CC BY
41
Затылкин А.В.
МОДЕЛЬ АВТОМАТИЗИРОВАННОЙ ГЕНЕРАЦИИ УЧЕБНЫХ ПРОБЛЕМНЫХ СИТУАЦИЙ
В настоящее время интеллектуальные компьютерные обучающие средства обучения (ИКОС) составляют важнейшую часть современной системы обучения в самых разных отраслях знаний и практической деятельности.
Движущей силой любого развития является преодоление соответствующих противоречий, что предполагает умение адекватно оценить ситуацию, выявить причины возникновения трудностей и проблем в деятельности (профессиональной, личностной), а также спланировать и осуществить специальную деятельность по преодолению этих трудностей (противоречий). Эти способности являются одними из базовых для современного специалиста.
Именно поэтому наиболее важными и эффективными возможностями ИКОС являются функции обучения и контроля знаний при помощи учебных проблемных ситуаций (УПС).
УПС можно разделить на общие и частные. Вводные данные для общих УПС и цели, на достижение которых они направлены, заранее известны. Частные же УПС возникают в процессе решения обучаемым общих УПС. Их появление обусловлено изменением условий сложившейся ситуации.
Как правило, решение одной общей УПС возможно несколькими различными способами. При большом количестве возможных частных УПС, человеку сложно отследить все варианты развития и исключить возможные противоречия, поэтому их генерацию можно доверить ИКОС.
ИКОС, генерирующие УПС, встречаются в настоящее время нечасто. Главная причина этого заключается в отсутствии развитого авторского инструментария, обеспечивающего функций генерации либо вообще без программирования (т. е. полностью на основе технологий визуальной разработки), либо требующие программирования в минимальном объеме.
Немногие средства, позволяющие создавать генерирующие ИКОС, обладают инвариантностью к предметной области, т.е. их возможности ограничены генерацией типовых УПС, актуальных для определенных дисциплин или их разделов (например, механики, линейной алгебры, лексики какого-либо иностранного языка и т.д.). В результате авторы, желающие обогатить ИКОС функциями генерации, как правило, сталкиваются с необходимостью оригинальной реализации соответствующих механизмов, что требует участия в проекте квалифицированных программистов. Поскольку на сегодняшний день отсутствует инвариантная к предметной области методология построения генерирующих ИКОС, то даже для высококлассных программистов данная задача не является тривиальной.
В работе рассматривается один из инвариантных к предметной области алгоритмов генерации УПС - алгоритм генерации УПС на основе модели Mtg5 или алгоритм генерации УПС на основе информации о значениях свойств объектов. Этот алгоритм был впервые предложен в монографии Башмакова А.И. и Башмакова И.А. [1].
Модель Mtg5, формируемая на базе таблицы или описания, в которых отражены значения свойств, характеризующих множество однородных объектов предметной области, обеспечивает широкие возможности для генерации задач.
На верхнем уровне модель Mtg5 имеет следующее представление:
Mtg5 = ^ Str(Ms), Val(Ms), ^^), V, У ),
где:
A - цель (что требуется от обучаемого, какую деятельность необходимо выполнить);
C - ограничения, которые должны быть учтены при выполнении УТЗ;
Ms - модель ситуации;
Str(Ms) - структура модели ситуации;
Val ^) - значения параметров модели ситуации;
Int(Ms)) - интерпретация модели ситуации;
- обозначает неиспользуемый компонент модели.
В Mtg5 Str(Ms) включает четыре компонента:
Str(Ms) = №, P, Z, Zr), где:
E - множество объектов предметной области; E = {ei | 1 = 1, 2, ... , ke}; ei - 1-й элемент; ke - количество объектов, ke ^ 1;
P - множество свойств, характеризующих объекты из E; P = | ^ = 1, 2, ... , kp}; pi - ^-е свойство;
kp - количество свойств; kp > 1;
Z = |^^|| - матрица размерности ke х kp, строки которой соответствуют объектам, столбцы - свой-
ствам, а элементами являются значения этих свойств;
Zr = ^г.1, ... , Zr.kp) - кортеж длины kp, компонентами которого служат признаки, определяющие ото^бы
представления значений свойств.
ke и kp связывает соотношение: ke + kp > 2.
Каждое свойство (столбец Z) ассоциируется со способом представления его значений (типом данных), фиксируемым соответствующим признаком из Zr. К числу базовых способов относятся выражения элементов Z числами, символьными строками и списками (множествами).
Val ^) в рамках Mtg5 специфицирует кортеж:
Val(Ms) = (^, k2, Es, Use),
где:
^ - индекс выбранного свойства или первого выбранного объекта;
k2 - индекс второго выбранного объекта или количество объектов, фигурирующих в постановке задачи;
Es вложено в E - подмножество объектов, фигурирующих в постановке задачи; |Esl > 1;
Use - условие выборки объектов.
Наибольший эффект при проблемном обучении дают задачи, предполагающие открытие новых для учащихся причинно-следственных связей, закономерностей, общих признаков решения целого класса задач, в основе которых лежат еще не известные субъекту отношения между определенными компонентами исследуемых конкретных ситуаций.
Выбор задачи-проблемы зависит и от наличия у обучаемых исходного минимума знаний или возможности за относительно короткий срок до постановки проблемы ознакомить учащихся с необходимыми для самостоятельного решения сведениями. Вместе с тем надо помнить, что эти знания должны служить опорой для поисков пути решения, а не подсказывать этот путь, иначе задача перестанет быть проблемной.
Степень сложности задачи, определяется числом существенных взаимосвязей в ее условии, числом опосре-дований и преобразований, приводящих к нахождению искомого. Зависит она и от уровня самостоятельности при постановке и решении проблемы [2]. Наименьшая самостоятельность требуется от учащихся тогда, когда ИКОС ставит проблему и намечает основные вехи для ее решения, включая обучаемых лишь в отдельные звенья
рассуждения, приводящего к определению искомого. Обычно так проходит обучение проблемного типа на начальном этапе работы над принципиально новым для обучаемых разделом программы, когда базис для решения такого рода проблем у них еще очень мал. Поставив проблему, ИКОС должна дать обучаемым самим попытаться ее решить на основе имеющихся знаний и убедиться, что этих знаний для достижения цели явно недостает, а затем принять участие в построении доступных для них звеньев рассуждения, приводящих к новому знанию.
По мере накопления исходных знаний степень самостоятельности поисков решения должна нарастать. ИКОС, поставив проблему, предоставляет обучаемым самим искать путь ее решения, давая теперь лишь самые общие указания о направлении поиска. Далее можно только ставить проблему и ограничиваться критикой ложных ходов мысли при попытках обучаемого найти решение. Наконец, когда у обучаемого в изучаемой области накопились необходимые знания и навыки, следует предоставить иму возможность самому увидеть в предполагаемых исходных ситуациях новую для себя проблему, сформулировать ее и найти способ решения, а ИКОС лишь в крайнем случае, если сам обучащийся в рассуждениях зашли в тупик, оказывает им минимальную помощь, намекая, как можно выйти из него.
Описание УПС возможно с помощью модели знаний продукционного типа или системы продукции [3], в которой для представления знаний используют знаний два понятия:
"объект-атрибут-значение"
"правило продукции"
С помощью этих понятий описываются декларативные знания в базе. Такое представление позволяет при формировании базы знаний упорядочить описание объектов, соблюдая их определенную иерархию. Если к таким упорядоченным объектам в процессе логического вывода применять правила, то можно организовать обращение отдельно к объекту, отдельно к атрибуту и отдельно к значению.
Правило продукции представляет собой средство описания процедурных знаний в виде:
MG>MD;
где:
MG - описывает определенную ситуацию в предметной области
MD - описывает собой одно действие или соволкупность действий, которые необходимо выполнить в случае обнаружения соответствующей ситуации в предметной области
Применеие каждого текущего правила изменяет ситуацию на обьекте , поэтому нужно в следующем цикле проверить весь набор правил, пока не встретится условие останова. И левая и правая часть правила строится на основе знаний в виде "объект-атрибут-значение" или более сложных конструкций, построенных на их базе.
Механизм или аппарат логического вывода продукционной модели основан на принципе распознавания образов. Этот механизм называют интерпретатором, который циклически выполняет 4 последовательных этапа (выборку, сопоставление, разрешение конфликта, действие или их совокупность)
На каждом из перечисленных этапов интерпретатор работает с базой знаний, рабочей памятью, памятью состояний интерпретатора.
На этапе выборки производится активизация той части данных и знаний, на основании которых может быть реализован запрос пользователя.
Активизация знаний производится на основе заложенной в системе стратегии вывода. Наиболее часто на этом этапе используется операции замены, добавления, удаления, с помощью которых пополняются перечни активных знаний и меняется порядок активизации объектов.
На этапе сопоставления, выбранное на предыдущем этапе множество активных правил приводится в соответствие выбранному множеству элементов рабочей памяти и определяется конфликтный набор правил, предоставляемых пользователю для выбора варианта выхода из сложившейся УПС.
Продукционные модели обладают высокой степенью модифицируемости значений, дают возможность четко отделить метазнания от предметных знаний.
Подобная организация ИКОС, при большом количестве возможных частных УПС, позволяет автоматизировано отслеживать варианты их развития и на "ходу" генерировать возможные (более или менее предпочтительные) пути их решения, предоставляя обучаемому возможность принимать те или иные варианты.
ЛИТЕРАТУРА
1. Башмаков А.И., Башмаков И.А. Разработка компьютерных учебников и обучающих систем. - М.: Информационно-издательский дом «Филинъ», 2003. - 616 с.
2. Крутецкий В. А. Основы педагогической психологии. М., 1972.
3. Смолин Д.В. Введение в искусственный интеллект: конспект лекций. М.: ФИЗМАТЛИТ, 2004. - 208с.
