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...

2.2.1. Ієрархічно-мережева об’єктно-орієнтована модель структури навчального Web-контенту

Розроблена модель Web-контенту, що отримала назвуTree-Net,відповідає за структуру усієї сукупності інформаційно-навчальних матеріалів ІНП [73, 74] і є підґрунтям для інформаційної структури БД і БЗ програмної системи. Тут формалізується семантико-дидактична структура, зв’язки і співвідношення дидактичних матеріалів. Модель служить для керування знаннями на двох рівнях: 1) всередині певного тематичного ресурсу; 2) загальною сукупністю усіх інформаційно-навчальних ресурсів системи. Модель служить як безпосередня база для генерації і подання контенту навчального гіпермедіа-середовища. Задачі, які вирішуються на базі Tree-Net:

  • ієрархічне і багаторівневе подання великих обсягів контенту по різним предметним областям;
  • підтримка міжпредметних і різноманітних внутрішньопредметних зв’язків [64];
  • наявність широких можливостей по тематичному і асоціативному групуванню та сортуванню контенту;
  • підтримка еволюційного розвитку інформаційно-навчального порталу, як необхідна складова в умовах явища «інформаційного вибуху»; доступність функціональності навіть при умові неповного опису [64];
  • повторне використання контенту і організація нових навчальних курсів на основі існуючої інформації;
  • підтримка процесу керування знаннями в контексті процесу безперервної освіти;
  • реалізація широких можливостей керування 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 [69];
  • інтеграція із іншими компонентами розроблюваної системи, серед яких понятійно-тезисна модель, як понятійна складова моделювання контенту, а також модель контролю і діагностики знань, модель студента, модель професійних компетенцій і модель освітнього запиту [69].

Tree-Net – ієрархічно-мережева об’єктно-орієнтована модель даних, яка є основою для формалізації і структурування інформації ІНП. 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 предметних областей. Елементи контенту можуть бути віднесені до однієї чи більше тематичних груп. Таким чином Tree-Net забезпечує як загальне структурування Web-контенту ІНП, так і подання його семантики завдяки моделюванню предметних областей. Схематично модель контенту Tree-Net зображено на рис.2.6.

Рис.2.6. Схематичне зображення Tree-Net моделі: дерево контенту і дерево тематичних груп

Ієрархічна структура контенту

Опишемо ієрархічну складову структури контенту Tree-Net-моделі.

Елементарним елементом контенту є подання, позначається – vi. Подання відповідає одній Web-сторінці сайту. Множина усіх елементів контенту:

V = {vi}деi=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 : VV .

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 являє собою послідовне об’єднання множин дочірніх елементів вглиб по ієрархічній структурі. Для визначення елементів-нащадків застосовуватимемо оператор:

Desc(e),  e Елемент формули V .

Типи семантичних ролей елементів контенту описуються множиною:

VTypes={item, list, block}.

Тут item означає звичайний елемент контенту, list – список,  block – семантичний блок. Елемент-список передбачає, що основним контентом цього елементу є перелік анотованих посилань на його дочірні елементи. Елемент типу блок відповідає вершині семантичного блоку контенту, про що іде мова далі.  Семантичні ролі елементів контенту задаються відношенням:

VType:VVTypes .

Семантичний блок контенту

Семантичні блоки контенту 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.2.7.

‍‍‍Рис.2.7. 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, VType(v)=block.

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:

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,vЕлемент формули  N.

Вважаємо, що елемент v може мати прямі, обернені івзаємні 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 і nwlk  рівні.

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

  • прямим зв’язком – Nfromv(vk)={vi:(vk,vi) Елемент формули N },
  • оберненим зв'язком –Ntov(vk)={vi:(vi,vk) Елемент формули N },
  • взаємним зв'язком –  Ncomv(vk)={vi:(vi,vk) Елемент формули N & (vk,vi)ÎN },
  • симетричним зв'язком – Nsymv(vk)={vi:(vi,vk) Елемент формули N & (vk,vi) Елемент формули N & nwik=nwki},
  • усі пов’язані елементи – Nv(vk)=Nfromv(vk) Елемент формули Ntov(vk).

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 запропонованій моделі контенту. 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. З точки зору теорії графів відношення псевдонімів перетворюють дерево контенту на ациклічний орієнтований граф. 

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

A: VV .

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: AATypes .

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 ігрупові 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 n– 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 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

Тематичній групі відповідає набір елементів контенту, які входять до цієї групи, що задається відображенням:

VG: G2V .

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.

Завдяки семантичним ролям елементів контенту, заданим за допомогою VType,множина контенту, що стосується даної групи може бути автоматично розширена. До переліку елементів групи автоматично додаються дочірні елементи елемента-списку, а також усі нащадки елемента-блоку. Таким чином оператор визначення тематичних груп, до яких належить даний елемент контенту матиме наступний вигляд:

Формула

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 AÍG, визначаються оператором:

VGG(A)= {v: GV(v)  Елемент формули A Елемент формули 0}.

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

VGbr(g)={v: g Елемент формули GV(v) абоGV(v)  Елемент формули DescG (g) Елемент формули 0}.

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

VGGbr(A)={v: v Елемент формули VGbr(gi), де  g  Елемент формули A Елемент формули DescGG (A)}.

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, абозаглиблююче, 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:

VnarrowG(a)={v: GV(v)  Елемент формули GV(a) Елемент формули 0}.

Помірне (заглиблююче) коло тематично-асоціативного контенту елементу a, a Елемент формули – 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:

VmediumG(a)= VnarrowG(a) Елемент формули {v: v Елемент формули VGGbr(Ga), де Ga = GV(a)}.

Широке коло (узагальнююче) тематично-асоціативного контентуелементу 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:

VwideG(a)= VnarrowG(a)  Елемент формули {v: v Елемент формули VGG( AncGG(Ga) ), де Ga = GV(a)}.

Повне коло тематично-асоціативного контентуелементу a, a Елемент формули – 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.

VtotalG(a)= VmediumG(a)  Елемент формули {v: v Елемент формули VGG( AncGG(Ga) ), де Ga = GV(a)}.

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.

Передумови побудови індивідуального навчального середовища на основі пошуку асоціативного контенту

Основою для підготовки індивідуального навчального середовища є визначення інтересів користувача і подальший відбір необхідного контенту. Розгалужена структура моделі контенту 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 контентусторінки 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 полягає у пошуку на множині V′ Елемент формули 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.2.8.

Рис.2.8. Вибірка елементів і визначення вершин оператором Roots

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

Висновки підрозділу

Запропонована ієрархічно-мережева об’єктно-орієнтована модель структури навчального Web-контенту (Tree-Net) дозволяє комплексно підійти по вирішення завдань навчання і керування знаннями в межах ІНП. Tree-Net підтримує еволюційність у створенні Web-порталу – дає можливість розробляти і накопичувати інформаційно-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 Web-системи керування знаннями. 

Модель Web-контенту Tree-Net забезпечує зручні засоби навігації по освітньому 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 запропонованої моделі дають можливість гнучко управляти освітнім контентом і моделювати специфічні області знань, визначаючи релевантну множину контенту, що відповідає інтересам користувача. Модель Tree-Net є основою для розробки методів генерації динамічних навчальних курсів для підтримки індивідуалізованого навчання в межах ІНП.

Ієрархічно-мережева об’єктно-орієнтована модель Tree-Net є складовою комплексної моделі системи керування інформаційно-навчальним Web-контентом, і разом із іншими компонентами формує методи індивідуалізованого доступу і засоби генерації персональних навчальних середовищ [70, 71, 73].

Кількість входів в цьому місяці : 4876
Приєднуйтесь!
Сторінки, близькі за змістом
2.2. Рівень керування знаннями
На рівні керування знаннями вирішуються такі задачі як структурування освітнього контенту, формалізація зв’язків і співвідношень між ділянками навчальних матеріалів, формалізація змісту навчальних текстів, семантичне моделювання предметної області і побудова онтології для дидактичних цілей, а також моделювання компетенцій, професій та посадових інструкцій [64]. Ці завдання вирішуються на основі ієрархічно-мережевої об’єктно-орієнтованої моделі контенту Tree-Net, понятійно-тезисної моделі формалізації дидактичного тексту (ПТМ), методу автоматизованої побудови онтології ПрО і моделі професійних компетенцій (МПК).
Дисертація «Програмне забезпечення онтологічно-орієнтованої системи керування інформаційно-навчальним Web-контентом»
Титенко С.В. «Програмне забезпечення онтологічно-орієнтованої системи керування інформаційно-навчальним Web-контентом». Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 01.05.03 – Математичне та програмне забезпечення обчислювальних машин і систем.
©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