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 | Дослідження і аналіз методів та моделей інтелектуальних систем безперервного навчання

Дослідження і аналіз методів та моделей інтелектуальних систем безперервного навчання

Завантажити у форматі MS Word статтю Дослідження і аналіз методів та моделей інтелектуальних систем безперервного навчання [DOC].

Дослідження і аналіз методів та моделей інтелектуальних систем безперервного навчання

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.

O. Gagarin, S. Tytenko. Research and analysis of methods and models of lifelong learning intelligent systems, Research Bulletin of NTUU “Kyiv Polytechnic Institute”, no 6 (56), pp. 37-48, 2007

    У роботі проаналізовано особливості безперервної освіти і шляхи їх підтримки у навчальних системах. Зроблено огляд ключових методів і моделей, які повинні лягти в основу інтелектуальної системи безперервного навчання.

Вступ

Стрімкий розвиток технологій спонукає до змін практично в усіх галузях суспільства. Серед них і освітня галузь, яка останнім часом проходить непростий період трансформацій. На наших очах відбувається бурхливий розвиток і перші кроки практичного застосування дистанційної освіти в Україні. Разом з тим, суспільство очікує реалізації нової концепції у навчанні «освіта впродовж усього життя» [1]. Стандартні і достатньо статичні п’яти-шестирічні університетські програми не здатні в повноті задовольнити перемінливі вимоги ринку праці. Інновації пронизують усі сфери життя, постійно змінюючи попит на різні професії і самі професії зокрема. Тому навчання не може завершитися після п’ятого року університету, воно має тривати і надалі. Технології дистанційної освіти мають величезний потенціал відповісти на такий суспільний виклик, надавши зручні механізми підтримки безперервного навчання.

За деякими оцінками, середньорічний темп приросту нових знань становить 4 – 6%. Це означає, що близько 50% професійних знань фахівець повинен одержати після закінчення навчального закладу. Обсяг часу, необхідний для відновлення професійних знань для фахівців з вищою освітою становить 28% від загального обсягу часу, яким володіє працівник протягом усього працездатного періоду. Безперервна освіта стає важливим фактором конкурентоспроможності фахівця на ринку праці. [2]. Уся історія становлення і розвитку навчання людини як самостійної області його діяльності вказує на те, що навчання повинне бути безперервним і адаптивним [3].

Сьогодні ми маємо безліч чудових прикладів Web-систем для організації дистанційного навчання, серед них Blackboard [4], WebCt [5], Moodle [6], IBM LearningSpace [7] та ін. Такі системи впевнено застосовують переваги інформаційних технологій. Проте слід підкреслити – інформаційних, тоді як дедалі більше ми стикаємося з потребою у технологіях знань. Тут передусім слід згадати науковий напрямок, що безпосередньо займається даною проблемою, а саме – дослідження штучного інтелекту і його розділ інженерія знань. Не зважаючи на давню історію і значущі досягнення цього напрямку, дуже специфічно тут постає задача репрезентації знань саме для освіти, так як педагогічне подання часто не вписується в загальну парадигму і класичну постановку проблеми подання знань у штучному інтелекті [8]. У зв’язку з цим виникає потреба розробки специфічних підходів моделювання знань, що надихаються різними галузями з метою ефективного вирішення проблеми подання знань для освіти.

Таким чином, в процесі вирішення задачі розробки і поширення навчальних Web-систем виникають і зміцнюються наукові напрямки на стику педагогічних і комп’ютерних наук – штучний інтелект в освіті [9], «Освітні технології і суспільство» [10,11], семантичний Web-простір у електронному навчанні [12] тощо. Все більше уваги приділяється інтелектуалізації систем навчання. Створюються наукові співтовариства по дослідженню застосування технологій штучного інтелекту в освіті [9-12].

 

Постановка завдання

 

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.

 

Безперервна освіта і вимоги до освітніх систем

 

Потреба в безперервному поповненні й відновленні професійних знань, їхньої актуалізації на продуктивному етапі людського життя обумовлена темпами науково-технічного прогресу, переходом до інформаційного етапу розвитку суспільства, широким застосуванням інноваційних технологій. Аналіз робіт по проблемам безперервної освіти і дистанційного навчання [13-15], а також освіти для дорослих [16-17] дозволив виявити особливості БН і побудувати перелік вимог, які вона ставить до систем безперервного навчання (СБН).

Сьогодні відбувається розширення і диверсифікація освітніх послуг. Послуги БН мають доповнити базову шкільну і вищу освіту. Це демонструється появою таких нетрадиційних освітніх закладів як «Університети без стін», «школи гнучкого навчання», дистанційної освіти. Застосування інформаційних технологій і дистанційного навчання є ефективним методом для підтримки БН.

Основна аудиторія безперервної освіти – дорослі люди. Метою навчання є перепідготовка, підвищення кваліфікації і культурного рівня людей, які подолали вік базового навчання. Тому СБН повинні врахувати особливості навчання дорослих.

БН орієнтується на постійне вдосконалення і цілісний розвиток людини як особистості протягом усього її життя, підвищення можливостей її трудової і соціальної адаптації у світі, що так швидко змінюється. Роботодавці дедалі більше керуються принципом: «Люди – найвища технологія і найцінніший капітал». Тому для СБН необхідно передбачити можливість в одній системі подати курси з різних областей знань, що забезпечить можливість різностороннього навчання. Особливості безперервного навчання і їх відображення в СБН подані в табл.1.

 

 

Таблиця1. Особливості безперервного навчання і їх відображення в СБН.

 

№ п/п

Особливість БН

Пояснення

Відображення в СБН

1.

Актуальність і релевантність навчання

Відповідність змісту освіти розвитку суспільства і технологій, сучасним потребам ринку праці.

Навчання повинне відповідати поточним задачам по освоєнню нових технологій на виробництві, вдосконаленню професійної діяльності робітників, підготовки і перекваліфікації кадрів. Необхідністю стає зв'язок навчання із посадовими обов’язками.

На рівні учня навчання повинне відповідати його потребам, цілям, посаді, безпосередньо допомагати виконувати професійну діяльність.

СБН повинні справлятися з постійно зростаючим об’ємом інформації, так званим «інформаційним вибухом».

Актуальність навчального контенту, зручні методи оновлення і супроводження контенту.

Моделювання кадрових і виробничих задач, моделювання компетенцій, посад, професій.

Встановлення відповідності між компетенціями і навчальними матеріалами.

2.

Орієнтація на негайне застосування отриманих знань

Особливість навчання дорослих виражається у потребі в обґрунтуванні або сенсі навчання. Тобто навчання має бути релевантним і базуватися на особистій потребі у вирішенні практичних посадових, виробничих задач і потребі особистісно-професійного розвитку.

Принцип актуалізації результатів навчання полягає у тому, що доросла людина шукає найшвидшого застосування отриманим у навчанні знанням і навичкам.

Актуальність навчального контенту, зручні методи оновлення і супроводження контенту.

Застосування зв’язків між уміннями і навчальним контентом.

Моделювання навичок та компетенцій і їх зв’язок із навчальним контентом

Релевантне професійним потребам учня подання контенту курсу.

3.

Виявлення і урахування особистого досвіду і знань учня

Виявлення, систематизація і формалізація вже наявного особистого досвіду та знань учня з метою його використання для побудови відповідного навчального процесу

Доросла людина володіє професійним і життєвим досвідом, знаннями і уміннями, які мають бути використанні і враховані при організації навчання.

Методи діагностування, контролю і моделювання знань та навичок учня.

Моделювання попередніх умов за допомогою моделей учня і компетенцій.

Застосування методів побудови курсу на основі попередніх умов навчання.

4.

Корегування і поповнення знань учня

Функція вчителя - корегування і поповнення знань учня з урахуванням їх попереднього виявлення і систематизації, а також у відповідності до цілей учня. На противагу, для базової освіти є характерним подання знань «з нуля» і у повному об’ємі.

Моделювання учня, його цілей, знань і навичок.

Методи побудови навчальних курсів відповідно до цілей студента з урахуванням вже наявних у нього знань і навичок.

Моделювання посад і компетенцій.

Методи побудови релевантних курсів для подолання інтервалів між компетенціями.

5.

Індивідуалізація і гнучкість навчання

Принцип індивідуального підходу до навчання на основі особистісних потреб з урахуванням соціально-психологічних характеристик особистості і тих обмежень, які накладаються його діяльністю, наявністю вільного часу, фінансових ресурсів тощо.

Можливість адаптації вмісту до потреб слухачів, вибір змісту у відповідності до заявленої учнем проблеми, урахування інтересів і проблем студентів.

Моделювання освітніх потреб і цілей учня.

Методи діагностування, контролю і моделювання знань та навичок учня.

Соціально-психологічне моделювання учня.

Методи адаптації навчального процесу на основі відомостей про учня і його поточних навчальних досягнень.

6.

Провідна роль учня в навчанні

Основне положення в освіті для дорослих полягає у тому, що провідну роль процесі навчання відіграє не учитель, а учень. Конструктивізм – педагогічна філософія, що наріжним каменем вважає точку зору учня, якою б «сирою» вона б не була, припускає досягнення результату навчання через особисте засвоєння знання. В БН підкреслюється пріоритетність самостійного навчання.

Забезпечення керованості навчального процесу зі сторони учня.

Застосування моделей учня, відкритих для перегляду, можливість вибору учнем напрямку навчання.

Активне застосування соціальних мереж і електронного спілкування.

7.

Важливість міждисциплінарних знань

 

На перше місце виходять дисципліни, що містять інтегрований матеріал по декільком суміжним областям знань (міждисциплінарні дисципліни).

Моделювання предметних областей. Єдине сховище матеріалів по різним дисциплінам.

Методи підтримки міждисциплінарних зв’язків в навчальних матеріалах.

Моделювання навчального контенту.

8.

Співробітництво в навчанні

Сумісна діяльність учня, співучнів і учителя в процесі навчання грають важливу роль.

Підтримка колективної діяльності, електронного спілкування, освітньої спільноти.

Моделювання соціальних освітніх мереж.

Застосування технологій штучних одногрупників, персоніфікованих помічників тощо.

 

Типова модель використання систем дистанційного навчання передбачає: 1) підготовку конкретного навчального курсу на основі освітніх потреб певної групи людей; 2) організацію доступу до матеріалів курсу; 3) організацію спілкування учасників навчального процесу; 4) проходження студентами точок контролю і завершення курсу іспитом. Проте описані вище особливості безперервного навчання передбачають, що СБН мають бути чимось більшим, ніж просто середовище для передачі статичних навчальних матеріалів певній групі користувачів з можливістю спілкування і подальшим тестуванням. Такі характеристики як індивідуальність, практична доцільність, релевантність, міждисциплінарність та інші особливості БН вимагають якісно інших методів і моделей побудови систем навчання.

Основними вимогами до навчального процесу, який мають забезпечити системи безперервного навчання, є індивідуалізація, релевантність і орієнтація на практичний, прикладний результат. Тому основними якостями систем, в яких реалізуються ці вимоги, будуть адаптивність і інтелектуальність, а також здатність підтримувати прикладний характер навчального процесу. Адаптивність являє собою тенденції функціонування цілеспрямованої системи, які визначаються відповідністю або невідповідністю між її цілями і результатами її діяльності. Адаптивність системи виражається в узгодженні цілей і результатів. [18]. Для СБН цілями будуть індивідуальні навчальні цілі учня, а результатами – результати його навчання на даному етапі навчального процесу. Інтелектуальність СБН передбачає застосування для освітніх процесів вже розроблених технологій штучного інтелекту, а також розробку специфічних методів реалізації «педагогічної свідомості» системи.

Модель освітнього процесу за вимогами безперервного навчання на відміну від класичного дистанційного навчання міститиме такі етапи: 1) визначення освітніх потреб і цілей учня; 2) визначення вже наявних у учня знань та навичок, що відповідають цілям навчання; 3) побудова і адаптивна підтримка релевантного навчального процесу на основі відомостей отриманих на 1-му і 2-му етапах.

Таким чином освітні тенденції і розвиток інформаційних технологій вимагають застосування в системах дистанційного навчання наступних характеристик і функцій: адаптивність; урахування попередніх знань та досвіду студентів; більш ефективне управління навчальним контентом з можливістю повторного використання і поступального розвитку контенту, накопичення та міждисциплінарних зв’язків; генерація навчального курсу; інтелектуалізація соціальних мереж для освіти; інтелектуалізація контролю знань.

 

Технології і методи функціонування інтелектуальних систем безперервного навчання

 

При проектуванні СБН слід враховувати багатий досвід в області розробки інтелектуальних навчаючих систем (ITS) і адаптивних гіпермедіа-систем. Деякі технології, що застосовуються в навчальних Web-системах, беруть також свій початок в таких технологіях як машинне навчання, Data Mining, інформаційний пошук та в інших галузях штучного інтелекту. Адаптивні і інтелектуальні системи навчання широко розглянуті в роботах [19-34]. Аналіз цих робіт дозволив зробити огляд ключових технологій і методів, що застосовуються в таких системах.

Адаптивні гіпермедіа-системи – це усі гіпермедіа-системи, які зберігають особливості користувача в моделі користувача і застосовують цю модель для адаптації до користувача різних візуальних аспектів системи. Іншими словами система повинна задовольняти трьом критеріям: вона має бути гіпертекстовою або гіпермедійною, вона повинна мати модель користувача і вона повинна адаптувати свій гіпермедіа-простір, використовуючи цю модель. [19]

Інтелектуальні навчаючі системи (Intelligent Tutoring Systems, ITS) – це комп’ютерні навчальні системи, що містять моделі освітнього контенту, які визначають чому потрібно навчати і викладацькі стратегії, які визначають, як потрібно навчати. Такі системи роблять висновки щодо оволодіння студентами тими чи іншими темами або завданнями з метою динамічної адаптації контенту або стилю викладання. Моделі контенту (або бази знань, експертні системи чи симуляції) надають цим системам глибини, завдяки чому студенти «вчаться, діючи» в реалістичному і смисловому контексті. [20].

На рис.1 подаються методи і технології, що супроводжують адаптивні гіпермедіа-системи і інтелектуальні навчаючі системи та можуть бути застосовані для потреб систем підтримки безперервного навчання.

 

 

Рис. 1. Методи і технології для інтелектуальних систем безперервного навчання.

 

Методи адаптивних гіпермедіа-систем [21–23]. Адаптація контенту та адаптація навігації – дві найбільші технології, що розглядаються системами адаптивного гіпертексту та адаптивного гіпермедіа. Метою технології адаптивного контенту є пристосування вмісту кожного вузла (сторінки) до цілей студента, знань і іншої інформації, що зберігається в моделі студента. У системі адаптивного подання сторінки є не статичними, а такими, що адаптивно генеруються для кожного користувача.

Метою технології адаптивної навігації є допомога студенту зорієнтуватися і переміщуватися у гіперпросторі за допомогою зміни вигляду видимих посилань. Наприклад, система адаптивного гіпермедіа може адаптивно сортувати, анотувати, або частково сховати посилання поточної сторінки для того, щоб спростити вибір, куди пересуватися далі. Підтримка адаптивної навігації розділяє ту саму мету, що й програмування курсу навчання – допомогти студенту знайти оптимальний шлях через навчальний матеріал. В той же час підтримка адаптивної навігації менше управляюча і більше «партнерська» ніж традиційне програмування: вона провадить студента, залишаючи йому можливість самостійно обрати наступний елемент знань для вивчення, наступне завдання для розв’язання. У контексті WWW, де гіпермедіа є базовою організаційною парадигмою, підтримка адаптивної навігації природною і ефективною.

Адаптивна фільтрація інформації (АФІ) – класична технологія з області інформаційного пошуку. Її мета – знайти декілька елементів, що відповідають інтересам користувача, у великому об’ємі (текстових) документів. У Інтернет ця технологія була використана як у пошуковому контексті, так і в контексті перегляду. Вона була застосована для пристосування результатів веб-пошуку, із використанням фільтрації і впорядкування і для вироблення рекомендацій щодо найбільш відповідних документів серед отриманого набору, використовуючи генерацію посилань. Хоча механізми, що використовуються у системах АФІ, дуже відрізняються від механізмів адаптивного гіпермедіа, на рівні інтерфейсу АФІ для Інтернет найчастіше використовують техніку адаптивної навігації.

Існує два принципово різних типи механізмів АФІ, які можуть розглядатися, як дві різні технології АФІ – фільтрація на основі вмісту і колективна фільтрація. Перша спирається на вміст документа, тоді як остання абсолютно ігнорує вміст, намагаючись замість цього підібрати користувачів, які будуть зацікавлені в однакових документах. Сучасна технологія АФІ широко використовує технології машинного навчання, особливо це стосується фільтрації на основі вмісту. Будучи дуже популярною у області інформаційних систем, АФІ проте не використовувалися у навчальному контексті у минулому. Об’єм навчального вмісту був порівняно невеликим, і потреба спрямовувати користувача до найбільш підходящого матеріалу з легкістю підтримувалася адаптивним програмуванням (плануванням) і адаптивним гіпермедіа. Однак Інтернет з його великою кількістю відкритих освітніх ресурсів зробив АФІ-технологію дуже привабливою для освітян.

Методи інтелектуальних систем навчання [20, 21] Інтелектуальний аналіз рішень має справу із студентськими розв’язками навчальних задач (які можуть змінюватись від простих запитань до комплексних програмних завдань). На відміну від неінтелектуальних контролюючих інструментів, які здатні вказати лише на вірність або хибність розв’язку, інтелектуальні аналізатори можуть сказати, що саме невірно або що розв’язано не повністю, і які пропущені чи невірні знання можуть відповідати за помилку. Інтелектуальні аналізатори здатні забезпечити студента потужною технікою зворотнього зв’язку опрацювання помилок і оновленням моделі студента. Через низьку інтерактивність і адекватність інтерфейсу Інтернет-форм ця технологія була реалізована в Інтернеті одною з перших.

Метою інтерактивної підтримки прийняття рішень є забезпечення студента інтелектуальною допомогою на кожному етапі вирішення проблеми – від надання підказки до повного виконання наступного етапу замість студента. Технологія інтерактивної підтримки прийняття рішень не так популярна у Web-системах, як у окремих інтелектуальних навчальних системах – в основному через проблеми з реалізацією. Як було показано початковими системами, чиста реалізація на стороні сервера не в змозі активно слідкувати за діями студента і може забезпечувати допомогу лише по запиту. Чиста реалізація на стороні клієнта має обмеження по складності. Необхідна функціональність і рівень складності для реалізації інтерактивної підтримки прийняття рішень потребує клієнт-серверної реалізації, але такі системи складніші в реалізації. Слід згадати, що Web-технологія асинхронного обміну даними AJAX надає відповідну технічну платформу для реалізації алгоритмів інтерактивної підтримки прийняття рішень на основі WWW.

Методи інтелектуального колективного навчання [21]. Інтелектуальне колективне навчання – група технологій, розроблена на перехресті двох областей, що початково були далеко одна від одної: комп’ютерна підтримка колективного навчання та інтелектуальні навчаючі системи (ІНС). Сучасний напрямок роботи у використанні штучного інтелекту для підтримки колективного навчання призводить до збільшення рівня взаємодії цих двох областей. Ранні роботи в області інтелектуального колективного навчання виконувались у до-Інтеренет контексті. Сьогодні ж Інтернет та дистанційна освіта забезпечили як платформу, так і зростаючий попит на технології такого типу. У Інтернет-освіті потреба у інструментах підтримки колективного навчання є критичною, тому що студенти рідко особисто зустрічаються один з одним. Інтелектуальні технології можуть корінним чином розширити можливості простих інструментів підтримки колективної роботи (таких як групи потокових дискусій та спільні дошки), що надаються різними системами управління курсами. На даний момент ми можемо зазначити як мінімум три окремі технології у групі інтелектуального колективного навчання: адаптивне формування групи і партнерства, адаптивна підтримка співробітництва та віртуальні студенти.

Технології адаптивного формування груп і партнерства намагаються використовувати знання про співпрацюючих членів групи (найчастіше ці знання представлені у моделях студента) для формування підходящої групи для різних типів колективних завдань. Це можна застосувати, наприклад, для задач по формуванню груп для спільного розв’язання задач та пошуку найбільш компетентного члена групи для відповіді на питання.

Технології для адаптивної підтримки співробітництва намагаються забезпечити інтерактивну підтримку колективного процесу так само, як системи інтерактивної підтримки прийняття рішень допомагають окремому студенту у розв’язанні проблеми. Використовуючи деякі знання про хороші і погані зразки співробітництва (які закладаються на етапі розробки системи або отримуються із журналів спілкування), системи підтримки співробітництва можуть тренувати або консультувати членів колективу. Технологія віртуальних студентів порівняно стара. Замість підтримуючого навчання або співробітництва з позиції старшого над студентами (викладача або консультанта) ця технологія намагається ввести різні типи рівноправних віртуальних партнерів у навчальне середовище, наприклад навчаючий партнер, учень або навіть порушник порядку. У контексті Інтернет-освіти, де студенти спілкуються головним чином через низько пропускні канали (електронна пошта, чат, форуми), віртуальний студент стає дуже привабливим уособленням для реалізації різних стратегій підтримки. Перспективною є інтеграція цього методу з напрямками анімованих агентів та інтелектуальної підтримки співробітництва.

Інтелектуальний моніторинг класів – технологія, дуже актуальна для дистанційної освіти. У контексті Інтернет-освіти «віддалений викладач» не може бачити вирази нерозуміння або загубленості на обличчях студентів. З таким чітким браком зворотного зв’язку стає дуже важко визначити проблемних студентів, що потребують додаткової уваги, яскравих студентів, яким слід кинути виклик. Так само важким є і визначення частин навчального матеріалу, які є занадто легкими, занадто складними, або незрозумілими. Системи освіти на основі Інтернет можуть відслідковувати кожну дію студента, проте викладачу майже неможливо самостійно зробити необхідні висновки на основі великого об’єму даних, які збираються системою. Системи інтелектуального моніторингу класу намагаються використовувати штучний інтелект, щоб допомогти викладачу в даній ситуації. Ця течія роботи зосереджена на підтримці викладача та покладається на такі технології штучного інтелекту як інтелектуальний аналіз даних (Data Mining) і машинне навчання. Можливим є також інтеграція інтелектуального моніторингу класу із адаптивною підтримкою співробітництва з метою інформування викладача про хід колективної студентської роботи і про потребу його особистого втручання для підтримки процесу.

 

Моделі інтелектуальних систем безперервного навчання

 

Автори узагальнюючої моделі адаптивної гіпермедіа-системи AHAM (Adaptive Hypertext Application Model) [23], що ґрунтується на еталонній моделі гіпертексту Декстер [24, 25] пропонують наступну структуру адаптивних гіпермедіа-систем (Рис.2).

 

 

 

Рис.2. Еталонна модель гіпермедіа-систем AHAM.

 

Автори AHAM [23] підкреслюють важливість ряду елементів в адаптивних гіпермедіа-системах:

  • Модель предметної області описує, яким чином інформація системи структурується і поєднується.
  • Модель користувача описує те, яка інформація про користувача повинна зберігатися в системі. Це включає подання цільових для користувача знань, а також і інформацію про вже відвідані ним сторінки.
  • Модель викладання, або модель адаптації, містить педагогічні правила, які визначають, яким чином модель предметної області і модель користувача поєднуються для забезпечення поточної адаптації.
  • Механізм адаптації безпосередньо виконує адаптацію через адаптування або динамічну генерацію контенту сторінок, а також налаштування адрес та типів посилань, щоб провадити кожного користувача індивідуально.

 

Модель предметної області. Основою моделі предметної області в AHAM є поняття. Автори AHAM [23] дуже чітко на концептуальному і технічному рівні виділяють і розмежовують поняття і інформацію системи. Поняття є семантичним матеріалом моделі предметної області. Тоді як фактична інформація, що подається користувачу представляє лише технічний рівень, який певним чином зв’язується із рівнем понять. У [26] також робиться подібне розмежування, при цьому поняття представляють зовнішню по відношенню до контенту семантичну модель предметної області.

У AHAM атомарне поняття відповідає фрагменту інформації. Таким чином це поняття репрезентується порцією інформації, що зберігається на внутрішньо-компонентному рівні. Складеними є поняття, що складаються із набору атомарних. Виділяють також такі складені поняття, що відповідають за певну сторінку – поняття-сторінки. Абстрактні складені поняття складаються із множини понять-сторінок або інших абстрактних понять. Врешті решт усі поняття структуруються за допомогою ієрархії і відношень. Предметна область таким чином моделюється за допомогою мережі понять, які в свою чергу пов’язані із відповідними фрагментами контенту.

Процес співставлення семантичних понять і контенту називають індексацією, тому що визначення набору понять для кожної сторінки нагадує індексацію сторінки за набором ключових слів. Подібна індексація, яку також можна назвати семантичною, як правило виконується вручну авторами курсів або експертами предметної області.

Кожна сторінка пов’язується з одним або більше поняттями, які описують деякий з аспектів цієї сторінки. Семантична індексація сторінок може бути однопонятійною, коли одна сторінка стосується одного і тільки одного поняття зовнішньої моделі, і багатопонятійною, коли кожна сторінка може бути співвіднесена із багатьма поняттями. Тип семантичної індексації для організації гіперпростору великою мірою визначає функціональність адаптивних технологій в системі.

Організація гіперпростору за допомогою однопонятійної індексації породжує строгі вимоги до зовнішньої моделі, яка відповідає за семантику. Тут завжди обов’язковим є наявність зав’язків між поняттями (краще декілька типів зв’язків), які будуть використовуватись для організації гіперпосилань. Іншим обмеженням є те, що цей підхід важко застосувати для вже існуючої традиційної гіпермедіа-системи з метою її перетворення на адаптивну. Багатопонятійна індексація потужніша з точки зору застосування адаптивних технологій в гіперпросторі, натомість вона вимагає глибшої проробки зовнішніх семантичних моделей.

Ще однією важливою характеристикою є тип системи з точки зору відкритості її контенту: закриті або відкриті системи [27, 28]. У системах із закритим контентом його семантична індексація проводиться на етапі створення системи. У системах із контентом, що розширюється, контент індексується автором в момент додавання в систему. При цьому більшість адаптивних гіпермедіа-систем представляють закриті системи [27]. До класу відкритих систем можна віднести інформаційно-пошукові і інформаційно-фільтруючі системи. У системах такого роду контент індексується автоматично, але не на основі моделей з використанням семантичних понять, а на основі моделей орієнтованих на ключові слова.

Нове покоління адаптивних систем доступу до інформації роблять спроби об’єднати понятійні моделі із автоматичною обробкою документів. Багато з цих систем ґрунтуються на автоматичній категоризації документів, де кожен документ автоматично співвідноситься з одним або декількома поняттями існуючої моделі предметної області [29]. Використання подібних підходів є актуальним і для освітніх Web-систем.

Слід згадати про ще один специфічний компонент, який деякі системи містять в моделі предметної області – модель задач [30, 31]. Ця модель відбиває знання про завдання, які мають виконуватись тими чи іншими робітниками. Структура завдань інтегрується із моделлю предметної області і навчальними матеріалами. Такі системи застосовують для підтримки професійної діяльності. Цей напрямок є дуже актуальним в контексті безперервного навчання.

Модель учня. Відмінність адаптивних гіпермедіа-систем від просто гіпермедіа-систем полягає у наявності у перших моделі користувача, на основі якої будується адаптація. Щоб побудувати і підтримувати актуальну модель користувача адаптивна система збирає дані із різних джерел, що включає неявне спостереження за діями користувача і явне опитування та введення ним даних. Модель користувача і адаптація є двома сторонами одного процесу. Кількість і якість інформації, яка представлена в моделі користувача, залежить від типу адаптаційного ефекту, який прагне надати система.

Основними характеристиками, які моделюються і використовуються адаптивними Web-системами є знання, інтереси, цілі, передумови, індивідуальні особливості і контекст роботи користувача. Кожна адаптивна система як правило використовує деяку підмножину даного набору.

Модель користувача залежить від способу моделювання предметної області в системі. Модель знань користувача може бути скалярною, що представляє рівень знань учня в предметній області єдиним значенням по деякій шкалі – кількісним (наприклад, від 0 до 5) або якісним (наприклад, відмінно, добре, задовільно, незадовільно) [27]. Найбільш розповсюдженою є оверлейна модель знань учня. Вона представляє знання учня як підмножину моделі предметної області, яка в свою чергу відображає знання предмета на рівні експерта. Оверлейна модель зберігає для кожного фрагмента знань предметної області деяку оцінку знань користувача по даному фрагменту. Існує також модель на основі помилок, яка представляє як коректні знання студента, так і помилкові.

Моделювання інтересів користувача – новий напрямок, характерний для Web-систем. Інтереси користувача набувають великого значення для адаптивних гіпермедіа-систем у зв’язку із збільшенням об’єму інформації і зростанням популярності таких типів інформаційно-орієнтованих систем як енциклопедії, гіпертекстові системи новин, електронні магазини, музейні гіди та інші системи, в яких доступ до інформації мотивується інтересами. Слід зазначити, що ці тенденції, а також популяризація конструктивізму в навчанні мають вплив і на освітні сервіси, і тому вимагають більшої уваги до моделі інтересів користувача в освітньому контексті. Характерним для інформаційно-пошукових і інформаційно-фільтруючих систем є побудова моделі інтересів на основі ключових слів. Натомість адаптивні гіпермедіа системи адаптували підхід на основі семантичних понять до моделювання інтересів. У даному випадку модель інтересів стає дуже схожою на оверлейну модель знань користувача. Перспективним є синтез підходів на основі ключових слів із підходом на основі понять для моделі інтересів студента.

Цілі і задачі представляють найближчу мету роботи користувача в адаптивній системі. Як правило в навчальних системах в цій моделі представляється навчальна ціль. Досягнення навчальної цілі вирішується автоматичним плануванням і визначенням послідовності навчального курсу. Цілі учня можуть моделюватися за допомогою каталогу цілей. Цей підхід дещо схожий на оверлейну модель. Його основою є заздалегідь визначений каталог можливих цілей учня, які система повинна вміти розпізнавати.

Передумови користувача стосуються його попереднього досвіду поза межами ключової предметної області системи. Сюди слід віднести професію, посадові обов’язки, досвід роботи в пов’язаних областях і навіть специфічний погляд користувача на предметну область [30, 31]. Зазначимо, що подібні характеристики є важливими в контексті безперервного навчання, проте досі вони використовувались в небагатьох системах.

Модель індивідуальних особливостей подає характеристики, які представляють індивідуальність користувача. Сюди відносяться психологічні і особистісні особливості, когнітивні стилі та фактори і навчальні стилі.

Порівняно новим напрямком є моделювання контексту роботи користувача. Сюди слід віднести представлення програмно-апаратної платформи користувача, його географічного положення та емоційного стану [27].

Моделі і механізми адаптації. Принцип функціонування адаптивної навчальної системи схематично зображено на рис.3. [32].

 

Рис.3. Механізм функціонування адаптивної навчальної системи.

 

Адаптаційні можливості системи залежить від застосовуваних в ній моделі предметної області і моделі користувача. На етапі прийняття рішень про адаптацію обираються конкретні методи адаптації на основі результатів етапу моделювання користувача з метою покращити обрані аспекти взаємодії учня і системи. Рішення про адаптацію можуть виражатися в таких діях як показ довідкового вікна для допомоги користувачеві виконати завдання, переструктурування гіперпростору, щоб допомогти студенту орієнтуватися і пересуватися в ньому, надання додаткових пояснень по деякому навчальному поняттю тощо.

Логіка адаптаційних рішень часто подається за допомогою набору правил адаптації [23], які визначають який компонент адаптації потрібно обрати відповідно до результатів моделювання учня. В адаптивних гіпермедіа-системах ці правила відповідають за адаптивне подання контенту і адаптивну навігацію. Для реалізації механізмів адаптації використовуються підходи на основі семантичних понять предметної області і семантичної індексації контенту, ключових слів і автоматичної індексації контенту на базі інформаційного пошуку, а також соціальні механізми, такі як навігація на основі історії і колективна фільтрація [26].

Моделювання взаємодії учасників навчального процесу. Моделі колективної взаємодії в навчанні служать для організації співпраці через Інтернет учасників навчального процесу. Сюди слід віднести такі традиційні засоби спілкування як електронне листування, форуми, блоги, а також wiki-системи.

Окрім спілкування, колективна взаємодія може також виражатися у соціальній навігації [26]. Соціальна навігація може застосовуватися у прямій і непрямій формі. Пряма форма передбачає безпосереднє спілкування і анотування контенту, виражене у коментарях користувачів, які вони мають змогу залишити безпосередньо на сторінці.

Непряма соціальна навігація виражається у методах на основі історії і методах колективної фільтрації. Навігація на основі історії візуалізує узагальнені або індивідуальні дії користувачів щодо поточної сторінки. Так варіантами такого підходу є публікація кількості відвідувань сторінки, або часу, проведеного на ній іншими користувачами та ін. Подібна інформація допомагає зрозуміти, на скільки дана сторінка релевантна спільноті користувачів. На основі візуалізованих даних користувач приймає рішення про власну навігацію. Колективна фільтрація – техніка надання рекомендацій, заснованих на попередньо виражених думках або зацікавленості схожих користувачів. Колективна фільтрація часто реалізується за допомогою рейтингів або оцінювання, а також індикаторів зацікавленості.

У зв’язку з тим, що історія адаптивних і інтелектуальних освітніх систем має корені в до-Інтернет розробках, в них не приділяється достатньо широка увага моделюванню колективної роботи учасників навчального процесу. Проте цей аспект стає досить важливим у контексті сучасних освітніх Web-систем, враховуючи тенденції розвитку Інтернету, що отримали назву Web 2.0.

 

Висновки

 

Огляд основних технологій адаптивних і інтелектуальних навчальних систем дозволяє зробити висновки щодо особливостей застосування таких технологій в контексті безперервної освіти. Одну з проблем багатьох систем можна виразити як принцип «повного інтелектуального керівництва» – тенденції повного контролю над навчальним процесом. Система, будучи педагогічно свідомою, намагається все зробити за користувача і має тенденцію займати позицію повної влади над навчальним процесом. Доцільнішим вбачається підхід за принципом «інтелектуального партнерства», коли система, маючи педагогічну свідомість, спрямовує користувача у дусі радника і надає йому найширші можливості для самостійної адаптації свого навчання. Це дозволяє використати «для допомоги штучному інтелекту» системи природний інтелект учня, що, без сумніву, стане вагомим внеском в ефективність навчання і досить сильно демократизує освітній процес, що відповідає вимогам безперервного навчання.

Крім цього, зважаючи на аналіз особливостей безперервної освіти, слід зауважити, що розглянуті адаптивні і інтелектуальні навчальні системи не приділяють достатньо безпосередньої уваги деяким специфічним вимогам БН: відповідність архітектури системи явищу «інформаційного вибуху», професійна спрямованість навчання, міждисциплінарність знань.

Проблема відповідності архітектури явищу «інформаційного вибуху» [35]. В той час, як адаптивні і інтелектуальні навчальні системи сконцентровані на проблемах всередині курсу, часто поза увагою залишається той факт, що існує потреба в інтенсивній підтримці великої кількості курсів, які потрібно постійно створювати у відповідь на розширення цільових для навчання знань. Ця вимога відображається на функціональність засобів створення і збереження навчальних ресурсів. Ця проблема також виражається як проблема систем із закритим типом контенту [28].

Професійна спрямованість навчання передбачає відповідність кадровим потребам підприємств, зв'язок навчання із посадовими обов’язками. Ця потреба описується як актуальність і релевантність навчання та орієнтація на негайне застосування отриманих знань. Більшість адаптивних і інтелектуальних систем навчання не розглядають такі сутності як посада, професія, компетенція і їх зв'язок із навчальними ресурсами. Не зважаючи на те, що велика кількість систем мають на меті передачу процедурних знань (так звані тренажери), цей клас систем не відповідає завданню систематизації інформаційних навчальних ресурсів у гнучкій відповідності до посадових або професійних обов’язків. Деякі системи класу підтримки виробничої діяльності застосовують модель задач для налаштування навчання [30, 31]. Інтелектуальні системи БН повинні розвинути і розповсюдити цей досвід для підтримки безперервного навчання.

Вимога міждисциплінарності знань, що мають бути засвоєні в процесі навчання пов’язана із професійною спрямованістю і відображає необхідність цілісного навчання для певної посадової або професійної позиції. Цим знову підкреслюється недостатність лише одного погляду всередину курсу, потрібен міждисциплінарний рівень. Тому в інтелектуальних системах безперервного навчання слід передбачити наявність єдиної багатопредметної бази навчальних матеріалів і існування в ній міжпредметних зв’язків.

 

Література

 

1. Томаш Тімар, Пітер Дарваш, Ян Коварович,Сорен Поулсен. Коментарі до Національної доктрини розвитку освіти України (аналіз проекту освітньої доктрини від 15 травня 2001р.) // Бюлетень Програми підтримки вироблення стратегії реформування освіти №2 червень/липень 2001, http://www.irf.kiev.ua/old-site/ukr/programs/edu/2001/bulletin-02.pdf

2. Богданова И.Ф. Непрерывное образование в эпоху перехода к информационному обществу. http://sbmt.bsu.by/projects/Thesis06.pdf

3. Дресвянников В.А. Андрагогика: принципы практического обучения для взрослых // Элитариум: Центр дистанционного образования, 2007 http://www.elitarium.ru/2007/02/09/andragogika.html

4.  Blackboard, інформація за адресою http://www.blackboard.com

5.  WebCt, інформація за адресою http://www.webct.com

6.  Moodle – безкоштовна система управління дистанційними курсами, доступно за адресою http://moodle.org/

7. IBM LearningSpace, інформація на сайті IBM http://www.ibm.com/

8. Гагарін О.О., Гайдаржи В.І., Титенко С.В. Концептуальний підхід до подання знань в інтелектуальній освітній системі // Сучасні тенденції розвитку інформаційних технологій в науці, освіті та економіці: Матеріали Всеукраїнської науково-практичної конференції. 11-13 грудня 2006 р., м. Луганськ. – Луганськ: Альма-матер, 2006. – C.17-19

9. International Journal of Artificial Intelligence in Education (IJAIED) http://aied.inf.ed.ac.uk/

10. Международный Форум "Образовательные Технологии и Общество" – Восточно-евпопейская подгруппа International Forum of Educational Technology & Society http://ifets.ieee.org/russian/

11. International Forum of Educational Technology & Society http://ifets.ieee.org/

12 .International Workshop In Applications of Semantic Web technologies for E-Learning (SW-EL) http://www.win.tue.nl/SW-EL/

13. Сивец С.Д. Непрерывное образование: концепция и ее реализация // Элитариум: Центр дистанционного образования, 2007 http://www.elitarium.ru/2007/09/13/nepreryvnoe_obrazovanie_koncepcija_i_ee_realizacija.html

14. Чошанов М.А. Процесс непрерывного конструирования и реорганизации // Директор школы. 2000. № 4. С. 56-62.

 

15. Michele B. Medved. Creating an Environment for Ongoing Learning. // Learning Circuits - ASTD's Online Magazine Covering E-Learning, 2003. http://www.learningcircuits.org/2003/dec2003/elearn.html

16. Кларин М.В., Андрагогика: наука обучения взрослых // Элитариум: Центр дистанционного образования, 2004 http://www.elitarium.ru/2004/08/25/andragogika_nauka_obuchenija_vzroslykh.html

17. Громкова М.Т.Модульное обучение в системном образовании взрослых // Элитариум: Центр дистанционного образования, 2005 http://www.elitarium.ru/2005/09/06/modulnoe_obuchenie_v_sistemnom_obrazovanii_vzroslykh.html

18. Социальная психология. Словарь / Под. ред. М.Ю. Кондратьева // Психологический лексикон. Энциклопедический словарь в шести томах / Ред.-сост. Л.А. Карпенко. Под общ. ред. А.В. Петровского. - М.: ПЕР СЭ, 2006. - 176 с.

19. Brusilovsky, P. (1996) Methods and techniques of adaptive hypermedia. User Modeling and User-Adapted Interaction, 6 (2-3), pp. 87-129.

20. Murray Т. Authoring Intelligent Tutoring Systems: An Analysis of the State of the Art. International Journal of Artificial Intelligence in Education (1999), 10, 98-129

21. Brusilovsky, P. and Peylo, C. (2003) Adaptive and intelligent Web-based educational systems. In P. Brusilovsky and C. Peylo (eds.), International Journal of Artificial Intelligence in Education 13 (2-4), Special Issue on Adaptive and Intelligent Web-based Educational Systems, 159-172.

22. Brusilovsky, P. (1999) Adaptive and Intelligent Technologies for Web-based Education. In C. Rollinger and C. Peylo (eds.), Special Issue on Intelligent Systems and Teleteaching, Künstliche Intelligenz, 4, 19-25.

23. de Bra, P., Houben, G.J., Wu, H.: Aham: A dexter-based reference model for adaptive hypermedia. In: Proceedings of the ACM Conference on Hypertext and Hypermedia, Darmstadt, Germany (1999) 147–156

24. F. Halasz and M. Schwartz. The Dexter Reference Model. In Proc. NIST Hypertext StandardizationWorkshop, pp. 95–133, 1990.

25. F. Halasz and M. Schwartz. The Dexter Hypertext Reference Model. Communications of the ACM, Vol. 37, nr. 2, pp. 30–39, 1994.

26. Brusilovsky, P. (2007) Adaptive navigation support. In: P. Brusilovsky, A. Kobsa and W. Neidl (eds.): The Adaptive Web: Methods and Strategies of Web Personalization. Lecture Notes in Computer Science, Vol. 4321, Berlin Heidelberg New York: Springer-Verlag, pp. 263-290.

27. Brusilovsky, P. and Millán, E. (2007) User models for adaptive hypermedia and adaptive educational systems. In: P. Brusilovsky, A. Kobsa and W. Neidl (eds.): The Adaptive Web: Methods and Strategies of Web Personalization. Lecture Notes in Computer Science, Vol. 4321, Berlin Heidelberg New York: Springer-Verlag, pp. 3-53.

28. Brusilovsky, P. and Henze, N. (2007) Open corpus adaptive educational hypermedia. In: P. Brusilovsky, A. Kobsa and W. Neidl (eds.): The Adaptive Web: Methods and Strategies of Web Personalization. Lecture Notes in Computer Science, Vol. 4321, Berlin Heidelberg New York: Springer-Verlag, pp. 671-696.

29. Conlan, O., O'Keeffe, I., Tallon, S.: Combining adaptive hypermedia techniques and ontology reasoning to produce dynamic personalized news services. In: Wade, V., Ashman, H., Smyth, B. (eds.) Proc. of 4th International Conference on Adaptive Hypermedia and Adaptive Web-Based Systems (AH'2006). Lecture Notes in Computer Science, Vol. 4018. Springer Verlag (2006) 81- 90

30. Brusilovsky, P. and Cooper, D. W.(2002) Domain, Task, and User Models for an Adaptive Hypermedia Performance Support System. In: Gil, Y. and Leake, D. B. (eds.) Proc. of 2002 International Conference on Intelligent User Interfaces, San Francisco, CA, ACM Press 23-30.

31.Vassileva, J., A task-centered approach for user modeling in a hypermedia office documentation system, User Modeling and User-Adapted Interaction, 6 (2-3)/1996

32. Brusilovsky, P., Karagiannidis, C., and Sampson, D. (2004) Layered evaluation of adaptive learning systems. International Journal of Continuing Engineering Education and Lifelong Learning 14 (4/5), 402 - 421.

33. De Bra, P., Web-based educational hypermedia, Book chapter in: Data Mining in E-Learning, dited by C. Romero and S. Ventura, Universidad de Cordoba, Spain, WIT Press, ISBN 1-84564-152-3, pp. 3-17, 2006.

34. Stash, N., Cristea, A., De Bra, P., Authoring of Learning Styles in Adaptive Hypermedia: Problems and Solutions, Proceedings of the WWW 2004 Conference, New York, NY, USA, May 2004, pp. 114-123.

35. Черняк Л. Адаптируемость и адаптивность // Открытые системы #09/2004 http://www.osp.ru/os/2004/09/184560/

 

Завантажити у форматі MS Word статтю Дослідження і аналіз методів та моделей інтелектуальних систем безперервного навчання [DOC].

Кількість входів в цьому місяці : 18289
Приєднуйтесь!
Сторінки, близькі за змістом
©2006-2024 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
НТУУ "КПІ"
Комп'ютерні науки та програмна інженерія
Друзі і партнери