Модель хранения данных и метод принятия решений в компьютерной обучающей системе Текст научной статьи по специальности «Науки об образовании»

Аванский С.М. МОДЕЛЬ ХРАНЕНИЯ ДАННЫХ И МЕТОД ПРИНЯТИЯ РЕШЕНИЙ В КОМПЬЮТЕРНОЙ ОБУЧАЮЩЕЙ СИСТЕМЕ

Стремительный рост объема и сложности изучаемого материала, необходимости его быстрого обновления при одновременном увеличении контингента обучаемых привели к тому, что, по мнению многих ученых традиционная система обучения стала недостаточно эффективной, т.к. принципы, лежащие в ее основе, в условиях массового обучения не удается реализовать. Предложен подход к решению данной проблемы.

Сегодня студентов и школьников так же, как в Древней Греции или Средневековье: собирают в группы и классы и читают им лекции, время от времени проверяя усвоение предмета зачетами и экзаменами. В результате дидактика не поспевает за наукой и процесс обучения и подготовки специалистов все больше и больше удлиняется: к десяти годам обучения в школе и пяти в институте - три года аспирантуры. А

докторантура? А многочисленные курсы повышения квалификации и курсы переподготовки? Если так пойдет и далее, то в будущем человеку, закончившему курс обучения, придется уходить на пенсию... В США принята специальная единица старения знаний специалиста - «период полураспада компетентности» (время, в течение которого профессиональная компетентность специалиста с момента окончания им учебного заведения снижается на 50%). На сегодня этот период составляет 4-5 лет. Так вот и придется просиживать за партой всю жизнь, если не придумают более эффективных методов обучения, активно использующих новейшие достижения в области информационных технологий. Это, прежде всего методы индивидуального обучения .

Для решения данной задачи предлагается использовать интеллектуальные компьютерные обучающие системы (ИКОС).

ИКОС предназначена для организации автоматизированного учебного процесса, совмещенного с контролем знаний. Таким образом, понятия «учебный курс» и «электронный тест» оказываются тесно связаны друг с другом. Наряду с задачей организации учебного процесса на систему также возлагается функция накопления статистики обучения и автоматизированный анализ накопленных данных. На основании этой информации в системе строится модель знаний студента и определяется оценка уровня знаний обучаемого.

Условно процесс обучения студента можно представить как циклическое чередование двух этапов: изучение теоретического материала и выполнение тестовых заданий. Отсюда следует выделение двух основных типов элементов в составе учебного курса: занятие и тест. Этапы обучения могут располагаться в учебном курсе в любом количестве и в любой последовательности.

Для того чтобы реализовать такие возможности, необходимо построить такую модель учебного курса, в которой отдельные элементы будут связаны в единую систему. Очевидно, что такими связями должны быть некоторые отношения между элементами электронного обучающего курса. Связи между элементами учебного курса также могут быть разделены на две категории: связи между однотипными элементами и связи между

элементами разного типа.

Таким образом, электронный обучающий курс можно представить как сложную реляционную структуру данных, в который элементы расположены линейно, но способ доступа к ним и последовательность переходов целиком определяется установленными отношениями.

В рамках такой реляционной структуры каждый элемент можно рассматривать как отдельный объект учебного курса. Исходя из этого, модель обучающего курса становится не только реляционной, но и объектной.

В классической теории ООП каждый объект обладает не только методами и данными, но и свойствами, используя которые можно изменять поведение объекта. Схожее поведение наблюдается и в учебном курсе: каждый элемент курса обладает набором свойств, значения которых определяются в зависимости от отношений, связывающих этот элемент с остальными. Например, одним из важнейших свойств урока является возможность его изучения (т.е. имеет ли конкретный студент возможность в данный момент изучать данный урок). В классической последовательной модели учебного материала изучение следующего урока разрешено только в том случае, когда изучены все предыдущие. В реляционной модели это не является обязательным требованием.

Обучение с помощью ИКОС имеет ряд отличительных черт, которые перечислены ниже:

1. Необходимость предварительного контроля знаний. Т.е. ИКОС должна иметь информацию о начальном уровне знаний студента в данной предметной области. Эта информация необходима для генерации структуры курса, которая наилучшим образом подходит для данного студента. В качестве предварительного контроля знаний может использоваться вступительный тест. В таком случае разница между результатами тестирования будет являться оценкой результата обучения студента по данному курсу;

2. Необходимость избыточности и тщательной детализации учебного курса и выделения самостоятельных частей курса. Поскольку система обучения генерирует структуру курса автоматически, в зависимости от текущего уровня знаний обучаемого, мы не можем заранее знать, какие части будут предоставлены для изучения, а какие - нет. Таким образом, каждая часть учебного курса должна быть логически законченной и представлять собой самостоятельный элемент;

3. Необходимость установления зависимостей между частями обучающего курса. Несмотря на то, что

различные части обучающего курса не зависят друг от друга по смыслу, они могут зависеть по порядку изучения. Т.е. в любом случае студент не может изучить тему В до изучения темы А, если в теме А содержится информация, необходимая для понимая темы В, и достоверно известно, что студент не обладает

достаточными знаниями по теме А. Ответственность за установление этих зависимостей лежит на разра-

ботчике обучающего курса;

На абстрактном уровне разрабатываемая мною ИКОС состоит из следующих трех компонентов выполненных в виде оверлейных моделей: модель предметной области, модель пользователя и модель обучения.

Термин «оверлейная модель» введен Голдштайном в 1981 г., но фактически этот термин употреблялся

пользователями системы компьютерного обучения еще в 1970 году.

Модель предметной области (МПО) представляет собой информационное содержание предмета (представленное в виде направленного графа), стрелками показывается рекомендуемое направление изучения предмета. Например, знания, изложенные в главе № 6, основываются на знаниях глав №№ 4 и 5, рисунок 1.

Рисунок 1- Упрощенная модель предметной области

Модель пользователя (МП) представляет знания, цели, историю изучения и другие аспекты пользователя, формирует абстрактные стереотипные пользовательские профили. Модель пользователя - ключевой элемент в процессе адаптации информационного содержания и навигационного пространства терминала, на основе модели пользователя система с помощью заданных правил осуществляет изменение содержания ресурсов и экранного интерфейса. Часть (МП) строится следующим образом. К узлам семантической сети, описывающей знания по предмету, в качестве атрибутов добавляются числа, показывающие, в какой степени пользователь понимает содержащиеся в каждом узле знания, рисунок 2.

Рисунок 2 Модель пользователя

Подобная оверлейная модель строится в предположении, что знания пользователя и знания системы имеют полностью аналогичную структуру, но первые являются подмножеством последних. Оверлейная модель представляет собой подмножество модели предметной области (МПО), то есть подграф. Смысл оверлейной модели состоит в том, чтобы представить знание конкретного пользователя как перекрытие («оверлей») модели предметной области. Оверлейные модели представляют собой очень мощный и гибкий механизм. Они могут осуществлять независимое измерение уровня знаний пользователя по различным темам.

Каждая глава в составе учебного курса представляет собой набор тем, объединенных одним общим изучаемым понятием. Темы в составе главы представляют собой логически завершенное рассмотрение какого-либо аспекта этого понятия. При этом темы могут образовывать сложную иерархическую структуру, т.е. каждая тема может включать в себя неограниченное количество подтем и т.д. Количество тем в главе не ограничено, однако вряд ли целесообразно перегружать урок теоретическим материалом. Например, если в учебном заведении, для которого проектируется обучающий курс, на одно занятие отводится 1,5 часа, то и количество материала в одном электронном уроке должно быть таким, чтобы его можно было изучить за указанное время и проверить качество его усвоения.

В процессе обучения система руководствуется моделью обучения, представляющей собой разность между МПО и МП.

Уровень знаний по теме, реализованной в ИКОС, является наиболее важной характеристикой. Уровень знаний является переменной величиной для каждого конкретного пользователя. Это означает, что система, использующая знания пользователя, должна фиксировать изменение уровня этих знаний и соответствующим образом модифицировать модель пользователя.

Широкое развитие интеллектуальных компьютерных обучающих систем (ИКОС) требует нового подхода к хранению учебной информации. Стандартные технологии баз данных слабо подходят для этой цели, т.к. хранимая информация обычно представлена в виде достаточно сложной структуры. Наиболее часто используемыми являются модели дерева и графа. С другой стороны, современный обучающий курс должен быть мультимедийным и в какой-то степени интерактивным. Возникает вопрос, как свести все множество файлов в единую структуру? Наиболее логичным является использование единого документа с описанием структуры учебного курса и ссылками на используемые файлы.

При хранении оверлейной модели в памяти компьютера оверлейная модель представляет из себя матрицу, с множеством путей ее прохождения, решения.

При учете всех возможных вариантах обучения приходится решать сложную многокритериальную задачу. При рассмотрении матрицы связей возникает множество вариантов ее прохождения. Задача принятия решений (ПР) возникает, когда присутствует несколько вариантов действий (альтернатив) для достижения заданного или желаемого результата. При этом требуется выбрать наилучшую в определенном смысле альтернативу. При комплексном проектировании автоматизированных обучающих систем количество локальных подзадач может быть весьма значительным, а локальные критерии (точность, быстродействие, стоимость, экономическая эффективность, усвояемость и др.) противоречат друг другу. В этих условиях понятие «оптимальное решение задачи управления» теряет смысл и приемлемым решением может считаться лишь разумный компромисс («Парето - оптимальное» или «эффективное» решение).

Подобная, интеллектуальная компьютерная обучающая система позволит повысить качество обучения и снизить затраты, необходимые на организацию учебного процесса, что ведет к повышению доступности качественного обучения для всех слоев населения.

ЛИТЕРАТУРА

1. Введение в АОС ( методические указания ) ©Составитель: Т.В.Крылова. Н.Новгород, 1987.

2. Бабанский Ю. К. Оптимизация процесса обучения (Общедидактический аспект). - М., 1977.

3. Радугин А. А. Психология и педагогика. - М.: Центр, 1996. - 336 с.

4. Реальность и прогнозы искусственного интеллекта: Сб. статей, Пер. с англ. М.. Мир, 1987, —247

5. Лванесов B.C. Научные основы тестового контроля знаний. М.: Исследовательский центр, 1994. -

135 с.

6. Аванесов B.C. Композиция тестовых заданий. Учебная книга для преподавателей вузов, учителей

школ, аспирантов и студентов педвузов. М.: Адепт, 1998, - 217 с.