автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.10, диссертация на тему:Модель обучаемого как средство управления сеансом работы пользователя компьютерной обучающей системы

Федеральное агентство по образованию РФ Тверской государственный технический университет

На правах рукописи

Тулова Светлана Александровна

МОДЕЛЬ ОБУЧАЕМОГО КАК СРЕДСТВО УПРАВЛЕНИЯ СЕАНСОМ РАБОТЫ ПОЛЬЗОВАТЕЛЯ КОМПЬЮТЕРНОЙ ОБУЧАЮЩЕЙ СИСТЕМЫ

Специальность: 05.13.10 - Управление в социальных и экономических

системах

Автореферат диссертации на соискание ученой степени кандидата технических наук

Тверь - 2006

Работа выполнена в Тверском государственном техническом университете.

Научный руководитель:

доктор технических наук, профессор Филатова Н.Н.

Официальные оппоненты:

Ведущая организация:

доктор технических наук, профессор Кузнецов В. Н. кандидат технических наук, доцент Леонова Н. М. ФГУП Межотраслевой

центр

эргономических исследований и разработок

Защита состоится " 2006 г. в 14°° часов на

заседании диссертационного совета Д 212.262.04 в Тверском государственном техническом университете по адресу: 170026, г.Тверь, наб. Аф.Никитина, 22, комн.212.

С диссертацией можно ознакомиться в библиотеке Тверского государственного технического университета.

Автореферат разослан"

г.

Ученый секретарь

диссертационного совета В. Н. Михно

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Условные обозначения КСО - компьютерное средство обучения КОС - компьютерная обучающая система ИОС - интеллектуальная обучающая система МО - модель обучаемого

МПФС - модель психофизиологического состояния

МПЗ — модель представления знаний

ПФК - психофизиологический компонент

КК - когнитивный компонент

НС - нервная система

БД - база данных

Актуальность темы.

Создание новых информационных технологий для профессионального образования преследует цели повышения эффективности учебного процесса: сокращения времени обучения на подготовку специалистов при одновременном повышении уровня обученности.

Опыт использования различных компьютерных средств обучения (электронных учебников, тренажеров, обучающих систем), проанализированный в работах Довгяло А. М., Машбица Е. П., Растригина А.Л., Башмакова И. А., Леоновой Н.М., Брусиловского П.Л., КтзЬик, Раге1 А., КакаЬауагЫ К., МсатЬои К. подтверждает взаимосвязь факторов, определяющих эффективность познавательной деятельности, с наличием средств их адаптации к личности обучаемого.

Задача индивидуализации сценариев КСО приобретает особенно важное значение при создании систем дистанционного обучения. Для ее решения в состав обучающих систем включают модель обучаемого.

Эффективность процесса обучения в интеллектуальной обучающей системе в значительной степени определяется:

- адекватностью предъявляемого материала уровню знаний обучаемого;

- методическими принципами и приемами, на которых построен как учебный материал, так и система его сопровождения.

Исследования в области адаптации компьютерных обучающих систем к уровню знаний обучаемого проводятся около тридцати лет. Вопросам влияния психологического и психофизиологического состояния человека на учебную деятельность также уделяется значительное внимание. К настоящему времени сложилась ситуация, когда накопленный опыт в этих двух областях можно использовать для построения компьютерных средств обучения, учитывающих как когнитивные, так и психофизиологические свойства обучаемых. Такой подход, основывающийся на взаимодействии двух компонент модели студента, позволит повысить эффективность средств управления сеансом обучения.

Целью диссертационной работы является повышение эффективности управления сеансом обучения на основе двухкомпонентной модели обучаемого, позволяющей определять индивидуальные параметры настройки электрон-

ной образовательной среды.

Задачи исследования. Для достижения поставленной цели необходимо решить следующие задачи:

1. Определить основные функциональные требования к моделям обучаемого. Разработать структуру модели, отражающей когнитивные и психофизиологические характеристики обучаемого, влияющие на процессы усвоения учебной информации.

2. Выбрать методики и разработать алгоритмы автоматической оценки характеристик, влияющих на результаты учебной деятельности в продолжении сеанса компьютерного обучения.

3. Разработать систему взаимосвязанных шкал для измерения психофизиологических характеристик и построения ПФК МО по результатам экспресс -тестирования.

4. Провести экспериментальные исследования модели обучаемого.

5. Разработать методику определения индивидуальных параметров настройки сценария обучения и алгоритм управления сценарием КСО с параметрической адаптацией, обеспечивающий наиболее высокий темп усвоения учебной информации.

6. Разработать программное и методическое обеспечение комплекса для построения двухкомпонентной модели обучаемого.

Методы исследования. Для решения поставленных задач в качестве базовой методологии, являющейся основой исследования, в работе использовались методы структурного системного анализа. Также использованы: теория нечеткой логики, элементы теории графов и теории проектирования систем баз данных.

Новые научные результаты:

1. Архитектура модели обучаемого, включающей когнитивный и психофизиологический компоненты. Модель позволяет управлять сеансом обучения в режиме эффективного усвоения информации.

2. Комплексы психофизиологических характеристик, составляющих модель обучаемого и влияющих на восприятие и переработку учебной информации.

3. Методика получения и обработки информации о системе психофизиологических характеристик модели обучаемого на основе нечеткой логики.

4. Модель сценария обучения, основанная на расширении базовой модели предметной области индивидуальными параметрами настройки.

Практическая значимость работы: заключается в том, что в ней: разработана методика подбора весовых коэффициентов для связи базовых и нормализованных шкал характеристик, включаемых в состав психофизиологического компонента модели обучаемого;

созданы функции принадлежности тридцати терм-множеств для построения описаний психофизиологического состояния обучаемого по лингвистической шкале;

разработано информационное и алгоритмическое обеспечение, для настройки параметров сценария и управления сеансом обучения в компьютерных

обучающих системах произвольной предметной области;

разработано программное обеспечение комплекса для построения психофизиологического компонента модели обучаемого.

Разработанные методики, информационное и программное обеспечение могут входить как подсистемы в компьютерные средства обучения профессиональных образовательных учреждений.

Основные положения, выносимые на защиту:

1. Управление сеансом обучения осуществляется с помощью модели обучаемого, включающей когнитивный и психофизиологический компоненты. Связь когнитивного и психофизиологического компонентов поддерживается на протяжении всего сеанса обучения.

2. Коррекция параметров сценария обучения в КОС осуществляется психофизиологическим компонентом модели обучаемого на основе оценок текущего состояния студента.

Внедрение результатов. Результаты исследований включают программное и методическое обеспечение поддержки психофизиологического компонента модели обучаемого. Комплекс поддержки психофизиологического компонента модели обучаемого установлен в трех дисплейных классах Тверского государственного технического университета, а также передан для эксплуатации в учебный центр в/ч № 87286 г. Сосновый Бор.

Апробация работы. Основные положения диссертации доложены на всероссийской конференции "Новые информационные технологии" (НИТ) - 2001 (Рязань), на международной конференции "International Conference on Advanced Learning Technologies" - 2002 (Казань), на международной научно-технической конференции "Компьютерные технологии в управлении, диагностике и образовании" - 2002 (Тверь), на международной научно-технической конференции "Компьютерные технологии в управлении, диагностике и образовании" - 2004 (Тверь), на VI международной научно-практической конференции "Компьютерные технологии в науке, производстве, социальных и экономических процессах" — 2005 (Новочеркасск).

Публикации. По теме диссертации опубликовано 10 печатных работ, из них 3 статьи, тезисы к 6 докладам на всероссийских и международных научных конференциях и 1 статья в электронном журнале.

Структура и объем работы. Диссертация состоит из введения, 4 глав, заключения, списка литературы и 4 приложений. Основное содержание работы изложено на 224 страницах машинописного текста, в том числе на 40 рисунках и в 38 таблицах. Список использованной литературы включает 147 наименований.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертационной работы, сформулированы цель и задачи исследований, приводится краткое содержание работы по главам.

В первой главе диссертации проведен анализ современных интеллекту-

альных обучающих систем, в архитектуре которых содержатся модели пользователя (обучаемого). Предложена классификация ИОС по функциональным признакам, выделены типы задач, решаемых с помощью МО:

- упорядочение знаний и заданий, планирование обучения;

- адаптивная поддержка совместной работы;

- интеллектуальные наблюдение за аудиторией и анализ решений;

- поддержка интерактивного решения задач и решения задач на примерах;

- адаптивное представление материала;

- поддержка восприятия материала на максимальном уровне.

Проведенный обзор 50-ти отечественных и зарубежных обучающих систем

показал, что наиболее полно в них реализованы только функции автоматического тестирования и управления сценарием ИОС на основе оценки знаний. Вопросы адаптивного управления, вытекающие из функций МО, решаются только на основе мониторинга обученности студента, оценке его знаний.

Однако любая ИОС является биотехнической системой, эффективность функционирования которой определяется состоянием ее компонентов (студент, модули / блоки ИОС) и процессами их взаимодействия. Влияние биологических аспектов, характеризующих состояние обучаемого, на результативность процесса приобретения знаний рассматривалась в работах Аткинсопа Р., Свиридова Л.П., Холодной М. и др. Однако, влияние психофизиологических факторов на эффективность сеансов компьютерного обучения исследована слабо. Имеющиеся примеры (работы Яковец Д., Зайцевой Е.) связаны с использованием ручных инструментальных средств, с ориентацией на строго определенные КСО и позволяют сформулировать только требования к дизайну электронных учебников.

В современных образовательных технологиях усиливается роль самостоятельной работы студентов, что требует повышения "гибкости" сценариев функционирования КОС, более точной их ориентации на личные особенности пользователя. Для достижения этой цели необходимо формализовать взаимосвязь параметров настройки сценария и когнитивных и психофизиологических характеристик обучаемого.

Требование формирования индивидуальных сценариев обучения является одним из основных при создании ИОС. Под индивидуальным сценарием понимается методическая схема организации учебного сеанса, генерирующаяся на основе оценок уровня знаний обучаемого и оценок характеристик, влияющих на восприятие учебного материала.

Задачу поддержки индивидуального сценария обучения можно рассматривать как задачу управления сеансом обучения с помощью специального компонента - модели обучаемого, содержащей текущие оценки основных его характеристик. При таком подходе МО становится инвариантной к типу ИОС.

Модель обучаемого включает два компонента: когнитивный и психофизиологический. Когнитивный компонент (КК) определяет состав учебного материала на каждом шаге сценария обучения. Способ представления материала, а также ряд временных параметров зависит от психофизиологического компонента (ПФК).

Сформулирована стратегия применения двухкомпонентной МО, заключающаяся в управлении циклом обучения путем коррекции параметров сценария ИОС на основе оценки и сопоставления психофизиологических и когнитивных характеристик обучаемого.

Обоснована цель диссертационной работы и сформулированы основные задачи исследования.

Вторая глава посвящена вопросам разработки когнитивного и психофизиологического компонентов МО.

Наиболее исчерпывающая систематизация МО была выполнена П. Бруси-ловским в середине 90х годов. Основное внимание в его работах уделялось когнитивным моделям, для которых были найдены взаимосвязи, между структурой и функциональными ограничениями. На основе этих исследований для реализации стратегии параметрической адаптации сценария ИОС в качестве базовой основы для построения когнитивного компонента модели обучаемого выбран оверлейный тип модели. Такое решение позволяет использовать структурные модели представления знаний, как при разметке учебного материала (модель эксперта), так и при анализе ответов студента (модель обучаемого). Представление оверлейной модели знаний обучаемого осуществляется в форме семантической сети, что позволяет использовать для ее анализа аппарат теории графов.

Формирование умений основано на диалоговой поддержке решения задач. В качестве модели сценария диалога используют граф, вершины которого соответствуют предлагаемым учащемуся заданиям, а ребра отражают связи между ними при правильных, неправильных и неточных ответах студента.

Для реализации модели предметных знаний обучаемого выбрана реляционная модель данных - в силу простоты схемы данных, логической и физической независимости, обеспеченности языками высокого уровня и высокими возможностями защиты данных.

Выполнен литературный анализ факторов, которые оказывают влияние на эффективность интеллектуальных процессов усвоения новой информации. В работах Е. Ильина, М. Холодной, А. Свиридова, Л. Зайнутдиновой для сферы профессионального образования выделено три группы характеристик:

- связанных с физиологическим состоянием человека, меняющимся в течение сеанса обучения,

- отражающих относительно устойчивые возможности обучаемого воспринимать учебную информацию с помощью различных типов объектов,

- позволяющих оценить помехоустойчивость обучаемого, через благоприобретенные особенности личности.

В соответствии с этим делением в состав ПФК МО включено три условных комплекса:

- К| (работоспособность), объединяющий множество изменяющиеся в течение сеанса характеристик,

- Кг (восприятие информации) и

- Кз (усидчивость), объединяющий множество устойчивых в течении сеан-

са характеристик (БМ).

К^Н,}, /=1,4 К3={Н,},1=\2

Поддержка ПФК в актуальном состоянии требует оценки изменяющихся характеристик несколько раз в течение сеанса, а устойчивых - в начале каждого сеанса.

В комплекс К] вошли Н7 (уровень функциональной подвижности нервной системы (НС)), Н8 (выносливость НС), Нп (способность к восприятию информации), Н,о (динамическое внимание). В комплекс Кг включены характеристики — Н| (способность к пространственным операциям), 112 (тип высшей нервной деятельности), Нм (способность к логическому мышлению), Ни (преобладающий тип модальности), Н)2 (темперамент). В составе комплекса К3 используются характеристики - Н6 (нейротизм), Н9 (тип НС), Н| 1 (утомляемость) (рис. 1).

Рис. 1. Характеристики оценки психофизиологического состояния.

Пусть - оценка обучаемого по характеристике Н, Б! - сеанс обучения, ограниченный интервалом времени работы обучаемого в системе, Нн тах (Б^ -максимальное значение оценки этого обучаемого по характеристике Н за время сеанса Б,, Яь т!п (8[) - минимальное значение оценки обучаемого по характеристике Н за время сеанса 8|, ДЯ - заданный размах варьирования характеристик.

Тогда в ПФК модели обучаемого:

УНМЫБ}: (3 1)^^(80 -Я*™^) >ДЯ;

УНе{8М}: (V ¡) ЯЬтах(8;) - ЯЬт|п (8,) < Д Я.

Для оценки большинства характеристик можно подобрать несколько альтернативных тестовых методик. Сформулированы требования для выбора методик: доступность понимания, формализуемость, минимальное время прохождения теста и возможность оценки не единственного свойства:

М = {М; е М | (VI) М; -> (3]) Н^.

Наиболее полно удовлетворяют перечисленным критериям восемь мето-

дик: М) ("Компасы"), М2 (методика выявления соотношения сигнальных систем Е. А. Климова), М3 (тест-опросник Г. Айзенка для диагностики свойств и типа темперамента, ЕРО, форма А), М4 (сложная сенсомоторная реакция выбора), М5 (таблицы Шульте), М6 (теппинг-тест); М7 (тест Дж. Равена "Шкала прогрессивных матриц"), М8 ("Модальность").

В результате выполнения обучаемым тестовых методик определяются количественные оценки (КО характеристик (время, число правильных ответов, число нажатий на кнопку мыши и т. д.), что соответствует измерению (Н|) по т.н. "сырой" шкале.

Учитывая, что в работах Аткинсона Р., Ильина Е., М. Холодной и др. для описания психофизиологического состояния обучаемого используются вербальные характеристики, для создания ПФК МО целесообразно использовать лингвистические переменные и теорию нечетких множеств.

Чтобы унифицировать методику преобразования шкал для всего множества характеристик, переход от сырой шкалы к нечеткой осуществляется через нормализованную шкалу (Н). Измеренное с помощью выбранного теста по сырой шкале четкое значение характеристики Н| приводится к ограниченному интервалу [0, 1] нормализованной шкалы. Далее с помощью функций принадлежности осуществляется переход к одной из нечетких шкал (рис. 2). Преимущество такого подхода заключается в открытости системы к добавлению новых характеристик.

-оо

@ Ти - оценка Н, в лингвистической шкале

Н, - оценка Н, в нормализованной 1 шкале / ; \ 1 \

I \ Яй - оценка Н, в "сырой" шкале + 00

Рис. 2. Взаимосвязь шкал оценки характеристик в ПФК.

Наличие трех типов шкал в оценке характеристик дает возможность создавать три взаимосвязанных интерпретации модели обучаемого: МО|, МОг, МО3. Модель нижнего уровня (МО3) следует использовать для мониторинга состояния отдельного обучаемого в течение нескольких сеансов. Модель МО2 позволит отследить изменения в ПФ состоянии обучаемого в пределах одного сеанса. Модель верхнего уровня МО| используется для проектирования и адаптивного управления сценарием обучения.

Правомерность предложенной структуры ПФК модели обучаемого оцени-

валась с помощью серий экспериментов трех типов (Э',Э2,Э3).

Эксперименты (Э1) по тестированию студентов и построение ПФК личных моделей обучаемых выполнялись с целью определения методики и параметров перехода от базовой ("сырой") шкалы к нормализованной и нечеткой. Для проверки выдвинутой гипотезы о составе множества характеристик К1, которые могут изменяться на протяжении сеанса обучения, проводились эксперименты типа Э2. Эксперименты типа Э3 выполнены с целью выявления корреляционных взаимосвязей между зарегистрированными оценками {К., (Н|)} и результатами усвоения новых предметных знаний.

В проведении экспериментов принимали участие 170 студентов из разных групп факультета автоматизированных систем ТГТУ специальностей 190500, 190600, 210200 и 220100. Средний возраст участников - 20 лет. Для каждого тестируемого было определено состояние МПФС на основании оценок по нечеткой шкале {Т((Н])}.

Анализ результатов экспериментов типа Э3 позволил выделить характеристику "Способность к пространственным операциям", как основную при проектировании кластерных моделей обучаемых. Характеристика дает грубую оценку способности восприятия графической информации и способности решения логической задачи на основе этой информации. Кластерные модели могут использоваться для управления сеансом при ограничениях на время обучения, либо при отсутствии в КОС блока ПФ-тестирования. По результатам эксперимента построено три кластерные модели: МОС;ь МОсг, МОоз (табл. 1).

Таблица 1.

Правила классификации

СН,=т,)=> (Ню=Т1& Н13*Т3 & Н6*т,) если у обучаемого низкий уровень способности к пространственным операциям, то у него низкий уровень динамического внимания, невысокий уровень способности к восприятию информации, средний или высокий уровень нейротизма);

(Н,=Тг)=> (Н8=т2 &Нб*Тз) если у обучаемого средний уровень способности к пространственным операциям, то у него средний уровень выносливости центральной НС, невысокий уровень нейротизма

(Н,=Т3>=> (Н6=т2 &н7*т, & Н,о*Т,) если у обучаемого высокий уровень способности к пространственным операциям, то у него средний уровень нейротизма, средний или высокий уровень функциональной подвижности нервной системы, средний или высокий уровень динамического внимания

Третья глава диссертации посвящена вопросам использования МО для управления сеансом работы с компьютерным средством обучения.

В работе предложен вариант построения модели обучаемого в виде двух информационных структур МПЗ — модели представления знаний обучаемого (КК) и МПФС — модели психофизиологического состояния (ПФК).

Для реализации управления на основе взаимосвязанных структур вида: МО] МОг =>МОз в состав КСО кроме блоков тестирования знаний, оценки психофизиологического состояния и принятия решений включены блоки нор-

мирования, фазификации и база правил (рис. 3).

Рис. 3, Управление обучением на основе двухкомпонентной МО.

Вся исходная информация о стратегиях управления хранится в базе правил. Во время сеанса обучения в МПЗ архивируются параметры наоройки сценария обучения, а также траектория прохождения курса и полученные в ходе обучения оценки. МПФС, которая хранит всю историю результатов психофизиологического тестирования, обновляется после каждого тестирования обучаемого.

Методика определения ПФ-характеристик унифицирована и представлена в виде процедур преобразования шкал измерений. Преобразования осуществляются в блоках нормирования и фазификации. Алгоритм нормирования переводит оценки (ЯЪ ) из "сырой" шкалы в нормализованную (N1,): = 0, если < ШГ"; №; = 1, если БИ, > Ш,™4; = - Ш|)/к|, если 111™п < III, < Ш;™*, где: т, = 111™, к; = Ш™ - Ш™1.

Блок фазификации для каждой психофизиологической характеристики из множества {Н} определяет значен!« функции принадлежности, соответствующее оценке по нормализованной шкале, которая рассматривается как базовая для всех лингвистических переменных.

В результате проведения экспериментов (Э1) были получены "сырые" оценки характеристик, выделенных для формирования МО. Для всех характеристик найдены оценки т„ к^ и выполнен переход к нормализованной шкале.

Для оценки (N1!) каждой характеристики были найдены отклонения от среднего значения. По этим значениям были выделены три приблизительно равные по объему группы обучаемых: с отрицательными (Т|), средними (Т2) и положительными (Т3) результатами.

Для выделенных терм-множеств с помощью экспертов построены функции принадлежности (Ц|, Ц2, Р-з) вида:

где: а и b являются настраиваемыми параметрами и определяются экспертами.

Используя правило фази-объединения нечетких множеств, заданных на общем базовом множестве, получаем функцию принадлежностей, определяющую нечеткое множество оценок характеристики H(Tj).

В блоке принятия решений на основе значений лингвистических переменных, описывающих психофизиологическое состояние обучаемого, формируется управляющее воздействие, осуществляющее параметрическую адаптацию сценария обучения.

В качестве сценария обучения, в предлагаемой концепции, рассматривается взаимосвязанная структура, включающая граф навигации (G*) по модели предметной области (МПО) и совокупность параметров M-S = <Pst, Pt, Pd >, определяющих настройки вершин G*.

Группа параметров Pst определяет настройку сценария обучения в соответствии с когнитивным стилем деятельности обучаемого (вербально-логический и наглядно-образный). Они определяют индивидуальный путь (С5) прохождения обучаемого по графу G и способ представления его вершин.

Параметры Pd и Pt это структура, дополняющая каждую вершину графа G. Pd описывают работу пользователя с подсистемами помощи и контекстных вопросов или подсказок. Параметры Pt характеризуют временные особенности взаимодействия обучаемого с КСО.

Проектирование сценария обучения ИОС включает следующие этапы:

1. Создание графа G для МПО.

2. Определение для каждого параметра модели сценария характеристики из ПФК МО: Pj = f(H|).

3. Построение маршрута навигации по графу МПО в зависимости от состояния МПФС МО: G* = GPs.

4. Наполнение вершин для обучаемых с разным состоянием МПФС МО.

5. Определение значений параметров модели сценария для каждого терма соответствующей характеристики ПФК МО: G* = GPsl и Pt w Pd.

На основе анализа работ по влиянию типологических особенностей личности на эффективность учебной деятельности, а также результатов экспериментальных исследований сформирована таблица (таблица 2), отражающая взаимосвязь характеристик МПФС и параметров настройки учебного сценария.

Таблица 1.

Н, Характеристика Р Параметр настройки сценария

н, Способность к пространственным операциям РЬ горячая помощь

М формулировка заданий

Р« время предъявления контрольных заданий

н2 Тип высшей нервной деятельности Р1п методика объяснения материала

Рргг стиль презентации учебного материала

Н,5 Преобладающий тип модальности

н7 Уровень функциональной подвижности НС Ри время, отводимое обучаемому на решение задачи

Н8 Выносливость НС РЫр ограничение помощи (Ье1р-а)

Н9 Тип НС Рту объем порций учебного материала

Н|0 Динамическое внимание Ре1 время окончания учебного сеанса

н„ Утомляемость ри длительность сеансов тестирования

В алгоритме управления обучением заложено обновление МПФС обучаемого в течение сеанса (рис. 4).

Рис. 4. Алгоритм управления сеансом обучения.

Для оценки корректности алгоритма управления сеансом работы пользователя КОС на основе двухкомпонентной модели обучаемого проведены эксперименты с участием рабочей и контрольной групп студентов. Для сопоставле-

пия сопряженных совокупностей использован ^критерий Стьюдента, рассчитанный разностным методом. Достоверность различий в оценке результатов контрольной и экспериментальной группы подтверждается на уровне значимости р< 0,025. Обнаруженная корреляция между успешностью усвоения новых знаний и тремя характеристиками из ПФК МО подтверждает выбор этих свойств личности студента для построения МО, предназначенной для управления сеансом обучения.

Сравнение оценок, полученных студентами за контроль знаний, продемонстрировало более высокие показатели усвоения учебного материала представленного в соответствии с настройками ПФК (рис. 5). Временные затраты уменьшились в половине случаев, в двадцати процентах случаев остались прежними. У тридцати процентов студентов произошло небольшое увеличение времени учебного сеанса при значительном улучшении оценки усвоения новых знаний.

г, баллы

Т, мин 10

45 9

40 8

35 7

30 6

25 5

20 4

15 3

10 2

5 1

0

1 2 3 4 5

Ъ\ - оценка знаний, .—А-

контрольная группа 7Л - оценка знаний, —X-

экспериментальная группа

6 7 8 9

Т1 - продолжительность сеанса, контрольная группа Т2 - продолжительность сеанса, экспериментальная группа

10 Студенты, №

знании.

Рис. 5. Результаты обучения контрольной и экспериментальной группы.

Полученные результаты свидетельствует об эффективности применения модели обучаемого для управления сценарием обучения.

В четвертой главе рассмотрены вопросы программной реализации предлагаемых теоретических решений.

Структура базы данных ИОС, включает четыре взаимосвязанных компонента: БД модуля психофизиологической поддержки; БД модели знаний; БД пользователей; БД моделей обучаемых.

Проект ПФК основан на взаимодействии с СУБД Линтер 5.9, реализован на языке Microsoft Visual С++ 6.0 в среде Microsoft Visual Studio 6.0.

Разработанное ПО комплекса позволяет использовать его как в составе ИОС, так и в качестве независимой подсистемы для мониторинга преподавателем ПФ-состояния обучаемых, работающих в локальной сети (рис. 6). Предло-

жена формализация алгоритма поиска вершин на языке 8С>Ь.

Рис. 6. Взаимосвязь программных модулей, составляющих ПФК.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ

1. Сформулированы функциональные требования к модели обучаемого. Предложена классификация существующих МО. Разработана архитектура двухкомпонентной модели обучаемого. Когнитивный компонент МО построен на основе оверлейной модели представления знаний обучаемого. Психофизиологический компонент МО включает 12 взаимосвязанных характеристик, влияющих на восприятие и переработку учебной информации. Состав учебного материала на каждом шаге обучения определяется КК, способ представления материала зависит от ПФК.

2. Обоснован состав множества методик оценки характеристик, включенных в ПФК модели обучаемого. Разработаны алгоритмы и программное обеспечение задачи автоматической оценки характеристик, влияющих на результаты учебной деятельности в ходе сеанса компьютерного обучения.

3. Предложена унифицированная методика преобразования шкал психофизиологических характеристик для построения взаимосвязанных интерпретаций модели обучаемого. Модель нижнего уровня (МОз) предназначена для мониторинга состояния отдельного обучаемого в течение нескольких сеансов, МОг - в течение одного сеанса. Модель верхнего уровня МО, используется для проектирования и адаптивного управления сценарием обучения.

4.Разработана методика и алгоритм управления сценарием КСО с парамет-

рической адаптацией, обеспечивающий наиболее высокий темп усвоения учебной информации. Коррекция параметров сценария выполняется на основе оценки и сопоставления психофизиологических и когнитивных характеристик обучаемого.

5. Разработано программное и методическое обеспечение комплекса для построения двухкомпонентной модели обучаемого.

6. Проведено экспериментальное исследование предложенных методик и алгоритмов в условиях реального учебного процесса. Показано достоверное повышение уровня знаний, умений и навыков обучаемых при уменьшении затраченного на подготовку времени за счет использования средств автоматизированной настройки параметров сценария КОС.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1.Борисов. Н. А., Тулова С. А. Представление и использование знаний в интеллектуальных обучающих системах // Программные и технические средства медико-биологических и технических систем. — Тверь: ТГТУ, 1998. с. 112

2. Тулова С. А. Модель обучаемого в составе интеллектуальной обучающей системы // материалы конференции НИТ, - Рязань, 2001. - с. 82-84.

3.Тулова С. А. Филатова Н. Н., Вавилова Н. И., Ахремчик О. JI. Тренажеры для обучения разработке систем автоматизации, реализованные в WWW //IEEE International Conference on Advanced Learning Technologies (ICALT 2002) Казань, pp. 288-292.

4.Тулова С. А. Структура Модели Обучаемого в Автоматизированной Обучающей Системе // Перспективы развития волжского региона. - Тверь: ТГТУ, 2002. с. 58-60.

5. Тулова С. А. Когнитивный и психофизиологический уровень модели обучаемого в автоматизированных обучающих системах // материалы научно-практической конференции "Актуальные проблемы психофизиологического процесса в военно-учебных заведениях". - С.-Петерб.: BMA, 2002. с.84-85.

6.'Гулова С. А. Структура модели обучаемого в автоматизированной обучающей системе // Компьютерные технологии в управлении, диагностике и образовании. - Тверь: ТГТУ, 2002. с. 72-75.

7.Тулова С. А., Филатова Н. Н., Ахремчик О. Л. Разработка и исследование программно-методического комплекса для построения ПФК модели обучаемого Educational Technology & Society 7(1) 2004. ISSN 1436-4522 ifets.ieee.org/russian/depository/v7_i l/html/6.html— с. 182-197.

З.Тулова С. А. Индивидуальная модель обучаемого // Компьют. технологии в управлении, диагностике и образовании. - Тверь: ТГТУ, 2004. с. 98-101.

9.Тулова С. А. Разработка методов получения и обработки информации для психофизиологического компонента модели обучаемого. // Материалы VI Междунар. науч.-практ. конф., г. Новочеркасск, 11 нояб. 2005 г.: В 3 ч. / Юж,-Рос. гос. техн. ун-т (НПИ). - Новочеркасск: ЮРГТУ, 2005. Ч. 1. с. 18-19.

10. Тулова С. А. Проектирование сценария ИОС // сборник научных трудов ТГТУ "Компьютерные технологии в управлении, медицине, образовании". -Тверь: ТГТУ, 2006. с. 57-62.

Подписано в печать 16.08.06 Физ. печ. л. 1,0 Заказ №174 Тираж 100 экз.

Типография ТГТУ

ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИЗ МОДЕЛЕЙ ОБУЧАЕМОГО.

1.1. Проблема управления сеансом обучения в компьютерных обучающих системах.

1.2. Модели обучаемого в интеллектуальных обучающих системах и тренажерных комплексах.

1.3. Архитектура модели обучаемого и способы ее реализации.

1.4. Средства построения моделей обучаемого.

1.5. Постановка задач диссертации.

Выводы к главе 1.

ГЛАВА 2. ДВУХКОМПОНЕНТНАЯ МОДЕЛЬ ОБУЧАЕМОГО.

2.1. Модель представления предметных знаний обучаемого.

2.2. Факторы, влияющие на процесс формирования знаний.

2.2.1. Комплексы характеристик, составляющих ПФК МО.

2.2.2. Модель ПФС на основе оценок "сырой" и нормализованной шкал.

2.3. Модель ПФС на основе нечетких множеств.

2.3.1. Определение терм-множеств характеристик модели обучаемого.

2.3.2. Применение модели обучаемого для построения кластерных моделей.

2.4. Оценка чувствительности характеристик модели ПФС.

Выводы к главе 2.

ГЛАВА 3. УПРАВЛЕНИЕ СЦЕНАРИЕМ ОБУЧЕНИЯ НА ОСНОВЕ

ДВУХКОМПОНЕНТНОЙ МОДЕЛИ ОБУЧАЕМОГО.

3.1. Состав блока управления сценарием обучения.

3.2. Параметры сценария для управления сеансом КОС.

3.2.1. Параметры стилевой настройки сценария обучения.

3.2.2. Временные параметры настройки сценария обучения.

3.2.3. Дидактические параметры настройки сценария обучения.

3.3. Алгоритм управления сеансом обучения.

Выводы к главе 3.

ГЛАВА 4. РАЗРАБОТКА ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ

ДВУХКОМПОНЕНТНОЙ МОДЕЛИ ОБУЧАЕМОГО.

4.1. Базы данных программного комплекса.

4.1.1. Общая структура БД.

4.1.2. БД модуля психофизиологической поддержки.

4.1.3. БД модели знаний.

4.1.4. БД пользователей.

4.2. Пользовательский уровень представления комплекса поддержки психофизиологического компонента МО.

4.2.1. Создание и редактирование тестовых методик.

4.2.2. Результаты тестирования.

Выводы к главе 4.

Актуальность темы. Создание новых информационных технологий для профессионального образования преследует цели повышения эффективности учебного процесса: сокращения времени обучения на подготовку специалистов при одновременном повышении уровня обученности.

Опыт использования различных компьютерных средств обучения (электронных учебников, тренажеров, обучающих систем), проанализированный в работах Довгяло Л. М., Машбица Е. П., Растригина А.Л., Башмакова И. А., Леоновой Н.М., Брусиловского П.Л., КлпзЬик, Раге1 А., ЫакаЬауаБЫ К., ЫкатЬои Я. подтверждает взаимосвязь факторов, у* определяющих эффективность познавательной деятельности, с наличием средств их адаптации к личности обучаемого.

Задача индивидуализации сценариев КСО приобретает особенно важное значение при создании систем дистанционного обучения. Для ее решения в состав обучающих систем включают модель обучаемого.

Эффективность процесса обучения в интеллектуальной обучающей системе в значительной степени определяется:

- адекватностью предъявляемого материала уровню знаний обучаемого;

- методическими принципами и приемами, на которых построен как учебный материал, так и система его сопровождения.

Исследования в области адаптации компьютерных обучающих систем к 9 уровню знаний обучаемого проводятся около тридцати лет. Вопросам влияния психологического и психофизиологического состояния человека на учебную деятельность также уделяется значительное внимание. К настоящему времени сложилась ситуация, когда накопленный опыт в этих двух областях можно использовать для построения компьютерных средств обучения, учитывающих как когнитивные, так и психофизиологические свойства обучаемых. Такой подход, основывающийся на взаимодействии двух компонент модели студента, позволит повысить эффективность средств управления сеансом обучения.

Целыо диссертационной работы является повышение эффективности управления сеансом обучения на основе двухкомпонентной модели обучаемого, позволяющей определять индивидуальные параметры настройки электронной образовательной среды.

Задачи исследования. Для достижения поставленной цели необходимо решить следующие задачи:

1. Определить основные функциональные требования к моделям обучаемого. Разработать структуру модели, отражающей когнитивные и психофизиологические характеристики обучаемого, влияющие на процессы усвоения учебной информации.

2. Выбрать методики и разработать алгоритмы автоматической оценки характеристик, влияющих на результаты учебной деятельности в продолжении сеанса компьютерного обучения.

3. Разработать систему взаимосвязанных шкал для измерения психофизиологических характеристик и построения ПФК МО по результатам экспресс - тестирования.

4. Провести экспериментальные исследования модели обучаемого.

5. Разработать методику определения индивидуальных параметров настройки сценария обучения и алгоритм управления сценарием КСО с параметрической адаптацией, обеспечивающий наиболее высокий темп усвоения учебной информации.

6. Разработать программное и методическое обеспечение комплекса для построения двухкомпонентной модели обучаемого.

Методы исследования. Для решения поставленных задач в качестве базовой методологии, являющейся основой исследования, в работе использовались методы структурного системного анализа. Также использованы: теория нечеткой логики, элементы теории графов и теории проектирования систем баз данных.

Новые научные результаты:

1. Архитектура модели обучаемого, включающей когнитивный и психофизиологический компоненты. Модель позволяет управлять сеансом обучения в режиме эффективного усвоения информации.

2. Комплексы психофизиологических характеристик, составляющих модель обучаемого и влияющих на восприятие и переработку учебной информации.

3. Методика получения и обработки информации о системе психофизиологических характеристик модели обучаемого на основе нечеткой логики.

4. Модель сценария обучения, основанная на расширении базовой модели предметной области индивидуальными параметрами настройки.

Практическая значимость работы: заключается в том, что в ней: разработана методика подбора весовых коэффициентов для связи базовых и нормализованных шкал характеристик, включаемых в состав психофизиологического компонента модели обучаемого;

- созданы функции принадлежности тридцати терм-множеств для построения описаний психофизиологического состояния обучаемого по лингвистической шкале; разработано информационное и алгоритмическое обеспечение для настройки параметров сценария и управления сеансом обучения в компьютерных обучающих системах произвольной предметной области;

- разработано программное обеспечение комплекса для построения психофизиологического компонента модели обучаемого.

Разработанные методики, информационное и программное обеспечение могут входить как подсистемы в компьютерные средства обучения профессиональных образовательных учреждений.

Основные положения, выносимые на защиту:

1. Управление сеансом обучения осуществляется с помощью модели обучаемого, включающей когнитивный и психофизиологический компоненты. Связь когнитивного и психофизиологического компонентов поддерживается на протяжении всего сеанса обучения.

2. Коррекция параметров сценария обучения в КОС осуществляется психофизиологическим компонентом модели обучаемого на основе оценок текущего состояния студента.

Внедрение результатов. Результаты исследований включают программное и методическое обеспечение поддержки психофизиологического компонента модели обучаемого. Комплекс поддержки психофизиологического компонента модели обучаемого установлен в трех дисплейных классах Тверского государственного технического университета, а также передан для эксплуатации в учебный центр в/ч № 87286 г. Сосновый Бор.

Апробация работы. Основные положения диссертации доложены на всероссийской конференции "Новые информационные технологии" (НИТ) -2001 (Рязань), на международной конференции "International Conference on Advanced Learning Technologies" - 2002 (Казань), на международной научно-технической конференции "Компьютерные технологии в управлении, диагностике и образовании" - 2002 (Тверь), на международной научно-технической конференции "Компьютерные технологии в управлении, диагностике и образовании" - 2004 (Тверь), на VI международной научно-практической конференции "Компьютерные технологии в науке, производстве, социальных и экономических процессах" -2005 (Новочеркасск).

Публикации. По теме диссертации опубликовано 10 печатных работ, из них 3 статьи, тезисы к 6 докладам па всероссийских и международных научных конференциях и 1 статья в электронном журнале.

Структура и объем работы. Диссертация состоит из введения, 4 глав, заключения, списка литературы и 5 приложений. Основное содержание работы изложено на 232 страницах машинописного текста, в том числе на 44 рисунках и в 33 таблицах. Список использованной литературы включает 150 наименований.

Выводы к главе 4.

1. Разработан и реализован проект комплекса поддержки психофизиологического компонента модели обучаемого. Разработка велась на языке Visual С++ с использованием СУБД Линтер. Комплекс включает в себя рабочее место руководителя обучения, обеспечивающее просмотр результатов тестирования, создание и редактирование тестовых методик и ПФ характеристик и рабочее место обучаемого для прохождения тестирования по имеющимся методикам.

2. Создана структура базы данных для ИОС, включающая четыре взаимосвязанных базы данных:

- БД психофизиологического компонента;

- БД модели знаний;

- БД пользователей;

- БД моделей обучаемых.

3. Для поддержки пользователя при работе с программными модулями создано методическое обеспечение.

ЗАКЛЮЧЕНИЕ.

1. Сформулироваиы функциональные требования к модели обучаемого. Предложена классификация существующих МО. Разработана архитектура двухкомпонентной модели обучаемого. Когнитивный компонент МО построен на основе оверлейной модели представления знаний обучаемого. Психофизиологический компонент МО включает 12 взаимосвязанных характеристик, влияющих на восприятие и переработку учебной информации. Состав учебного материала на каждом шаге обучения определяется КК, способ представления материала зависит от ПФК.

2. Обоснован состав множества методик оценки характеристик, включенных в ПФК модели обучаемого. Разработаны алгоритмы и программное обеспечение задачи автоматической оценки характеристик, влияющих на результаты учебной деятельности в ходе сеанса компьютерного обучения.

3. Предложена унифицированная методика преобразования шкал психофизиологических характеристик для построения взаимосвязанных интерпретаций модели обучаемого. Модель нижнего уровня (МОЗ) предназначена для мониторинга состояния отдельного обучаемого в течение нескольких сеансов, М02 - в течение одного сеанса. Модель верхнего уровня М01 используется для проектирования и адаптивного управления сценарием обучения.

4.Разработана методика и алгоритм управления сценарием КСО с параметрической адаптацией, обеспечивающий наиболее высокий темп усвоения учебной информации. Коррекция параметров сценария выполняется на основе оценки и сопоставления психофизиологических и когнитивных характеристик обучаемого.

5. Разработано программное и методическое обеспечение комплекса для построения двухкомпонентной модели обучаемого.

6. Проведено экспериментальное исследование предложенных методик и алгоритмов в условиях реального учебного процесса. Показано достоверное повышение уровня знаний, умений и навыков обучаемых при уменьшении затраченного на подготовку времени за счет использования средств автоматизированной настройки параметров сценария КОС.

1. Башмаков А. И., Башмаков И. А. "Разработка компьютерных учебников и обучающих систем". М.: Филин, 2003 г. 616 с.

2. Растригин Л. А., Эренштейн M. X. "Адаптивное обучение с моделью обучаемого". Рига: Знание, 1988 г. 160 с.

3. Растригин Л. А. "Современные принципы управления сложными объектами" М.: Сов. Радио, 1980 г. -232 с.4. "Искусственный интеллект" в 3-х кн. Кн. 2 "Модели и методы: справочник" под редакцией Д.А. Поспелова. М.: Радио и связь, 1990 г. 304 с.

4. Заде Л. "Понятие лингвистической переменной и применение к принятию приближенных решений". М.: Мир, 1976 г. 166 с.

5. Гаврилова Т.А., Хорошевский В.Ф. "Базы знаний интеллектуальных систем". СПб.: Питер, 2000 г. 288 с.

6. Гаврилова Т.А., Червинская К. Р. "Извлечение и структурирование знаний для экспертных систем". М.: Радио и связь, 1992 г. 200 с,

7. Ope О. "Теория графов". М.: Наука, 1980 г. 336 с.

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

9. Машбиц Е. И. "Психолого-педагогические проблемы компьютеризации обучения". М.: Педагогика, 1988 г. 192 с.

10. П.Аткинсон Р. "Человеческая память и процесс обучения". М.: Прогресс, 1980 г.-527 с.

11. Джеймс Р. Г., Вайнберг П. Н. "Энциклопедия SQL". СПб.: Питер, 2004 г.-288 с.

12. Атанов Г. А. "Деятельностный подход в обучении". Донецк.: 2001 г. 158 с.

13. Ильин Е. П. "Дифференциальная психофизиология". СПб.: Питер, 2001 г. -464 с.

14. Холодная М. А. "Психология интеллекта". СПб.: Питер, 2002 г. -272 с.

15. Дюк В. А. "Компьютерная психодиагностика". СПб.: Братство, 1994 г. -364 с.

16. Римская Р., Римский С. "Практическая психология в тестах, или Как научиться понимать себя и других". М.: АСТ-ПРЕСС, 1999 г. 376 с.

17. Крылов А. А., Маничев С. А. "Практикум по общей, экспериментальной и прикладной психологии". СПб.: Питер, 2003 г. 560 с.

18. Блейхер В. М., Бурлачек JI. Ф. "Психологическая диагностика интеллекта и личности". Киев: Вища школа, 1978 г. 142 с.

19. Дружинин В. Н. "Психология общих способностей". СПб.: Питер, 1999 г. -368 с.

20. Кулагин Б. В. "Основы профессиональной диагностики". JL: Медицина, 1984 г.-216 с.

21. Рихтер Дж. "Windows для профессионалов: создание эффективных Win32 приложений с учетом специфики 64-разрядной версии Windows". СПб.: Питер, 2001 г.-752 с.

22. Круглински Д. Уингоу С., Шеферд Дж. "Программирование на Microsoft Visual С++ 6.0 для профессионалов". СПб.: Питер, 2004 г. 861 с.

23. Гостин A.M. "Математическое и программное обеспечение операциональной модели обучаемого и ее синтез в программных приложениях открытой гипермедийной среды" / диссертация на соискание уч. степени к.т.н., 05.13.11, Рязань-2000.

24. Вавилова Н. И. "Модели и алгоритмы автоматизированного проектирования макетов сцен мультимедиа тренажеров" / диссертация на соискание уч. степени к.т.н., 05.13.12, Тверь 2002.

25. Туктарова Л. Р. "Системное моделирование интеллектуального управления организацией учебно-воспитательного процесса. На примере учебного заведения среднего профессионального образования" / диссертация на соискание уч. степени к.т.н., 05.13.01, Уфа 2001.

26. Карпова И. П. "Исследование и разработка подсистемы контроля знаний враспределенных автоматизированных обучающих системах" / диссертация на соискание уч. степени к.т.н., 05.13.13, Москва 2002.

27. Шабалина О. А. "Модели и методы для управления процессом обучения с помощью адаптивных обучающих систем" / автореферат на соискание ученой степени к.т.н., 05.13.10, Астрахань 2005.

28. Леонова Н. М. "Методы разработки и применения многофункциональных сетевых электронных учебников" / автореферат на соискание ученой степени к.т.н., 05.13.06, 05.13.11, Москва 1999.

29. Горовенко Л. А. "Построение информационно-образовательной среды с элементами искусственного интеллекта" / автореферат на соискание ученой степени к.т.н., 05.13.01, Краснодар 2002.

30. ЗЬТархова Л. М. "Модели и алгоритмы функционирования информационно-обучающей системы дистанционного образования На примере дополнительного довузовского образования" / автореферат на соискание ученой степени к.т.н., 05.13.01, Уфа-2001.

31. Травина Л.Л. "Разработка технологии развития когнитивного просанства личности в открытой программной среде" / автореферат диссертации на соискание уч. степени к.псих.н., Ярославль. 1996. http://ncdo.levsha.ru/Pub/051 d.htm

32. Палюх Б. В., Чохонелидзе А. Н. "Моделирование и оптимальное проектирование обучающих курсов" // "Программные продукты и системы", №2, Тверь 1994, с. 22-26.

33. Брусиловский П. Л. "Модели обучаемого в интеллектуальных обучающих системах" // УСиМ. — 1992. — № 7/8. — с. 109 119.

34. Власенко Н. А., Колос В. В., Кудрявцева С. П. "Модель активизации знаний учебного назначения в адаптивных обучающих системах" // УСиМ. — 1992. — № 9/10. — с. 88 98.

35. Колос В. В., Кудрявцева С. П. "Использование учебных структур знаний при проектировании системы обучения по логическому программированию" // УСиМ. — 1992. — № 3/4. — с. 74 80.

36. Луговская Е. А., Тарасов В. Б. "Ммогоагентные системы поддержки открытого образования в техническом университете" // Программные продукты и системы, Тверь 2001, №2, с. 29-34.

37. Божич И., Горбатюк Н. В., Кононенко Р. Н., Шницер Ю. Л. "Мультиагентные технологии обучения персонала "Совместной деятельности" // Программные продукты и системы, Тверь 2001, №3, с. 3033.

38. Чибизова Н. В. "Проблемы разработки интеллектуальных обучающих систем" // материалы международной конференции KDS-95 "Знания Диалог - Решение", Ялта - 1995, т2, с. 452-458.

39. Silva D. R., Vieira М. Т. P. "Using Data Warehouse and Data Mining Resources for Ongoing Assessment of Distance Learning" // proceedings IEEE International Conference on Advanced Learning Technologies, Kazan 2002, pp. 40-45.

40. Соловов А. В. "Когнитивные аспекты мультимедиа в электронной поддержке обучения" // proceedings IEEE International Conference on Advanced Learning Technologies, Kazan 2002, pp. 74-78.

41. Vincent T Y Ng, Stephen С F Chan "A Portable Web-based Quiz Engine" // proceedings IEEE International Conference on Advanced Learning Technologies, Kazan-2002, pp. 127-131.

42. Chang-Kai Hsu, Rita Kuo, Maiga Chang, Kun-Yuan Yang, Jia-Sheng Heh "Implementing a Problem Solving System for Phisics based on Knowledge Map and Four Steps Problem Solving Strategies" // proceedings IEEE International

43. Conference on Advanced Learning Technologies, Kazan 2002, pp. 150-154.

44. Teddy С Y Chow, Edward W T Tsui, Stephen С F Chan & Vincent T Y Ng "Wireless Online Tutoring System (WOTS) with Collaborative Diagramming" // proceedings IEEE International Conference on Advanced Learning Technologies, Kazan 2002, pp. 254-258.

45. Архипова E. H., Крюков В. В., Шахгельдян К. И. "Разработка и внедрение интегрированных Интернет-сред обучения и тестирования" // proceedings IEEE International Conference on Advanced Learning Technologies, Kazan -2002, pp. 312-314.

46. Григорьев В. К. "Компьютерная обучающая система, базирующаяся на модели массового профессионального пользователя" // proceedings IEEE International Conference on Advanced Learning Technologies, Kazan 2002, pp. 379-383.

47. Надточий И. Jl., Кафтанников И. Л. "Технология повышения степени интеллектуализации при организации компьютерного образования" // proceedings IEEE International Conference on Advanced Learning Technologies, Kazan-2002, pp. 397-401.

48. Morales R., Aguera A. S. "Dynamic Sequencing of Learning Objects" // proceedings IEEE International Conference on Advanced Learning Technologies, Kazan 2002, pp. 502-506.

49. Андреев А. Б., Акимов А. В., Усачев 10. E. "Экспертная система анализа знаний "Эксперт-ТС" // proceedings IEEE International Conference on Advanced Learning Technologies, Kazan 2002, pp. 97-101.

50. Cupuano N., Gaeta M., Micarelli A., Sangineto E. "An Integrated Architecture for Automatic Course Generation" // proceedings IEEE International Conference on Advanced Learning Technologies, Kazan 2002, pp. 322-326.

51. Мухутдинова Т. 3., Макаров 10. Б., Мухутдинов Э. А. "Программный комплекс WTG Zebra в применении к поддержке открытого образования в

52. Интернете" // proceedings IEEE International Conference on Advanced Learning

53. Technologies, Kazan 2002, pp. 185-187

54. Ижуткин В. С., Сушенцов А. А. "Обучение методам оптимизации посредством сети Интернет"// proceedings IEEE International Conference on Advanced Learning Technologies, Kazan 2002, pp. 233-236

55. Щедрина А. А. "Интеллектуальные агенты как средство автоматизации роли преподавателя в дистанционном обучении" // proceedings IEEE International Conference on Advanced Learning Technologies, Kazan 2002, pp.i 458-460.

56. Товажнянский JI. Л., Кравец В. А., Кухаренко В. Н., Сиротенко Н. Г. // proceedings IEEE International Conference on Advanced Learning Technologies, Kazan 2002, pp. 462-466.

57. Степаненко Ю. В. "Использование онлайновых динамических моделей в е-курсах" // proceedings IEEE International Conference on Advanced Learning Technologies, Kazan 2002, pp. 467-470.

58. Розина И. H. "Постановка задачи: исследование синхронной компьютерно-опосредованной коммуникации в образовании" // proceedings IEEE International Conference on Advanced Learning Technologies, Kazan -2002, pp. 476-480.

59. Дулин С. К., Репьев А. В. "Адаптивная система дистанционного обучения по курсу "Базы данных" // труды национальной конференция по искусственному интеллекту с международным участием КИИ-2004, Тверь -2004, т. I.e. 50-54.

60. Ахремчик О.Л., Бодрин А. В., Вавилова П.И., Филатова Н.Н. "организация предметных знаний в интеллектуальной подсистеме поддержки

61. У? дистанционного обучения" // труды национальной конференция поискусственному интеллекту с международным участием КИИ-2004, Тверь -2004,т. I.e. 37-42.

62. Растригин JI. А. "Обучение как адаптивное управление знаниями" // труды международного семинара "Искусственный интеллект в образовании", Казань 1996, часть 2, с. 54-58.

63. Пантелеев Э., Растригин J1., "Генератор задач в системах обучения" // труды международного семинара "Искусственный интеллект в образовании", Казань 1996, часть 2, с. 44-45.

64. Кожевников 10. В., Медведева С. П. "Методы разработки компьютерной дидактики и экспертных систем автоматизированного обучения" // труды международного семинара "Искусственный интеллект в образовании", Казань 1996, часть 2, с. 8-13.

65. Левшин В. Г., Воробьев В. И., Першуков В. М. "Автоматизированные обучающие системы для изучения новых программных средств" // труды международного семинара "Искусственный интеллект в образовании", Казань 1996, часть 2, с. 18-20.

66. Семенов В. В., Летова Т. А., Писарева О. Е. "О векторе оценок электронных учебников как интеллектуальных систем" // труды международного семинара "Искусственный интеллект в образовании", Казань 1996, часть 1, с. 62-65.

67. Sinitsa К. "Numerical models for adaptive knowledge assessment" // труды международного семинара "Искусственный интеллект в образовании", Казань 1996, часть 2, с. 69-72.

68. Сиразетдинов Р. Т. "Один подход к моделированию АОС как сложной системы" // труды международного семинара "Искусственный интеллект вобразовании", Казань 1996, часть 2, с. 72-77.

69. Апатова Н. В., Василас Н. К. "К вопросу об архитектуре интеллектуальной обучающей системы" // труды международного семинара "Искусственный интеллект в образовании", Казань 1996, часть 1, с. 23-26.

70. Братчиков И. J1., Мелентьев Д. Г. "Модуль экспертной системы в автоматизированной обучающей системе "ЛОГИК" // труды международного семинара "Искусственный интеллект в образовании", Казань 1996, часть 1, с. 50-51.

71. Габитова В. Р. "Развитие открытой формы текстовых заданий для контроля знаний в обучающих средах" // труды международной научно-технической конференции Компьютерные технологии в управлении, диагностике и образовании, Тверь 2002, с. 65-69.

72. Чохонелидзе Л. А., Бобров И. В. // труды международной научно-технической конференции Компьютерные технологии в управлении, диагностике и образовании, Тверь 2002, с. 58-59.

73. Власова Е. 3. "Применение персональных ЭВМ для контроля знаний обучаемых" // "Автоматизация обучения и тренировки операторов сложных систем управления", Л. 1989, с. 56-60.

74. Семьянинов В. И. "Принципы построения автоматизированных систем обучения и тренировки" // "Автоматизация обучения и тренировки операторов сложных систем управления", Л. 1989, с. 3-7.

75. Винничук Н. Н., Гончаров П. И. "Физиологическое обоснование использования компьютеров в учебном процессе" // "Автоматизация обучения и тренировки операторов сложных систем управления", Л. 1989, с. 84-88.

76. Манако Е. М. Синица В. В. "Управления знаниями обучаемого вдистанционном онлайновом курсе "Business English" // Educational Technology & Society 4(4) 2001 ISSN 1436-4522 pp. 66-76.

77. Сосновский С. А., Агеев А.Г., Колосов O.B. "Комплект интерактивных тренажеров "Mentor. Микроэкономика": опыт использования (обзор программного обеспечения)" // Educational Technology & Society 4(2) 2001 ISSN 1436-4522 pp. 217-222.

78. Кривицкий Б.Х. "О систематизации учебных компьютерных средств" // Educational Technology & Society 3(3), 2000 ISSN 1436 - 4522 pp.548-556.

79. Сосновский С. A "ByHeart: система для обучения иносанным языкам (обзор программного обеспечения) // Educational Technology & Society 3(3) 2000 ISSN 1436-4522 pp. 573-579.

80. Чепегин В. И. "ПСС система обучения в стиле "Попробуй свои силы" (обзор программного обеспечения)" // Educational Technology & Society 3(3) 2000 ISSN 1436-4522 pp. 564-571.

81. JI. О. Мурга "Обучающая система по решению графовых задач // Educational Technology & Society 3(2) 2000 ISSN 1436-4522 pp. 126-133.

82. Атанов Г. А. "Моделирование учебной предметной области, или предметная модель обучаемого" // Educational Technology & Society 4(1), 2001 -ISSN 1436-4522 pp. 111-124.

83. Атанов Г. А., Локтюшин В. В. "Фреймовая организация знаний в интеллектуальной обучающий системе" // Educational Technology & Society 4(1)2000 ISSN 1436-4522 pp. 137-149.

84. Зайцева Л. В. "Методы и модели адаптации к учащимся в системах компьютерного обучения"// Educational Technology & Society 6(4) 2003 ISSN 1436-4522 pp. 204-211.

85. Зайцева Л. В., Прокофьева Н. О. "Модели и методы адаптивного контроля знаний" // Educational Technology & Society 7(4) 2004 ISSN 1436-4522 pp. 265275.

86. Зайцева Л. В., Буль Е. Е. "Адаптация в компьютерных системах на базе структуризации объектов обучения" // Educational Technology & Society 9(1)2006 ISSN 1436-4522 pp. 422-427.

87. Моисеенко С.И., Майсенко A.B. "Практические навыки и дистанционное обучение" // Educational Technology & Society 6(2) 2003 ISSN 1436-4522 pp. 111-116.

88. Нонинска И.С. "Программная система для е-обучения и контроля знаний при помощи закрытых тестов" // Educational Technology & Society 7(4) 2004 ISSN 1436-4522 pp. 278-282.

89. Кольцов Ю. В. Добровольская И. Ю. "Нейросетевые модели в адаптивном компьютерном обучении" // Educational Technology & Society 5(2) 2002 ISSN 1436-4522 pp. 213-216.

90. Ижуткин B.C., Токтарова В.И. "Принципы посоения и реализации обучающих систем по численным методам" // Educational Technology & Society 9(1) 2006 ISSN 1436-4522 pp. 397-410.

91. Kinshuk, Patel A. "A conceptual framework for Internet based intelligent tutoring systems" // "Knowledge Transfer", v.2, pp.117 124, pAce, London, UK - 1997, pp. 117-124

92. Sally He, Kinshuk, Hong Hon, Patel A. "Granular Approach to Adaptivity in Problem-based Learning Environment" // Proceedings of IEEE International Conference on Advanced Learning Technologies, Kazan, Russia, August 9-12, 2002, pp. 3-7.

93. Gavrilova Т., Voinov A., Geleverya Т., Vasilyeva E. "Trivium: specialsoftware environment to acquire user model // International Journal "Information Theories & Applications" Vol.7, No. 3 pp. 147-153.

94. Зайцева JT. В. "Модели и методы адаптации в системах компьютерного обучения" // Educational Technology & Society 6(4) 2003 ISSN 1436-4522 pp. 212-219.

95. Домрачев В.Г., Ретинская И.В. "Об опыте обучения по индивидуальным траекториям" // http://www.e-joe.ru/sod/99/499/stl84.html

96. Пушечкин Н. П. "Создание банка данных тестовых заданий" // http://ito.edu.ru/2002/VI/VI-0-871 .html

97. Поддубная Г. 10., Туякбасарова Н. А. "Опыт применения I автоматизированного контроля знаний в преподавании экономическихдисциплин" // http://ito.edu.ru/2002/VI/VI-0-229.html

98. Белоусов Е. Ф., Инюшкина Т. А., Самойлова Т. С. "Опыт разработки тестовых компьютерных программ" // http://ito.edu.ru/2002/VI/VI-0-886.html

99. Лихтциндер Б. Я., Шигаев В. В. "Автоматизация дистанционного контроля знаний на основе вероятностных критериев оценки" // http://ito.edu.ru/2002/VI/VI-0-63.html

100. Черткова Е.А., Карпов B.C. "Проектирование компьютерных X обучающих систем с использованием CASE-средств" //http://conf.mfua.ru/tesis/files/chertkovae.a.,karpovv.s.doc

101. Двоеглазов Д. В., Мордвинов В. А. "Разработка и реализация специализированной информационной системы обслуживания информсреды образования по специальности "Информационные системы и технологии" // http://ito.edu.rU/2002/III/2/III-2-911 .html

102. Журавлева И. И. "Интеллектуальные обучающие системы в дистанционном образовании" // http://ito.edu.rU/2001/ito/III/l/III-l-21.html

103. Брусиловски П. "Адаптивные и интеллектуальные технологии для Сетевого обучения" //http://ifets.ieee.org/russian/depository/BrusKaz 1999IST.doc

104. Брусиловский П.Л. "Адаптивные обучающие системы в WWW: обзоримеющихся в распоряжении технологий" // http://www.contrib.andrew.cmu.edu/-pbl/UM97 workshop/

105. Yaratan H. "Intelligent Tutoring System: A Tool for Testing the Research Curiosities of Artificial Intelligence Researchers" // http://www.tojet.net/articles/236.htm

106. Hobbs D., Moore D. "LMU Experiences with Design of Computer-Based Multimedia Learning" Systems" // http://www.cs.ioensuu.ri/~-mtuki/www clce.270296/Hobbs.html

107. Self J. "Theoretical Foundations for Intelligent Tutoring Systems", 1990 // http://citeseer.ist.psu.edu/self90theoretical.html

108. Cumming G. D., Self J. "Learner Models in Collaborative Intelligent Educational Systems" 1991 AAI/AI-ED Technical Report No.55 // http://citeseer.ist.psu.edu/cumming911earner.html

109. Nkambou R., Lefebvre В., Gauthier G. "A Curriculum-Based Student Modelfor Intelligent Tutoring Systems" // http://citeseer.ist.psu.edu/25658.html

110. Zhou Y., Evens M. W. "A Practical Student Model in an Intelligent Tutoring System" // http://www.csam.iit.edu/~circsiin/documents/yzitai99.pdf

111. Giangrandi P., Tasso C. "Modelling the Temporal Evolution of Student's Knowledge" // Proceedings of the European Conference of Artificial Intelligence and Education.

112. Cristina Conati C., Gertner A. S. , VanLehn K., Druzdzel M. J. "On-Line Student Modeling for Coached Problem Solving Using Bayesian Networks" // http://citeseer.ist.psu.edu/conati971ine.html (Андес)

113. Михеева Т.И. "Обучение алгоритмизации на основе использования информационных процессов рекурсивного типа" // http://www.petrsu.ru/psu/General/Conferences/Data/19950605/Abstract/sectionB doc55.html

114. Аджемов А. С. "Дистанционное обучение высокая технология в образовании и новая социальнозначимая инфотелекоммуникационная услуга" // http://academy.odoportal.ru/documents/akadem/bibl/d5.doc

115. Абакумова Н.Н. "Функциональное состояние обучаемых как параметр учебных программ в рамках дистанционного образования" // http://www.vvsu.ru/niirpo/conf/2000oct 11 /coll/8.asp

116. Манов Н.А., Хохлов М.В., Шумилова Г.П., Успенский М.И., Чукреев Ю.Я., Кызродев И.В. "Информационные технологии и совершенствование оперативного управления региональными ЭЭС // http://energy.komisc.ru/seminar/Allsem.pdf

117. Саенко М.В., Восков J1.C. "Исследование и разработка методов автоматизированного проектирования сценариев взаимодействия с визуальным интерфейсом в открытых системах" // http://nit.miem.edu.ru/2004/section/136.htm

118. Карасев С. А. "Об использовании компьютерных технологий в обучении географии" // http://lyceuml .ssu.runnet.ru/win/metodkaras.html сайты127. http://www.madi.ru/gt/bdf.htm Системы управления базами данных

119. Таратынова Г. В. "Диагностика индивидуальных различий в условиях творческой деятельности" // Методика и техника психофизиологического эксперимента. М. - 1987, - с. 69-78.

120. Кузнецов С. Д. "Основы современных баз данных" // http://www.citforum.ru/database/osbd/contents.shtml130. //http://divt.stu.ru/Ucheba/TechBD.htm Технология баз данных

121. Khuwaja R. Ali "A Model of tutoring: facilitating knowledge integration using multiples models of the domain" // http://www.cs.iit.edu/~circsim/documents/rkdiss.pdf

122. Ragnemalm E. L. "Student Modelling in practice; Bridging a Gap" // http://citeseer.ist.psu.edu/ragnernalm94student.html

123. Борисов. H. А., Тулова С. А. Представление и использование знаний в интеллектуальных обучающих системах // Программные и технические средства медико-биологических и технических систем. Тверь: ТГТУ, 1998. с.112

124. Тулова С. А. Филатова Н. Н., Вавилова Н. И., Ахремчик О. J1. Тренажеры для обучения разработке систем автоматизации, реализованные в WWW //IEEE International Conference on Advanced Learning Technologies (ICALT 2002) Казань, pp. 288-292.

125. Тулова С. А. Структура Модели Обучаемого в Автоматизированной Обучающей Системе // Перспективы развития волжского региона. Тверь: ТГТУ, 2002. с. 58-60.

126. Тулова С. А. Структура модели обучаемого в автоматизированной обучающей системе // Компьютерные технологии в управлении, диагностике и образовании. Тверь: ТГТУ, 2002. с. 72-75.

127. Тулова С. А. Индивидуальная модель обучаемого // Компыот. технологии в управлении, диагностике и образовании. Тверь: ТГТУ, 2004. с. 98-101.

128. Тулова С. А. Модель обучаемого в составе интеллектуальной обучающей системы // материалы конференции НИТ, Рязань, 2001. - с. 8284.

129. Тулова С. А. Проектирование сценария ИОС // сборник научных трудов ТГТУ "Компьютерные технологии в управлении, медицине, образовании". Тверь: ТГТУ, 2006. с. 78-83.

130. Филатова Н. Н., Борисов Н. А. Развивающаяся модель обучаемого // Материалы 6-ой национ. конф. по искусственному интеллекту.КИИ-98. Пущино, 1998. с.65-70

131. Зайнутдинова J1.X. Создание и применение электронных учебников (на примере общетехнических дисциплин): Монография. Астрахань: ЦНТЭП, 1999 г.-364 с.