Пошук по сайту...
Відпочинок для дітей! Табір Райдуга. Чорне море, Крим
Портал Знань Портал безперервного навчання

Портал знань — відкриті навчальні матеріали, дистанційне навчання, дистанційне тестування знань

Навчальні матеріали і Тестування знань


Акція! Сайт, що допоможе дітям...

Лабораторія СЕТ | Дослідження, статті, розробки | Переклади англомовних статей | Онтологія як основа для оцінки знань в інтелектуальних системах дистанційного навчання

Онтологія як основа для оцінки знань в інтелектуальних системах дистанційного навчання

Stankov S., Žitko B., Grubišić A. Ontology as a Foundation for Knowledge Evaluation in Intelligent E-learning Systems // International Workshop on Applications of Semantic Web Technologies for E-Learning (SW-EL ‘05)
http://hcs.science.uva.nl/AIED2005/W3proc.pdf

Переклад: Лабораторія СЕТ www.setlab.net

Онтологія як основа для оцінки знань в інтелектуальних системах дистанційного навчання

Slavomir STANKOV, Branko ŽITKO and Ani GRUBIŠIĆ
Faculty of Natural Sciences and Mathematics and Education, University of Split,
Teslina 12, 21000 Split, Croatia

Анотація

Служби на WWW дали можливість розробляти системи е-навчання, які розглядалися як пряме застосування інформаційних і комунікаційних технологій. Система xTEx-Sys є веб-оболонкою для авторських розробок із середовищем, адаптованим до кожного учасника системи. Формальне подання матеріалу курсу у xTEx-Sys застосовує онтології, що керуються описом знань. Оцінка знань студента в xTEx-Sys реалізована за допомогою використання динамічних контрольних тестів. Ця стаття описує роль онтологій у процесі оцінки знань у xTEx-Sys.

Вступ

Інформаційні і комунікаційні технології у сукупності з мультимедіа, організацією мереж і інженерією розробки програмного забезпечення зробили можливою розробку нового навчального і викладацького середовища. Остання велика віха у цьому середовищі було впровадження Інтернет і WWW, і очікувалося, що всі освітні системи мають бути переконструйовані. Використання цих технологій дозволило створювати оболонки авторської розробки на основі Веб для побудови Веб-орієнтованих інтелектуальних навчаючих систем (ITS - ІНС). Відповідно до традиційної модульної архітектури [1] і ідеї кібернетичної моделі системи [2, 3] ми розробили інтелектуальну гіпермедійну систему авторських розробок, що називається Tutor-Expert System (TEx-Sys) [4]. Ми створили нашу власну модель вивчення і викладання, так само як і сценарій для оцінки знань з використанням баз знань, розроблених за допомогою TEx-Sys. Сьогодні наша робота направлена на реалізацію прототипу розширеної версії TEx-Sys, eXtended Tutor-Expert System, xTEx-Sys [5], у рамках технологічного проекту, заснованого міністерством науки і технологій республіки Хорватія. xTEx-Sys є програмною оболонкою авторських розробок із середовищем, адаптованим до кожного користувача системи: (1) до експерта для створення знань з предметної області у спеціально визначених онтологіях для подання знань, (2) до викладача для створення матеріалів для курсів із використанням визначених онтологій для ієрархічної організації вмісту курсу у розділах, уроках, темах і навчальних елементах (одиницях) для навчання студента і викладацького процесу так само, як і засобів контролю тестового типу для оцінки знань студента (структурні елементи забезпечення курсу), (3) до студента для вибору курсу і навігації вмістом предметних знань за допомогою дидактично підготовленого вмісту курсу і (4) до адміністратора для обслуговування системи. Сценарії для оцінки знань студента становили для нас великий інтерес під час використання TEx-Sys і сьогодні у xTEx-Sys вони досліджуються, реалізовуються і застосовуються. Побудовано за підтримки нашого попереднього досвіду новий метод оцінки знань, заснований на динамічних тестах. Структура подання знань у TEx-Sys звертає увагу на мотивації для вдосконаленого підходу для спеціально розроблених дидактичних онтологій. Подання знань з предметної області у xTEx-Sys засноване на мові Веб-нтологій OWL [6], і таке подання закладає фундамент для перспективи викладача і студента у погляді на процес оцінки знань, який описано у першій частині. Заключні зауваження подаються в другій частині.

1. Оцінка знань

Оцінка знань студентів у xTEx-Sys реалізована на основі тестів вибору. Тест вибору – це таке виконання тесту, коли студент отримує набір питань із приєднаними відповідями, які можуть бути вірними або хибними. Викладач відповідає за установку тестів для курсу. Динамічні тести, які генеруються xTEx-Sys часто використовуються для швидкої оцінки студентських знань. Цей вид тестів має питання, сконструйовані на запитах про поняття і відношення.

Динамічний тест генерує питання із знань деякої предметної області. Враховуючи синтакс OWL для подання знань, запити про поняття перекладені у питання про класи або індивіди, в той час як відношення у питаннях розширені властивостями, що виступають у якості спеціального виду відношень (Табл. 1). Динамічний тест xTEx-Sys має три категорії запитань з різними рівнями складності.

Таблиця 1. Categories and questions in dynamic quiz

Перша категорія

Друга категорія

Третя категорія

Впізнання класу/індивіда

Чим є клас/індивід?

Що є властивостями (які властивості) класу?

Який тип відношення між класами/індивідами?

Хто у відношенні із класом/індивідом?

Яке значення властивості індивіда?

Чи дані два класи/індивіди у відношенні (стосуються один одного)?

Яке відношення між двома класами/індивідами?

Хто і у якому відношенні до класу/індивіду?

Перша категорія містить найпростіші питання, третя містить найважчі питання і питання середньої складності у другій категорії. Процес оцінки знань може спостерігатись з обох позицій, як з позиції студента, так і з позиції викладача. Викладач, як розробник курсу, має визначити, коли студенти повинні проходити тестування. Він готує відправну точку для оцінки знань, яка застосовується студентом. Далі описані алгоритми і завдання з точок зору викладача і студента.

1.1. Подання процесу оцінки знань для викладача

Тест, як частина вмісту матеріалів курсу, може бути створений майже в будь-якому об’єднанні з навчальними об’єктами. Як правило, перша умова, з якою стикаються викладачі під час побудови курсу – наявність знань з предметної області. Коли викладач бажає опублікувати тест, він повинен обрати об’єднання із набору навчальних елементів матеріалів курсу, які міститимуть щойно доданий навчальний об’єкт із функціональністю тесту. Після вводу імені навчального об’єкту система розраховує можливу кількість послідовностей запитань. У випадку динамічного тесту обране об’єднання повинно містити хоча б один навчальний об’єкт, тому що питання генеруються на основі деякої підмножини знань з предметної області, які під’єднані до навчальних об’єктів даного об’єднання. Розрахунок для пропозиції кількості послідовностей запитань ґрунтується на числі окремих елементів знань з предметної області, які зібрані із усіх навчальних об’єктів у об’єднанні, де буде вставлено тест. Алгоритм пропозиції кількості послідовностей запитань братиме до уваги наступні елементи знань предметної області: С – кількість класів, І- кількість індивідів, R – кількість відношень, Р – кількість властивостей, М – кількість медіа-властивостей.

Для кожного динамічного питання, має бути визначеним мінімум умов динамічної генерації. Якщо ми поглянемо на приклад запитання другого типу «Чи {клас/індивід1} і {клас/індивід2} у відношенні?» ми можемо побачити, що його сформовано із питання з незмінним текстом і з динамічними полями для заповнення текстом. У цьому шаблоні {клас/індивід1} і {клас/індивід2} - два динамічні поля для текса, що у процесі тестування заповнюються іменами випадково обраних класів чи індивідів. Крім того, відповіді також можуть містити поля для заповнення, проте даний шаблон має постійні текстові значення, якими є : (1) Ні, (2) Так, у прямому і (3) Так, у непрямому. Для цього типу запитань число відношень (R) має бути більше 1 для генерації питання «Так, у непрямому», у якості правильної відповіді. Більше того, число класів/індивідів (С+І) має бути більшим або рівним 2, і тоді питання може містити два поняття. Ці дві умови складають мінімальну умову генерації для такого типу завдань. Тест у xTEx-Sys повинен мати хоча б один тип питання із кожної категорії. Мінімальна умова генерації для кожної категорії запитань зроблена шляхом сполучення мінімальних умов генерації кожного типу запитання в цій категорії. Отже мінімальна умова генерації тесту включає мінімальні умови кожної з категорій.

Якщо мінімальна умова генерації динамічного тесту задоволена, тоді максимально можливим числом питань є мінімум із набору максимальної кількості згенерованих питань для кожного типу запитань. Наприклад, другий тип запитань має мінімальні умови R>=1 і (C+I)>=2 , таким чином максимальна кількість згенерованих питань має бути min{R, C+I}. В решті решт, коли всі максимальні числа згенерованих питань кожного типу підраховані, тоді максимальна кількість запитань, що може бути згенерована динамічно у тесті, є мінімумом усіх максимальних кількостей питань, що можуть бути згенеровані для кожного типу запитань. Це число подається викладачу; потім він може обрати менше або рівне значення кількості запитань о цьому щойно створеному тесті.

1.2. Робоче місце студента

Надалі, коли студент обирає тестування, система розпочинає процес динамічної генерації питань тесту і його подання. Динамічна генерація тесту у xTEx-Sys означає створення тексту запитань і відповідей на підготовленій множині елементів знань з предметної області на етапі виконання програми. Якщо очікується генерація питань на основі другого шаблону, тоді алгоритм випадково обирає елементи знань предметної області відповідно до запитів полів заміщення для конкретного елемента знань (Рис.1).

Рис.1 Процес генерації запитань

Коли студент запускає динамічний тест, до генератора задачі відсилається початковий рівень складності. Відповідно до цього рівня складності система генерує пари запитань і відсилає їх студенту. Перша пара складається з двох запитань другої категорії. Після розв’язання цієї пари запитань студент відправляє свої відповіді, який мають бути оцінені, даючи таким чином часткові результати тесту. Ці часткові результати використовуються системою і мають дуже важливе значення. Генератор завдання, відповідно до цих часткових результатів оберненого зв’язку вирішує з якої категорії важкості буде наступна пара запитань для передачі студенту (рис.2), або, в гіршому випадку, насильно перериває тест і дає незадовільну оцінку.

Рис 2. Переключення категорій у динамічному тесті.

Загальний результат оцінено після останньої серії питань на основі розрахунку фінальної оцінки відповідно до співвідношення між завершеними пунктами і максимально можливими пунктами. Розрахована оцінка змінюється від незадовільної до відмінної. Подання результату тесту включає не тільки показ кінцевої оцінки, а також і повертає множину вірних відповідей, так само як і послідовність категорій запитань. Таким чином студент може насправді побачити, де він помилився і надалі вибрати поняття або відношення, щоб конкретно побачити де , як і чому він зробив помилку.

2.Висновки

Мова Веб-онтологій як специфікація для подання знань з предметної області у xTEx-Sys поєднує характеристики подання знань на основі мереж і на основі логіки. За допомогою об’єднання цих значущих підходів у поданні знань знання предметної області у xTEx-Sys забезпечують достатньо добру силу виразності і обчислювальні витрати. Онтологія як фундація для оцінки знань підкреслює потенціал динамічних тестів у процесі тестування студентів. З точки зору викладача процес визначення тестів для студента підтримано на рівні, коли викладач має лише ввести ім’я тесту і вказати кількість циклів запитань. З іншого боку, студенту можливо ніколи не буде поставлене те саме запитання під час оцінки знань, і складність запитання буде сильно залежати від вірності відповідей студента.

Порівнюючи попередні результати тестів у xTEx-Sys і в TEx-Sys ми можемо зазначити, що відгуки студентів досить позитивні у багатьох відношеннях. Значною і найбільш важливою різницею є читабельність навчального вмісту, що передбачає краще розуміння питань тесту. Другою важливою зміною є покращений інтерфейс і спрощена функціональність, які роблять систему більш дружньою і простішою у використанні.

Визнання

Ця робота проводилася у рамках проектів 0177110 Обчислювальні і дидактичні аспекти інтелектуальних розробницьких інструментів у освіті, і проект TP-02/0177-01 Веб-орієнтоване інтелектуальне гіпермедійне середовище, заснований Міністерством науки і технології республіки Хорватія.


Література

[1] Burns, H., Capps, C., Foundations of Intelligent Tutoring Systems: An Introduction., in M. C. Polson, J. J. Richardson, Eds.: Foundations of Intelligent Tutoring Systems, Lawrence Erlbaum Associates Publishers, 1988, pp. 1-18

[2] Pask, G. A Cybernetic Model of Concept Learning. Proceedings of 3rd. Congress International. Assoc. Cybernetics, 1961.

[3] Božičević, J., Fundamentals of Automatic Control, Part I – System Approach and Control, 10th Edition, Zagreb: Školska knjiga, 1980 (in Croatian).

[4] Stankov, S., Isomorphic Model of the System as the Basis of Teaching Control Principles in an Intelligent Tutoring System, PhD Diss, Faculty of Electrical Engineering, Mechanical Engineering and Naval Architecture, University of Split, Split, Croatia, 1997 (in Croatian)

[5] Stankov, S., Principal Investigating Project TP-02/0177-01 Web oriented intelligent hypermedial authoring shell, Ministry of Science and Technology of the Republic of Croatia, 2003-2005.

[6] xxxx: OWL Web Ontology Language Guide, W3C Recommendation, 2004, http://www.w3.org/TR/2004/REC-owl-guide-20040210/

Коментарі відвідувачів (0)
[ Показати коментарі ]

Додайте власний коментар
Автор

Коментар

Кількість входів в цьому місяці : 3450
Приєднуйтесь!
Сторінки, близькі за змістом
Лабораторія СЕТ — Семантичні технології в електронному навчанні
Лабораторія СЕТ — лабораторія досліджень і розробок в області інформаційних технологій. Наші дослідження стосуються систем Веб-освіти. Області наукових інтересів: штучний інтелект в освіті, Web, моделі подання знань, дистанційна освіта, системи управління вмістом сайту, семантичне моделювання контенту тощо.
Переклади англомовних статей з галузі AIED - штучний інтелект в освіті
Вашій увазі пропонуються переклади деякий англомовних статей по тематиці AIED - штучний інтелект в освіті.
Дослідження, статті, розробки
Дослідження, які ведуться лабораторією СЕТ. Області досліджень: Штучний інтелект в освіті (AIED), моделі подання знань, синтез дидактики і когнітивної науки. Лабораторія розвиває власний підхід - Понятійно-тезисну модель знань для організації навчання через Веб
©2006-2017 Лабораторія СЕТ, Сергій Титенко
При використанні матеріалів посилання, гіперпосилання для web-ресурсів, на www.setlab.net обов'язкове
Зв'язок: lab@setlab.net 
Лабораторія СЕТ powered by FreshKnowledge
Студія Інновацій — Розробляємо розумні сайти
Rambler's Top100 НТУУ "КПІ"
Друзі і партнери
Український рейтинг TOP.TOPUA.NET