CC BY
46
Джамирзаев А.А. старший преподаватель кафедра «Методика преподавания информатики» Чирчикский государственный педагогический институт
ИСПОЛЬЗОВАНИЕ НОВЫХ ИНФОРМАЦИОННЫХ
ТЕХНОЛОГИИ В СОВРЕМЕННОЙ СИСТЕМЕ ВЫСШЕГО
ОБРАЗОВАНИЯ
Аннотация: основной целью статьи является анализ существующих практик применения систем адаптивного обучения в образовании и построение концептуальной модели с учетом особенностей "Online" обучения. В соответствии с целью ставятся следующие задачи: 1) разработать адаптивные платформы, применяющиеся в «Online" системах образования;
Ключевые слова: образование, искусственный интелект, нейросети, адаптивное обучение, базы данных, образовательный сервис, мультиагентный подход, геймификация обучения.
Dzhamirzaev A.A. senior lecturer
department of «Teaching Methods of Informatics» Chirchik State Pedagogical Institute
USE OF NEW INFORMATION TECHNOLOGIES IN THE MODERN
HIGHER EDUCATION SYSTEM
Abstract: The main purpose of the article is to analyze the existing practices of using adaptive learning systems in education and build a conceptual model, taking into account the peculiarities of "Online " learning. In accordance with the goal, the following tasks are set: 1) to develop adaptive platforms used in "Online" education systems;
, as well as the methodology of data processing algorithms usedfor this.
Keywords: education, artificial intelligence, neural networks, adaptive learning, databases, educational service, multi-agent approach, learning gamification.
На сегодняшний день развитие компьютерной техники осуществило огромный скачок вперед, что дало толчок появлению новых технологий и возможности их реализации. Попытки привить компьютеру способности мыслительной деятельности связывают с определением искусственного интеллекта. Его функционирование связано с обработкой уже имеющихся данных или только поступающих. На сегодняшний день известно четыре
группы математических методов интеллектуального анализа данных: 1) статистические; 2) кибернетические; 3) оптимизационные; 4) экспертные.
Наравне с медициной или инженерией немаловажной областью человеческой деятельности является образование. Успешность системы образования заключается в грамотно поставленных целях, правильно выбранных методах и средствах их реализации, анализе и своевременно внесенных в процесс коррекциях. Отдельное внимание сегодня уделяется прогнозированию [6]. Оно возможно благодаря обработке большого потока данных. На сегодняшний день это возможно с помощью методов Data Mining и Big Data [1; 4; 5; 16]. Благодаря им появилась возможность адаптировать процесс обучения под уровень учащихся.
Каждый из них способен решать определенный класс задач (анализ и ранжирование данных по степени близости к желаемым результатам, решение задач нетривиальным способом, прогнозирование и подсказки на основе имеющегося опыта, оптимизация данных), результаты чего можно наблюдать в повседневной жизни.
В ходе обучения ученики сталкиваются с большим объемом информации. Однако далеко не каждый способен ее всю усвоить (особенно самостоятельно). В данной ситуации необходимо внедрять систему с принципами адаптации курса обучения дисциплине к уровню знаний ученика на основе искусственного интеллекта (ИИ) [13; 14]. Адаптивное обучение определяется как концепция (обучающая модель), содействующая новые технологии для улучшения уровня знаний, обучающегося с учетом его индивидуальных особенностей (эмоциональное состояние, пол, способность воспринимать различные типы информации, уровень учебных навыков) [18]. Процесс обучения должен «подстраиваться» на интеллект обучающегося, определять объем его знаний и выстраивать индивидуальную траекторию обучения.
К адаптивным платформам можно отнести: 2U, Wiley, Canvas, Loud Cloud, Blackboard, Knewton, RealizeIT, Adaptcourseware, Anewspring, Geekie, Smart Sparrow [2].
Разработанная программная платформа на основе ИИ, оценивает каждый шаг, каждое действие подопечных и передает их учителю. В самом начале ученики проходят короткий тест и определяют конечную цель обучения, а программа подбирает соответствующий контент (планы курса, материал) для обучения. Если ученик что-то не понял или пропустил урок, то есть возможность вернуться и повторить теорию. При должном уровне знаний по теме материал варьируется по уровню трудности. Каждый ученик сам выбирает темп обучения. Программа постоянно собирает данные (преподаватели имеют возможность быстро вносить коррективы в курс) и учится на них (в случае подбора дальнейшего материала). Применение данной платформы в образовании позволило улучшить цифры успешной сдачи выпускных и вступительных
экзаменов. Данная технология рассматривается как часть процесса (помощник учителя), а не процесс в целом.
Образовательный сервис (платформа) Knewton [17] занимается персонализацией обучения с 2008 года. Knewton - это платформа, на базе которой разрабатываются программы и приложения с адаптивной функцией. Аналитическая система позволяет ответить на такие вопросы, как: 1) что известно студенту; 2) почему он ошибся в задании; 3) какие темы для него важны; 4) прогноз успешности на данном этапе.
Технология Intelligent Adaptive Learning отслеживает действие каждого учащегося и оценивает стратегии, используемые для решения проблем. Затем программа корректирует материал урока и уровень сложности, количество подсказок, темы и темп изучения. У преподавателя есть возможность наладить обратную связь с учеником в виде своевременных подсказок (видео, графики или дополнительный материал) при затруднении ответа на вопрос, варьирования количества попыток запроса или времени бездействия.
Программа собирает огромное количество данных, в том числе не только ответы на вопросы, но и информацию о том, как часто студенты просматривали задания (теорию), где и что выбирали. Выполнение одного и того же задания для разных студентов отличается благодаря его адаптивности (персонализации контента). Программа способна определить, когда и с какой темы необходимо повторить материал. У преподавателя есть возможность индивидуализировать обучение в группе, планировать лекции на основе знаний студентов. В результате у преподавателя есть возможность спрогнозировать успешность сдачи студентом экзамена или освоение материала.
На сегодняшний день данная образовательная платформа существует как конструктор бесплатных открытых онлайн-курсов и уроков с адаптивными рекомендациями, она позволяет создавать интерактивные обучающие уроки с обратной связью и автоматической проверкой.
Такой подход имеет ряд преимуществ: во-первых, обучающийся не начинает изучение материала с начала темы или раздела, что экономит время; во-вторых, в базе данных модели обучаемого хранятся его предыдущие действия, что дает возможность в дальнейшем использовать их для анализа.
Таким образом, можно констатировать, что платформы адаптивного образования - I={Z, U, M, T, N, D}, которое должны учитывать следующие моменты:
1) Z - множество знаний, умений и навыков, цель обучения (уровень изучения дисциплины), требования к знаниям;
2) U - модель обучаемого, которая должна состоять из психологических характеристик (психологический тип должен
определяться на первоначальном этапе работы с платформой), начального уровня знаний;
3) M - теоретический и практический материал, тесты;
4) T - множество вариантов построения образовательной траектории, которая должна учитывать и такие параметры, как: а) время, затраченное на изучение темы, выполнение практического задания; б) количество предоставляемых подсказок;
5) N - множество вариантов организации топологии нейро сети для анализа и прогнозирования;
6) D - база хранения личных данных, теоретического и практического материалов.
Современную цифровую обработку большого количества данных связывают с терминами Big Data, Data Mining, Learning Analytics. Каждый из этих терминов представляет собой технологию, метод или инструмент, позволяющий работать с данными. Big Data работает со структурированными и неструктурированными данными, представляющими огромный массив информации (базу данных). К основным задачам, решаемым Big Data, относят:
1) сбор данных;
2) хранение данных;
3) работу с данными.
Таким образом, Big Data представляет собой технологию в области программного и аппаратного обеспечения, занимающуюся анализом, организацией и управлением данными. Data Mining представляет собой технологию работы с несколько структурированными данными. Основная направленность заключается в поиске скрытых (нетривиальных) взаимосвязей ограниченного большого объема данных, прогнозировании, классификации, визуализации. Learning Analytics является технологией по сбору, анализу огромного массива данных учебной деятельности с целью оптимизации обучения. «Система должна учитывать уникальные проблемы анализируемых деталей и влияние на них любых аспектов и изменений» [2].
Использованные источники:
1. Ахмедов, Б. А., Султанов, Б. (2021). Анализ и новые тенденции исользования кластерных систем и искусственного интеллекта в современной системе высшего образования. Экономика и социум, 8, 344-358.
2. Sultanov, B., Duisenov, N., Abduraimov, J. (2021). Information technologies in education new trends. Экономика и социум, 5-2, 893-896.
3. Sultanov, B., Allamova, Sh. Information technologies in the context of a competence approach. Экономика и социум, 3-2, 755-760.
4. Rakhimov, S. М., Djamirzaev, A. А., Akhmedov, B. А. (2021). Methods of teaching Informatics in Higher Education Problems and Observations. Ekonomika i sotsium, 9(8).
5. Камолов, Э. Р., Джамирзаев, А. А., (2020). Методика идентификации математической модели. Наука и мир, 1 -3(79), 33-38.
6. Mahkamova, M. U., Djamirzaev, A. A. (2021). Information technology in higher education new aspects and trends. Scientific progress, 1(6), 512-518.
7. Камолов, Э. Р. (2020). Каолинни бойитиш технологик жараёнини оптимизациялаш алгоритмини ишлаб чикиш. Фан ва Жамиат 1(1) 10 -14
8. Камолов, Э. Р., Джамирзаев, А. А., (2020). Методика идентификации математической модели. Наука и мир, 1 -3(79), 33-38.
9. Xurramov, A. J., Kamolov, E. R. (2020). Decision development of management problems of biotechnological systems at an uncertainty of environmental states using the mathematical statistics methods. European Journal of Research and Reflection in Educational Sciences, 8 (3), 212-218.
10. Normatov, I., Kamolov, E. (2020). Development of an algorithm for optimizing the technological process of kaolin enrichment. IEEE, 1-4.
11. Камолов, Э. Р. (2017). Основные виды и типы неопределенности информации, характерные для сложных биотехнологических систем. Молодой ученый, 27, 36-39.
12. Камолов, Э. Р. (2020). Моделирование предпочтений в биотехнологических системах при принятий решений с нечетками параметрами. Academic research in educational sciences. 1(4), 396-400.
13. Хуррамов, А. Ж., & Комолов, Э. Р. (2020). Разработка алгоритма управления с учетом трудноформализуемой информации. Academic Research in Educational Sciences, 1 (3), 240-247.
14. Нуралиев, У. А. (2021). Исскуственный интеллект в образовании. Academic Research in Educational Sciences, 2(11).
15. Нуралиев, У. А. (2021). Информатика ва ахборот технологилари фанини укитишда инновацион технологиялардан фойдаланиш тамойиллари. Экономика и социум, 11.
