CC BY
170
АДАПТИВНЫЕ СЦЕНАРИИ ОБУЧЕНИЯ
ГУЧАПШЕВ ХУСЕЙН МУЗАРИФОВИЧ
кандидат технических наук
(АНО ВПО «БЕЛГОРОДСКИЙ УНИВЕРСИТЕТ КООПЕРАЦИИ, ЭКОНОМИКИ И
ПРАВА»,
Нальчикский институт кооперации (филиал), Россия, КБР, г. Нальчик)
kavkaz2002@mail.ru
ШАПСИГОВ МУРАТ МУХАМЕДОВИЧ
кандидат экономических наук, (АНО ВПО «БЕЛГОРОДСКИЙ УНИВЕРСИТЕТ КООПЕРАЦИИ, ЭКОНОМИКИ И
ПРАВА»,
Нальчикский институт кооперации (филиал), Россия, КБР, г. Нальчик)
mur-baksan@mail.ru
Аннотация: Адаптивные системы - это системы, которые приспосабливаются к человеку, возрасту, полу, к психологическому и физическому состоянию учащихся. Адаптивность можно рассматривать, как в отношении настройки игровых автоматизированных обучающих систем (ИАОС) на обучающегося, так и настройки на предметную область.
Abstract: Adaptive systems are systems, which adapt to the person, age, sex, to a psychological and physical state of pupils. Adaptability can be considered, how concerning control of the game automated training systems on being trained, and settings for subject domain.
Ключевые слова: адаптивные системы, сценарии обучения, сеансами игрового обучения.
Keywords: adaptive systems, training scenarios, sessions of game training.
Одной из современных технологий, предполагающих обеспечение условий индивидуального усвоения содержания образования, развития общеучебных умений и навыков у учащихся и познавательного интереса, является адаптивная система обучения.
Основная функция современных технологий состоит в повышении качества процесса обучения, в наилучшем решении задач развития учащихся. Сам процесс обучения - организованное взаимодействие обучающего и обучающихся для дос-
тижения образовательных целей. При традиционной организации обучения нет возможности адаптироваться к индивидуальным особенностям учащихся во время урока. Совершенно новые подходы решения этой проблемы открывает адаптивная система обучения. Это и индивидуализация обучения в условиях формирования коллектива, это и адаптация к индивидуальным особенностям обучающихся и использование механизмов саморегуляции.
"Знание только тогда знание, когда оно приобретено усилием собственной мысли, а не памятью", - эти слова Л.Н. Толстого как нельзя лучше раскрывают сущность адаптивных систем обучения.
Адаптивные системы - это системы, которые приспосабливаются к человеку, возрасту, полу, к психологическому и физическому состоянию учащихся. Иными словами, адаптивная система предполагает приспособление всех элементов педагогической системы:
— целей,
— содержание,
— методов, способов, средств обучения,
— форм организации познавательной деятельности учащихся,
— диагностики результатов.
Адаптивность можно рассматривать, как в отношении настройки игровых автоматизированных обучающих систем (ИАОС) на обучающегося, так и настройки на предметную область. И тот и другой типы адаптации хорошо известны [1] и сводятся к первоначальной настройке МПО и МО на основе анкетирования препо-давателя-эксперта и обучающегося.
Более сложным случаем адаптации является корректировка сценариев игрового обучения во время функционирования ИАОС. Это бывает необходимо в следующих случаях:
1) при обнаружении ошибок или неточностей в сеансах ИАОС,
2) при необходимости дополнения сценария новыми возможными сеансами игрового обучения,
3) при объединении нескольких ранее спроектированных и апробированных сценариев,
4) при выделении из сценария какой-либо тематической выборки для решения обучающимся задач некоторого узкого класса.
Во всех перечисленных случаях можно воспользоваться алгебраическим представлением сценариев с последующим переводом их дизъюнктивную нормальную форму, т.е. использовать разбиение сценария на отдельные сеансы. В этом случае любое преобразование (коррекцию) сценария можно производить над отдельными сеансами. Рассмотрим общие схемы преобразований для каждого из четырех перечисленных случаев.
Обнаружение ошибок или неточностей в сеансах ИАОС свидетельствует о наличии в сценарии ошибочных сеансов. Пусть вся сеть переходов сценария V представляется некоторым алгебраическим выражением F. Задачей преобразования сценария является получение такой новой сети с соответствующим выражением Ft, в которой исключены ошибочные сеансы. Первым этапом такого преобразования является получение дизъюнктивной нормально формы Fd, эквивалентной выражению F:
Fd = Х1 * Х2 * ... * Хк + ... + X! * Х+1 * ... * Хп , где X! * Х!+1 * ... * Хп - конъюнкты, соответствующие сеансам сценария.
Следующим этапом преобразования сети сценария является автоматизированный или автоматический ситуационный анализ каждого сеанса. Этот анализ предполагает исследование начальной, промежуточных и конечной ситуаций, получаемых после каждой из продукций сеанса. Все эти ситуации должны соответствовать возможным ситуациям (правильным). Определить, относится ли данная ситуация к возможным можно на основе анализа таблицы возможных характеристик. Если в каком-либо из сеансов найдена ситуация, не относящаяся к возможным, то такой сеанс включается в список некорректных сеансов.
На следующем этапе преобразований список некорректных сеансов предоставляется эксперту для анализа. Эксперт может либо исправить некорректные сеансы, либо указать ИАОС на необходимость их удаления из сценария. И в том и в
другом случае заключительным этапом преобразований является обратный синтез сети сценария. Схема преобразований имеет важное положительное свойство: при объединении всех некорректных сеансов в единый список появляется возможность найти причину возникшей ошибки, которая может возникнуть от некорректности МПО или МО, а также ошибки в условиях и действиях продукций сценария. Для поиска причины ошибок следует обобщить ошибочные характеристики некорректных сеансов. Выявление одних и тех же некорректных характеристик возможно автоматически и, как правило, указывает на существенную ошибку в сценарии, внесенную экспертом.
Дополнения сценария новыми возможными сеансами игрового обучения должны гарантированно обеспечивать корректность результирующего сценария. Здесь аналогично предыдущему случаю рассматриваются на корректность сеансы, которые эксперт определяет, как новые задачи обучения. В случае некорректности производится диалог ИАОС с экспертом для исправления внесенных ошибок. ИАОС может с высокой степенью достоверности указать на конкретные продукции и используемые в них характеристики моделей, которые повлияли на появление ошибки. При получении корректных сеансов ИАОС объединяет их в единую сеть и включает в итоговый сценарий, не преобразую его, а просто как дополнительную альтернативу обучающих игр. Это реализуется аддитивной операцией алгебры продукций. Такой подход позволяет ускорить дополнение сценария новыми возможностями.
Объединение нескольких ранее спроектированных и апробированных сценариев представляет собой весьма сложную проблему. Сложность заключается в том, что исходные сценарии в этом случае проектируются разными экспертами. В этом случае изначально предполагается, что МПО и МО ИАОС для двух исходных сценариев различаются по названиям и возможным значениям характеристики. Сами же схемы сценариев могут быть вполне пригодны для объединения. В силу сказанного первым и главным этапом преобразования сценариев с целью их объединения является этап согласования (унификации) характеристик моделей обучающегося и предметной области.
На этом этапе должны работать оба автора-эксперта. Они могут принять за основу вариант МПО и МО одного из авторов, изменив наименования и возможные значения характеристик, предложенных другим автором, а при необходимости дополнив модели новыми характеристиками. Этот этап становится менее трудоемким лишь в том случае, если группой экспертов перед проектированием наполнения ИАОС принимаются общие правила построения обучающих игр с точностью до наименований и значений всех характеристик рабочих моделей.
Из сказанного становится ясным, что этот этап преобразования ИАОС весьма сложен для автоматизации. После проведения унификации моделей задача синтеза общего сценария сводится к решению предыдущей (дополнение сценария новыми возможностями).
Выделение из сценария какой-либо тематической выборки производится при отчуждении из ИАОС фрагмента сценария для получения более компактной обучающей игры, посвященной изучению какого-либо узкого вопроса предметной области обучения.
Полезность такого выделения заключается не только в возможности экономической реализации наполнения ИАОС по частям, но и в возможности доработки отдельных задач обучения (тематик) другими авторами-экспертами. Положительным моментом в данном случае является опора эксперта на характеристики МО и МПО, заложенные в сценарий ранее. После такой доработки выделенный сценарий может быть возвращен в общую систему в уже обновленном переработанном виде.
Первым этапом выделения тематической выборки является идентификация входной и выходной ситуации для необходимого класса задач. После получения из общего сценария эквивалентной дизъюнктивной нормальной формы из нее выделяются только те сеансы, которые соответствуют задачам выбранной тематики. Для предложенного подхода допускается использовать усечение МПО и МО, ограничив их лишь теми характеристиками, которые необходимы для решения задач выбранной тематики. Вместе с тем, целесообразно рекомендовать полное сохранение этих моделей в отчужденной части ИАОС для того, чтобы оставить новым экспертам возможность построения новых сценариев игрового обучения с опорой на концеп-
цию наполнения ИАОС в соответствии с оригинальным подходом ее первых авторов.
Предложенная здесь методология адаптации сетевых сценариев позволяет определить их как адаптивные игровые сценарии обучения. В то же время, сложностью программной реализации адаптивных сценариев является необходимость реализации алгоритмов построения нормальных форм и алгоритмов обратного синтеза. В реальности эти алгоритмы обладают комбинаторной сложностью, поскольку построены на основе переборного способа.
При достаточной мощности компьютера, на котором будет функционировать ИАОС с адаптивным сценарием, этапы адаптации могут занимать десятки секунд времени при наличии 500 вершин игрового сценария. Более производительные компьютеры позволят производить такие преобразования в реальном масштабе времени. Однако, сложные сетевые сценарии могут насчитывать тысячи вершин. В этом случае для адаптационных преобразований необходимо выделять специальное машинное время, свободное от обучения.
Библиографический список
1. Ворошин Д.А. Средства организации адаптивного учебного процесса на базе автоматизированных обучающих систем: Автореферат дис. канд. технич. наук. -Иваново: ИГЭУ, 2003.
2. Григорьев С.Г., Гриншкун В.В. Учебник - шаг на пути к системе обучения "Информатизации образования". // В сборнике научных трудов "Проблемы школьного учебника". / Научно-методическое издание. М.: ИСМО РАО, - 2005. С. 219222.
3. Г риншкун В.В. Григорьев С.Г. Образовательные электронные издания и ресурсы. // Учебно-методическое пособие для студентов педагогических вузов и слушателей системы повышения квалификации работников образования. / Курск: КГУ, Москва: МГПУ - 2006, 98 с.
4. Ефимов Е.И. Решатели интеллектуальных задач. - М.: Наука, 1982. - 316с.
5. Телегин А.А. Совершенствование методической системы обучения учителей разработке образовательных электронных ресурсов. // Диссертация канд. пед. наук. / М. - 2006. 172 с.
6. Яхно Т.М. Системы продукций как стиль программирования и задач искусственного интеллекта. -Новосибирск: ВЦ АН СССР, 1984.
7. http://www.dslib.net/аУюта^ргоекйгоуате/avtomatizacii а-ргоек^гоуапп а-programmnyh-igrovyh-obuchaiuwih-sistem-na-osnove.html
8. http://izv-tn.tti.sfedu.ru/wp-content/uploads/2013/08/45.pdf
9. http://www.znannya.org/?уiew=elearning-concepts.A
