автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Мультилингвистические системы адаптивного обучения на базе лексически связанных информационных компонентов

На правах рукописи

Лесков Виталий Олегович

МУЛЬТИЛИНГВИСТИЧЕСКИЕ СИСТЕМЫ АДАПТИВНОГО ОБУЧЕНИЯ НА БАЗЕ ЛЕКСИЧЕСКИ СВЯЗАННЫХ ИНФОРМАЦИОННЫХ КОМПОНЕНТОВ

05.13.01 - Системный анализ, управление и обработка информации (по отраслям: информатика, вычислительная техника и управление)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Красноярск - 2009

003480818

Работа выполнена в Федеральном государственном образовательном учреждении высшего профессионального образования «Сибирский федеральный университет», г. Красноярск

Научный руководитель:

доктор технических наук, профессор Ковалев Игорь Владимирович

Официальные оппоненты: доктор технических наук, профессор

Доррер Георгий Алексеевич кандидат технических наук, доцент Усачев Александр Владимирович

Ведущая организация: Государственный научно - исследовательский институт информационных технологий и телекоммуникаций «Информика» (г. Москва).

Защита состоится "13" ноября 2009 года в 14:00 часов на заседании диссертационного совета ДМ 212.099.06 при Сибирском федеральном университете по адресу: 660074, г. Красноярск, ул. академика Киренского, 26, УЛК-115.

С диссертацией можно ознакомиться в библиотеке Сибирского федерального университета по адресу: г. Красноярск, ул. академика Киренского, 26, Г274.

Автореферат разослан октября 2009 года.

Ученый секретарь диссертационного совета

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы.

Развитие современных технологий, будь-то технологии производства или информационные технологии, неизменно влечет за собой появление новых текстов описательного свойства. Технические документации, учебники, самоучители - это далеко не весь спектр литературы, сопровождающей новое технологическое оборудование, программные продукты, а так же те или иные изменения в технологических процессах.

Огромные объемы и интенсивность появления специальных текстов, необходимость коммуникации с зарубежными партнерами, вынуждают российский рынок труда ужесточать требования, предъявляемые к специалистам тех или иных областей знания.

И если требования к профессиональным навыкам, знанию и опыту кандидата остаются неизменно высокими, то требования к владению иностранными языками с каждым годом все возрастают. При этом от специалиста не требуется глубокого знания того или иного иностранного языка, требования, как правило, ограничиваются предметной областью его профессиональной деятельности.

В рамках решения этой проблемы обучение иностранному языку во многих неязыковых ВУЗах имеет профессиональную ориентацию. Одним из основных моментов в таком обучении является освоение характерной для учебной специальности иностранной терминологии.

Развитие информационных технологий на сегодняшний день позволяет разработать эффективный программно-алгоритмический аппарат для создания компьютерных интерактивных обучающих систем, в том числе, для изучения иностранной терминологической лексики.

Лежащая в основе диссертационного исследования, мультилингвистическая адаптивно-обучающая технология (МЛ-технология) разработана специально для создания подобных систем. Она базируется на адаптивной модели обучаемого Л.А. Растригина и электронных мультилингвистических частотных словарях. К ее достоинствам можно отнести адаптивную подстройку параметров модели обучаемого, генерацию ассоциативных полей между терминами-аналогами различных языков и, как следствие, корректировку скоростей забывания, используемых в рамках обучающего алгоритма. Однако МЛ-технология, как и многие другие при обучении не использует в полной мере лексические зависимости в рамках изучаемого языка, поэтому генерация внутриязыковых ассоциативных полей происходит исключительно на этапе применения знаний на практике и имеет стихийный характер. Если же такая генерация будет происходить организованно и непосредственно в процессе обучения, качество такого процесса, а, следовательно, и обучающих систем в значительной степени возрастет.

Описанные проблемы в сфере образования, на рынке труда, в информационных технологиях определи актуальность работы; необходимость

в построении новой методики обучения, разработки соответствующего алгоритмического аппарата и информационной поддержки дали простор для дальнейшего исследования.

Объект исследования - адаптивные программные системы учебного назначения, структуры данных информационной поддержки обучающих систем и сопутствующие им алгоритмы.

Предмет исследования - программные системы, реализующие мультилингвистическую адаптивно-обучающую технологию, и связанные с ними модели данных, алгоритмы обучения, обработки текстов и формирования частотных словарей.

Целью диссертационной работы является разработка программно-алгоритмических и информационных средств поддержки мультилингвистической адаптивной системы обучения, ориентированной на формирование у обучаемого внутриязыковых ассоциативных связей непосредственно в процессе обучения.

Задачи исследования обусловлены поставленной целью и включают:

- теоретико-информационный анализ методов и алгоритмов мультилингвистической адаптивно-обучающей технологии как сложной проблемно-ориентированной системы управления;

- теоретико-информационный анализ структуры информационной базы мультилингвистической адаптивно-обучающей технологии;

- разработка методики обучения многоязычной иностранной терминологии как совокупности алгоритмов и методов управления сложным обучающим процессом, ориентированным на формирование у обучаемого внутриязыковых ассоциативных связей;

- разработка структуры частотных лексически связанных словарей как средства информационной поддержки адаптивных мультилингвистических систем;

- модификация адаптивного алгоритма обучения, учитывающая особенности лексически связанной структуры информационно-терминологического обеспечения и предложенной методики обучения в целом;

- разработка алгоритмов структурно-параметрического синтеза информационно-терминологического базиса как совокупности лексически связанных компонентов;

- формирование информационно-терминологического базиса предложенной структуры и реализация его в виде электронного двухблочного мультилингвистического лексически связанного словаря на основе разработанных алгоритмов и других компьютерных методов обработки информации.

Методы исследования. При выполнении работы использовались методы системного анализа, оптимизации, методологии структурного анализа, аппарат теории управления, адаптации сложных систем и теории вероятностей.

Новые научные результаты, полученные лично автором.

1. Предложена методика обучения многоязычной иностранной терминологии как совокупность алгоритмов и методов управления сложным обучающим процессом, ориентированным на формирование у обучаемого внутриязыковых ассоциативных связей.

2. Модифицирован алгоритм адаптивного обучения с учетом лексически связанной структуры информационных компонентов терминологического базиса и неоднородности скоростей забывания лексем.

3. Для внедрения предложенной методики в процесс обучения посредством применения интерактивных мультилингвистических адаптивно-обучающих систем разработана структура частотных лексически связанных словарей как средства их информационно-терминологической поддержки.

4. Разработаны, программно реализованы и протестированы алгоритмы структурно-параметрического синтеза информационно-терминологического базиса как совокупности лексически связанных информационных компонентов.

Научная новизна результатов работы.

1. Предложенная методика обучения многоязычной иностранной терминологии является совокупностью новых алгоритмов и методов управления сложным обучающим процессом. В отличие от стандартных методик рассматривает обучающий процесс с точки зрения формирования у обучаемого внутриязыковых ассоциативных связей; отталкивается от новой, разработанной автором, структуры информационно-терминологического базиса

2. Модифицированный алгоритм адаптивного обучения представляет собой средство поддержки предложенной автором методики обучения, учитывает неоднородность скоростей забывания лексем и поддерживает целостность структуры информационных компонентов терминологического базиса.

3. Предложенная структура информационно-терминологической поддержки разработана на базе частотных словарей, применяемых в МЛ-технологии; изменена структура базисного информационного компонента; выделены наиболее значимые лексемы; учтены лексические связи.

4. Разработанные алгоритмы структурно-параметрического синтеза информационно-терминологического базиса являются новыми, так как формируют базис в виде совокупности лексически связанных информационных компонентов.

Значение для теории. Результаты, полученные при выполнении диссертационной работы, имеют существенное значение для теории построения мультилингвистических адаптивно-обучающих и направлены на повышение качества этих систем, снижения скоростей забывания терминологии и ускорения процессов интеграции полученного знания в практику. Данные результаты являются значимыми для развития модельно-алгоритмического обеспечения систем анализа информации на основе компьютерных методов обработки информации.

Практическая ценность. Разработанная в рамках диссертационного исследования как совокупность алгоритмов и методов управления сложным обучающим процессом методика обучения позволяет уже на этапе освоения иностранной терминологии формировать у обучаемого строго организованные системы внутриязыковых ассоциативных связей. При классическом подходе эти системы формируются стихийно, когда полученные знания применяются на практике; на первых порах они отличаются неустойчивостью связей и относительной нечеткостью структуры, что сказывается на качестве знаний обучаемого, скорости забывания лексем и возникновения путаницы между терминами. Реализация предложенной методики в интерактивных системах обучения, или применение ее на некотором терминологическом базисе позволяет предупредить описанные выше проблемы. В сравнении с «классическим» подходом к обучению, ее применение на практике в конечном итоге дает более качественное, структурированное знание специальной иностранной терминологии: лексемы, выбранные как основные, заучиваются в несколько раз лучше (зависит от силы и количества связей в ЛС-компоненте), а наличие ассоциативных зависимостей существенно замедляет процесс забывания терминологии в целом.

Также, на основе разработанных в диссертации алгоритмов, структур данных построен информационно-терминологический базис (ИТБ) в форме двухблочного трехуровневого электронного англо-немецко-русского частотного словаря по информатике и системному анализу. Данный программный продукт предназначен для изучения специальной терминологии английского и (или) немецкого языка, являясь лексически связанным, поддерживает разработанную методику обучения.

Реализация результатов работы.

Работа выполнялась в рамках ряда проектов аналитической ведомственной целевой программы «Развитие научного потенциала высшей школы» (2007-2008 г.г.), в частности РНП 2.2.2.3.9676 «Модельно-алгоритмическое обеспечение мультилингвистической технологии интерактивного формирования многоязычных информационных ресурсов» и РНП 2.2.2.3.10144 «Программно-информационная технология интерактивного формирования многоязычных частотных словарей терминологической лексики»; а так же по проектам тематического плана СФУ (2008-2012 гг.).

Наиболее важные алгоритмы и структуры данных, разработанные в ходе диссертационной работы, получили программную реализацию и восемь из них зарегистрированы в Отраслевом фонде алгоритмов и программ.

Апробация работы. Основные положения и результаты работы прошли всестороннюю апробацию на всероссийских конференциях, научных семинарах и научно-практических конференциях. В том числе:

- V Всероссийская научно-практическая конференция «Недра Кузбасса. Инновации - 2006», 29 января 2006 года, г. Кемерово;

- Всероссийская научно-практическая конференция РАЕ "Новые информационные технологии и системы", 15-20 декабря 2008 года, г. Москва;

- Всероссийская научно-практическая конференция РАЕ "Исследования в области образования, молодежной политики и социальной политики в сфере образования", 15-20 января 2009 года, г. Москва;

- Всероссийская заочная электронная конференция РАЕ "Современные наукоемкие технологии", 15-20 февраля 2009 года, г. Москва;

- Всероссийская заочная электронная конференция РАЕ "Образовательные технологии", 15-20 марта 2009 года, г. Москва.

Диссертационная работа в целом обсуждалась на научных семинарах кафедры информатики Сибирского федерального университета в 2007-2009 гг.

Публикации. Основные результаты диссертационной работы опубликованы в 15 работах автора, 8 из них опубликовано в ведущих рецензируемых научных журналах и изданиях, рекомендуемых ВАК РФ для опубликования основных научных результатов диссертационных исследований. Полный список публикаций помещен в конце автореферата.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения и списка использованной литературы.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы диссертационной работы, формулируется цель и решаемые задачи, выдвигаются основные защищаемые положения, определяется научная новизна результатов и их практическое значение.

В первой главе проведен анализ предметной области диссертационной работы, рассмотрены некоторые современные средства обучения иностранным языкам, их классификации, специфика и этапы развития. Приведена системная архитектура мультилингвистической адаптивно-обучающей технологии, проведен обзор ее информационно-алгоритмического обеспечения. Выявлены недостатки, основным из которых является неэффективное использование мощностных мультилингвистических словарей в процессе обучения.

Мощностной словарь в мультилингвистической адаптивно-обучающей технологии - это определенным образом организованная структура данных, содержащая в себе не только информацию о частотных характеристиках лексем, но и мощности связей между ними.

На основе таких словарей строятся средства информационной поддержки обучающих систем, так называемые информационно-терминологические базисы. На момент анализа предметной области мощности связей между понятиями языка использовались в модификации адаптивно-обучающего алгоритма для корректировки механизма формирования порций обучающей информации.

Критерий качества обучения МЛ-технологии имеет вид:

е.=1рЖ)6->™п, (1)

'С»

где р" (/") - вероятность незнания ¡-го элемента п-го набора ОИ;

- время с момента последнего заучивания ¡-го элемента п-го набора ОИ; , - абсолютная мощность лексической единицы в тексте, подвергшемуся частотной или обработке при составлении мощностного словаря, 0<£ ,<1; п п

Р С ) - вектор вероятностей незнания всех элементов п-го набора ОИ.

Для минимизации значения ()п к концу сеанса обучения в порцию

т т*

обучающей информации ип включаются элементы базиса, имеющие

п п

наибольшее значение произведения Р С )

Если в оригинальном алгоритме мультилингвистической адаптивно-обучающей технологии роль абсолютной мощности лексической единицы играет абсолютная частота лексемы, то при нейросетевом подходе к формированию ИТБ абсолютная мощность лексической единицы определяется итерационно в процессе нейросетевой обработки текстов предметной области, с учетом лексических связей внутри изучаемого языка.

Такой подход акцентирует внимание обучаемого не только на лексемах с большей относительной частотой встречи, но и на так называемых центрах семантических сгущений.

Однако методика обучения языку остается прежней и представляет собой только последовательное запоминание терминов, в то время как само по себе наличие лексических связей дает возможность использовать сильнейшие механизмы обучения, а именно механизм установления однозначных ассоциативных зависимостей внутри изучаемого языка.

Таким образом, в первой главе обосновывается необходимость в разработке методики обучения многоязычной иностранной терминологии, ориентированной на формирование у обучаемого внутриязыковых ассоциативных связей непосредственно в процессе обучения.

Во второй главе вводится понятие лексически связанных компонентов (ЛС-компонентов), предлагается структура информационно-терминологического базиса как совокупности этих компонентов. На ее основе строится методика обучения с ориентацией на формирование ассоциативных связей между лексемами изучаемого языка (ЛСК-методика). Формулируются задачи о разработке алгоритмов формирования ИТБ как совокупности лексически связанных компонентов, и модификации адаптивного алгоритма обучения с учетом неоднородностей скоростей забывания терминологии.

Поскольку предлагаемая методика обучения должна акцентировать внимание не столько на изучении терминов, сколько на построении систем

ассоциативных связей внутри изучаемого языка(ов) возникает необходимость в пересмотре информационного базисного компонента ИТБ. В оригинальном случае он является совокупностью языковых аналогов и их частот (рисунок 1).

МЛ - компонент

термин яз_1 термин яз_2

термин яз К частота яз_1 частота яз_2

частота яз N

Рисунок 1 - Описание базисного информационного компонента с использованием нотации ОББО

В качестве информационного базисного компонента автор предлагает использовать объекты следующей структуры:

лексемы:

] - основная лексема 2,3,4,5 - связанные лексемы лексические связи: 1-2, 1-3,1-4,1-5

количественные характеристики: у, - абсолютная частота /-ой лексемы;

- абсолютная частота сочетания /-ой и к—ой лексем

Рисунок 2 - Лексически связанный компонент ИТБ

Такие комплексные объекты определены как лексически связанные компоненты (ЛС-компоненты) ИТБ.

Лексема, связанная со всеми без исключения лексемами ЛС-компонента называется основной лексемой, лексемы же, имеющие только одну связь -связанными лексемами.

Выражая структуру ЛС-компонента через МЛ-компонент получим: ЛС-компонент = {МЛ-компонент (основная лексема), МЛ-компонент (связанная лексема №1), МЛ-компонент (связанная лексема №2),...} В нотации ЭБЭЭ ЛС-компонент будет выглядеть:

ЛС - компонент

ОМЛ-компонент СМЛ-компонент 1 СМЛ-компонент 2

СМЛ-компонент N

Рисунок 3 - Описание базисного информационного компонента с использованием нотации БЗББ

При этом, структура МЛ-компонента, базирующегося на основной лексеме (основного) должна быть откорректирована, иначе теряется информация о лексических связях, а значит и смысл всей методики обучения.

Структура основного МЛ-компонента (ОМЛ-компонента) будет выглядеть следующим образом: ОМЛ-компонент = {термин яз_1, термин яз_2,..., термин яз_>), частота яз_1, частота яз_2,..., частота яз_Ы, сочетание 1_яз_1, сочетание 1_яз_2,..., сочетание 2_яз_1, сочетание 2_яз_2,..., сочетание КязИ, частота 1_яз_1, частота 1_яз_2,..., частота 2_яз_1, частота 2_яз_2,..., частота К_яз_14}.

Задача формирования ЛС-компонентов и ИТБ на их основе имеет два аспекта, которые должны быть учтены при разработке соответствующих алгоритмов:

- должен быть выработан критерий, согласно которому из терминологической базы будут выделятся основные лексемы;

- количество связей в ЛС-компоненте должно быть оптимальным.

Методика обучения иностранной лексике строится на совместном применении двух алгоритмов: адаптивного алгоритма обучения и алгоритма построения внутриязыковых ассоциативных полей.

Алгоритм построения внутриязыковых ассоциативных полей состоит в последовательной подаче к изучению элементов ЛС-компонента. Последовательность такова:

1. Основная лексема - перевод, подсказка на иностранном языке.

2. Связанная лексема - перевод, подсказка на иностранном языке.

3. Лексическое сочетание основной и связанной лексем - перевод сочетания, подсказка на иностранном языке (языковой аналог именно лексического сочетания, но не лексем по отдельности).

4. Переход к следующей связанной лексеме.

5. Переход к следующему лексически связанному компоненту.

При использовании данной методики адаптивный алгоритм обучения должен быть модифицирован. Во-первых, основным элементом обучающей информации будет не термин, но лексически связанный компонент; во-вторых, согласно предложенной автором методики, скорость забывания для основных и связанных лексем будет не одинакова. Основные лексемы ЛС-компонентов

будут заучены гораздо лучше, чем связанные. Это обуславливается ассоциативными механизмами памяти человека, а именно тем, что при актуализации одного понятия актуализируется другое, ассоциативно связанное с ним; вместе с этим предлагаемая автором методика такова, что наибольшее количество ассоциативных связей приходится именно на основные лексемы. Простое повторение терминов не задействует ассоциативные механизмы памяти и не будет столь эффективным, в то время как обучение по данной методике формирует строго организованные системы ассоциативных связей с наиболее значимыми центрами.

В третьей главе предлагаются алгоритмы формирования информационно-терминологического базиса как совокупности лексически связанных компонентов, описана модификация адаптивного алгоритма

Разработка алгоритмов формирования ИТБ в конечном итоге имеет своей целью построение таких ИТБ, использование которых в процессе обучения будет высоко эффективным. Поэтому при разработке данных алгоритмов рационально отталкиваться непосредственно от процесса обучения, который в достаточной мере описывается адаптивным алгоритмом. Следовательно, формирование алгоритмической поддержки предложенной методики разумно начать с его модификации, проведя корректировку для итерационного вычисления скоростей забывания в процессе адаптации параметров модели к ответам обучаемого, а так же изменив способ формирования порций обучающей информации.

Формула для расчета скоростей забывания в предлагаемой модификации будет выглядеть следующим образом:

К

«,"= —£-> (2)

-+ 1)

>=|

где Ь" - скорость забывания /-го элемента и-го набора ОИ; А - оценка параметра И, характеризующего активность ассоциативных связей, 0< к < 1;

к- количество связанных лексем в компоненте;

(1-р,)~ вероятность знанияу'-ого элемента ОИ, который лексически связан (т.е. порождает ассоциацию), с /-ым элементом ОИ; /л абсолютная частота сочетания г-ой и к-ой лексем. ¿О-рМ

Отметим, что --есть не что иное, как средневзвешенная вероятность

ХХ

м

знания связанных лексем компонента.

Параметр к характеризует вероятность актуализации основной лексемы при актуализации связанной с ней согласно структуре ЛС-компонента.

Данный параметр зависит не столько от изучаемого языка и организации информационно терминологического базиса, сколько от самого обучаемого и ситуации, в которой происходит актуализация связанных лексем. Если речь идет о чтении книги на языке, которым читатель владеет свободно, то параметр h близок к 0, поскольку нет необходимости в порождении ассоциаций при прочтении каждого слова. Но если речь идет о переводе текста, особенно в том случае, когда переводчик слабо знаком с терминологией, значение параметра h резко возрастает, поскольку объектом внимания переводчика являются не сложные лексические конструкции, такие как предложения и текст в целом, но сами термины и их смысл. В нашем случае параметр h близок единице. Так или иначе, речь идет только о процессе обучения, это означает, что h будет зависеть только от личности обучаемого. Поэтому на каждой итерации, при вычислении скоростей забывания вместо h разумно брать ее простейшую оценку по ответам обучаемого, а именно:

л = —, (з)

где ти - количество запомненных словосочетаний при знании соответствующих связанных лексем;

щ - общее количество словосочетаний, выданных для проверки, при знании соответствующих связанных лексем.

Что касается формирования порций обучающей информации, то в целях получения устойчивых групп ассоциативно связанных элементов к концу обучения, были сформулированы следующие корректировки к оригинальному алгоритму:

- если в обучающую порцию попадает связанная лексема, то для повторного изучения она выдается в связке с основной;

- если в обучающую порцию попадает основная лексема, то для повторного изучения выдается весь JIC-компонент.

Примечательно, что при использовании полученных знаний, в зависимости от параметра h, при встрече связанной лексемы, обучаемый будет вспоминать основную, что резко сократит вероятность забывания основных лексем по сравнению с оригинальным мультилингвистическим подходом.

Далее в третьей главе рассматривается нисходящий алгоритм формирования JlC-компонентов, учитывающий как частоту терминов, так и мощность их лексических связей. Данный алгоритм можно разделить на три основные фазы. 1. Подготовка ИТБ.

1.1 Для каждой лексемы ИТБ вычисляется значение коэффициента значимости по следующей формуле:

0,7

к

4=е д„

где /л ¡к - относительная частота сочетания /-ой и А-ой лексем, отражает силу ассоциативной связи;

- относительная частота, выражающая долю лексической единицы в тексте, подвергшемуся статистической обработке при составлении частотного словаря, 0<д,<1.

1.2 ИТБ упорядочивается по убыванию значения Ь, (таким образом, чем меньше будет порядковый номер лексемы, тем выше вероятность, образования на ее основе ЛС-компонента).

1.3 Данные о лексических связях упорядочиваются по убыванию значения

(тем самым увеличивается вероятность попадания в ЛС-компонент тех

из связанных лексем, которые более всего могут улучшить качество ИТБ). 2. Поиск оптимального количества основных лексем.

2.1 Осуществляется перебор возможного количества основных лексем к от 1 до объема ИТБ (возможно сужение интервала поиска разработчиком).

2.2 Для текущего значения к, определяются основные лексемы (к первых лексем ИТБ).

2.3 Для выбранных основных лексем определяются связанные лексемы (как правило, задается максимум количества связанных лексем).

2.4 Вычисляется значение функции качества ИТБ согласно формуле:

Цп) показывает сумму взвешенных вероятностей знания лексем по всему базису, естественно, что чем больше эта сумма, тем более удачно построен базис.

2.5 Если перебор окончен, идем в пункт 2.6, иначе возврат к пункту 2.1.

2.6 Определяем максимум функции качества от числа ЛС-компонентов (оптимальное число основных лексем ктах).

3. Формирование ИТБ как совокупности ЛС-компонентов (искомый ИТБ получается при прохождении пунктов 2.2 и 2.3 для ктах основных лексем).

Нисходящий алгоритм формирования ЛС-компонентов дает «хорошие» результаты, однако из пунктов 2.2 и 2.3 следует, что связанные лексемы определяются согласно порядка основных лексем. Естественно, что связанная

0,1

-

(5)

N

Ци) = 2>,е

/=1

лексема, являясь частью одного ЛС-компонента, уже не может быть частью другого, даже если она "подходит" к нему больше (речь идет о конечном значении Цп)). Таким образом, возникает задача о нахождении наиболее "подходящих" связанных лексем для ЛС-компонентов в процессе их формирования. Эта задача решается от обратного, т.е. не подбирая для основных лексем связанные, но наоборот. Алгоритм, работающий по такому принципу получил название восходящего алгоритма формирования ЛС-компонентов и так же может быть поделен на три основные фазы:

1. Подготовка ИТБ.

1.1 Для каждой лексемы ИТБ вычисляется значение

1.2 ИТБ упорядочивается по убыванию значения Д.

2. Поиск оптимального количества основных лексем.

2.1 Осуществляется перебор возможного количества основных лексем к от 1 до объема ИТБ (возможно сужение интервала поиска разработчиком).

2.2 Для текущего значения к, определяются основные лексемы (к первых лексем ИТБ).

2.3 Осуществляется перебор "не основных" (потенциально связанных) лексем

и для каждой "не основной" лексемы 1 рассчитывается множество значений

приращения функции качества, полученные путем ее включения во все

возможные ЛС-компоненты. Расчет осуществляется по формуле:

__0,1__

к

№ + !<?.,,",)

(Аг+1)-^-+1 (6)

тк

где Ь, - коэффициент значимости /-ой основной лексемы, образующей ЛС-компонент с к связанными лексемами;

Далее определяется ЛС-компонент для которого АЬ1 будет максимальным,

лексема 1 включается в его состав в качестве связанной (как правило, задается максимум количества связанных лексем).

2.4 Подсчитывается значение функции качества.

2.5 Если перебор окончен, идем в пункт 2.6, иначе возврат к пункту 2.2.

2.6 Определяем максимум функции качества от числа ЛС-компонентов (оптимальное число основных лексем ктах).

3. Формирование ИТБ как совокупности ЛС-компонентов.

3.1 Незадействованные в ЛС-компонентах лексемы из числа основных (ктах) помечаем как "не основные". Нахождение наиболее "подходящих" связанных лексем порождает свободные элементы из числа потенциально основных лексем, что во многом ухудшает Ь(п)\ поэтому незадействованные в ЛС-компонентах лексемы из числа основных (ктах) помечаем как "не основные".

3.2 Для полученного значения ктах основных лексем осуществляем шаги 2.2 и

2.3 и получаем тем самым искомый ИТБ.

Так же в третьей главе приводится сравнительный анализ предлагаемых алгоритмов на 3-х ИТБ одинаковой структуры, но различного объема. Настраиваемые параметры базиса:

- максимальное количество связей, приходящихся на одну лексему (10);

- максимальное значение абсолютной частоты лексем (100/50000);

- максимальное значение частоты сочетаний лексем (20/50000);

- объем материала, по которому произведен частотный анализ(50000);

- коэффициент связанности лексем (1);

Тест 1 (объем базиса 1000 терминов)

Параметры выхода Н-алгоритм В-алгоритм

min L(n) 0,4961185136 0,49611851363

max L(n) 0,4961185651 0,49611856954

Основных лексем 188 172

Свободных элементов 320 324

Итераций 4981096 2000498500

Время исполнения (сек) 3,41 130,75

Таблица 1 - Результаты теста 1

Тест 2 (объем базиса 2000 терминов)

Параметры выхода Н-алгоритм В-алгоритм

min L(n) 0,99479940765 0,99479940765

тах L(n) 0,99479951781 0,99479952460

Основных лексем 410 394

Свободных элементов 545 538

Итераций 19930343 21542653063

Время исполнения (ч:м:с:сс) 00:00:18:22 00:23:28:16

Таблица 2 - Результаты теста 2

Тест 3 (объем базиса 5000 терминов)

Параметры выхода Н-алгоритм В-алгоритм

min L(n) 2,4771264022 2,4771264022

max L(n) 2,4771266487 2,4771266614

Основных лексем 845 822

Свободных элементов 1867 1886

Итераций 124568303 253340376005

Время исполнения (ч:м:с:сс) 00:01:17:50 04:35:58:57

Таблица 3 - Результаты теста 3 15

Приведем сводную таблицу результатов тестирования для времени исполнения и Ь(п).

Показатели качества Н-алгоритм В-алгоритм

AL(n) (1000) 0,00000005150 0,00000005590

А1(иД1000),% 100 108,54

Д1(лД2000) 0,00000011016 0,00000011695

A L(n) (2000), % 100 106,16

А Цп) (5000) 0,00000024658 0,00000025921

A L(n) (5000),% 100 105,12

А?(1000), % 100 38,34 * 10"

A t (2000),% 100 76,7* 102

A t (5000),% 100 213,65 * 10"

Таблица 4 - Сводная таблица результатов тестирования

В таблице 4 приведены результаты 3-х экспериментов (AL(n) = max L(n) — min L(n)), согласно которым B-алгоритм превосходит Н-алгоритм на 8,54; 6,16; 5,12 %, соответственно. Снижение этого превосходства обусловлено негативным влиянием свободных элементов из числа основных лексем на L(n), которое становится сильнее с ростом ИТБ и постепенно подавляет положительное влияние "наиболее подходящих" связанных лексем. Поскольку ИТБ, с которыми работает JTCK-методика, предметно-ориентированы и их объем, как правило, не превышает 5000 терминов, ограничимся на том, что В-алгоритм превосходит Н-алгоритм по качественным показателям на 5-10 %.

Что касается времени исполнения, то здесь заметна тенденция: при увеличении объема ИТБ в п раз, время исполнения алгоритмов возрастает в геометрической прогрессии, причем для B-алгоритма это время возрастает в п раз быстрее (исключая помехи на больших объемах ИТБ).

Несмотря на большую, негативную разницу по времени исполнения, В-алгоритм формирует более качественную структуру ИТБ. Поскольку операция формирования ИТБ производится только один раз, показатель качества много важнее времени исполнения алгоритма.

B-алгоритм может успешно использоваться при формировании ИТБ как совокупности ЛС-компонентов. Единственным его серьезным недостатком является не время исполнения, а то, что заранее невозможно предугадать, сколько именно основных лексем будет в ИТБ. В случае, когда разработчик выставляет жесткие требования к количеству основных лексем (ЛС-компонентов) или имеется значительный объем ИТБ, следует использовать Н-алгоритмы формирования ЛС-компонентов, в противном случае, предпочтение следует отдавать В-алгоритмам.

В четвертой главе описывается структура и основные аспекты формирования ИТБ в виде электронного двухблочного лексически связанного словаря как практическое применение средств алгоритмической поддержки предлагаемой методики. Так же обозначены основные направления применения на практике структур данных, алгоритмов и методики обучения разработанных в ходе написания диссертационной работы.

Двухблочная структура предлагаемого в четвертой главе словаря (особенно в печатном варианте) делает его более универсальным, сохраняя его старый функционал и расширяя возможности обучения за счет применения ЛСК-методики.

Первый блок, изображенный на рисунке 4, содержит лексически связанные компоненты, которые представлены в виде двухуровневых структур данных, где на верхнем уровне находятся основные лексемы (крупный шрифт), на нижнем - связанные и сочетания (мелкий шрифт).

1 ¡А

-> 1 ! accuracy. 47 Genauigkeit. 35 f точность. 139

15 14 action. 164 Handlung. 90 f действие. 172

22 21 activity. 10 Aktivität 4 t деятельность. 102

25 24 adder. 51 Addierer. 47 m сумматор. 127

36 37 address. 168 Adresse, 130 f адрес. 168

51 50 algebra, 86 Algebra, 43 f алгебра. 34

60 59 algorithm. 169 Algorithmus. 89 m алгоритм. 126

73 72 analysis. 197 Analyse. 169 f анализ, 327

74 73 comprehensive, 30 umfassend, 9 е:естороннии 30

75 74 comprehensive analysis. 9 umfassende Analyse, 7 f комплексный анализ, 23

76 75 expert,23 Experte, 3 m эксперт, 55

77 76 expert analysis, 11 Experlenanalyse, 9 f экспертный анализ, 26

78 77 factor, 68 Faktor, 44 m коэффициент, 47, фактор. 31

79 78 iractor analysis, 12 Faktoranalyse, 10 f факторный анализ, 4

80 79 lob. 50 Arbeit, 25 f работа, 179

81 80 lob analysis, 3 Arbeitsanalyse,9 f анализ работы, 13

82 81 network, 36 Netzwerk, 13 n сеть,9

33 62 network analysis. 9 r.etrwerkanaWse. 2 f сетевой анализ, 14

34 83 qualitative. 2 auai.'ativ. 6 качественный 33

35 84 qualitative analysis,8 quünMAnriyn.B! качественный анализ 19

85 approach, 70

86 244

Рисунок 4 - Блок лексически связанных компонентов

Второй блок словаря, изображенный на рисунке 5, содержит всю терминологию, включая лексемы, вошедшие в лексически связанные компоненты; они выделены курсивом и формально представляют собой ссылки на соответствующие элементы первого блока (поиск осуществляется по нумерации).

Huwummmw vulgar, 2

Watten. f

время ожидания, б

waiting time, 8

Watfei

wave junction, 2

Wellenfunktion. 2 f

волновая функция, 2

волна, 9

благополучие. 2

Шхъ noise, 8

weißes Rauschen, 2

белый, 3

wholeness. 6.

Ganzheit. 2 f

целостность. 23

wot/I addnss. 22

Wotmhesse. i f

work file. 3

Afbeitsdatei. 3 f

рабочая область памяти, 33

working space, 3 work itiff. 9

Arbeitsraum des Speichers, 2 го

paßoina. 24

Arbeiten,1)

working cell, 3

(юбочая

write operation. 4

Schreibuf

нависать 12

schreibst

Sciueibzei

Abszisse

zwo tevel 15

zonal, 1

zons. 41

¡масштабировать, 6

¡вульгарный, 2

'l^rVM

слово. 22

рабочим фа

работа, 24

i-ir:

Рисунок 5 - Терминологический блок лексически связанного словаря

Терминологический блок используется в качестве справочного материала для перевода текстов иностранных терминологий, так же рекомендуется для обучения, согласно мультилингвистического подхода.

Оба блока упорядочены по алфавиту, добавлены литеры. Группировка осуществлена средствами excel; для первого блока является трехуровневой (литера - основная лексема - связанные лексемы), для второго -двухуровневой (литера - основная лексема).

По отношению к своему предшественнику, англо-немецко-русскому частотному словарю по информатике и системному анализу, предлагаемый словарь был дополнен многоязычной терминологией в количестве 300 специальных терминов и адаптирован для обучения по средством методики построения внутриязыковых ассоциативных полей.

Несмотря на то, что JIC-компоненты были разработаны специально для информационно-терминологической поддержки ЛСК-методики, они могут эффективно применяться в построении информационных систем и структур данных, которые эту методику не поддерживают, примером этого могут служить мультилингвистические поисковые системы, что во многом определяет дальнейшие перспективы развития диссертационного исследования.

Таким образом, четвертая глава, раскрывает практическое применение разработанных автором алгоритмов и структур данных, определяет возможные перспективы развития данного исследования, и является логическим завершением диссертационной работы в целом.

В заключении сформулированы основные выводы и результаты, полученные в диссертационной работе.

Основные научные результаты и выводы.

1. Проведен теоретико-информационный анализ методов и алгоритмов мультилингвистической адаптивно-обучающей технологии как сложной проблемно-ориентированной системы управления, в ходе которого выявлена проблема построения внутриязыковых ассоциативных полей непосредственно в процессе обучения. Рассмотрены возможные пути ее решения.

2. Проведен теоретико-информационный анализ структуры информационной базы мультилингвистической адаптивно-обучающей технологии, что обеспечило возможность ее последующей реорганизации и применения на ее основе разработанной в ходе диссертационного работы методики обучения на базе лексически связанных информационных компонентов.

3. Как совокупность алгоритмов и методов управления сложным обучающим процессом разработана методика обучения многоязычной иностранной терминологии, позволяющая непосредственно в ходе обучения формировать у объекта строго организованные системы внутриязыковых ассоциативных связей на всем множестве языков, задействованных в обучении. Применение методики на практике делает конечное знание более структурированным, облегчает процесс его интеграции в жизнь, снижает скорость забывания терминологии в целом.

4. Разработана структура частотных мультилингвистических лексически связанных словарей как средства информационного обеспечения предложенной методики, что делает возможным ее применение в учебном процессе, организованном самостоятельно или с участием преподавателя.

5. Разработана модификация адаптивного алгоритма обучения на основе лексически связанных словарей, формирующая в процессе своей работы строго организованные системы внутриязыковых ассоциативных связей, учитывающая неоднородность скоростей забывания. Разработка данной модификации обеспечивает возможность успешной интеграции предлагаемой методики обучения в интерактивные мультилингвистические адаптивно-обучающие компьютерные системы.

6. Разработан и программно реализован комплекс алгоритмической поддержки предложенной методики, в том числе алгоритмы структурно-параметрического синтеза информационно-терминологического базиса как совокупности лексически связанных компонентов. Данный программно-алгоритмический комплекс нашел свое применение при создании и последующей обработке двухблочного мультилингвистического лексически связанного словаря как средства информационной поддержки предлагаемой методики обучения.

7. Согласно предложенной методике обучения на основе разработанных алгоритмов и других компьютерных методов обработки информации сформирован информационно-терминологический базис в форме двухблочного мультилингвистического лексически связанного словаря по

информатике и системному анализу. Словарь реализован в электронном и печатном виде, откорректирован и расширен по сравнению с предыдущей версией. Специально разработанная двухблочная структура словаря позволяет эффективно применять его как в «классическом» процессе обучения, так и в обучении посредством разработанной автором методики.

Основные результаты диссертационной работы опубликованы в

следующих работах:

1. * Лесков, В.О. Алгоритмизация процедур включения связанных лексем в структуру информационно-терминологического базиса / М.В. Карасева, И.В. Ковалев, В.О. Лесков // Программные продукты и системы. - 2009. - №3. - С. 35-38.

2. * Лесков, В.О. Компоненты информационной поддержки мультилингвистической адаптивно-обучающей технологии / М.В. Карасева, И.В. Ковалев, В.О. Лесков // Системы управления и информационные технологии. - 2009. - №1.3 (35). - С. 360-363.

3. * Лесков, В.О. Процедура построения частотного словаря на основе лексически связанных компонентов / И.В. Ковалев, В.О. Лесков, Е.Е. Шукшина // Вестник СибГАУ. - 2009. - №2(23). - С. 119-122.

4. * Лесков, В.О. Формирование лексически связанных компонентов информационно-терминологического базиса / В.О. Лесков // Вестник СибГАУ. -2009.-№2(23).-С. 133-136.

5. * Лесков, В.О. Информационно-терминологический базис как совокупность лексически связанных компонентов / М.В. Карасева, И.В. Ковалев, В.О. Лесков // Вестник СибГАУ. - 2009. - №1(22). - С. 54-56.

6. * Лесков, В.О. Адаптивный алгоритм обучения иностранной лексике на основе лексически связанных компонентов / М.В. Карасева, И.В. Ковалев, В.О. Лесков // Системы управления и информационные технологии. - 2009. -№4(34).-С. 78-82.

7. * Лесков, В.О. Внутриязыковые ассоциативные поля в мультилингвистической адаптивно-обучающей технологии / М.В. Карасева, И.В. Ковалев, В.О. Лесков // Системы управления и информационные технологии. - 2008. - №3.1(33). - С. 157-160.

8. * Лесков, В.О. Автоматизация формирования информационной базы мультилингвистической адаптивно-обучающей технологии / М.В. Карасева, В.О. Лесков // Вестник СибГАУ. - 2007. - №4(17). - С. 117-124.

9. Лесков, В.О. Специфика модели обучения на основе лексически связанных компонентов /В.О. Лесков // Современные наукоёмкие технологии. -2009,-№4.-С. 53-54.

10. Лесков, В.О. Два блока частотного словаря: значение и организация / В.О. Лесков // Успехи современного естествознания. - 2009. - №4. - С. 31-32.

* работа, опубликованная в одном из ведущих рецензируемых научных журналов, рекомендуемых ВАК РФ для опубликования основных научных результатов диссертационных исследований

11. Лесков, В.О. Область применения лексически связанных компонентов /В.О. Лесков // Современные наукоёмкие технологии. - 2009. - №2. - С. 63-64

12. Лесков, В.О. Два подхода к формированию лексически связанных компонентов /В.О. Лесков // Современные наукоёмкие технологии. - 2008. -№12.-С. 29-30.

13. Лесков, В.О. О путях искуственного формирования сложных ассоциативных связей в процессе обучения иностранной лексике. /В.О. Лесков //Современные наукоёмкие технологии. - 2008. - №4. - С. 78-79.

14. Лесков, В.О. Реляционная модель и алгоритмы оптимизации модульной структуры мультилингвистического информационно-терминологического базиса /В.О. Лесков, С.С. Огнерубов// Вестник Университетского Комплекса. -2006.-№7(21).-С. 116-133.

15. Лесков, В.О. Информационная модель динамического формирования электронных терминологических словарей / К.А. Дудура, В.О. Лесков, С.С. Огнерубов // Недра Кузбасса. Инновации: Труды V Всероссийской научно-практической конференции. - Кемерово: ИНТ, 2006. - С. 75-76.

Разработки, зарегистрированные в Отраслевом фонде алгоритмов и программ:

1. Лесков, В.О. Адаптивно-обучающий алгоритм ЛСК-методики / В.О. Лесков. - М.:ВНТИЦ, 2009. - № 50200900256.

2. Лесков, В.О. Комплекс программного моделирования КПМ v.2.0 / В.О. Лесков. -М.:ВНТИЦ, 2009. -№ 50200900124.

3. Лесков, В.О. Двухблочный трехуровневый элекстронный англо-немецко-русский частотный словарь по информатике и системному анализу / М.В. Карасева, И.В. Ковалев, В.О. Лесков. - М.:ВНТИЦ, 2009. - № 50200900111.

4. Лесков, В.О. Нисходящий алгоритм формирования ЛС-компонентов / В.О. Лесков. -М.:ВНТИЦ, 2008. -№ 50200802428.

5. Лесков, В.О. Восходящий алгоритм формирования ЛС-компонентов / В.О. Лесков. - М.:ВНТИЦ, 2008. - № 50200802427.

6. Лесков, В.О. Комплекс программного моделирования КПМ v.1.0 / В.О. Лесков. - М.:ВНТИЦ, 2008. - № 50200802242.

7. Лесков, В.О. Программа анализа и формирования информационного мультилингвистического терминологического базиса, на основе реляционной модели оптимизации TuMLas v.1.0 / И.В. Ковалев, В.О. Лесков. - М.:ВНТИЦ, 2008.-№50200701283.

8. Лесков, В.О. Программа контекстного анализа методом «Скрытых Марковских цепей» / И.В. Ковалев, В.О. Лесков. - М.:ВНТИЦ, 2008. - № 50200501669.

Лесков Виталий Олегович

Мультилингвистические системы адаптивного обучения на базе лексически связанных информационных компонентов

Автореф. дисс.... канд. техн. наук

Подписано в печать 08.10.09. Тираж 100 экз.

Отпечатано в типография КрасГМУ 660022, г. Красноярск, ул. П.Железняка, 1

Введение.

1 Компьютерные обучающие среды и их системная архитектура.

1.1 Программное обеспечение обучения и его жизненный цикл.

1.2 Системная архитектура мультилингвистической адаптивно-обучающей технологии.

1.3 Специфика компьютерных средств обучения.

1.4 Классификация компьютерных программ обучения языку.

1.5 Формирование компьютерной обучающей среды - интегрированного средства изучения языка.

1.6 Современные проблемы развития информационной технологии обучения иностранным языкам.

Выводы по главе 1.

2 Разработка методики обучения на базе лексически связанных компонентов.

2.1 Электронные частотные профессионально-ориентированные словари

2.1.1 Терминологические стандарты и международная регламентация терминологии.

2.1.2 Многокомпонентные термины и процедуры их анализа.

2.2 Анализ текстов для формирования электронных частотных словарей

2.3 Информационно-терминологический базис как совокупность лексически связанных компонентов.

Выводы по главе 2.

3 Алгоритмическая^ поддержка мультилингвистических систем адаптивного обучения на базе лексически связанных компонентов.

3.1 Специфика построения модели обучения.

3.2 Генерация ассоциативного поля терминологических компонентов.

3.3 Обучение как управление сложным объектом.

3.4 Алгоритмы формирования информационно-терминологического базиса как совокупности лексически связанных компонентов.

Выводы по главе 3.

4 Реализация предложенной методики обучения, алгоритмов и структур данных в интерактивных компьютерных системах.

4.1 Область применения лексически связанных компонентов.

4.2 Процедура построения частотного словаря на основе лексически связанных компонентов.

4.3 Двухблочный трехуровневый электронный англо-немецко-русский частотный словарь по информатике и системному анализу.

Выводы по главе 4.

Развитие современных технологий, будь-то технологии производства или информационные технологии, неизменно влечет за собой появление новых текстов описательного свойства. Технические документации, учебники, самоучители - это далеко не весь спектр литературы, сопровождающей новое технологическое оборудование, программные продукты, а так же те или иные изменения в технологических процессах.

Огромные объемы и интенсивность появления специальных текстов, необходимость коммуникации с зарубежными партнерами, вынуждают российский рынок труда ужесточать требования, предъявляемые к специалистам тех или иных областей знания.

И если требования, к профессиональным навыкам, знанию и опыту кандидата остаются неизменно высокими, то требования к владению иностранными языками» с каждым годом все- возрастают. При этом от специалиста не требуется глубокого знания того или иного иностранного языка, требования, как правило, ограничиваются предметной областью его профессиональной деятельности.

В рамках решения этой проблемы обучение- иностранному языку во многих неязыковых ВУЗах имеет профессиональную ориентацию. Одним из основных моментов в таком обучении является освоение характерной для учебной специальности иностранной терминологии.

Развитие информационных технологий на сегодняшний день позволяет разработать эффективный программно-алгоритмический аппарат для создания компьютерных интерактивных обучающих систем, в том числе, для изучения иностранной терминологической лексики.

Лежащая? в« основе* диссертационного исследования, мультилингвистическая адаптивно-обучающая технология (MJI-технология) разработана специально для создания подобных систем. Она базируется на адаптивной модели обучаемого Л.А. Растригиыа и электронных мультилингвистических частотных словарях. К ее достоинствам можно отнести адаптивную подстройку параметров модели обучаемого, генерацию ассоциативных полей между терминами-аналогами различных языков и, как следствие, корректировку скоростей забывания, используемых в рамках обучающего алгоритма. Однако MJT-технология, как и многие другие при обучении не использует в полной мере лексические зависимости в рамках изучаемого языка, поэтому генерация внутриязыковых ассоциативных полей происходит исключительно на этапе применения знаний на практике и имеет стихийный характер. Если же такая генерация будет происходить организованно и непосредственно в процессе обучения, качество такого процесса, а, следовательно, и обучающих систем в значительной степени возрастет.

Описанные проблемы в сфере образования, на рынке труда, в информационных технологиях определи актуальность работы; необходимость, в построении новой методики обучения, разработки соответствующего алгоритмического аппарата и информационной поддержки дали простор для дальнейшего исследования.

Объект исследования — адаптивные программные системы учебного назначения, структуры данных информационной поддержки обучающих систем и сопутствующие им алгоритмы.

Предмет исследования — программные системы, реализующие мультилингвистическую адаптивно-обучающую технологию, и связанные с ними модели данных, алгоритмы обучения, обработки текстов и формирования частотных словарей.

Целью* диссертационной работы является разработка программно-алгоритмических и информационных средств поддержки мультилингвистической адаптивной системы обучения^ ориентированной на формирование у обучаемого внутриязыковых ассоциативных связей непосредственно в процессе обучения.

Задачи исследования обусловлены поставленной целью и включают:

- теоретико-информационный анализ методов и алгоритмов мультилингвистической адаптивно-обучающей технологии как сложной проблемно-ориентированной системы управления;

- теоретико-информационный -анализ структуры информационной базы мультилингвистической адаптивно-обучающей технологии;

- разработка методики обучения многоязычной иностранной терминологии как совокупности алгоритмов и методов управления сложным обучающим процессом, ориентированным на формирование у обучаемого внутриязыковых ассоциативных связей;

- разработка структуры частотных лексически связанных словарей как средства информационной поддержки адаптивных мультилингвистических систем;

- модификация адаптивного алгоритма обучения, учитывающая особенности лексически связанной структуры информационно-терминологического обеспечения и предложенной методики обучения в целом;

- разработка алгоритмов структурно-параметрического синтеза информационно-терминологического базиса как совокупности лексически связанных компонентов;

- формирование информационно-терминологического базиса предложенной структуры и реализация его в виде электронного двухблочного мультилингвистического лексически связанного словаря на основе разработанных алгоритмов и других компьютерных методов обработки информации.

Методы исследования. При выполнении работы использовались методы системного! анализа, оптимизации, методологии структурного анализа, аппарат теории управления^ адаптации сложных систем и теории вероятностей.

Новые научные результаты, полученные лично автором:

1) предложена методика обучения многоязычной иностранной терминологии как совокупность алгоритмов и методов управления сложным обучающим процессом, ориентированным на формирование у обучаемого внутриязыковых ассоциативных связей;

2) модифицирован алгоритм адаптивного обучения с учетом лексически связанной структуры информационных компонентов терминологического базиса и неоднородности скоростей забывания лексем;

3) для внедрения предложенной методики в процесс обучения посредством применения интерактивных мультилингвистических адаптивно-обучающих систем разработана структура частотных лексически связанных словарей как средства их информационно-терминологической поддержки;

4) разработаны, программно реализованы и протестированы алгоритмы структурно-параметрического синтеза информационно-терминологического базиса как совокупности лексически связанных информационных компонентов.

Научная новизна результатов работы:

1) предложенная методика обучения многоязычной иностранной терминологии является совокупностью новых алгоритмов и методов управления сложным обучающим процессом. В отличие от стандартных методик рассматривает обучающий процесс с точки зрения формирования у обучаемого внутриязыковых ассоциативных связей; отталкивается от новой, разработанной автором, структуры информационно-терминологического базиса;

2) модифицированный алгоритм адаптивного' обучения" представляет собой ^ средство поддержки предложенной автором методики обучения, учитывает неоднородность скоростей забывания лексем и поддерживает целостность структуры информационных компонентов терминологического базиса;

3) предложенная структура информационно-терминологической поддержки разработана на базе частотных словарей, применяемых в MJI-технологии; изменена структура базисного информационного компонента; выделены наиболее значимые лексемы; учтены лексические связи;

4) разработанные алгоритмы структурно-параметрического синтеза информационно-терминологического базиса являются новыми, так как формируют базис в виде совокупности лексически связанных информационных компонентов.

Значение для теории. Результаты, полученные при выполнении диссертационной работы, имеют существенное значение для теории построения мультилингвистических адаптивно-обучающих систем. Предложены научно обоснованные технические решения, направленные на повышение качества и структурированности выходного знания, снижения скоростей забывания терминологии и ускорения процессов ее интеграции- в жизнь.

Практическая, ценность. Разработанная в рамках диссертационного исследования как совокупность алгоритмов и методов управления сложным1 обучающим процессом методика обучения позволяет уже на этапе освоения иностранной терминологии формировать у обучаемого строго организованные системы внутриязыковых ассоциативных связей. При классическом подходе эти системы формируются стихийно, когда полученные знания применяются на1 практике;, на первых порах они отличаются неустойчивостью связей и относительной нечеткостью структуры, что сказывается на качестве знаний- обучаемого, скорости забывания лексем и возникновения-путаницы между , терминами; Реализация предложенной методики в* интерактивных системах обучения, или применение ее на некотором терминологическом1 базисе позволяет предупредить описанные выше проблемы. В сравнении с «классическим» подходом к обучению, ее применение на практике в конечном итоге дает более качественное, структурированное знание специальной иностранной терминологии.

Так же, на основе разработанных в диссертации алгоритмов, структур данных построен информационно-терминологический базис (ИТБ) в форме двухблочного трехуровневого электронного англо-немецко-русского частотного словаря по информатике и системному анализу. Данный программный продукт предназначен для изучения специальной терминологии английского и (или) немецкого языка, являясь лексически связанным, поддерживает разработанную методику обучения.

Реализация результатов работы. Работа выполнялась в рамках ряда проектов аналитической ведомственной целевой программы «Развитие научного потенциала высшей школы» (2007-2008 г.г.), в частности РНП 2.2.2.3.9676 «Модельно-алгоритмическое обеспечение мультилингвистической технологии интерактивного формирования многоязычных информационных ресурсов» и РНП 2.2.2.3.10144 «Программно-информационная технология: интерактивного- формирования многоязычных частотных словарей терминологической лексики»; а так же по проектам тематического плана СФУ (2008-2012 гг.).

Наиболее важные алгоритмы и структуры данных, разработанные в ходе диссертационной работы, получили- программную реализацию и восемь, из них зарегистрированы в Отраслевом фонде алгоритмов и программ.

Апробация работы. Основные положения и результаты, работы, прошли всестороннюю апробацию на всероссийских конференциях, научных семинарах и научно-практических конференциях. В том,числе:

- V Всероссийская научно-практическая конференция «Недра Кузбасса. Инновации - 2006», 29 января.2006 года, г. Кемерово;

Всероссийская- научно-практическая конференция РАЕ "Новые информационные технологии и системы!1, 15-20 декабря 2008 года, г. Москва;

- Всероссийская научно-практическая конференция РАЕ "Исследования в области образования, молодежной политики и социальной политики в сфере образования", 15-20 января 2009 года, г. Москва;

- Всероссийская заочная электронная конференция РАЕ "Современные наукоемкие технологии", 15-20 февраля 2009 года, г. Москва;

- Всероссийская заочная электронная конференция РАЕ "Образовательные технологии", 15-20 марта 2009 года, г. Москва.

Диссертационная работа в целом обсуждалась на научных семинарах кафедры информатики Сибирского федерального университета в 2007-2009 гг.

Публикации. Основные результаты диссертационной работы опубликованы в 15 работах автора, 8 из них опубликовано в ведущих рецензируемых научных журналах и изданиях, рекомендуемых ВАК РФ для опубликования основных научных результатов диссертационных исследований. Полный список публикаций помещен в конце диссертации.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения и списка использованной литературы.

Выводы по главе 4

Реализация предложенной методики обучения, алгоритмов и структур данных в интерактивных компьютерных системах основывается на следующих основных выводах и результатах:

1) область применения лексически связанных компонентов как способа организации информационно-терминологической базы включает в себя решение задач о построении электронных и составлении бумажных словарей, разработке интерактивных обучающих, а так же поисковых систем;

2) информационно-терминологический базис мультилингвистической адаптивно-обучающей технологии может быть дополнен и преобразован для использования методики обучения на основе лексически связанных компонентов;

3) описана процедура и основные моменты построения мультилингвистического частотного словаря на основе лексически связанных компонентов;

4) разработанный двухблочный трехуровневый электронный англонемецко-русский частотный словарь по информатике и системному анализу состоит из двух специальных блоков, что обеспечивает возможность обучения согласно JICK-методике.

Заключение

На основе общих тенденций развития информационных обучающих технологий в диссертационной работе решена актуальная проблема, заключающаяся в разработке программно-алгоритмических и информационных средств поддержки мультилингвистической адаптивной системы обучения, ориентированной на формирование у обучаемого внутриязыковых ассоциативных связей. Ее решение базируется на следующих основных результатах:

1) проведен теоретико-информационный анализ методов и алгоритмов мультилингвистической адаптивно-обучающей технологии как сложной проблемно-ориентированной системы управления, в ходе которого выявлена проблема построения внутриязыковых ассоциативных полей непосредственно в процессе обучения. Сформулирована цель. Рассмотрены возможные пути ее достижения;

2) проведен теоретико-информационный анализ структуры информационной базы мультилингвистической адаптивно-обучающей технологии, что обеспечило возможность ее последующей реорганизации и применения на ее основе разработанной в ходе диссертационного работы методики обучения на базе лексически связанных информационных компонентов;

3) как совокупность алгоритмов и методов управления сложным обучающим процессом разработана методика обучения многоязычной иностранной терминологии, позволяющая непосредственно в ходе обучения формировать у объекта строго организованные системы внутриязыковых ассоциативных связей на всем множестве языков, задействованных в обучении. Применение'методики на, практике делает конечное знание более структурированным, облегчает процесс его интеграции в жизнь, снижает скорость забывания терминологии в целом;

4) разработана структура частотных мультилингвистических лексически связанных словарей как средства информационного обеспечения предложенной методики, что делает возможным ее применение в учебном процессе, организованном самостоятельно или с участием преподавателя;

5) разработана модификация адаптивного алгоритма обучения на основе лексически связанных словарей, формирующая в процессе своей работы строго организованные системы внутриязыковых ассоциативных связей, учитывающая неоднородность скоростей забывания. Разработка данной модификации обеспечивает возможность успешной интеграции предлагаемой методики обучения в интерактивные мультилингвистические адаптивно-обучающие компьютерные системы;

6) разработан и программно реализован комплекс алгоритмической поддержки предложенной методики, в том числе алгоритмы структурно-параметрического синтеза информационно-терминологического базиса как совокупности лексически связанных компонентов. Данный программно-алгоритмический комплекс нашел свое применение при создании и последующей обработке двухблочного мультилингвистического лексически связанного словаря как средства информационной поддержки предлагаемой методики обучения;

7) согласно предложенной методике обучения на основе разработанных алгоритмов и других компьютерных методов обработки информации сформирован информационно-терминологический базис в форме двухблочного мультилингвистического лексически связанного словаря по информатике и системному анализу. Словарь реализован в электронном и печатном виде, откорректирован и расширен по сравнению с предыдущей версией. Специально разработанная двухблочная структура словаря позволяет эффективно применять его как в «классическом» процессе обучения, так и в обучении посредством разработанной- автором методики;

Диссертационная работа является целостной и предоставляет все необходимы информационно-алгоритмические и программные средства для построения мультилингвистической адаптивной системы обучения, ориентированной на формирование у обучаемого внутриязыковых ассоциативных связей.

Однако сама идея о применении лексически связанных компонентов в организации информационно-терминологической базы дает основу для дальнейших исследований в области построения мультилингвистических поисковых систем. В частности, для построения таких систем необходимо разработать структуру информационно-терминологической базы, а так же ряд алгоритмов, обеспечивающих интерфейсы между запросом пользователя, информационно-терминологической базой и областью поиска.

Раскрытие этих вопросов определяет дальнейшую перспективу исследования так, как видит ее автор.

1. Агапова О.И., Кривошеев А.О., Ушаков А.С. О трех поколениях компьютерных технологий обучения //Информатика и образование. №2, 1994.-С. 34-40.

2. Азимов Э.Г. К типологии обучающих компьютерных программ по русскому языку как иностранному //Современные технические средства в обучении русскому языку как иностранному. М., 1990. - С. 136-143.

3. Александров Г.Н. Программированное обучение и новые информационные технологии обучения //Информатика и образование. -№5, 1993.-С. 7-19.

4. Алексеев П.М., Турыгина JI.A. Частотный англо-русский словарь-минимум газетной лексики. М.: Воениздат, 1984.

5. Алексеев П.М. Частотный англо-русский словарь-минимум по электронике. -М.: Воениздат, 1971.

6. Атанов Г.А. Моделирование учебной предметной области, или предметная модель обучаемого. //Educational Technology & Society, 2001 № 4(1), http://ifets.ieee.Org/russian/depository/v4il/html/4.html

7. Атанов Г.А., Локтюшин В.В. Организация вводно-мотивационного этапа деятельности в компьютерной обучающей системе. //Educational Technology

8. Society, 2000 №1(1), http://ifets.ieee.org/periodical/voll00/informalsum marykatyluchini.html

9. Атанов Г.А., Пустынникова И.Н. Структурирование понятий предметной области с помощью методов представления знаний. //Искусственный интеллект, №2, 1997. с.29-40.

10. Бовтенко М.А. Компьютерная лингводидактика: Учеб. пособие. — Новосибирск: Изд-во НГТУ, 2000.

11. Брусиловский П.Л. Интеллектуальные обучающие системы. //Информатика. Информационные технологии. Средства и системы, 1990. №2. С. 3-22.

12. Брусиловский П.Л. Модели обучения. //Техническая кибернетика, №5, 1992.-С. 97-119.

13. Василенко Н.В., Ковалев И.В., Суздалева Е.А. Информационно-алгоритмическое обеспечение мультилингвистической обучающей технологии //Телематика'2001: Труды международной научно-методической конференции. Санкт-Петербург, 2001. — С. 68-69.

14. Вендров A.M. CASE-технологии. Современные методы и средства проектирования информационных систем. — М.: Финансы и статистика, 1998.

15. Вендров A.M. Один их подходов к выбору средств проектирования баз данных и приложений //Системы управления базами данных. №3, 1995. -С. 75-86.

16. Власов Е.А., Юдина Т.Ф: и др. Компьютеры в обучении языку: проблемы и решения. М., 1990.

17. Гаврилова Т.А., Зудилова Е.В. Адаптивный диалог и модель пользователя //Диалог-95: материалы международного семинара по компьютерной лингвистике и ее приложениям. Казань, 1995. - С. 88-97.

18. Гаврилова Т.А., Червинская К.Р. Извлечение и структурирование знаний для экспертных систем. М.: Радио и связь, 1992.

19. Галеев И.Х. Модели и методы построения автоматизированных обучающих систем (обзор). //Информатика. Научно-технический сборник. Серия Кадровое обеспечение. Вып.1. - М.: ВМНУЦ ВТИ, 1990. -С. 64-72.

20. Гак В.Г. О концепции учебного словаря //Иностранные языки в школе. — №4. М., 1991.-С. 15-21.

21. Гутгарц Р.Д., Чебышева Б.П. Компьютерная технология обучения //Информатика и образование. №5, 2000. - С. 44-45.

22. Данилин А.Р. Создание специализированных автоматизированных систем обучения на базе АСО общего назначения //Обучающие и контролирующие системы на базе ЭВМ. Сб. науч. трудов. Свердловск: • СГПУ, 1982.-С. 3-10.

23. Демушкин А.С. Компьютерные обучающие программы //Информатика и образование. №3, 1995. - С. 72-76.

24. Джексон Г. Проектирование реляционных баз данных для использования с микро-ЭВМ. М.:Мир, 1991.

25. Довгялло A.M., Ющенко E.JI. Обучающие системы нового поколения //УсиМ. -№1 1988. - С. 83-86.

26. Домрачев В.Г., Ретинская И.В. О классификации компьютерных образовательных информационных технологий. //Информационные технологии, 1996. №2. С. 10-14.

27. Дудура К.А., Лесков В.О., Огнерубов С.С. Информационная модель динамического формирования электронных терминологических словарей. // Недра Кузбасса. Инновации: Труды V Всероссийской научно-практической конференции. Кемерово: ИНТ, 2006. - С. 75-76

28. Калянов Г.Н. CASE структурный и системный анализ. Автоматизация и применение. -М.: Изд-во «ЛОРИ», 1996.

29. Калянов Г.Н. Консалтинг при автоматизации предприятий. Подходы, методы, средства. -М.: СИНТЕГ, 1997.

30. Калянов Г.Н., Козлинский А.В., Лебедев В.Н. Сравнение и проблема выбора методов структурного системного анализа //PC WEEK/RE. №34, 1996.

31. Карасева М.В. Англо-русский частотный словарь по системному анализу,-Красноярск: САА. 1994.

32. Карасева М.В., Ковалев И.В., Лесков В.О. Алгоритмизация процедур включения связанных лексем в структуру информационно-терминологического базиса // Программные продукты и системы, 3, 2009.-С. 35-38.

33. Карасева М.В., Ковалев И.В., Лесков В.О. Внутриязыковые ассоциативные поля в мультилингвистической адаптивно-обучающей технологии. // Системы управления и информационные технологии-3.1(33), 2008.-С. 157-160

34. Карасева М.В., Ковалев И.В., Лесков В.О. Двухблочный трехуровневый элекстронный англо-немецко-русский частотный словарь по информатике и системному анализу М.:ВНТИЦ, 2009 - № 50200900111.

35. Карасева М.В., Ковалев И.В., Лесков В.О. Двухблочный трехуровневый элекстронный англо-немецко-русский частотный словарь по информатике и системному анализу М.:ВНТИЦ, 2009 - № 50200900111.

36. Карасева М.В., Ковалев И.В., Лесков В.О. Компоненты информационной поддержки мультилингвистической адаптивно-обучающей технологии. //Системы управления и информационные технологии, 1.3(35), 2009. — С. 360-363.

37. Карасева М.В., Лесков В.О. Автоматизация формирования информационной базы мультилингвистической адаптивно-обучающей технологии II Вестник СибГАУ 4(17), 2007. С. 117-124

38. Карасева М.В., Лесков В.О., Ковалев И.В. Адаптивный алгоритм обучения иностранной лексике на основе лексически связанных компонентов // Системы управления и информационные технологии, 4(34), 2009. С. 78-82

39. Ковалев И. В., Лесков В. О., Шукшина Е. Е. Процедура построения частотного словаря на основе лексически связанных компонентов // Вестник СибГАУ 2(23) 2009. С. 119-122.

40. Ковалев И.В. , Лесков В.О. Программа анализа и формирования информационного мультилингвистического терминологического базиса, на основе реляционной модели оптимизации TuMLas v. 1.0 М.гВНТИЦ, 2008 -№50200701283.

41. Ковалев И.В., Лесков В.О. Программа контекстного анализа методом «Скрытых Марковских цепей» М.:ВНТИЦ, 2008 - № 50200501669.

42. Кривошеев А.О., Голомидов Г.С., Таран А.Н. Перспективные internet-технологии информационного обеспечения образовательных услуг Часть 1. //Информационные технологии. №7, 1998. — С. 38-44.

43. Кромер В.В. Подпорно-экспоненциальная модель генеральной лексической совокупности английского языка //Деп. в ИНИОН РАН -18.12.97, № 53134. Новосибирск: НГПУ, 1997.

44. Кромер В.В. Ядерно-веерная модель вертикального распределения слов в русском языке //Деп. в ИНИОН РАН. 31.03.97, № 52458. -Новосибирск: НГПУ, 1997.

45. Кручинин В.В. Разработка компьютерных учебных программ. — Томск, 1998.

46. Кудрявцева Е.В. Компьютерные технологии обучения. — http ://www.bytic .ttk.ru/cue99M/cu849juj j 0 .html

47. Лаутербах P., Фрей К. Программное обеспечение процесс обучения //Перспективы. Вопросы образования. №3*, 1988. — С. 70-79.

48. Лесков В.О. Адаптивно-обучающий алгоритм ЛСК-методики — М.-ВНТИЦ, 2009 № 50200900256

49. Лесков В.О. Восходящий алгоритм формирования ЛС-компонентов -М.:ВНТИЦ, 2008 № 50200802427.

50. Лесков В.О. Два блока частотного словаря: значение и организация// Успехи современного естествознания №4, 2009. С. 31-32

51. Лесков В.О. Два подхода к формированию лексически связанных компонентов//Современные наукоёмкие технологии №12, 2008. С. 29-30

52. Лесков В.О. Комплекс программного моделирования КПМ v. 1.0 -М.:ВНТИЦ, 2008 № 50200802242.

53. Лесков В.О. Комплекс программного моделирования КПМ v.2.0 — М.:ВНТИЦ, 2009 № 50200900124.

54. Лесков В.О. Нисходящий алгоритм формирования ЛС-компонентов -М.:ВНТИЦ, 2008 № 50200802428.

55. Лесков В.О. О путях искуственного формирования сложных ассоциативных связей в процессе обучения иностранной лексике. //Современные наукоёмкие технологии №4, 2008. С. 78-79

56. Лесков В.О. Область применения лексически связанных компонентов// ^ Современные наукоёмкие технологии №2, 2009. С. 63-64.

57. Лесков В.О. Специфика модели обучения на основе лексически связанных компонентов// Современные наукоёмкие технологии №4, 2009. -С. 53-54.

58. Лесков В.О. Формирование лексически связанных компонентов информационно-терминологического базиса // Вестник СибГАУ 2(23) 2009.-С. 133-136.

59. Лесков В.О., Огнерубов С.С. Реляционная модель и алгоритмы оптимизации модульной структуры мультилингвистического информационно-терминологического базиса // Вестник Университетского Комплекса, 7(21), 2006. С. 116-133.

60. Растригин Л.А. Адаптация сложных систем. Рига: Зинатне, 1981.

61. Растригин Л.А., Эренштейн М.Х. Адаптивное обучение с моделью обучаемого. Рига: Зинатне, 1988.

62. Сосновский С.А. ByHeart: система для самообучения иностранным языкам (обзор программного обеспечения). //Educational Technology & Society, 2000 № 3(3), http://ifets.ieee.Org/russian/depository/v3i3/html/6.html

63. Суздалева Е.А. Компьютерные технологии изучения лексики иностранного языка //Решетневские чтения: Материалы Всерос. научно-практ. конф. студентов, аспирантов и молодых специалистов. Вып. 3. -Красноярск: САА, 1999.-С. 151-152.

64. Тихомиров' В.П., Солдаткин В.И., Лобачев С.Л., Ковальчук О.Г. Дистанционное обучение: к виртуальным средам знаний. Часть 1 //Дистанционное образование. №2, 1999. - С. 8-16.

65. Филатова Н.Н., Ахремчик О.Л. Центр «Компьютерные технологии образования»: его место в учебном процессе технического университета.

66. Educational Technology & Society, 2000 № 3(2), http://ifets.ieee.Org/russian/depository/v3i2/html/5. html

67. Чепегин В.И. Компьютерные технологии обучения — проблемы классификации. //Educational Technology & Society, 2000 № 3(4), http://ifets.ieee.Org/russian/depositoi-y/v3i4/html/l.html

68. Штрик A. CASE: автоматизированное проектирование программного обеспечения //Монитор. №4, 1992. - С. 4-6.

69. Яблочкин Л.Б., Андриянова М.А., Каргин А.В. Гипертекст новая технология для создания систем тестирования знаний //Информационные технологии. - №3, 2001. - С. 25-27.

70. Eastment D. Technology-Enhanced Language Learning: Hype or GoldMine? — http://www.kyotosu.ac.jp

71. Eisenreich, Gunter und Sube, Ralf. Langenscheidts Fachworterbuch Mathematik: Englisch-Deutsch-Franzosisch-Russisch. Langenscheidt, 1996.

72. Everett D. R., Ahern T.C. Computer-Mediated Communication as a Teaching Tool: a Case Study //Journal of Research on Computing in Education. -Vol.26, Iss.3. Spring, 1994. -Pp.336-357.

73. Ferretti, Vittorio. Worterbuch der Elektronik, Datentechnik und der Telekommunikation: Deutsch-Englisch. Berlin: Springer, 1992.

74. Fluck H.-R., Karasyova M., Kovaleva Т., Souzdaleva E. Learner's Memory State Model in Informational Training Technology //Информатизациярегиона: Тезисы докладов конференции с международным участием. -Том 1. Красноярск, 1999. - С. 88-89.

75. Gay G., Grosz-Ngate М. Collaborative Design in a Networked Multimedia Environment: Emerging Communication Patterns //Journal of Research on Computing in Education. Vol.26, Iss.3. - Spring, 1994. - Pp.418-432.

76. Goodfellow R. CALL Programs for Vocabulary Instruction //Computer Assisted Language Learning Journal. Vol.8. - №2, 1995. - Pp.205-226.

77. Haberfeller K., Daenzer W. Systems engineering: Methodik und Praxis. -Betr.Inst.d.ETH. Zurich: Verl.Industrielle Organisation, 1997.

78. Herdan G. Quantitative Linguistics. London, 1964.

79. Hoffmann L. Anwendungsmoeglichkeiten und bisherige Anwendung von statistischen Methoden in der Fachsprachenforschung//In: Languages for Special Purposes (Edited by L. Hoffmann). Vol. 1. - Berlin, 1999. - Pp. 241249.

80. Ingraham В., Chanier Т., Emery C. Language Training for Various Purposes in Several Languages on a Common Hypermedia Framework //Computer & Education.-Vol.23, Iss. 1,2, 1994.-Pp. 107-115.

81. Jol,H., Petar,V. (ed.): Systems and Control Theory for Power Systems. New York: Springer, 1995.

82. Jones G. Computer Simulations in Language Teaching the Kingdom Experiment //System. - Iss.17, 1986. - Pp.35-47.

83. Kotik, Michail. Worterbuch Luft- und Raumfahrttechnik: Russisch-Englisch-Deutsch. -Diisseldorf, 1986.

84. Legenhausen L., Wolff D. Call in Use Use of CALL: Evaluating CALL Software // System. - Iss. 18, №1, 1990. - Pp. 1-13.

85. Levy M. Computer Assisted Language Learning: Context and Conceptualization. Oxford: Clarendon Press, 1997.

86. Mueller Ch. Initiation a la statistique linguistique. Paris, 1978.

87. Nagata N. Computer vs. Wordbook Instruction in Second Language Acquisition //CALICO Journal. Vol.14, №1, 1996. - Pp.53-76.

88. Peterson M. Creating Hypermedia learning Environments: Guidelines for Designers. http://www.jaist.ac.jp

89. Plass J.L. Design and Evaluation of the User Interface of Foreign Language Multimedia Software: a Cognitive Approach //Language Learning and Technology. Vol.2, №1, 1998. - Pp.35-45.

90. Polezzi L. Concordances in the Design and Implementation of Foreign language Courses //Computers & Education. Vol.23, Iss.1,2, 1994. - Pp.8996.

91. Reinhard D. Deutsch als Fremdsprache Projekte im Internet. - Stuttgart: Klett, 1998.

92. Roe PJ. User Modeling in CALL: Some Fundamental Issues //Computers & Education.-Vol.23, Iss.1,2, 1994.-Pp.27-33.

93. Souzdaleva E. Effective Information Training Technology Based on the Learner's Memory State Model //In: AMSE Periodicals, 2000 Vol.21, № 3. -Pp.11-26.

94. Teeler D., Gray P. How to use the Internet in ELT. Longman; 1999.

95. Warschauer M. Computer Assisted Language Learning: an Introduction.i1996. http://www.lll.hawaii.edu