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 | Публікації | Модель навчального Web-контенту Tree-Net як основа для інтеграції керування знаннями і безперервним навчанням

Модель навчального Web-контенту Tree-Net як основа для інтеграції керування знаннями і безперервним навчанням

Модель навчального Web-контенту Tree-Net як основа для інтеграції керування знаннями і безперервним навчанням

Титенко, С. В. Модель навчального Web-контенту Tree-Net як основа для інтеграції керування знаннями і безперервним навчанням / С. В. Титенко, О. О. Гагарін // Системні дослідження та інформаційні технології. – 2009. – № 1. – С. 74–86.

Вступ

Україна стоїть перед викликом впровадження і підтримки освітніх процесів за принципом «навчання впродовж усього життя». В умовах «інформаційного вибуху» і бурхливого розвитку інформаційних технологій, коли щорічний приріст знань складає 4-6%, а фахівець отримує до 50% знань після закінчення навчального закладу і майже 30% загального обсягу свого робочого часу мусить витрачати на поновлення професійних знань [1], питання побудови ефективних систем підтримки безперервного навчання набуває особливої значущості. Дедалі більшого значення набуває корпоративне навчання. Найвищим капіталом організації є співробітники, а їх особистий розвиток і інтелект – найвищою технологією. У свою чергу останнім часом велика увага приділяється також технологіям управління знаннями (УЗ) організації у контексті навчання [2, 3]. Знання організації – це різноманітна інформація, необхідна для підтримки основних бізнес-процесів організації на високому рівні, а також для адекватного реагування на різноманітні впливи [4]. Управління знаннями фокусується на тому, як організація визначає, створює, здобуває, розподіляє і застосовує знання.

Як корпоративне навчання, так і управління знаннями мають справу із обміном знаннями і створенням співтовариств, в яких розповсюджуються знання. Дистанційне навчання в контексті безперервної освіти і управління знаннями беруть свій початок від однакових задач: навчання, покращена здатність виконувати робочі завдання, здатність приймати ефективні рішення та позитивно впливати на навколишнє співтовариство. Пошуки шляхів синтезу обох процесів набувають значущості і мають потенціал оптимізувати процеси, пов’язані із знаннями, інтегруючи задачі управління знаннями і навчання.

Не зважаючи на спільні риси, дистанційне навчання у рамках підходів на базі класичних систем дистанційного навчання (СДН) і управління знаннями мають характерні відмінності. Узагальнюючи, слід вказати основні різниці у використанні і ставленні до знань у цих областях. Управління знаннями носить динамічний характер, подає актуальні у часі знання, проте часом ці знання не достатньо добре структуровані і не підходять для повноцінного безпосереднього використання у навчальних курсах. Натомість дистанційне навчання фокусується на поданні опрацьованих і добре структурованих знань за допомогою навчальних планів, які часто носять статичний характер. Недоліком тут є те, що такі знання часом втрачають свіжість і актуальність, характерну для задач управління знаннями. Тому архітектура класичних систем дистанційного навчання погано задовольняє вимоги до процесів управління знаннями. Такі провідні системи дистанційного навчання як WebCT і Blackboard створені у більшій мірі для підтримки класної діяльності, аніж для незалежних досліджень або самонавчання [2].

Експерти з управління знаннями, зазначаючи неефективність стандартних рішень систем дистанційного навчання для УЗ [2, 3, 5], рекомендують активно збагачувати ці системи виконанням ряду задач. Аналізуючи ці рекомендації, можна зазначити наступні додаткові вимоги до функціональності СДН у контексті УЗ: 1) робити експертів організації більш «видимими» один для одного, підтримуючи експертні співтовариства для обміну знаннями і досвідом; 2) застосовувати моделі компетенцій і профілів спеціалістів для удосконалення навчальних процесів та співробітництва для навчання; 3) єднати навчальні матеріали з реальними і актуальними сховищами знань; 4) підтримувати експертні співтовариства у створенні якісних навчальних об’єктів. У свою чергу слід виділити наступні проблеми, характерні для застосування підходів управління знаннями для організації навчання: 1) структурування знань системи УЗ для забезпечення подальшої можливості використання цих знань у навчальних цілях в рамках навчальних програм; 2) генерація навчальних курсів і персональних навчальних середовищ на основі ресурсів системи УЗ.

Доцільним для реалізації синтезу управління знаннями і безперервного навчання є застосування концепції, у якій управління знаннями відіграє роль сховища, або репозитарію, а навчальний процес є процесом використання цього репозитарію.

Основною сутністю, матеріалом, яким маніпулюють СДН і системи УЗ є контент. Під контентом (від англ. content) прийнято розуміти будь-яке змістовне наповнення інформаційного ресурсу – тексти, графіка, мультимедіа. У Web-сайтах для кінцевого користувача контент організується у вигляді сторінок засобами гіпертекстової розмітки. Бурхливий розвиток Інтернету призвів до появи багатьох програмних систем, які автоматизують управління інформацією Web-сайтів і застосовують різноманітні методи організації і навігації Web-контентом, такі як каталогізація і рубрикація контенту, технології міток (тегів), організація меню, розділів і підрозділів сайту. Такі системи управління контентом, або CMS (content management systems) широко представлені на ринку. Навчальний Web-контент – це контент освітніх сайтів, порталів дистанційного навчання та інших Інтернет-систем, який використовується для передачі знань користувачам. У зв’язку із специфічними дидактичними завданнями СДН подання навчального контенту не може бути в повноті задоволене звичайними CMS-системами. У зв’язку з цим набули поширення спеціальні класи систем, які служать для управління навчальним контентом і організації навчання: CMS – courseware management systems, системи управління курсами, LMS – learning management systems, системи управління навчанням, LCMS - learning content management systems, системи управління навчальним контентом, а також СДН – системи дистанційного навчання (термін СДН характерний для вітчизняних систем).

Модель освітнього процесу за вимогами безперервного навчання на базі управління знаннями повинна містити етап побудови і адаптивної підтримки релевантного навчального курсу [6]. Підтримку адаптивності слід реалізовувати на основі інтелектуальності контенту, яка закладається на етапі його створення [7]. В свою чергу інтелектуальний контент має стати центральною сутністю для управління знаннями в контексті синтезу СДН і УЗ.

Класичні системи дистанційного навчання, такі як Blackboard, Learning Space, WebCT, Moodle та ін., не здатні забезпечити адаптивність процесу навчання, яка є однією з ключових вимог безперервної освіти [6]. У свою чергу в роботах, що стосуються інтелектуальних і адаптивних навчальних систем пропонуються розвинені моделі контенту і предметної області [8-10], проте тут не приділяється достатньої уваги процесу управління корпоративними знаннями в контексті безперервного і професійно-орієнтованого навчання [6], а також питанням останніх тенденцій у сфері управління контентом Web-сайтів [11]. У зв’язку з цим пропонується модель контенту, як складова інтелектуальної системи безперервного навчання [12, 13], яка у поєднанні з такими компонентами як понятійно-тезисна модель [14], модель контролю і діагностики знань, модель студента, модель професійних компетенцій, модель освітнього запиту і модель педагогічного процесу покликані забезпечити функціонування Web-системи безперервноого навчання за концепцією, в якій управління знаннями відіграє роль підготовки репозитарію або порталу знань, а організація навчання відбувається на основі технологій використання цього репозитарію у якості генератора курсів і персонального навчаючого середовища [15].

Постановка задачі

Ставиться завдання розробки моделі Web-контенту, яка стане підґрунтям для побудови адаптивної системи безперервного навчання через Інтернет в контексті управління знаннями. Модель повинна задовольняти наступні вимоги:

  • ієрархічне і багаторівневе подання великих об’ємів контенту по різним предметним областям;
  • підтримка міжпредметних і різноманітних внутрішньопредметних зв’язків [6];
  • наявність широких можливостей по тематичному і асоціативному групуванню та сортуванню контенту;
  • підтримка еволюційного розвитку освітнього порталу, як необхідна складова в умовах явища «інформаційного вибуху»; доступність функціональності навіть при умові неповного опису [6];
  • повторне використання контенту і організація нових навчальних курсів на основі існуючої інформації;
  • підтримка процесу управління знаннями в контексті процесу безперервного навчання;
  • реалізація широких можливостей управління і навігації Web-контентом в контексті сучасних підходів організації Інтернет-ресурсів, таких як каталогізація і рубрикація контенту, технології міток (тегів), організація меню, розділів і підрозділів сайту [11];
  • інтеграція із іншими компонентами розроблюваної навчальної системи, серед яких понятійно-тезисна модель, як понятійна складова моделювання контенту, а також модель контролю і діагностики знань, модель студента, модель професійних компетенцій, модель освітнього запиту і модель педагогічного процесу [12].

Основні характеристики моделі Tree-Net

Tree-Net – ієрархічно-мережева модель даних, яка є основою для формалізації і структурування інформації освітніх порталів для підтримки безперервного навчання. Tree-Net являє собою сукупність двох ієрархічних структур – дерева елементів контенту і дерева тематичних груп. Між елементами контенту можуть встановлюватись бінарні зв’язки, що дозволяє окрім ієрархії пов’язати контент у мережу на основі асоціативності. Дерево контенту вказує на фізичне розташування контенту, це основна навігаційна модель контенту сайту. Роль дерева тематичних груп – подати ієрархію тем предметних областей. Елементи контенту можуть бути віднесені до однієї чи більше тематичних груп. Таким чином Tree-Net забезпечує як загальне структурування Web-контенту освітнього порталу, так і подання його семантики завдяки моделюванню предметних областей, що служить для інтелектуалізації навчальної системи. Схематично модель контенту Tree-Net зображено на рис.1.

Рис.1. Схематичне зображення Tree-Net моделі: дерево контенту і дерево тематичних груп.

Ієрархічна структура контенту

Ієрархічно-мережева модель даних Tree-Net є основою для формалізації і структурування інформації для Інтернет-систем, в тому числі для освітніх порталів. Опишемо ієрархічну складову структури контенту Tree-Net-моделі.

Елементарним елементом контенту є подання, позначається – vi. Подання відповідає одній Web-сторінці сайту. Зауважимо, що завданням Web-сторінки є подання логічно завершеної порції контенту з точки зору її смислу, тоді як основні налаштування візуального оформлення задаються централізовано для усього порталу за допомогою відповідних Web-технологій. Множина усіх елементів контенту:

V = {vi}, де i=1..nV

Ієрархічна структура контенту визначається тим, що кожен елемент може мати дочірні елементи, які в свою чергу також можуть мати дочірні елементи і так далі. Позначається відображенням:

Ch : V → 2V

Таким чином множина безпосередніх дочірніх елементів для даного елемента контенту a позначається:

Ch(a), a Елемент формули V

Відповідно до ієрархічної структури кожен елемент має один батьківський елемент, що задається відображенням:

F : V → V

При цьому у вершині ієрархії знаходиться абстрактний елемент v=default. Таким чином F(v) позначає батьківський елемент для елемента контенту v.

Множина усіх елементів-нащадків даного елемента e Елемент формули V являє собою послідовне об’єднання множин дочірніх елементів вглиб по ієрархічній структурі. Для визначення елементів-нащадків застосовуватимемо оператор:

Desc(e), e Елемент формули V

Семантичний блок контенту

Семантичні блоки контенту служать для організації контенту багатопредметного Web-порталу і є одним із засобів групування елементів контенту з метою моделювання різноманітних предметних областей. Семантичний блок – це множина елементів контенту, які мають логічну і структурну єдність, вони мають єдине джерело походження, наприклад одне авторство, і подають одну тему. Сюди можна віднести готові статичні курси, контент яких завантажено до системи. Фізично семантичний блок контенту є деякою гілкою у дереві контенту. Для створення нового семантичного блоку елемент, який стане його вершиною, спеціальним чином позначається як «блок», тоді усі його нащадки будуть віднесені до даного блоку. У такий спосіб створюється семантичний блок на основі деякої гілки у загальному дереві контенту. Приклад семантичних блоків зображено на рис.2.

Рис.2. Приклад семантичних блоків. Елементи, позначені як блок, стають частиною нового семантичного блоку разом із усіма їх нащадками.

Множина елементів семантичного блоку визначається оператором Desc(v), де v – вершина блоку у дереві контенту.

Бінарні мережеві зв’язки

Мережева структура контенту полягає у тому, що кожен елемент, окрім зв’язків ієрархії, може мати додаткові зв’язки із іншими елементами. Семантична роль таких мережевих зв’язків – відношення асоціативності. Таким чином, кожен елемент має сукупність пов’язаних із ним елементів. Така мережева структура задається відношенням:

N Елемент формули V Елемент формули V

Дане відношення задається квадратною (nV Елемент формули nV) матрицею Nw = ||nwij||, рядки і стовпці якої відповідають елементам контенту. Елемент матриці nwij числове вираження зв’язку елемента vi з елементом vj. Якщо nwij=0 вважаємо що зв'язок між vi з vj відсутній, а (vi,vj) Елемент формули N.

Формула

Вважаємо, що елемент v може мати прямі, обернені і взаємні зв’язки з іншими елементами. При цьому взаємний зв'язок може бути симетричним. Прямий зв'язок елемента vk з елементом vl існує якщо (vk,vl) Елемент формули N. Обернений зв'язок елемента vk з елементом vl існує якщо (vl,vk) Елемент формули N. Взаємний зв'язок елемента vk з елементом vl існує якщо (vk,vl) Елемент формули N & (vl,vk) Елемент формули N. Взаємний зв'язок елемента vk з елементом vl є симетричним, якщо елементи матриці ||nwij|| nwkl= nwlk.

Різні групи елементів, з якими даний елемент vk пов'язаний будемо позначати наступним чином:

Формула

Псевдоніми і повторне використання контенту

Тенденції примноження інформації і знань ускладнюють однозначну каталогізацію інформаційних об’єктів. Одним з ефективних методів гнучкого управління контентом і побудови ефективної навігаційної схеми Web-сайту є технологія псевдонімів у моделі Tree-Net. Основним завданням цього методу є забезпечення повторного використання вже існуючого контенту для нових специфічних цілей. Відбувається це завдяки можливості розташувати вже існуючий в системі елемент контенту в іншому місті ієрархії. Подібне завдання виникає, наприклад, у випадках, коли цілий розділ або окрема сторінка певного навчального курсу розкриває деяку тему або питання у контексті іншого навчального курсу. Тут включення готової ділянки навчального контенту до нового курсу дасть змогу спростити і прискорити процес його формування. Щоб запобігти ситуацій, коли навчальна ділянка, позбавлена свого контексту, втрачає дидактичну ефективність, дану функцію слід застосовувати для таких елементів контенту, які у рамках предмету, що в них розглядається, володіють логічною завершеністю.

Сутність застосування технології псевдонімів полягає у встановленні відношень між двома елементами контенту, один з яких стає джерелом даних, а інший – їх одержувачем. Відношення псевдонімів описується наступним відображенням:

A: V→V

Таким чином кажемо, що елемент vk є псевдонімом елемента vl у тому разі, коли (vk,vl) Елемент формули A, при цьому vk відіграє роль одержувача, а vl – джерела.

Відношення «псевдонім» розділяється на такі типи: посилання, статична копія, динамічна копія, статична вибірка, динамічна вибірка. Тип відношення керує тим, які саме властивості елемента-джерела отримає елемент-одержувач. Сукупність типів являє собою множину:

ATypes={aLink, aCopy, aSelect, aDCopy, aDSelect}

Типізація відношення псевдонімів задається відображенням:

AType: A→ATypes.

Розкриємо роль кожного з типів. Відношення «посилання»: AType(Ai)=aLink – елемент-одержувач приймає адресу (URL) елемента-джерела, тому фактично є посиланням на нього. Це відношення дає можливість забезпечити навігацію до вже існуючого елементу контенту через інше місце в ієрархії. Таким чином елемент-одержувач стає посиланням на джерело, тобто відсилає до іншого місця у ієрархії контенту.

Статична копія: AType(Ai)= aCopy – усі атрибути копіюються в момент створення, після чого якісний зв'язок із джерелом не потрібен. Від елемента-джерела використовується лише інформація про бінарні і групові зв’язки. Зміна атрибутів статичної копії відбувається безпосереднім чином і не має зв’язку із елементом-джерелом.

Статична вибірка: AType(Ai)= aSelect – Копіюється елемент як статична копія і його нащадки: для елемента копії створюються нащадки - статичні копії усіх нащадків елемента-джерела.

Динамічна копія: AType(Ai)=aDCopy – служить як постійно актуальна копія деякого елемента без його нащадків. Атрибути такого елементу безпосередньо видобуваються із елементу-джерела в кожен момент звернення. Допускається часткова зміна атрибутів динамічної копії із можливістю використання поновлювальних значень атрибутів джерела.

Динамічна вибірка: AType(Ai)=aDSelect – служить як постійна копія деякої гілки. Така вибірка є постійно актуальною копією елемента-джерела і всіх його нащадків, усі ієрархічні зміни гілки-джерела мають вплив на вибірку. Передбачається можливість зміни атрибутів і налаштування елементів і структури динамічної вибірки. Для зміни атрибутів в нащадках слід повторити/змінити ієрархію, створюючи елементи, починаючи від вершини динамічної вибірки, і внести необхідні значення атрибутів. При цьому створені елементи, нащадки динамічної копії, можуть самі бути динамічними або статичними копіями. У такий спосіб виконується гнучке налаштування вибірки.

Тематичні групи контенту і мережеві зв’язки на основі груп

Тематичні групи служать для організації різноманітних міжпредметних і внутрішньопредметних зв’язків між елементами контенту. Тематичні групи використовується для моделювання предметних областей, каталогізації, групування і вибірки асоціативного контенту. Організація тематичних груп відбувається у ієрархічній структурі. Це дозволяє вибудовувати таксономію предметних областей. Кожен елемент контенту може брати участь у довільній кількості тематичних груп. На основі тематичних груп визначаються зв’язки асоціативності між елементами контенту.

Множина G вказує на тематичні або асоціативні групи, в яких можуть брати участь елементи контенту.

G = {g1, …, gnG}, де nG – кількість тематичних груп контенту

Організація тематичних груп відбувається у ієрархічній структурі. Ієрархія груп визначається відображенням, яке ставить у відповідність кожній групі gi множину її дочірніх елементів:

ChG: G →2G

Зауважимо, що кожна тематична група може мати лише одну батьківську групу. Відображення FG задає батьківство тематичних груп:

FG: G → G

Аналогічно, множина усіх груп-нащадків даної групи g Елемент формули G являє собою послідовне об’єднання множин дочірніх елементів вглиб по ієрархічній структурі. Для визначення груп-нащадків застосовуватимемо оператор DescG (g), g Елемент формули G. DescGG (A) — множина нащадків множини груп A Елемент формули G. Визначається як послідовне об’єднання DescG (gi):

DescGG (A)= Елемент формули (DescG (gi)), де gi Елемент формули A, A Елемент формули G

Генеалогічна лінія групи g – це множина усіх її пращурів, визначається оператором AncG(g), g Елемент формули G. Генеалогічна лінія множини груп A Елемент формули G позначається AncGG(A) і визначається як послідовне об’єднання AncG (gi):

AncGG (A)= Елемент формули (AncG (gi)), де gi Елемент формули A, A Елемент формули G

Елементи контенту і їх зв'язок з тематичними групами

Кожен елемент контенту може брати участь у довільній кількості тематичних груп, що задається відображенням:

GV: V→2G

Матриця GVw=||gvwij|| задає це відношення, разом з тим зберігаючи міру відповідності або релевантності даного елемента групі. Так рядки матриці ||gvwij|| відповідають елементам контенту v1,v2,…,vnV, а стовпці – групам g1,g2,…,gnG . Таким чином для кожного елемента vi (і-й рядок) задається множина груп {gj} (стовпці), в яких даний елемент бере участь, при цьому ненульові елементи матриці gvwij вказують на міру відповідності елемента групі. У свою чергу зв'язок множини усіх елементів контенту і групи, до якої вони безпосередньо належать задається відображенням:

VG: G→2V
Дане відображення також задається згаданою матрицею GVw=||gvwij||. Введемо оператор, за допомогою якого будемо визначати множину елементів контенту, кожен з яких бере участь хоча б в одній групі із заданої множини груп. Тобто елементи контенту, що належать множині груп A Елемент формули G, визначаються оператором:
VGG(A)= {v: GV(v) ∩ A Елемент формули 0}

Множину елементів контенту, які беруть участь у групі g або в деякій із її нащадків будемо називати контентом гілки g:

Формула

Множину елементів контенту, які беруть участь хоча б в одній групі із множини A Елемент формули G або в деякій із її нащадків будемо називати контентом множини гілок A Елемент формули G:

Формула

Тематично-асоціативні елементи контенту

На основі тематичних груп ми можемо визначати зв’язки асоціативності між елементами контенту. Виділяємо різні області асоціативності для елементу контенту: найближче коло тематично-асоціативного контенту елементу; помірне, або заглиблююче, коло тематично-асоціативного контенту; широке, тобто узагальнююче, коло тематично-асоціативного контенту.

Найближче коло тематично-асоціативного контенту елементу a, a Елемент формули V – множина елементів контенту, які безпосередньо беруть участь у тих самих тематичних групах, що і даний елемент a, a Елемент формули V. Служить для визначення сукупності найбільш близького за змістом контенту тієї ж тематики. Визначається оператором:

Формула

Помірне (заглиблююче) коло тематично-асоціативного контенту елементу a, a Елемент формули V – множина елементів контенту, які беруть участь в тих же групах, що й a, або в групах, що відповідно є нащадками. Служить для визначення набору контенту тієї ж тематики, у тому числі по темам вужчого специфічного характеру. Визначається оператором:

Формула

Широке коло (узагальнююче) тематично-асоціативного контенту елементу a, a Елемент формули V – це множина елементів контенту, які беруть участь у тих же групах, що й a, а також таких елементів, які беруть участь у групах, які є послідовно пращурами по лінії кожної групи з множини груп елементу a. Служить для визначення контенту тієї ж тематики і тематики більш загальної. Визначається оператором:

Формула

Повне коло тематично-асоціативного контенту елементу a, a Елемент формули V – це контент помірного тематично-асоціативного кола, об’єднаний із контентом широкого кола елементу a. Служить для визначення повного набору асоціативного контенту тієї ж тематики, а також споріднених тематик як більш загального, так і більш специфічного характеру.

Формула

Величину яка вказуватиме на міру асоціативності двох елементів контенту vk i vl називатимемо асоціативною відстанню і позначатимемо Diskl. Асоціативна відстань (або тематично-асоціативна відстань) Disij служить для впорядкування, або сортування асоціативних елементів. Розрахунок цієї величини, окрім структури груп, має також врахувати бінарні зв’язки між елементами. Асоціативна відстань допоможе вибирати із усієї сукупності тематично-асоціативного контенту групи найближчих асоціативних елементів із заданою кількістю елементів в групі.

Засоби побудови персонального навчаючого середовища на основі Tree-Net

Основою для підготовки персонального навчаючого середовища є визначення інтересів користувача і подальший відбір необхідного контенту. Розгалужена структура Tree-Net дає можливість гнучко управляти інформацією і створювати стратегії персонального подання контенту користувачу в залежності від його потреб.

Тут актуальним виявляється задача пошуку асоціативного контенту до деякої сторінки у випадку, коли інформація цієї сторінки цікавить користувача. Знаходження асоціативних елементів контенту даної Web-сторінки відбувається на основі джерел асоціативності. Нижче наведено джерела асоціативного контенту сторінки по порядку їх значимості:

  1. Бінарні зв’язки між елементами контенту.
  2. Елементи-члени тієї ж групи, до якої належить даний елемент.
  3. Елементи того ж семантичного блоку контенту.
  4. Елементи із дочірніх груп.
  5. Елементи із батьківських груп.
  6. Ієрархічні зв’язки у дереві контенту: дочірні елементи, батьківський елемент.

Набір елементів контенту, отриманий в результаті пошуку асоціативних сторінок можна подати структуровано за допомогою оператора Roots.

Робота оператора Roots TN-моделі полягає у пошуку у множині V′ Елемент формули V новоутворених незалежних коренів на основі відношень Ch і F, які описують ієрархію контенту. Потужність |Roots| вказуватиме на кількість утворених дерев на виборці V′. Приклад роботи оператора Roots зображено на рис.3.

Рис.3. Вибірка елементів і визначення вершин оператором Roots.

Новоутворені піддерева можуть розцінюватись як основа для персональних навчальних курсів та за допомогою відношень псевдонімів: посилань, копій і вибірок, – можуть подаватись окремо у якості персонального гіпермедіа середовища.

Висновки

Запропонована модель навчального Web-контенту Tree-Net дозволяє комплексно підійти по вирішення завдань навчання і управління знаннями організації. Tree-Net підтримує еволюційність у створенні порталу – дає можливість розробляти і накопичувати навчальний матеріал поступово, при цьому функції системи будуть доступні на кожному етапі. Таким чином вирішується проблема «всеосвіченості», характерна для випадків застосування жорстких моделей подання знань.

Технологія вибірок і псевдонімів дозволяє повторно використовувати ділянки навчальних матеріалів для нових курсів і навчальних процесів. Tree-Net забезпечує гнучке конструювання нових навчальних курсів і програм на основі вже існуючого в системі контенту.

Семантична складова і дерево тематичних груп дає можливість вибудовувати ієрархію предметних областей. Використання цих даних дає можливість виконувати вибірку, фільтрацію, категоризацію і упорядкування навчального матеріалу на основі семантики вмісту. Все це сприяє використанню Tree-Net для побудови системи управління знаннями.

Модель Web-контенту Tree-Net забезпечує зручні засоби навігації по навчальному контенту на базі WWW. Ієрархічні, бінарні і групові зв’язки між елементами контенту відповідним чином відображаються на елементах навігації. Таким чином користувач отримує широкі можливості для орієнтації і пошуку необхідної йому навчальної інформації і пояснень. Так, на основі груп реалізовано інтеграцію таких сучасних технологій побудови Інтернет-проектів як мітки і каталогізація контенту разом із семантичними технологіями моделювання предметної області, що надає розширені навігаційні можливості користувачам Web-ресурсу на базі Tree-Net.

Різноманітні зв’язки елементів контенту міжпредметного і внутрішньопредметного характеру на базі Tree-Net дають можливість гнучко управляти навчальним контентом і моделювати специфічні області знань, визначаючи релевантну множину контенту, що відповідає інтересам студента. Модель Tree-Net є основою для розробки методів генерації персонального навчаючого середовища і динамічних навчальних курсів для підтримки безперервного навчання.

Разом із іншими компонентами Tree-Net є складовою комплексу моделей для побудови Web-системи безперервного навчання [12]. Про поточні і попередні дослідження щодо розвитку і використання моделі Tree-Net інформується на сайті авторів [16]. Семантична модель навчального контенту Tree-Net практично застосована при побудові освітнього порталу [17].

Література

1. Богданова И.Ф. Непрерывное образование в эпоху перехода к информационному обществу// Актуальные проблемы бизнес образования. Тез. докладов третьей Международной конференции, Минск 2004 – С

. 35-39. http://sbmt.bsu.by/projects/Thesis06.pdf

 

2. Marshall, B., et al. Convergence of Knowledge Management and E-Learning: the GetSmart Experience. in JCDL. 2003. Houston. http://ai.bpa.arizona.edu/go/intranet/Publication/JCDL-2003-Marshall.pdf

3. Efimova L., Swaak J. Converging Knowledge Management, Training and e-learning: Scenarios to Make it Work. Journal of Universal Computer Science, vol. 9, no. 3 (2003), 571-578. https://doc.telin.nl/dsweb/Get/Document-30275/I-KNOW_Efimova_Swaak.pdf

4. Комов С. А. Корпоративные знания – как ими управлять? Журнал "Корпоративные системы", №3, 2005 http://www.management.com.ua/ims/ims108.html

5. Verna Allee. eLearning is not Knowledge Management. LiNE Zine. linezine.com http://www.linezine.com/2.1/features/vaenkm.htm

6. Гагарін О.О., Титенко С.В. Дослідження і аналіз методів та моделей інтелектуальних систем безперервного навчання // Наукові вісті НТУУ "КПІ". – 2007. – № 6(56). – С. 37-48.

7. Brusilovsky, P., Knapp, J. and Gamper, J. ‘Supporting teachers as content authors in intelligent educational systems’, Int. J. Knowledge and Learning, 2006, Vol. 2, Nos. 3/4, pp.191–215.

8. Семикин В.А. Семантическая модель контента образовательных электронных зданий. Автореферат на соискание … кандидата технических наук. Тюмень 2004. http://www.tmnlib.ru/resources/abstract/pdf/Semikin.pdf

9. Brusilovsky, P. Adaptive hypermedia, an attempt to analyze and generalize. In P. Brusilovsky, P. Kommers, & N. Streitz (Eds.), Multimedia, Hypermedia, and Virtual Reality (Lecture Notes in Computer Science, Vol. 1077). Berlin: Springer-Verlag, 288-304. 1996.

10. Brusilovsky, P. KnowledgeTree: A distributed architecture for adaptive e-learning. In: Proceedings of The Thirteenth International World Wide Web Conference, WWW 2004 (Alternate track papers and posters), New York, NY, 17-22 May, 2004, ACM Press, pp. 104-113. 2004. http://www.sis.pitt.edu/~peterb/papers/p641-brusilovsky.pdf

11. Титенко С.В., Гагарін О.О. FreshKnowledge – система управління навчальним Веб-контентом на семантичному рівні // VII международная конференция «Интеллектуальный анализ информации ИАИ-2007», Киев, 15-18 мая 2007г. : Сб. тр./ Ред. кол. : С.В. Сирота (гл.ред.) и др. – К.: Просвіта, 2007. – С. 342-352

12. Gagarin A., Tytenko S. Complex model of educational hypermedia environment for ongoing learning // Образование и виртуальность – 2007. Сборник научных трудов 11-й Международной конференции Украинской ассоциации дистанционного образования / Под общ. ред. В.А. Гребенюка, Др Киншука и В.В. Семенца.– Харьков-Ялта: УАДО, 2007.– С. 140-145

13. Гагарін О.О., Титенко С.В. Проблеми створення гіпертекстового навчаючого середовища // Вісник Східноукраїнського національного університету імені Володимира Даля №4 (110) 2007 Ч.2 - Луганськ 2007 - С. 6-15.

14. Титенко С.В., Гагарін О.О. Семантична модель знань для цілей організації контролю знань у навчальній системі. // Сборник трудов международной конференции «Интеллектуальный анализ информации-2006». – Київ: Просвіта, 2006. – С. 298-307.

15. Гагарин А.А., Луценко А.Н., Титенко С.В. Организация дистанционного обучения как информационный фактор реализации научно-технологической составляющей экономической безопасности государства // Экономическая безопасность государства и информационные технологии в ее обеспечении / под общ. ред. Г.К. Вороновского, И.В, Недина – К.:Знания Украины, 2005, стр. 608-619.

16. http://www.setlab.net Лабораторія СЕТ – Віртуальна лабораторія новітніх інформаційних технологій. Дослідження в області дистанційного навчання.

17. http://www.znannya.org Портал знань – портал дистанційного навчання, побудований на основі Tree-Net

Коментарі відвідувачів (0)
[ Показати коментарі ]

Додайте власний коментар
Автор

Коментар

Кількість входів в цьому місяці : 8139
Приєднуйтесь!
Сторінки, близькі за змістом
Дослідження і аналіз методів та моделей інтелектуальних систем безперервного навчання
Метою роботи є аналіз вимог до інформаційних систем безперервного навчання, а також методів, моделей і технологій їх побудови. Це включає аналіз існуючих методів і технологій інтелектуальних освітніх систем і визначення кола специфічних і слабко розвинених напрямків, які потребують ґрунтовного пророблення у контексті безперервного навчання.
FreshKnowledge – система управління навчальним Веб-контентом на семантичному рівні
Метою даної статті є опис системи управління навчальним вмістом Ін-тернет-сайту на рівні семантики Веб-контенту. Подається концепція ро-боти з контентом у системі FreshKnowledge for E-Learning (FK-EL). Ідея системи полягає у спеціальній структурі збереженні контенту, яка з одного боку є ієрархічною, а з іншого - має риси семантичної мережі. На основі такої моделі система керує відображенням, анотуванням і навігацією інформаційним наповненням сайту.
Complex model of educational hypermedia environment for ongoing learning
This work proposes to solve contemporary educational problems with help of intelligent educational Web-based system which generates learning hypermedia environment. Foundations for such system development were considered. Main issue here is a problem of knowledge representation and knowledge management for education. Formalization has to envelop different knowledge layers connected to learning process. This situation is reflected in corresponded set of models. All these models, combining with each other, make up complex model for knowledge management in the system which generates educational hypermedia environment.
Проблеми створення гіпертекстового навчаючого середовища
У статті іде мова про підхід до побудови освітньої Інтернет-системи, що служить для генерації гіпертекстового навчаючого середовища. Розглядаються сучасні освітні потреби суспільства і перспективи їх вирішення за допомогою інтелектуальних адаптивних освітніх Веб-систем. Подається концептуальний підхід до подання знань для освітнього процесу. Описано комплекс моделей для репрезентації і управління знаннями в рамках освітньої Інтернет-системи, що генерує гіпертекстове навчаюче середовище.
Семантична модель знань для цілей організації контролю знань у навчальній системі
Метою даної статті є подання концепції автоматичної побудови засобів контролю знань на основі спеціальної понятійно-тезисної моделі подання знань та опис програмної реалізації цієї концепції. Ідея полягає у специфічному алгоритмі збереження і наповнення бази знань, на основі якої будуть генеруватись тести. Запропонована ідея втілена у програмному продукті і знаходиться на стадії подальшого дослідження і розвитку.
Організація дистанційного навчання як інформаційний фактор реалізації науково-технологічної складової економічної безпеки держави
В докладі розглянуті проблеми створення та проведення дистанційного навчання за допомогою сучасних інформаційних технологій. Значну увагу приділено автоматизованому проектуванню змісту курсів та методикам автоматизованого тестування знань студентів.
Публікації Лабораторії. Штучний інтелект в освіті. Дистанційне навчання
Публікації. Штучний інтелект в освіті. Дистанційна освіта. Понятійно-тезисна модель для педагогічних цілей.
©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