживающее профессиональную деятельность преподавателей // Известия МАИ ВШ. 2005. -№1. - С. 151-159.

74. ЛеоноваН.М., МодяевА.Д. Адаптивные электронные образовательные ресурсы: кибернетический подход // Известия МАН ВШ. 2004. - №4. - С. 213-220.

75. Леонова Н.М., Модяев А.Д. Методологические и психолого-педагогические основы дистанционного обучения // Научная сессия МИФИ-98: Сб. научных тр.: в 11 т. М.: МИФИ, 1998. - Т.6. - С. 48-51.

76. ЛеоноваН.М., МодяевА.Д. Методология разработки и применения электронных учебников в вузе // Научная сессия МИФИ-99: Сб. научных тр.: в 13 т.-М.: МИФИ, 1999.-Т.7.-С. 71-72.

77. Леонова Н.М., Модяев А.Д. Методы адаптивного управления проведением учебных занятий в реальном времени // Информационные технологии в образовании: Сб. тр. XIV Международной конференции-выставки, часть IV. -М.: МИФИ, 2004. С. 208-210.

78. ЛеоноваН.М., МодяевА.Д. Методы разработки многофункциональных сетевых электронных учебников // Научная сессия МИФИ-2000: Сб. научных тр.: в 13 т. М.: МИФИ, 2000. - Т.2. - С. 95-97.

79. ЛеоноваН.М., МодяевА.Д. Многофункциональная тестирующая система электронного образовательного ресурса // Научная сессия МИФИ-2004: Сб. научных тр.: в 15 т. М.: МИФИ, 2004. - Т. 12. - С. 145-146.

80. Леонова Н.М., Модяев А.Д. Регионально-отраслевая подсистема дистанционного обучения в рамках школа-ВУЗ // Проблемы информатизации высшей школы. -1995. -№3. С. 4-1-4-2.

81. Леонова Н.М., Модяев А.Д. Теоретико-множественный подход к формированию системы адаптивного структурно-параметрического управления // Научная сессия МИФИ-2006: Сб. научных тр.: в 16 т. М.: МИФИ, 2006. - Т. 12. - С.24-25.

82. Леонова Н.М., Мясников А.А., Шумилин Н.Н. Разработка вычислительного модуля для многофункциональной сетевой обучающей системы // Научная сессия МИФИ-2003: Сб. научных тр.: в 14 т. М.: МИФИ, 2003.-Т. 12.-С. 125-126.

83. Леонова Н.М., Новосадова Е.Г. Информационные технологии в контроле и оценке результатов обучения // Научная сессия МИФИ-2002: Сб. научных тр.: в 14 т. М.: МИФИ, 2002. - Т. 12. - С. 98-99.

84. Леонова Н.М., Овчинников В.Ю., Хомичкова И.Э. Адаптивное обучение в системах дистанционного образования // Научная сессия МИФИ-2002: Сб. научных тр.: в 14 т. М.: МИФИ, 2002. - Т. 12. - С. 99-100.

85. Леонова Н.М., Серебрякова А.Г., ШишиловА.Н. Разработка подсистемы оценки знаний и контроля успеваемости учащихся для интерактивных сетевых обучающих систем // Научная сессия МИФИ-2000: Сб. научных тр.: в 13 т. М.: МИФИ, 2000. - Т.2. - С. 92-94.

86. Леонова Н.М., Слотин А.Ю. Машинная графика в курсе «Основы информатики и вычислительной техники»: Учебное пособие. М.: МИФИ, 1987.-23 с.

87. Льюнг Л. Идентификация систем. Теория для пользователя. М.: Наука, 1991.-432 с.

88. Майоров А.Н. Теория и практика создания тестов для системы образования. (Как выбирать, создавать и использовать тесты для целей образования). М.: Интеллект-центр, 2001. - 296 с.

89. Мандель И.Д. Кластерный анализ М.: Финансы и статистика, 1988. - 176 с.

90. Манифест систем объектно-ориентированных баз данных / М. Аткинсон, Ф. Бансилон, Д. Де Витт, К. Дитрих, Д. Майер, С. Здоник // Системы управления базами данных. -1995. № 4. - С. 142-155.

91. Матюхин В.М., Леонова Н.М. Регионально-отраслевая телекоммуникационная сеть Х-Атом и особенности ее использования // Региональная информатика-96: Тр. V Санкт-Петербургской международной конференции. -Санкт-Петербург, 1996.-С. 89-90.

92. Мейер Д. Теория реляционных баз данных / Пер. с англ. М.: Мир, 1987.-608 с.

93. Методы робастного, нейро-нечеткого и адаптивного управления / Под ред. Н.Д. Егупова. 2-е изд., стер. - М: Изд-во МГТУ им. Н.Э. Баумана, 2002.- 744 с.

94. Мигунов В.О. Проблемы развития адаптивного тестирования // Вопросы тестирования в образовании 2003. - № 8. - С. 102-104.

95. Миркин Б.Г. Анализ качественных признаков и структур. М.: Статистика, 1980. - 320 с.

96. Миркин Б.Г. Группировки в социально-экономических исследованиях.- М.: Финансы и статистика, 1985. 224 с.

97. Миркин Б.Г. Метод главных кластеров // Автоматика и телемеханика. -1987.-№ 10.-С. 131-142.

98. Миронова Е.А. Дискриминативность как показатель качества тестовых заданий // XIII международная конференция «Информационные технологии в образовании»: Сборник трудов участников конференции. Часть V. М.: Просвещение, 2003. - С. 315-316.

99. Мирошник И.В., Никифоров В.О., Фрадков A.J1. Нелинейное и адаптивное управление сложными динамическими системами. СПб.: Наука, 2000. - 562 с.

100. Модель преподавателя в системе дистанционного обучения по техническим наукам / С.Н. Попов, Д.А. Антонюк, Е.И. Комличенко, Т.В. Попова // Открытое образование. 2004. - № 6. - С. 75-81.

101. МодяевА.Д., Леонова Н.М. Непрерывное разноуровневое образование на основе использования телекоммуникационных технологий // Региональная информатика-96: Тр. V Санкт-Петербургской международной конференции. -Санкт-Петербург, 1996.-С. 274-275.

102. Мэтьюз Дж. Г., Финк К. Д. Численные методы. Использование MATLAB. 3-е изд. - СПб.: Вильяме, 2001. - 720 с.

103. Нохрина Н.Н. Тест как общенаучный диагностический метод // Социологические исследования. 2005. - № 1. - С. 118-126.

104. Павловский Ю.Н. Имитационные системы и модели. М.: Знание, 1990. -46 с.

105. Пак Н.И., Филиппов В.В. О технологии создания компьютерных тестов // Информатика и образование. -1997. № 5. - С. 19-24.

106. Петров Б.Н., Рутковский В.Ю., Земляков С.Д. Адаптивное координатно-параметрическое управление нестационарными объектами. М.: Наука, 1980. -243 с.

107. Плотинский Ю.М. Модели социальных процессов: Учеб. пособие для вузов. 2-е изд., перераб. и доп. - М.: Логос, 2001. - 296 с.

108. Половко A.M. Компьютерные технологии оценки знаний методами тестирования // Информационные технологии. 2004. - № 8. - С. 46-51.

109. Попов Д.И. Подсистема адаптивного тестирования среды дистанционного обучения // XII конференциия-выставка «Информационные технологии в образовании»: Сборник трудов участников конференции. Часть V. М.: МИФИ, 2002. - С. 45-47.

110. Принципы построения и проектирования самонастраивающихся систем управления / Б.Н. Петров, В.Ю. Рутковский, И.Н. Крутова, С.Д. Земляков -М.: Машиностроение, 1972. 260 с.

111. Пушечкин Н.П. Создание банка данных тестовых заданий // XII конференциия-выставка «Информационные технологии в образовании»: Сборник трудов участников конференции. Часть V. М.: МИФИ, 2002. - С. 47-48.

112. Раушенбах Г.В. Об измерении близости между множествами в задачах кластер-анализа // Статистика. Вероятность. Экономика. М.: Наука, 1985. -С. 388-392.

113. Самарский А.А., Михайлов А.П. Математическое моделирование: Идеи. Методы. Примеры. 2-е изд., испр. - М.: Физматлит, 2001. - 320 с.

114. Самыловский А.И. Тест как объективный измерительный инструмент в образовании // Вопросы тестирования в образовании 2001. - № 1 - С. 10-39.

115. Саридис Дж. Самоорганизующиеся стохастические системы управления. М.: Наука, 1980. - 400 с.

116. Сейдж Э.П., Мелса Дж.Л. Идентификация систем управления. М.: Наука, 1974.-246 с.

117. Семенов В.В. Компьютерные технологии в дистанционном обучении. -М., 1997. 64 с. http://www.mgdtd.rU/snit/umk/fpk.l/Files/Books.html

118. Сеногноева Н.А. Показатели эффективности тестов учебной деятельности как технологическая основа их конструирования // Открытое образование. 2005. - № 4. - С. 19-26.

119. Сигалов А.В. Сергеев А.О. Применение инструментальных систем для автоматизированнного контроля знаний // Сборник: Компьютерные технологии в высшем образовании. М.: Изд-во Моск. ун-та, 1994. - С.234 -248.

120. Сидорова Д.Р. Рейтинговая система оценки знаний: Информ.-метод. пособие. Казань, 1993. - 12 с.

121. Соловов А.В., Меньшикова А.А. Дискретные математические модели в исследовании процессов автоматизированного обучения // Информационные технологии. 2001. - № 12. - С. 32-36.

122. Справочник по прикладной статистике / Пер. с англ.; Под ред. Э. Ллойда, У. Ледермана. Т.1 -М.: Фин. и стат., 1989. 510 с.

123. Справочник по прикладной статистике / Пер. с англ.; Под ред. Э. Ллойда, У. Ледермана. Т.2 М.: Фин. и стат., 1990. - 526 с.

124. Справочник по теории автоматического управления / Под ред. А.А. Красовского М.: Наука. Гл. ред. физ.-мат. лит., 1987. - 712 с.

125. Статистические методы для ЭВМ / Под ред. К. Энслейна, Э. Рэлстона, Г.С. Уилфа / Пер. с агл.; Под ред. М.Б. Малютова. М.: Наука. Гл. ред. физ.-мат. лит., 1986. - 464 с.

126. Сысоева J1.A. Международные стандарты на архитектуру систем, реализующих технологии обучения (LTSA) // Открытое образование. 2002. -№ 3. - С. 13-19.

127. Сысоева J1.A., Толстоусова В.Г. Дистанционные технологии обучения: стандарты, методики оценки знаний. М.: РГГУ, 2002. - 91 с.

128. Тавгень И.А. Информационно-коммуникационное обеспечение узла дистанционного обучения // Открытое образование. 2005. - № 5. - С. 48-52.

129. Таймэн Б., Эбен М. FreeBSD. Администрирование. Искусство достижения равновесия. -М.: ДиаСофт, 2005. 864 с.

130. Тархов С.В. Адаптивное электронное обучение и оценка его эффективности // Открытое образование. 2005. - № 5. - С. 37-47.

131. Титарев Д.Л., Егоров А.А. Защита информации в образовательных системах и средах // Открытое образование. 2003. - № 5. - С. 46-53.

132. Тихомирова Н.В. Проблемы оценки качества электронного обучения // Открытое образование. 2004. - № 1. - С. 27-32.

133. Тюрин Ю.Н., Макаров А.А. Анализ данных на компьютере / Под ред. В.Э. Фигурнова. 3-е изд., перераб. и доп. - М.: ИНФРА-М, 2003. - 544 с.

134. Уваров А.Ю. Электронный учебник: теория и практика. М.: Изд-во УРАО, 1999.-220 с.

135. Факторный, дискриминантныи и кластерный анализ / Дж.-О. Ким, Ч.У. Мюллер, У.Р. Клекка и др. / Пер. с англ.; Под ред. И.С. Енюкова. М.: Финансы и статистика, 1989.-215 с.

136. Феданов А.Н. Адаптивные обучающие системы: современное состояние и перспективы развития // Открытое образование. 2003. - № 6. - С. 56-63.

137. Фрадков А.Л. Адаптивное управление в сложных системах. М.: Наука, 1990.-296 с.

138. Хеттманспенгер Т. Статистические выводы, основанные на рангах. -М.: Финансы и статистика, 1987. 334 с.

139. Христочевский С.А. Электронные мультимедийные учебники и энциклопедии // Информатика и образование. 2000. - № 2. - С. 71-77.

140. Цыпкин Я.З. Адаптация и обучение в автоматических системах. М.: Наука, 1968.-400 с.

141. Челышкова М.Б. Адаптивное тестирование в образовании (теория, методология, технология). М.: Исследовательский центр проблем качества подготовки специалистов, 2001. - 165 с.

142. Челышкова М.Б. Теория и практика конструирования педагогических тестов. М.: Логос, 2002. - 432 с.

143. Шахгельдян К.И., Садон Е.В. Проблемы развития и внедрения системы тестирования в высшем учебном заведении // Открытое образование. 2006. - № 2. - С. 28-40.

144. Шмарион Ю. Адаптивная образовательная система: формальная модель // Высшее образование в России. 2003. - №6. - С.148-150.

145. Штейнберг Ш.Е. Идентификация в системах управления. М.: Энергоатомиздат, 1987.-81 с.

146. Эйкхофф П. Основы идентификации систем управления. М.: Мир, 1975. - 684 с.

147. Ядыкин И.В., Шумский В.М., Осепян Ф.А. Адаптивное управление непрерывными технологическими процессами. -М.: Энергоиздат, 1986.-240 с.

148. Amundsen С. The evolution of theory in distance education // Theoretical principles of distance education / Ed. by D. Keegan. London: Routledge, 1993.

149. Automatic test generation from a database / J.S. Williams, J. Maher, D. Spencer, D.J. Barry, E. Board // Computer-Assisted Assessment in Higher Education. London: Kogan Page, 1999. - P. 71-84.

150. Bickford D. Using Direct Linking Capabilities in Aggregated Databases for E-Reserves. // Proceedings of The Eleventh Off-Campus Library Services Conference / Ed. by P.B. Mahoney. Mount Pleasant, MI: Central Michigan University, 2004. - P. 21-31.

151. Casey A.M. Collection Development for Distance Learning // Journal of Library Administration. 2002. - Vol. 36, no. 3. - P. 59-72.

152. Chang, C.Y., Sheu, J.P. Design and Implementation of Ad Hoc Classroom and e-Schoolbag Systems for Ubiquitous Learning. // Proceedings of the IEEE International Workshop on Wireless and Mobile Technologies in Education. -Vaxjo, Sweden, 2002. P. 8-14.

153. Dess N., Pes B. A data model for structuring on-line learning material // Proc. of the 3rd Int'l. Conf. on Advanced Learning Technologies. IEEE CS, 2003. - P. 266-267.

154. Dodds P.V.W., Fletcher J.D. Opportunities for New "Smart" Learning Environments Enabled by Next Generation Web Capabilities // Journal of Education Multimedia and Hypermedia. 2004. - Vol. 13, no. 4. - P. 391-404.

155. Dym C.L., Ivey E.S. Principles of Mathematical Modelling. N.Y.: Academic Press, 1980.-256 p.

156. Gibbons A.S., Fairweather P.G. Computer-based Instruction: Design and Development. Englewood-Cliffs, N.J.: Educational Technology Publications, 1998.-543 p.

157. Griffiths P. OMR Scoring of Student Tests and Linkage to Database Records // Proceedings of the 2nd Annual CAA conference. Loughborough University, 1998. - P. 39-47.

158. Handbook of Modern Item Response Theory / Ed. by Win J. van der Linden, R.K. Hambleton. N.Y.: Springer-Verlag, 1997. - 510 p.

159. IEEE 1484.11.1 Draft 5 Draft Standard for Learning Technology Data Model for Content Object Communication. July 13, 2004. - 53 p. http://ltsc.ieee.org/wgll/files/IEEE1484.ll.lD5submitted.pdf

160. IEEE 1484.12.1-2002 Draft Standard for Learning Object Metadata. 44 p. http://www.ieee.org/wgl2/files/LOM148412lvlFinalDraft.pdf

161. IEEE P1484.1/D8, 2001-06-04 Draft Standard for Learning Technology -Learning Technology Systems Architecture (LTSA) 136 p. http://ltsc.ieee.org/wgl/files/IEEE148401D08LTSA.pdf

162. IMS Project http://www.imsproject.org

163. Isidori A. Nonlinear Control Systems. 3rd edit. - N.Y.: Springer-Verlag, 1995.-549 p.

164. Jacoby S.L.S, Kowalik J.S. Mathematical Modelling with Computers. -Englewood Cliffs, N.J.: Prentice Hall, Inc., 1980. 292 p.

165. Jung I. Technology Innovations and the Development of Distance Education: Korean Experience // Open Learning. 2000. - Vol. 15, no. 3. - P. 217-231.

166. Kaufman H., Bar-Kana I., Sobel K. Direct Adaptive Control Algorithms. -N.Y.: Springer-Verlag, 1994. 370 p.

167. Khalil H. Nonlinear Systems. 3rd edit. - Prentice Hall, 2002. - 750 p.

168. Khoshafian F. Storage management for persistent complex objects // Information Systems. -1990. Vol. 15, no. 3. - P. 303-320.

169. Krstic M., Kanellakopoulos I., Kokotovich P. Nonlinear and Adaptive Control Design. N.Y.: Wiley, 1995. - 576 p.

170. Kumar P.R., Varaiya P. Stochastic Systems: Estimation, Identification, and Adaptive Control. Prentice Hall, 1986. - 358 p.

171. Landau I.D. Adaptive Control: the Model Reference Approach. N.Y.: Dekker, 1979.-432 p.

172. Landau I.D., Lozano R., Saad M.M. Adaptive Control. N.Y.: Springer-Verlag, 1998.-580 p.

173. Learmont Т., Cattell R.G.G. An Object-Oriented Interface to a Relational Database // Object-Oriented Database System. 1991. - P. 157-167.

174. Logue S., Preece B. Instructional Support in the Changing Library Environment // Technical Services Quarterly. 1999. - Vol. 17, no. 1. - P. 13-22.

175. MacQueen J.B. Some Methods for Classification and Analysis of Multivariate Observations // Proceedings of the 5-th Berkeley Symposium on Mathematical Statistics and Probability. Berkeley: University of California Press, 1967.-Vol.1.-P. 281-297.

176. Modyaev A.D., Leonova N.M., Gribatch V.A. The multimedia distance learning software. The second international conference on distance education. World trade center Moscow, Russia, 1996, P. 313-314.

177. Modyaev A.D., Leonova N.M., Volokhova E.D. Experimental education telecommunication media in the school high school system. The second international conference on distance education. World trade center Moscow, Russia, 1996, P. 348-349.

178. Narenda К., Balakrishnan J. Adaptive Control using multiple models. IEEE Transactions on Automatic Control. -1997. - Vol. 42, no. 2. - P. 171-187.

179. Online Student Practice Quizzes and a Database Application to Generate Them / G. Randolph, D. Swanson, D. Owen, J. Griffin // Web-Based Instructional Learning. IRM Press, 2002 - P. 142-149.

180. Prezatarcon A. Virtual Library: A Real Library? // Staff and Educational Development International. 2002 - Vol. 6, no. 1. - P. 75-86.

181. Rapoport A. Mathematical Models in the Social and Behavioral Sciences // Contemporary sociology. -1986. November. - P. 872-873.

182. Rasch G. Probabilistic Models for Some Intelligence and Attainment Test. -Reprint. Chicago: University of Chicago Press, 1980. - 199 p.

183. Saaty T.L., Alexander J.M. Thinking with Models: Mathematical Models in the Physical, Biological and Social Sciences. Oxford: Pergamon, 1981. -181 p.

184. Sepulchre R., Jankovic M., Kokotovic P.V. Constructive Nonlinear Control. N.Y.: Springer-Verlag, 1996.-313 p.

185. Slotine J.J.E., Li W. Applied Nonlinear Control. Prentice Hall International Editions, 1991.-352 p.

186. Smith A. Web-Based Training // The Electronic Library. 1999. - Vol. 17, no. 5.-338 p.

187. Tao G. Adaptive control design and analysis. Wiley, 2003. - 637 p.

188. Vidyasagar M. Nonlinear Systems Analysis. 2nd edit. - Englewood Cliffs: Prentice-Hall, 1993.-498 p.

189. Wilson P. The Ins and Outs of Providing Electronic Reserves for Distance Learning Classes. // Proceedings of The Tenth Off-Campus Library Services Conference / Ed. by P.B. Mahoney. Mount Pleasant, MI: Central Michigan University, 2002. - P. 413-422.

190. WIPE A model for a web-based database-driven environment for teaching programming / V. Efopoulos, G. Evangelidis, V. Dagdilelis, T. Kaskalis // Proc. of the 3rd Int'l. Conf. on Advanced Learning Technologiesio.-IEEE-CS, 2003.-P. 472.

191. Wittmann J., Moller D.P.F. The content-graph as a basic data structure to manage authoring-and learning processes // Proc. of the 3rd Int'l. Conf. on Advanced Learning Technologies. IEEE CS, 2003. - P. 310-31 la.

192. Yang S.J.H. Context Aware Ubiquitous Learning Environments for Peer-to-Peer Collaborative Learning // Educational Technology and Society. 2006. - Vol. 9, no. l.-P. 188-201.