CC BY
11
УДК 37.01:004.9
Р.В. Резшк, Н.С. Лесна
1НФОРМАЦ1ЙНА ТЕХНОЛОГ1Я В1ДБОРУ НАВЧАЛЬНИХ МАТЕР1АЛ1В ДЛЯ САМОСТ1ЙНОГО П1ДВИЩЕННЯ Р1ВНЯ ПРОФЕС1ЙНО1 П1ДГОТОВКИ
Вступ. Останш досягнення в галузi науки i технiки дуже швидко проникають в рiзнi сфери людсько! дiяльностi. Умшня користуватися цими досягненнями е одшею з вимог до сучасного фахiвця.
Навчання е однiею зi складових частин життя будь-яко! людини. У сучасному суспiльствi людинi необхвдно постшно навчатися, щоб удосконалювати сво! навички та здобувати новi знання. Саме з ще! причини навчання вщграе важливу роль в життi кожно! людини.
Останнiм часом набули популярносп сучаснi комп'ютернi, iнформацiйнi та комушкацшш технологи, як1 спрямованi на забезпечення високо! якостi навчального процесу та задоволення зростаючого попиту на освггш послуги, що послужили основою для розвитку дистанцiйного навчання (ДН) через мережу 1нтернет. Актуальнiсть розвитку цього виду навчання для вах кра!н свiту очевидна. Вона вiдповiдае вимогам сучасного життя, а саме навчанню за iндивiдуальним графiком, з вибраним темпом навчання, мае високу технолопчшсть навчання (використання iнновацiйних телекомунiкацiйних, шформацшних технологiй) та дае можливiсть творчого самовираження. За допомогою дистанцiйного навчання освиу можуть отримати люди з обмеженими можливостями, наприклад, iнвалiди або люди з особливими потребами. Проте, дистанцшна освиа не вiдповiдае потребам самостшного пiдвищення рiвня професшно! шдготовки, тому що для саморозвитку людиш потрiбнi тiльки окремi курси, а не здобуття освии вцiлому. Для отримання окремих знань бiльше шдходять дистанцiйнi курси.
Суб'ектами навчання можуть стати фах1вщ рiзних галузей, викладач^ науковi спiвробiтники, Здобувачi, спiвробiтники комерцшних структур та iн., як1 мають рiзний базовий рiвень знань та мету навчання. Однак всiм потрiбнi навчальнi матерiали ввдповвдно до 1хшх персональних даних, таких як вж, квалiфiкацiя, освiта, володiння певними мовами спiлкування та iн. У зв'язку з вузькою тематичною спрямованiстю шформацшних ресурав та вiдсутнiстю ефективних засобiв для пошуку навчальних матерiалiв в юнуючих системах дистанцiйного навчання бшъштстъ суб'ектiв навчання звертаеться до мереж1 1нтернет для отримання додаткових навчальних матерiалiв з метою поглиблення або вщновлення знань вiдповiдно до свое! професшно! дiяльностi, що перешкоджае широкому розповсюдженню зазначених систем. Значним фактором розвитку навчання через мережу 1нтернет е розробка м1жнародними органiзацiями стандарта технологiй ДН, що забезпечило створення мереж iнформацiйно-навчальних ресурсiв (1НР), яш складаються з навчальних матерiалiв та !х метаданих - шформаци для оргашзаци та шдтримкн навчального процесу (мова викладання, рiвень iнтерактивностi, розмщення навчального матерiалу, класифiкацiя, програмно-апаратнi вимоги, семантична насиченiсть та ш)[1].
Щд час використання пошукових засобiв, передбачених для роботи в мережi 1нтернет, для одержання навчальних матерiалiв в шформацшно-освггаьому середовищi не враховуються персональш характеристики суб'екпв навчання, що обумовлюе низьку ефективнiсть таких засобiв через знеособлювання процесу пошуку. Персоналiзацiя суб'екта навчання може мати рiзнi форми, але особливий iнтерес представляе та, яка дозволить знайти навчальний матерiал, що буде максимально вщповвдати вимогам суб'екта навчання. Тому, виникла необхвдшсть дослiдити процес персоналiзованого пошуку навчальних матерiалiв з використанням методiв колаборативно! фшьтраци в розподiленiй комп'ютернiй мережi 1нтернет та створити моделi й алгоритми в iнформацiйнiй технологи персоналiзованого пошуку навчальних матерiалiв. Розроблювана система повинна дати змогу порекомендувати суб'екту навчання так1 курси, як1 дозволять досягти навчально! мети. Для цього система повинна враховувати та аналiзувати велику кшьшсть критерив ввдбору. Для ефективно! роботи програмного продукту суб'екти навчання повинш ставити оцiнки, тим самим формувати базу оцiнок з цього дистанцшного курсу. Вiдповiдно автоматизований зааб мiг би вибрати схож! профш суб'ектiв навчання, та на основi аналiзу цих профiлей та ощнок з курсу рекомендувати той чи шший курс для вивчення з високим процентом в!рог!дност! для суб'екта навчання.
Постановка задачь Обчислювальна потужн!сть сучасних комп'ютерiв дозволяе створювати досить складш системи iнтелектуально! обробки iнформацi!, але вс! ц! системи поки не можуть аналiзувати яшсть, зручн!сть використання та !нш! показники об'ект!в анал!зу для видач! персональних рекомендацш. Тому, для реал!зац!! алгорштшв ! створення рекомендац!йно! системи для видач! персональних рекомендац!й необх!дно виршити так! завдання:
- досл!дити предметну область пов'язану з технолог!ями пошуку матер!ал!в;
- досл!дити характеристики навчальних курав та вид!лити найб!льш значущ! з них;
- проанал!зувати методи для забезпечення персонального пошуку та розробити алгоритми для отримання персональних рекомендацш дистанцiйних курсiв, як1 точно тдходять для вирiшення поставлено! задачi;
- розробити шформацшну технологiю, яка б штегрувала розробленi алгоритми та дозволяла б проводити ефективний пошук навчальних матерiалiв за критерiями пошуку та схщними профiлями користувачiв, як оцшили навчальнi матерiали;
- реалiзувати програмний продукт для пошуку навчальних матерiалiв, який використовуе розроблену iнформацiйну технолопю.
Амалiз iснуючих pinicin». Абсолютна бшьштсть систем, якi пропонують дистанцiйне навчання та отримання дистанцшно! освiти для пошуку матерiалiв на сво!х веб-сторшках використовують повнотекстовий пошук. Прикладами таких сайпв е http://www.intuit.ru/, http://teachvideo.ru/. Повнотекстовий пошук в базах даних е одним iз найпопулярнiших механiзмiв доступу до вмюту будь-яко! сучасно! iнформацiйноi системи, якi зберiгають меташформацш, а найчастiше, i самi документа, в базi даних. По мiрi накопичення документiв у системi неминуче виникае проблема органiзацii ефективно! нашгацд по системi, щоб вiдвiдувач сайту зм!г за мiнiмальну кiлькiсть переходiв знайти потрiбний документ. Крiм стандартно!, найчаспше ручно!, навiгацi! з використанням рубрикацй' (тематично!, за типом матерiалiв, категорй' користувачiв i т.д.), повнотекстовий пошук е одним з найефектившших методiв навiгацi!, особливо для новачк!в, незнайомих з пристроем сайту. Але ж такий вид пошуку чисто мехашчний i не враховуе критерпв пошуку, якi важливi для людини, яка хоче знайти найкращий курс для вивчення по обранiй тем![2].
Каталог ресурсiв при пошуку на сайп являе собою базу даних з адресами ресурав дистанцiйних курав за самими рiзними тематиками. Прикладами таких сайпв е http://www.redcenter.ru, http://www.eidos.ru. Зазвичай вони мають iерархiчну структуру, звичну для користувача, i деяк! засоби пошуку по нiй. Система пропонуе вам скористатися iерархiчним деревом при пошуку шформацп. Тобто ви обираете спочатку загальну категорiю, що задовольняе вашому запиту iнформацii, i далi конкретизуете, слiдуючи пiдказкам каталогу. У результат! ви отримуете список курав, що вщповвдають вашому запиту. Каталоги в б!льшш сво!й частиш обслуговуються фах!вцями з класифiкацii, тобто зумовлюеться певний суб'ективний пiдхiд до в!дбору iнформацii, який, з одного боку, гарантуе достовiрнiсть iнформацii, але з iншого - зумовлюе можливють вiдсутностi велико! частини iнформацi!, а також зашзнше розмiщення в каталоз!
Проект «Академ!я Google» дозволяе виконувати глобальний пошук науково! лiтератури. Використовуючи едину форму запиту, е можливють виконувати пошук у рiзних дисциплшах i за рiзними джерелами, включаючи рецензованi статтi, дисертацп, книги, реферати та звии, опублiкованi видавництвами науково! лггератури, професiйними асоцiацiями, вищими навчальними закладами та iншими науковими оргашзац!ями. «Академ!я Google» дозволяе знайти дослщження, якi найбiльш точно вiдповiдають введеному запиту, серед величезно! кiлькостi наукових праць завдяки класифiкацi! статей шляхом оцшки всього тексту кожно! стати, !! автора, видання, в якому стаття з'явилася, i частоти цитування дано! роботи у науковiй литератур! Також вона може ранжувати результати пошуку зпдно за сво!м алгоритмом важливоси та релевантностi документiв, але не мае системи оцшювання матерiалу, за якою можна було б облегшити користувачу вибiр корисного саме для нього матерiалу[3].
Рекомендацiйнi системи (РС) для пошуку матерiалiв - це програми, як! намагаються передбачити, як! об'екти (фшьми, музика, книги, новини, веб-сайти) будуть цiкавi користувачевi, маючи певну iнформацiю про його профшь або про сам об'ект. У будь-якому випадку РС мають справу з користувачем, у якого багато альтернатив, серед яких потр!бно зробити ви6!р. Система, маючи наявну iнформацiю про потреби користувача та певний алгоритм ф^трування, рекомендуе йому набiр альтернатив, як! вона вважае найб№ш корисними для задоволення ще! потреби. Традицiйно вид!ляють два типи фшьтрування - за об'ектом пошуку та колаборативне фшьтрування. Деякi автори окремим типом класиф^ють гiбридне фшьтрування, яке поеднуе риси двох попередшх. Незважаючи на те, що був розроблений цший ряд технологiй з моделювання людсько! поведiнки i встановлення персональних особливостей iндивiдуума, як! намагаються вивчати споживч! iнтереси, автоматична колаборативна фшьтращя стала дуже розповсюдженою технолопею для систем персонiфiкованих рекомендацiй частково тому, що вона випдно використовуе досвщ усiеi користувацько! сп!льноти для вироблення високоточних рекомендацiй, не вимагаючи побудови детальних моделей контенту або споживчих смак!в. Рекомендацiйнi системи - зручна альтернатива пошуковим алгоритмам, так як вони дозволяють виявити об'екти, як! не можуть бути знайдеш останнiми[4].
Iмформацiйма техмологiя вiдбору навчальних матерiалiв. 1снуюч! системи пошуку навчальних матер!ал!в не враховують персональн! характеристики суб'екпв навчання, що обумовлюе низьку ефективн!сть таких засоб!в через знеособлювання процесу пошуку. Тому, виникла необхщшсть розробки механ!зму персонал!зованого пошуку навчальних матер!ал!в з використанням !х метаданих в
розподшенш комп'ютернш мереж! 1нтернет та створення в!дпов!дних моделей та алгоршадв в шформацшнш технолог!! персонал!зованого пошуку.
В першу чергу необх!дно розглянути модель суб'екта навчання, який буде навчатися у створюванш систем!. Вона повинна включати типов! поля користувача мереж! для !дентиф!кацп та отримання базових ведомостей про нього, а саме: пр!звище, !м'я, по-батьков! користувача, електронну пошту, стать, адресу, мюце роботи. Для функцюнування рекомендац!йно! системи треба додати наступи поля: осв!ту, р!вень осв!ти, перелш навичок, оц!нки з курс!в. При використанш тако! модел! користувач буде мати змогу вчити дистанц!йн! курси, ощнювати вже пройден!, шукати схож! курси з тими, як! йому сподобалися або отримувати рекомендацп на основ! сукупносл оц!нок людей, схожих за профшем на нього.
Головн! компоненти архггектури рекомендацшно! системи для пошуку дистанцшних курс!в зображен! на рисунку 2. Серверна частина складаеться з веб-сервера, рекомендацшного модуля та бази даних, яка м!стить описи курав та проф!л! суб'ект!в навчання. Для доступу до системи не потр!бне додаткове програмне забезпечення, запити до веб-сервера можна зд!йснювати користуючись будь-яким веб-браузером. В ус!й рекомендац!йн!й систем! единим централ!зованим компонентом е веб-сервер, який виконуе роль посередника. Вш перенаправляе запит в!д суб'екта навчання до рекомендацшного модуля, отримуе в!д нього список рекомендованих дистанц!йних курс!в та формуе веб-стор!нку для передач! у веб-браузер. Основна функцюнальшсть системи зосереджена у рекомендац!йному модул! та забезпечуеться модулем пошуку та модулем рекомендацш.
Сервер
База даних
ПрофЫ студентчв
Опис курав
пошук
формування списку
рекомендаций оценка курав
Модуль рекомендаций
Модуль пошуку
^ оценка схожост/
Модуль рекомендаций
сгеиерован! рекомендацИ'
Веб-сервер
Рис. 1. Арх!тектура рекомендац!йно! системи
Модуль пошуку використовуеться при отриманш запиту в!д користувача про рекомендацш. Вш попередньо фшьтруе проф!л! суб'екта навчання за заданими критер!ями та робить запит на обчислення схожост! проф!л!в !нших суб'екпв з даним суб'ектом навчання. Отримавши обчислен! коеф!ц!енти схожост!, модуль формуе запит про рекомендацш та надсилае !х модулю рекомендац!й. На цьому його роль зак!нчуеться.
Модуль рекомендацш створюеться одноразово та !снуе до завершення сеансу отримання рекомендац!й користувачем. В!н отримуе оц!нки схожост! суб'екпв навчання обчислен! у модул! пошуку. Вш мае також доступ до бази даних з описом курс!в та формуе наб!р курс!в, що в!дпов!дають критер!ю пошуку.
Для штелектуального пошуку дистанц!йних курс!в будуть використовуватись методи колаборативно! ф!льтрацп (МКФ) для здшснення персонал!зованого пошуку та в!дбору навчальних матер!ал!в. МКФ - це методи, що дають автоматичн! прогнози щодо !нтерес!в користувача по з!бранш !нформац!! про вподобання багатьох користувач!в. МКФ або рекомендац!йна система здатна прогнозувати, який !нформац!йно-навчальний ресурс сподобаеться суб'екту навчання, маючи неповний
список його характеристик. Ц прогнози е iндивiдуальними, хоча для вщбору використовуеться iнформацiя вiд багатьох суб'екпв. Загальний вид використовуваного алгоритму колаборативно! фшьтраци мае наступнi кроки:
1) створюеться база однотипних об'екпв (наборiв характеристик дистанцiйних курсiв);
2) велика кшьшсть суб'ектiв навчання проставляе оцiнки за п'ятибальною шкалою ощнювання даним об'ектам на свiй розсуд;
3) кожен суб'ект навчання, проставляючи сво! оцiнки, задае тим самим системi свiй iндивiдуальний профiль;
4) на основi оцiнок об'ектiв, проставлених усiма суб'ектами навчання, користувач отримуе список рекомендованих до ознайомлення об'екпв з приблизною оцiнкою кожного з них[5].
Перевагою цього методу пошуку можна вважати те, що ви можете не пльки знайти щкам для себе дистанцiйнi курси навчання, але i поспiлкуватися з людьми зi схожими уподобаннями, знайти серед них тдтримку, порадитися.
Оцшка схожост суб'ск^в навчання. Для оцiнки схожосп використаемо модель векторного простору[6]. Об'екти штересу суб'екта навчання представленi як вектор, що складаеться з оцшок прослуханих ним курсiв. Предмети, яш не оцiнили користувачi, позначаються 0.
Наприклад, зацiкавлення двох суб'ектiв навчання можуть бути представленi у виглядi таких векторiв: u1 = (0.3, 0.8, 0.5, 0), u2 = (0.9, 0, 0.2, 0.7), де кожна позищя мiстить оцiнку ввдповщного курсу. Перший суб'ект не прослухав або не оцiнив курс №4, а другий - курс №2. Схожють двох суб'ектiв навчання ощнюеться як косинус кута мiж векторами, що !х представляють, з використанням класично! формули. Модель векторного простору широко використовуеться для представления докуменпв у рiзних технологiях iнформацiйного пошуку, зараз !! успiшно застосовують рекомендацшш системи для представлення характеристик користувачiв або предметiв. Вибiр векторно! схожосп для обчислення схожостi суб'ектiв навчання зумовлений тим, що саме ця техшка продемонструвала найкращi результати та продукувала бiльший вiдсоток корисних рекомендацш, порiвняно з iншими технiками.
Висмовки. Застосування рекомендацшно! системи iз зазначеними методами колаборативно! фiльтрацi! забезпечить прискорення пошуку та пiдбiр бiльш яшсного матерiалу, що надаеться суб'ектовi навчання, за рахунок вiдповiдностi характеристик навчального матерiалу персональним характеристикам суб'екта навчання. Розроблена шформацшна технологiя дозволить використати ва переваги застосування рекомендацiйно! системи, пвдвищити релевантнiсть та ефективнiсть пошуку дистанцшних курсiв для самостiйного шдвищення рiвня професiйно! пiдготовки.
Л1ТЕРАТУРА:
1. 1.М.Келеберда Моделi та алгоритми в шформацшнш технологи персоналiзованого агентно-онтолопчного пошуку навчальних матерiалiв в мереж! 1нтернет : дис... канд. техн. наук: 05.13.06 // Харшвський нацюнальний унiверситет радiоелектронiки. - Х., 2005.
2. Введение в полнотекстовый поиск [Електронний ресурс] / Введение в полнотекстовый поиск. - К. 2011. - Режим доступу: www/ URL: http://www.sai.msu.su/~megera/postgres/talks/fts_pgsql_intro.html -Загол. з титул. екрану.- Мова: рос. - Останне поновлення 29.03.2011р.
3. Об Академии Google [Електронний ресурс] / Об Академии Google. - К. 2011. - Режим доступу: www/ URL: http://scholar.google.com.ua/intl/ru/scholar/about.html - Загол. з титул. екрану.- Мова: рос. - Останне поновлення 29.03.2011р.
4. Коллаборативная фильтрация [Електронний ресурс] / Коллаборативная фильтрация. - К. 2011. -Режим доступу: www/ URL: http://ru.wikipedia.org/wiki/ Коллаборативная_фильтрация - Загол. з титул. екрану.- Мова: рос. - Останне поновлення 29.03.2011р.
5. Сегаран. Т. Программируем коллективный разум. [Текст] / Сегаран Т. - Пер. с англ. - СПб: Символ-Плюс, 2008. - 368 с., ил.
6. Векторное пространство [Електронний ресурс] / Векторное пространство. - К. 2011. - Режим доступу: www/ URL: http://ru.wikipedia.org/wiki/Векторное_пространство - Загол. з титул. екрану.-Мова: рос. - Останне поновлення 29.03.2011р.
ЛЕСНАЯ Наталля Советовна - к.т.н., професор кафедри ПЕОМ, Харьковський нацюнальний ушверситет радюелектрошки.
шуков! штереси: моделюваннянавчання, плануваннянавчання, перещдготовка
РЕЗНИК Роман Володимирович - студент (магистр) группи ПОАСм-10-1, кафедра Програмного забеспечення ПЕОМ, Харьковський нацюнальний ушверситет радюелектрошки.
нуков! штереси: шформацшш технологи в дистанцшному навчанш , технологи пошуку шформацп в мережи 1нтернет
