CC BY
138
Модель системы дистанционного образования, основанная на онтологии предметных областей курсов
обучения.
Маликов Андрей Валерьевич начальник отдела АСУ, доктор технических наук, доцент Северо-Кавказский государственный технический университет, Пр. Кулакова, 2, г. Ставрополь, 355029, (8652) 95-66-58 [email protected] Целиковский Алексей Сергеевич специалист ОПИО ЦНИТ, аспирант Северо-Кавказский государственный технический университет, Пр. Кулакова, 2, г.Ставрополь, 355029, (8652 ) 95-69-96 [email protected]
Аннотация
Описывается модель системы дистанционного образования, позволяющая построение курсов обучения адаптированных индивидуально под каждого пользователя, в зависимости от его знаний и предпочтений. Содержание семантических метаданных в модели обеспечивает эффективное использование уже существующих курсов при разработке новых.
A model of distance education system, which allows the construction of training courses tailored individually for each user, depending on their knowledge and preferences. The semantic metadata in the model provides efficient reuse of existing courses for developing new ones.
Ключевые слова
Онтология, система дистанционного образования, адаптивные курсы обучения Ontology, distance education system, adaptive courses
Введение
Одной из основных характеристик современного мира можно назвать информационный взрыв, один из результатов которого проявляется в огромных количествах цифровых документов, хранимых и передаваемых как внутри организаций, так и в глобальных масштабах. В данной ситуации традиционные методы работы с информацией становятся не просто неэффективными, но и маловозможными. В связи с этим во всем мире создается огромное количество систем электронного документооборота, позволяющих эффективное хранение и обработку служебной информации.
Область образования является одним из самых важных потребителей существующей, и источников новой информации. Однако в связи со сложностью процессов образования применение стандартных средств в данной области не представляется возможным.
Основными проблемами образования является доступность и качество. В связи
с широким распространением телекоммуникационных технологий, казалось бы, с доступностью проблемы решены, однако ситуация с качеством серьезно усложнилась. Огромные неструктурированные массивы информации не позволяют целостного и последовательного ее изучения. Современные системы дистанционного образования частично решают и эту проблему, преподнося необходимые средства авторам для разработки курсов, а пользователям для их изучения. В этом случае вся ответственность качества образования ложится на плечи авторов-разработчиков курсов, которым необходимо выстроить последовательную цепочку курсов обучения для целостного освоения учебного материала. К тому же острой стоит проблема повторного использования существующего материала. В работе предлагается семантический подход к реализации дистанционного обучения, позволяющий автоматическое формирование индивидуальных курсов, на основе знаний и предпочтений конкретных пользователей, а также предоставляющий эффективные средства повторного использования разработанных материалов для построения более сложных курсов обучения.
Предыдущие работы
Системы управления обучением - Learning Management System (LMS) это высокоуровневое стратегическое решение для планирования, выполнения и управления всеми образовательными процессами в организации. Основным направлением LMS является управление обучающимися, отслеживание их прогресса и выполнения всевозможных типов контроля, но не на создание и управления непосредственно содержанием образовательного процесса. Следующим шагом в этом направлении стали системы управления содержанием обучения - Learning Content Management System (LCMS).
LCMS предоставляют авторам-разработчикам курсов эффективные средства создания и поддерживания курсов обучения, обеспечивая наполненный и своевременный процесс обучения ориентированный как на группу студентов, так и на конкретного пользователя. Вместо создания целостных курсов и предоставления их разнородной аудитории, авторы создают цепочки модулей содержимого с возможностью повторного использования, таким образом, исключая дублирование разработки и позволяя быструю сборку существующих модулей для конкретных нужд. Эти концепции реализованы в современных стандартах дистанционного образования (LOM [1], SCORM [2], Dublin Core [3], ARIADNE [4]). Однако модули не содержат в себе достаточного количества семантических метаданных, потому не предоставляют возможности для автоматического построения адаптированных под конкретного пользователя курсов обучения. В работе предлагается подход семантической реализации модели дистанционного обучения.
Описание подхода
Предлагаемая концепция дистанционного образования (ДО) базируется на трех моделях: модель предметной области, представляющую так называемые концепты, изучаемые в процессе обучения, модель пользователя, хранящая данные о пользователе (включая его знания с привязкой к предметной области), и модель обучения, описывающей содержание курсов, связанных с предметной областью. Используя эти модели в процессе образования, выбираются наиболее подходящие курсы согласно целям изучения и знаниям пользователя.
Модель предметной области.
Описываемый подход использует онтологии для представления концептов предметной области. Для описания связи между концептами в онтологии используются следующие виды отношений.
Отношения включения.
Отношения включения должны быть описаны для каждой предметной области (например, для предметной области «информатика» часть включений изображена на рисунке 1.)
Отношения включения имеют вид «включен в/содержит». Концепт А «содержит» концепт B (А. «contains»B), если все понятия, используемые в B, также используются и в А. Соответственно B, «включен в» А (B. «IncludeIn»A) .
Используя язык дескрипционной логики, можно сказать, что все концепты предметной области, исключая самые «общие» (root-концепты), должны иметь свойство «IncludeIn» («включен в») с одним и только с одним концептом. Все концепты в иерархии Ti, могут иметь ноль или более «contains» («содержит») свойств. Root-концепт в каждой предметной области является наиболее общим концептом данной предметной области, а листья в дереве иерархии - наиболее специфичными концептами, не имеющими свойств «contains».
Отношение противоречия («contradictionTo»).
Описывает противоречивые концепты. Симметричное отношение, т.е. если концепт A противоречит концепту B (A. «contradictionTo»B), то и концепт В противоречит концепту А.
Отношение самодостаточности («self-sufficiency»).
Концепт В самодостаточен (B.«self-sufficiency»B), если предоставляет все знания для его усвоения
Отношение альтернативы («alternativeTo»).
Концепт А является альтернативным концепту В(A.«alternativeTo»B), если концепт А можно заменить B в контексте отношений с другими концептами (например, реляционная алгебра и реляционное исчисление). Симметричное отношение.
Отношение расширения («extend»).
Концепт А расширяет В (A.«extend»B), развивая его и добавляя новые элементы. Оно имеет инверсное отношение («extended»), т.е. в этом случае В расширяется А (B.«extended»^.
В процессе разработки курсов рассмотренные отношения предоставляют информацию о глобальной связи между различными концептами, помогая выстроить логическую цепочку изучения для целостного восприятии предметной области.
Для формализации предлагаемого подхода используется аппарат дескрипционной логики (ДЛ). Языки ДЛ представляют собой серьезные средства для представления знаний, выдерживая необходимый баланс между простотой и выразительной мощностью. Аппарат ДЛ располагает различными механизмами логического вывода, такими как автоматическая классификация или категоризация концептов, которые предоставляют полезные возможности при построении модели предметной области.
Использование дескрипционной логики на разных уровнях модели (модель предметной области и модель обучения) предоставляет большие преимущества в разработке, обеспечивая поиск модулей обучения (описано ниже), соответствующим различным концептам из предметной области, благодаря высокоуровневому языку запросов и облегчая добавление новых модулей, описывая отношения между существующими.
Модель пользователя.
Адаптация системы обучения может проходить согласно опыту обучаемого, его знаниям, целям и предпочтениям. Для осуществления этих возможностей вводится модель пользователя, в которой содержится различная информация об обучаемом. Часть информации имеет постоянный характер, например, регистрационные данные (account), а часть изменяется динамически в процессе обучения - это знания о предметной области. Модель можно представить в виде.
UM=<account, domain-level>, где account={<attribute,value>}; domain-level ={< role, concept, rating>}; (1)
role - связь между концептом (concept) предметной области и модулем обучения («introduce», «define» и т.д.) («введение», «определение» и т.д.)
rating - уровень освоения концепта. Принимает одно из следующих значений: «not_visited», «verylow», «low», «medium», «high», «very high» (что значит соответственно, «не просмотрен», «очень плохо», «плохо», «средне», «хорошо», «отлично»)
Модель обучения.
Модель обучения состоит из модулей обучения, представляющих собой «кирпичики» для построения более сложных модулей или курсов обучения. Модуль располагает специальным интерфейсом, предоставляющим информацию о необходимых требованиях для его использования, связывания и замещения другими модулями. Модуль может использоваться независимо или посредством композиции в курсах сторонних разработчиков.
Модуль может быть примитивным (атомарным) или сложным. Он связывается с концептом предметной области определенной ролью (role). Компонент может выполнять несколько ролей для одного концепта и может быть связан с несколькими концептами.
Модуль описывается набором метаданных:
Module-metadata=<Mid, Educational-Characteristics, Composition, Semantic>
Md - уникальный идентификатор модуля в базе данных.
Educational-Characteristics - набор характеристик модуля {M}, i = 1...k, где M= <tag, value>. В модели используются «Learning Object Metadata» [1] (например, <«title», «Реляционные базы данных»>, <«author», «Маликов»>).
Composition=null, если модуль примитивный. В противном случае Composition представляет собой ацикличный направленный граф, описывающий связь между модулями, если модуль состоит из нескольких модулей.
Semantic - представляет тройки < Contents, Input, Output>, описание которых приводится ниже.
Содержание модуля:
Contents = {Rс}, (2)
где Rc = <Coid, {role}, concept>. (3)
Роли согласно Educational Ontology [6] могут быть следующими R={«analyze», «apply», «compare», «define», «demonstrate», «describe», «evaluate», «experiment», «history», «illustrate», «introduce», «summarize»}, (что значит соответственно «анализ», «применение», «сравнение», «определение», «демонстрация», «описание», «оценка», «практическое упражнение», «развитие», «пояснение», «введение», «резюмирование»).
Пререквизиты модуля представляются концептами предметной области, которые пользователю необходимо знать для изучения данного модуля.
Input = <MId, {role}, concept, rating>,
где rating принимает одно из следующих значений: {«very_low», «low», «medium», «high», «very high»} (соответственно rating в модели пользователя).
Пример: Пререквизит <C2, {«define»}, «Логика первого порядка», «high»> говорит о том, что модуль С2 требует знание концепта «Логика первого порядка» на уровне «high» с ролью «define».
Выход модуля определяется уровнем освоения материала пользователем. Уровень освоения вычисляется посредством специальной подсистемы тестирования, в функции которой помимо тестирования знаний конкретного модуля входит вычисление проблемных концептов предметной области, основанное на иерархии предметной области. Для каждого содержимого модуля (3) в зависимости от результата испытаний в модели пользователя возможно либо добавление нового элемента domain-level, либо будет возвращено значение FAIL.
Сложные модули обучения представляют собой ациклический граф, чьи вершины являются примитивными или сложными модулями, а ребра - отношениями включения в сложный модуль. Курс обучения, таким образом, состоит из модулей обучения соединенных дидактическими связями, обеспечивающими целостность курса, определяя последовательность изучения модулей и адаптацию обучения под конкретного пользователя. Данная композиция модулей получается благодаря применению специальных композиционных операторов.
Композиционные операторы.
Мы формализовали различные операторы, позволяющие построение (возможно рекурсивное) сложных модулей обучения из примитивных (или сложных в случае рекурсии):
последовательность (М, SEQ М) - пользователь имеет последовательный доступ Мі затем Mj. Доступ к Mj может быть осуществлен только в случае прохождения Мі.
параллель: (М, РАК М}) - пользователь имеет независимый доступ к модулям
М, и Mj
альтернатива: (М, АЬТМ3) - пользователь имеет доступ либо кМ,, либо Mj.
Семантика операторов.
При составлении примитивных модулей в сложные важно автоматически определять семантические характеристики сложного модуля на основе характеристик примитивных. Правила вывода характеристик для различных операторов приведены в таблице 1.
Таблица 1. Семантика композиционных операторов.
Пререквизиты Выход модуля
Мі SEQ рге(Мі рге(М ]) /ад(Мі) Щ(Мг )и аЧ(М3 )
М{ А1ТМ} Міп(рге(М.), рге(М Д) Міп(ад(М.), ад(М ))
Мі раг Mj рге(М{ )^ рге(М ]) Щ(Мг )и а%(М])
В случае Ы1 ЛЬТ Ы] важно отметить, что в таблице представлен жадный алгоритм выбора альтернативного модуля (по минимальному количеству пререквизитов). Вычисление может иметь динамический характер, т.к. выбор простого модуля в данном операторе зависит от анализа всего курса, в который входит данный модуль. Выход же сложного модуля вычисляется на основе выбранного модуля.
Подсистема тестирования.
При завершении конкретного модуля обучения необходимо определить успешность освоения концептов, входящих в его содержимое. Для этого существует подсистема тестирования, в которую входят тесты, определяющие уровень знаний по каждому концепту (либо по нескольким концептам, описанных экспертами). Для определения знаний по конкретному модулю пользователю предоставляются задания по концептам, входящим в содержимое модуля и не присутствующих в модели пользователя. При успешном тестировании (отношение правильных ответов к общему количеству превышает определенный порог), в модель пользователя вносятся новые знания в виде троек (1). В противном случае подсистема тестирования на основе неправильных ответов определяет концепты содержимого модуля, в которых необходимо поднять уровень знаний и предлагает уточняющие задания, используя отношения включения в предметной области, а также задания по пререквизитным для модуля концептам. На основе полученных результатов, система предлагает курсы для изучения необходимых концептов.
Процесс обучения.
Процесс обучения делится на 2 формы:
курс-ориентированная форма обучения подразумевает выбор пользователем одного из существующих курсов обучения. Курс представляет собой композицию модулей и операторов. Благодаря операторам ALT выбранный курс адаптируется под конкретного пользователя, динамически предоставляя ту альтернативную последовательность модулей, которая наиболее подходит для модели пользователя.
концепт-ориентированная форма обучения подразумевает выбор пользователем интересующего концепта предметной области. Система подбирает модуль, в котором в качестве выхода существует выбранный концепт, и сверяет его пререквизиты с уровнем знаний пользователя. Если интересующий модуль с подходящими пререквизитами найден не был, система автоматически подбирает последовательность модулей, для достижения поставленной цели.
Процесс разработки курсов.
Процесс разработки курсов может иметь следующие формы: добавление оригинального модуля. В этом случае процесс разработки должен включать определение различных метаданных модуля (пререквизиты, содержимое, выход и т.д.);
добавление сложного модуля. Автор определяет выражение из модулей и композиционных операторов для построения композиции простых модулей. Система автоматически выводит характеристики модулей на основе характеристик входящих модулей и семантики операторов;
поиск модулей удовлетворяющих условию наличия в выходе модуля определенных ролей по отношению к назначенным концептам. Если модуль не найден, автор создает новый, работая по пунктам 1 и 2 в данном описании.
Выполнение описанных задач основано на механизмах логического вывода, обеспечиваемых аппаратом дескрипционной логики. Например, если автор хочет найти модули, в которых описывается концепт «Реляционная модель» со свойством «Определение», то запрос к системе будет выглядеть как:
3 <^ейпе».«Реляционная модель».
Дополнительные возможности предлагаемого подхода.
При разработке оригинального модуля используются методы, описанные в [7] и [8], для автоматизированного распознавания используемых в тексте концептов. В результате обработки методами, рассматриваемыми в [7], текста, соответствующего созданному модулю, автору выносится на рассмотрение концепты, предположительно используемые в данном модуле. Автор должен сделать вывод о корректности распознавания и отнести правильно распознанные концепты либо к пререквизитам, либо к выходу модуля. В результате упрощается разработка новых модулей в контексте сопоставления их общей семантической картины обучения в данной предметной области. С помощью методов, описанных в [8], возможно определить, в какой степени текст соответствует иерархии отношений включения концептов предметной области.
Заключение
В работе предлагается семантический подход к организации обучения, позволяющий автоматизировать большинство важных педагогических функций, таких как разработка курсов обучения, адаптация их возможностям и предпочтениям конкретного пользователя. Модули обучения описаны семантическими метаданными (пререквизиты, выход модуля, содержимое модуля), позволяющими автоматическое формирование целостных курсов обучения. Подсистема тестирования позволяет автоматическое распознавание проблемных концептов пользователя, для последующего формирования корректирующих курсов.
Данный подход позволяет усовершенствовать существующие стандарты дистанционного образования ^ОМ [1], SCORM [2]), более детальным семантическим описанием ресурсов, и использованием механизмов индивидуализации обучения.
Работа выполнена в рамках реализации ФЦП «Научные и научно-педагогические кадры инновационной России» на 2009-2013 годы по проблеме «Разработка теоретических основ функционирования систем управления полуструктурированными данными».
Литература
1. IEEE Learning Technology Standards Committee (LTSC), Learning Object Metadata (LOM), Draft Document. 2001, IEEE P1484.12.
2. SCORM 2004 4th Edition Version 1.1 Overview Url:
http://www.adlnet.gov/Technologies/scorm/SCORMSDocuments/2004%204th%20Ed ition/Overview.aspx (дата обращения 6.03.2011)
3. Education Working Group: Draft Proposal. Url:
http://www.dublincore.org/documents/education-namespace/
4. ARIADNE foundation Web Site. Url:http://www.ariadne-eu.org/
5. Ranwez S., Leidig T., Crampes M.: Pedagogical Ontology and Teaching Strategies: A New Formalization to Improve Life-Long Learning. Journal of Interactive Learning Re-search, Vol 11 N°3-4, AACE (2000)
6. Маликов, А.В. Методы извлечения и сравнения словосочетаний при анализе учебно-методических комплексов в задаче проверки их требованиям ГОС ВПО./ А.В. Маликов, А.С. Целиковский // Молодежь и наука: реальность и будущее/ Материалы III Международной научно -практической конференции, 2010, Т. 5, С. 462 - 465.
7. Маликов, А.В. Разработка математической модели оценки соответствия полнотекстовых документов заданному содержанию/ А.В. Маликов, А.С. Целиковский, Д.К. Пархоменко. Обозрение прикладной и промышленной математики. - М: «ОПиПМ», 2010, т.17 в.1, с. 124-126.
