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 | Практична реалізація технології автоматизації тестування на основі понятійно-тезисної моделі

Практична реалізація технології автоматизації тестування на основі понятійно-тезисної моделі

Стаття в форматі Microsoft Word

Дивіться також демонстраційні матеріали до цієї статті.

Титенко С.В., Гагарін О.О. Практична реалізація технології автоматизації тестування на основі понятійно-тезисної моделі. Образование и виртуальность – 2006. Сборник научных трудов 10-й Международной конференции Украинской ассоциации дистанционного образования / Под общ. ред. В.А. Гребенюка, Др Киншука, В.В. Семенца.– Харьков-Ялта: УАДО, 2006.– С. 401-412.

Дана доповідь брала участь у конференції ВІРТ-2006

Гагарін А.А., Титенко С.В.

Національний технічний університет України «КПІ»,
Київ, Україна
E-mail: st@setlab.net

Abstract. The aim of this work is to open an idea of automatic test building on the base of special Concept-Thesis knowledge representation model for E-learning. Program realization of this approach is described. The idea’s essence is in specific user-friendly algorithm of knowledge base filling and structuring. Tests generation goes on the base of knowledge base. The idea is realized in software product and is on the stage of further investigation and development.

Вступ

Сьогодні провідні науковці області дистанційного навчання зосереджені на застосуванні усієї могутності сучасних високих технологій для інтелектуалізації систем дистанційного навчання. Виникають нові наукові напрямки на стику різних наук (педагогіки, комп’ютерних наук, штучного інтелекту, психології та ін.) : штучний інтелект в освіті [1], семантичний Веб-простір у Е-навчанні [2] тощо. Створюються наукові співтовариства по дослідженню застосування технологій штучного інтелекту в освіті [1,2,3,4].

Навчальні комп’ютерні системи мають містити автоматизовану функцію контролю знань та аналізу результатів навчання. У той час, як багато досліджень в області комп’ютерного контролю знань зосереджені на питаннях валідності і надійності тестів, справедливо відшліфовуючи техніку контролю знань [5], питання формування самого банку завдань в більшості випадків залишається виключно прерогативою викладача, що працює з курсом, без пропозицій автоматизації даного процесу. Дійсно намагання автоматизації формування завдань для тесту наштовхується на область штучного інтелекту і питання формалізації знань для подальшого їх використання при складанні контрольних завдань для тесту. Тож постає завдання створення моделі подання знань, на основі якої стане можливою побудова сучасної навчальної системи.

Концепція стиснення або формалізації навчальної інформації спирається на провідні теоретичні положення молодої спеціальної галузі інформаційної технології, яка дуже бурхливо розвивається – інженерії знань. Вона спрямована на дослідження проблем набуття, подання та практичного використання знань. В епоху інформаційної насиченості проблеми компонування знання та мобільного його використання набувають колосальної значимості. З цією метою створюються всілякі типи моделей подання знань у стислому, компактному, зручному для використання вигляді (логічні моделі, семантичні мережі, продукційні моделі й ін.). Поряд із цим ефективні способи стиснення навчальної інформації містяться у відомих психолого-педагогічних теоріях змістовного узагальнення, укрупнення дидактичних одиниць, формування системності знань [6].

У розробці застосовано інтелектуальну технологію з області подання знань для забезпечення автоматизації процесу формування тестів та всього процесу контролю знань у навчальній системі. При цьому серед обов’язкових вимог до технології стоїть її здатність до реального застосування в умовах економічних і кадрових обмежень сучасної системи освіти, зрозумілість і дружність інтерфейсу системи і тестових завдань, що продукуються. На основі розробленої семантичної моделі створено відповідний програмний продукт, де реалізовано запропоновану технологію. Запропонована модель подання знань, яку називаємо понятійно-тезисна модель (ПТМ), знаходиться в процесі розвитку і поглиблення.

Концепція моделі

Запропонована понятійно-тезисна модель знань [7,8] розробляється на стику багатьох наукових областей, серед яких наступні: інженерія знань як напрямок штучного інтелекту [9,10,11,12]; педагогіка, а саме її розділ – дидактика, як частина педагогіки, що розкриває правила викладання [13,14]; інтерпретація (герменевтика, екзегетика), що вивчає правила тлумачення текстів [15,16]; лінгвістика і її розділ семантика, що вивчають закономірності природної мови і проблеми, пов’язані із змістом, значенням, і інтерпретацією лексичних одиниць; і в решті решт базою для реалізації служать комп’ютерні науки - програмування, розробка застосувань баз даних, Веб-програмування.

В освітньому процесі можна виділити три складові: передача навчальної інформації, соціальна складова, що включає спілкування між учасниками освітнього процесу, практичні заняття. Найперша місія дистанційної освіти – спрощення і оптимізація передачі навчальної інформації від носія знань до студента. Історично склалося, що в традиційних формах навчання початковою формою передачі інформації є вербальний спосіб (викладач читає лекцію). Натомість в дистанційному, віддаленому від викладача, навчанні основною формою передачі навчальної інформації стає текст, а точніше гіпертекст і мультимедіа вміст. Тобто основним транспортним засобом, або ж «протоколом» передачі знань є текст, в якому міститься навчальна інформація. Це і є основною підваленою понятійно-тезисної моделі знань.

Можна сказати, що запропонована модель подання знань для освітніх цілей має текстуальний характер. Вважаємо, що саме навчальний матеріал є основним джерелом знань. Тут слід провести паралелі і порівняння з іншими підходами до формалізації знань, традиційними для інженерії знань. Перш за все виділимо семантичні мережі, які викликають широкий інтерес і мають практичне застосування в освітніх технологіях, в тому числі при тестуванні. Невеликий порівняльний аналіз технологій автоматизації тестування наводиться нижче.

В ході аналізу навчальних матеріалів було вирішено розробляти понятійно-орієнтовну модель знань. Це означає, що наріжним каменем структури моделі є така сутність як поняття, предмет обговорення, деякий об’єкт з предметної області, про який в навчальному матеріалі є знання. Для представлення знань про поняття в моделі існують структурні елементи - відомості про об’єкт, або тези про поняття. З кожним поняттям в моделі пов’язується множина відомостей про нього. Викладена ідея і є основою концепції семантичної моделі знань, що розробляється і використовується в цій роботі [7,8].

Поняття вказує на деякий об’єкт з області знань, про який іде мова, і який представляється для вивчення студенту. Наприклад в курсі «Алгоритмічні мови програмування» можна виділити такі поняття: «процедура» , «цикл», «програма», «змінна», «життєвий цикл програми» тощо. Для курсу «Програмування в середовищі Delphi» можна було б виділити такі поняття: «об’єкт», «подія», «клас», «форма», «компонент TEdit» та інше.

Теза – це деяка відомість про поняття. Тезу можна порівняти з ознакою, характеристикою поняття або з будь-яким твердженням, що є істиною для даного поняття. Наведемо приклади: теза про поняття «процедура» - «дозволяє розбити програму на підпрограми», теза про поняття «клас» - «може мати в своїй структурі не тільки поля-властивості, а й методи, тобто функції і процедури».

Порівняльна характеристика деяких підходів до комп’ютерного тестування

Наведемо короткий огляд технологій реалізації тестування, які можуть застосовуватися в системах дистанційного навчання. Порівнюється традиційне створення комп’ютерних тестів вручну і тестування на основі семантичних моделей – на основі семантичної мережі і понятійно-тезисної моделі.

Традиційний підхід до створення засобів тестування фактично являє собою комп’ютеризацію ручного створення тестів. Переваги тут полягають власне у використанні інформаційно-комунікаційних технологій замість письмового тестування, що дає додаткові можливості щодо управління формуванням тестів з банку створених завдань, автоматичної перевірки результатів. Однаково і перевагою і недоліком даного підходу є ручне, неавтоматичне створення завдань. Більш детально характеристика підходу по різним критеріям наводиться в табл.1. Зазначимо лише, що наявність конкретних статичних тестів дає широкі можливості для зосередження на питаннях валідності і надійності тестів [5]. Основним недоліком підходу є висока трудомісткість самого процесу по формуванню банку завдань.

Наріжним каменем семантичних мереж є так звані тріади [10,11]: сутність 1 – відношення – сутність 2. Наприклад є такі сутності «процедура» і «програма». В такому випадку між ними можна встановити відношення типу «є частиною». Тоді отримуємо: сутність «процедура» «є частиною» сутності «програма». Завдання тесту будується шляхом опущення одної з ланок тріади і постановкою запитання про відсутню ланку. Перевагою даного підходу є здатність системи міркувати знаннями з предметної області. Недолік полягає у великих витратах при складанні завершеної цілісної семантичної мережі, яка б коректно відображала дану предметну область, що вивчається.

Детальний огляд реалізації автоматичної побудови тестових завдань на основі ПТМ наводиться далі. Зазначимо деякі принципові риси даного підходу.

Понятійно-тезисна модель передбачає однозначний зв'язок семантичних даних із навчальним матеріалом. Це дає можливості для управління навчальним процесом і процесом контролю знань і їх адаптації. В даному випадку ми маємо інформацію про поняття і їх місце знаходження у навчальному матеріалі. Кількість семантичних одиниць, що стосуються поняття, з легкістю обраховується для кожного навчального фрагменту. Насправді система не міркує знаннями з предметної області, проте щодо окремих висловів чи тверджень, які описують поняття і сприймаються системою «як є», вона володіє інформацією про те, де вони містяться у загальній структурі навчального матеріалу.

Ключовим моментом технології є семантичний розбір навчального тексту. Тут можна провести паралелі із «семантичним конспектом», запропонованим Атановим [13,14]. Фактично це заміняє формування БЗ у таких підходах як семантичні мережі, концептуальні графи [17] тощо. Перевагою, очевидно, є природність даного процесу у технології ПТМ. Крім того в даній технології робиться акцент на педагогічному підході, тоді як в традиційних технологіях штучного інтелекту акцентується увага на питаннях характерних для цієї області, що часом є важко прийнятним (і ,можливо, необов’язковим) як для реалізації у рамках педагогічної комп’ютерної системи, так і для працівників-користувачів системи. В табл. 1 наведено порівняльний аналіз технологій тестування.

Таблица 1. Порівняльний аналіз технологій тестування

Критерій

Технології тестування

Традиційний підхід

Семантичні мережі

Понятійно-тезисна модель

1

Принцип роботи

Комп’ютерна реалізація традиційного тестування.

На основі педагогічної технології.

На основі бази знань семантичної мережі. Центральна архітектурна ідея для формування тестових запитань: тріада– «поняття»-«відношення»-«поняття»

На основі технології інженерії знань.

На основі понятійно-тезисної бази знань. Центральна архітектурна ідея для формування тестових запитань: зв'язок «навчальний матеріал»-«тези»-«поняття».

Модель носить педагогічний характер з елементами застосування інженерії знань.

2

Процес формування бази знань або банку завдань

Ручним способом. Фактичне створення запитань і варіантів відповідей.

Формування бази знань експертом з предметної області. Визначення понять і зв’язків між ними.

Формування бази знань шляхом виділення із тексту навчального матеріалу семантичних одиниць за зрозумілою і простою схемою.

3

Трудові і часові витрати, необхідні для підготовки тесту

Високі. Прямо пропорційні кількості необхідних запитань. Важко оптимізуються.

Необхідні великі витрати на формування бази знань. Проте формування тестів іде автоматично

Порівняно невеликі витрати. Генерація тестів іде автоматично.

4

Необхідність залучення експертів для формування тестів або проведення додаткового навчання

Не має потреби. Формування тестів може здійснювати викладач відповідної дисципліни.

Окрім експерта з даної предметної області потребує експерта із області інженерії знань

Не має потреби. Процес формування тестів легко сприймається людиною, його виконання в може здійснювати викладач відповідної дисципліни.

5

Якість тестових завдань, їх лінгвістична зрозумілість

Висока, так як їх формування здійснюється безпосередньо людиною

Часто важка для сприйняття людиною. Семантичні мережі створювались скоріш для «пояснення» знань комп’ютеру, а не людині.

Достатньо висока, так як запитання будуються на основі фрагментів навчального тексту, створеного людиною.

6

Ступінь автоматизації генерації запитань тесту

Фактично відсутня. Використовуються готові запитання. Хіба що різні варіанти відповідей можуть видобуватися із банку завдань.

Повна автоматизація на основі створеної семантичної мережі.

Повна автоматизація на основі семантичних даних і їх зв’язків з навчальним матеріалом.

7

Інтеграція з навчальним матеріалом, що подається студентам,

і

можливість повторного використання

Залежить від конкретної реалізації.

Важливо слідкувати, щоб матеріал, по якому іде тестування відповідав матеріалу, що подається для навчання. При зміні чи реструктуризації навчального матеріалу повторне використання тесту затрудняється.

Зв'язок навчального матеріалу і семантичних даних початково не передбачений.

Важливо слідкувати, щоб семантичні дані, на основі яких генеруються тести відповідали матеріалу, що подається для навчання. При зміні чи реструктуризації навчального матеріалу слід повторно окреслювати простір семантичних даних, що йому відповідає.

Зв'язок навчального матеріалу і семантичних даних закладено в моделі і задається природним чином під час формування бази знань. Це дає змогу при переструктуруванні навчального матеріалу і надалі коректно генерувати тестові завдання.

8

Можливість вироблення рекомендацій для управління подальшим процесом навчання

В залежності від ступеня інтеграції з навчальним матеріалом.

В залежності від ступеня інтеграції з навчальним матеріалом. Рекомендації можуть звертати увагу студента на конкретні поняття, які слабко засвоєні.

Завдяки глибокій інтеграції з навчальним матеріалом є можливість точно визначати, які ділянки навчального матеріалу потребують повторення, а також звертати увагу на конкретні навчальні поняття.

Реалізація технології

Подамо опис технології, по якій іде формування бази знань. Як зазначалося вище, центральним носієм знань вважається навчальний матеріал. Тому виділення конкретних семантичних одиниць тісно пов’язане із процесом маніпулювання навчальним матеріалом. Зупинимось на підході, за яким проходить збереження і структурування навчального матеріалу. Враховуючи загально визнаний модульний підхід у дистанційному навчанні, весь матеріал в решті решт прийнято поділяти на дрібні фрагменти, які називають кадрами (або фреймами). Таким чином на кожному кроці подання навчальної інформації студент отримує невеличкий фрагмент, що сприяє кращому зосередженню і сприйняттю поданого матеріалу. Поняття кадру є дуже важливим для понятійно-тезисної моделі і відіграє роль ланки, що пов’язує семантичні одиниці із конкретним навчальним матеріалом. Звернемо увагу на те, що в даній роботі ми не зупиняємося на конкретній реалізації загальної структури збереження і подання навчального матеріалу, більше того ПТМ допускає різні реалізації цієї структури. Бажаною в даному випадку є лише вимога про кінцевий поділ навчальної інформації на кадри. Це, крім усього іншого, сприяє спрощенню інтеграції ПТМ із вже існуючими системами ДН.

Подальший опис буде в основному зосереджений на роботі з кожним конкретним навчальним кадром. Суттю підходу є те, що смислова інформація, яка буде формалізуватися у семантиці моделі, виділяється безпосередньо із тексту навчального фрагменту. Сам процес формування бази знань фактично являє собою осмислене читання навчального тексту разом із нескладними маніпуляціями щодо останнього.

Нагадаємо, що наріжним каменем моделі є семантичні одиниці - поняття і тези. Поняття вказує на деякий об’єкт з предметної області знань, про який іде мова [7,8]. Поняття – це, як правило, одне-два слова, які текстово виражають предмет розгляду. Теза – це деяка відомість або твердження про поняття. Фактично теза являє собою одне або декілька речень, в яких мова іде безпосередньо про відповідне поняття, проте саме поняття тут словарно не фігурує. Теза ставиться у відповідність поняттю, таким чином між ними встановлюється зв'язок.

Процес видобування понять та тез із навчального тексту

Ми зупиняємось досить детально на викладених нижче техніко-методологічних моментах, враховуючи те, що вони є невід’ємною частиною запропонованого підходу до автоматизації побудови тестів. Для реалізації процесу наповнення понятійно-тезисної бази знань пропонується наступний програмний інтерфейс, зображений на рис.1. Схема його роботи може бути взята за основу при розробці програмних інтерфейсів, в тому числі веб-інтерфейсів, для роботи з понятійно-тезисною базою знань. У лівій частині знаходиться панель навігації навчальними матеріалами (курсами або базою знань навчального матеріалу). При виборі кадру його вміст відображається у внутрішньому оглядачі навчальної інформації. У випадку, якщо навчальний матеріал представляється у вигляді гіпертексту (у більшості випадків це саме так), оглядач являє собою Веб-браузер.

 

Рис. 1. Програмний інтерфейс для реалізації процесу наповнення понятійно-тезисної бази знань

Наступний процес виділення понять та тез виконується досить простим способом. Користувач (викладач) осмислено читає навчальний текст, якщо в тексті зустрічається ключове поняття (і воно ще не внесено в базу знань), він просто виділяє його мишкою, після чого натискає на кнопку «Додати поняття» на панелі інструментів (рис. 2). Після заповнення необхідних даних видобуте із навчального тексту поняття додається в базу знань.

 

Рис. 2. Послідовність дій при додаванні нового поняття в базу знань

Процес додавання тези виглядає аналогічно. Важливим тут є зазначення, якого саме поняття буде стосуватися щойно додана теза. Для цього служить елемент інтерфейсу «Активне поняття». Додана теза буде зв’язана саме із активним поняттям. Активним поняття можна зробити, вибравши його із списку наявних понять (панель ліворуч на рис. 1). Наведемо приклад навчального матеріалу і виконаємо його семантичний розбір. Фрагмент навчального матеріалу по програмуванню на мові Java:

«Всякая Java программа представляет собой один или несколько классов, в этом простейшем примере только один класс (class).

Начало класса отмечается служебным словом class, за которым следует имя класса, выбираемое произвольно, в данном случае Helloworld.

Один из методов обязательно должен называться main, с него начинается выполнение программы…»

 

Після розбору цього тексту можна отримати такі поняття та відповідні до них тези:

«Java программа»

- «Представляет собой один или несколько классов»;

- «Один из методов обязательно должен называться main, с него начинается выполнение»;

«Класс»

- «Начало отмечается служебным словом class, за которым следует имя, выбираемое произвольно».

 

Слід звернути увагу на важливий момент зв’язку семантичних одиниць і навчального матеріалу. В той час як поняття прикріпляються до навчального матеріалу загалом (до всього курсу, або до всієї області знань, дисципліни), кожна з тез прикріпляється до того фрагменту навчального матеріалу (кадру), з якого вона була видобута. Таким чином для кожної навчальної ділянки можна визначити коло семантичних одиниць за наступним ланцюгом: ділянка навчального матеріалу – кадри, що містяться у цій ділянці – тези кадрів – поняття (рис. 3). Саме цими даними оперуватимуть алгоритми, що продукують тести.

Рис. 3. Визначення семантичних даних для певної ділянки
навчального матеріалу

Процес генерації тестових завдань

Генерація тестів відбувається на основі семантичних даних понятійно-тезисної бази знань. Основним вхідним параметром тут є вказівка на ділянку навчального матеріалу по якій іде тестування. Першим кроком є визначення кола семантичних даних на основі інформації про вказану навчальну ділянку для побудови на їх основі засобів контролю. Як зазначалося вище це виконується за допомогою ланцюгу зв’язків «ділянка навчального матеріалу – кадри, що містяться у цій ділянці – тези кадрів – поняття» (див. рис.3).

Опишемо схему побудови тестового завдання множинного вибору «один з декількох» на основі понятійно-тезисної бази знань. Найпростіша схема без урахування додаткових характеристик (класифікації і рівня важливості понять та тез) виглядає так:

Випадковий вибір тези, по якій буде йти контроль знань, з окресленого кола семантичних даних для даної ділянки навчального матеріалу – контрольна теза;

Визначення поняття, до якого стосується контрольна теза – контрольне поняття;

Випадкова вибірка альтернативних тез з усієї області тез даного курсу (дисципліни або предметної області), які не стосуються контрольного поняття.

Побудова завдання по даним контрольне поняття, контрольна теза, альтернативні тези.

 

Завдання матиме вигляд:

Вкажіть твердження, що стосується даного поняття <ім’я контрольного поняття>:

<перелік тез, який являє собою набір альтернативних тез і контрольної тези, вставленої на випадкове місце>

 

На рис. 4. наведено приклад тестового завдання даного типу.

Рис. 4. Приклад завдання

Інші типи тестових завдань, описані в [7], будуються з урахуванням зазначених вище принципів.

Оцінка пройденого тесту і вироблення рекомендацій щодо подальшого навчання

Так як на основі моделі ми точно можемо визначити, до якого фрагменту навчального матеріалу належить теза, це також дає нам можливість знати по якому фрагменту побудоване те чи інше завдання тесту. Таким чином, після оцінки тестування можна застосувати алгоритми рекомендацій щодо подальшого навчання чи налаштування навчального сценарію на основі ділянок матеріалу, по яким тестування пройшло невдало (рис.5).

Рис. 5. Приклад пройденого тесту з виробленими рекомендаціями на основі завдань, невдало пройдених студентом

Перспективи

Найближчою перспективою для розвитку моделі є дослідження і вироблення алгоритмів та математичного апарату використання числових вагів (ступенів важливості) для побудови і оцінювання тестів. Ці ваги можна визначати як для семантичних одиниць, понять та тез, так і для ділянок навчального матеріалу.

Наступним якісним стрибком має стати розробка спеціальної моделі структурного подання навчального матеріалу як продовження ідеї понятійно-тезисної моделі знань. Тут планується розповсюдити сферу використання моделі окрім тестування на технологію подання навчального матеріалу. Це включає автоматизацію побудови навчальних курсів на основі БЗ навчального матеріалу, реалізацію адаптивного подання навчального матеріалу під час навчання.

Ключовими питаннями розвитку залишається поглиблення семантики моделі з урахуванням особливостей навчальних текстів різних галузей, в тому числі гуманітарної. Останні розробки, публікації та ідеї щодо понятійно-тезисної моделі подаються на сайті віртуальної лабораторії розробників моделі www.setlab.net/research [18].

Література

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

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

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

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

5. Аванесов В.С. Композиция тестовых заданий. Учебная книга для преподавателей вузов, учителей школ, аспирантов и студентов пед. вузов. 2 изд.,испр.. и доп.М.:Адепт.1998-217с.

6. Дахин А.Н. Актуальные проблемы оптимального управления образовательным процессом. Журнал «Педагог» №7 1999г. http://www.informika.ru/text/magaz/pedagog/pedagog_7/a14.html

7. А.А. Гагарин, А.Н. Луценко, С.В. Титенко 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.

8. 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..

9. http://www.w3.org/TR/owl-guide/ OWL Web Ontology Language Guide W3C Recommendation 10 February 2004

10. Slavomir Stankov, Branko Žitko and Ani Grubišiċ. Ontology as a Foundation for Knowledge Evaluation in Intelligent E-learning Systems. AIED’05 Workshop SW-EL’05: Applications of Semantic Web Technologies for E-Learning. Papers of 12th International Conference on Artificial Intelligence in Education (AIED 2005). Amsterdam, 2005. http://hcs.science.uva.nl/AIED2005/W3proc.pdf

11. Елизаренко Г.Н. Проектирование компьютерных курсов обучения: концепция, язык, структура. НТУУ «КПИ». Киев, 2001.

12. Рвачев Л.В. Математика и семантика. К., Наукова думка, 1987.

13. Атанов Г.А. Возрождение дидактики – залог развития высшей школы. – Донецк: Изд-во ДОУ, 2003.

14. Атанов Г.А., Пустынникова И.Н. Обучение и искусственный интеллект, или основы современной дидактики высшей школы . – Донецк: Изд-во ДОУ, 2002.

15. Артур К. Как изучать Библию. Санкт-Петербург, 1998.

16. Gordon D. Fee, Douglas Stuart. How to Read the Bible For All its Worth: A Guide to Understanding the Bible. Micchigan, 1982.

17. Sowa J.F. Conceptual Structures: Information Processing in Mind and Machine. Reading MA: Addison-Wesley, 1984.

18. http://www.setlab.net/research/ Віртуальна лабораторія новітніх інформаційних технологій СЕТ. Дослідження в області дистанційного навчання.

Стаття в форматі Microsoft Word

Дивіться також демонстраційні матеріали до цієї статті.

Кількість входів в цьому місяці : 10058
Приєднуйтесь!
Сторінки, близькі за змістом
Демонстраційні матеріали до доповіді на конференції "ВІРТ 2006"
Переглядайте демонстраційні матеріали до доповіді "Практична реалізація технології автоматизації тестування на основі понятійно-тезисної моделі" на конференції ВІРТ 2006. Тут також доступне демонстраційне програмне забезпечення для автоматизації тестування.
Семантична модель знань для цілей організації контролю знань у навчальній системі
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.
Організація дистанційного навчання як інформаційний фактор реалізації науково-технологічної складової економічної безпеки держави
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.
Понятійно-тезисна модель
Огляд моделі, що пропонується для подання знань в системах дистанційного навчання для управління адаптивним поданням контенту і для автоматизації контролю знань
Завершилася 10 конференція "Освіта і Віртуальність" (ВИРТ-2006)
Завершилася 10 конференція "Освіта і Віртуальність" (ВИРТ-2006), що проходила в Ялтинському відділенні Європейського Університету. На конференції розглядалися питання, що стосуються дистанційної освіти (ДО)...
Теза
Це деяка відомість або твердження про поняття. Являє собою одне або декілька речень, в яких мова іде безпосередньо про відповідне поняття, проте саме поняття тут словарно не фігурує.
Поняття
Вказує на деякий об'єкт з області знань, про який іде мова, і який представляється для вивчення студенту.
Понятійно-тезисна модель
Модель формалізації дидактичних текстів. Ґрунтується на герменевтичному підході розбору тексту.
Опубліковані праці конференції ВІРТ-2006
На сайті конференціїї ВІРТ опубліковані матеріали конференції 2006 р., а саме усі статті та презентації, що були представлені.
Публікації Лабораторії. Штучний інтелект в освіті. Дистанційне навчання
Публікації. Штучний інтелект в освіті. Дистанційна освіта. Понятійно-тезисна модель для педагогічних цілей.
©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