автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Оптимизация формирования информационного базиса в интерактивных адаптивно-обучающих системах

На правах рукописи

КОРПАЧЕВА Лариса Николаевна

Оптимизация формирования информационного базиса в интерактивных адаптивно-обучающих системах

05.13.01 — Системный анализ, управление и обработка информации

Автореферат диссертации на соискание ученой степени кандидата технических наук

Красноярск - 2006

Работа выполнена в ГОУ ВПО «Государственный университет цветных металлов и золота» на кафедре Информационных технологий (г. Красноярск)

Научный руководитель

Официальные оппоненты

доктор технических наук,

профессор Ковалев Игорь Владимирович

доктор технических наук, профессор Петров Михаил Николаевич

кандидат технических наук,

доцент Усачев Александр Владимирович

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

Защита состоится «19» мая 2006 года в 14.00 на заседании диссертационного совета Д 212.246.01 при Научно-исследовательском институте систем управления, волновых процессов и технологий по адресу: ул. Баумана, 20 В, Красноярск, 660028.

С диссертацией можно ознакомиться в библиотеке НИИ СУВПТ.

Автореферат разослан «18» апреля 2006 года

Ученый секретарь диссертационного совета

Н.А. Смирнов

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы характеризуется тем, что в рамках методологии системного анализа и основ психолого-педагогических наук отмечается, что внедрение в обучение новых информационных технологий следует рассматривать не только в рамках реализации новой учебной дисциплины, но и как фактор, влияющий на структуру информационного базиса (ИБ) автоматизированной системы обучения, его содержания и процесса формирования. Раскрытие данной позиции можно проследить в исследованиях, связанных с рядом аспектов компьютеризации образования и, в частности, развития интерактивного обучения в нашей стране (JI.A. Растригин, И.П. Норенков, В.А. Старых, В.П. Беспалько, Г.А. Доррер и др.).

При определении параметров информационно-компьютерных систем важно также определить и оптимальные формы представления информации, оптимизировать структуру информационного базиса с учетом основных требований к технологии интерактивного обучения, которое на сегодняшний день входит в число стратегических задач нашей образовательной системы. Существенное внимание интерактивному обучению уделяется в программе Президента РФ «Электронная Россия».

Очевидно, что широкое внедрение информационных технологий в различные сферы образовательной деятельности и наличие огромного количества разработчиков программного обеспечения (ПО) компьютерных систем обучения ставит проблемы стандартизации на первое место среди факторов успешного развития этой деятельности. В сфере образования проблемы стандартизации ПО, применяемого в информационно-обучающих технологиях, также активно обсуждаются в настоящее время.

Ряд международных организаций разрабатывает спецификации и стандарты на информационно-обучающие системы. Начиная с 1999 года, многие специалисты в сфере образования и информационных технологий приходят к заключению о необходимости разработки системного подхода к построению компьютерных обучающих систем и внедрения стандартов на их программные, информационные и технологические составляющие. Это обеспечит совместимость систем и их элементов, а также их устойчивость к изменениям в сфере информационных технологий, аппаратного и программного обеспечения. Например, консорциум IMS (IMS Global Learning Consortium) имеет две основные цели:

1. Определение технических стандартов для интероперабельности приложений и услуг в распределенном обучении

2 Поддержка включения спецификаций IMS в продукты и услуги по всему миру. IMS прилагает усилия для содействия широкому принятию спецификаций, что позволит интероперировать распределенным учебным средам и информационным базисам многих разработчиков.

Поэтому проблеме оптимизации формирования информационного базиса в интерактивных адаптивно-обучающих системах, проектируемых на

РОС. НАЦИОНАЛЬНАЯ

бимиотикл

C.-HtTcpûvpr

основе современных принципов построения моделей курсов (учебно-методических материалов (УММ) информационного базиса), позволяющих унифицировать требования к их блочно-модульной структуре, последовательности представления компонентов ИБ УММ, упаковке курсов в уникальные оболочки и среды, уделяется в настоящее время серьезное внимание.

Таким образом, существует научно-техническая проблема, заключающаяся в совершенствовании процессов автоматизированного формирования оптимальной блочно-модульной структуры информационного базиса интерактивных адаптивно-обучающих технологий, решение которой позволит повысить эффективность разработки и функционирования программно-информационных средств для систем интерактивного обучения. Ряд новых аспектов при использовании систем интерактивного обучения возникает в связи с планируемой реформой высшего образования, в частности, в связи с переходом на модульно-рейтинговую систему обучения.

Все выше сказанное и обуславливает выбор темы диссертационного исследования, и определяет ее актуальность.

Цель диссертационной работы. На основе исследования и моделирования процесса интерактивного обучения с адаптацией разработать оптимизационные алгоритмы формирования блочно-модульной структуры информационного базиса в интерактивных адаптивно-обучающих системах.

Для достижения поставленной цели решались следующие задачи:

- формализация процесса интерактивного обучения на основе концепции цепей Маркова и разработка на ее базе моделей оптимизации формирования информационного базиса интерактивных адаптивно-обучающих технологий;

- исследование вероятностно-временных характеристик сценариев контроля в интерактивных адаптивно-обучающих системах и свойств их информационного базиса, построенного на основе блочно-модульного подхода;

- изучение свойств полученного класса оптимизационных задач для формирования информационного базиса в интерактивных адаптивно-обучающих системах, обоснование и построение математических методов и алгоритмов решения полученных задач оптимизации;

- программная реализация и тестирование построенных моделей и алгоритмов.

Методы исследования. Для решения поставленных задач использовался аппарат системного анализа, теории оптимизации, теории вероятностей, теории цепей Маркова и стохастического ГЕРТ-сетевого анализа.

Научная новизна работы:

1 На основе предложенной в работе ГЕРТ-модели сценариев контроля знаний исследованы вероятностно-временные характеристики

сценариев, а также реализована новая графо-аналитическая методика оценки и пересмотра сценариев контроля знаний в адаптивно-обучающих системах.

2. Разработана оптимизационная модель формирования информационного базиса интерактивных систем обучения, отличающаяся предложенной в диссертации оригинальной методикой моделирования процесса изучения ИБ УММ с применением цепей Маркова с дискретным временем.

3. Впервые предложены и программно реализованы алгоритмы решения задач определения оптимальной по трудоемкости освоения блочно-модульной структуры информационного базиса для случаев равномерной разбивки базиса и его синтеза из заданных блоков.

Значение для теории. Теоретически обоснована возможность применения стохастических ГЕРТ-сетевых моделей для реализации графоаналитической методики оценки и пересмотра сценариев контроля знаний в интерактивных адаптивно-обучающих системах. Результаты, полученные при выполнении диссертационной работы, создают теоретическую основу для разработки моделей и методов компьютерной обработки информации при формировании оптимальной блочно-модульной структуры информационного базиса данного класса систем.

Практическая ценность.

Разработанный в диссертации программный модуль оптимального формирования информационного базиса интерактивных обучающих технологий применен при создании компьютерных интерактивных средств изучения профессионально-ориентированной лексики на базе системы «Virtual Teacher vi.2». Использование оптимальной блочно-модульной структуры информационно-терминологического базиса способствует эффективному применению алгоритма интерактивного обучения, обеспечивая минимизацию общей трудоемкости освоения учебно-методического материала компьютерных курсов.

Реализация результатов работы. Диссертационная работа выполнялась по проектам межотраслевых программ Минобразования России и Минатома России по направлению «Научно-инновационное сотрудничество» (проект VII-12), а также в рамках тематического плана НИР ГУЦМиЗ (2001-2005 гг.), финансируемых из средств федерального бюджета.

Материалы диссертационной работы введены в учебные курсы и используются при чтении лекций для студентов Государственного университета цветных металлов и золота.

В ходе работы над диссертацией реализована программная разработка модуля оптимального формирования информационного базиса интерактивных обучающих технологий, которая прошла экспертизу и зарегистрирована в Отраслевом фонде алгоритмов и программ (№ гос. регистрации 50200600275 от 19.04.2006), что делает ее доступной широкому кругу специалистов по моделированию и оптимизации структурно-сложных информационно-обучающих систем.

На защиту выносятся:

- ГЕРТ-методика оценки и пересмотра сценариев контроля знаний в адаптивно-обучающих системах, позволяющая получать вероятностно-временные характеристики ГЕРТ-сценариев, в которые уже включены случайные отклонения и неопределенность, возникающие непосредственно во время выполнения процедуры контроля знаний;

- оптимизационная модель формирования информационного базиса интерактивных систем обучения, базирующаяся на методике моделирования процесса его изучения с применением цепей Маркова с дискретным временем;

- алгоритмы оптимизации по трудоемкости освоения блочно-модульной структуры информационного базиса в интерактивных адаптивно-обучающих системах, обеспечивающие как равномерную разбивку базиса (на равновеликие блоки), так и синтез модульной структуры информационного базиса из заданных блоков.

Апробация работы. Основные положения и результаты работы прошли всестороннюю апробацию на Всероссийских и международных конференциях, научных семинарах, научно-практических и научно-методических конференциях. В том числе, на Всероссийской научно-практической конференции «Наука и образование. Проблемы и перспективы» (Бийск, 2006), Всероссийской научно-методической конференции «Современные информационные технологии в образовании: Южный Федеральный округ - СИТО 2006» (Ростов на Дону, 2006), Всероссийских научно-технических конференциях «Проблемы подготовки специалистов в системе непрерывного образования» (Красноярск, 20022004), Всероссийских научно-технических конференциях «Перспективные материалы, технологии, конструкции, экономика» (Красноярск, 2000-2005), Всероссийских научно-технических конференциях «Совершенствование технологий производства цветных металлов» (Красноярск, 1997) и «Антикризисное управление и проблемы эффективности производства» (Красноярск, 2001). Докладывались на научных семинарах кафедры Информационных технологий ГУЦМиЗ (2001-2006 гг.).

Публикации. По теме диссертации опубликовано более 30 работ общим объемом 13,2 печатных листа, список из основных 16 работ (общим объемом 3,4 печатных листа) приводится в конце автореферата.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы из 107 наименований. Основное содержание изложено на 157 страницах машинописного текста.

СОДЕРЖАНИЕ РАБОТЫ

Введение представляет цели и задачи диссертационной работы, раскрывает ее актуальность, научную новизну, достоверность и обоснованность, практическую значимость и апробированность полученных результатов, методологию исследований.

6

В первом разделе показано, что взаимодействие, интеграция и дифференциация естественно-математических и технико-технологических знаний порождают проблему экспоненциального роста научных знаний, предлагаемых к усвоению. Одним из путей ее разрешения является оптимизация содержания подготовки, осуществляемая за счет ряда мероприятий, в том числе, за счет оптимизации структуры курсов, т.е. путем использования блочно-модульного подхода к построению содержания курса.

Информационно-технологический аспект педагогического проектирования в рамках блочно-модульного подхода связан, в первую очередь, с пересмотром информационного содержания образования и существенно отражается на процессе формирования информационного базиса интерактивных обучающих технологий, т.е. формализация учебно-методического материала и оптимизация структуры информационного базиса - это одна из наиболее сложных и трудоемких проблем.

Анализ средств совершенствования механизмов управления процессом интерактивного обучения в системе образования позволил сформировать общую схему, для которой характерна активная деятельность субъекта в учебной среде, в том числе, экспериментально-исследовательская деятельность. В процессе этой деятельности происходит накопление данных об успеваемости и управлении учебным процессом, (человек выступает поочередно в качестве управляемой и управляющей системы), а также определение параметров информационно-компьютерных систем, определение оптимальных форм представления информационного базиса, разработка типологии информационных ресурсов УММ, основных требований к ним и т.д.

Формирование требований к блочно-модульной структуре информационного базиса соответствует основными направлениями деятельности по определению спецификаций и стандартов на обучающие системы, построенные на основе программно-информационных технологий. При этом можно выделить пять основных направлений моделирования и стандартизации ИОС:

1. Архитектура и общие требования к системе.

2. Модели учащегося, преподавателя, их взаимодействия.

3. Разработка ИБ курса (учебно-методического содержания).

4. Данные и метаданные (формат учебных материалов);

5. Системы управления образовательной деятельностью.

Разработка открытой архитектуры является основным направлением

моделирования и стандартизации, так как другие характеристики обучающей системы и ее функциональность зависит от возможностей и ограничений архитектурной модели.

В рамках этого направления определяется рекомендуемая модель архитектуры для компонентных систем автоматизированного преподавания (Computer-Aided Instruction, CAI), с учетом потребностей программных приложений интеллектуальных учебных сред (Intelligent Learning

Environment, ILE) и интеллектуальных обучающих систем (Intelligent Tutoring System, ITS). Разработка информационного базиса адаптивно-обучающих систем является важной дополнительной деятельностью в рамках данной категории моделирования. Очевидно, что разработка информационно-обучающей системы и определение требований невозможны без соглашения на используемую в этой области информационно-терминологическую базу, которая в настоящее время является весьма расплывчатой и, часто, противоречивой. Для решения этой проблемы Рабочей группой Р 1484.3 IEEE разрабатывается стандарт, который перечислит и определит структуры и содержание информационного обеспечения.

Модели курсов (учебных материалов информационного базиса) используются для унификации требований к их структуре, последовательности представления учебных материалов, упаковке курсов в уникальные оболочки. В рамках этого направления разрабатывается стандарт на язык взаимообмена для компьютерных обучающих систем (СВТ). Вторым важным направлением моделирования и стандартизации учебных материалов является определение последовательностей представления материала в рамках курса. Этот стандарт описывает язык спецификаций и среду для управления сессиями в информационных обучающих системах, т.е. системах автоматизированного преподавания, интеллектуальных учебных средах и интеллектуальных обучающих системах.

Многие обучающие системы, построенные на основе информационных технологий, инкорпорируют механизмы для адаптации представления урока в соответствии с прогрессом учащегося. Это схема адаптации является основным признаком, который характеризует "индивидуализированное"обучение.

Третьей составляющей моделирования и стандартизации информационного базиса учебно-методических материалов является определение упаковки содержания. Стандарт СВТ описывает методы упаковки содержания курсов. Под учебным содержанием обычно понимается коллекция компонентов, которые копируются, передаются, покупаются и используются как единый блок. Блоки могут объединяться в более крупные блоки (модули). Этот стандарт описывает формат, кодирование, шифрование, среду, атрибуты и взаимодействия этого содержания. Стандарт описывает не переносимое содержание, а переносимый метод упаковки содержания. Стремление к стандартизации ИБ УММ позволит повысить качество интерактивного обучения, так как пользователь или система больше не будут ответственны за сборку (дробление) компонентов, что также повысит и интероперабельность базиса.

Во втором разделе показано, что адаптивные технологии обучения максимально используют информацию из моделей студента и/или моделей информационного базиса (учебно-методического материала - УММ). К ним относятся такие методы контроля знаний, как:

- Контроль по модели студента. Сценарий контроля обычно формируется динамически в процессе, хотя набор сценариев для различных групп студентов может быть создан и заранее, например, аналогично методу "Контроль по ответам студента".

- Контроль по моделям студента и ИБ. Данный метод является развитием предыдущего, т.е. используются приведенные ранее параметры модели студента, но технология процесса строится на базе модели ИБ учебного материала, учитывая взаимосвязи между изучаемыми и проверяемыми понятиями.

В работе основное внимание уделяется методам формирования адаптивной технологии обучения на основе модели ИБ учебного материала (курса, темы, раздела темы), которая представляет собой ориентированный граф: множество вершин графа соответствует объектам изучения, а множество ребер - связям между ними. Изучение УММ, равно как и организация контроля, осуществляется в соответствии с оптимальной последовательностью изложения учебного материала, т.е. оптимальной структурой ИБ, которая, в частном случае, ничто иное, как линейная последовательность объектов изучения ИБ. Таким образом, сначала генерируется задание для проверки знаний первого учебного объекта, затем -второго и т.д., т.е. последовательность выдачи заданий аналогична последовательности изучения по модели УММ. При этом если планируется проверить и знания, и умения, то одному учебному объекту ИБ могут соответствовать несколько вопросов сценария обучения. На рис. 1 представлен пример сценария контроля знаний, реализующий частично адаптивную технологию.

Вершины графа В, соответствуют вопросам, предлагаемым студенту, а дуги указывают следующий выдаваемый вопрос в зависимости от правильности ответа: Пр - правильный ответ, Нт - неточный, Нп -неправильный ответ Предварительная подготовка сценария и структуры ИБ дает возможность включить в программу вопросы разной степени трудности

и значимости, расположив наиболее значимые и трудные задания в основной ветви программы (на рис. 1 это вопросы В| и В6), а более простые - в разветвлениях.

В работе на основе графо-анапитического метода предложена ГЕРТ-модель сценария контроля знаний. Причем разработанная ГЕРТ-методика оценки и пересмотра сценариев контроля знаний в адаптивно-обучающих системах позволяет получать вероятностно-временные характеристики ГЕРТ-сценариев, в которые уже включены случайные отклонения и неопределенность, возникающие непосредственно во время выполнения процедуры контроля знаний. Следовательно, в полученный временной норматив уже включены все случайные колебания и нет необходимости вносить в него дополнительные. ГЕРТ-сетевая модель позволяет получить дисперсию нормативного времени выполнения контроля знаний, с помощью которой для него строятся доверительные интервалы.

Развитием подхода, основанного на модели УММ, является метод, учитывающий блочно-модульную структуру ИБ. Учебный материал разделяется на отдельные составляющие - модули, которые могут объединяться в блоки, для каждого из которых подготавливается комплект контрольных заданий. Очевидно, что методы данной группы, так или иначе, связаны со структурой ИБ учебного материала, а также учитывают уровень подготовленности студентов, т.е. налицо признаки адаптации.

В общем случае, структурированная учебно-методическая информация (УМИ), хранящаяся в базе данных УМИ в виде объектов «нулевого» уровня О0, собирается ИОС в объекты «высокого» уровня 0„ представляющие собой систематизированный и упорядоченный УММ. Этом УММ еще не предназначен непосредственно для работы обучаемого, поскольку не содержит внешнего оформления и средств навигации, но используется для последующей обработки в ИОС. Объекты «высокого» уровня используются также как заготовки для компиляции электронных документов с учебными курсами для их передачи другим пользователям в различных форматах представления данных: гипертекстовый документ (".html), Microsoft Word (стандартный формат *.doc или универсальный формат текстовых документов *.rtf), Adobe Acrobat (формат *.pdf), Windows help (формат *.chm).

Модель формирования учебного материала блочно-модульной структуры, основанная на объектной технологии обработки УМИ показана на рис. 2. На некотором уровне N (в частном случае даже N =1 ) учебный объект приобретает очередные новые качества. Дополненный методами управления контентом, он переходит в класс учебного модуля (УМ)-

Ош= 2 { 2:{Q„-ihih.M»UMn_iUPyM)) }= 1 1=1

где О0 - объект нулевого уровня; к - количество объектов нулевого уровня в объекте первого уровня; /, - дополнительная информация об объекте первого уровня; М| - методы объекта первого уровня.

Таким образом, учебный модуль - это дидактически завершенный фрагмент учебного материала, имеющий четко определенную цель обучения и содержащий теоретический материал, задания для закрепления теоретического материала и/или получения необходимых практических навыков, контрольные вопросы и задания для текущего и итогового контроля знаний. При необходимости в УМ включаются требования к знаниям и умениям обучаемого, библиографические списки, ссылки на образовательные ресурсы Internet и др.

О.

О, о, Цш V

-Методы учебный управления модуль

^ Качество

контентом

о,

ж

Г5Г

ж

м.

м,

Объекты

о g

л

Методы 'о сборки

ш

LVL L2

g L1

8

- Методы отображевн ¿0

£ I

Упорядоченный УММ pt Качество

Семантическая

едгтзща УМН

Сборка

учебных

модулей

а.

£ & в

I* 1

б S I

Хранение данных

* Данные44Метаданные

Рис. 2 - Модель формирования ИБ учебного материала.

Визуализация УМИ, представленной в УМ осуществляется на базе методов управления учебным контентом и шаблонов вывода, хранящихся базе данных ИОС. В работе рассматривается общая структура учебного модуля, используемого в ИОС. При этом для каждого УМ в обязательном порядке определены:

• название УМ для организации его поиска в базе данных;

• формулировки целей и задач изучения УММ, включенного в модуль, по которым будут сформированы общие цели и задачи УМ в целом;

• формулировки требований к первоначальному уровню знаний, без которых невозможно освоение включаемого в УМ учебного материала (формулировки содержат ссылки на учебный материал, который должен быть изучен);

• списки литературы и образовательных ресурсов Internet с краткими аннотациями и гиперссылками для организации доступа к указанным ресурсам обучаемого в процессе работы с ИОС;

• учебный гипертекстовый материал, при необходимости сопровождаемый графическими объектами: рисунками, формулами, графиками, диаграммами, клипами, фильмами, а также звуками;

• задания для тестового контроля знаний обучаемого, связанные (в объектах УМИ) с учебным материалом, позволяющие определить уровень его усвоения.

В зависимости от используемых в системе методов управления, в учебный модуль интегрируются средства диалогового общения с преподавателем и другими обучаемыми. Они позволяют в целом повысить эффективность обучающей системы, особенно в случаях возникновения неразрешимых ИОС обучающих ситуаций. Такие ситуации могут возникать в случаях, если ИОС исчерпаны все возможные варианты представления УММ в учебном модуле, а обучаемым он не был воспринят, и он продолжает допускать ошибки при работе с контролирующим материалом.

Наряду с БД, предназначенной для хранения основного учебно-методического материала в ИОС, допускается хранение отдельных готовых к использованию сгенерированных УМ в виде файлов гипертекстовой структуры или электронных документов в других форматах, как правило ♦.pdf и *.chm.

Статическая адаптация учебного материала осуществляется путем сборки адаптивных УМ на основе использования параметров, связанных с параметрами модели процесса обучения. Эти параметры имеются в разделе дополнительных метаданных учебных объектов - область знаний, стадия обучения, уровень сложности УММ, уровень детализации УМИ, планируемое время работы обучаемого с объектом, стратегия обучения и др. Предложенный объектный подход позволяет формировать неограниченное число уровней учебных модулей, адаптированных к обучаемому и создавать уникальные учебно-методические комплексы как для подготовки специалистов, так и для их переподготовки и повышения квалификации.

Глубокая структуризация в сочетании с объектным подходом к хранению и обработке информации позволяют в полной мере реализовать в рамках сетевой ИОС методологию повторно используемых учебных объектов при создании адаптивных учебных курсов, регламентированную, в частности спецификацией IMS Content Packaging Specification.

Многоуровневая адаптация в ИОС осуществляется путем сборки статически адаптированных УМ, представленных в формате скомпилированного руководства (формат *.chm - Compiled Help (HTML) Manual) — интерактивной гипертекстовой справочной системы, разработанном корпорацией Microsoft. Несмотря на достаточно специфическое назначение, этот файловый формат привлекает все больше внимания не только программистов, но и широкого круга самых различных пользователей персонального компьютера, в том числе преподавателей, разрабатывающих УММ для электронных учебных курсов, так как формат

скомпилированного гипертекстового руководства обладает рядом существенных преимуществ, анализ которых представлен в работе.

В общем случае скомпилированный в формате chm электронный документ включает сжатые html-файлы, графические объекты (статическую и анимированную графику) и вспомогательные файлы, а также индексы, содержание и базу данных полнотекстового поиска. Кроме того, что очень важно, этот формат допускает включение в состав электронного документа скриптовых сценариев (например, JavaScript). На основе таких сценариев, включенных в состав скомпилированного УМ, реализуются методы обработки контента. Именно они позволяют на этапе сборки статически адаптированного УМ в определенной мере предусмотреть -реализацию механизмов динамической адаптации на основе включения в документ методов управления обучением, базирующихся на тестовом контроле знаний обучаемого и обработке результатов с использованием внутренних правил ИОС. Более того, обучаемый может работать со скомпилированным УМ независимо от ИОС. В то же время, сценарий может предусматривать взаимодействие обучаемого с компонентами ИОС, если у него есть доступ к ее ресурсам, например, при работе в Intranet/Internet. Такой подход к многоуровневой адаптации применен для создания электронных учебных материалов, используемых при обучении в сетевых ИОС «АСУ ВУЗ» ГУЦМиЗ, КРиСН и СИБУП.

В третьем разделе представлен подход, позволяющий моделировать динамику изучения информационного базиса с модульной структурой с использованием формализма цепей Маркова. В соответствии с принятым формализмом цепей Маркова процесс освоения информационного базиса может рассматриваться как аналог динамической системы, находящейся в каждый из моментов tk в одном из л состояний.

Основное допущение, принятое в теории цепей Маркова -независимость вероятностей перехода из одного состояния в другое от предыстории процесса, т.е. состояния изменяются со временем случайным образом. Это изменение определяется матрицей переходных вероятностей, каждый элемент которой показывает вероятность того, что если система в момент tk находилась в состоянии 5„ то в момент t^, она окажется в состоянии Sj.

Таким образом, каждая строка матрицы соответствует состоянию, в котором процесс находится на данном шаге, а каждый столбец - состоянию, в которое переходит процесс на следующем шаге. Именно процесс случайного перехода системы из одного состояния в другое и называют цепью Маркова. Причем переходы во все возможные состояния (в том числе и в себя) образуют полную группу событий. В дальнейшем предполагается, что вероятности не зависят от времени, т.е. цепь Маркова однородна.

Используя предложенную модель, на этапе формирования информационного базиса можно вычислить среднюю трудоемкость изучения материала с полученной модульной структурой. В ряде случаев разработчика

курсов может интересовать оценка дисперсии трудоемкости курса. Для этой цели вычисляется матрица дисперсий числа пребываний процесса во множестве невозвратных состояний. Часто исследователя интересует не дисперсия, а среднеквадратичное отклонение числа пребываний процесса во множестве невозвратных состояний от среднего, которое вычисляется по известной формуле.

Рассматривая модель динамики формирования информационного базиса интерактивных обучающих технологий на основе цепей Маркова с дискретным временем, следует отметить ряд допущений, помимо указанного выше основного допущения. Это допущения об однородности цепи Маркова (т.е. о независимости вероятностей от времени); о независимости трудоемкости шага изучения информационного базиса от числа обращений к нему; о строгом следовании предписанному порядку выполнения шагов освоения информационно базиса.

Предлагаемая методика позволяет вычислять следующие оценки:

- распределение вероятностей определения наборов блоков информационного базиса на каждом шаге процесса его освоения, в том числе вероятность завершения изучения базиса за заданное число шагов;

- распределение вероятностей для различных вариантов завершения процесса изучения информационного базиса, если такая возможность предусмотрена;

- среднюю трудоемкость прохождения учебного курса;

- дисперсию трудоемкости.

Кроме того, возможно более тонкое исследование структуры информационного базиса интерактивных обучающих технологий, например, зависимость общей трудоемкости изучения базиса от степени его дробления на блоки (модули).

Исходная информация для модели включает список узлов (шагов процесса обучения), граф связи между ними, матрицу вероятностей перехода от узла к узлу и оценку средней трудоемкости каждого шага. Список шагов процесса, трудоемкости их выполнения в часах и связи между ними определяются структурой информационного базиса.

Вероятности переходов могут первоначально оцениваться экспертно на основе опыта работы при формировании структуры информационно-обучающих технологий, а впоследствии уточняться по результатам оценки структуры базиса на основе собранных статистических данных. То же касается и оценок трудоемкости отдельных шагов при формировании и освоении информационного базиса. *

Следует остановиться на практически важной разновидности задачи синтеза структуры информационного базиса для интерактивных систем обучения. Пусть информационно терминологический базис состоит из множества априори заданных блоков X] = (5|,..., £<,}.

Каждый блок 5, характеризуется параметрами:

0/ - объем информационного материала блока ИБ, час,

т, - трудоемкость организации контрольных мероприятий, час,

Я, - коэффициент сложности, 1/час,

к, - коэффициент увеличения трудоемкости.

Кроме того, для каждой пары блоков Si,S/e£ установлен

порядок их изучения: отношение S,—>Sj означает, что блок S, должен быть изучен раньше блока Sp а отношение S, = Sj означает, что эти блоки могут изучаться в произвольном порядке.

Задача заключается в следующем: указанные блоки должны быть скомплектованы в модули таким образом, чтобы трудоемкость освоения интерактивного курса в целом была бы минимальной.

Каждый модуль может включать один или несколько блоков, причем упорядоченность блоков должна сохраняться - как внутри каждого модуля, так и в целом по базису. Требуется сформировать т модулей (т априори неизвестно), каждый из которых содержит множество блоков

Tj = {Sij,S2j,..., Su}, j = 1,..., m,

причем

= s,z>nz* = 0, приjik.

j-l

Первое равенство в этом выражении означает, что должны быть использованы все блоки, а второе - что разные модули не должны содержать одинаковые блоки.

Характеристики каждого модуля определяются на основе характеристик вошедших в него блоков:

Хк&к

0, = У©*; inj = max /п*; Г, = -; kj = ^=- •

sfA, St*Zl ®J ®J

Трудоемкость изучения j-го модуля определяется ранее полученной формулой:

Rj = + ту), j = 1,..., т ,

а общая трудоемкость равна

т

j=i

Этот показатель должен быть минимизирован за счет числа и состава модулей, т.е. R = min R

п.©I, ,©■

Данную задачу с помощью компьютера можно решить полным перебором, однако на задачах с количеством блоков, большим 10, время решения становится неприемлемо большим. Решение данной задачи

аналитическим путем является крайне сложным, поэтому автором были предложены 2 алгоритма для нахождения псевдо-оптимального решения.

Очевидно, что в данной задаче наихудшим решением, известным всегда, является решение, при котором число модулей равно числу блоков. Иногда оно же является и единственно оптимальным. То есть, задача сводится к поиску модулей, включающих в себя два, и более блоков при условии, что суммарная их трудоемкость будет больше, чем трудоемкость их в модуле.

Алгоритм 1.

Случайным образом получаем пг пар блоков (5,, ¡=гапс1от(1...п) j=гandom(l..n) к=1,..., пг число Пг определяется пользователем. Для каждой пары определяем два показателя Я , Яо6 . При этом Я равняется сумме трудоемкостей каждого блока из пары. Значение Яо5 равняется трудоемкости блоков, объединенных в один модуль. Затем находим &3фф=Коб/Ксул1- И далее определяем средний показатель эффективности

Повторяем шаг 1 для случайных троек, четверок и т.д. (до модулей размером и). В результате имеем п показателей эффективности. В дальнейшем мы будем разбивать курс на модули, имеющие размер, при котором показатель эффективности минимален.

Получаем пг случайных разбиений на модули размера, полученного

на шаге 2. Среди них находим наилучшее решение с минимальной трудоемкостью. При использовании связей между блоками каждая случайная комбинация проверяется на соответствие этим связям. При не соответствии указанным связям данная комбинация не учитывается.

В данном разделе рассмотрен ряд примеров, иллюстрирующих работу алгоритмов с учетом и без учета взаимосвязей между блоками.

Исходные данные представлены в таблице.

151

)

<Б2

1Т

17

Объем материала | Трудоемкость контр ки коэффициент трданосп кооФФициент уеияичения |

Щ19137 0.03075 1 5724

02226 18506 010248 1 3302

06832 1 8244 0.05496 1 4938

4942 1 8466 005124 1 5634

2119 1138 003467 1 8959

446 1 5428 006917 1 2774

10076 1 6767 004473 1 4057

Решение задачи полным перебором:

(S1,S2,S3,S4); (S5); (S6,S7).

R=20.7238521575928.

Решение с помощью предложенного алгоритма:

nr =ng =100.

(S2,S3,S6); (Sl,S4,S7);(s5).

R=20.8614273071289.

* Простое поблочное изучение (наихудший вариант иногда также

может оказаться оптимальным):

(SI); (S2); (S3); (S4); (S5); (S6); (S7). т R=26.7440986633301.

Алгоритм 2 представляет собой реализацию случайного поиска.

Результаты тестирования данного алгоритма приводятся в следующем разделе диссертации при анализе программной реализации системы.

Итак, в третьем разделе приведена оптимизационная модель формирования информационного базиса интерактивных систем обучения; предложена методика моделирования процесса изучения ИБ УММ с применением цепей Маркова с дискретным временем; сформулированы задачи определения оптимальной структуры информационного базиса, получено их решение для случаев равномерной разбивки базиса и его синтеза из заданных блоков.

Для случая синтеза базиса из заданных блоков было предложено и реализовано три алгоритма. Очевидно, что алгоритм полного перебора всегда находит оптимальное решение, но время его работы на задачах с количеством блоков, большим 10, неприемлемо велико. Алгоритм 1 и Алгоритм 2 находят псевдо оптимальное решение, но работают значительно быстрее, при этом, в подавляющем большинстве случаев, Алгоритм 1 работает лучше.

Четвертый раздел посвящен программной реализации разработанных моделей и алгоритмов, а также решению практических задач формирования оптимальных по трудоемкости структур информационного базиса адаптивно-обучающих технологий. Представлено описание программного модуля «InfoBase Optimizer v2.0», реализующего методику формирования информационного базиса интерактивных обучающих технологий (ИОТ) и предназначенного для построения блочно-модульной структуры курса обучения, позволяющей минимизировать общую трудоемкость прохождения курса. В подавляющем большинстве случаев пользователь ИОТ уже имеет ту информацию, которую он хотел бы структурировать. Соответственно, одна из приоритетных задач при разработке описываемой технологии - это конвертация существующего контента (content) в структурированное внутреннее представление.

Основное назначение и область применения используемой в работе реализации подсистемы импорта - быстрая конвертация XML документов,

документов в форматах MS Word, RTF, TXT, Power Point, QuarkX Press, PageMaker в набор объектов для создания обучающего контента. Примером такой конвертации может быть процесс преобразования тестов в формате MS Word в набор текстовых ресурсов и вопросов системы обучения. Процесс конвертации управляется скриптом на языке VB Script. В простейшем случае может быть получен один текстовый ресурс из документа, в более сложном варианте (наиболее распространенном) скрипт может опираться на информацию о логическом делении документа на секции, подсекции, блоки, модули и т.д. на основании различных элементов оформления (стиль, шрифт, размер и т.д.).

Как результат работы импорта (либо ручного редактирования) мы имеем набор примитивов для построения реального курса. В этот набор входят:

• документы (текстовые ресурсы);

• вопросы, feedbacks (подсказки и сообщения, выдаваемые как реакция системы на ответ пользователя);

• media ресурсы - image, video, audio, applet, activeX component, flash - в общем все, что может быть показано в составе документа;

• ссылки на другие документы представляемого курса, либо ссылки на какие-либо web-resources.

Набор ресурсов может быть либо импортирован в общий репозитарий, либо создан непосредственно в среде разработки. Ресурсы, сами по себе, без сомнения имеют собственную значимость, но задача нашей подсистемы - придать им дополнительную ценность путем разбиения их на блоки, оптимизируя количество блоков по трудоемкости прохождения курсов, а затем построения и представления потребителю агрегирующих объектов, обладающих сложной внутренней логикой - тестов и обучающих курсов.

Тест - это набор блоков вопросов, текстовых ресурсов, ссылок. Эти объекты представляют собой узлы графа теста, связи же в этом графе могут быть проведены либо непосредственно между объектами, либо с использованием специфических объектов ветвления - мультиплексоры, которые придают прохождению графа теста планируемую, однако адаптивную прохождению логику (CAT-logic).

Блочно-модульный курс - это самый сложный объект системы. Он может включать в свою структуру как отдельные, сгруппированные произвольным образом, документы, ссылки, так и тесты. Разработчику курса предоставляется возможность манипулирования объектами навигации по этому объекту посредством таких инструментов, как меню курса, деревья -(это объект для иерархической связи и представления составных частей курса), ссылки, позволяющие осуществлять переход из одного места в курсе в другое. Разработчик курса вправе управлять сессионностью в курсе - т.е. реакцией на повторные запуски объектов. Разработчик курса выбирает и стиль представления.

Блочно-модульная структура курса задает совокупность конфигураций - это способ разбить единый информационный объект (информационный базис ИОТ) на составляющие - как, например, книга разбивается на главы. Конфигурация - это "срез" курса, содержание различных конфигураций может перекрываться, они могут отличаться, помимо содержимого еще и настройками представления. Помимо удобства в плане разделения содержания это еще и требование бизнеса - именно определенная конфигурация курса является продуктом, доступ к которому дается конечному потребителю.

Гибкость принципов, заложенных в систему, позволяет помимо статичных, создаваемых разработчиком конфигураций курсов предоставлять пользователю доступ к динамическим конфигурациям. Типичная задача: по результатам некоторого предварительного испытания-теста сгенерировать для пользователя уникальный "срез" курса, в котором будет собрана именно та информация, которой он владеет (по результатам предварительного теста) наиболее слабо - т.е. самая необходимая для него.

Представленная в данном разделе программная система оптимального формирования информационного базиса интерактивных обучающих технологий базируется на оптимизационной модели формирования информационного базиса и реализует:

- методику моделирования процесса формирования информационного базиса ИОТ с применением цепей Маркова с дискретным временем;

- решение задач определения оптимальной структуры базиса (решение получено для случаев равномерной разбивки базиса и его синтеза из заданных блоков);

- три новых алгоритма синтеза базиса из заданных блоков.

На рис. 3 представлено диалоговое окно системы для режима оптимизационного формирования ИБ УММ.

Находясь в данном режиме, можно получить решения с помощью трех алгоритмов Следует отметить, что первый алгоритм находит оптимальное решение, но его не рекомендуется использовать на задачах с количеством блоков больше 10, так как время работы программы может оказаться очень большим. Последние два алгоритма работают значительно быстрее, но находят псевдо оптимальное решение. Показано, что алгоритмы находят решение в приемлемое время на задачах с количеством блоков, не больше 300 С помощью кнопки «Найти решение» находят решение тремя различными алгоритмами и рассчитывают оптимальную трудоемкость, наихудшую трудоемкость и структуру разбиения блоков на модули (рис 3).

После нахождения решения одним из методов можно перейти к закладке «Работа со структурой ИБ».

В заключение диссертации приведены основные результаты, полученные в ходе выполнения работы, и сформулированы основные выводы.

айгпимкзнтч* м*фо\>9Щ1щти9 ^ерм^л&^нчесче!/^?*^^^.

Р*бЬ|«с6Д} РнбвимринятимЛш РиАмтемнумйтймкм { 8МАЫН*» ОврЛимМММ |р«бо»оословаре!

ЛолмА перебое

Оптмишънм рммии«

[|Э|(1.ИГ

Опмильнмтрюмежостъ

485061

ричя

Опгнммнмтпивмшсть {ИМОГПЫг

Намумиятрдвввост» [я-1555в4917068481

Олп*и«м* рммм»

Нлтрщтпи |

Нтмцянятрцушшсту

ВЧ5.58в4ЭТ7МвЙ1"

илучиетАДетортмедоайноголсмсж«

¡пям™

Оппещч1«ят1Ц|ао»«ст» ' ¡ШЯГОТСОЗЙЙ

НММШШПИМЮк

!Ж?5вввЖй51

Рис. 3 - Диалоговое окно системы для режима оптимизационного формирования информационного базиса

Основные результаты и выводы

1. Проведена формализация процесса интерактивного обучения на основе аппарата цепей Маркова с дискретным временем и разработаны, что позволило разработать на ее базе модели оптимизации формирования информационного базиса интерактивных адаптивно-обучающих технологий.

2. Выполнено исследование вероятностно-временных характеристик сценариев контроля в интерактивных адаптивно-обучающих системах и свойств их информационного базиса, построенного на основе блочно-модульного подхода, для чего разработаны ГЕРТ-модели сценариев контроля знаний и графо-аналитическая методика оценки и пересмотра сценариев контроля знаний в адаптивно-обучающих системах. Реализованная методика позволяет получать вероятностно-временные характеристики ГЕРТ-сценариев, в которые уже включены случайные отклонения и неопределенность, возникающие непосредственно во время выполнения процедуры контроля знаний.

3. На основе изучения свойств полученного класса оптимизационных моделей для формирования информационного базиса АОС обоснованы и построены алгоритмы оптимизации по трудоемкости освоения блочно-

модульной структуры информационного базиса в интерактивных адаптивно-обучающих системах, которые позволили обеспечить как равномерную разбивку базиса (на равновеликие блоки), так и синтез модульной структуры информационного базиса из заданных блоков.

4. Выполнена программная реализация и тестирование построенных моделей и алгоритмов, включая компоненты баз данных обучающих систем.

Основные положения и результаты диссертации опубликованы в следующих работах:

1. Корпачева, J1.H. Персонификация информационного базиса адаптивно-обучающей технологии / JI.H. Корпачева // Наука и образование. Проблемы и перспективы: Сб. научн. тр. по материалам Всероссийской научно-практической конференции. - Бийск: БПГУ, 2006.- С. 231-236.

2. Корпачева, Л.Н. Оптимизация модульной структуры информационного базиса интерактивных обучающих технологий / И.В. Ковалев, Л.Н. Корпачева, С.С. Огнерубов // Современные информационные технологии в образовании: Южный Федеральный округ - СИТО 2006: Сб. научн. тр. по материалам Всероссийской научно-методической конференции. - Ростов на Дону: РГУ, 2006,- С. 174-176.

3. Корпачева, Л.Н. Алгоритмы оптимизации блочно-модульной структуры информационно-терминологического базиса / Л.Н. Корпачева, С.С. Огнерубов // Вестник университетского комплекса: Сб. науч. трудов/ Под общей ред. профессора Н.В. Василенко,- Вып. 6(20).- Красноярск: ВСФ РГУИТП, НИИ СУВПТ, 2005. - С. 66-71.

4. Корпачева, Л.Н. Алгоритмы поисковых машин: анализ авторитетности ссылок/ А.Ю. Зиберт, Л.Н. Корпачева // Вестник университетского комплекса: Сб. науч. трудов/ Под общей ред. профессора Н.В. Василенко,- Вып. 6(20).- Красноярск: ВСФ РГУИТП, НИИ СУВПТ, 2005. - С. 55-59.

5. Корпачева, Л.Н. Разработка обучающей программы для реализации экспертной системы в среде программирования DELPHI 7.0/ Л.Н. Корпачева, Л.В. Старовойтова// Перспективные материалы, технологии, конструкции, экономика: Сб. науч. тр. / Под общ. ред. В.В. Стацуры; ГУЦМиЗ, Красноярск, 2005, Вып. 11 - С. 175-181.

6. Корпачева, Л.Н. Модели и методы поддержки принятия информационных решений в интерактивных системах обучения и контроля знаний/ М.И. Андрушко, С.Н. Ежеманская, Л.Н Корпачева// Перспективные материалы, технологии, конструкции, экономика: Сб научн. тр. по материалам Всероссийской научно-технической конференции. Вып. 10. -Красноярск: ГУЦМиЗ, 2004,- С. 211-213.

7. Корпачева, Л.Н. Интерактивные информационные ресурсы и модели для принятия решений / Л.Н. Корпачева // Перспективные

материалы, технологии, конструкции, экономика: Сб научи, тр. по материалам Всероссийской научно-технической конференции. Вып. 10. -Красноярск: ГУЦМиЗ, 2004,- С. 134-136.

8. Корпачева, J1.H. Интерактивные информационные технологии как средство адаптивного развития творческого мышления / Л.Н. Корпачева// Проблемы специалистов в системе непрерывного образования: Сб. статей / Отв. редактор B.C. Биронт; Гос. образоват. учреждение «ГУЦМиЗ». -Красноярск, 2004. Вып. 10.- С. 85-86.

9. Корпачева, Л.Н. Новое образовательное направление / Л.Н. Корпачева// Проблемы специалистов в системе непрерывного образования: Сб. статей / Отв. редактор B.C. Биронт; Гос. образоват. учреждение «ГУЦМиЗ». - Красноярск, 2004. Вып. 10,- С. 108-112.

10. Корпачева, Л.Н. Управление качеством образования на основе новых информационных технологий / H.H. Джиоева, С.Н. Ежеманская, Л.Н. Корпачева // Перспективные материалы, технологии, конструкции, экономика: Сб. научн. тр. по материалам Всероссийской научно-технической конференции. Вып. 8. - Красноярск: ГАЦМиЗ, 2002.- С. 181-182.

И. Корпачева, Л.Н. Развитие образования в условиях информатизации общества / H.H. Джиоева, С.Н. Ежеманская, Л.Н. Корпачева // Проблемы подготовки специалистов в системе непрерывного образования: Сборник статей по материалам Всероссийской научно-практической конференции. Вып. 8. - ГАЦМиЗ., 2002,- С. 283-284.

12. Корпачева, Л.Н. Программное обеспечение интерактивных технологий при обучении специалистов / Г.И. Васина, В.В. Гурулев, Л.Н. Корпачева, H.H. Фирюлина // Перспективные материалы, технологии, конструкции, экономика: Сб. научн. тр. по материалам Всероссийской научно-технической конференции. Вып. 6. - Красноярск: ГАЦМиЗ, 2000,- С. 109-111.

13. Корпачева, Л.Н. Технологии разработки программного обеспечения для автоматизации учебного процесса / Г.И. Васина, С.Н. Ежеманская, Л.Н. Корпачева// Перспективные материалы, технологии, конструкции, экономика: Сб. научн. тр. по материалам Всероссийской научно-технической конференции. Вып. 6. - Красноярск: ГАЦМиЗ, 2000,- С. 47-49.

14. Корпачева, Л.Н. Автоматизация информационных систем документооборота образовательных учреждений / Г.И. Васина, A.C. Картамышев, A.C. Кирьянов, Л.Н. Корпачева // Перспективные материалы, технологии, конструкции, экономика: Сб. научн. тр. по материалам Всероссийской научно-технической конференции. Вып. 6. -Красноярск: ГАЦМиЗ, 2000,- С. 104-106.

15. Корпачева, Л.Н. Обучающе-тестирующая программа «Основы алгоритмического языка ПАСКАЛЬ» / Г.И. Васина, Л.Н. Корпачева, А.И. Улитин // Совершенствование технологий производства цветных металлов:

Материалы зональной научной конференции. Красноярск: ГАЦМиЗ, 1997. -С. 134-135.

16. Корпачева, Л.Н. Программный модуль оптимального формирования информационного базиса интерактивных обучающих технологий / И.В. Ковалев, М.В. Карасева, Л.Н. Корпачева, С.С. Огнерубов // М.: ВНТИЦ, 2006,- № 50200600275.

96 56

Корпачева Лариса Николаевна Оптимизация формирования информационного базиса в интерактивных адаптивно-обучающих системах

Автореферат диссертации на соискание ученой степени — кандидата технических наук

Формат 60x84 1/16. Объем 1 п.л. Подписано в печать 14.04.2006 г. Отпечатано на ризографе НИИ СУВПТ. 660028, г. Красноярск, ул. Баумана, 20 В. Заказ № 503. Тираж 100 экз.

Введение

1. Информационные технологии и компьютерные средства в образовании

1.1. Информационно-компьютерные системы в учебном процессе

1.2. Стандарты при разработке информационно-обучающих систем

1.3. Принципы открытых систем и разработка информационно-обучающих технологий 57 Выводы

2. Моделыю-алгоритмическая поддержка оптимизационного формирования информационного базиса для адаптивно-обучающих систем

2.1. Модели и методы интерактивного контроля в адаптивно-обучающих системах

2.2. Структура информационного базиса для поддержки механизмов многоуровневой адаптации в системе электронного обучения 112 Выводы

3. Оптимизация формирования блочно-модульной структуры

ИБ адаптивно-обучающих систем

3.1. Моделирование динамики изучения информационного базиса

ИОС с использованием цепей Маркова

3.2. Оптимизация блочно-модульной структуры информационного базиса адаптивно-обучающих систем 131 Выводы

4. Система программно-алгоритмической поддержки оптимизации ИБ интерактивной обучающей технологии

4.1. Проект практической реализации интерактивной информационно-обучающей системы сетевого типа

4.2. Аппаратно-программная реализация и функционирование системы оптимизации формирования ИБ УММ 162 Выводы 171 Основные результаты и выводы 172 Список использованных источников

Актуальность работы характеризуется тем, что в рамках методологии системного анализа и основ психолого-педагогических наук отмечается, что внедрение в обучение новых информационных технологий следует рассматривать не только в рамках реализации новой учебной дисциплины, но и как фактор, влияющий на структуру информационного базиса (ИБ) автоматизированной системы обучения, его содержания и процесса формирования. Раскрытие данной позиции можно проследить в исследованиях, связанных с рядом аспектов компьютеризации образования и, в частности, развития интерактивного обучения в нашей стране (J1.A. Растригин, И.П. Норенков, В.А. Старых, В.П. Беспалько, Г.А. Доррер и др.).

При определении параметров информационно-компьютерных систем важно также определить и оптимальные формы представления информации, оптимизировать структуру информационного базиса с учетом основных требований к технологии интерактивного обучения, которое на сегодняшний день входит в число стратегических задач нашей образовательной системы. Существенное внимание интерактивному обучению уделяется в программе Президента РФ «Электронная Россия».

Очевидно, что широкое внедрение информационных технологий в различные сферы образовательной деятельности и наличие огромного количества разработчиков программного обеспечения (ПО) компьютерных систем обучения ставит проблемы стандартизации на первое место среди факторов успешного развития этой деятельности. В сфере образования проблемы стандартизации ПО, применяемого в информационно-обучающих технологиях, также активно обсуждаются в настоящее время.

Ряд международных организаций разрабатывает спецификации и стандарты на информационно-обучающие системы. Начиная с 1999 года, многие специалисты в сфере образования и информационных технологий приходят к заключению о необходимости разработки системного подхода к построению компьютерных обучающих систем и внедрения стандартов на их программные, информационные и технологические составляющие. Это обеспечит совместимость систем и их элементов, а также их устойчивость к изменениям в сфере информационных технологий, аппаратного и программного обеспечения.

Например, консорциум IMS (IMS Global Learning Consortium) имеет две основные цели:

1. Определение технических стандартов для интероперабельности приложений и услуг в распределенном обучении.

2. Поддержка включения спецификаций IMS в продукты и услуги по всему миру. IMS прилагает усилия для содействия широкому принятию спецификаций, что позволит интероперировать распределенным учебным средам и информационным базисам многих разработчиков.

Поэтому проблеме оптимизации формирования информационного базиса в интерактивных адаптивно-обучающих системах, проектируемых на основе современных принципов построения моделей курсов (учебно-методических материалов (УММ) информационного базиса), позволяющих унифицировать требования к их блочно-модульной структуре, последовательности представления компонентов ИБ УММ, упаковке курсов в уникальные оболочки и среды, уделяется в настоящее время серьезное внимание.

Таким образом, существует научно-техническая проблема, заключающаяся в совершенствовании процессов автоматизированного формирования оптимальной блочно-модульной структуры информационного базиса интерактивных адаптивно-обучающих технологий, решение которой позволит повысить эффективность разработки и функционирования программно-информационных средств для систем интерактивного обучения. Ряд новых аспектов при использовании систем интерактивного обучения возникает в связи с планируемой реформой высшего образования, в частности, в связи с переходом на модульно-рейтинговую систему обучения.

Все выше сказанное и обуславливает выбор темы диссертационного исследования, и определяет ее актуальность.

Цель диссертационной работы. На основе исследования и моделирования процесса интерактивного обучения с адаптацией разработать оптимизационные алгоритмы формирования блочно-модульной структуры информационного базиса в интерактивных адаптивно-обучающих системах.

Для достижения поставленной цели решались следующие задачи:

- формализация процесса интерактивного обучения на основе концепции цепей Маркова и разработка на ее базе моделей оптимизации формирования информационного базиса интерактивных адаптивно-обучающих технологий;

- исследование вероятностно-временных характеристик сценариев контроля в интерактивных адаптивно-обучающих системах и свойств их информационного базиса, построенного на основе блочно-модулыюго подхода;

- изучение свойств полученного класса оптимизационных задач для формирования информационного базиса в интерактивных адаптивно-обучающих системах, обоснование и построение математических методов и алгоритмов решения полученных задач оптимизации;

- программная реализация и тестирование построенных моделей и алгоритмов.

Научная новизна работы:

1. На основе предложенной в работе ГЕРТ-модели сценариев контроля знаний исследованы вероятностно-временные характеристики сценариев, а также реализована новая графо-аналитическая методика оценки и пересмотра сценариев контроля знаний в адаптивно-обучающих системах.

2. Разработана оптимизационная модель формирования информационного базиса интерактивных систем обучения, отличающаяся предложенной в диссертации оригинальной методикой моделирования процесса изучения ИБ УММ с применением цепей Маркова с дискретным временем.

3. Впервые предложены и программно реализованы алгоритмы решения задач определения оптимальной по трудоемкости освоения блочно-модульной структуры информационного базиса для случаев равномерной разбивки базиса и его синтеза из заданных блоков.

Знамение для теории. Теоретически обоснована возможность применения стохастических ГЕРТ-сетевых моделей для реализации графоаналитической методики оценки и пересмотра сценариев контроля знаний в интерактивных адаптивно-обучающих системах. Результаты, полученные при выполнении диссертационной работы, создают теоретическую основу как для повышения эффективности функционирования адаптивных систем обучения, так и для улучшения качества компьютерной обработки информации при формировании оптимальной блочно-модульной структуры информационного базиса данного класса систем.

На защиту выносятся:

- ГЕРТ-методика оценки и пересмотра сценариев контроля знаний в адаптивно-обучающих системах, позволяющая получать вероятностно-временные характеристики ГЕРТ-сценариев, в которые уже включены случайные отклонения и неопределенность, возникающие непосредственно во время выполнения процедуры контроля знаний;

- оптимизационная модель формирования информационного базиса интерактивных систем обучения, базирующаяся на методике моделирования процесса его изучения с применением цепей Маркова с дискретным временем;

- алгоритмы оптимизации по трудоемкости освоения блочно-модульной структуры информационного базиса в интерактивных адаптивно-обучающих системах, обеспечивающие как равномерную разбивку базиса (на равновеликие блоки), так и синтез модульной структуры информационного базиса из заданных блоков.

Основные результаты и выводы

Таким образом, в диссертации решена важная научно-техническая проблема, заключающаяся в совершенствовании процессов автоматизированного формирования оптимальной блочно-модульной структуры информационного базиса интерактивных адаптивно-обучающих технологий. Перечисленные ниже результаты позволили повысить эффективность разработки и функционирования программно-информационных средств для систем интерактивного обучения.

1. Проведена формализация процесса интерактивного обучения на основе аппарата цепей Маркова с дискретным временем и разработаны на ее базе модели оптимизации формирования информационного базиса интерактивных адаптивно-обучающих технологий.

2. Выполнено исследование вероятностно-временных характеристик сценариев контроля в интерактивных адаптивно-обучающих системах и свойств их информационного базиса, построенного на основе блочно-модульного подхода, для чего разработаны ГЕРТ-модели сценариев контроля знаний и графо-аналитическая методика оценки и пересмотра сценариев контроля знаний в адаптивно-обучающих системах.

3. На основе изучения свойств полученного класса оптимизационных моделей для формирования информационного базиса АОС обоснованы и построены алгоритмы оптимизации по трудоемкости освоения блочно-модульной структуры информационного базиса в интерактивных адаптивно-обучающих системах, обеспечивающие как равномерную разбивку базиса (на равновеликие блоки), так и синтез модульной структуры информационного базиса из заданных блоков.

4. Выполнена программная реализация и тестирование построенных моделей и алгоритмов, включая компоненты баз данных обучающих систем.

В качестве перспектив развития данного направления исследований следует отметить ряд новых аспектов при использовании систем интерактивного обучения, которые возникают в связи с планируемой реформой высшего образования, в частности, в связи с переходом на модульно-рейтинговую систему обучения.

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

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

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

4. Башмаков, А.И. Технология и инструментальные средства проектирования тренажерно-обучающих комплексов • для профессиональной подготовки и повышения квалификации. Часть 1. /А.И. Башмаков, И.А. Башмаков // Информационные технологии. №6, 1999. - с.40-45.

5. Башмаков, А.И. Технология и инструментальные средства проектирования тренажерно-обучающих комплексов для профессиональной подготовки и повышения квалификации. Часть 2. /А.И. Башмаков, И.А. Башмаков // Информационные технологии. №7, 1999. - с.39-45.

6. Беляков, В.М. Разработка функциональной модели автоматизированной обучающей системы по русскому языку как иностранному. Автореф. дис. . канд.филол.наук.-М., 1996.

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

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

9. Васильев В.И., Ильясов Б.Г. Интеллектуальные системы управления с использованием нечеткой логики: Учебное пособие / В.И. Васильев, Б.Г.Ильясов; Уфимск. гос. авиац. техн. ун-т. Уфа, 1995. 80 с.

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

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

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

13. 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.

14. Гутгарц, Р.Д. Компьютерная технология обучения //Информатика и образование. №5, 2000. - с.44-45.

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

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

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

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

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

20. Зеленков, П.В. Автоматизированная система управления ВУЗом /П.В. Зеленков, Г.И. Васина, М.Н. Бердникова// Сборник трудов участников конференции выставки «ИТО-2004» - Москва: МИФИ, 2004. - С. 202203.

21. Зеленков, П.В. Программная система «Multi-BasisOptimization у1.0»/Ковалев И.В., Зеленков П.В., Огнерубов С.С., Ежеманская С.Н.// Компьютерные учебные программы и инновации. №7, 2005. - С. 20-21.

22. Кабальнов Ю.С., Тархов С.В., Минасов Ш.М. Информационно-обучающие среды образовательных систем // Вестник УГАТУ. Т.З, №2, Уфа, 2002. -С.187-196.

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

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

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

26. Калянов, Г.Н. Сравнительный анализ структурных методологий / Г.Н. Калянов, А.В. Козлинский, В.Н. Лебедев //Системы управления базами данных. №5, 1997. - с.75-78.

27. Карберри, С. Модели пользователя: проблема неадекватности //Новое в зарубежной лингвистике. Вып. 24. - М., 1989. - с.259-291.

28. Кириллов, В.П. SSADM передовая технология разработки автоматизированных систем //Компьютеры + программы. - №2, 1994. -с.8-17.

29. Кирилова Г.И. Динамизация процесса обучения как фактор перехода к информационному обществу // Казанский педагогический журнал N3, 1996. с. 45-50.

30. Кирилова, Г.И. Информационные технологии и компьютерные средства в образовании. //Educational Technology & Society, 2000 № 4(1), http://ifets.ieee.Org/russian/depository/v4il/html/5.html

31. Кларлащук, В.И. Обучающие программы. М.: Солон-Р, 2001.

32. Ковалев, И.В.Разработка программного обеспечения. Информационно-обучающие технологии / И.В. Ковалев. Красноярск: ИПЦ КГТУ, 2004.

33. Корпачева, Л.Н. Персонификация информационного базиса адаптивно-обучающей технологии / Л.Н. Корпачева // Наука и образование.

34. Проблемы и перспективы: Сб. научи, тр. по материалам Всероссийской научно-практической конференции. Бийск: БПГУ, 2006,- С. 231-236.

35. Корпачева, J1.H. Новое образовательное направление / J1.H. Корпачева// Проблемы специалистов в системе непрерывного образования: Сб. статей / Отв. редактор B.C. Биронт; Гос. образоват. учреждение «ГУЦМиЗ». -Красноярск, 2004. Вып. 10.- С. 108-112.

36. Корпачева, Л.Н. Программный модуль оптимального формирования информационного базиса интерактивных обучающих технологий / И.В. Ковалев, М.В. Карасева, Л.Н. Корпачева, С.С. Огнерубов // М.: ВНТИЦ, 2006.-№50200600275.

37. Кривицкий, Б.Х. О систематизации учебных компьютерных средств. //Educational Technology & Society, 2000 № 3(3), http://ifets.ieee.Org/russian/depository/v3i3/html/3.html

38. Кривошеев, А.О. Разработка и использование компьютерных обучающих программ // Информационные технологии, 1996. №2. с.14-18.

39. Кривошеев, А.О. Перспективные internet-технологии информационного обеспечения образовательных услуг. Часть 1. / А.О. Кривошеев, Г.С.

40. Голомидов, А.Н. Таран //Информационные технологии. №7, 1998. -с.38-44.

41. Кручинин, В.В. Разработка компьютерных учебных программ. Томск, 1998.

42. Кудрявцева, Е.В. Компьютерные технологии обучения. -http://www.bytic.ttk.ru/cue99M/cu849jujjO.html

43. Лаутербах, Р. Программное обеспечение процесса обучения / Р. Лаутербах, К. Фрей // Перспективы. Вопросы образования. №3, 1988. -с.70-79.

44. Макфредрис, П. Создание Web-страниц. М.: Астрель, 2004. - 230 с.

45. Манако, В. Коллекции интерактивных словарей для непрерывного обучения индивидуала. / В. Манако, А. Манако, К. Синица //Educational Technology & Society, 2001 № 4(1). http://ifets.ieee.Org/russian/depository/v4il/html/2.html

46. Марка, Д.А. Методология структурного системного анализа и проектирования SADT. М.: Метатехнология, 1993.

47. Машбиц, Е.И. Диалог в обучающей системе. Киев, 1989.

48. Махмутов, М.И. Педагогические технологии развития мышления учащихся / М.И. Махмутов, Г.И. Ибрагимов, М.А. Чошанов // Казань, 1993.

49. Минасов Ш.М., Тархов С.В. Проект «Гефест» как вариант практической реализации технологий электронного обучения в вузе в условиях интеграции традиционного и дистанционного обучения //Журнал Восточно-Европейской подгруппы Международного форума

50. Образовательные технологии и общество» -Educational Technology & Society 8(1) 2005. ISSN 1436-4522. p.134-147.

51. Нелюбин, JI.JI. Компьютерная лингвистика и машинный перевод. М., 1991.

52. Околелов, Г.Н. Программированное обучение и новые информационные технологии обучения // Информатика и образование. №5, 1993. - с.7-19.

53. Подготовка информации для автоматизированных обучающих систем / А.Я.Савельев, В.А.Новиков, Ю.И.Лобанов (под ред. А.Я.Савельева)// М.: Высшая школа, 1986.- 175 с.

54. Позин, Б.А. Современные средства программной инженерии для создания открытых прикладных информационных систем //Системы управления базами данных. №1, 1995. - с.139-144.

55. Растригин JI.A. Адаптация сложных систем. Методы и приложения. Рига: Зинатне, 1981. -375 с.

56. Растригин, JI.A. Адаптивное обучение с моделью обучаемого. Рига: Зинатне, 1988.

57. Результат исследования поведения более 20 млн. пользователей сети. -www.searchenginewatch.com/reports/netratings.html 1999.

58. Русский морфологический анализ. http://company.yandex.ru/articles/articlel.html.

59. Русскин, В.М. Информационная методология SSADM: методика моделирования информационных потоков при разработке автоматизированных систем / В.М. Русскин, В.П. Кириллов //Компьютеры + программы. №3, 1995. - с.15-23.

60. Савельев, А.Я. Подготовка информации для автоматизированных обучающих систем. М.: Высшая школа, 1986.

61. Сайт толкового словаря. www.glossary.ru.

62. Семенов, В.В. Информационные основы кибернетической компьютерной технологии обучения // Информатика и вычислительная техника. №3, 1997. - с.37-40.

63. Серия опросов посвященных Internet активности. -http://www.yandex.ru.polling/index.html

64. Соловов, А.В. Проектирование компьютерных систем учебного назначения: учебное пособие. Самара: СГАУ, 1995.

65. 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

66. Талантов, М. Поиск в Интернете: подводные камни. // КомпьютерПресс №9, 1999.-С. 46-52. Т

67. Тархов С.В. Управление адаптивным обучением и его оптимизация на базе теории абстрактных автоматов и марковских процессов // Информационные технологии моделирования и управления. Научно-технический журнал №1 (19). Воронеж. Научная книга. 2005, с.39-45.

68. Тархов С.В. Оценка эффективности адаптивного электронного обучения// Информационные технологии моделирования и управления. Научно-технический журнал №3 (21). Воронеж. Научная книга. 2005, с.337-346.

69. Тихомиров, В.П. Дистанционное обучение: к виртуальным средам знаний. Часть 1 / В.П. Тихомиров, В.И. Солдаткин, C.JI. Лобачев, О.Г. Ковальчук //Дистанционное образование. №2, 1999. - с.8-16.

70. Усачев, А.В. Адаптивная технология управления качеством образования. Материалы IX Международной научно-практической конференции студентов, аспирантов и молодых ученых "Современные техника и технологии", Томск, ТПУ, 2003. С. 67-68.

71. Усачев, А.В. Адаптивная технология управления качеством образования. Материалы III Всероссийской научно-практической конференции "Влияние образовательных технологий на развитие регионов", КФ МЭСИ, Красноярск 2003. С. 29-31.

72. Усачев, А.В. Компьютерная лингводидактика в информационных технологиях обучения. Материалы III Всероссийской научно-практической конференции "Влияние образовательных технологий на развитие регионов", КФ МЭСИ, Красноярск 2003. С. 40-42.

73. Усачев, А.В. Нейросетевая кластеризация множественных значений терминологии с учетом лингвистической избыточности. Вестник НИИ СУВПТ, сборник научных трудов, Красноярск, 2003. С. 140-150.

74. Усачев, А.В. Нейросетевая мнемотехнология обучения. Материалы XLI Международной научной студенческой конференции "Студент и научно-технический прогресс": Информационные технологии. Новосибирск, НГУ, 2003. С. 159-160.

75. Филлипс, Д. Методы анализа сетей / Д. Филлипс, А. Гарсиа-Диас // М.: Мир, 1984.-496 с.

76. Филатова, Н.Н. Центр «Компьютерные технологии образования»: его место в учебном процессе технического университета. / Н.Н. Филатова,

77. O.J1. Ахремчик //Educational Technology & Society, 2000 № 3(2), http://ifets.ieee.Org/russian/depository/v3i2/html/5.html

78. Шибанов, А.П. Нахождение закона распределения выходной величины GERT-сети большой размерности/ А.П. Шибанов// Информационные технологии , № 1, 2002. С. 42-45.

79. Cohn, D. Learning to probabilistically identify authoritative documents. In Proc. 17th International Conf. on Machine Learning, pages 167-174, 2000.

80. Everett, D. R. 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.

81. Foltz, P.W. Using latent semantic indexing for information filtering. In ACM Conference on Office Information Systems (COIS), pages 40-47, 1998.

82. Gay, G. 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.

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

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

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

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

87. Kleinberg, Jon M. Authoritative sources in a hyperlinked environment // Journal of the ACM, 46(5): 604-632, 1999.

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

89. Maganti, A. An investigation of linguistic features and clustering algorithms for topical document clustering. In Proc. of the SIGIR'2000, 2000.

90. Moran, S. The stochastic approach for link-structure analysis (salsa) and the tkc-effect. In Proc. WWW9, 2000.

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

92. Neumann, K. Stochastic Project Network/ K. Neumann// Lecture Notes in Economics and Mathematical Systems, No. 34, Springer Verlag, 1990.

93. Neumann, K. An Optimality Equation for Stochastic Decision Networks/ K. Neumann//Wiss. Zeitschrift Techn. Hochschule Leipzig, No. 8, 1984. Pp. 7987.

94. Obraczka, K. Distributed indexing of autonomous Internet services. Computing Systems, 5(4):433-459, 1992.

95. Powell, A. Evaluating database selection techniques: A tested and experiment. In Proc. of the SIGIR'98, Melbourne, Australia, August 1998.

96. Ravi Kumar, S. Prabhakar Raghavan, Sridhar Rajagopalan, Andrew Tomkins, David Gibson, and Jon Kleinberg. Mining the Web's link structure. Computer, 32(8):60-67, 1999.

97. Ribeiro-Neto, B. Modern Information Retrieval. ACM Press, 1999.

98. Salton, G. Introduction to modern Information Retrieval. McGraw-Hill Computer Science Series. McGraw-Hill, New York, 1983.

99. Zelenkov, P. Multilingual Adaptive Method of Learning Foreign Languages /Р. Zelenkov, E.Kofman// Труды международной конференции «14th 1ST Mobile & Wireless Communications Summit». Дрезден Германия: Technische Universitat Dresden, 2005. - C.228-233.