Моделирование адаптивных информационных процессов электронного обучения для дистанционного образования

У роботі досліджуються методи адаптації інтелектуального тьютора до індивідуальних особливостей користувача в процесі електронного навчання. Для зберігання глибинної структури різних форм представлення інформації пропонується використовувати семантичну мережу ключових понять, що розроблена для конкр...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Datum:	2008
Hauptverfasser:	Ус, М.Ф., Костьян, Н.Л.
Format:	Artikel
Sprache:	Russian
Veröffentlicht:	Інститут кібернетики ім. В.М. Глушкова НАН України 2008
Schriftenreihe:	Математичне та комп'ютерне моделювання. Серія: Фізико-математичні науки
Online Zugang:	https://nasplib.isofts.kiev.ua/handle/123456789/18689
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Zitieren:	Моделирование адаптивных информационных процессов электронного обучения для дистанционного образования / М.Ф. Ус, Н.Л. Костьян // Математичне та комп'ютерне моделювання. Серія: Технічні науки: зб. наук. пр. — Кам’янець-Подільський: Кам'янець-Подільськ. нац. ун-т, 2008. — Вип. 1. — С. 165-173. — Бібліогр.: 7 назв. — рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine

id	nasplib_isofts_kiev_ua-123456789-18689
record_format	dspace
spelling	nasplib_isofts_kiev_ua-123456789-186892025-02-09T11:29:46Z Моделирование адаптивных информационных процессов электронного обучения для дистанционного образования Ус, М.Ф. Костьян, Н.Л. У роботі досліджуються методи адаптації інтелектуального тьютора до індивідуальних особливостей користувача в процесі електронного навчання. Для зберігання глибинної структури різних форм представлення інформації пропонується використовувати семантичну мережу ключових понять, що розроблена для конкретної предметної області знань. Для побудови семантичної мережі використана концепція об'єктноорієнтованих баз даних. Проектування бази даних мережі реалізовано з використанням уніфікованої мови моделювання UML 2.0. Визначено параметри для подальшого розвитку семантичної мережі. Розроблений сценарій побудови схематичного опорного конспекту навчального матеріалу для одного з когнітивних типів користувача з метою підвищення ефективності навчання. Програмна реалізація алгоритму виконана з використанням мови структурованих запитів SQL і мови об'єктно-орієнтованого програмування Java. The article considers the methods of adaptation of intellectual tutor under the individual features of user in the process of the electronic educating. For storage of deep structure of different forms of presentation of information it is suggested to use the semantic network of key notions, which is developed for the concrete subject domain of knowledge. Conception of the object-oriented data-bases of is fixed in the basis of construction of semantic network. Planning network data base of is realized with the use of Unified Modeling Language UML 2.0. The calculated parameters for further development of semantic network are entered. The scenario of construction of schematic supporting compendium of educational material for one of cognitive styles of user with the purpose of increase of efficiency of educating is developed. Programmatic realization of algorithm is executed with the use of Structured Query Language SQL and object-oriented programming language Java. 2008 Article Моделирование адаптивных информационных процессов электронного обучения для дистанционного образования / М.Ф. Ус, Н.Л. Костьян // Математичне та комп'ютерне моделювання. Серія: Технічні науки: зб. наук. пр. — Кам’янець-Подільський: Кам'янець-Подільськ. нац. ун-т, 2008. — Вип. 1. — С. 165-173. — Бібліогр.: 7 назв. — рос. XXXX-0060 https://nasplib.isofts.kiev.ua/handle/123456789/18689 681.513.2 ru Математичне та комп'ютерне моделювання. Серія: Фізико-математичні науки application/pdf Інститут кібернетики ім. В.М. Глушкова НАН України
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection	DSpace DC
language	Russian
description	У роботі досліджуються методи адаптації інтелектуального тьютора до індивідуальних особливостей користувача в процесі електронного навчання. Для зберігання глибинної структури різних форм представлення інформації пропонується використовувати семантичну мережу ключових понять, що розроблена для конкретної предметної області знань. Для побудови семантичної мережі використана концепція об'єктноорієнтованих баз даних. Проектування бази даних мережі реалізовано з використанням уніфікованої мови моделювання UML 2.0. Визначено параметри для подальшого розвитку семантичної мережі. Розроблений сценарій побудови схематичного опорного конспекту навчального матеріалу для одного з когнітивних типів користувача з метою підвищення ефективності навчання. Програмна реалізація алгоритму виконана з використанням мови структурованих запитів SQL і мови об'єктно-орієнтованого програмування Java.
format	Article
author	Ус, М.Ф. Костьян, Н.Л.
spellingShingle	Ус, М.Ф. Костьян, Н.Л. Моделирование адаптивных информационных процессов электронного обучения для дистанционного образования Математичне та комп'ютерне моделювання. Серія: Фізико-математичні науки
author_facet	Ус, М.Ф. Костьян, Н.Л.
author_sort	Ус, М.Ф.
title	Моделирование адаптивных информационных процессов электронного обучения для дистанционного образования
title_short	Моделирование адаптивных информационных процессов электронного обучения для дистанционного образования
title_full	Моделирование адаптивных информационных процессов электронного обучения для дистанционного образования
title_fullStr	Моделирование адаптивных информационных процессов электронного обучения для дистанционного образования
title_full_unstemmed	Моделирование адаптивных информационных процессов электронного обучения для дистанционного образования
title_sort	моделирование адаптивных информационных процессов электронного обучения для дистанционного образования
publisher	Інститут кібернетики ім. В.М. Глушкова НАН України
publishDate	2008
url	https://nasplib.isofts.kiev.ua/handle/123456789/18689
citation_txt	Моделирование адаптивных информационных процессов электронного обучения для дистанционного образования / М.Ф. Ус, Н.Л. Костьян // Математичне та комп'ютерне моделювання. Серія: Технічні науки: зб. наук. пр. — Кам’янець-Подільський: Кам'янець-Подільськ. нац. ун-т, 2008. — Вип. 1. — С. 165-173. — Бібліогр.: 7 назв. — рос.
series	Математичне та комп'ютерне моделювання. Серія: Фізико-математичні науки
work_keys_str_mv	AT usmf modelirovanieadaptivnyhinformacionnyhprocessovélektronnogoobučeniâdlâdistancionnogoobrazovaniâ AT kostʹânnl modelirovanieadaptivnyhinformacionnyhprocessovélektronnogoobučeniâdlâdistancionnogoobrazovaniâ
first_indexed	2025-11-25T21:30:29Z
last_indexed	2025-11-25T21:30:29Z
_version_	1849799455844335616
fulltext	Серія: Технічні науки. Випуск 1 165 The classification of software defect types by complexity is presented. The calculations of coefficients that define software quality and reliability are demonstrated. The software reliability function is formed. The recommen- dations for structured software reliability increasing are proposed. Key words: software, testing, reliability, quality, faultness probability, defect, fault. Отримано: 20.05.2008 УДК 681.513.2 М. Ф. Ус, Н. Л. Костьян Восточноевропейский университет экономики и менеджмента, г. Черкассы МОДЕЛИРОВАНИЕ АДАПТИВНЫХ ИНФОРМАЦИОННЫХ ПРОЦЕССОВ ЭЛЕКТРОННОГО ОБУЧЕНИЯ ДЛЯ ДИСТАНЦИОННОГО ОБРАЗОВАНИЯ У роботі досліджуються методи адаптації інтелектуально- го тьютора до індивідуальних особливостей користувача в процесі електронного навчання. Для зберігання глибинної структури різних форм представлення інформації пропонуєть- ся використовувати семантичну мережу ключових понять, що розроблена для конкретної предметної області знань. Для по- будови семантичної мережі використана концепція об'єктно- орієнтованих баз даних. Проектування бази даних мережі реа- лізовано з використанням уніфікованої мови моделювання UML 2.0. Визначено параметри для подальшого розвитку се- мантичної мережі. Розроблений сценарій побудови схематич- ного опорного конспекту навчального матеріалу для одного з когнітивних типів користувача з метою підвищення ефектив- ності навчання. Програмна реалізація алгоритму виконана з використанням мови структурованих запитів SQL і мови об'- єктно-орієнтованого програмування Java. Ключевые слова: тьютор, когнитивный профиль, се- мантическая сеть, дефиниция, коэффициент значимости, ко- эффициент степени неопределенности. Введение. Интеллектуальные тьюторские системы – обширный класс электронных систем обучения. Главная идея этих систем – имитация обучающего поведения тьютора-человека. Для поддержки процесса обучения тьютор использует специальные знания четырех основных типов: о предмете обучения, о стратегиях и методах обуче- ния, о студенте, о коммуникативных функциях. Идеальная интеллек- туальная система обучения должна представлять и использовать все © М. Ф. Ус, Н. Л. Костьян, 2008 Математичне та комп’ютерне моделювання 166 перечисленные типы знаний, что позволяет определить структуру тьюторской системы в виде набора взаимодействующих модулей: мо- дуля пользователя системы, модуля-тьютора, модуля-эксперта пред- метной области и модуля-интерпретатора. Модуль пользователя (МП) – центральный компонент системы, позволяющий обеспечивать качество управления процессом обуче- ния. Этот модуль имеет две компоненты: модель знаний о предмете обучения и модель личных характеристик, которая отображает доста- точно стойкие личные (когнитивные) характеристики субъекта обу- чения. Эта модель после создания должна поддерживаться в актуаль- ном состоянии. Для управления системой обучения необходимо про- водить оценки состояния субъекта обучения, которое связано со стру- ктурой мышления индивидуума и с формами, в которых информация может быть представлена человеку. Состояние исследований. Для описания произвольной пред- метной области первичными являются понятия и связи между ними. Удобным графическим способом представления этих категорий мо- жет быть семантическая сеть как представитель наиболее широкого класса моделей, объеденяющие различные типы связей. К ним отно- сятся класифицирующие сети, функциональные сети и сценарии. Класифицирующие сети позволяют задавать отношения иерархии между информационными единицами. Помимо средства описания схемы базы знаний, семантические сети применяют для синтеза текс- та и дальнейшего его анализа. В этой области реализован ряд проек- тов таких, как TextMining, DateMining [1], но все они затрагивают только форму представления информации в виде текста, настраевае- мых на один тип пользователя системы. Автором [2] даны основные характеристики преимущественно используемых человеком способов восприятия, мышления и дей- ствия, которые в [3] используются для построения когнитивного про- филя. Выделяются четыре различных типа обучаемого [3]: аналити- ко-вербальный, аналитико-образный, целостно-вербальный, целост- но-образный. Авторами [3] дан обзор тестов, применяемых для опре- деления стилевых характеристик обучаемого. Среди предпочтитель- ных форм информации, соответствующих различным стилям – текст, схема, рисунок, речь. В [4] представлена схема адаптивного управле- ния обучением с учетом приведенных форм информации. В исследо- ваниях последних лет рассматриваются задачи синтезирования текста посредством семантических сетей, но не затрагивается проблема по- строение трех остальных форм на базе ключевых понятий предмет- ной области и связей между ними (Зубков В. П., Захаров А. Н.). Постановка задачи. Для адаптации процесса обучения авторы предлагают дополнить тьюторскую систему блоком генерации схем, как одной из форм представления учебного материала. Предлагается Серія: Технічні науки. Випуск 1 167 модель построения семантической сети понятий дисциплины “Дис- кретный анализ”. При проектировании структуры базы данных, реа- лизующей семантическую сеть, были учтены типы определений (де- финиции) предметной области, а также их структура, рассмотренные в [5, с.256-265], и виды связей между ключевыми понятиями, опи- санные в [3]. Для оптимизации дальнейшего расширения семантиче- ской сети вводятся коэффициент значимости и коэффициент степени неопределенности данного понятия. Описан механизм генерации схем, связывающего понятия выбранного раздела по заданному виду связи, и его программная реализация. Целью работы является моделирование адаптивных процессов электронного обучения и разработку программного средства на осно- ве этой модели, синтезирующего одну из форм представления струк- туры учебного материала. Моделирование базы данных семантической сети понятий предметной области. Для построения семантической сети будем учитывать как понятия, связанные отношениями, так и типы этих по- нятий, соответствующих способу определения понятия. Для проведе- ния учебного эксперимента в тексте учебного контента были отобра- ны номинальные определения и понятия, определение которых вво- дится через ближайшее родовое понятие. Здесь под термином “номи- нальное определение” понимается понятие, для которого отсутствует родовое в данном предметном домене. С помощью данного опреде- ления вводятся новые понятия. При построении определения через ближайший род предполагаются две операции: во-первых, необходи- мо понятие отнести к ближайшему роду (суперклассу), то есть уста- новить, к какому классу оно относится, а во-вторых, – перечислить его видовые признаки. Для наиболее оптимального ввода данных и их обработки удобно классифицировать понятия по тематическим разделам предметной области. Таким образом, база данных должна содержать данные о самих понятиях, включая номер раздела. Для определения направления расширения семантической сети методом, который будет описан ниже, необходимо учитывать количество свя- зей, выходящих из данного узла. Различают статические и динамиче- ские связи между понятиями. Исходя из перечисленного, база данных будет содержать четыре таблицы: таблицу понятий, таблицу узлов, классификатор разделов и классификатор связей. Логическая модель базы данных в нотации UML представлена на рис. 1. Физическая модель базы данных (рис. 2) представляет названия таблиц, полей, типы полей и ключей на английском языке. Логиче- ская и физическая модели построены с использованием программно- го средства Enterprise Architect. Математичне та комп’ютерне моделювання 168 Рис. 1. Логическая модель базы данных в нотации UML Рис. 2. Физическая модель базы данных Стратегия развития семантической сети. Предположим, что модель учебной дисциплины (предметной области, или ПрО) – сис- тема понятий, объединенных в семантическую сеть посредствам од- нонаправленных связей R (отношений). Будем считать, что важность одних понятий отличается от важности других. Под важностью поня- тия понимаем степень необходимости наличия понятия в БЗ данной ПрО. Назовем совокупность понятий, имеющих весомую важность для данной ПрО, множеством ключевых термов Sk. Введем понятие коэффициента значимости термина Kзн в разрезе исследуемой ПрО, который является значением характеристической функции принад- Серія: Технічні науки. Випуск 1 169 лежности, и указывает уровень принадлежности элементов универ- сального множества всех термов S к подмножеству Sk. Тогда нечет- кое подмножество Sk множества S – множество упорядоченных пар {s, Kзн}. Авторы считают, что степень важности элемента системы зависит от количества связей его с другими элементами [6], поэтому предлагается формализация Kзн(i) i-го терма путем вычисления отно- сительной погрешности между количеством инцидентных к нему отношений )(iR и количеством связей идеального ключевого терма sи. Под идеальным термом подразумеваем терм с наибольшим коли- чеством инцидентных к нему ребер. ( ) ( ) ,\,1,)( ; )( 1 SSisRiR iRsRK u u зн +=∀≤ − = где R(i) – мн-во отношений, инцидентных i-му узлу семантической сети; S – мн-во понятий (узлов) данной ПрО; S+ – мн-во узлов, имеющих только входные дуги; sи – идеальное ключевое понятие. При вычислении Kзн не учитываются понятия, имеющие только входящие связи. Предполагается, что такие понятия либо принадле- жат еще не установленным суперклассам, либо имеют Kзн 0≅ . Введем еще один коэффициент – степень неопределенности Кно: ( ) ( ) .,1,)( ; )( 11 SisRiR iRsRK u u но =∀≤ − −= Данный коэффициент учитывает возможность пополнения зна- ний о текущем понятии и вычисляется для всех термов независимо от наличия выходных дуг. При инициализации семантической сети понятий при добавле- нии очередной новой группы отношений рекомендуется пересчет вышеуказанных коэффициентов, а для последующего редактирова- ния сети – при добавлении каждого нового терма. Коэффициент значимости предполагается использовать в учеб- ном процессе при установлении приоритета тестового вопроса для диагностирования знаний обучаемого в процессе определения теку- щих когнитивных характеристик пользователя. Кроме того, этот ко- эффициент используется для выбора типа вопроса путем учета сум- марных показателей по всем цепям, связывающим данное понятие с его атрибутами. Коэффициент неопределенности необходим для вы- бора направления расширения семантической сети в случае исполь- зования опыта экспертов данной ПрО. Математичне та комп’ютерне моделювання 170 Описание работы программного средства порождения схем составлено с использованием языка объектно-ориентированного про- граммирования Java и языка структурированных запросов SQL. При запуске программного средства открывается главное окно програм- мы, содержащее строку меню (рис. 3), которая состоит из следующих пунктов: “Файл”, “Дані”, “Схеми”, “Допомога”. Подменю “Файл” реализует стандартные операции над файлами. При выборе пункта “Дані” можно внести информацию в таблицу узлов, таблицу понятий, классификатор тематических разделов и классификатор связей. Под- меню “Схеми” отвечает за генерацию схем. В “Допомога” можно просмотреть информацию о программе. Рис. 3. Главное меню программы порождения схем При выборе одного из подменю “Дані” открываются окна соот- ветствующих классификаторов. На рис. 4 представлено окно класси- фикатора связей. В этом окне заносятся название связи и ее тип: ста- тический, динамический. Рис. 4. Окно заполнения классификатора связей Серія: Технічні науки. Випуск 1 171 При выборе подменю “Вузли” из предложенного списка выби- рается тематический раздел, в котором впервые упоминается данное понятие, в поле “Підклас” вводится название самого понятия, а в по- ле “Тип зв’язку” выбирается необходимый вид отношения между понятиями в семантической сети. Если используется номинальное определение понятия, то поле “Суперклас” не заполняется, а в поле “Характеристика” записывается дефиниция понятия. При использо- вании определения понятия через ближайший род в поле “Характе- ристика” заносится видовой признак понятия, выделяющий данный вид из порождающего его рода. При нажатии кнопки “Додати” про- исходит добавление соответствующих данных в таблицу понятий и узлов, производится пересчет количества связей выходящих из каж- дого узла, вычисляется номер подкласса для каждого суперкласса и определяется тип узла: корень, внутренний или лист. Форма заполне- ния данных об узлах представлена на рис. 5. При выборе меню “Схеми” на экран выводится окно генерации схем, в котором выбирается тематический раздел и понятие из пред- ложенного списка корневых понятий семантической сети (рис. 6). Рис. 5. Форма заполнения таблиц понятий и узлов Рис. 6. Окно генерации схем для выбранного тематического раздела Математичне та комп’ютерне моделювання 172 При нажатии кнопки “Генерація” открывается результирующее окно с изображением порожденной схемы. Вид этого окна представ- лен на рис. 7. Вершины графа семы связывают соответствующие по- нятия, а над ребрами графа отображаются видовые признаки под- классов. Нажав кнопку “Зберегти”, можно сохранить полученную схему в файле на диске в текущей директории. Рис. 7. Результат генерации схемы Выводы. В данной работе реализован метод, основанный на когнитивных представлениях о наличии у человека информационных механизмов синтеза внешних представлений (текста, речи, образов) содержащихся в памяти знаний на основании единого для всех форм источника – “глубинных схем”. Такие механизмы определены и опи- саны Ноамом Хомски [7] как порождающие грамматики. В статье предложен метод и его программная реализация, иллюстрирующие подход для оснащения интеллектуального тьютора возможностями синтезировать представление учебного материала на основании неко- торого стандартного представления. Синтез альтернативных пред- ставлений необходим для адаптации автоматизированных обучаю- щих систем к предпочтениям обучающихся относительно формы учебного контента. Для “стандартного” представления в данной ра- боте использованы онтологические методы структурирования понятийного множества предметной сферы. Дальнейшие направления исследований будут направлены на использование более широкого спектра видов построения определе- Серія: Технічні науки. Випуск 1 173 ний понятий, которые описывают предметную область, для синтеза семантической сети. Необходима разработка модуля построения ког- нитивного профиля обучаемого, генерация схем учебного материала и дополнение ими опорного конспекта лекций. Список использованной литературы: 1. Инструменты анализа: Date Minig, Test Mining, Business Intelligence, CRM // www/exd/ru/gosts/to_ATEX.pdf. 2. Солсо Р. Л. Когнитивная психология / Пер. с англ. – М.: Тривола, 1996. – 600 с.: ил. 3. Когнитивное управление в интеллектуальных обучающих системах / А. Ф. Верлань, М. Ф. Ус, А. В. Пискун, В. А.Федорчук. – Черкассы: Ре- дакционно-издательский отдел Черкасского института управления, 2002. – 104 с. 4. Гадецька З. М., Ус М. Ф., Костьян Н. Л., Ель-Мур П. А. Маркетингові ме- тоди моделювання і адаптації систем електронного навчання / Збірник наукових праць Інституту проблем моделювання в енергнтиці НАН України ім. Г. Є. Пухова. – К.: ІПМЕ ім. Г. Є. Пухова, 2006. – Вип. 37. – С.1-3-110. 5. Войшвилло Е. К., Дегтярев М. Г. Логика. – М.: Владос, 1998. – 528 с. 6. Магазинник В Д. Структурирование информации человеком при приня- тии решений // Психологический журнал. – 1997. – T.18. – №1. – C.90- 102. 7. Хомский Н. Аспекты теории синтаксиса. – М.: МГУ, 1972. – 312 с. The article considers the methods of adaptation of intellectual tutor un- der the individual features of user in the process of the electronic educat- ing. For storage of deep structure of different forms of presentation of in- formation it is suggested to use the semantic network of key notions, which is developed for the concrete subject domain of knowledge. Conception of the object-oriented data-bases of is fixed in the basis of construction of se- mantic network. Planning network data base of is realized with the use of Unified Modeling Language UML 2.0. The calculated parameters for fur- ther development of semantic network are entered. The scenario of con- struction of schematic supporting compendium of educational material for one of cognitive styles of user with the purpose of increase of efficiency of educating is developed. Programmatic realization of algorithm is executed with the use of Structured Query Language SQL and object-oriented pro- gramming language Java. Key words: tutor, cognitive profile, semantic network, definition, coef- ficient of meaningfulness, coefficient of degree of vagueness. Отримано: 05.06.2008

Моделирование адаптивных информационных процессов электронного обучения для дистанционного образования

Institution

Ähnliche Einträge