CC BY
28
В настоящее время во всех сферах образования ведутся поиски способов интенсификации и быстрой модернизации системы подготовки с использованием информационных технологий.
Создание условий для их разработки, апробации и внедрения, поиск разумного сочетания нового с традиционным требуют решения целого комплекса учебно-методических, психолого-педагогических и других проблем [3-5]. Эти проблемы невозможно решить без:
- выработки системного научно-методического подхода к реализации ИТ в учебном процессе;
- разработки методики использования информационных технологий в практической деятельности [4-7];
- подготовки педагогических кадров к освоению компьютерных технологий обучения и внедрению их в учебный процесс;
- подготовки обучающихся к использованию информационных технологий для приобретения знаний и умений [4];
- материально-технического оснащения учебного заведения [3].
Внедрение информационных технологий создает предпосылки для интенсификации учебно-познавательной деятельности студентов. Они позволяют широко использовать на практике психолого-педагогические разработки, обеспечивающие переход от механического усвоения знаний к овладению умением самостоятельно приобретать новые знания [4-7]. Информационные технологии способствуют раскрытию и развитию личностных качеств студентов. Однако следует четко представлять себе место и роль данных технологий в учебном процессе по каждой дисциплине.
Литература
1.Талызина Н.Ф. Управление процессом усвоения знаний. - М. : МГУ, 1984.
2. Коккота В.К. Лингво-дидактическое тестирование. - М., 1989. - 124 с.
3. Ветров Ю., Глухов И. Информационные технологии в образовательном пространстве технического университета//Высшее образование в России.- 2004. - № 3. - С. 71-76.
4. Интерактивное тестирование знаний английского языка через Интернет http://languagelink.ru/english/onlinetest/test/
5. Интерактивное тестирование знаний английского языка через Интернет http://www.estudy .ru/includes/test.shtml
6. Голосовые уроки в он-лайн, не ограниченные во времени http://www.englishtown.com/master/hp/
7. Сайт для обучения и тестирования http://enative.narod.ru/index.htm
ПРОГРАММНЫЕ СРЕДСТВА ПОВЫШЕНИЯ КАЧЕСТВА ОБУЧЕНИЯ В СФЕРЕ ИЗУЧЕНИЯ ДЕЙСТВУЮЩЕЙ НОРМАТИВНО-ПРАВОВОЙ БАЗЫ
К. В Беляев, асп. Тел.: 931-21-55, E-mail: sirconst@yandex.ru Институт криптографии, связи и информатики http://academy.fsb.ru/
The foundations of special intelligent education software system is proposed. The main models and methods of e-learning individualization for education quality raising are considered. Now research prototype of software system is implemented.
Введение
Внедрение систем автоматизации обучения в настоящее время является одним из наиболее динамично развивающихся направлений применения современных информационных технологий. Существующие промышленные и экспериментальные системы автоматизации обучения (системы
дистанционного обучения) обеспечивают возможность качественного профессионального обучения практически во всех сферах деятельности, а наличие развитых стандартов и форматов представления учебных материалов в электронной форме позволяет, с одной стороны, многократно использо-
вать такие учебные материалы, а с другой -
легко интегрировать системы автоматизации обучения с существующими корпоративными информационными системами. Тем не менее, существующие средства автоматизации обучения не всегда обеспечивают возможность своевременного эффективного повышения профессиональной квалификации. В частности, повышение квалификации, связанное с изучением актуальной нормативно-правовой базы, регламентирующей деятельность сотрудников коммерческих и государственных организаций, в настоящее время требует ручного обновления учебных материалов преподавателями, что приводит к существенным временным и финансовым издержкам и не всегда обеспечивают оперативную актуализацию учебных курсов. Это объясняется тем, что основная трудность, возникающая в процессе обновления учебных материалов при изучении действующей нормативно-правовой базы, связана с необходимостью отслеживания логических связей между изменяющимися положениями нормативно-правовых актов и переработки большого количества примеров и контрольных заданий, обеспечивающих возможность оценки результатов изучения обновленного курса.
Таким образом, основными сложностями, возникающими при использовании средств автоматизации обучения для повышения профессиональной квалификации в сфере изучения действующей нормативно-правовой базы, являются:
- существенные трудозатраты на обновление учебных материалов в соответствии с изменениями в действующей нормативно-правовой базе, что снижает оперативность и качество обновления учебных курсов;
- сложность формирования учебных материалов, предусматривающих различные варианты объяснения положений нормативно-правовых актов в соответствии с потребностями и особенностями восприятия конкретных обучаемых;
- сложность формирования большого количества вариантов тестовых заданий для оценки знания обучаемыми положений нор-
мативно-правовых актов (косвенно эта проблема подтверждается положениями Федеральной целевой программы развития единой образовательной информационной среды).
В настоящей работе рассмотрен подход к созданию специализированной системы автоматизации обучения (системы дистанционного обучения), основанной на использовании современных интеллектуальных технологий и направленной на решение перечисленных проблем за счет:
автоматизированной структуризации теоретических учебных материалов (построения содержательной модели предметной области) на основе результатов логико-семантического анализа текстов нормативно-правовых актов, подлежащих изучению;
автоматического построения текстовых страниц, содержащих положения нормативно-правовых актов, ссылки на источники, содержательные примеры в соответствии с автоматически формируемой индивидуальной траекторией обучения;
автоматического формирования контрольных заданий, обеспечивающего оценку знания обучаемыми положений изученных ими нормативно-правовых актов и, при необходимости, влияющего на последовательность изучения материалов.
Иными словами, в рамках настоящей работы рассмотрены модели и алгоритмы автоматизации обучения и проверки компетентности для системы повышения профессиональной квалификации в части изучения актуальных нормативно-правовых актов, обеспечивающие повышение качества обучения за счет его индивидуализации.
1. Общие положения
В процессе повышения квалификации сотрудников предприятий и организаций, связанного с изучением действующей нормативно-правовой базы, возникают проблемы, обусловленные необходимостью индивидуализации изложения учебного материала и индивидуализации контрольных мероприятий в соответствии с потребностями и способностями конкретных обучаемых. Иными словами, основной задачей подготовки учебных материалов для системы повышения квалификации сотрудников в сфере нормативно-правового регулирования их деятельности является задача формирования широкого спектра индивидуальных траекторий обучения - последовательностей текстовых страниц (слайдов, экранов) и контрольных заданий - и выбор для каждого
обучаемого конкретной траектории, в наибольшей степени удовлетворяющей его потребности соответствующей его способностям, т.е. задача индивидуализации обучения.
Традиционное решение задачи индивидуализации обучения состоит в разработке автором учебного курса избыточного набора страниц (слайдов, экранов) и организации переходов между ними таким образом, чтобы при наличии любой конкретной информационной потребности обучаемый мог (самостоятельно или при помощи обучающей программы) перейти к странице, содержащей ту информацию, которая его интересует, на соответствующем его способностям уровне детальности изложения [9]. Такой метод позволяет эффективно решить задачу индивидуализации обучения фундаментальным математическим и техническим дисциплинам, т. е. дисциплинам с хорошо структурированными учебными материалами, практически не подверженными изменениям. В свою очередь, применительно к сфере общественных наук существующее решение проблемы обладает рядом недостатков, связанных с необходимостью периодического обновления учебных материалов по мере развития науки.
Следует отметить, что изучение и контроль знаний в сфере действующей нормативно-правовой базы обладает рядом особенностей, выделяющих это направление из иных направлений повышения квалификации. Предметная область (нормативно-правовая база) хорошо систематизирована; источниками информации для обучения являются нормативно-правовые акты - документы с типовой логической и лингвистической структурой; используемое подмножество естественного языка ограничено, а его избыточность сравнительно невелика.
В связи с этим настоящая работа посвящена рассмотрению основных моделей и алгоритмов, положенных в основу создания интеллектуальной корпоративной системы автоматизации обучения (системы дистанционного обучения), обеспечивающей индивидуализацию изучения положений нормативно-правовых актов.
На концептуальном уровне предлагаемый подход к организации функционирования интеллектуальной системы дистанционного обучения, который основан на перечисленных моделях и методах и обеспечивает индивидуализацию обучения, заключается в следующем.
В основе решения задачи индивидуализации обучения лежит использование специализированной модели представления знаний о предметной области, а также алгоритмов формирования на основе этой модели контрольных заданий и теоретических учебных материалов в форме текстовых страниц. Индивидуальная траектория обучения генерируется на основе динамической модели соотношения реальных знаний обучаемого о предметной области и его потребности в получении новых знаний о ней. Существенным преимуществом подобного подхода является возможность автоматизации процесса построения модели знаний о предметной области на основе следующих моделей и методов:
- формальная модель представления знаний о предметной области, обеспечивающая логическую целостность и непротиворечивость сведений о ней;
- метод автоматизированного построения формальной модели знаний на основе текстов изучаемых нормативно-правовых актов;
- вероятностная модель соотношения реальных знаний обучаемого о предметной области с его информационными потребностями и алгоритмы ее модификации в зависимости от результатов его работы с теоретическими учебными материалами и выполнения контрольных заданий;
- методы генерации элементов индивидуальной траектории обучения (теоретических и практических занятий) на основе модели знаний о предметной области и модели соотношения реальных и необходимых знаний обучаемого.
2. Формальная модель представления знаний о предметной области
Проведение ряда исследований, посвященных вопросам проектирования и разработки интеллектуальных систем, к настоящему времени позволило получить существенные результаты, связанные с эффективной формализацией знаний о предметной области [5]. В литературе, посвященной вопросам представления и обработки знаний при помощи ЭВМ, рассмотрены основные типы используемых математических моделей и алгоритмов, сформулированы базовые правила работы с ними, а также предложены алгоритмы анализа и синтеза естественноязыковых текстов для построения формализованных описаний предметной области и генерации сообщений на их основе [6, 7]. В качестве формальной модели представления
знаний о предметной области для решения поставленной задачи выбрана математическая модель, основанная на аппарате семантических сетей и относящаяся к классу онтологических моделей.
В соответствии с большинством принятых в настоящее время определений, онтологией предметной области называют ее логическую модель, включающую множество рассматриваемых объектов, заданный набор отношений между объектами и фиксированный набор ограничений целостности (в частности, правил вывода, накладываемых на экземпляры этих отношений), позволяющий полностью или частично восстанавливать недостающие экземпляры. Онтологические модели предназначены для формального комплексного представления пространственных, временных, логических и иных взаимоотношений объектов предметной области.
В основе используемой онтологической модели лежат две семантические сети - абстрактная (классы объектов предметной области, отношения между ними, ограничения целостности, описание типов) и конкретная (объекты, значения атрибутов, экземпляры отношений) [8].
Каждая вершина абстрактной сети рассматривается как непустой класс объектов предметной области. Абстрактная сеть представляет собой многослойную структуру классов в соответствии с теоретико-множественным отношением включения множеств между ними и образует, таким образом, статичное описание некоторого состояния предметной области.
Вершины конкретной сети рассматриваются как отдельные динамические объекты предметной области и включаются в классы абстрактной сети в соответствии с пространственно-временными соотношениями и логикой причинно-следственных связей. Каждый объект связывается с классами отношением, определяющим условие его принадлежности классу (всегда, до начала некоторого действия, после некоторого момента времени и т.д. - всего более 20 типов условий). Это позволяет сохранить непротиворечивую иерархическую структуру классов и одновременно отразить в модели динамику поведения объектов (один и тот же объект до начала действия может относиться к одному классу, а после завершения действия - к другому).
Значения и типы атрибутов объектов рассматриваются как самостоятельные вер-
шины абстрактной сети. Свойства объектов задаются экземплярами отношения размерности 3 (объект - тип атрибута - значение атрибута) для классов абстрактной сети и объектами конкретной сети только наследуются от классов, в которые они включены. Основными типами значений в модели являются: число, символьная строка (рассматривается в рамках модели как единое целое и не анализируется, но может сравниваться с другими значениями), класс абстрактной сети и объект конкретной.
Тип атрибута определяется деревом классов абстрактной сети, в которую этот атрибут включен (семантическим доменом). Домены предназначены для логического ограничения пространства значений, которые может принимать атрибут объекта.
Атрибуты классов (и, как следствие, объектов) могут быть идентифицирующими и декларирующими. Первые показывают, что значение атрибута является неотъемлемым свойством объектов класса (либо, наоборот, класс-атрибут выделяется из родительского класса только потому, что является атрибутом для некоторого другого класса объектов). Декларирующие атрибуты позволяют фиксировать новые сведения о классе объектов предметной области, не присущие ему изначально.
Логические высказывания в предлагаемой модели задаются посредством специализированных отношений абстрактной сети. Класс-предикат абстрактной сети связывается отношениями «субъект предиката», «объект предиката» и т.д. с классами-аргументами, причем каждое такое отношение окрашивается в один из двух цветов, показывающих, относится высказывание предиката ко всему классу или только к некоторому его непустому подклассу. В процессе проведения исследования показано, что такие классы-предикаты образуют буле-вую алгебру, что позволяет обосновать корректность построенной модели логических высказываний.
Для описания правил логического преобразования онтологии часть объектов конкретной сети рассматриваются как переменные, вместо которых допустимо подставлять другие объекты. Переменные и предикаты абстрактной сети в совокупности с набором логических операций «И», «ИЛИ», «НЕ» позволяет реализовать в модели правила вывода практически произвольной сложности. Интерпретация правил осуществляется при-
менительно к объектам конкретной сети и при модификации модели.
В модели предусмотрено три основных типа правил:
- базовые правила, интегрированные в систему и соответствующие основным постулатам математической логики (задаются при описании модели);
- специфические правила, характеризующие базовые отношения между объектами предметной области (задаются при настройке модели на конкретную предметную область);
- расширенные правила, выделяемые из текстов нормативно-правовых актов и являющиеся отдельными фактами учебного материала.
Модель пространственно-временного континуума в рассматриваемой онтологии реализована в форме отдельного иерархического семантического домена, классы которого описывают время и место; время и место может указываться в привязке к причинно-следственным связям, подобно тому, как указываются условия принадлежности объектов к классам абстрактной сети. Подобным образом организовано представление в модели ссылок на нормативно-правовые акты и их фрагменты (разделы, статьи и т.д.).
3. Метод построения модели знаний о предметной области
Первым этапом анализа текстов нормативно-правовых актов является их разбиение на отдельные структурные элементы - разделы, главы, статьи. Следующим шагом является морфологический анализ текстов в целях выделения отдельных объектов и устранения лингвистической кореференции, т.е. подстановка конкретных объектов вместо подразумевающих их терминов и местоимений. Для проведения морфологического анализа и устранения кореференции могут использоваться любые существующие методы на основе словаря лексем или приближенного морфологического анализа [2].
Проведение синтаксического анализа позволяет выделить те отношения между объектами предметной области, упоминаемыми в тексте, которые непосредственно определяются синтаксической структурой предложения, т.е. фактически осуществляется многовариантное построение фрагментов абстрактной и конкретной семантических сетей в соответствии с отношениями, зафиксированными в высказывании без учета его контекста [7].
После завершения синтаксического анализа выполняется логико-семантический анализ текста - построение отношений между классами абстрактной сети в рассматриваемом фрагменте на основе анализа семантической кореференции простых и составных терминов, встречающихся в контексте статьи, главы, раздела нормативно-правового акта. Включение в модель знаний о предметной области новых отношений на этапе логико-семантического анализа вызывает преобразование модели в соответствии с заложенными в нее правилами [7].
Сформированная таким образом модель отдельной статьи, главы, раздела нормативно-правового акта представляет собой фрагмент онтологической модели предметной области - пару взаимосвязанных фрагментов абстрактной и конкретной семантических сетей, описывающих классы и объекты предметной области, а также отношения между ними в контексте этой статьи (главы, раздела). Такой фрагмент на основе идентификации вершин абстрактной и конкретной сетей объединяется с другими фрагментами, и, таким образом, строится полная онтологическая модель, описывающая классы, объекты и отношения между ними в контексте всего нормативно-правового акта.
Объединение фрагментов семантической сети осуществляется на основе идентификации и слияния классов, объектов и их атрибутов. В результате идентификации и применения правил логического преобразования (базовых, специфических правил предметной области и расширенных правил, выделенных из текстов документов) строятся новые отношения между классами и, как следствие, объектами предметной области, что обеспечивает построение логически замкнутой модели знаний о предметной области.
4. Модель соотношения знаний и информационных потребностей обучаемого
В основе модели соотношения реальных знаний обучаемого с его информационными потребностями лежат, аналогично основным положениям 1ЯТ, вероятностные оценки знания обучаемым отдельных положений действующих нормативно-правовых актов, а также целевые значения этих оценок.
Модель соотношения реальных знаний и информационных потребностей основана на онтологическом представлении информации о предметной области. Вероятностной схемой в данном случае является последовательность независимых испытаний Бернулли
с различными вероятностями успешного исхода, в котором успешный исход каждого испытания соответствует знанию обучаемым соответствующего испытанию факта (декларирующего предиката онтологической модели знаний о предметной области).
Средства контроля целостности информации в модели знаний обучаемого о предметной области разработаны таким образом, что вероятность знания обучаемым факта, который может быть самостоятельно получен из иных (исходных) фактов путем логического умозаключения, не должна быть менее произведения вероятностей знания обучаемым исходных фактов, умноженного на некоторую положительную константу, не превосходящую единицу, - эмпирическую оценку способностей обучаемого к самостоятельному выполнению такого умозаключения.
Помимо оценки знания обучаемым отдельных фактов онтологии изучаемой предметной области, в состав модели соотношения реальных знаний и информационных потребностей входят профили потребностей - целевые уровни вероятностей понимания фактов, входящих в состав изучаемых нормативно-правовых документов, либо связанных с ними логическими соотношениями [11].
Профили потребностей формируются следующим образом. Обучаемый или преподаватель отмечает нормативно-правовые акты, которые необходимо изучить, после чего всем исходным фактам, выделенным в процессе формирования онтологической модели предметной области из таких актов, присваивается максимально достижимое этим обучаемым значение оценки вероятности понимания таких фактов. Помимо этого, всем другим фактам модели, связанным логическими соотношениями (правилами вывода) с исходными, приписываются значения оценок целевой вероятности, соответствующие вероятностям знания им этих фактов в случае, как если бы они были получены обучаемым самостоятельно, путем умозаключений из исходных фактов (или, в случае обратной логической связи - как если бы исходные факты были получены из них). Таким образом формируется набор оценок целевых вероятностей знания обучаемым ключевых фактов (т.е. профиль информационных потребностей), с которыми соотносятся оценки вероятности реального знания им этих фактов.
В процессе обучения рассмотренные в настоящем разделе оценки вероятности знания обучаемым отдельных фактов учебного материала модифицируются в соответствии с предъявляемыми ему теоретическими учебными материалами и результатами контроля его знаний. При этом на основе логических соотношений между высказываниями модели (правил логического вывода) полностью пересчитываются оценки вероятностей знания всех фактов модели, что позволяет учитывать изменения в знаниях обучаемого о предметной области и формировать, таким образом, очередной элемент индивидуальной траектории обучения в соответствии с его индивидуальными информационными потребностями.
5. Генерация элементов индивидуальной траектории обучения
5.1. Генерация теоретических учебных материалов
Теоретическими учебными материалами в рамках настоящей работы считаются сведения о предметной области, которые должны быть усвоены обучаемым в процессе работы с системой. Применительно к сфере повышения правовой квалификации это тексты нормативно-правовых актов и содержащаяся в них информация. Помимо этого, к теоретической информации будем относить примеры действия положений нормативно-правовых актов, не являющиеся выдержками или синонимичными конструкциями текстов нормативно-правовых актов [9].
В процессе работы пользователя с системой в режиме изучения теоретических материалов автоматически формируются тексты (страницы), содержащие описание фрагментов онтологической модели, соответствующие его информационным потребностям на очередном шаге индивидуальной траектории обучения. Во все формируемые системой теоретические учебные материалы (как изложения статей нормативно-правовых актов, так и примеры) включаются ссылки с возможностью перехода к исходным текстам нормативно-правовых актов. Кроме того, в тексты, содержащие логические выводы, включаются ссылки, позволяющие перейти к более подробному объяснению полученных результатов.
Помимо применения описанных механизмов, обеспечивающих формирование текстовых страниц (слайдов, экранов) для предоставления их обучаемому, представляется перспективным использование средств
контроля работы обучаемого с системой автоматизации обучения непосредственно в процессе работы с теоретическими учебными материалами. Для этого используется метод конспектирования учебного материала, заключающийся в самостоятельном выделении обучаемым наиболее важных, по его мнению, фрагментов текста и последующей автоматической оценке правильно -сти такого выделения. В случае, когда оценка качества конспекта неудовлетворительная, обучаемому предлагается вернуться к изучению теоретического материала. Подробно метод оценки качества работы пользователя с теоретическими учебными материалами рассмотрен в [3].
5.2. Генерация материалов практических занятий (тестовых заданий)
После завершения работы пользователя с системой в режиме усвоения теоретических учебных материалов проводятся практические занятия, целью которых является оценка качества знаний, полученных обучаемым. Практические занятия включаются в индивидуальный план обучения по мере необходимости в соответствии с индивидуальной траекторией обучения и представляют собой наборы тестовых контрольных заданий четырех основных форм: задания на выполнение одиночного выбора, на выполнение множественного выбора, на упорядочение вариантов ответа и открытые задания со свободным вводом ответа [1].
Для автоматической генерации тестовых заданий используется следующий метод (в зависимости от формы задания, выбираемой равновероятно случайным образом, алгоритм генерации задания и вариантов ответа, а также алгоритм проверки правильности ответа модифицируются соответствующим образом). Прежде всего, в фрагменте семантической сети, соответствующем контролируемому теоретическому учебному материалу, на основании оценки знания обучаемым отдельных фактов и с учетом целевых значений вероятностей знания учебного материала выбирается отдельный факт (или несколько связанных фактов), знание которого (которых) проверяется. Затем на основе выбранного факта формируются тексты вопроса и правильного варианта ответа, а также тексты ошибочных вариантов ответа. В качестве текста вопроса используется, преимущественно, предложение «Выберите верное (верные) утверждение (утверждения) из предложенных вариантов», а в качестве правильных и ошибочных вариантов соот-
ветственно выбираются тождественно истинные и тождественно ложные высказывания, формируемые на основе проверяемого факта и других фактов модели предметной области с использованием логических операций И, ИЛИ, НЕ. После получения ответа от пользователя изменяются оценки вероятностей знания им отдельных фактов в соответствии с выбранными им вариантами и ограничениями целостности модели. Более подробно алгоритм генерации таких заданий и оценки знаний на их основе рассмотрен в [3].
6. Программно-техническая архитектура системы
В 2005 г. разработан исследовательский прототип интеллектуальной системы автоматизации обучения, обеспечивающий возможность изучения пользователем положений нескольких нормативно-правовых актов, предварительно введенных в систему преподавателем в форме текстов на естественном языке. Следует отметить, что поскольку разработать синтаксический и логико-семантический анализатор, выполняющий качественный разбор произвольных текстов на естественном языке, в настоящее время не представляется возможным, в системе предусмотрена возможность дублирования текстов документов: исходного, совпадающего с официально опубликованным текстом нормативно-правового акта и адаптированного специалистом в целях более качественного логико-семантического анализа. При этом онтологическая модель для генерации учебных материалов строится на основе второго варианта текста, а первый предъявляется обучаемому в составе теоретического учебного материала.
Система построена на базе технологии тонкого клиента (веб-технологии), что дает возможность работы с ней посредством стандартного браузера без использования специальных программных средств. В основу системы положены современные открытые стандарты, обеспечивающие возможность ее неограниченного развития. Страницы пользовательского интерфейса разработаны таким образом, что предоставляют возможность работы с системой пользователей, не обладающих специфическими навыками работы на компьютере.
В качестве основы интеллектуальной системы автоматизации обучения выбрана система дистанционного обучения Web Tutor, разработанная на платформе Lotus Notes 6. В состав программного комплекса систе-
мы входят система управления базами данных, сервер приложений, веб-сервер. Прикладные программные модули системы реализованы на внутреннем языке Lotus Script, а также частично на языке @-формул. Программный комплекс системы ориентирован на функционирование под управлением операционной системы Windows 2000 Server и выше.
Программные модули, реализующие бизнес-логику обучения (учет пользователей, разработку структуры курса, составление расписания и т.д.), разработаны на внутреннем языке Lotus Notes. В свою очередь, специализированные программные средства, обеспечивающие интеллектуальную индивидуализацию обучения на основе рассмотренных выше моделей и методов, реализованы на языке программирования общего назначения C в форме библиотек DLL и подключаются к программному комплексу системы по мере необходимости. Для управления доступом к учебным материалам и информации об учебном процессе посредством веб-интерфейсов в системе используется специализированный DSAPI-фильтр, обеспечивающий разграничение доступа к информации по протоколу HTTP/HTTPS.
Для преобразования текстов нормативно-правовых актов в онтологическую модель предметной области, хранимую в форме файла специализированного формата на основе XML, используется отдельная утилита. Допустимо ручное редактирование XML-файла преподавателем, однако, если оно приводит к нарушению целостности модели,
система может функционировать непредсказуемо.
Заключение
Исследование разработанного прототипа системы показало, что его использование в учебном процессе позволяет существенно повысить индивидуализацию обучения сотрудников организации положениям нормативно-правовых актов, а при изменении действующей нормативно-правовой базы - оперативно обновлять учебные материалы в системе автоматизации обучения и проводить обучение сотрудников в соответствии с новыми требованиями.
Основными направлениями дальнейших исследований являются: оптимизация применяемых моделей и алгоритмов в целях повышения размерности моделей, эффективно обрабатываемых системой (качество работы системы во многом определяется объемом размещенной в ней дополнительной информации о предметной области), а также решение некоторых технологических проблем многопользовательского режима работы системы (разграничение доступа к файлам и записям базы данных при одновременной обработке моделей знаний нескольких пользователей, что в совокупности может вызывать нарушение целостности модели). Кроме того, важным направлением проведения исследований является разработка новых прикладных алгоритмов функционирования системы, в частности, включения в состав учебного курса новых типов контрольно-измерительных материалов.
Литература
1. Аванесов В.С. Научные проблемы тестового контроля знаний. - М.: Уч. центр при исследов. центре проблем качества подготовки специалистов, 1994.
2. Белоногов Г.Г., Богатырев В.М. Автоматизированные информационные системы. - М.: Сов. радио, 1973.
3. Беляев К.В. Средства индивидуализации дистанционного профессионального обучения // Дополнительное профессиональное образование. - 2005. - № 5.
4. Гречихин А. А., Древе Ю. Г. Вузовская учебная книга: типология, стандартизация, компьютеризация Уч.-метод. пос. - М.: Логос: Московский государственный университет печати, 2000.
5. Искусственный интеллект: В 3 кн. - Кн. 2. Модели и методы: Справочник/ Под ред. Д. А. Поспелова. - М.: Радио и связь, 1990.
6. Лорьер Ж.-Л. Системы искусственного интеллекта. - М.: Мир, 1991.
7. Попов Э.В. Общение с ЭВМ на естественном языке. - М., 1982; М.: Едиториал УРСС, 2004.
8. Рубашкин В.Ш. Представление и анализ смысла в интеллектуальных информационных системах. - М.: Наука, 1989.
9. Стрикелева Л.В., Пискунов М.У., Тихонов И.И. Организация учебного процесса с помощью АОС. Педагогические основы. - Мн.: Университетское, 1986.
10. Brusilovsky, P.: Adaptive educational systems on the World Wide Web. In: Ayala, G. (ed.) Proc. of Workshop "Current Trends and Applications of Artificial Intelligence in Education" at the 4th World Congress on Expert Systems, Mexico City, Mexico, ITESM (1998).
11. Burton, R., 1998; Sleeman, D. and Brown, J.S., 1982, Intelligent Tutoring Systems, Academic Press. (Computers and People Series, Ed. Gaines, B.R.).
