автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.13, диссертация на тему:Методы и средства построения систем дистанционного обучения для детей дошкольного возраста

На правах рукописи

Кториду Деспо

МЕТОДЫ И СРЕДСТВА ПОСТРОЕНИЯ СИСТЕМ ДИСТАНЦИОННОГО ОБУЧЕНИЯ ДЛЯ ДЕТЕЙ ДОШКОЛЬНОГО ВОЗРАСТА

Специальность: 05.13.13 -Телекоммуникационные системы и компьютерные сети

АВТОРЕФЕРАТ диссертации на соискание учёной степени кандидата технических наук

Санкт Петербург - 2004

Работа выполнена в Санкт-петербургском государственном электротехническом университете «ЛЭТИ» имени В.И. Ульянова (Ленина)

Научный руководитель -

кандидат технических наук, доцент Казак А.Ф.

Официальные оппоненты:

доктор технических наук, профессор Советов Б.Я. кандидат технических наук, доцент Никищенков С.А.

Ведущая организация - Российский государственный педагогический университет им. А.И. Герцена

Защита состоится « и^О^лЯ_ 2004 г. в часов на заседании

диссертационного совета Д 212.238.01 в Санкт-Петербургском государственном электротехническом университете «ЛЭТИ» имени В.И. Ульянова (Ленина) по адресу: 197376, Санкт-Петербург, ул. Проф. Попова 5.

С диссертацией можно ознакомиться в научной библиотеке университета.

Автореферат разослан « $ » 2004 г.

Ученый секретарь диссертационного совета

Ы±i

2.4% яя- я

is

Общая характеристика работы

Актуальность. Развитие средств телекоммуникации и, в частности, Интернет, существенным образом повлияло на концепции дистанционного обучения (distance learning). Традиционно дистанционное обучение применялось исключительно в системах высшего и профессионального образования, однако с развитием средств вычислительной техники, появлением высококачественных мультимедийных периферийных устройств и новых парадигм пользовательского интерфейса, таких как непосредственный доступ (direct manipulation), появилась техническая возможность расширить круг обучаемых за счёт учащихся младших классов школ и детей, посещающих дошкольные учреждения.

Это позволяет обеспечить индивидуальный подход путём автоматизированной разработки учебной программы для каждого ученика и возможностью автоматического контроля текущей успеваемости с последующей адаптацией учебного процесса к особенностям индивидуального восприятия дидактического материала.

Существующие системы дистанционного обучения, ориентированные на применение в школах, не могут быть использованы для детей дошкольного возраста по следующим причинам:

а) требуется более адаптированный к контингенту интерфейс системы, характеризующийся:

- отсутствием большого количества текстовых информационных блоков из-за отсутствия у дошкольников и учащихся начальных классов навыков чтения;

- использованием технологии «прямого доступа» (direct manipulation) и мультимедиа с использованием графических образов, пиктограмм, речевого ввода-вывода и т.д.;

б) сложность оценки результатов тестирования, связанная с уровнем знаний учащихся.

Таким образом, разработка системы дистанционного обучения со встроенной экспертной системой, построенной на дидактическом материале для дошкольных учреждений Кипра, является актуальной научно-технической задачей.

Использование систем дистанционного обучения со встроенной экспертной системой позволяет преодолеть эти трудности, накапливать и тиражировать практический опыт, внедрять обучение по индивидуальным планам с учётом индивидуальных особенностей восприятия для каждого ученика.

Цель работы. Цель данной работы состоит в разработке и реализации Системы дистанционного обучения, предназначенной для тестирования и развития познавательных процессов у детей Кипра дошкольного возраста.

Для достижения поставленной цели в работе были сформулированы и решены следующие задачи:

1) проведйн анализ современного состояния, перспектив и тенденций развития обучающих и контролирующих систем, в особенности систем дистанционного обучения.

2) Разработана трёхуровневая архитектура системы дистанционного обучения и предложена конфигурация технических средств

3) Разработаны алгоритмы и методика оценки знаний учащихся

4) Проведены экспериментальные исследования системы

Методы исследования. При выполнении работы были использованы теоретический аппарат построения экспертных систем, методики построения графических интерфейсов, аппарат проектирования баз данных реляционного типа.

Научная новизна и практическая ценность работы. Научная новизна заключается в разработке принципов построения н реализации систем ди

дошкольного и младшего школьного возраста. Отличительной особенностью развиваемого подхода является использование встроенной экспертной системы, в частности:

- - предложена архитектура системы дистанционного обучения, отличающаяся наличием встроенной экспертной системы:

- - предложена архитектура интеллектуального интерфейса, ориентированного на использование детьми дошкольного и младшего школьного возраста, у которых ещё не сформировались навыки чтения, и предложены методы.

- - исследованы возможные подходы к реализации систем дистанционного обучения детей дошкольного и младшего школьного возраста.

Разработана система дистанционного обучения, ориентированная на обучение детей дошкольного и младшего школьного возраста.

Достоиепность. Достоверность резулиаюв подтверждена экспериментальными исследованиями и результатами практической апробации.

Внедрение результатов . Разработанная в ходе научного исследования система обучения внедрена и в настоящее время используется для тестирования и обучения учащихся начальных классов кипрских школ и детей, посещающих старшие хругшы детских садов в рамках проекта, выполняемого кафедрой образования Интерколледжа (Кипр).

Апробация работы. Материалы диссертации были представлены на конференциях:

Despo Ktoridou, "IT in Early Childhood Education: Cognitive Testing". (Информационные технологии в детском образовании: когнитивные технологии). Presented at the European Conference on IT in Education, Pedagogical University, Nicosia, Cyprus (May, 2000);

Despo Ktoridou, "Methodology of building Educational Expert Systems for the Early Childhood Curriculum", (Методология построения экспертных систем для использования в сфере раннего детского образования). Presented at within Russia Conference on innovation, implementation of IT in Education, Gertsen Pedagogical University, St. Petersburg, Russia (May, 2000);

Despo Ktoridou, "Intelligent Educational Expert Systems". (Интеллектуальные образовательные экспертные системы). Presented at first international conference on Artificial Intelligence 2000, Crimea, Ukraine (September, 2000);

Despo Ktoridou, "Integrating Cognitive Testing using IT in the Early Childhood Curriculum". (Комплексное когнитивное тестирование в системе раннего детского образования). Presented at the first virtual conference on Opening Gates on Teacher Education, Israel (February 12-14, 2001);

Despo Ktoridou, Philippos Pouyioutas, "Integrating IT into the Educational Curriculum of Kindergarten Children". (Внедрение информационных технологий в систему обучения дошкольников). Presented at the 2ni International conference on Technology in Teaching and Learning in Higher Education, Samos island Greece, vol. I, June 27-28, 2001,pp. 197-201 ;

Автору принадлежит идея использования экспертных систем

Despo Ktoridou, Charalambos Christou, "Integrating Technology in Early Childhood Education: Fairy Tale Learning". (Интеграционная технология в системе дошкольного образования. Обучение через игру). Presented at International Conference on Information Communication Technologies in Education, Samos island Greece, Vol I, July 17-19, 2002, pp.289-297;

Автору принадлежит разработка технологии образования.

Despo Ktoridou, Philippos Pouyioutas, "Design, Development and Evaluation of Web Based Teaching and Learning- The case of Intcrcollege". (Проектирование, реализация и оценка систем на базе Web - технологий для обучения на примере Интерколледжа).

Presented at the International International Conference on Information Communication Technologies in Education, Samos island Greece, Vol I, July 17-19,2002,pp.l73-180.

Автору принадлежит реализация и оценка систем на базе Web—технологий.

Научные положения, выносимые па защиту:

1) Предложена архитектура системы дистанционного обучения для детей, отличающаяся использованием встроенной экспертной системы (ЭС).

2) Разработана архитектура пользовательской подсистемы, учитывающая специфику

контингента обучаемых.

3) Реализована и внедрена система "KIDS.CY", которая используется многими

дошкольными учреждениями Кипра.

Публикации. По теме диссертации опубликовано 11 научных работ, из них 4 статьи «on-line», тезисы к 7 докладам на Всероссийских и международных научно-технических конференциях.

Структура и объём днсссертацн. Диссертация состоит из введения, четырех глав, заключения и списка литературы, включающего 97 наименований. Основная часть работы изложена на 133 страницах машинописного текста. Работа содержит 11 рисунков и 7 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕРАБОТЫ

Введение содержит описание актуальности проблемы, основных направлений и решений, целей и задач исследования. Приведены сформулированные в ходе работы научные положения.

В первой главе приводится обзор различных подходов к классификации обучающе-контролирующих систем и формулируются критерии оценки эффективности систем дистанционного обучения с учётом специфики дошкольного образования.

Сегодня вопрос классификации программного обеспечения, предназначенного для создания обучающе-контролирующих систем, является достаточно разработанным, при этом предлагается ряд классификационных признаков. По функциональным возмоо/сностям различают следующие:

собственно обучающие программы (tutorials) - интерактивные системы, предлагающие в различных формах дидактический материал. В отдельных случаях такие системы содержат контур обратной связи в виде различных тестов, задач и вопросов;

образовательные игры (Learning Games) - системы, моделирующие реально существующие процессы в изучаемой предметной области. Примерами таких систем могут служить различные симуляторы, широко используемые в тех случаях, когда получение практического опыта в реальных условиях связано либо с большими материальными затратами, либо с определённым риском (например, подготовка пилотов);

электронные задачники (Problem-Solving) - такие системы содержат алгоритмы генерации задач, относящихся к определённой предметной области, а также модули решения. Такие системы широко используются в процессе обучения математике.

Инструментальные средства (Process Tools) - интегрированные системы, включающие средства, необходимые для решения определённого класса задач -текстовые и графические редакторы, калькулятор и т.д. В отличие от индустриальных (например, Микрософт Офис), эти системы включают подсистему «подсказок».

Наряду с приведенной выше, существуют классификации на основе традиционных для любого программного продукта классификационных признаков - используемая платформа (тип ЦПУ и операционная система), однопользовательские и многопользовательские, локальные (работают на одном компьютере) и сетевые, и т.д.

Наибольший интерес для формулировки требований и спецификаций для разрабатываемой системы представляет вопрос оценки эффективности обучающе-контролирующих систем. В литературе предлагаются следующие оценочные критерии:

1) Эффективность обучения. В первую очередь зависит от выбранной стратегии обучения, которая должна базироваться на известных педагогических методах и приёмах. В то же время, организация дидактического материала и его представление на экране компьютера могут оказать решающее влияние. Если система содержит контур обратной связи, сообщения системы должны учитывать специфику контингента, чувства и психологию обучаемых. Для систем, предназначенных для работы с детьми, большое значение имеет учёт наличия или отсутствия навыков чтения. В случае использования графического материала большое значение имеет его качество - используемые графические образы должны быть привлекательными и легко воспринимаемыми, но в то же время не отвлекать учащихся лишними деталями.

2) Содержание (дидактический материал) не должно иметь грамматических и стилистических ошибок, корректно описывать предметную область. Для таких быстро развивающихся областей, как информационные технологии, большое значение имеет постоянное обновление. В отдельных случаях важно, чтобы текст не содержал дискриминационных стереотипов по расовому, половому признаку и другим социальным характеристикам.

3) Интерфейс обучающей системы должен предусматривать возможность контроля обучаемым процесса представления материала (например, перемещение вперёд-назад, контроль скорости анимации, масштабирование (увеличение-уменьшение) графических изображений, включение-выключение звука и регулировка громкости, и т.д.

4) Качество собственно программного обеспечения - обучающая программа должна быстро загружаться и запускаться, содержать средства синтаксического и семантического контроля ввода, чтобы избежать сбоев, вызванных некорректным вводом (например, буквы вместо цифры), в случаях аварийного завершения иметь средства восстановления состояния перед сбоем, чтобы пользователь мог продолжить обучение с «того же самого места», руководство пользователя и сама программа должны в точности соответствовать друг другу. Программное обеспечение должно быть легко переносимо с одного компьютера на другой без потери данных. В случае использования распределённых систем - поддерживать несколько платформ, которые могут оказаться у потенциальных пользователей. Программное обеспечение должно быть хорошо документировано и наряду с руководством пользователя включать руководства по администрации системы. Последнее особенно важно для распределённых и сетевых систем.

Выше перечислены лишь основные критерии оценки эффективности обучающих систем. Наряду с ними часто применяется ряд дополнительных критериев:

Интерфейс студента: система должна использовать простые и понятные средства ввода, т.е. студент должен иметь возможность легко ввести ответ. Например, в случае использования графического интерфейса и технологии прямого доступа перемещаемые графические объекты должны быть достаточно большими, чтобы их можно было легко и без ошибки выбрать любым устройством г рафического ввода, которое может оказаться в распоряжении ученика (мышь, track-ball, touch-pad, touch screen и т.д.). Комбинации клавиш, используемые для ввода, должны легко запоминаться, «помощь» и подсказки, которые могут появляться на экране, должны быть простыми и попятными, не должны использовать специальной терминологии. Интерфейс должен включать возможность включения-выключения подсказок. Те же самые требования справедливы и для руководства пользователя и других сопровождающих материалов.

Интерфейс педагога. Интерфейс системы должен быть простым и понятным, система должна предоставлять возможность управления учебным процессом, включая модификацию последовательности представления дидактического материала, как для

отдельного ученика, так и для учебной группы (класса), доступ в любой момент времени к записям учеников с целью контроля хода учебного процесса, простое и понятное руководство пользователя и т.д.

Эффективность представление материала включает - качество графики и дизайна экрана, качество аудио-материала (если используется речевой вывод, желательно привлечение профессиональных дикторов и записи звука в студийных условиях), в идеале система не должна использовать экзотические средства вывода (различные панели, табло и т.д.), которых может не оказаться у обычных школ.

В соответствии с вышеизложенным, разрабатываемая система является типичной системой обучения (tutorial). Несмотря на то, что сегодня уже имеется большое количество систем этого класса, применение этих систем для обучения детей дошкольного и младшего школьного возраста невозможно по следующим причинам:

- существующие стратегии обучения, записанные в виде правил и алгоритмов, не учитывают разнообразия индивидуальных особенностей восприятия ребёнка, которое наблюдается в раннем возрасте;

- в большинстве систем диалог с обучаемым построен по принципу заполнения форм (когда предлагается либо напечатать ответ, либо выбрать ответ, нажав на соответствующую кнопку). В этом случае предполагается наличие навыков чтения, которые могут отсутствовать у ребёнка. Хотя ребёнок может читать, чтение потребует дополнительной концентрации и усилий, которые будут отвлекать ребёнка, что приведёт к быстрой усталости и потере интереса.

- В случае когда используется графический интерфейс, от ребёнка требуется наличие специальных навыков (перемещение курсора с помощью мышки, перемещение объектов с помощью мышки, двойное нажатие кнопок мышки и т.д.).

- Использование программного обеспечения в школах осложняется разнообразием имеющихся в школах компьютеров (ряд школ используют PC, в то время, как другие -Apple Macintosh).

- Использование сложных многопользовательских систем, ориентированных на компьютерные сети, невозможно из-за отсутствия в школах подготовленного технического персонала и адекватных технических средств (мощные файловые серверы, серверы баз данных и т.п.)

Таким образом, сформулированные выше критерии позволяют определить требования к разрабатываемой системе следующим образом:

- Стратегия обучения должна быть достаточно гибкой, чтобы учесть индивидуальные особенности восприятия ребенка. В идеальном случае система должна иметь возможность выбора и «автоматический настройки». Достижение этого невозможно при использовании традиционного подхода - формализованного представления в виде алгоритма одной из известных стратегий обучения. В этом случае особый интерес представляет использование искусственного интеллекта. Встроенная экспертная система позволит обучающей программе не только удовлетворить вышеуказанное требование гибкости стратегии обучения, но и накапливать и тиражировать педагогический опыт.

- Интерфейс системы должен содержать минимальное количество текста. Вместо этого предлагается использовать графические объекты и речевой вывод. Графика должна быть привлекательной для ребёнка. При этом работа с интерфейсом не должна требовать специальных навыков, чтобы работа за компьютером не стала утомительной.

- Проектируемая система должна быть совместимой со всеми типами компьютеров, которые могут быть использованы в школах. В этой связи представляется целесообразным использовать HTML как основное средство программирования интерфейса, поскольку HTML изначально проектировался для использования различными платформами. Используемая сегодня динамическая версия DHTML (Dynamic HTML), специально спроектированная для программирования интерактивных приложений на стороне клиента, имеет развитую объектную модель, обеспечивающую доступ ко всем ресурсам

компьютера без применения дополнительных модулей (например, таких, как Java Applet, ActiveX), и поддерживает основные языки программирования сценариев (client scripts), такие как VBScript, использующий синтаксис широко известного языка Visual Basic и JavaScipt. Помимо этого, DHTML включает средства обработки графических изображений, что упрощает программирование пользовательского интерфейса. WEB браузеры, поддерживающие DHTML, являются свободно распространяемыми программными продуктами, при этом существуют версии для большинства имеющихся операционных систем и платформ. Например, существуют версии известного браузера Microsoft Explorer для Windows, Unix и Apple Macintosh.

- Применение проектируемой системы в школах должно быть простым и не требовать технической поддержки. В этой связи идеальным является решение, когда Internet используется как среда, a HTTP - как основной протокол. Все школы, как правило, уже имеют локальные сети, подключённые к Интернет, при тгом не возникает проблем при передаче информации посредством HTTP. Как правило, все используемые маршрутизаторы, межсетевые экраны (firewalls) и прокси-серверы поддерживают передачу этого протокола. Использование HTTP как основного протокола требует специального анализа безопасности, который должен включать, как минимум, два аспекта: регистрация (authentication) пользователя - обычно проверка имени и пароля пользователя; шифрование трафика. Основные платформы, используемые для разработки WEB-приложений, как правило, имеют встроенные средства. Например, Microsoft .NET предлагает три механизма аутентификации: Passport (с использованием MSN паспорта), Windows (интегрированная система аутентификации в операционной системе Windows) и простую (basic). Первый способ требует наличия у пользователя MSN паспорта, который должен быть создан перед применением системы, это является его основным недостатком. Аутентификация пользователя средствами Windows ограничена, так как требует поддержки WEB DAV прокси-сервером. Сегодня только Microsoft ISA сервер полностью удовлетворяет этому требованию. Распространенные серверы Squid 2.3 не поддерживают все требуемые методы WEB DAV, более поздняя версия Squid 2.4 требует дополнительной конфигурации. По этим причинам наибольший интерес представляет использование простой аутентификации. Основной недостаток этого метода - передача имени пользователя и пароля открытым текстом, поэтому предлагается использовать этот метод совместно с протоколом HTTPS (secured HTTP), который осуществляет шифрование всего 1Р-трафика.

Как было показано выше, ключевым элементом, обеспечивающим требуемую гибкость стратегии обучения проектируемой системы, является экспертный модуль (ЭМ) со встроенной экспертной системой (ЭС). ЭМ моделирует работу учителя - т.е. проводит оценку способностей ученика, подбирает соответствующий учебный модуль (УМ), проверяет, хорошо ли усвоен материал модуля, и в зависимости от результатов выбирает следующий.

Ключевыми моментами описываемого процесса являются оценка способности ученика и периодическая проверка его знаний. Эта задача решается каждым педагогом эмпирически на основе опыта и интуиции, часто подсознательно. Поэтому вопрос о правильном выборе класса экспертной системы и основных алгоритмов имеет особое значение.

Сегодня известны различные типы ЭС. Приведенный в диссертации анализ показывает, что для решения поставленной задачи больше всего подходят нейронные сети. Нейронная сеть может сама аккумулировать знания посредством алгоритмов самообучения, что предоставляет возможность накапливать и тиражировать педагогический опыт.

Любая нейронная сеть (НС) представляет собой совокупность взаимосвязанных нейронов. Построение НС включает: (а) определение модели нейрона; (б) определение топологии связей; (в) определение механизма вычисления весов связей.

Сегодня имеется несколько моделей нейронов: классической является модель Маккалоха-Питса, Розенблада и Хопфшща. Основным недостатком классической модели Маккалоха-Питса является статический характер НС на её основе. Введение механизма пересчета весовых коэффициентов связей в модели Розенблада позволило организовать самообучение системы и, наконец, функция «энергии» в модели Хопфилда позволяет сократить число итераций самообучения.

В настоящей работе применена модификация функции Маккалоха-Питса. Топология НС является полносвязной, т.е. выходной сигнал каждого нейрона подаётся на 4 вход всех остальных нейронов. Это позволило упростить алгоритм, так как структура сети

остается неизменной. В то же время, в отличие от классической модели, весовые коэффициенты связей не являются постоянными. Они пересчитываются на каждой « итерации, позволяя организовать механизм самообучения системы.

Структура обучающей системы и детальное изложение алгоритмов приводятся

ниже.

Во второй главе "Принципы построения системы "

Разрабатываются структура обучающей системы, математический аппарат и основные алгоритмы.

Структура обучающей системы отличается от общепринятой наличием встроенной экспертной системы (рис 1).

Ученик

Рис 1 Структура обучающей системы

Экспертный Модуль (ЭМ) - является основным элементом предлагаемой обучающей системы. Наличие Экспертного модуля является её основной отличительной чертой по сравнению с традиционными автоматизированными системами обучения. Основными функциями экспертного модуля являются: • анализ данных об ученике

в выработка на основе этого анализа (если необходимо) управляющего решения об изменении или корректировке текущей стратегии обучения. При этом может быть использована информация, полученная с помощью Модели Ученика.

По сути, ЭМ является экспертной системой (ЭС). Этим обстоятельством и определяются возможные способы его построения. Принимая во внимание специфику предметной области, а также слабо формализуемый характер задачи выработки управляющего воздействия, применение ЭС, основанных на использовании правил, которые широко применяются в технических областях, не представляется возможным.

Модель Ученика (МУ) - Должна адекватно представлять, с одной стороны -уровень знаний учащегося, - статический аспект. С другой стороны, для правильного выбора стратегии обучения модель ученика должна правильно воспроизводить индивидуальные характеристики восприятия дидактического материала обучаемым (динамический аспект). К числу последних относятся: восприятие, мышление, память, зрительно-моторная координация и т.д. Выбор способа представления указанных характеристик до сих пор является весьма существенной проблемой при построении ЭС.

В то же время, ЭС должна содержать механизмы динамического обновления и корректировки.

Модель Учителя или Педагога (МУП) - традиционно представляет собой набор всевозможных стратегий обучения. При построении МУП должны быть решены следующие задачи:

о Определение способа внутреннего представления стратегии обучения.

о Разработка механизма динамического обновления и корректировки модели.

Как правило, стратегия обучения представляет собой набор (список) учебных модулей (УМ), содержащих:

(а) теоретическую информацию,

(б) упражнения и задачи,

(в) тесты.

При этом следует иметь ввиду, что МУП не содержит вышеупомянутые модули непосредственно. Модель может содержать коды или группы кодов вышеупомянутых модулей, как форму представления стратегии обучения. Расшифровка (т.е. представление обучаемому соответствующего модуля) являйся функцией интерфейса.

Интерфейсный модуль (ИМ) - является интерактивной программой, предназначенной для работы непосредственно на рабочей станции ученика либо интерактивным \УЕВ-приложением. В последнем случае предоставляется возможность организовать взаимодействие между компонентами обучающей системы посредством Интернет. Основными функциями ИМ являются следующие:

• Расшифровка кода внутреннего представления учебного модуля.

в Предоставление обучаемому соответствующей информации.

в Сбор информации для обновления и корректировки модели ученика.

Первая функция является традиционной и, как правило, её реализация не является проблематичной.

Традиционным способом представления информации до сих пор является текст. Возможности применения этого способа при работе с учащимися начальных классов весьма ограничены, так как последние, особенно в начале обучения, не умеют читать. В связи с этим, представляет особый интерес использование мультимедийной среды, которая, наряду с текстом, предполагает использование графической информации, аудио-и видео- клипов, а также различные способы ввода (перемещение графических объектов.

графический ввод (рисование), речевой ввод, выбор графического объекта курсором и т.п.).

Сбор информации заключается в регистрации ввода ученика и последующих верификации и обновления модели ученика. Ввод информации предлагается осуществлять с использованием технологии прямого доступа (direct manipulation), не требующей от ученика навыков чтения и печати на клавиатуре. Тем не менее, ученику требуется иметь навыки работы с устройствами типа «мыши».

База данных системы предназначена для хранения учебного материала. Как было показано выше, информация учебных модулей не является текстовой. Выше было упомянуто, что представляется целесообразным использовать в DHTML в качестве основного средства для разработки пользовательского интерфейса системы. В этом случае хранению в базе данных системы подлежат: (а) текстовые файлы сценариев, написанных на HTML (HTML scripts) (б) совокупность сопутствующих мультимедийных объектов (графика, аудио- видео- информация и т.д.). В настоящее время большинство существующих СУБД предоставляют средства работы с мультимедийной информацией.

База знаний экспертного модуля системы предназначена для хранения знаний, необходимых для нормальной работы моделей педагога и ученика. Знания в настоящем исследовании представлены совокупностью данных вышеупомянутых моделей и причинно-следственных связей.

В диссертационном исследовании показана целесообразность использования модели нейронных сетей для построения экспертного модуля.

Алгоритмы работы системы обучения представлен на рис. 2.

Инициализация системы. Первоначально модель ученика не содержит никакой информации. В процессе инициализации интерфейсный модуль предлагает ученику ряд тестов, чтобы определить его индивидуальный уровень восприятия, мышления, памяти и т.д., а также начальный уровень знаний. Статистическая информация заносится в модель ученика (МУ). Далее интерфейсный модуль направляет запрос экспертному модулю.

Экспертный модуль анализирует информацию модели ученика и определяет па основе оптимальной стратегии обучения, которая хранится в МУП, следующий учебный модуль. Код учебного модуля передается в интерфейсный модуль. В случае, когда, оптимальная стратегия обучения не может быть определена (либо не выполняется условие метрики - «расстояние» превышает допустимое, либо решение неоднозначно), экспертный модуль формирует запрос инженеру базы знаний системы для корректировки модели учителя. Если уровень знаний ученика отвечает заданному нормативу (т.е. ученик прошёл всю программу), учебный процесс заканчивается.

Получив код очередного учебного модуля, интерфейсный модуль представляет ученику информацию (упражнение, тест), принимает вводимые данные, обновляет модель ученика и формирует очередной запрос экспертному модулю. Далее управление снова передаётся Интерфейсному модулю.

Как было показано выше, модель ученика должна отражать уровень знаний ученика и его индивидуальные характеристики, к числу которых относятся восприятие, мышление, память и т.д. В нашем случае предлагается использовать комплексную характеристику ученика в виде точки многомерного пространства размерности N, где N - количество параметров, характеризующих уровень знаний учащегося, которое может быть равно количеству пройденных учебных модулей. Каждая n-координата может принимать дискретные значения. Например, 0 и 1 («прошёл» - «не прошёл») для теоретических модулей и упражнений и 0, 1, 2, 3, 4 («тест не был предложен», «не прошёл», «слабый уровень», «средний уровень», «высокий уровень») для тестов.

Предлагаемая модель учителн-недагога представляет собой набор ючек многомерного пространства размерности N и коды соответствующих учебных модулей. Первоначально МУП может содержать эмпирическую информацию, полученную в

результате опроса квалифицированных педагогов-экспертов или быть незаполненной. МУП динамически обновляется в процессе работы ЭС, реализуя алгоритм самообучения.

Рис 2 Алгоритм работы обучающей системы

Экспертный модуль, получив от модели ученика координаты соответствующей точки многомерного пространства, рассчитывает с помощью метрики М «расстояние» до каждой точки модели учителя-педагога, определяя точку с минимальным расстоянием. Если найденное «минимальное» расстояние меньше либо равно установленному критерию, то следующий модуль найден. Если нет, то экспертный модуль формирует запрос эксперту-педагогу, который вводит очередное решение, при этом автоматически обновляется модель учителя-педагога (рис 3).

Вопрос правильного выбора метрики (способа определения расстояния между точками многомерного пространства) является ключевым, и во многом определяется спецификой пространства. В нашем случае многомерное пространство характеризуется следующими особенностями:

оно не является непрерывным (т.е. отсутствуют такие значения координат, как 1.5 и т.п.), т.е. оно дискретно;

множество значений, которые могут принимать различные координаты, счётно и конечно:

множества значений различных координат не совпадают:

6 ЖБп^ГДг = 1,]У;/ = 1,ДГ;У = 1, ЛЛ; / * у) : П V) координаты не равнозначны, т.е. ранжированы:

а, = {М / }3 Ъ} = {М} }: М , Ф М }

(^Начало^)

Рис 3. Алгоритм работы экспертного модуля

В силу этих обстоятельств использование традиционной Евклидовой метрики представляется нецелесообразным, по крайней мере, по двум причинам: (1) пространство дискретно и (2) координаты ранжированы.

В нашем случае предлагается следующий способ определения «расстояния» между двумя точками:

М<в = \АВ\ = ^Ла,-Ч*Т1п1" (2-3)

ы

где:

а, - ¡-я координата точки А модели ученика

6/ - /-я координата точки В модели учителя-педагога.

Шк- основание (количество различных значений) &-той координаты многомерного пространства базы знаний экспертной системы.

В третьей главе. "Методы и средства реализации системы "

Разрабатывается архитектура аппаратно-программных средств обучающей системы; обосновывается выбор платформы для разработки программного обеспечения и приводятся рекомендации по выбору программного обеспечения базы данных, WEB-сервера и т.д.

Специфика системы дистанционного обучения со встроенной экспертной системой требует наличия централизованной базы знаний. При использовании Интернет как коммуникационной среды возникают проблемы, обусловленные низкой пропускной способностью каналов связи. Все это ведет к необходимости использования многоуровневой архитектуры ПО для работы в распределённой среде.

Поэтому для построения аппаратно-программного обеспечения обучающей системы предлагается общепринятая для распределенных систем многоуровневая архитектура с раздельным представлением логического и презентационного уровней (рис 4).

Собственно экспертный модуль системы может быть представлен базой знаний системы, построенной с использованием СУБД реляционного 'типа, и набором модулей экспертного блока, которые могут быть реализованы в виде служб WEB. Под «службой WEB» понимается программный модуль, размещенный на WEB-сервере, Экспертный Интерфейсный

g аза модуль модуль

База Данных

Рис 4 Архитектура программного обеспечения экспертной системы

с возможностью доступа посредством одного из известных протоколов, таких как SOAP (Simple Object Access Protocol). Взаимодействие между компонентами экеиершою модуля и базой данных может осуществляться по одному из известных протоколов (ODBC, JDBC, OLEDB, и т.д.). Выбор протокола во многом зависит от выбора платформы реализации. Тоже самое относится и к интерфейсу системы и базе данных учебных модулей. Непосредственный доступ WEB-приложения, размещённого на WEB-сервере, к СУБД может привести к излишнему трафику. Помимо этого, может потребоваться дополнительная конфигурация маршрутизаторов (routers) и межсетевых экранов (firewalls) для работы по протоколам СУБД, и более того, параметры этой конфигурации существенным образом зависят от типа применяемой СУБД.

На данном этапе представляется возможным лишь наметить основные контуры системы. В этой связи представляется целесообразным использовать так называемые «отключённые» источники данных (disconnected data sources). Очевидным преимуществом этой технологии является разгрузка сервера базы данных, возможность доступа к кластеру (когда с базой данных одновременно работают несколько серверов). Достоинства этой технологии широко обсуждались в периодической литературе.

Взаимодействие между экспертным модулем и интерфейсным блоком может осуществляться традиционно: с использованием таких протоколов, как упомянутые выше SOAP и HTTP.

Интерфейсный модуль системы представлен WEB-сервером (серверами), с которыми могут взаимодействовать клиенты WEB (browsers).

Современная практика разработки ПО предполагает использование платформы (т.е. некоторого архитектурного решения с набором объектных библиотек, облегчающих программирование). Сегодня примерами таких платформ могут служить J2EE и Microsoft .Net. Автором диссертационного исследования была использована последняя, как более эффективная для разработки Windows-пршюжений.

Помимо выбора платформы и инструментальных средств разработки ПО, большое значение имеет правильный выбор БД. В работе показано, что любая СУБД реляционного типа, поддерживающая язык манипулирования данными ANSI SQL, может быть использована для экспертного модуля обучающей системы. При этом основными критериями выбора СУБД (помимо стоимости ПО) являются: объём хранимой информации и производительность.

Объём хранимой информации зависит от

- Предполагаемого количества обучаемых

- Количества учебных курсов

- Количества среднего количества контрольных тестов на 1 курс и количества учебных модулей курса

Так, например, при ожидаемом количестве обучаемых около 10,000, 20 учебных модулей и контрольных тестов на автоматизируемый учебный курс, максимальный объём хранимой информации (в байтах) может быть рассчитан следующим образом:

10,000*(( 10,000 i 20)* 4 + 1000) - 410,800,000 байт (410,8 MB)

Сегодня даже простейшие СУБД (например, MS Access, MS Visual FoxPro поддерживают базы данных такого объёма. В то же время, на производительность оказывают большое влияние такие факторы, как способность СУБД к реализации встроенных процедур, что существенно ограничивает трафик, поддержку многопроцессорных систем и т.д. Этими характеристиками обладают только достаточно мощные СУБД. В распоряжении автора имелся доступ к СУБД Oracle9i и MS SQL Server 2000. Обе СУБД удовлетворяют вышеизложенным требованиям, легко интегрируются с

•NET с применением таких протоколов, как OLEDB (для СУБД Oracle) и ADO.NET для MS SQLServer.

Обе СУБД предъявляют следующие требования к серверу (имеются ввиду компьютеры на базе процессоров Intel):

• S00-1 ООО MHZ Pentium 1П ЦПУ (или лучшее)

• 512-1024 MB объём оперативной памяти

• Наличие отдельного (физически) жёсткого диска для данных и отдельного жёсткого диска для индексных файлов объёмом не менее 20 GB.

Остальные параметры не критичны. На этим же компьютере располагаются сервер приложений (application server), на котором размещаются WEB-сервисы. Однако, по соображениям безопасности, сервер приложений может размещаться на выделенном компьютере. В этом случае требование дополнительных жёстких дисков необязательно.

WEB-сервер не выполняет непосредственно обработку данных. Он предназначен лишь для размещения ПО интерфейсного модуля. По этой причине требования к техническим средствам сервера не столь критичны. В качестве WEB-сервера может использоваться любой компьютер под управлением ОС Windows 2000 server, на котором установлен модуль служб Интернет (Internet Information Services - IIS) версии 5 или выше. При этом быстродействие ЦПУ должно быть не менее 800 MHz, и объем оперативной памяти - не менее 512 MB, в соответствии с рекомендациями Microsoft.

Программно-аппаратное обеспечение компьютерных классов, являющееся типовым для кипрских школ:

• Pentium 4,1.5-2.2 GHz CPU

• Оперативная память (RAM): не менее 256MB

» Жёсткий диск 7200 rpm, ёмкостью не менее 20 GB, гибкий диск (FDD): 1.44 MB

• Проигрыватель компакт-дисков (CD-ROM Players): 52х

• Сетевой адаптер 100/10 MBit

• Монитор 15" - 17"

• Клавиатура

• «Мышка»

о Операционная система Windows ХР (Home Edition) или Windows ME

Компьютеры в компьютерных классах обычно объединены в локальную сеть с пропускной способностью lOOMBit/s, которая, в свою очередь, подключена к Интернет с использованием технологии ADSL (Asymmetric Digital Subscriber Line), обеспечивающей скорость входного потока до 1.5 Мбит/с и скорость выходного потока - до 512 кбит/с:

В четвёртой главе "Экспериментальное исследование системы "

Представлены результаты практического использования системы, разработанной в процессе диссертационного исследования

Предлагаемая система использовалась для тестирования учеников младших классов, проводимого в рамках проекта Министерства Образования Кипра.

Тестировалось более 20,000 учащихся младших классов из 500 частных школ и детских садов Кипра. Средний размер учебной группы - 20-25 учеников, среднее количество учебных групп в одном учебном заведении - 2.

Тестировались (а) зрительная память; (б) внимание; (в) память...

Структура каждого из перечисленных выше тестов включает 4 группы вопросов возрастающей сложности. Система конфигурирована таким образом, что количество и состав вопросов выбирается автоматически в зависимости от ответов учащегося. Например, если он успешно отвечает на вопросы первой группы сложности, система переходит к вопросам следующей группы. Если учащийся не может правильно ответить на начальные вопросы первой группы, ему может быть предложено дополнительное количество вопросов этого же уровня сложности, и, в некоторых случаях, более лёгкие вопросы и даже подсказки. Таким образом, действие системы не ограничивается только тестированием. В то же самое время система способствует развитию пространственно-временных представлений у учеников, улучшая память и внимание, а также развивая активность мыслительных процессов. По завершении тестирования система автоматически выдаёт рекомендации для каждого из учеников.

В результате тестирования была сформирована база данных. На основе информации об индивидуальных особенностях пространственно-временного восприятия учащихся педагогам рекомендовано учесть рекомендации экспертной системы при разработке индивидуальных планов обучения с целью улучшения и корректировки познавательных процессов. Предполагается провести повторное тестирование через год.

Выводы:

1. Разработаны принципы построения систем дистанционного обучения, ориентированных на использование детьми дошкольного и младшего школьного возраста. Сформулированные принципы учитывают специфику контингента и включают следующее:

a. наличие полнофункционального мультимедийного интерфейса ;

b. минимальное употребление текста;

c. использование в качестве альтернативы анимационных, видео- и аудио-мультимедийных объектов;

«1. способность системы к выявлению и анализу индивидуальных характеристик восприятия обучаемых, таких, как зрительная моторная координация, память, восприятия, внимания, мышления;

е. способность системы адаптировать учебный процесс в соответствии с выявленными индивидуальными особенностями восприятия;

{. использование Интернет в качестве коммуникационной среды

2. Предложена архитектура и определены методы реализации системы дистанционного обучения со встроенной экспертной системой. Традиционный подход, когда обучение осуществляется по заранее заданному алгоритму, даже при наличии механизма обратной связи, не позволяет адаптировать учебный процесс к индивидуальным особенностям восприятия у детей, которые варьируют в большей степени, чем у взрослых. Наличие встроенной экспертной системы, способной к самообучению, позволяет устранить этот недостаток путём аккумулирования и тиражирования педагогического опыта. Использование систем дистанционного обучения этого типа может оказаться даже более эффективным, по сравнению с традиционными

методами, в условиях, когда имеется педагогический состав относительно невысокой квалификации.

3. Разработана трёхуровневая архитектура предлагаемо]! системы дистанционного обучения, предназначенной для работы в Интернет. Предложенная трёхуровневая архитектура позволяет решить проблему производительности при работе с использованием низкоскоростных каналов Интернет и постепенного наращивания вычислительных мощностей (scalability) путём разделения логического и презентационного уровней. При этом на логическом уровне реализуются экспертная система и база знаний системы. Презентационный уровень (интерфейсная часть системы) может быть реализован на одном или нескольких WEB-серверах, имеющих доступ к экспертной системе, размещённой на сервере приложений.

4. Проведено экспериментальное исследование основных компонентов системы в рамках проекта по тестированию детей дошкольных учреждении и начальных классов в рамках проекта Министерства Образования Республики Кипр. Экспериментальное исследование системы дистанционного обучения в частных школах Республики Кипр доказало её работоспособность. Применение экспертной системы, благодаря механизму самообучения, позволило разработать специалистам-психологам, не имеющим опыта программирования, систему адаптивных тестов для определения характеристик восприятия и интеллектуальных способностей детей дошкольных учреждений и учащихся младших классов. Такое тестирование было бы невозможно провести лишь силами воспитателей и преподавателей по причине их недостаточной квалификации в области детской психологии. Использование системы дистанционного обучения позволило аккумулировать и тиражировать опыт ведущих профессоров кафедры психологии Интерколледжа.

Опубликованные работы по теме диссертации:

1. Despo Ktoridou, "IT in Early Childhood Education: Cognitive Testing". (Информационные технологии в детском образовании: когнитивные технологии). Presented at the European Conference on IT in Education, Pedagogical University, Nicosia, Cyprus (May, 2000);

2. Despo Ktoridou, "Methodology of building Educational Expert Systems for the Early Childhood Curriculum". (Методология построения экспертных систем для использования в сфере раннего детского образования). Presented at within Russia Conference on innovation, implementation of IT in Education, Gertsen Pedagogical University, St. Petersburg, Russia (May, 2000);

3. Despo Ktoridou, "Intelligent Educational Expert Systems". (Интеллектуальные образовательные экспертные системы). Presented at first international conference on Artificial Intelligence 2000, Crimea, Ukraine (September, 2000);

4. Despo Ktoridou, "Integrating Cognitive Testing using IT in the Early Childhood Curriculum". (Комплексное когнитивное тестирование в системе раннего детского образования). Presented at the first virtual conference on Opening Gates on Teacher Education, Israel (February 12-14,2001);

5. Despo Ktoridou, Philippos Pouyioutas, "Integrating IT into the Educational Curriculum of Kindergarten Children". (Внедрение информационных технологий в систему обучения дошкольников). Presented at the 2nd International conference on Technology in Teaching and Learning in Higher Education, Samos island Greece, vol. I, June 27-28, 2001,pp. 197-201 ;

Автору принадлежит идея использования экспертных систем.

6. Despo Ktoridou, Charalambos Christou, "Integrating Technology in Early Childhood Education: Fairy Tale Learning". (Интеграционная технология в системе дошкольного образования. Обучение через игру). Presented at International Conference on Information

Communication Technologies in Education, Samos island Greece, Vol I, July 17-19, 2002, pp.289-297;

Автору принадлежит разработка технологии образования.

7. Despo Ktoridou, Philippos Pouyioutas, "Design, Development and Evaluation of Web Based Teaching and Learning- The case of Intercollege". (Проектирование, реализация и оценка систем на базе Web - технологий для обучения на примере Интерколледжа). Presented at the International International Conference on Information Communication Technologies in Education, Samos island Greece, Vol I, July 17-19,2002,pp.l73-180.

Автору принадлежит реализация и оценка систем на базе Web - технологий.

8. Despo Ktoridou. "Computers as Teacher and Tutor". (Компьютер в качестве учителя или наставника). Courier of Education (Educational on-line journal, Russia Moscow). Avail able HTTP: http://www.courier.com.ru/toD/index.htm. ( 1999. September).

9. Despo Ktoridou. "Strategies in Distance Learning". (Стратегии в дистанционном обучении). RIIS-The Russian Institute of information systems (Educational on-line journal, Russia Moscow). Available HTTP: http://www.iiis.ru/PS/puplwww/lctter.htm ("1999. September).

10. Despo Ktoridou "Integrating Internet technologies into education". (Интеграция Интернет технологии в образование). Courier of Education (Educational on-line journal, Russia Moscow). Avail able HTTP: http://www.courier.com.ru/top/content/kt.htm (2001. January).

11. Despo Ktoridou "Integrating IT in Early Childhood Education". (Интеграционные ИТ технологии в дошкольном образовании). Effective Teaching to (on-line journal devoted to the exchange of ideas and information relevant to college and university teaching in North Carolina, USA, North Carolina). Available HTTP: http://cte.uncwil.edu/et/articles.htm (2002. January).

Подписано в печать 02.06.04. Формат 60*84 1/16. Бумага офсетная. Печать офсетная. Псч. л. 1,25. Тираж 100 экз. Заказ 61.

Отпечатано с готового оригинал-макета в типографии Издательства СПбГЭТУ "ЛЭТИ"

Издательство СПбГЭТУ "ЛЭТИ"я 197376, С.-Петербург, ул. Проф. Попова, 5

ÛS

РНБ Русский фонд

2007-4

2 3 ИЮЛ 7004 " v'

ВЕДЕНИЕ.

1. АНАЛИЗ СОВРЕМЕННОГО СОСТОЯНИЯ ПЕРСПЕКТИВ И ТЕНДЕНЦИЙ j РАЗВИТИЯ СИСТЕМЫ ДИСТАНЦИОННОГО ОБУЧЕНИЯ.

1.1. Технические средства обучения в образовании. Системы автоматизированного контроля. Обучающе-контролирующие системы. Мультимедийные технологии. Обучающие компьютерные системы (интерактивность, активное участие обучаемого, моделирование, архитектура: подходы и классификация). Дистанционное Образование

1.1.1 Технические средства обучения в образовании. Системы автоматизированного контроля. Обучающе-контролирующие системы.

J 1.1.2 Мультимедийные технологии. Обучающие компьютерные системы интерактивность, активное участие обучаемого, моделирование, архитектура: поводы и классификация).

1.1.3 Дистанционное (заочное) Образование.

1.2. Искусственный интеллект. Определение. Подходы. Искусственный интеллект и образование.

1.2.1 Искусственный интеллект. Определение. j 1.2.2 Аспекты ИИ.

1.2.3 Искусственный интеллект и образование.

1.3. Экспертные системы. Определение. Области применения. Эволюция. Классификация. Основные компоненты экспертной системы. Области применения. Экспертные системы в образовании. Экспертные системы обучения

1.3.1 Экспертные системы. Определение. Области применения. Эволюция.

1.3.2 Классификация. Основные компоненты экспертной системы.

1.3.3 Экспертные системы, особенности и применение. Выбор типа экспертной системы

1.3.3.1 Экспертные системы. Главное достоинство и назначение.

1.3.3.2 Выбор типа экспертной системы.

1.3.3.2.1 Отличие ЭС от других программных продуктов.

1.3.3.2.2 Отличительные особенности. Экспертные системы первого и второго поколения.

1.3.3.2.3 Критерий использования ЭС для решения задач.

1.3.3.2.4 Ограничения в применении экспертных систем.

1.3.3.2.5 Преимущества ЭС перед человеком - экспертом.

1.3.3.2.6 Экспертная Система Обучения.

1.4. База знаний системы. Сравнительный анализ. Классификация. Принципы » построения. Выбор типа Базы Знаний для проектируемой экспертной системы обучения.

Реализация.

1.4.1. База знаний системы.

1.4.2 Выбор модели БЗ.

1.4.3 Нейронные сети. Классификация. 1.4.3.1 Основные понятия и определения.

1.4.3.2 Модели нейронных сетей.

1.4.3.2.1 Модель Маккалоха-Питтса.

1.4.3.2.2 Модель Розенблата.

1.4.3.2.3 Модель Хопфилда.

1.4.3.2.4 Модель сети с обратным распространением.

1.4.3.3 Интерпретация в данной экспертной системе.

1.5 Интернет. Эволюция. Интернет как информационная среда. Области применения в образовании. Экспертные системы обучения и Интернет. Экспертная система обучения с базой знаний удалённого доступа.

1.5.1 Интернет. Эволюция.

1.5.2 Области применения в образовании.

1.5.3 Экспертные системы обучения и Интернет.

1.5.3.1 Обмен информацией в Internet/Intranet с использованием WWW-технологии

1.5.3.1.1 Основные компоненты WWW-технологии.

1.6 Обзор и краткая характеристика программы математики начальной школы на Кипре.

Основные разделы. Начальный курс математики и логики.

1.6.1 Обзор и краткая характеристика программы математики начальной школы на Кипре.

1.6.2 Основные разделы.

1.6.3 Начальный курс Математики.

1.6.3.1 Курс математики и логики.

1.6.3.2 Начальный курс математики и логики.

1.7 Выводы и Постановка задачи.

2. ПРИНЦИПЫ ПОСТРОЕНИЯ СИСТЕМЫ.

2.1 Основные алгоритмы. Метрика. Методика построения Экспертной Системы

Обучения.

2.1.1 Основные алгоритмы.

2.1.1.1 Модель ученика (МУ).

2.1.1.2 Модель учителя-педагога (МУП).

2.1.1.3 Алгоритм работы экспертного модуля (ЭМ).

2.1.2 Метрика.

2.1.3 Методика построения экспертной системы обучения.

2.2 Экспертный модуль (ЭМ).

2.3 Архитектура программного обеспечения экспертной системы.

2.3. 1J2EEH.NET.

2.3.1.1 Java против .NET.

2.3.1.2 Java как орудие конкурентной борьбы.

2.3.1.3 Что такое .NET. 2.3.1.4 Microsoft и Sun: под знаком меча.

3. МЕТОДЫ И СРЕДСТВА РЕАЛИЗАЦИЙ СИСТЕМЫ.

3.1 Сущность тестирования. Виды тестирования. Тесты Зрительно - пространственных представлений. Пример теста Зрительной памяти.

3.1.1 Сущность тестирования.

3.1.2 Виды тестирования. 3.1.3 Тесты Зрительно - пространственных представлений.

3.1.4 Пример теста зрительной памяти.

3.2 Обзор и краткая характеристика технических средств начальной школы на Кипре.

Предлагаемая конфигурация технических средств пользовательской части ЭСО, способы хранения и представления дидактического материала. Подключения к

Интернет.

3.2.1 Обзор и краткая характеристика технических средств начальной школы на Кипре .:.

3.2.2 Предлагаемая конфигурация технических средств пользовательской части ЭСО. Способы хранения и представления дидактического материала.

3.2.2.1.Технические средства компьютерного класса. 3.2.2.2 Конфигурация технических средств системы.

3.2.3 Способы подключения к Интернет.

4. ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ СИСТЕМЫ

4.1 Краткая характеристика контингента тестируемых.

4.2. Краткая характеристика проводившихся тестов.

4.3 Полученные практические результаты.

Несмотря на то, что первые экспертные системы (ЭС) появились в конце 60-х, и уже накоплен положительный опыт их применения в различных областях (например, в медицине, на производстве, в экономике и т.д.), не ослабевает научный интерес к вопросам, связанным с построением ЭС и их применением как в ранее изученных, так и в новых областях человеческой деятельности. В основном, по следующим основным причинам:

• развитие искусственного интеллекта, как области знания;

• развитие технологии и связанные с этим новые возможности — в первую очередь, высокая производительность и доступность современных средств вычислительной техники и связи;

• появление новых и модификация уже имеющихся областей человеческой деятельности.

Предметом настоящего диссертационного исследования является разработка системы дистанционного обучения для детей дошкольного возраста. Первые эксперименты по применению компьютеров в образовании относятся к началу 60-х годов. Именно тогда появились первые программные обучающие средства, сначала в виде автоматизированных учебных курсов (АУК), затем автоматизированных обучающих систем (АОС), реализующих парадигму программированного обучения. "Интеллектуализация" АОС происходила под влиянием исследований в области искусственного интеллекта, в особенности, экспертных систем.

Роль информационных технологий (ИТ) чрезвычайно важна, они занимают сегодня центральное место в процессе интеллектуализации общества, развития его системы образования и культуры [11]. Их широкое использование в самых различных сферах деятельности человека диктует целесообразность наискорейшего ознакомления с ними, начиная с ранних этапов обучения и познания. Система образования и наука являются одними из объектов процесса информатизации общества. Информатизация образования в силу специфики самого процесса передачи знания требует тщательной отработки используемых ТИ (технологий информатизации) и возможности их широкого тиражирования [12]. Кроме того, стремление активно применять современные информационные технологии в сфере образования должно быть направлено на повышение уровня и качества подготовки специалистов. "Отработка" применяемых в сфере образования ИТ должна ставить своей целью реализацию следующих задач:

• поддержку и развитие системности мышления обучаемого;

• поддержку всех видов познавательной деятельности человека в приобретении знаний, развитии и закреплении навыков и умений;

• реализацию принципа индивидуализации учебного процесса при сохранении его целостности.

Использование ЭСО позволит:

• обеспечить индивидуальный подход путём автоматизированной разработки учебной программы для каждого ученика и возможность автоматического контроля текущей успеваемости с последующей адаптацией учебного процесса к особенностям индивидуального восприятия дидактического материала;

• компенсировать недостаток подготовки педагогов за счёт выявления, аккумулирования, репликации и тиражирования передового опыта педагогической деятельности;

• повысить уровень мотивации учеников, стимулировать их интерес к изучаемой дисциплине и существенно повысить качество их самостоятельных (домашних) занятий;

• обеспечить возможность заочного (дистанционного) обучения по программе кипрской средней школы для лиц, не имеющих возможности посещать очные занятия (постоянно или временно).

Первая часть диссертационного исследования посвящена анализу современного состояния перспектив и тенденций развития систем дистанционного обучения. При этом, учитывая специфику конечного пользователя - детей, особое внимание уделяется вопросам построения пользовательского интерфейса с использованием современных мультимедийных технологий ("multimedia", "interactive media", "hypermedia", речевой ввод ("voice recognition") и т.д.).

Исследуются возможности использования различных форм представления дидактического материла. Принимая во внимание, что при работе с детьми 4- 6 летнего возраста область применения традиционных форм (таких, как текст) весьма ограничена, особый интерес представляют такие формы, как графика, видео, анимация, звук, речь и т.д.

Так как рассматривается возможность использования ЭСО для заочного обучения, предметом специального исследования является анализ возможности использования в качестве транспортной среды, широко доступной как на Кипре, так и за рубежом, - сети Интернет. Учитывая специфику последней, в первую очередь - гетерогенный характер сети и особенности маршрутизации пакетов, обусловливающие разницу во времени, необходимого для доставки очередного пакета, определённый интерес представляют обзор и анализ наиболее перспективных протоколов, технологий и процедур, которые смогли бы обеспечить работу системы в режиме реального времени, не перегружая при этом каналы Интернет.

Как известно, база знаний (БЗ) является неотъемлемой частью любой экспертной системы. Поэтому проблема идентификации новых знаний, их формализации, представления и хранения, а также алгоритмов доступа к БЗ является неотъемлемой частью теоретического раздела диссертационного исследования. Так как в основе решений педагогов часто лежит интуиция и, следовательно, вероятность существования формализуемых алгоритмов чрезвычайно мала, наиболее перспективными являются решения, основанные не столько на использовании «правил», сколько на элементах теории распознавания образов. Поэтому анализу БЗ именно этого типа уделено особое место.

Как создание БЗ, так и разработка процедур доступа требует специальной математической, алгоритмической, программной и аппаратной поддержки. Поэтому соответствующая часть теоретического раздела отводится специально этому вопросу.

Анализ всех указанных выше аспектов проблемы позволяет сформулировать как критерии оценки, так и требования для современной ЭСДО (Экспертной Системы Дистанционного обучения). В методической части диссертационного исследования приводится разработка архитектуры системы пользовательской подсистемы, учитывающей возможность последующего использования в системе средней школы Кипра.

Ожидаемые научные результаты:

1) Предложена архитектура системы дистанционного обучения отличающейся использованием встроенной ЭС.

2) Разработана архитектура пользовательской подсистемы, учитывающей специфику контингента обучаемых.

3) Реализована и внедрена система "KIDS.CY" которая используется в дошкольных учреждениях Кипра.

Научная новизна диссертационного исследования представлена следующими основными элементами:

1) Впервые была предложена архитектура системы дистанционного обучения, отличающейся использованием встроенной экспертной системы.

2) Впервые была предложена архитектура интеллектуального интерфейса, ориентированного на детей дошкольного возраста.

1.7 Выводы и Постановка задачи

1. Проведен анализ Технических средств Обучения в образовании, показавший, что использование информационных технологий и именно применение ИМТ реализует следующие задачи:

- поддержку и развитие системности мышления обучаемого;

-поддержку всех видов познавательной деятельности человека в приобретении знаний, развитии и закреплении навыков и умений;

- реализацию принципа индивидуализации учебного процесса при сохранении его целостности. что использование дистанционного образования ставит следующие задачи:

- насколько возможно расширить студенческую аудиторию;

-удовлетворить потребности студентов, которые не в состоянии посещать занятия в университетских классах;

- привлечь сторонних докладчиков (лекторов), которые не имеют возможности присутствовать лично;

- вовлечь студентов различных общественных, культурных, экономических сред (слоев).

2. Исследование об Искусственном Интеллекте и образовании показало, что технология Искусственного Интеллекта, включая способность работать с естественным языком, может быть применена и в классной комнате, что оживит образование. Дополнительно к мощной технологии, исследование в области ИИ обеспечило нас теориями изучения и аргументации [13]. Эти теории могут использоваться, чтобы провести разработку машинных образовательных систем, которые суммируют все достоинства обычных методов изучения.

3. Аналитический обзор о состоянии области построения ЭСО показал, что разнообразие способов реализаций ЭС, модели БЗ, предметной области, требования, предъявляемые к ЭС, не позволяют разработать эффективную единую методику построения ЭС. В связи с этим, в данной работе предлагается разработка методики построения ЭСО, характеризующейся:

1 Возможностью применения для дистанционного обучения;

• Возможностью использования в качестве транспортной среды широко доступной сети Интернет (в первую очередь, гетерогенный характер сети и особенности маршрутизации пакетов, обусловливающие разницу в количестве времени, необходимого для доставки очередного пакета, определённый интерес представляет обзор и анализ наиболее перспективных протоколов, технологий и процедур, которые обеспечивают работу системы в режиме реального времени, не перегружая при этом каналы Интернет).

4. Аналитический обзор об использовании Интернета в качестве транспортной сети для системы позволяет сделать вывод:

Системы программирования высокого уровня позволяют генерировать интерактивные WWW-приложения, используя в качестве библиотек подпрограмм Java Applet (Toolbook, Media Maestro, Director, Authrware). Все перечисленные выше системы могут быть использованы для разработки мультимедийных приложений неквалифицированным пользователем после непродолжительной подготовки. В данном случае возможность автоматического генерирования WWW-приложений позволит экспертам-непрограммистам добавлять и модифицировать компоненты банка учебных модулей экспертной системы.

Все указанные выше особенности значительно упрощают разработку интерактивных мультимедийных приложений для Windows, которые в дальнейшем могут быть использованы в качестве учебных модулей.

Помимо всего прочего, первоначальным назначением MSIE, как известно, была интерпретация HTML-скриптов. HTML является достаточно компактным и мобильным протоколом, используемым Internet. Как правило, не возникает особых проблем даже при наличии корпоративных firewalls, в то время, как другие протоколы могут фильтроваться корпоративными шлюзами. По этой причине не может возникнуть особых проблем при решении вопроса о способе коммуникации между пользовательским ПО (клиент) и сервером системы.

На основании вышеизложенного сформулируем цель работы, которая заключается в разработке методики построения Экспертных Систем Обучения (ЭСО) с возможностью применения для дистанционного обучения и с возможностью использования в качестве транспортной среды широко доступной сети Интернет (в первую очередь, гетерогенный характер сети и особенности маршрутизации пакетов, обусловливающие разницу в количестве времени, необходимого для доставки очередного пакета, определённый интерес представляет обзор и анализ наиболее перспективных протоколов, технологий и процедур, которые обеспечивают работу системы в режиме реального времени, не перегружая при этом каналы Интернет).

2. ПРИНЦИПЫ ПОСТРОЕНИЯ СИСТЕМЫ 2.1 Основные алгоритмы. Метрика. Методика построения Экспертной Системы Обучения.

2.1.1 Основные алгоритмы.

В соответствии с вышеизложенным, алгоритм работы экспертной системы обучения может быть представлен следующим образом (рис. 2.1):

Рис. 2.1 Алгоритм работы ЭСО

1. Инициализация системы. Первоначально модель ученика не содержит никакой информации. В процессе инициализации интерфейсный модуль предлагает ученику ряд тестов, чтобы определить его индивидуальный уровень восприятия, мышления, памяти и т.д., а также начальный уровень знаний. Статистическая информация заносится в модель ученика (МУ). Далее интерфейсный модуль направляет запрос экспертному модулю.

2. Экспертный модуль анализирует информацию модели ученика и определяет на основе оптимальной стратегии обучения, которая хранится в МУП, следующий учебный модуль. Код учебного модуля передаётся в интерфейсный модуль. В случае, когда оптимальная стратегия обучения не может быть определена, экспертный модуль формирует запрос инженеру базы знаний системы для корректировки модели учителя. Если уровень знаний ученика отвечает заданному нормативу (т.е. ученик прошёл всю программу), учебный процесс заканчивается.

3. Получив код очередного учебного модуля, интерфейсный модуль представляет ученику информацию (упражнение, тест), принимает вводимые данные, обновляет модель ученика и формирует очередной запрос экспертному модулю. Далее управление снова передается блоку № 2.

2.1.1.1 Модель ученика (МУ)

Как было показано выше, МУ должна отражать уровень знаний ученика и его индивидуальные характеристики, к числу которых относятся восприятие, мышление, память и т.д. В нашем случае предлагается использовать комплексную характеристику ученика в виде точки многомерного пространства размерности N, где N — количество параметров, характеризующих уровень знаний учащегося, которое может быть равно количеству пройденных учебных модулей. Каждая п-координата может принимать дискретные значения. Например, 0 и 1 («прошёл» - «не прошёл») для теоретических модулей и упражнений, и 0, 1, 2, 3, 4 («тест не был предложен», «не прошёл», «слабый уровень», «средний уровень», «высокий уровень») для тестов.

Для оценки параметров, характеризующих индивидуальные особенности ученика, может быть использована трёхзначная шкала 1, 2, 3 («слабый уровень», «средний уровень», «высокий уровень»), причём требования зависят от возраста обучаемого. Предлагаемый перечень таких параметров приведен в таблице 2.1. Таблица 2,1

Предлагаемый перечень, характеризующий индивидуальные особенности

Характеристики восприятии Константность [3]. Цветоразличение; Слуховое различение |4|, Различение форм [5], Чернильные пятна Роршаха [6].

Характеристики Зрительно-Моторной координации Кодирование (тест Керна-Иирасека) [7], Линеограммы (методика Мира-Лопеца) [3]

Характеристики Внимания Нерасплетённые линии (модификация теста Рея) [7], Цифровая таблица Шульца (объём внимания); Корректурная проба (способности распределения внимания ) (варианты методики Бурбона [8], Тест Кюсси [3]

Характеристики Памяти Узнавание фигур (тест Берн штейна) [7]. ,

2.1.1.2 Модель учителя-педагога (МУП).

Предлагаемая модель учителя-педагога представляет собой набор точек многомерного пространства размерности N и коды соответствующих учебных модулей. Первоначально МУГ1 может содержать эмпирическую информацию, полученную в результате опроса квалифицированных педагогов-экспертов или быть незаполненной. МУП динамически обновляется в процессе работы ЭСО. реализуя алгоритм самообучения.

2.1.1.3 Алгоритм работы экспертного модуля (ЭМ).

ЭМ. получив от модели ученика координаты соответствующей точки многомерного пространства. рассчитывает с помощью метрики М «расстояние» до каждой точки модели учителя-педагога. определяя точку с минимальным расстоянием. Если найденное «минимальное» расстояние меньше либо равно установленному критерию, то следующий модуль найден. Если нет, то экспертный модуль формирует запрос эксперту-педагогу, который вводит очередное решение, при этом автоматически обновляется модель учителя-педагога (см рис. 2.2).

НАЧАЛО

Рис. 2.2 Алгоритм работы ЭМ

2.1.2 Метрика.

Вопрос правильного выбора метрики (способа определения расстояния между точками многомерного пространства) является ключевым и во многом определяется спецификой пространства. В нашем случае многомерное пространство характеризуется следующими особенностями:

- оно не является непрерывным (т.е. отсутствуют такие значения координат, как 1.5 и т.п.), т.е. оно дискретно;

- множество значений, которые могут принимать различные координаты, счётно и конечно

- множества значений различных координат не совпадают:

- Ут = {М } 3 bj = {Mj }: Mi* М (2.1)

- координаты не равнозначны, т.е. ранжированы:

V/, j е fV3n, Tj(r = I, ЛГ; /• - 1, N- j - 1, N■ i # j) : П * Г] (2.2)

В силу этих обстоятельств использование традиционной Евклидовой метрики представляется нецелесообразным, по крайней мере, по двум причинам: (1) пространство дискретно и (2) координаты ранжированы.

В нашем случае предлагается следующий способ определения «расстояния» между двумя точками:

МАЕ = \АВ\ = ХыК®-*')|* П«" <2"3) где: я, - i-я координата точки А модели ученика bi - /-я координата точки В модели учителя-педагога. тк- основание (количество различных значений) к-тотл координаты многомерного про- " странства базы знаний экспертной системы.

Проиллюстрируем работу экспертного модуля на следующем примере. Предположим, что рассматриваемая системы содержит 5 учебных модулей (т.е. размерность нашего пространства равна 5). Возможные характеристики пространства приведены в таблице 2.2.

ЗАКЛЮЧЕНИЕ

Проведён анализ существующих систем обучения удалённого доступа.

Выполнен анализ требований, предъявляемых к системе обучения в соответствии с образовательной программой Кипра.

Сформулированы требования к ЭСО удалённого доступа для учеников дошкольного возраста.

Разработаны алгоритмы ЭСО, отличающиеся использованием индивидуального подхода.

Предложена архитектура ЭСО, отличающаяся:

- разгрузкой сервера базы данных, возможностью доступа к кластеру

- улучшенной производительностью,

- повышенной надёжностью и доступностью системы

Реализована и внедрена ЭСО удалённого доступа.

Результаты эксплуатации разработанной системы показали её надёжность и эффективность.

1. R. Kaplan and D. Rock, New directions for 1.telligent Tutoring, AI Expert February 1995

2. J.N Rickel, Intelligent Computer Aided Instruction Survey Organized Around System Components, IEEE Transactions on System Main and Cybernetics, Vol. 19, No 1 January/February 1989

3. Психодиагностические методы в комплексом лонгитюдном исследовании студентов. Л-д, изд-во Ленгосуниверситета. -1976

4. Анна Анастази. Психологическое тестирование. Т.1-2. М.: Педагогика. 1982.

5. Психодиагностическая работа в начальной школе / под ред. А.А. Степанова. часть 1; СПб.: Образование. -1994

6. Б.И. Белый. Тест Роршаха. Практика и Теория. СПб.: Дорваль; Интерс. 1992

7. Шванцара Иосеф и коллектив. Диагностика психологического развития. Прага; Авице-нум. 1978

8. Диагностика познавательной сферы ребёнка / Т.Г. Богданова; Т.В. Корнилова; М.: Роспе-дагенство. -1994

9. Тау Vaugan, Multimedia Making it work, IV Edition. -1998

10. Robert L. Lindstrom, Multimedia Presentations. 1994

11. Колин K.K. Информационные технологии катализатор процесса развития современного общества. "Информационные технологии", 1995, № 2. - С. 10-15.

12. Голубков А.С. Информационные технологии требуют государственной поддержки. "Информационные технологии", 1996, № 1. С. 2-5.

13. Roger С. Shank, Daniel J. Edelson, "A Role of AI in Education". Institute for Learning Sciences, Northern University, January 1990.

14. Roger C. Shank, Lawrence A. Birnbaum, "Can Intelligence be Enhanced? ", Institute for Learning Sciences, Northern University, Technical Report #33, September 1992.

15. Schank, R.C. (1990b). Tell me a story: A new look at real and artificial memory. New York:1. Charles Scribner & Sons.

16. Riesbeck, C.K., & Schank, R.C. (1989). Inside case-based reasoning. Hillsdale, NJ: Lawrence Erlbaum.

17. Mary Ann Pike, (1995), "Using The Internet" (Special Edition), Second Edition. QUE Corporation.

18. Roy D. Pea, Louis M. Gomez, "Distributed Multimedia Learning Environments: Why and How?" Institute for Learning Sciences, Northern University, Technical Report #25, May 1992

19. Blanchard, W. "Telecourse Effectiveness: A Research-review Update", Olympia, WA: Washington State Board for Community College Education, 1989

20. Goldeway, "Factors Effecting Learned Motivation In Distance Education: The Interaction D.E., Spencer R., & Stinger, M. 1980.

21. Homberg, В., Communications in Distance study. In STATUS AND TRENDS OF DISTANCE EDUCATION, Lund, Sweden: Lector Publishing 1985.

22. Sponder, В., "Distance Education in Rural Practices in Audioconference courses", University of Alaska Monograph series in Distance Education No 1. Fairbanks, A.K., University of Alaska, Center for Cross-Cultural Studies 1990.

23. З.В Попов, И.В. Фоминых, Е.Б. Кисель, М.Д. Шапот, ., "Статические и Динамические Экспертные Системы", Финансы и Статистика, Москва. 1996.

24. Feigenbaum Е.А. "The art of artificial Intelligence: Themes and case studies of knowledge engineering //The fifth International Joint Conference on Arificial Intelligence Boston: MT, 1977. — P. 1014-1029.

25. Под ред. Гриценко В.И., Довгялло A.M., Савельева А.Я. Компьютерная технология обучения. Словарь-справочник. Киев: "Наукова думка", 1992.

26. Keith Darlington, "The Essence Of Expert Systems", Prentice Hall, Pearson Education Ltd2000

27. Школа Ейдетики "Развитие Памяти Образного Мышления Воображения Том 1", Эйдос, Москва 1994

28. Школа Ейдетики "Развитие Памяти Образного Мышления Воображения Том 2", Эйдос, Москва 1994

29. Cawsey A. "The Essence of Artificial Intelligence", Hemel Hempstead: Premtice Hall (1998)

30. Darlington K. "Basic Expert Systems", British Computer Society ITTN, vol. 8.4 (1996)

31. Doukids G. and Whittley E.A. "Developing Expert Systems", Bomley: Chartwell-Btatt (1989)

32. Durkin J.M "Expert systems: Design and Development", London:Macmillan (1994)

33. Dutta S. "Knowledge Processing and Applied AI", Oxford: Butterworth-Heinemann (1995)

34. Edwards J.S. "Building Knowledge BasedSystems", London: Pitman Press (1990)

35. Giaratano J.C. and Rilley G.D. " Expert Systems Principles and Programming" 2nd edition, Boston: PWS Kent (1994)

36. Jackson P. " Introduction to Expert Systems" Reading MA: Sddison-Wesley (1992)

37. Minsky M. A framework for representing knowledge, In " The psychology of human vision" ed. Patrick Winston, New York: McGraw-Hill, 1973. P. 211-217

38. Rich E. "Artificial Intelligence" 2nd edition, NewYork: McGraw-Hill (1992)

39. Beynon-Davis, J. "Expert DatabaseSystems", London: McGraw-Hill (1991)

40. Brachman, R.J. "I liedabout the trees" AI Magazine (1998), vol. M6, no3, 80-93

41. Clansey, W.J. :epistemoIogy of a rule-based expert system: a framework for explanation. AI Magazine (1983), vol.20, no.3,215-251.

42. Lenant, D. and Guha, H. "Building large knowledge based systems" the CYS project, Reading MA: Addisson Wesley (1991)

43. Quillam, M.R. "Semantic Memory" Cambridge, MA: MIT Press, 1968. P. 227-270

44. A. Barrand E.A. Freigenbaum(editors) "The Handbook of Artificial Intelligence", Heuris Tech Press and William Kaufmann, StamfordCaliforniaand Los Altos, California, (1982)

45. T Dean, "Artificial Intelligence:Theory andPractice", Benjamin/Cummings, Redwood City, California, (1995)

46. P. Jackson, "Introduction to Expert Systems(second edition)", Addison Wesley, Reading, Massachusetts, (1990)

47. G. F. Luger and W. A. Stubblefield, "Artificial Inteligence: Structures and Strudegies for complex problem solving", Benjamin/Cummings, Redwood City, California, (1993)

48. A. M. Turing, "Computing machinery and intelligence", Mind 59: 433-460, (1950)

49. Т.Г. Богданрва, T.B. Корнилова, "Диагностика познавательной сферы ребёнка", М.: Роспедагенство, (1994)

50. Абу-Мустафа Я.С., Псалтис Д. Оптические нейронно-сетевые компьютеры // В мире науки, 1987. №5.-С. 42-50.

51. Джеффри Е. Хинтон. Как обучаются нейронные сети.// В мире науки 1992 - № 11 - № 12-С. 103-107.

52. Иванченко А.Г. Персептрон системы распознавания образов.// К.: Наукова думка,1972.

53. Куссуль В.М., Байдык Т.Н. Разработка архитектуры нейроподобной сети для распознавания формы объектов на изображении.//Автоматика 1990 - № 5. - С. 56-61

54. Минский М., Пейперт С. Персептроны. М.: МИР, 1971. 261 с.

55. Розенблат Ф. Аналитические методы изучения нейронных сетей // Зарубежная радиоэлектроника. 1965. - № 5. - С. 40-50.

56. Трикоз Д.В. Нейронные сети: как это делается? // Компьютеры + программы 1993. -№ 4(5). - С. 14-20.

57. Тэнк Д.У., Хопфилд Д.Д. Коллективные вычисления в нейроноподобных электронных схемах // В мире науки. 1988. № 2. С. 44-53.

58. Aarts E.H.L., Korst J.H.M. Boltzmann machines and their applications//Lect. Notes Comput. Sci. 1987. V. 258. P. 34-50.

59. Aarts E.H.L., Korst J.H.M. Boltzmann machines for travelling salesman problem // European J. Oper. Res. 1989. V. 39. P.79-95.

60. Abu-Mostafa Y.S., Jaques J.N.St. Information capacity of the Hopfield model // IEEE Trans. Inform. Theory. 1985. V. 31. P. 461.

61. Ackley D.H., Hinton G.E., Sejnowski T.J. A learning algorithm for Bolzmann machines // Cognit. Sci. 1985. V. 9. N I. P. 147-169.

62. Amari S. Field theory of self-organizing neural networks // IEEE Trans. Syst., Man, Cybern. 1983. V. 13. P. 741.

63. Athale R., Stirk C.W. Compact architectures for adaptive neuraal nets // Ibid, 1989. V. 28. N4.

64. Bardcev S.I., Okhonin V.A. The algorithm of dual functioning (back propagation): general approach, versions and applications. Krasnojarsk: Inst, of biophysics SB AS USSA 1989.

65. Carpenter G.A., Grossberg S. A massively parallel architecture for a self-organizing neural pattern recognition machine // Comput. Vision Graphics Image Process. 1986. V. 37. -P. 54-115.

66. Cohen M.A., Grossberg S. Absolute stability of global pattern formation and parallel memory storage by competitive neural networks//IEEE Trans. Syst., Man, Cybern. 1983. V. 13. N 5. P. 815-826.

67. Computing with neural circuits: a model // Science, 1986. V. 233. P. 625-633.

68. Cross Michael. Brain ware hits Japanese computers.// New Sci. 1988 - 120, # 1640/ - P. 33.

69. Hebb D.O. The organization of behaviour. N.Y.: Wiley, 1949.

70. Hopfield J.J. Neural networks and physical systems with emergent collective computational abilities // Proc. Natl. Acad. Sci. 1984. V. 9. P. 147-169.

71. Hopfield J.J., Tank D.W. Neural computation of decision in optimization problems // Biol. Cybernet. 1985. V. 52. p.

72. Hopfield J.J., Feinstein D.I., Palmer F.G. Unlearning has a stabilizing effect in collective memories //Nature. 1983. V. 304. P. 141-152.

73. Hopfield J.J., Tank D.W. Neural computation of decision in optimization problems // Biol. Cybernet. 1985. V. 52. P.141-152.

74. Kuzewski Robert M., Myers Michael H., Grawford William J. Exploration of fwd error propagation as self organization structure // IEEE 1st. Int. Conf. Neural Networks, San Diego, Calif., June 21-24,1987. V. 2. San Diego, Calif., 1987. - p.89-95.

75. Lippmonn Richard P. Gold Ben Neuronet classifiers useful for speech recognition.// IEEE 1st. Conf. Neural Networks, San Diego, (Calif), 1987 p. 417-425.

76. Montgomery, Douglas C. Forecasting and time series analysis./Douglas C. Montgomery, Lynwood A. Johnson, John S. Gardiner. 2nd ed. - ISBN 0-07-042858-1.

77. Rosenblatt F. The peseptron: a probabilistic model for information storage and organization in the brain // Psychol. Rev. 1958. V. 65. P. 386.

78. Rosenblatt F. Principles of neurodynamics. Spartan., Washington, D.C., 1962.

79. Rumelhart B.E., Minton G.E., Williams R.J. Learning representations by back propagating error.//Wature, 1986. V. 323.p. 1016-1028.

80. Takefuji D.Y. A new model of neural networks for error correction.//Proc. 9th Annu. Conf. IEEE Eng. Med. and Biol. Soc., Boston, Mass., Nov. 13-16, 1987. V. 3, New York, N.Y., 1987 p.1709-1710.

81. Treliven P. Neurocomputers // London: University college, 1989.

82. Neural Computing.// London: IBE Technical Services, 1991.

83. Jeffery W., Rosner R. Neural network processing as a tool for friction optimization // Neu-ronet Comput. Conf., Snowbird, Utah, Apr. 13-16, 1986. New York, N.Y., 1986. P. 241-246.

84. Fogelman Soulie F. Neural networks, state of the art, neural computing.// London: IBC Technical Services, 1991.

85. Hecht-Nielsen R. Neurocomputing: picking the human brain.// IEEE SPECTRUM 1988 V. 25.N3. -P. 36-41.

86. Hebb D.O. The organization of behaviour. N.Y.: Wiley, 1949.

87. Artificial Intelligence. // Amsterdam: Time Life - Books, 1986.

88. Цуприков С. Нейронные вычисления берутся на вооружение финансистами.// Сот-puterworld Moscow - 1985 - № 7. - С. 57-58.

89. Розенблат Ф. Принципы нейродинамики // М.: МИР, 1965.

90. Масалович А.И. От нейрона к нейрокомпьютеру // Журнал доктора Добба 1992 - № 1. - С. 20-23.

91. Картавцев В.В. Нейронная сеть предсказывает курс доллара? // Компьютеры + программы- 1993. -№ 6(7). С. 10-13.

92. Farley J. Picking a Winner: .NET vs. J2EE // Software Development Magazine. 2001. March.

93. Богатырев P. Гадание на кофейной гуще // Мир ПК. 1998. № 2.

94. Гейтс Б. Дорога в будущее. М.: Русская редакция, 1996.

95. Meyer В. .NET is Coming // IEEE Computer. 2001. August; Мейер Б. Наступает эпоха .NET // Открытые системы. №11.