CC BY
52
Наука та прогрес транспорту. Вкник Дншропетровського нацюнального ушверситету залiзничного транспорту, 2013, вип. 3 (45)
УДК 004.89: 37.012
А. Л. ДАНЧЕНКО1*
1 Каф. «Системная инженерия», Восточноукраинский национальный университет имени Владимира Даля, кв. Молодежный, 20 а, 91034, Луганск, Украина, тел. + 38 (0642) 47 14 44, + 38 (050) 655 07 01, эл. почта [email protected].
АВТОМАТИЗАЦИЯ ИНФОРМАЦИОННОЙ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПО СОВЕРШЕНСТВОВАНИЮ КАЧЕСТВА ЭЛЕКТРОННЫХ ОБРАЗОВАТЕЛЬНЫХ РЕСУРСОВ
Цель. В условиях активного развития е-1еагт^ все большее значение приобретает качество электронных образовательных ресурсов обучающих систем. Быстрое устаревание информации при массовости образования обуславливает необходимость повышения эффективности процесса совершенствования качества электронных образовательных ресурсов путем автоматизации информационной поддержки принятия решений. Методика. Задача решена методами искусственного интеллекта путем разработки информационной структуры базы знаний системы поддержки принятия решений на основе фреймовой модели представления знаний и продукционных правил логического вывода. Результаты. По результатам анализа процессов жизненного цикла и требований к качеству электронных образовательных ресурсов разработаны информационная структура базы знаний системы поддержки принятия решений, правила логического вывода и программная реализация системы поддержки принятия решений. Практическая значимость. Установлено, что основными требованиями к качеству электронных образовательных ресурсов являются успеваемость, ва-лидность, надежность и технологичность. Показано, что при использовании программной реализации системы поддержки принятия решений в ходе экспериментального исследования для всех курсов наблюдается рост качества по комплексному критерию. Информационная структура базы знаний системы поддержки принятия решений и правила логического вывода могут быть использованы методистами и разработчиками контента обучающих систем.
Ключевые слова: качество; образовательные ресурсы; представление знаний; правила логического вывода; лицо, принимающее решение
Введение
В условиях активного развития е-1еагш^ все большее значение приобретает качество электронных образовательных ресурсов (ЭОР) обучающих систем. Принятие эффективного решения по совершенствованию качества образовательного контента обучающих систем в условиях массовости образования и быстрого устаревания информации невозможно без автоматизации информационной поддержки принятия решений, обеспечивающей автоматизацию процессов анализа/оценки качества, визуализации результатов вычислений и формирования рекомендаций для лица, принимающего решение (ЛПР) [4]. Анализ научных исследований в области оценки качества ЭОР [3, 5-6, 13] показал, что существующие системы выполняют оценку только по отдельным показателям и не обеспечивают автоматизированную информационную поддержку принятия решений по
совершенствованию качества образовательных ресурсов на основе системной оценки априорных и статистических данных о свойствах ЭОР. Таким образом, обусловлена необходимость повышения эффективности процесса совершенствования качества ЭОР путем автоматизации информационной поддержки принятия решений. Учитывая комплексное оценивание функциональных свойств и статистические данные о результатах применения ЭОР, в ходе учебного процесса разработаны системы поддержки принятия решений (СППР).
Методика
Задача решена методами искусственного интеллекта путем разработки информационной структуры базы знаний системы поддержки принятия решений на основе фреймовой модели представления знаний и продукционных правил логического вывода. Разработана программная реализация для верификации пред© А. Л. Данченко, 2013
Наука та прогрес транспорту. Вкник Дншропетровського нацюнального ушверситету залiзничного транспорту, 2013, вип. 3 (45)
ложенного решения в ходе экспериментального исследования с применением Microsoft SQL Server 2008 в качестве сервера базы данных и MS VisualStudio 2010 - в качестве среды разработки.
Результаты
В данной работе ЭОР рассматривается как инструмент для достижения учебной цели в виде задания. Задание будем понимать как «педагогическую форму, нацеленную на усвоение... требуемого фрагмента подготовленности» [1, 2]. Комплекс ЭОР (КОР) будем понимать как конечное множество ЭОР, применяемых для обучения в рамках конкретной учебной дисциплины, подлежащих оценке и прошедших эмпирическую проверку в ходе учебного процесса.
Согласно [15-17] показатели качества КОР как системы разделяются на три группы:
- качество потенциала достижения цели образования, определяемое на этапе проектирования;
- качество учебного процесса, определяемое в ходе учебной деятельности;
- качество результатов образования.
Анализ украинских стандартов в области
систем обеспечения качества [10-11], а также международных стандартов по информационным технологиям в обучении, образовании и подготовке [14-17] показал, что совершенствование качества ЭОР является трудоемким замкнутым итерационным процессом. Замкнутый жизненный цикл ЭОР является последовательностью процессов: «Анализ» ^ «Проектирование» ^ «Разработка» ^ «Внедрение» ^ «Учебный процесс» ^ «Оценка/Оптимизация» ^ «Анализ».
Результаты анализа основных процессов и подпроцессов жизненного цикла образовательных ресурсов применительно к задаче автоматизации оценивания качества ЭОР подробно представлены в исследовании А. Л. Данченко [7]. При этом установлено, что процессы, определяющие качество ЭОР и удовлетворяющие условию контролируемости входных и выходных параметров средствами систем дистанционного обучения, классифицируются как:
- «Организация использования» (подпро-
цесс основного процесса «Внедрение»);
- «Учебная деятельность»;
— «Анализ результатов учебной деятельности»;
- «Оценка»;
— «Поиск решения по оптимизации».
Анализ научных исследований в области
разработки педагогических заданий [1, 2, 12] показал, что основными требованиями к качеству КОР являются:
1. Соответствие формы и содержания целям образовательного стандарта, учебной программы, учебного плана.
2. Обеспечение требуемых показателей успеваемости.
3. Валидность (соответствие) обучающего контента целевой аудитории.
4. Надежность как степень завершенности образовательных ресурсов — полнота, грамотность, ясность, точность формулировок, отсутствие ошибок восприятия, связанных с двусмысленностью;
5. Технологичность как способ обеспечения индивидуализации обучения при массовости образования — степень автоматизации обратной связи и обработки результатов.
Рассмотрим перечисленные требования применительно к задаче автоматизации информационной поддержки принятия решений по совершенствованию качества ЭОР. Соответствие формы и содержания ЭОР целям образовательного стандарта, учебной программы, учебного плана устанавливается по результатам экспертизы содержания учебных материалов, которая, в свою очередь, обеспечивается методическими отделами, кафедрами и учеными советами образовательных учреждений. В данной работе будем полагать, что в состав КОР входят только ЭОР, успешно прошедшие процедуру данной экспертизы.
Однако применение только экспертного анализа на этапе разработки обучающего контента не позволяет выявить все недостатки ЭОР из-за непредсказуемости результатов восприятия вербальной и невербальной информации, поэтому для объективной оценки качества учебных материалов требуется проведение эмпирической проверки для учета статистических данных о результатах применения ЭОР в ходе учебного процесса. При этом такие требования
Наука та прогрес транспорту. Вкник Дншропетровського нацюнального ушверситету зашзничного транспорту, 2013, вип. 3 (45)
к качеству КОР как успеваемость и валидность являются требованиями к показателям, которые могут быть определены только по результатам обучения.
Показатель успеваемости - наиболее распространенный количественный показатель качества учебной деятельности, но, несмотря на простоту использования, является недостаточно информативным, т. к. не в полной мере характеризует подготовленность обучаемых и трудность заданий, вследствие чего успеваемость не может быть использована как основной критерий качества ЭОР.
Валидность, как степень соответствия педагогических заданий целевой аудитории, применяется в теории педагогического тестирования для решения узконаправленных задач по разработке тестов и в системах адаптивного обучения. В условиях реализации концепции индивидуализации обучения валидность является показателем, который необходимо учитывать при оценке качества ЭОР.
Надежность, как степень завершенности ЭОР, является показателем, позволяющим идентифицировать наличие скрытых дефектов учебных материалов.
Технологичность учебных материалов определяется функциональными свойствами ЭОР, которые проявляются в ходе учебного процесса и может быть оценена на этапе «Внедрение». Исходя из того, что только при высокой технологичности учебных материалов возможно обеспечение индивидуализации обучения в условиях массовости образования, это подтверждается и результатами исследований, выполненных на основе электронных ресурсов [14], технологичность выделяется как показатель, который также необходимо учитывать при оценке качества ЭОР.
Таким образом, в ходе анализа установлено, что процессы, определяющие качество ЭОР и удовлетворяющие условию контролируемости входных и выходных параметров средствами систем дистанционного обучения, подразделяются на: «Организация использования», «Учебная деятельность», «Анализ результатов учебной деятельности», «Оценка» и «Поиск решения по оптимизации», а основными требованиями к качеству ЭОР являются успеваемость, валидность, надежность и технологичность.
Разработка комплексного критерия качества ЭОР, учитывающего указанные требования к качеству представлена в работе А. Л. Данченко [9]. Качество ЭОР в виде совокупности составляющих предоставляет информацию для принятия решения по каждому из показателей и имеет вид:
№ор) = (ад0р);&(^ор); Ш ^); а(^ор)),(!)
где Q1 (£) — критерий успеваемости;
Q2 (^кор) — критерий валидности;
Q3 (£) — критерий технологичности;
Q4 (£) — критерий надежности;
£ — концептуальный граф изучения КОР.
Качество ЭОР в виде функциональной зависимости имеет вид:
п "
Q (р )=П( (кор )) i=1
(2)
Модель базы знаний СППР по совершенствованию качества ЭОР, учитывающая комплексный критерий качества, (рис. 1) является сетью фреймов. Сеть фреймов содержит 3 иерархии фреймов-прототипов («Обучаемые», «Структура курса» и «Результаты обучения»), фрейм-прототип «Обучающий элемент» для определения обучающего контента, фрейм-прототип «Журнал» для установки связей на уровне экземпляров класса «Группа» и экземпляров класса «Версия», фреймы-прототипы «Уровень усвоения», «Обратная связь», «Дефект», «Сопровождение» для определения таких характеристик образовательных ресурсов, как: уровень усвоения, тип обратной связи, дефекты и сопровождения — возможности технической поддержки ЭОР в ходе эксплуатации.
Правила логического вывода СППР (табл. 1) обеспечивают уровень детализации мониторинга Ь от 1 до 5. При Ь = 1, соответствую-
^кор ^кор
щему уровню детализации «Версия», предоставляются наиболее обобщенные рекомендации по результатам оценивания качества ЭОР, входящих в состав анализируемого курса; уровень детализации Ь5 = 5 («Шаг»), напротив, наиболее точно определяет набор рекомендаций по
Наука та прогрес транспорту. Вкник Дншропетровського нацюнального ушверситету залiзничного транспорту, 2013, вип. 3 (45)
совершенствованию качества текущего элемента ЭОР. Правила оперируют фактами, полученными в результате выполнения присоединенных процедур, и эталонными значениями уровней качества единичных показателей вектора ф (табл. 1), который определяет для каждого показателя значение границы низкого качества, значение границы высокого качества и значение максимально допустимого качества для установки «зоны вето».
Рис. 1. Сеть фреймов базы знаний СППР
Таблица 1 Значения параметров вектора ф
Название Граница низкого качества Граница высокого качества Максимально допустимое
J 1 2 3
Успеваемость, ф1 0,4999 0,7999 0,9
Валидность, ф2 0,4999 0,7999 1
Технологичность, Фз 0,4999 0,7999 1
Надежность, ф4 0,4999 0,7999 1
Эталонное значение ф^ сравнивается с
фактическим значением показателя Qi (5"кор)
полученным в результате вычисления соответствующей присоединенной процедуры на заданном уровне детализации LS . Приоритет
правил определяется, исходя из значений функционального свойства образовательных ресурсов «Сопровождение».
Присоединенные процедуры обеспечивают такую функциональность: EvQ выполняет расчет комплексного показателя качества согласно формуле (2); EvQh EvQ2, EvQ3, и EvQ4 выполняют расчет значений качества показателей успеваемости, валидности, технологичности и надежности соответственно; EvExtr предоставляет информацию о «провалах» информационной функции образовательных ресурсов; EvBeta предоставляет данные о трудности заданий в; Evd вычисляет дискриминационную способность ЭОР у ; EvkT возвращает значение коэффициентов технологичности kT, EvAlpha -значения уровней усвоения а, EvMaintain -значения сопровождения, EvDef предоставляет информацию о дефектах и рекомендации по их устранению.
При анализе фактического показателя успеваемости в процессе автоматической генерации рекомендаций, формируемых СППР, следует учитывать, что данный показатель недостаточно информативен сам по себе: наличие высоких показателей успеваемости может быть обусловлено как высоким уровнем подготовки обучаемых, так и слишком легкими заданиями; низкая успеваемость может наблюдаться как при низкой подготовке обучаемых, так и при наличии чрезмерно трудных заданий. В обоих случаях наблюдается несоответствие образовательных ресурсов целевой аудитории. Поэтому для корректировки показателя успеваемости применяется правило, формирующее общую рекомендацию для повышения успеваемости с учетом показателя валидности Q2 (S):
ЕСЛИ (EvQi(SКОр, L,^) <Ф„ AND
EvQ2(^кор ,LSmf ) < Ф21) , ТО «Требуется повысить успеваемость. Рекомендуется понижение трудности заданий или разработка дополнительных упрощенных заданий».
При наличии высокого показателя успеваемости Q1( S) и низкого показателя валидности Q2 (S) формируется общая рекомендация вида:
ЕСЛИ (EvQi(,Кор,Lv) = Ф12 AND
EvQ2 (^кор , LS„p ) < Ф21) ,
Наука та прогрес транспорту. Вкник Дншропетровського нацюнального ушверситету залiзничного транспорту, 2013, вип. 3 (45)
ТО «Высокая успеваемость при низком показателе валидности. Рекомендуется повышение трудности заданий или разработка дополнительных заданий повышенной трудности».
При наличии локальных максимумов информационная функция содержит «провалы» (разработка метода поиска «провалов» информационной функции представлена в [7]), поэтому для корректировки показателя валидности ЛПР будет предоставлена соответствующая рекомендация по их устранению:
ЕСЛИ EvExtr (£КОр, LSkv ) > 1,
ТО «Рекомендуется разработка дополнительных заданий с трудностью, соответствующей интервалу провала информационной функции».
Для формирования более точных рекомендаций по корректировке параметров показателя валидности требуется анализ графического образа информационной функции образовательных ресурсов, трудности в и дискриминационной способности у ЭОР. При формировании рекомендаций по корректировке трудности /-го ЭОР целесообразно использовать общепринятые категории трудности в согласно [1, 11]:
- Очень легкие задания, в/ <-2,6 логит.
- Легкие задания, -2,6 <в/ <-1,5 логит.
- Задания средней трудности, -1,49 <в/ < 1,49 логит.
- Трудные задания, 1,49 <в/ < 2,59 логит.
- Очень трудные задания, в/ ^ 2,6 логит.
При этом отрицательное значение yявляется явным признаком дефекта задания, что выражается в том, что подготовленные ученики выполняют задание образовательных ресурсов неверно, а неподготовленные дают правильный ответ. Причинами являются: некорректная постановка задачи; дистрактор помечен как правильный ответ. ЭОР с у<0 подлежит обязательной модификации или удалению. Правила для формирования рекомендаций по корректировке валидности с учетом отрицательного параметра дискриминации для заданий нетестовой формы имеют вид:
ЕСЛИ (EvQ2(Siap,L^) <Ф21 AND
Evd(LS -1) < 0 AND Форма =«Нетестовая»,
ТО «Отрицательное значение параметра дискриминации указывает на наличие ошибок в задании. Задание подлежит модификации или удалению».
Правила для формирования рекомендаций по корректировке валидности с учетом отрицательного параметра дискриминации для заданий тестовой формы и смешанной формы имеют вид:
ЕСЛИ (EvQ,^, L^) <Ф21 AND
Evd(LS -1) < AND Форма !=«Нетестовая»,
ТО «Отрицательное значение дискриминационного параметра указывает на наличие ошибок в задании. Проверьте корректность постановки задачи. Для тестовых заданий проверьте корректность дистракторов. Задание подлежит модификации или удалению».
Рекомендации для ЭОР с 0,5 <у< 0,5:
ЕСЛИ (EvQ2(£Кор,L^) ^AND
0 < Evd(LS -1) < 0,5
^кор
ТО «Задание не дифференцирует знания обучаемых. Задание подлежит удалению либо модификации».
Рекомендации для ЭОР с 0,5 <у < 1:
ЕСЛИ (EvQ2(SKор,L^) < Ф21 AND (0,5 <Evd(LS -1) < 1),
^кор
ТО «Задание обладает низкой дифференцирующей способностью и подлежит модификации».
Если для ЭОР наблюдается недостаточно высокий уровень показателя технологичности Q3(SKOP) при уровне усвоения а менее 5 и коэффициенте технологичности kт < 1, то правила формирования рекомендаций имеют вид: ЕСЛИ
((EVQ3 (S^ ЛкоР )<Фз1)AND(a<5)AND(kт <)) ,
ТО «Рекомендуется повышение технологичности путем усовершенствование способа организации обратной связи».
Если для ЭОР наблюдается недостаточно высокий уровень показателя технологичности Q3 (S) при уровне усвоения менее 5 и коэффициенте технологичности kт=1, то правила формирования рекомендаций имеют вид:
Наука та прогрес транспорту. Вкник Дншропетровського нащонального ушверситету залiзничного транспорту, 2013, вип. 3 (45)
ЕСЛИ
((EvQ3 (SKор )<Ф31 )AND(a<5) AND(kт =1)),
ТО «Рекомендуется повышение технологичности путем повышения уровня усвояемости заданий».
Для ЭОР с высоким уровнем усвояемости низкими значениями коэффициента технологичности kT рекомендации формируются в зависимости от формы заданий:
ЕСЛИ ((EvQ3 ^,Ч) <Ф31) AND(a >= 54 ^
AND(kт < 1) AND (Форма =" НФ")
ТО «Рекомендуется повышение технологичности путем перевода в тестовую форму отдельных этапов задания».
(
ЕСЛИ
((^кор,LSkv ) <Ф31) AND(a >= 5) AND(kт < 1)AND "Ш"
Л
учебного процесса и метаданных образовательных ресурсов, реализованная средствами MS SQL Server 2008.
- Хранилище данных автоматизированной системы мониторинга, выполненное средствами MS SQL Server 2008 на основе материализованных представлений и денормализованных таблиц для хранения плоских данных.
- Приложение-клиент для взаимодействия с ЛПР, OLTP-базой и хранилищем данных, выполненное средствами MS VisualStudio 2010.
Рекомендации по совершенствованию качества ЭОР предоставляются как в графической (рис. 2), так и в текстовой, и в табличной форме по каждому показателю, что обеспечивает визуализацию результатов вычислений для ЛПР.
Детализированные рекомендации
ТО «Рекомендуется повышение технологичности путем автоматизации обратной связи отдельных этапов задания».
Для корректировки показателя надежности общая рекомендация имеет вид:
ЕСЛИ(EvQ4(£КОр,L^ ) <Ф41) ,
ТО «Рекомендуется устранение дефектов на уровне детализации -1».
Детализированные рекомендации формируются путем анализа текущего списка зафиксированных дефектов данного ЭОР. Рекомендации формируются в соответствии с уровнем приоритета дефектов в убывающем порядке.
Наличие встроенных функциональных возможностей и визуальных средств для работы со сложными иерархическими структурами данных, свободный доступ к документации, а также возможность использования коммерческого программного обеспечения Microsoft в рамках лицензии Microsoft Academic Alliance обусловили выбор Microsoft SQL Server 2008 в качестве сервера базы данных и MS VisualStudio 2010 - в качестве среды разработки. Программная реализация СППР по совершенствованию качества ЭОР включает три подсистемы:
- OLTP-база для хранения фактов о ходе
Информационная функция версии курса
j
/
г>
/ Г \
м ж
Изучение сгк* САУ
« Критерий По«к 5 Параметричес ,. & Построение Ф
- Информационная Ф
Интервалы провалов функции
Рекомендуется разработка дополнительных заданий с трудностью, соответствуют ei
Рис. 2. Графическое представление результатов вычислений по валидности
Пример автоматически сгенерированных рекомендаций по экспериментальному курсу ТАУ для показателя валидности представлен на рис. 3. Поиск провалов информационной функции выполнен согласно методу, представленному в [7].
Детализированные рекомендации по валидности
Интервалы провалов функции
Рекомендуется разработка дополнительных заданий с трудностью, соответствующей
инт ерв алу пров ала информ ационной функции
№ п.п. Значение экстремума Тип экстремума Начальная точка провала Конечная точка провала
1. 5,1564 Локальный экетреумум -0.5 0
2. 11,7972 Глобальный экетреумум 1
На интервале подготовленности от -3 до -1,4 логит информационная функция меньше 2,35944 логит. Рекомендуется разработка дополнительных заданий данной трудности.
На интервале подготовленности от 2 до 3 логит информационная функция меньше 2:35944 логит. Рекомендуется разработка дополнительных заданий данной трудности.
□
Наука та прогрес транспорту. Вюник Дншропетровського нацюнального ушверситету зал1зничного транспорту, 2013, вип. 3 (45)
Рис. 3. Рекомендации по устранению провалов информационной функции
При использовании программной реализации СППР в ходе экспериментального исследования были получены результаты по динамике показателей качества для трех курсов: «Основы дискретной математики (ОДМ), «Проектирование технических средств систем управления» (ПТССУ) и «Теория автоматического управления» (ТАУ). При этом для всех учебных дисциплин наблюдается рост качества по комплексному критерию (рис. 4).
0,5 0,4 0,3 0,2 ОД
0,4864 0,5011
0,4199 °-4284
■ 0,3369
■
□
■ ОДМ1.1 ■ ОДМ1.2 ■ ОДМ1.3 ■ ПТССУ1.1 ■ ПТССУ1.2 ■ ПТССУ1.3 ■ ТАУ1.1 ■ ТАУ 1.2
Рис. 4. Динамика показателей качества курсов Практическая значимость
Применительно к задаче автоматизации информационной поддержки принятия решений по совершенствованию качества ЭОР разработана модель информационной структуры базы знаний СППР, правила логического вывода и программная реализация СППР, обеспечивающая автоматизацию процессов анализа, оценки качества, визуализации результатов вычислений и формирования рекомендаций для ЛПР.
Разработанная информационная структура базы знаний системы поддержки принятия решений и правила логического вывода могут быть использованы методистами и разработчиками контента обучающих систем.
Выводы
Выполнен анализ процессов жизненного цикла и требований к качеству ЭОР, установлено, что основными требованиями к качеству ЭОР являются успеваемость, валидность, надежность и технологичность. Для всех исследуемых учебных дисциплин зафиксирован рост качества по комплексному критерию.
В будущем планируются дополнительные исследования для обеспечения возможности
оценки качества КОР с учетом качества содержания учебных программ и формирования соответствующих рекомендаций СППР.
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
1. Аванесов, В. С. Основы теории педагогических заданий / В. С. Аванесов // Педагогические измерения. - 2006 - № 2. - С. 26-62.
2. Беспалько, В. П. Образование и обучение с участием компьютеров (педагогика третьего тысячелетия) / В. П. Беспалько. - М. : МПСИ, МОДЭК. - 2002. - 352 с.
3. Бшик, О. О. 1нформацшна технолопя мошто-рингу якост загальноосвгтшх навчальних за-клад1в : автореф. дис.... канд. техн. наук : 05.13.06 / Бшик Олег Олександрович; Черкась-кий держ. технол. ун-т. - Черкаси, 2009. - 19 с.
4. Боднар, Б. С. Системы управления качеством по стандарту ISO 9000 в высших учебных заведениях / Б. С. Боднар, О. О. Матусевич // Вкник Дншропетр. нац. ун-ту зал1зн. трансп. 1м. акад. В. Лазаряна. - Д., 2012. - Вип. 40. -С. 167-172.
5. Боцула, М. П. О проблеме экспертизы качества материалов дистанционных курсов / М. П. Боцула, И. А. Моргун // Науков1 пращ ВНТУ. - 2008. - № 4. - C. 1-6.
6. Воробкалов, П. Н. Оценка качества электронных обучающих систем / П. Н. Воробкалов, В. А. Камаев // Управление большими системами : сб. трудов. - М. : ИПУ РАН, 2009. - Вып. 24. -С. 99-112.
7. Данченко, А. Л. Анализ процессов совершенствования качества электронных образовательных ресурсов / А. Л. Данченко // 1нженер1я про-грамного забезпечення. - 2011. - № 2 (6). -С. 73-77.
8. Данченко, А. Л. Исследование информационной функции Бирнбаума применительно к задаче мониторинга образовательных ресурсов обучающих систем / А. Л. Данченко, В. А. Ульшин // Изв. Волгоградского гос. техн. ун-та. - 2012. - № 13. - Т. 4 - С. 113-117.
9. Данченко, А. Л. Разработка комплексного критерия качества образовательных ресурсов /
A. Л. Данченко, В. А. Ульшин // В1сник СНУ 1м.
B. Даля. - 2012. - № 4 (175). - С. 117-122.
10. ДСТУ ISO 9000-2007. Системи управлшня яюстю. Основш положення та словник тер-мшш. - На замшу ДСТУ ISO 9000-2001 ; введ. 2008-01-01. - К : Держспоживстандарт Украши, 2008. - 29 с.
11. ДСТУ ISO 9004-2001. Системи управлшня
Наука та прогрес транспорту. Вкник Дншропетровського нацюнального ушверситету залiзничного транспорту, 2013, вип. 3 (45)
яшстю. Настанови щодо полшшення дгяль-носп. - На замшу ДСТУ ISO 9004-1-95 ; введ. 2001-27-06. - К : Держспоживстандарт Укра!-ни, 2001. - 60 с.
12. Ким, В. С. Тестирование учебных достижений : монография / В. С. Ким. - Уссурийск : Изд-во УГПИ, 2007. - 214 с.
13. Краснюк, А. В. Модульна система як зааб шдвищення якосп шд час вивчення нарисно! геометри студентами техшчних ВНЗ /
A. В. Краснюк, Т. В. Ульченко // Вкник Дш-пропетр. нац. ун-ту зал1зн. трансп. 1м. акад.
B. Лазаряна. - Д., 2011. - Вип. 36. - С. 185-188.
14. Advanced Distributed Learning [Electronic resource]. - Access mode: http://www.adlnet.gov/ Pages/Default.aspx. - Titlte from the screen.
15. ISO/IEC 19796-3:2009 (2009). Information Technology - Learning, Education, and Training -Quality Management, Assurance and Metrics -
Part 3: Reference Methods and Metrics [Electronic resource] / International Organisation for Standardization (ISO). - Geneva. - 2009. - Access mode: http://www.iso.org/iso/home/store/catalo-gue_tc/catalogue_detail.htm?csnumber=46159. -Titlte from the screen.
16. Pawlowski, J. M. The Quality Adaptation Model: Adaptation and Adoption of the Quality Standard ISO / IEC 19796-1 for Learning, Education, and Training [Electronic resource] / J. M. Pawlowski // Educational Technology & Society. - 2010. -№ 10 (2). - P. 3-16. - Access mode: http://www. ifets.info/journals/10_2/2.pdf. - Title from the screen.
17. Plaza, I. Quality and innovation in Higher Education: Code of Good Practices [Electronic resource] / I. Plaza, F. Arcega, F Ibanez // Frontier in Education. - 2010. - Access Mode: http://fieconfe-rence.org. - Title from the screen.
А. Л. ДАНЧЕНКО1*
АВТОМАТИЗАЦ1Я ШФОРМАЦШНО1 П1ДТРИМКИ ПРИЙНЯТТЯ Р1ШЕНЬ З ВДОСКОНАЛЕННЯ ЯКОСТ1 ЕЛЕКТРОННИХ ОСВ1ТН1Х РЕСУРС1В
1 Каф. «Системна шженер1я», Сх1дноукрашський нацюнальний ушверситет имен Володимира Даля, кв. МолодГжний, 20 а, 91034, Луганськ, Украша, тел. + 38 (0642) 47 14 44, + 38 (050) 655 07 01, эл. пошта [email protected].
Мета. В умовах активного розвитку е-1еагт^ все бшьшого значения набувае яшсть електронних освгтшх ресурав систем дистанцшного навчацця. Швидке старшня шформацп та масовГсть освГти обумовлюють необхвдшсть шдвищення ефективностi процесу вдосконалення якостi електронних освiтнiх ресурав шляхом автоматизаци iнформацiйноi пгдтримки прийняття рiшень з вдосконалення якостi електронних освгтшх ре-сурсiв. Методика. Задачу розв'язано методами штучного штелекту шляхом побудови iнформацiйноi струк-тури бази знань системи шдтримки прийняття ршень на основi фреймовоi моделi подавання знань та про-дукцiйних правил лопчного виведення. Результати. За результатами аналiзу процесiв життевого циклу та вимог до якосп електронних освгтшх ресурав розроблено шформацшну структуру бази знань системи пвд-тримки прийняття ршень, правила логГчного виведення та програмну реалiзацiю системи пГдтримки прийняття ршень; виконано аналiз ди^мГот показникiв якостГ версiй курсГв. Практична значимкть. Встановле-но, що основними вимогами до якосп електронних освгтшх ресурав е усшшшсть навчання, валадшсть контенту, технологГчнГсть та надшшсть. Показано, що при використаннГ програмноi реалiзацii системи в ходГ експериментального дослгдження для всГх курсГв, що дослщжувалися, зафГксовано зростання якостГ за ком-плексним критерГем. 1нформацГйна структура бази знань пгдтримки прийняття ршень та правила логГчного виведення можуть бути використанГ методистами та розробниками контента систем навчання.
Ключовi слова: яшсть; електронш освгтш ресурси; представлення знань; правила логГчного виведення; особа, що приймае рГшення
Наука та прогрес транспорту. Вкник Дншропетровського нащонального ушверситету залiзничного транспорту, 2013, вип. 3 (45)
МОДЕЛЮВАННЯ ЗАДАЧ ТРАНСПОРТУ ТА ЕКОНОМЖИ
A. L. DANCHENKO1*
1 Dep. "Systems Engineering", East Ukrainian National University named after Volodymyr Dahl, Molodizhnyi Quarter, 20 a, 91034, Luhansk, Ukraine, tel. + 38 (0642) 47 14 44, + 38 (050) 655 07 01, e-mail [email protected].
AUTOMATION OF INFORMATION DECISION SUPPORT TO IMPROVE E-LEARNING RESOURCES QUALITY
Purpose. In conditions of active development of e-learning the high quality of e-learning resources is very important. Providing the high quality of e-learning resources in situation with mass higher education and rapid obsolescence of information requires the automation of information decision support for improving the quality of e-learning resources by development of decision support system. Methodology. The problem is solved by methods of artificial intelligence. The knowledge base of information structure of decision support system that is based on frame model of knowledge representation and inference production rules are developed. Findings. According to the results of the analysis of life cycle processes and requirements to the e-learning resources quality the information model of the structure of the knowledge base of the decision support system, the inference rules for the automatically generating of recommendations and the software implementation are developed. Practical value. It is established that the basic requirements for quality are performance, validity, reliability and manufacturability. It is shown that the using of a software implementation of decision support system for researched courses gives a growth of the quality according to the complex quality criteria. The information structure of a knowledge base system to support decision-making and rules of inference can be used by methodologists and content developers of learning systems.
Keywords: quality; e-learning recourses; knowledge representation; the inference rules; decision-maker
REFERENCES
1. Avanesov V.S. Osnovy teorii pedagogicheskikh zadaniy [Fundamentals of the training task theory] Peda-gogicheskie izmereniya - Pedagogical dimensions, 2006, no. 2, pp. 26-62.
2. Bespalko V.P. Obrazovaniye i obucheniye s uchastiyem kompyuterov (pedagogika tretyego tysyacheletiya) [Education and training with computers (the pedagogy of the third millennium)]. Moscow, MPSI, MODJeK Publ., 2002. 352 p.
3. Bilyk O.O. Informatsiina tekhnolohiia monitorynhu yakosti zahalnoosvitnikh navchalnykh zakladiv [Information technology for monitoring of schools quality]. Avtoreferat Diss. [Information technology for monitoring of the schools quality. Author's abstract.]. Cherkasy, 2009. p. 19.
4. Bodnar B.Ye., Matusevich O.O. Sistemy upravleniya kachestvom po standartu ISO 9000 v vysshikh ucheb-nykh zavedeniyakh [Systems for quality management according to the standard ISO 9000 in high school]. Vis-nyk Dnipropetrovskoho natsionalnoho universytetu zaliznychnoho transportu imeni akademika V. Lazariana [Bulletin of Dnipropetrovsk National University of Railway Transport named after Academician V. Lazaryan], 2012, issue 40, pp. 167-172.
5. Botsula M.P., Morgun I.A. O probleme ekspertizy kachestva materialov distantsionnykh kursov [About the problem of quality assessment materials online courses]. Naukovi praci VNTU- Scientific Works of Vinnytsia National Technical University, 2008, vol. 4, pp. 1-6.
6. Vorobkalov P.N., Kamayev V.A. Otsenka kachestva elektronnykh obuchayushchikh sistem [Assessment of quality of e-learning systems]. Upravleniye bolshimi sistemami [Management of large systems], 2009, vol. 24. pp. 99-112.
7. Danchenko A.L. Analiz protsessov sovershenstvovaniya kachestva elektronnykh obrazovatelnykh resursov [Analysis of the process of improving the quality of e-learning resources]. Inzheneriia prohramnoho zabez-pechennia - Sofrware engineering, 2011, no. 2 (6). pp. 73-77.
8. Danchenko A.L., Ulshin V.A. Issledovaniye informatsionnoy funktsii Birnbauma primenitelno k zadache monitoringa obrazovatelnykh resursov obuchayushchikh sistem [The study of the information function of Birnbaum referenced to the problem of monitoring e-learning resources]. Izvestiya Volgogradskogo gosudarstven-nogo tehnicheskogo universiteta - News of Volgograd State Technical University, 2012. no 13, vol. 4, pp. 113-117.
9. Danchenko A.L., Ulshin V. A. Razrabotka kompleksnogo kriteriya kachestva obrazovatelnykh resursov [Development of a comprehensive quality criterion of educational resources]. Visnyk Skhidnoukrainskoho natsion-
© А. Л. Данченко, 2013 101
Наука та прогрес транспорту. Вкник Дншропетровського нацюнального ушверситету залiзничного транспорту, 2013, вип. 3 (45)
alnoho universytetu imeni V. Dalia [Bulletin of East Ukrainian National University named after Volodymyr Dahl], 2012. no. 4 (175). pp. 117-122.
10. DSTU ISO 9000-2007. Systemy upravlinnia yakistiu. Osnovni polozhennia ta slovnyk terminiv (Vymogy ISO 9000:2007, IDT) [Quality management systems. Key terms and glossary]. Kyiv, Derzhspozhivstandart Publ., 2008, 29 p.
11. DSTU ISO 9004-2001. Systemy upravlinnia yakistiu. Nastanovy shchodo polipshennia diialnosti. (Vymogy ISO 9000:2007, IDT) [Quality management systems. Guidelines for the improvement]. Kyiv, Derzhspozhivstandart Publ., 2001. 60 p.
12. Kim V.S. Testirovaniye uchebnykh dostizheniy [Testing educational achievements]. Ussuriysk, UGPI Publ., 2007. pp. 214.
13. Krasnyuk A.V., Ulchenko T.V. Modulna systema yak zasib pidvyshchennia yakosti pid chas vyvchennia narys-noi heometrii studentamy tekhnichnykh VNZ [Modular system as a means of improving during the study descriptive geometry students of technical universities]. Visnyk Dnipropetrovskoho natsionalnoho universytetu zaliznychnoho transportu imeni akademika V. Lazariana [Bulletin of Dnepropetrovsk National University of Railway Transport named after Academician V. Lazaryan], 2011, issue 36, pp. 185-188.
14. Advanced Distributed Learning, 2010. Available at: http://www.adlnet.gov/Pages/Default.aspx. (Accessed 11 June 2013).
15. ISO/IEC 19796-3:2009 (2009). Information Technology - Learning, Education, and Training - Quality Management, Assurance and Metrics - Part 3: Reference Methods and Metrics. International Organization for Standardization (ISO). Geneva, 2009. Available at: standards.iso.org. (Accessed 11 June 2013).
16. Pawlowski J.M. The Quality Adaptation Model: Adaptation and Adoption of the Quality Standard ISO/IEC 19796-1 for Learning, Education, and Training. Educational Technology & Society, 2010. no. 10 (2). pp. 3-16. Available at: http://www.ifets.info/journals/10_2/2.pdf. (Accessed 11 June 2013).
17. Plaza I., Arcega F., Ibanez F. Quality and innovation in Higher Education: Code of Good Practices Frontier in Education, 2010. Available at: http://fie-conference.org. (Accessed 11 June 2013).
Статья рекомендована к публикации д.т.н., проф. В. А. Ульшиным (Украина); д.т.н., проф.
В. В. Скалозубом (Украина)
Поступила в редколлегию 28.03.2013
Принята к печати 18.06.2013
