автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Специальное программное и информационное обеспечение мультилингвистических систем адаптивного обучения

/

На правах рукописи

ШУКШИНА Екатерина Евгеньевна

Специальное программное и информационное обеспечение мультилингвистических систем адаптивного обучения

05.13.01 - Системный анализ, управление и обработка информации (космические и информационные технологии) 05.13.11 - Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей

Автореферат диссертации на соискание ученой степени кандидата технических наук

004ЬИ6#8(,

Красноярск - 2010

004606887

Работа выполнена в ФГОУ ВПО «Красноярский государственный аграрный университет»

Научный руководитель доктор технических наук,

доцент

Ступина Алена Александровна

Официальные оппоненты: доктор физико-математических наук,

профессор

Сенатов Сергей Иванович

кандидат технических наук, доцент

Усачев Александр Владимирович

Ведущая организация: ГОУ ВПО «Кемеровский

государственный университет»

Защита состоится «02» июля 2010 года в 14.00 на заседании диссертационного совета Д 212.249.02 при Сибирском государственном аэрокосмическом университете имени академика М. Ф. Решетнева по адресу: 660014, г. Красноярск, проспект имени газеты «Красноярский рабочий», 31.

С диссертацией можно ознакомиться в библиотеке СибГАУ.

Автореферат разослан «01» июня 2010 года

Ученый секретарь диссертационного совета

/

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы характеризуется тем, что широкое внедрение информационных технологий в различные сферы образовательной деятельности и наличие огромного количества разработчиков специального программного (ПО) и информационного обеспечения (ИО) компьютерных систем обучения ставит проблемы повышения эффективности разработки и функционирования этих видов обеспечения, что является одним из факторов успешного развития компьютеризации образования. В рамках методологии системного анализа и адаптации сложных систем отмечается, что внедрение в обучение новых информационных технологий следует рассматривать не только в рамках реализации учебного процесса, но и как фактор, влияющий на структуру программного и информационного обеспечения автоматизированной системы обучения, процесса его формирования, внедрения и сопровождения. Раскрытие данной позиции можно проследить в исследованиях, связанных с рядом аспектов компьютеризации образования и, в частности, развития интерактивного и адаптивного обучения в нашей стране (Л.А. Растригин, И.П. Норенков, В.А. Старых, В.П. Беспалько, Г.А. Доррер и др.).

Главное требование к современным компьютерным обучающим системам состоит в том, чтобы обеспечивать максимальную степень индивидуализации процесса обучения, т.е. его адаптации к каждому конкретному ученику, что не всегда осуществимо при традиционных методах массового обучения. Данное свойство адаптивной технологии дает возможность самостоятельного обучения.

Адаптация в обучающей системе - это процесс изменения параметров и структуры модели объекта (обучаемого) и обучающих воздействий на основе текущей информации, получаемой в ходе обучения, с целью достижения оптимального состояния объекта при его начальной неопределенности и изменяющейся среде.

В работе задача обучения формализуется в виде задачи управления, что дает возможность использовать базовые принципы управления сложными объектами. Результатом управления будет достижение поставленных целей обучения. В этом случае ученик выступает в качестве объекта управления, а учитель или обучающее устройство - в качестве источника управления. В качестве модели обучаемого предлагается модификация адаптивной модели обучаемого Л.А. Растригина применительно к мультилингвистической адаптивно-обучающей технологии. Данная технология направлена на решение проблемы обучение иностранному языку во многих неязыковых ВУЗах и имеет профессиональную ориентацию, так как одним из основных моментов в таком обучении является освоение характерной для учебной специальности иностранной терминологии.

Следует отметить, что развитие информационных технологий на сегодняшний день позволяет разработать эффективный программно-алгоритмический аппарат для создания компьютерных адаптивно-обучающих систем, в том числе, и для изучения иностранной терминологической лексики.

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

Объект исследования: адаптивные компьютерные обучающие системы, базирующиеся на мультилингвистических частотных терминологических словарях.

Предмет исследования: специальное программное и информационное обеспечение мультилингвистических систем адаптивного обучения терминологической лексике.

Цель работы: повышение эффективности процесса адаптивного обучения терминологической лексике за счет разработки специальных программно-алгоритмических и информационных средств, реализуемых в виде компьютерной адаптивно-обучающей системы.

Для достижения поставленной цели решались следующие задачи:

- формализация задачи обучения терминологической лексике в виде задачи управления сложным объектом;

- разработка структуры и метода формирования и реализации информационного обеспечения технологии адаптивного обучения терминологической лексике иностранного языка;

- построение адаптивной модели обучаемого, учитывающей трудность запоминания материала для конкретного пользователя, при определении объема обучающего модуля;

- разработка алгоритма определения объема модуля обучающей информации на основе зависимости объема забытого материала от временного объема порции обучающего модуля;

- модификация алгоритма обучения Л.А. Растригина с целью повышения его эффективности при изучении терминологической лексики иностранного языка;

- разработка архитектуры мультилингвистической системы адаптивного обучения терминологической лексике, реализующей предложенные алгоритмы обучения и предложенный метод формирования информационного обеспечения данной технологии;

- программная реализация мультилингвистической системы адаптивного обучения терминологической лексике иностранного языка с использованием разработанной архитектуры.

Методы исследования. Для решения поставленных задач использовались методы системного анализа, оптимизации, методологии прикладного структурного анализа, аппарат теории управления, адаптации сложных систем и теории вероятностей.

Научная новизна работы.

Предложена и реализована новая технология формирования информационного обеспечения систем адаптивного обучения терминологической лексике, оригинальность которой заключается в двухэтапном подходе к обучению лексике иностранного языка, реализующем методику «обучения с подкреплением», которая сокращает временные затраты обучаемого.

Разработан новый алгоритм определения объема обучающего модуля и построена адаптивная модель обучаемого, учитывающая сложность усвоения им учебного материала.

С использованием алгоритма определения обучающего модуля проведена модификация алгоритма обучения JI.A. Растригина, позволившая осуществить синтез управления с учетом ассоциативных связей заучиваемых понятий, сложности усвоения учебного материала обучаемым и использующая алгоритм определения объема обучающего модуля.

Разработана модульная архитектура масштабируемой адаптивной системы обучения терминологической лексике иностранного языка, отличительной особенностью которой является то, что она может использоваться как прототип для разработки аналогичных систем, применяемых в компьютеризированном обучении.

Для информационной поддержки мультилингвистической адаптивно-обучающей технологии разработан распределенный мультилингвистический словарь, особенностью которого является двухслойная архитектура, включающая «толстого» клиента, содержащего логику работы программного обеспечения, и базу данных.

Значение для теории. Результаты, полученные при выполнении диссертационной работы, имеют существенное значение для теории построения мультилингвистических адаптивно-обучающих систем и направлены на повышение качества разработки и функционирования специального математического, программного и информационного обеспечения этих систем. Данные результаты являются значимыми для развития модельно-алгоритмического обеспечения систем анализа информации на основе компьютерных методов обработки информации.

Практическая ценность.

Разработанная в диссертации программа формирования информационного базиса мультилингвистической адаптивно-обучающей технологии «Multi-Linguistic Basis 1.0» применена при создании компьютерных интерактивных средств изучения профессионально-ориентированной лексики на базе системы «Virtual Teacher 1.2». Использование системы программно-алгоритмической поддержки мультилингвистической адаптивно-обучающей технологии «Multi-Teacher Support 1.0» способствует эффективному применению алгоритма интерактивного обучения, обеспечивая минимизацию общего времени освоения терминологической лексики при компьютерном обучении.

Реализация результатов работы. Работа выполнялась в рамках ряда проектов АВЦП «Развитие научного потенциала высшей школы» (2006-2008), 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 КрасГАУ (2008-2012).

Наиболее важные алгоритмы и структуры данных, разработанные в ходе диссертационной работы, получили программную реализацию и четыре из них зарегистрированы в Федеральной службе по интеллектуальной собственности, патентам и товарным знакам.

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-методической конференции «Повышение роли университетов в развитии регионов» (Красноярск, 2005), Всероссийской научно-практической конференции «Инновации в системе непрерывного профессионального образования» (Красноярск, 2006), Всероссийских научно-практических конференциях «Аграрная наука на рубеже веков» (Красноярск, 2005-2006), Всероссийской очно-заочной научно-практической и научно-методической конференции, посвященной 55-летию КрасГАУ «Повышение качества непрерывного профессионального образования» (Красноярск, 2007), Всероссийской научно-практической конференции РАЕ «Исследования в области образования, молодежной политики и социальной политики в сфере образования» (Москва, 2009), международных заочных научных конференциях «Проблемы современной науки» (Красноярск, 2008-2009). Докладывались на научных семинарах кафедры математического моделирования и информатики КрасГАУ (2005-2010 гг.).

Публикации. По теме диссертации опубликовано 24 работы автора, 5 из них опубликованы в ведущих рецензируемых научных журналах и изданиях, рекомендуемых ВАК РФ для опубликования основных научных результатов диссертационных исследований. 4 программные разработки прошли регистрацию в Роспатенте.

Структура и объем работы. Диссертация состоит из введения, пяти разделов, заключения, списка литературы из 107 наименований.

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.

В первом разделе показано, что мультилингвистическая адаптивно-обучающая технология применяется для создания систем обучения, способствующих интенсивному накоплению иностранного профессионально-ориентированного словарного запаса у специалистов и студентов, сталкивающихся с иностранной лексикой в процессе работы с иностранной литературой или сотрудничества с иностранными коллегами.

В центре современной мультилингвистической адаптивно-обучающей технологии лежат два взаимосвязанных компонента - информационно-терминологический базис (ИТБ) и адаптивная технология обучения. Прежде чем рассмотреть вопросы реализации базовых компонентов, сформулируем основные положения, позволяющие представить структуру процесса обучения. Основываясь на концепции сетевой образовательной структуры, можно, опираясь на частные формализованные представления учебного процесса (в том числе, языковой подготовки), конструировать различные структуры адаптивных и субоптимальных алгоритмов в соответствии с выбранными критериями. Анализ возможных структур, представленный в работе, позволяет сделать вывод о том, что мультилингвистическая адаптивно-обучающая технология соответствует (в зависимости от реальной реализации в виде компьютерной системы) ряду возможных процессов обучения.

Множество информационных связей структурной схемы ПО, представленной на рис. 1, назовем мультилингвистической средой информационно-образовательного взаимодействия.

Рисунок 1 - Мультилингвистическая среда информационно-образовательного

взаимодействия

Следует отметить, что в отличие от традиционного процесса обучения, который при наличии множества предметных дисциплин становится многомерным, ПО, реализуемый с помощью мультилингвистической адаптивно-обучающей технологии, остается одномерным процессом при наличии многомерного информационно-терминологического базиса. С другой стороны, ИТБ также может быть реализован как одномерный, если установлено взаимно однозначное соответствие между разноязычными компонентами ИТБ), ИТБ2.....ИТБк.

Как правило, множество элементов структуры ПО, информационно связанных друг с другом посредством среды образовательного взаимодействия, образуют информационно-образовательную сеть (в нашем случае -мультилингвистическую).

Очевидно, что реализация мультилингвистической информационно-образовательной сети в традиционном обучении - практически невыполнимая задача. Автоматизация процесса обучения для данной структуры требует, в первую очередь, автоматизации формирования ИТБ (по запросам обучаемых, вплоть до динамического формирования ИТБ), а также компьютерной поддержки технологии адаптивного обучения в интерактивном режиме.

Информационно-терминологический базис мультилингвистической адаптивно-обучающей технологии представлен в виде электронных частотных словарей, последующее разбиение которых по частотам используется при обучении.

Частотный словарь регистрирует слова, словоформы или словосочетания, которые встретились в исследованном для его составления тексте (выборке). При этих элементах в словаре указываются их частоты, т.е. цифры, показывающие, сколько раз каждая словарная единица (элемент) встретилась в данном тексте. Формирование информационно-терминологического базиса мультилингвистической адаптивно-обучающей технологии на основе электронных частотных словарей позволяет использовать для его информационно-логической организации современные структурные методологии и базовые конструкции диаграмм Варнье-Орра.

В силу специфики задачи изучения иностранной терминологической лексики при разработке алгоритмического обеспечения мультилингвистической адаптивно-обучающей технологии требуется построение модели обучаемого, предполагающей учет факторов, характеризующих процессы запоминания терминов, и наличие ассоциаций с терминологией ранее изучавшихся обучаемым иностранных языков.

Ядром мультилингвистической адаптивно-обучающей технологии является алгоритм обучения, работающий на основе адаптивной модели обучения Л.А. Растригина, учитывающей индивидуальные факторы процессов запоминания и забывания каждого конкретного обучаемого для мультилингвистического представления информации.

Применение мультилингвистического подхода позволяет генерировать ассоциативное терминологическое поле вокруг запоминаемых терминов и модифицировать адаптивную модель обучаемого JI.A. Растригина с учетом ассоциативных параметров при коррекции скорости забывания и вероятностей незнания элементов обучающей информации.

Системная архитектура мультилингвистической адаптивно-обучающей технологии включает три четко определенных слоя (база данных, правила, сеанс обучения), отражающих возрастание уровня абстракции в предлагаемой архитектуре. Преимущества предлагаемой трехслойной системной архитектуры мультилингвистической адаптивно-обучающей технологии обеспечиваются независимостью слоев и согласованием информационной и функциональной моделей.

Во втором разделе показано, что для достижения целей, поставленных при формировании информационно-терминологической базы мультилингвистической обучающей технологии, в первую очередь, необходимо осуществить решение следующей задачи: разработать электронные мультилингвистические частотные словари в соответствии с тенденциями изменения спроса на рынках образовательных услуг и согласно направлениям и проблематике научных и научно-технических исследований, необходимых для развития ключевых направлений научной и образовательной деятельности в сфере сохранения и приумножения научно-технического потенциала. Очевидно, что правильность составления словарей (выбор терминов) и определение частотных характеристик терминов существенно влияет на эффективность работы алгоритма обучения.

Особенностью информационной базы MJI-технологии является, прежде всего, многоязычность (мультилингвистичность) терминологических понятий. Это приводит к тому, что базисный информационный компонент МЛ-технологии, являясь основой информационной модели данных, представляет собой совокупность многоязычных элементов обучающей информации и их частотных свойств.

В рамках средств структурного анализа, эффективно применяемых в информационных системах, важное место занимают словари данных, организация которых в MJI-технологии также имеет свои особенности из-за мультилингвистического характера базисных компонентов. Однако, применяя методологии структурного анализа и DFD (Data Flow Diagrams), можно показать внешние по отношению к системе источники и стоки (адресаты) данных, идентифицировать логические функции (процессы) и группы элементов данных, связывающие одну функцию с другой (потоки), а также идентифицировать хранилища (накопители) данных, к которым осуществляется доступ при реализации системы. Структуры потоков мультилингвистических данных и определения их базисных компонент хранятся и анализируются в MJI-словаре данных, что требует его специальной организации.

Как правило, словарь данных представляет собой определенным образом организованный список всех элементов данных системы с их точными определениями (для МЛ-словаря, следовательно, определения должны быть многоязычными), что дает возможность различным категориям пользователей (от системного аналитика, алгоритмиста до специалиста по компьютерной лингводидактике) иметь общее понимание всех входных и выходных потоков и компонент хранилищ. Определения элементов данных в словаре осуществляются следующими видами описаний:

- описанием значений потоков и хранилищ, изображенных на DFD;

-описанием композиции агрегатов данных, движущихся вдоль потоков,

то есть, комплексных данных, которые могут расчленяться на элементарные символы (например, для MJI-словаря любой термин или базисный информационный компонент может содержать на уровне сеанса обучения такие символы, как терминологическое множество других языков, множество частотных характеристик терминов и т.д.);

- описанием композиции групповых данных в хранилище (например, на каждом сеансе базисному информационному компоненту МЛ-словаря ставится в соответствие композиция альтернативных многоязычных терминов и многоязычных подсказок; мощность группы данных определяется алгоритмами, реализуемыми в МЛ-технологии обучения);

- специфицированием значений и областей действия элементарных фрагментов информации в потоках данных и хранилищ;

описанием деталей отношений между хранилищами.

Современные программно-алгоритмические средства разработки компьютерных обучающих систем требуют применения оригинальных методик при формировании информационной модели данных, используемых при обучении. В основном, это методики, которые базируются на основных идеях структурного системного анализа и на структурных методологиях, относящихся к классу методологий, ориентированных на данные. С позиций ориентированных на данные методологий вход и выход информационной модели являются наиболее важными, структуры данных определяются первыми, а компоненты обучающих процедур технологии строятся как производные от структур данных. Примером этого подхода является DSSD (Data-Structured Systems Development), предложенная Варнье-Орром и ориентированная на разработку систем со структурными данными методология.

Предлагается формировать двухуровневый информационный базис для адаптивной технологии обучения терминологической лексике английского языка.

При организации информационной базы поддержки адаптивной обучающей технологии в виде двух уровней (частотного словаря лингвистического минимума и частотного терминологического словаря) преследуются следующие цели: отразить описанные выше важные при обучении качественные и количественные аспекты употребительной лексики, полученные в результате статистического анализа и описания текста; способствовать организации усвоения лексики и накоплению словарного запаса по рациональной схеме «от простого к сложному», реализуя методику обучения с подкреплением с помощью компьютерных интерактивных средств обучения.

Основными компонентами информационно-теминологического базиса для адаптивной технологии обучения терминологической лексике английского языка являются электронные частотные словари — словарь лексического минимума (Табл.1) и терминологический (Табл.2), построенные по описанному ниже принципу и являющиеся непосредственным компонентом компьютерной системы, реализующей алгоритм обучения терминологической лексике.

Таблица 1 - Фрагмент частотного словаря лексического мини]

Таблица 2 - Фрагмент терминологического частотного словаря

- Ч," ......7 - .,■-_■•'. ■ ./УЛ7-.: /Si-v-':—. -tfA" •'.'■t'.-V. .1 . . -V. .>*-.:• -.'-Л ' • :

a drawing(0.026) that uses shapes(0.017) and lines(0.01) to show(0.21) how the different stages(0.034) in a process(0.05) are connected(0.023) to each other

Блок-схема

Такой подход к формированию информационного базиса позволяет генерировать ассоциативное поле из базовых слов для запоминаемых понятий (см. рис. 2).

Ассоциация — связь между двумя психическими элементами, возникшая в результате опыта и обусловливающая при актуализации одного элемента связи проявление и другого.

Таким образом, заучивая новый термин, человек одновременно повторяет ранее выученные слова ассоциативного поля термина.

Такой подход к формированию информационного базиса приводит к повышению эффективности и продуктивности работы, повышает эффективность работы с текстами, скорость чтения, уменьшает затраты труда.

Flow chart (0.0095)

process (0.05)

drawing (0.026)

stage (0.034)

show (0.21) V

connect (0.023)

shape (0.017) line (0.01)

i)

Рисунок 2 - Ассоциативное поле терминологической лексической единицы.

В третьем разделе представлена текущая версия распределенного мультилингвистического словаря (РМС), обеспечивающего информационную поддержку мультилингвистической адаптивно обучающей технологии и имеющего двухслойную архитектуру, в которую входит «толстый» клиент (содержащий логику работы программы) и база данных (БД). Это дает возможность использовать РМС на нескольких рабочих станциях, расположив мультилингвистическую БД на сервере (например, на ВЦ университета, института или факультета).

Рисунок 3 - Модель данных РМС

Модель данных логически можно разделить на три фрагмента: базовый языковой; мультилингвистический; справочный.

Каждый из них наделен соответствующей функциональностью и решает свои собственные задачи (см. рис. 3).

Архитектура специального программного обеспечения РМС в обобщенном виде приведена на рис. 4. СПО условно разбито на три слоя:

• интерфейс пользователя;

• бизнес-логика;

• уровень работы с БД.

К уровню интерфейса пользователя относятся стандартные визуальные и невизуальные компоненты, поставляемые со средой разработки, а также два менеджера: ActionManager и DataRepresentingManager.

Класс ActionManager занимается обработкой событий элементов графического интерфейса пользователя (ГИП). Фактически, класс ActionManager занимается только управлением процессами, порождаемыми ГИП. Ему запрещается в любом виде хранить и отображать любые данные, полученные из БД.

Класс DataRepresentingManager предназначен для управления отображением информации в СПО РМС. Он осведомлен о том, какую конкретно информацию в каком виде и с помощью каких визуальных компонентов необходимо отображать в СПО, и не умеет самостоятельно получать информацию от уровня работы с БД.

Рисунок 4 - Архитектура СПО РМС

К уровню бизнес-логики относится группа классов, которые распределены в модули по целям и выполняемым функциям системы.

К уровню работы с БД относятся два менеджера: DBManager и QueryManager.

DBManager отвечает за установление соединения с БД, передачу запроса и получение результатов запроса. Никакой промежуточной обработки информации не выполняется.

QueryManager отвечает за создание запросов к БД. Его функции используются уровнем бизнес-логики. Принцип его работы заключается в генерации соответствующего требованиям запроса и передаче его классу DBManager, который уполномочен получить данные.

Четвертый раздел посвящен разработке алгоритмического аппарата адаптивной системы обучения терминологической лексике иностранного языка. Выполнена модификация ранее применявшихся алгоритмов обучения и развита адаптивная модель обучаемого Л. А. Растригина с учетом сформулированного в работе ряда основных требований к реализации алгоритма. В первую очередь, это коснулось методики определения объема очередной порции обучающей информации, генерации ассоциативного поля вокруг запоминаемых терминов и учета ассоциативных связей (выбор терминов, которые «проассоциированы» с наибольшим количеством слов).

Все указанные требования дают возможность модифицировать подход Л.А. Растригина, учитывая особенности построения информационного базиса адаптивно-обучающей технологии.

Стандартная задача обучения может быть естественным образом сформулирована как задача управления. Управление— процесс организации такого целенаправленного действия на объект, в результате которого этот объект переходит в целевое (требуемое) состояние. Блок-схема системы управления для задачи обучения показана на рис. 5.

Здесь объект управления является объектом обучения (назовем его условно «ученик»), а управляющее устройство— обучающим устройством (назовем его условно «учитель»). «Учитель» подает на вход «ученика» порцию обучающей информации С/; У— состояние «ученика», подаваемое на датчик (в роли датчика может выступать, например, контрольная работа или опрос на семинаре, т.е. тест); ¥'— информация о состоянии «ученика», получаемая «учителем». «Учителю» сообщаются цели обучения 2* и ресурсы Я, которыми он располагает для обучения.

Очевидно, что объект управления задачи обучения является сложным объектом, точной априорной модели которого не существует, т.е. к его управлению применимы все известные принципы управления сложным объектом и, как известно, из теории управления без адаптации невозможно построение эффективного управления данным объектом.

Под адаптацией понимается процесс изменения параметров, структуры системы, и, возможно, управляющих воздействий на основе текущей информации с целью достижения определенного состояния системы при начальной неопределенности и изменяющихся условиях работы.

Рисунок 5 - Блок-схема процесса обучения

Задача обучения в общем виде может быть сформулирована как: организовать обучение I/, изменяющее состояние У ученика таким образом, чтобы выполнялись поставленные цели обучения 2*:

и=чкх',г*«), (1)

где ср—алгоритм обучения.

Для достижения сформулированной цели обучения Ъ* предлагается решать локальную задачу оптимизации, формулировка которой представлена в работе. Результатом решения этой задачи является локально-оптимальная порция ОИ и п *. Значение критерия (в работе обозначен как £>„) вычисляется к моменту начала п-го сеанса обучения. Включаем в множество ип * те элементы ОИ, запоминание которых на п-м сеансе обучения обеспечит наибольшее уменьшение <2„ к концу сеанса обучения. Для минимизации значения £)„ к концу сеанса обучения естественно включать в и „* элементы

ОИ, имеющие наибольшее произведение p¡{t?)q¡, так как в результате их запоминания это произведение становится равным нулю и, тем самым, наибольшим образом снижает значение Qn. Здесь р^!) — вероятность незнания

и

элемента ОИ; <7, (0 <#( < I, = 0 — частота появления ¿-го элемента ОИ.

м

Модифицированный алгоритм реализует предложенный двухэтапный подход к обучению, определяет оптимальный для конкретного обучаемого объем модуля, формирует порцию ОИ с учетом ассоциативных связей и специфики формирования информационного базиса, сокращая временные затраты обучаемого.

Таким образом, оригинальность алгоритма формирования порции ОИ заключается в двухступенчатом формировании множества лексических единиц (ЛЕ) и учете ассоциативных связей между ЛЕ (см. рис.2).

Здесь в = {в,.....вк}— множество номеров лексических единиц

частотного словаря лингвистического минимума. С = {С,,...,СХ} — множество номеров лексических единиц частотного терминологического словаря, где К + Ь = N.

Элементы матрицы ассоциативных связей 2 принимают следующие значения: ги е {0,1} , где =0 — нет ассоциативной связи между 1-й и./-й ЛЕ; =1 —ассоциативная связь между 1-й и/-й ЛЕ существует.

Пусть Т„ — продолжительность п-го сеанса обучения (или его временной объем), полученный с помощью метода определения объема порции обучающей информации. Располагая временным ресурсом Т„ необходимо найти М„ максимальных членов в сумме, соответствующей критерию обученности, индексы которых определят очередную порцию ОИ, выдаваемую обучаемому для заучивания. Для этапа обучения лексике лингвистического минимума (базовой лексике) можно записать:

и, =агё шах Р1((1)д1 П

;Е(г1 --•'¡к! ,„(г г ,

Пул 1)

(2)

■MS......вк)

lsiSJC tV-Tlr1'

i*u, I*/ „,

1 Mr- ',j*0)

U" = arg 1С«* m/f Pi {ti)4i П Pi Vj ^J

isfi'F MC,...CL} i*u (r=1.2.....Jlift-n lsysi

Л '' ' je{j: ¿¡.1*0}

где arg тах{д/} = i*— индекс i максимального значения выражения at. Объем порции Мп зависит от ресурса Т„. Чем меньше вероятность незнания элемента, тем меньше времени необходимо на его заучивание. Предположим, что время заучивания ¡-го элемента прямо пропорционально вероятности его незнания. Тогда объем М„ очередной порции Un определяется из следующего соотношения:

М, = max \м :Тп ä k„ ■ У р,(/,)}

«"«1 i.e.;/ J, О)

где Т„ — время, отведенное на заучивание порции ОИ, определенное по методу определения объема порции обучающей информации къ— среднее время заучивания ЛЕ базового словаря при первом его предъявлении ученик}'.

Аналогично получены выражения для этапа обучения терминологической лексике, однако учитывается кс — среднее время заучивания терминологической ЛЕ при первом ее предъявлении ученику. Основные шаги алгоритма, обеспечивающего определение объема порции обучающей информации, представлены на рис.6.

Сеанс первый для текущего «тала?

твгау

[нет]

Jl

Í С момента заучивания до ^тестирования прошло более суток?

7)

[да]

[да]

[н=т]

/-^

/ Доля запомненных

( лексических единиц \еоставила не менее 95'

Определить вероятность того, что доля запомненных ЛЕ на следующие сутки после заучивания составила бы не менее 95%

í

Ж.

Вероятность менее О,

№

[НВТ] ±_

Оценить сложность заучиваемых ЛЕ для обучаемого

3

ж

у м 6

у-ЛОпределить временнойУ^ объем модуля />

Рисунок б - Определение объема порции обучающей информации

Основные этапы алгоритма обучения представлены на рис.7. В работе также получена оценка скорости сходимости алгоритма обучения для рассмотренного выше правила образования порций ОИ. Полученные оценки являются оценками сверху для алгоритма обучения с данным правилом образования очередной порции ОИ

Рисунок 7 - Этапы алгоритма обучения

Получен интервал, в котором будет лежать значение Я, соответствующее количеству сеансов, на которое сократится обучение при применении методики обучения с подкреплением. Сокращение обеспечивается тем, что базовые слова проассоциированы хотя бы с одним терминологическим словом, следовательно, показ терминологического слова означает повторный показ базового слова.

В разделе 5 предложенные в работе алгоритмы и подходы к адаптивному обучению были программно реализованы в системе адаптивного обучения терминологической лексике английского языка. В качестве основы для реализации системы была разработана системная архитектура, показанная на рисунке 8.

Рисунок 8 - Архитектура системы адаптивного обучения терминологической лексике

Последовательность этапов и логика функционирования системы представлены на рисунке 9.

вход в систему и выбор словаря

ж:

(5

Выбранный частотный словарь изучался ранее обучаемым?

^^/скопировать словарь в модель\ памяти обучаемого )

Последняя сессия завершена?

Провести тестирование

[иет)

5

^бумавмый

Ж-

Предварительное обучение закончено? )

С

[д«1

ж.

Сообщить об окончании обучения

3 €

(г

Й«]

ж.

[нет) ^ ^Начать предварительное^ обучение

Настроить параметры модели

Ж

5

Определить объем порции обучающей информации

ж

Й1М

Все базовые ЛИ выучены?

3

[нет] ^ ^Сформировать модуль из базовых ЛИ

£

[да]

Ж.

Сформировать модуль из терминов

£

ж

Выдать модуль пользователю для обучения

5

Рисунок 9 - Алгоритм работы системы обучения терминологической лексике

Данная архитектура имеет три четко определенные слоя, содержащие скрытые и защищенные детали и связанные друг с другом через формальные и явные интерфейсы.

Система реализована на Visual С# 2.0 в среде Visual Studio 2005. В качестве сервера баз данных система использует SQL Server 2005 Express Edition. Для работы системы требуется операционная система Windows с предустановленным .NET Framework 2.0.

Выбор платформы обусловлен удобством использования Visual Studio 2005 и платформы .NET для разработки приложений и простотой использования SQL Server 2005 для создания баз данных и использования их из разработанных на Visual Studio программ. Использование платформы .NET обусловило применение в ходе программной реализации прототипа системы объектно-ориентированных технологий, являющихся наиболее передовыми технологиями проектирования и разработки программного обеспечения на сегодняшний день.

Данные, полученные в результате эксперимента, представлены в таблице 3.

Таблица 3 - Результаты экспериментов

Эксперимент 1 : i = 0.24 f = 0.32

Объем Доля

обучающего Количество запомненного

модуля m сеансов S материала Ws M* X tcp

m = M* = 40 15 0.92

m= 22 27 0.99

m= 68 19 0.6 40±3 0,001 1.3 мин

Эксперимент 2: i = 0.37 f = 0.52

Объем Доля

обучающего Количество запомненного

модуля m сеансов S материала Ws M* X tcp

m = M* = 33 24 0.9

г— II а 41 0.94

m= 53 27 0.7 33±3 0,003 1.7 мин

Эксперимент 3: Y = 0.67 7" = 0.51

Объем Доля

обучающего Количество запомненного

модуля m сеансов S материала Ws M* X tcp

m = M* = 22 36 0.92

m= 11 69 0.94

m= 32 44 0.66 22±2 0,005 2.6 мин

Эксперимент показал, что разработанный алгоритм определения объема модуля обучающей информации позволяет сократить число сеансов обучения.

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

Основные результаты и выводы

1. Разработана и реализована технология формирования информационного обеспечения систем адаптивного обучения терминологической лексике иностранного языка, основанная на двухэтапном подходе к обучению, что позволяет реализовать методику «обучение с подкреплением» и сократить временные затраты обучаемого.

2. Построена адаптивная модель обучаемого, учитывающая трудности запоминания им учебного материала при определении объема обучающего модуля.

3. Разработан алгоритм определения объема обучающего модуля на основе зависимости объема забытого материала от временного объема порции обучающего модуля.

4. Модифицирован алгоритм обучения Л.А. Растригина, синтезирующий управление с учетом ассоциативных связей заучиваемых понятий, сложности усвоения учебного материала обучаемым и использующий алгоритм определения объема обучающего модуля.

5. Разработана и внедрена текущая версия распределенного мультилингвистического словаря, обеспечивающего информационную поддержку мультилингвистической адаптивно обучающей технологии и имеющего двухслойную архитектуру, в которую входит «толстый» клиент, содержащий логику работы ПО, и база данных.

6. Разработана модульная архитектура адаптивной системы обучения терминологической лексике, реализующая предложенный метод формирования информационного обеспечения и разработанные модели и алгоритмы обучения.

7. На основе разработанной • архитектуры программно реализована и внедрена мультилингвистическая система адаптивного обучения терминологической лексике иностранного языка, использование которой при компьютерном обучении способствует эффективному применению созданного модельно-алгоритмического обеспечения и минимизации общего времени освоения терминологической лексики.

Основные публикации по теме диссертации.

Статьи в научных изданиях, рекомендованных ВАК РФ:

1. Шукшина, Е.Е. О способах программной реализации эмпирической поддержки мультилингвистической адаптивно-обучающей технологии / Карасева М.В., Ступина А.А., Шукшина Е.Е // Системы управления и информационные технологии. №1.2(39), 2010.- С. 297-300.

2. Шукшина, Е.Е. Мультилингвистическая адаптивно-обучающая технология для индивидуальной языковой подготовки специалистов // Вестник Сиб. гос. аэрокосмич. ун-та им. акад. М.Ф. Решетнева: сб. науч. трудов / под общ. ред. проф. Г.П. Белякова; Сиб. гос. аэрокосмич. ун-т - Вып. 2 (28).-Красноярск, 2010.- С. 118-121.

3. Шукшина, Е.Е. Адаптивная система обучения терминологической лексике английского языка / М.А. Селиванова, Т.А. Фонина, Е.Е. Шукшина // Вестник Сиб. гос. аэрокосмич. ун-та им. акад. М.Ф. Решетнева: сб. науч. трудов / под общ. ред. проф. Г.П. Белякова; Сиб. гос. аэрокосмич. ун-т - Вып. 2 (23).-Красноярск, 2009,- С. 108-114.

4. Шукшина, Е.Е. Процедура построения частотного словаря на основе лексически связанных компонентов / И.В. Ковалев, В.О. Лесков, Е.Е. Шукшина // Вестник Сиб. гос. аэрокосмич. ун-та им. акад. М.Ф. Решетнева: сб. науч. трудов / под общ. ред. проф. Г.П. Белякова; Сиб. гос. аэрокосмич. ун-т - Вып. 2 (23).- Красноярск, 2009.- С. 119-122.

5. Шукшина, Е.Е. Использование тезаурусов при построении мультилингвистических моделей распределенных информационных систем / М.В. Карасева, М.А. Селиванова, П.В. Зеленков, Е.Е. Шукшина // Вестник Сиб. гос. аэрокосмич. ун-та им, акад. М.Ф. Решетнева: сб. науч. трудов / под общ. ред. проф. Г.П. Белякова; Сиб. гос. аэрокосмич. ун-т - Вып. 3 (24).- Красноярск, 2009.- С. 52-55.

Прочие публикации по теме диссертационного исследования:

6. Шукшина, Е.Е. О развитии речевых навыков на уроках английского языка // Аграрная наука на рубеже веков: мат-лы Всерос. науч.-практ. конф. / Краснояр. гос. аграр. ун-т. - Красноярск, 2005. - С. 193-194.

7. Шукшина, Е.Е. Ролевая игра как средство формирования творческой личности П Повышение роли университетов в развитии регионов: мат-лы научно-метод. конф. / Краснояр. гос. аграр. ун-т. - Красноярск, 2005. - С. 171173.

8. Шукшина, Е.Е. Обучение речевому взаимодействию на занятиях английского языка студентов менеджеров // Аграрная наука на рубеже веков: мат-лы регион, науч.-практ. конф. 4.1 (Секц. 1-7)/ Краснояр. гос. аграр. ун-т. -Красноярск, 2006. - С. 426-428.

9. Шукшина, Е.Е. Интернет-технологии в системе дистанционного образования // Инновации в системе непрерывного профессионального образования: мат-лы Всерос. науч-метод.конф./ Краснояр. гос. аграр. ун-т. -Красноярск, 2006. - С. 306-307.

10. Шукшина, Е.Е. Электронные учебные пособия в системе открытого современного образования II Молодые ученые - науке Сибири: сб. тр. молодых ученых. Вып. 2 / Краснояр. гос. аграр. ун-т. - Красноярск, 2006. - С. 76-77.

11. Шукшина, Е.Е. Обучающие программы иностранному языку // Инновации в науке и образовании: опыт, проблемы, перспективы развития: мат-лы Всерос. очно-заочной науч.-практич. и науч.-метод. конф., посвящ. 55-летию КрасГАУ. 4.1. Повышение качества непрерывного профессионального образования / Краснояр. гос. аграр. ун-т. - Красноярск, 2007. - С. 251-252.

12. Шукшина, Е.Е. Электронный информационно-терминологический базис систем дистанционного образования / Д.И. Ковалев, Е.Е. Шукшина // Вестник НИИ СУВПТ: сб. научн. тр. / под общ. ред. проф. Н.В. Василенко,-Вып. 25,- Красноярск: НИИ СУВПТ, 2007,- С. 129-131.

13. Шукшина, Е.Е. Поддержка системы дистанционного образования на базе Интернет-технологий // Вестник НИИ СУВПТ: сб. научн. тр. / под общ. ред. проф. Н.В. Василенко.- Вып.25,- Красноярск: НИИ СУВПТ, 2007.- С. 132136.

14. Шукшина, Е.Е. Тематико-ориентированные компьютерные программы обучения иностранному языку // Вестник НИИ СУВПТ: Сб. научн, тр. / под общ. ред. проф. Н.В. Василенко,- Вып.25.- Красноярск: НИИ СУВПТ, 2007,-С. 147-149.

15. Шукшина, Е.Е. Специализированное программное обеспечение для подготовки электронных учебников в системе дистанционного образования // Вестник НИИ СУВПТ: сб. научн. тр. / под общ. ред. проф. Н.В. Василенко.-Вып.25.- Красноярск: НИИ СУВПТ, 2007.- С. 145-146.

16. Шукшина, Е.Е. Система дистанционного образования с использованием Интернет-технологий / М.А. Селиванова, Е.Е. Шукшина // Вестник НИИ СУВПТ: сб. научн. тр. / под общ. ред. проф. Н.В. Василенко.-Вып.25,- Красноярск: НИИ СУВПТ, 2007.- С. 150-154.

17. Шукшина, Е.Е. О современных обучающих программах иностранному языку // Проблемы современной науки: мат-лы междунар. заоч. науч. конф. / Краснояр. гос. аграр. ун-т. - Красноярск, 2008. - С. 98-99.

18. Шукшина, Е.Е. Об использовании компьютерных средств обучения в образовательном процессе // Проблемы современной науки: мат-лы междунар. заоч. науч. конф. / Краснояр. гос. аграр. ун-т. - Красноярск, 2008. - С. 106-107.

19. Шукшина, Е.Е. Система дистанционного образования с использованием Интернет-технологий // Проблемы современной науки: мат-лы междунар. заоч. науч. конф. / Краснояр. гос. аграр. ун-т. - Красноярск, 2009. -С. 275-278.

20. Шукшина, Е.Е. О преподавании иностранного языка с использованием современных информационных технологий // Проблемы современной науки: мат-лы междунар. заоч. науч. конф. / Краснояр. гос. аграр. ун-т. - Красноярск, 2009. - С. 296-297.

Разработки, зарегистрированные в Федеральной службе по интеллектуальной собственности, патентам и товарным знакам:

21. Шукшина, Е.Е. Метапоисковая мультилингвистическая система «Metasearch 1.0» / П.В. Зеленков, И.А. Борисова, И.В. Ковалев, И.Н. Кардан, Е.Е. Шукшина. - М.: Роспатент, 2008. -№ 2008615917.

22. Шукшина, Е.Е. Двухблочный трехуровневый электронный англонемецко-русский частотный словарь по информатике и системному анализу / В.О. Лесков, И.В. Ковалев, М.В. Карасева, И.Н. Карцан, Е.Е. Шукшина. - М.: Роспатент, 2009. - № 2009620363.

23. Шукшина, Е.Е. Программа формирования информационного базиса мультилингвистической адаптивно-обучающей технологии «Multi-Linguistic Basis 1.0» / Е.А. Дмитриева, И.В. Ковалев, Д.И. Ковалев, М.А. Селиванова, Е.Е. Шукшина. - М.: Роспатент, 2009. - № 2009613282.

24. Шукшина, Е.Е. Система программно-алгоритмической поддержки мультилингвистической адаптивно-обучающей технологии «Multi-Teacher Support 1.0» / Е.А. Дмитриева, М.В. Карасева, И.В. Ковалев, Д.И. Ковалев, Е.Е. Шукшина - М.: Роспатент, 2009. - № 2009613280.

Санитарно-эпидемиологическое заключение № 24.49.04.953.П. 000381.09.03 от 25.09.2003 г. Подписано в печать 1.06.2010. Формат 60x84/16. Бумага тип. № 1962 Печать - ризограф. Усл. печ. л. 1,0 Тираж 100 экз. Заказ № 534 Издательство Красноярского государственного аграрного университета 660017, Красноярск, ул. Ленина, 117

Введение.

1. Мультилингвистическая адаптивная технология интерактивного обучения терминологической лексике.

1.1. Мультилингвистическая среда информационно-образовательного взаимодействия при языковой подготовке специалистов.

1.2. Специфика компьютерных технологий обучения при реализации интерактивного режима.

1.3. Классификация компьютерных программ обучения языку.

1.4. Современные проблемы развития информационной технологии обучения иностранным языкам: мультилингвистический подход.

1.4.1. Теоретические основы мультилингвистической адаптивно-обучающей технологии.

1.4.2. Информационно-терминологический базис MJl-технологии.

Выводы по разделу 1.

2. Информационное обеспечение мультилингвистической технологии интерактивного обучения терминологической лексике.

2.1. Электронные частотные профессионально-ориентированные словари.

2.2. Анализ и отбор текстов для формирования электронных частотных словарей.

2.3. Формирование структуры информационно-терминологической базы.

2.3.1. Двухуровневая структура информационного базиса.

2.3.2. Специфика построения модели обучения.

2.4. Оценка качества полученного частотного словаря.

Выводы по разделу 2.

3. Распределенная мультилингвистическая система терминологической лексики иностранного языка.

3.1. Анализ предметной области.

3.2. Современные программные средства словарей-переводчиков.

3.3. Распределенный мультилингвистический словарь - РМС.

3.3.1. Структурная схема РМС.

3.3.2. Модель вариантов использования.

3.3.3. Описание модели данных.

3.4. Архитектура РМС.

3.4.1. Уровень интерфейса пользователя.

3.4.2. Уровень бизнес-логики.

3.4.3. Уровень работы с БД.

3.5. Модуль автоматизированного пополнения словарной базы.

3.5.1. Методы выявления информативных признаков в задаче классификации электронных текстовых документов.

3.5.2. Методы взвешивания терминов.

Выводы по разделу 3.

4. Алгоритмический аппарат адаптивной системы обучения терминологической лексике иностранного языка.

4.1. Алгоритм адаптивного обучения.

4.1.1.Обучение как управление сложным объектом.

4.2. Формализация задачи обучения.

4.3. Алгоритм обучения с моделью обучаемого.

4.3.1. Метод определения объема порции обучающей информации.

4.3.2. Оценка времени обучения.

4.3.3. Оценка параметров модели.

Выводы по разделу 4.

5. Инструментальные средства программной поддержки мультилингвистнческой системы обработки информации для интерактивного обучения.

5.1. Синтез структуры распределенной мультилингвистнческой системы обработки информации для интерактивного обучения.

5.2. Специальное программное обеспечение формирования информационного базиса МЛ-систем адаптивного обучения.

5.2.1. Специальное программное обеспечение формирования РМС.

5.2.2. Алгоритм работы СПО формирования РМС.

5.3. СПО адаптивной системы обучения терминологической лексике.

Выводы по разделу 5.

Актуальность работы характеризуется тем, что широкое внедрение информационных технологий в различные сферы образовательной деятельности и наличие огромного количества разработчиков специального программного (ПО) и информационного обеспечения (ИО) компьютерных систем обучения ставит проблемы повышения эффективности разработки и функционирования этих видов обеспечения, что является одним из факторов успешного развития компьютеризации образования. В рамках методологии системного анализа и адаптации сложных систем отмечается, что внедрение в обучение новых информационных технологий следует рассматривать не только в рамках реализации учебного процесса, но и как фактор, влияющий на структуру программного и информационного обеспечения автоматизированной системы обучения, процесса его формирования, внедрения и сопровождения. Раскрытие данной позиции можно проследить в исследованиях, связанных с рядом аспектов компьютеризации образования и, в частности, развития интерактивного и адаптивного обучения в нашей стране (J1.A. Растригин, И.П. Норенков, В.А. Старых, В.П. Беспалько, Г.А. Доррер и др.).

Главное требование к современным компьютерным обучающим системам состоит в том, чтобы обеспечивать максимальную степень индивидуализации процесса обучения, т.е. его адаптации к каждому конкретному ученику, что не всегда осуществимо при традиционных методах массового обучения. Данное свойство адаптивной технологии дает возможность самостоятельного обучения.

Адаптация в обучающей системе — это процесс изменения параметров и структуры модели объекта (обучаемого) и обучающих воздействий на основе текущей информации, получаемой в ходе обучения, с целью достижения оптимального состояния объекта при его начальной неопределенности и изменяющейся среде.

В работе задача обучения формализуется в виде задачи управления, что дает возможность использовать базовые принципы управления сложными объектами. Результатом управления будет достижение поставленных целей обучения. В этом случае ученик выступает в качестве объекта управления, а учитель или обучающее устройство — в качестве источника управления. В качестве модели обучаемого предлагается модификация адаптивной модели обучаемого Л.А. Растригина применительно к мультилингвистической адаптивно-обучающей технологии. Данная технология направлена на решение проблемы обучение иностранному языку во многих неязыковых ВУЗах и имеет профессиональную ориентацию, так как одним из основных моментов в таком обучении является освоение характерной для учебной специальности иностранной терминологии.

Следует отметить, что развитие информационных технологий на сегодняшний день позволяет разработать эффективный программно-алгоритмический аппарат для создания компьютерных адаптивно-обучающих систем, в том числе, и для изучения иностранной терминологической лексики.

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

Объект исследования: адаптивные компьютерные обучающие системы, базирующиеся на мультилингвистических частотных терминологических словарях.

Предмет исследования: специальное программное и информационное обеспечение мультилингвистических систем адаптивного обучения терминологической лексике.

Цель работы: повышение эффективности процесса адаптивного обучения терминологической лексике за счет разработки специальных программно-алгоритмических и информационных средств, реализуемых в виде компьютерной адаптивно-обучающей системы.

Для достижения поставленной цели решались следующие задачи:

- формализация задачи обучения терминологической лексике в виде задачи управления сложным объектом;

- разработка структуры и метода формирования и реализации информационного обеспечения технологии адаптивного обучения терминологической лексике иностранного языка;

- построение адаптивной модели обучаемого, учитывающей трудность запоминания материала для конкретного пользователя, при определении объема обучающего модуля;

- разработка алгоритма определения объема модуля обучающей информации на основе зависимости объема забытого материала от временного объема порции обучающего модуля;

- модификация алгоритма обучения Л.А. Растригина с целью повышения его эффективности при изучении терминологической лексики иностранного языка; разработка архитектуры мультилингвистической системы адаптивного обучения терминологической лексике, реализующей предложенные алгоритмы обучения и предложенный метод формирования информационного обеспечения данной технологии; программная реализация мультилингвистической системы адаптивного обучения терминологической лексике иностранного языка с использованием разработанной архитектуры.

Методы исследования. Для решения поставленных задач использовались методы системного анализа, оптимизации, методологии прикладного структурного анализа, аппарат теории управления, адаптации сложных систем и теории вероятностей.

Научная новизна работы.

Предложена и реализована новая технология формирования информационного обеспечения систем адаптивного обучения терминологической лексике, оригинальность которой заключается в двухэтапном подходе к обучению лексике иностранного языка, реализующем методику «обучения с подкреплением», которая сокращает временные затраты обучаемого.

Разработан новый алгоритм определения объема обучающего модуля и построена адаптивная модель обучаемого, учитывающая сложность усвоения им учебного материала.

С использованием алгоритма определения обучающего модуля проведена модификация алгоритма обучения JI.A. Растригина, позволившая осуществить синтез управления с учетом ассоциативных связей заучиваемых понятий, сложности усвоения учебного материала обучаемым и использующая алгоритм определения объема обучающего модуля.

Разработана модульная архитектура масштабируемой адаптивной системы обучения терминологической лексике иностранного языка, отличительной особенностью которой является то, что она может использоваться как прототип для разработки аналогичных систем, применяемых в компьютеризированном обучении.

Для информационной поддержки мультилингвистической адаптивно-обучающей технологии разработан распределенный мультилингвистический словарь, особенностью которого является двухслойная архитектура, включающая «толстого» клиента, содержащего логику работы программного обеспечения, и базу данных.

Значение для теории. Результаты, полученные при выполнении диссертационной работы, имеют существенное значение для теории построения мультилингвистических адаптивно-обучающих систем и направлены на повышение качества разработки и функционирования специального математического, программного и информационного обеспечения этих систем. Данные результаты являются значимыми для развития модельно-алгоритмического обеспечения систем анализа информации на основе компьютерных методов обработки информации.

Практическая ценность.

Разработанная в диссертации программа формирования информационного базиса мультилингвистической адаптивно-обучающей технологии «Multi-Linguistic Basis 1.0» применена при создании компьютерных интерактивных средств изучения профессионально-ориентированной лексики на базе системы «Virtual Teacher 1.2». Использование системы программно-алгоритмической поддержки мультилингвистической адаптивно-обучающей технологии «Multi-Teacher Support 1.0» способствует эффективному применению алгоритма интерактивного обучения, обеспечивая минимизацию общего времени освоения терминологической лексики при компьютерном обучении.

Реализация результатов работы. Работа выполнялась в рамках ряда проектов АВЦП «Развитие научного потенциала высшей школы» (20062008), в частности, РНП 2.2.2.3.9676 «Мо дельно-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 КрасГАУ (2008-2012).

Наиболее важные алгоритмы и структуры данных, разработанные в ходе диссертационной работы, получили программную реализацию и четыре из них зарегистрированы в Федеральной службе по интеллектуальной собственности, патентам и товарным знакам.

Апробация работы. Основные положения и результаты работы прошли всестороннюю апробацию на Всероссийских и международных конференциях, научных семинарах, научно-практических и научно9 методических конференциях. В том числе, на Всероссийской научно-методической конференции «Повышение роли университетов в развитии регионов» (Красноярск, 2005), Всероссийской научно-практической конференции «Инновации в системе непрерывного профессионального образования» (Красноярск, 2006), Всероссийских научно-практических конференциях «Аграрная наука на рубеже веков» (Красноярск, 2005-2006), Всероссийской очно-заочной научно-практической и научно-методической конференции, посвященной 55-летию КрасГАУ «Повышение качества непрерывного профессионального образования» (Красноярск, 2007), Всероссийской научно-практической конференции РАЕ «Исследования в области образования, молодежной политики и социальной политики в сфере образования» (Москва, 2009), международных заочных научных конференциях «Проблемы современной науки» (Красноярск, 2008-2009). Докладывались на научных семинарах кафедры математического моделирования и информатики КрасГАУ (2005-2010 гг.).

Публикации. По теме диссертации опубликовано 24 работы автора, 5 из них опубликованы в ведущих рецензируемых научных журналах и изданиях, рекомендуемых ВАК РФ для опубликования основных научных результатов диссертационных исследований. 4 программные разработки прошли регистрацию в Роспатенте.

Выводы по разделу 5.

1. На основе анализа существующих моделей синтеза информационных структур распределенных информационно-образовательных сред предложена модель, использующая элементы теории множеств, и обеспечивающая синтез структуры распределенной системы на основе тезауруса. Одним из преимуществ данной модели является возможность ее применения в двух режимах: частотный и без использования частотных характеристик терминов. Выявлен существенный недостаток современных моделей, как правило, не используется мультилингвистичность информационного обеспечения в современных распределенных информационно-образовательных средах.

2. В разделе представлена выполненная модификация модели синтеза структуры информационного обеспечения в распределенной системе на основе тезауруса, учитывающая мультилингвистический случай представления информации. Это существенно повышает ее значимость для современных распределенных информационно-образовательных сред, т.к. большинство ведущих, как российских, так и зарубежных вузов, работают на международном рынке и, как следствие, осуществлять обучение, основываясь только на одноязычных учебно-методических материалах, сегодня уже нецелесообразно.

3. Касаясь разработанного СПО формирования РМС, следует отметить, что в результате проделанной работы выполнен ряд важных задач:

- произведен анализ структуры мультилингвистических частотных словарей (информационного базиса);

- выработаны необходимые алгоритмы формирования мультилингвистических частотных словарей (информационного базиса),

- произведена программная реализация полученных алгоритмов.

4. Рассмотрены системные аспекты разработки адаптивной обучающей системы терминологической лексике английского языка. В этой связи, можно сформулировать следующие основные выводы:

- Программно реализованы информационно-алгоритмические средства поддержки адаптивного обучения в виде информационной адаптивной обучающей системы.

- В качестве основы для реализации системы была разработана трехслойная системная архитектура, преимущества которой обеспечиваются независимостью слоев и согласованием информационной и функциональной моделей и позволяют использовать ее как прототип для разработки аналогичных систем для применения их в компьютеризированном обучении иностранным языкам.

ЗАКЛЮЧЕНИЕ

1. Разработана и реализована технология формирования информационного обеспечения систем адаптивного обучения терминологической лексике иностранного языка, основанная на двухэтапном подходе к обучению, что позволяет реализовать методику «обучение с подкреплением» и сократить временные затраты обучаемого.

2. Построена адаптивная модель обучаемого, учитывающая трудности запоминания им учебного материала при определении объема обучающего модуля.

3. Разработан алгоритм определения объема обучающего модуля на основе зависимости объема забытого материала от временного объема порции обучающего модуля.

4. Модифицирован алгоритм обучения Л.А. Растригина, синтезирующий управление с учетом ассоциативных связей заучиваемых понятий, сложности усвоения учебного материала обучаемым и использующий алгоритм определения объема обучающего модуля.

5. Разработана и внедрена текущая версия распределенного мультилингвистического словаря, обеспечивающего информационную поддержку мультилингвистической адаптивно обучающей технологии и имеющего двухслойную архитектуру, в которую входит «толстый» клиент, содержащий логику работы ПО, и база данных.

6. Разработана модульная архитектура адаптивной системы обучения терминологической лексике, реализующая предложенный метод формирования информационного обеспечения и разработанные модели и алгоритмы обучения.

7. На основе разработанной архитектуры программно реализована и внедрена мультилингвистическая система адаптивного обучения терминологической лексике иностранного языка, использование которой при компьютерном обучении способствует эффективному применению созданного модельно-алгоритмического обеспечения и минимизации общего времени освоения терминологической лексики.

1. Агапова, О.И. О трех поколениях компьютерных технологий обучения / О.И. Агапова, А.О. Кривошеев, А.С. Ушаков // Информатика и образование. №2, 2004. - с.34-40.

2. Александров, Г.Н. Программированное обучение и новые информационные технологии обучения // Информатика и образование. — №5, 1999.-c.7-19.

3. 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.

4. 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.

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

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

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

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

9. 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.

10. Галеев, И.Х. Модели и методы построения автоматизированных обучающих систем (обзор). // Информатика. Научно-технический сборник. Серия Кадровое обеспечение. — Вып.1. — М.: ВМНУЦ ВТИ, 1999. с.64-72.

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

12. 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. с.3-10.

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

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

15. Довгялло, A.M., Ющенко Е.Л. Обучающие системы нового поколения /A.M. Довгялло, Е.Л. Ющенко // УСиМ. №1 - 1988. - с.83-86.

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

17. Жарков, И.В. Автоматизированные обучающие системы // Прикладное языкознание / Под ред. Гердт А.С. СПб., 1996. — с.59-68.

18. Зеленков, П.В. Автоматизация формирования информационно-терминологического базиса мультилингвистических обучающих технологий / И.В. Ковалев, П.В. Зеленков // Телекоммуникации и информатизация образования. №3 (28), 2005. - с. 68-82.177

19. 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. 2021.

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

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

22. 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.

23. 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.

24. Карберри, С. Модели пользователя: проблема неадекватности //Новое в зарубежной лингвистике. — Вып. 24. М., 1999. - с.259-291.

25. Кириллов, В.П. SSADM — передовая технология разработки автоматизированных систем //Компьютеры + программы. — №2, 2004. — с.8-17.

26. Кирилова Г.И. Динамизация процесса обучения как фактор перехода к информационному обществу // Казанский педагогический журнал №3, 1996.-с. 45-50.

27. Кирилова, Г.И. Информационные технологии и компьютерные средства в образовании. //Educational Technology & Society, 2005 № 4(1), http://ifets.ieee.Org/russian/depository/v4il/html/5.html

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

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

30. Корпачева, JI.H. 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.

31. Кривицкий, Б.Х. О систематизации учебных компьютерных средств. //Educational Technology & Society, 2009 № 3(3), http://ifets.ieee.Org/russian/depository/v3i3/html/3.html

32. Кривошеев, А.О. Разработка и использование компьютерных обучающих программ // Информационные технологии, 2006. №2. -с.14-18.

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

34. Кручинин, В.В. Разработка компьютерных учебных программ. -Томск, 1998.

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

36. Лаутербах, Р. Программное обеспечение процесса обучения / Р. Лаутербах, К. Фрей // Перспективы. Вопросы образования. — №3, 1998. с.70-79.

37. 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

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

39. Машбиц, Е.И. Диалог в обучающей системе. — Киев, 1989.

40. Нелюбин, JI.JI. Компьютерная лингвистика и машинный перевод. — М., 1991.

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

42. 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.

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

44. Растригин Л.А. Адаптация сложных систем. Методы и приложения. Рига: Зинатне, 1981. 375 с.

45. Растригин, Л.А. Адаптивное обучение с моделью обучаемого. Рига: ч Зинатне, 1988.

46. 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.

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

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

49. 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

50. 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.

51. 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.

52. 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.

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

54. 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.

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

56. Шукшина, Е.Е. О способах программной реализации эмпирической поддержки мультилингвистической адаптивно-обучающей технологии / Карасева М.В., Ступина А.А., Шукшина Е.Е // Системы управления и информационные технологии. №1.2(39), 2010. с. 297-300.

57. Шукшина, Е.Е. О развитии речевых навыков на уроках английского языка // Аграрная наука на рубеже веков: мат-лы Всерос. науч.-практ. конф. / Краснояр. гос. аграр. ун-т. — Красноярск, 2005. — с. 193-194.

58. Шукшина, Е.Е. Ролевая игра как средство формирования творческой личности // Повышение роли университетов в развитии регионов: мат-лы научно-метод. конф. / Краснояр. гос. аграр. ун-т. — Красноярск, 2005.-с. 171-173.

59. Шукшина, Е.Е. Обучение речевому взаимодействию на занятиях английского языка студентов менеджеров // Аграрная наука на рубеже веков: мат-лы регион, науч.-практ. конф. 4.1 (Секц. 1-7)/Краснояр. гос. аграр. ун-т. Красноярск, 2006. - с. 426-428.

60. Шукшина, Е.Е. Интернет-технологии в системе дистанционного образования // Инновации в системе непрерывного профессионального образования: мат-лы Всерос. науч-метод.конф./ Краснояр. гос. аграр. ун-т. Красноярск, 2006. - с. 306-307.

61. Шукшина, Е.Е. Электронные учебные пособия в системе открытого современного образования // Молодые ученые науке Сибири: сб. тр. молодых ученых. Вып. 2 / Краснояр. гос. аграр. ун-т. — Красноярск, 2006. - с. 76-77.

62. Шукшина, Е.Е. Поддержка системы дистанционного образования на базе Интернет-технологий // Вестник НИИ СУВПТ: сб. научн. тр. / под общ. ред. проф. Н.В. Василенко. Вып.25. - Красноярск: НИИ СУВПТ, 2007-с. 132-136.

63. Шукшина, Е.Е. Тематико-ориентированные компьютерные программы обучения иностранному языку // Вестник НИИ СУВПТ: Сб. научн. тр. /185под общ. ред. проф. Н.В. Василенко. Вып.25. - Красноярск: НИИ СУВПТ, 2007. - с. 147-149.

64. Шукшина, Е.Е. Система дистанционного образования с использованием Интернет-технологий / М.А. Селиванова, Е.Е. Шукшина // Вестник НИИ СУВПТ: сб. научн. тр. / под общ. ред. проф. Н.В. Василенко. Вып.25. - Красноярск: НИИ СУВПТ, 2007. - с. 150154.

65. Шукшина, Е.Е. О современных обучающих программах иностранному языку // Проблемы современной науки: мат-лы междунар. заоч. науч. конф. / Краснояр. гос. аграр. ун-т. Красноярск, 2008. — с. 98-99.

66. Шукшина, Е.Е. Об использовании компьютерных средств обучения в образовательном процессе // Проблемы современной науки: мат-лы междунар. заоч. науч. конф. / Краснояр. гос. аграр. ун-т. — Красноярск, 2008.-с. 106-107.

67. Шукшина, Е.Е. Система дистанционного образования с использованием Интернет-технологий // Проблемы современной науки: мат-лы междунар. заоч. науч. конф. / Краснояр. гос. аграр. ун-т. — Красноярск, 2009. с. 275-278.

68. Шукшина, Е.Е. О преподавании иностранного языка с использованием современных информационных технологий // Проблемы современной науки: мат-лы междунар. заоч. науч. конф. / Краснояр. гос. аграр. ун-т. Красноярск, 2009. - с. 296-297.

69. Шукшина, Е.Е. Метапоисковая мультилингвистическая система «Metasearch 1.0» / П.В. Зеленков, И.А. Борисова, И.В. Ковалев, И.Н. Карцан, Е.Е. Шукшина. М.: Роспатент, 2008. - № 2008615917.

70. Шукшина, Е.Е. Двухблочный трехуровневый электронный англонемецко-русский частотный словарь по информатике и системному анализу / В.О. Лесков, И.В. Ковалев, М.В. Карасева, И.Н. Карцан, Е.Е. Шукшина. М.: Роспатент, 2009. - № 2009620363.

71. Шукшина, Е.Е. Система программно-алгоритмической поддержки мультилингвистической адаптивно-обучающей технологии «Multi-Teacher Support 1.0» / Е.А. Дмитриева, М.В. Карасева, И.В. Ковалев, Д.И. Ковалев, Е.Е. Шукшина М.: Роспатент, 2009. - № 2009613280.

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

73. 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.

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

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

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

77. Ingraham, В. 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.

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

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

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

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

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

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

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

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

86. 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.

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

88. 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.