CC BY
26
проектными решениями и другие. Данный тренажер позволяет студентам получить первоначальные навыки работы в глобальной компьютерной сети.
Системные требования для эксплуатации данного электронного учебника:
- Процессор класса Репишп
- 16 МЪ оперативной памяти
- УСА видеокарта, 512 кб видеопамяти
- \¥нк1о\у$-совместимая звуковая карга
- Манипулятор мышь
В настоящее время курс совершенствуется в методическом плане, разрабатываются дополнительные
тесты, наращивается интерактивность курса и эффективность системы оценки знаний.
ЛИТЕРАТУРА
I Зайнутоинова Л.X. Создание и использование электронных учеб-
ников / Электронные учебники и учебно-методические разработки в открытом образовании. М., 2000. 138 с.
Поступила в редакцию 10 сентября 2001 г.
УДК 378+650+65.012.25
ФОРМАЛИЗОВАННЫЙ ПОДХОД К АНАЛИЗУ СОДЕРЖАНИЯ ОБУЧЕНИЯ В ВУЗЕ
© А.П. Хворов, Т.Ю. Китаевская
Khvorov A.P., Kitayevskaya T.Y. A formalistic approach to analysing of university education content. The article discusses formalistic methods of analysing the education content necessary for teaching basic knowledge. It also proposes a set of characteristics for describing subject matter, its succession and choice of methods.
ВВЕДЕНИЕ
Коренные преобразования, происшедшие не только в структуре и организационных формах деятельности высших учебных заведений, но и в самой идеологии развития высшего образования, требуют адекватной методической системы, базирующейся на формализованных методах анализа структуры содержания образования с использованием компьютерных технологий. Одним из важнейших элементов компьютерной технологии проектирования содержания обучения в вузе является построение его иерархически упорядоченной структуры (1]. Моделирование такой структуры предполагает решение следующих задач:
- формирование базы знаний;
- машинное представление поля знаний;
- построение иерархической структуры содержания обучения;
- декомпозиция структуры содержания обучения;
- выбор оптимальной последовательности изучения учебного материала.
Домашинный этап проектирования содержания обучения представляет собой наиболее сложное звено в компьютерной технологии построения учебного процесса. Это обусловлено рядом методологических и технологических проблем, к которым относятся (2):
- несовершенство математического базиса моделей представления содержания учебного материала (дескриптивный, а не конструктивный характер большинства имеющихся моделей);
- жесткость моделей представления знаний, заставляющая разработчиков обеднять и урезать реальные знания экспертов;
- явная неполнота и недостатокюсть имеющихся методов структурирования знаний, разрозненные классификации.
В работе рассматривается возможный формализованный подход к анализу предметной области на этапе формирования базы знаний. Данный подход к анализу содержания и структуры учебного материала позволяет получить машинное представление поля знаний, реализующее представление эксперта о предметной области.
ФОРМАЛИЗОВАННЫЕ МЕТОДЫ АНАЛИЗА СОДЕРЖАНИЯ ОБУЧЕНИЯ
В государственном образовательном стандарте даются наименования дисциплин и их основные разделы, которые в дальнейшем, при создании рабочих программ, экспертами разбиваются на темы. Таким образом, тема является минимальной составляющей при построешш учебного процесса.
В автоматизированной системе любые операции с составляющими учебного процесса возможны при условии четко определенных описаний. Здесь возникает наибольшее количество вопросов по поводу того, какие характеристики должны присутствовать в опи-сании темы, чтобы затем компьютер смог логически грамотно выстроить их в иерархическую последовательность.
Частично ответ на этот вопрос можно получить, обратившись к трудам древнегреческих философов. Идеи, заложенные в трудах мыслителей древности, обретают новые очертания с появлением вычислительной техники. Учение о форме и материи указывает направление поиска критериев сравнительной оценки для всей совокупности тем, составляющих учебный процесс. Чем больше объектов пас окружает, тем большим количеством свойств они должны описываться, чтобы точность их соотнесения оставалась на прежнем, высоком уровне. Объекты, одинаковые по своим свойствам, но разные по назначению, группируются, то есть наде-
ляются свойствами, которыми по отдельности не обладают [4].
Для системы планирования учебного процесса, тема сама по себе также представляет «черный ящик», некую аморфную субстанцию, не имеющую формы и размера. Поэтому чем большим количеством параметров она будет описана, тем конкретнее станут ее очертания и, соответственно, увеличатся возможности более гибкого ее использования при построении учебного процесса. С другой стороны, количество параметров должно быть оптимальным и не превышать определенных пределов. Четкая цель - логически упорядоченная последовательность подачи учебного материала - диктует набор характеристик, последовательность действий, и, соответственно, выбор следующих методов описания.
Шаг 1. Метод многомерного шкалирования. Основная задача заключается в определении степени близости содержания тем и места расположения каждой темы в иоле знаний. Для этой цели используется метод многомерного шкалирования, который позволяет установить меру близости (сходства или различия по опре-деленным признакам) между двумя объектами [3]. В основе данного подхода лежит процедура субъективного шкалирования, когда эксперт оценивает сходство между объектами с помощью некоторой градуированной шкалы (например, от 0 до 5). При этом темы представляются точками некоторого координатного пространства, а расстояние между ними выражает близость их содержания. Таким образом, мера близости двух тем Т, и 7} представляет собой функцию О (евклидово расстояние), значение которой вычисляется по формуле:
к=1
К
где к - номер признака, хи *,* - числовое значение признака к тем Т, и 7}, соответственно, // - количество признаков.
Данный метод позволяет сжать большой объем данных, которыми владеет эксперт, до числовых значений (координат обтектов), имеющих смысл лишь в совокупности.
Шаг 2. Метод неоднородной семантических сети. Теперь необходимо отразить характер существующих связей между темами и их весовые значения. Для реализации данного шага применяется метод неоднородных семантических сетей [5], который основан на высказываниях эксперта, представленных в виде: Г, /? 7} , где Г, и 7}, - имена тем, И - бинарное отношение со значением из диапазона от «Л' неотъемлемая часть У»
до «Л' полностью исключает К». Каждое фиксированное отношение из указанного диапазона называется формой сообщения, а конъюнкции форм называются типами сообщений. После присваивания формам и типам сообщений весовых значений появляется возможность их сортировки.
Шаг 3. Метод структурированного интервью. Наконец, имеется возможность задать направление обхода тем, дополнив каждую тему тезаурусом - понятийной базой, в которой представлены основные смысловые единицы темы. Эксперт указывает базовые понятия, раскрываемые в каждой конкретной теме. Учитывая, что система воспринимает тему как «черный ящик», эксперт должен внести не только понятия на выходе (результат изучения темы) - {В}, но также, насколько это возможно, попытаться определшъ понятия на входе {А}, входящие, по его мнению, в необходимый базовый минимум для данной темы. Этот шаг совершенно необходим, так как он определяет направление движения в поле знаний - от {А} к {В}. Определение понятий на входе имеет свои особенности. Так они должны вноситься только после того, как все выходные понятия {В} для всех тем курса уже указаны, и только из этого списка. Нарушение этого условия, как нетрудно предположить, приведет к разрушению системы.
Таким образом, используя метод многомерного шкалирования, мы как бы расставляем все темы по своим местам в координатном пространстве, затем, определяя характер связей между темами, осуществляем сортировку и, наконец, определяя понятия на входе и выходе, мы указываем направление движения при обходе тем.
Описания, полученные с помощью данных методов, всесторонне характеризуют темы в необходимом минимуме, достаточном для формирования базы знаний и построения на ее основе иерархически упорядоченной последовательности структуры содержания обучения
ЛИТЕРАТУРА
I Арзамасцев A.A., Клтаевская Т.Ю., Иванов ММ., Зенкова H.A.,
Хворов А.П. Компьютерная технология оптимального проектирования учебного процесса // Информатика и образование № 4 2000. С 79-82.
2. Гаврилова Т.А., Червинская К.Р Извлечение и структурирование знаний для экспертных систем. М.: Радио и связь. 1992
3. Гаврилова Т.А., Хорошевский В.Ф Базы знании интеллектуальных систем. С -Пб Питер. 2000
4 Скирбекк Г., Гипьс Н История философии М ВЛАДОС, 2000.
5. Осипов Г.С Метод формирования и структурирования модели
знаний для одного типа предметных областей // Изв. АН СССР. Техническая кибернетика. 1988 № 2. С 3-12.
Поступила в редакцию 21 сентября 2001 г.
