CC BY
109
Программный модуль для управления представлением информации в системе электронного обучения
Варнавский Александр Николаевич доцент, к.т.н., доцент кафедры автоматизации информационных и технологических
процессов,
Рязанский государственный радиотехнический университет, ул. Гагарина, 59/1, г. Рязань, 390005, (4912)460343 varnavsky_alex@rambler.ru
Аннотация
В статье приводится результат исследования, направленного на выявление влияния размера шрифта представляемой информации на показатели работы с этой информацией. Построена математическая модель зависимости оптимального по критерию максимизации качества работы с информацией размера шрифта от показателей когнитивных процессов испытуемого. Предложен алгоритм работы системы электронного обучения с программным модулем, осуществляющим адаптацию параметров отображения текстовой информации на основе результатов психофизиологического тестирования обучаемого с целью максимизировать качество работы с информацией. Программный модуль реализован на языке JavaScript для системы дистанционного обучения Moodle. The article is the result of research aimed at identifying the impact of the font size of the information provided on the performance of this information. A mathematical model based on the criterion of maximizing the optimum quality of the information the font size on the performance of the test of cognitive processes. The algorithm of the e-learning system work with software module adapts the display parameters of text information on the basis of psycho-physiological testing the student in order to maximize the quality of work with the information is proposed. The software module is implemented in JavaScript for distance learning system Moodle.
Ключевые слова
система электронного обучения, показатели когнитивных процессов, производительность внимания, качество работы с текстом, оптимальный размер шрифта текста;
e-learning, indicators of cognitive processes, performance focus, quality of work with text, the optimum size of the text font.
Введение
В настоящее время системы электронного (дистанционного) обучения востребованы как средство поддержки заочной формы и самостоятельной работы студентов очной формы обучения [1]. Повысить эффективность таких систем можно путем использования интеллектуальных, адаптивных технологий [2], позволяющих реализовать персонификацию процесса обучения [3]. Например, в [4, 5] описывается, что учет индивидуальных способностей студента, его знаний и умений способен повысить эффективность учебного процесса. Поэтому актуальной является задача
разработки методов, технологий и программных средств создания адаптивных систем дистанционного обучения, обеспечивающих персонифицированное обучение.
Интеллектуальные системы обучения
В результате применения технологий персонификации и адаптации создаются интеллектуальные обучающие системы. Основное назначение интеллектуальных систем обучения заключается в реализации адаптивных обучающих программ, позволяющих учесть текущий уровень знаний и навыков ученика, его динамику и текущую ситуацию обучения [6].
При разработке интеллектуальных систем обучения создается динамическая адаптивная обучающая среда, позволяющая осуществить эффективную диагностику ошибок обучаемого и существенно облегчить подготовку учебного материала [6].
Многие современные отечественные и зарубежные исследователи занимаются развитием и совершенствованием интеллектуальных систем обучения. На сайте Восточно-Европейской Подгруппы Международного Форума "Образовательные технологии и общество" http://ifets.ieee.org/russian/ можно ознакомиться с переводом ряда зарубежных работ по этой проблематике [7].
Можно выделить следующие основные модули интеллектуальных обучающих систем [например, 8, 9]:
- база знаний, содержащая все учебные информационные и проверочные материалы;
- модуль обучения системы, содержащий правила обучения;
- модуль диагностики, осуществляющий оценку уровня знаний и навыков обучаемого;
- модуль модели обучаемого, осуществляющий учет индивидуальных особенностей обучаемого;
- модуль интерфейса, который отвечает за отображение и представление учебной информации в системе, а также осуществляет интерактивное взаимодействие пользователя с системой.
В большинстве интеллектуальных обучающих системах для реализации технологий адаптации используется оверлейная модель знаний обучаемого. Для этого создается модель предметной области обучения, представленная в виде сети концептов (понятий) учебной дисциплины. Оверлейная модель конкретного обучаемого заполняется некоторыми значениями, которые являются оценкой уровня знаний того или иного концепта. Анализ набора пар «концепт - значение» позволяет оценить уровень знаний обучаемого как по отдельным темам учебной дисциплины, так и в целом по курсу [9].
В работах [9, 10] описываются инструментальные средства проектирования интеллектуальных обучающих систем, использующие оверлейную модель знаний обучаемого. В таких средствах используется модель адаптивного управления процессом обучения серии МОНАП (Модель Обучения Навыкам Алгоритмической Природы). В [11] описано использование Байесовского подхода для идентификации (оценки) навыков/умений в процессе адаптивного управления обучением.
Построение адаптивной системы дистанционного обучения и контроля знаний EduPro и оценка эффективности ее использования описано в [8, 12].
В работе [13] рассмотрена возможность построения плагинов для популярной системы дистанционного обучения МооШе [14], позволяющих реализовать интеллектуальное управление процессом обучения с адаптивным построением структур учебных курсов. Для построения модели прохождения учебного курса использованы нечеткие сети Петри, а для классификации текущего уровня знаний ученика - нейросетевая модель. В результате происходит управление
доступностью тех или иных информационных и контрольных элементов курса. В [15] описан принцип построения оптимального набора учебно-тренировочных задач в зависимости от результатов оценки текущего уровня знаний обучаемого.
Использование анализа результатов тестирования для повышения эффективности системы МооШе описано в работе [16].
Ряд авторов указывает на то, что учет текущего психоэмоционального состояния обучаемого в процессе работы с системой электронного обучения способен повысить эффективность данного процесса. Например, в работе [17] предложено учитывать тип личности обучаемого (стрессово-устойчивый, инертный или психоастенический) для корректировки времени выполнения тестовых заданий.
Из проведенного анализа литературы следует, что большинство работ, посвященных повышению эффективности систем интеллектуального обучения, направлены на улучшение базы знаний, модуля обучения системы, модуля диагностики и модуля модели обучаемого. При этом при построении модуля интерфейса открытыми остаются некоторые вопросы, связанные с влиянием работы данного модуля на процесс восприятия информации. Данный процесс является важным для обучения, поскольку непосредственно влияет на эффективность получения учебной информации, ее запоминание и усвоение.
Работа направлена на повышение эффективности функционирования модуля визуализации, в качестве объекта управления выбран размер шрифта текста -основной параметр представляемой текстовой информации, а управление отображением осуществляется основе значений показателей когнитивных процессов обучаемого.
Целью работы является разработка программного модуля (плагина) для системы электронного обучения по оптимизации представления учебной информации в зависимости от текущего состояния обучаемого.
Использование разрабатываемого плагина позволит повысить эффективность электронного обучения, в частности сократить время изучения материала без снижения качества восприятия информации.
Педагогический дизайн текста
Восприятие изучаемой информации зависит от ее представления [18]. Если говорить о том, как оптимизировать представление учебной информации на экране монитора, то можно выделить подход, называемый педагогическим дизайном [19] и используемый при проектировании учебного курса, его дизайна и интерфейса, создании учебных материалов.
Педагогический дизайн текста предусматривает общие правила представления учебной информации, заключающиеся в наиболее грамотном и оптимальном расположении учебного материала на экране монитора. Эти правила касаются параметров шрифта, длины и ширины текста, использования заголовков и подзаголовков, списков и иллюстраций. Например, приведем некоторые правила, касающиеся шрифта текста: «Правильный шрифт - шрифт, который легко читается, воспринимается с экрана. Обычно рекомендуют прямой, без засечек, но часто используют различные варианты. Необходимо избегать стилей, которые отвлекают от собственно содержания текста. Для презентаций размер шрифта для заголовков не менее 24 пт, для текста не менее 18пт. Для текста web-страниц не менее 10 пт. Стили шрифтов не смешиваются. Прописные буквы использовать осторожно - т.к. хуже читаются». Использование таких правил способствует повышению эффективности восприятия и запоминания информации.
Однако данные правила являются статическими и не привязаны к индивидуальным особенностям обучаемых, их психоэмоциональным состояниям и
условиям работы, т.е. не являются персонифицированными. В соответствии с этими правилами информация на страницах курса представляется в статическом, не персонифицированном виде и не зависит от того, как пользователи в данный момент воспринимают информацию, т.е. без учета их индивидуальных особенностей и когнитивных процессов.
Работа направлена на то, чтобы решить существующую проблему статического представления информации в различных условиях и разработать способ и его программную реализацию для автоматической подстройки параметров отображения учебной информации в системе электронного обучения в зависимости от показателей когнитивных процессов обучаемого. При этом в качестве объекта управления выбран размер шрифта изучаемой информации - ключевой параметр пользовательского интерфейса систем электронного обучения.
Выбор психофизиологических тестов для определения показателей когнитивных процессов
Восприятие учебного материала и степень его усвоения зависит от значений показателей когнитивных процессов обучаемого. Поэтому в качестве критерия изменения размера шрифта могут быть выбраны текущие значения таких показателей.
Для исследования влияния размера шрифта представляемой информации на показатели работы с этой информацией и построения математической модели зависимости оптимального размера шрифта от значений показателей когнитивных процессов испытуемого выберем два когнитивных процесса: память и внимание, которые являются основными процессами, обуславливающими восприятие информации и ее запоминание.
Показатели внимания и кратковременной памяти могут быть определены по результатам психофизиологического тестирования с использованием, например, корректурной пробы Бурдона-Анфимова [20] и теста на запоминание чисел [21]. Принцип выбора этих тестов - возможность определения необходимых показателей, их реализации и автоматизации проведения в системе электронного обучения.
Корректурная проба Бурдона-Анфимова - методика, предназначенная для исследования устойчивости и продуктивности внимания, расчета индекса утомляемости, определения умственной работоспособности. Данная методика заключается в предъявлении испытуемому строчек из случайной последовательности букв русского алфавита, которые он должен последовательно просматривать и вычеркивать разными способами две заданные буквы. Результаты пробы оцениваются по количеству пропущенных знаков, по времени выполнения или по количеству просмотренных знаков [20].
По результатам корректурной пробы Бурдона-Анфимова определяются основные показатели внимания: уровень концентрации внимания Акв, показатель умственной работоспособности Аур, показатель производительности внимания Апв, качество работы Ак [20]:
N М - (О + Р)
А„ = 7 —^ • (Ч
А. = , (2)
П
А = N. <з,
, ! О + Р
А = 1--, (4)
к N
где N - количество символов в проработанной испытуемым части корректурной пробы; / - время выполнения задания в секундах; М - общее количество зачеркнутых символов; О - количество ошибочно зачеркнутых символов;
- количество правильно зачеркнутых символов; Р - количество пропущенных символов; п - количество символов, которые необходимо было вычеркнуть в просмотренной части корректурной пробы.
Данные показатели характеризуют работу с текстовой информацией. Так показатель производительности внимания соответствует числу букв, просматриваемых в единицу времени, показатель умственной работоспособности -числу букв, просматриваемых в единицу времени, с учетом наличия ошибок. Показатель качества работы равен 1 при отсутствии ошибок и уменьшается при их появлении тем больше, чем больше число пропущенных и ошибочно вычеркнутых символов. Уровень концентрации внимания показывает долю верно зачеркнутых букв от общего числа символов, которые нужно было вычеркнуть.
Для тестирования способностей кратковременной памяти выбран тест на запоминание чисел. Данный тест заключается в предъявлении испытуемому 10 различных двухзначных чисел, которые он должен воспроизвести по памяти после их просмотра в течение 30 секунд [21]. Коэффициент кратковременной памяти Кпам рассчитывается по формуле:
К =К (5)
пам 10 ' ^ '
где К - количество правильно воспроизведенных двухзначных чисел, 10 -число исходных чисел.
Проведение серии экспериментов
Исследование влияния размера шрифта представляемой информации на показатели работы с этой информацией и построение математической модели зависимости оптимального размера шрифта от показателей когнитивных процессов испытуемого осуществлялось на основе обработки экспериментальных данных, полученных в результате серии экспериментов.
1. Метод проведения
a. Участники. Участниками эксперимента являлись 30 студентов 3-5 курсов Рязанского государственного радиотехнического университета. Число лиц мужского пола - 15, женского - 15. Средний возраст участников составил 21,1 ± 0,8 год.
b. Материалы. Для проведения эксперимента использовались 4 вида бланков Бурдона-Анфимова, отличающиеся только размером шрифта букв - 10 пт., 12 пт., 14 пт., 16 пт. Также использовалась запись 10 двухзначных чисел.
c. Процедура исследования. Эксперименты проводились в первой половине дня в течение 3-х дней у групп по 8-12 человек. Поскольку ставилась задача построения математической модели зависимости оптимального размера шрифта только от показателей памяти и внимания испытуемого, то внешние условия у всех групп создавались одинаковыми. После проведение инструктажа и объяснения смысла эксперимента испытуемые проходили пробное тестирование на память и внимание. При этом испытуемым сообщили две буквы, которые они должны искать и вычеркивать в тестах на внимание, а также варианты их вычеркивания. Далее предъявлялась запись 10 двухзначных чисел и выполнялся тест на память. Затем раздавались бланки теста Бурдона-Анфимова, размер шрифта которых 10 пт., и
испытуемые в течение 5 мин выполняли данный тест. После 3-х минутного отдыха раздавались бланки теста Бурдона-Анфимова, размер шрифта которых 12 пт., и испытуемые также в течение 5 мин выполняли данный тест. Аналогично выполнялись тесты с размером шрифта 14 пт. и 16 пт.
2. Полученные результаты
Для каждого испытуемого по результатам выполнения корректурной пробы и теста на запоминание был сформирован набор следующих значений N М, О, Р, п, К.
Обработка результатов эксперимента и построение математической модели
По результатам эксперимента на основе значений N, М, О, S, Р, n, K, полученных для каждого испытуемого, сформирован набор из 30 наблюдений со следующими переменными, рассчитанными по формулам (1)-(5):
Кпам; АквЪ АурЪ АпвЪ ARi при x-10; АКВ2, ^4ур2, ^пв2, Ar2 при x-12; ^4квэ, Аур3, АШ3, AR3 при x-14; Акв4, Аур4, Апв4, AR4 при x-16; где x - размер шрифта в тесте Бурдона-Анфимова.
В полученных результатах наблюдался разброс значений. Отметим, что задача направлена на создание модели для прогнозирования оптимального размера шрифта по показателям памяти и внимания. Поэтому значения показателей, полученные, например, после занятий или в вечернее время, когда в большинстве случаев значения показателей когнитивных процессов снижены, также могут использоваться для прогнозирования оптимального размера шрифта.
Обработка результатов эксперимента осуществлялась в статистическом пакете R [22].
R - это язык программирования и среда для статистических вычислений и графического анализа. У R есть ряд особенностей, позволяющих выделить ее среди других программ и сред [23].
1. R - это бесплатная программа с открытым кодом, которая поддерживается большим и активным исследовательским сообществом по всему миру.
2. R - это мощная статистическая программа, в которой реализованы все способы анализа данных.
3. R имеет современные графические возможности, позволяя визуализировать сложные данные.
4. R может импортировать данные из самых разнообразных источников.
5. В R можно реализовать любые нестандартные алгоритмы обработки данных и новые статистические методы.
6. R работает на большинстве операционных системах, включая Windows, Unix и Mac OS X.
За счет данных преимуществ для статистической обработки полученных в результате эксперимента данных и был выбран пакет R.
На первом этапе необходимо проверить гипотезу о том, оказывает ли размер шрифта статистически значимый эффект на величины рассматриваемых показателей внимания. Это сделаем с помощью дисперсионного анализа с повторными измерениями.
Приведем результаты дисперсионного анализа для производительности внимания: F(3, 87) = 5.275, p < 0,01. Таким образом, различия в продуктивности внимания при разных размерах шрифта являются более выраженными, чем различия, обусловленные случайными причинами (р<0,01). Индивидуальные различия между
испытуемыми являются не более выраженными, чем различия, обусловленные случайными причинами. Соответственно, размер шрифта оказывает статистически значимое влияние на продуктивность внимания, которое определяет время работы с текстовой информацией.
Модель зависимости оптимального размера шрифта от показателей когнитивных процессов построим с помощью регрессионного анализа полученных экспериментальных данных. Для этого в качестве критерия оптимизации может быть выбрано условие достижения максимального уровня качества работы, определяющее как объем проработанной информации, так и число ошибок. При этом в качестве зависимой переменной Т будет выступать размер шрифта, при котором была получена максимальная величина качества работы, а в качестве факторов -показатели когнитивных процессов, определяемые при некотором размере шрифта.
Набор значений Т сформируем следующим образом. Для результатов эксперимента каждого испытуемого среди значений Адь АД2, АК3, АК4 выберем максимальное, и определим размер шрифта, соответствующий данному значению. Этот размер шрифта и будет искомой величиной Т.
В результате регрессионного анализа была получена модель Т = ао + *Акв1 + Я2^-Дур1 + а3^-Дпв1 + а4'Аш+ а5'Кпам с описательными статистиками: F(5, 24) = 3.664, р < 0,05, Я2 = 0.4329, Я2Асу = 0.3147.
Таким образом, получена модель, которая позволяет прогнозировать оптимальный размер шрифта для получения максимального уровня качества работы с текстом по показателям внимания, определенных при размере шрифта текста 10 пт. В случае получения дробных значений размера шрифта, полученных по модели, необходимо провести его округление до ближайшего значения с точностью до 0,5.
Повысить значения R2 и R2AdJ можно путем включения в модель составляющих, ответственных за попарное взаимодействие факторов. В таком случае может быть получена более полная модель вида:
Т = а0 + а-Ав! + а2 'Аур1 + а3 А«1 + а4 'АЛ1 + а5 'Кпам +
(6)
+ а6 'Акв1 ' Аур1 + а7 *Аур1 *АЛ1 + а8 'Апе\ 'АЯ1
с описательными статистиками: F(8, 21) = 4.703, р < 0,01, Я2 = 0.6418, Я2Асу = 0.5053.
Для того чтобы определить на сколько значимо различается доля дисперсии, которая объясняется обеими моделями, применим дисперсионный анализ. В результате получено значение Б = 4.0827, р < 0.05. Значит доля дисперсии, которая объясняется полной моделью значимо больше, чем доля дисперсии, объясняемая урезанной моделью.
Алгоритм работы системы электронного обучения, учитывающий полученные результаты исследования
Предлагается следующий алгоритм работы системы электронного обучения со встроенным программным модулем, осуществляющим управление размером шрифта представляемой информации в зависимости от показателей когнитивных процессов обучаемого с целью максимизации качества работы с информацией.
1. После входа пользователя в систему ему предлагается пройти тест Бурдона-Анфимова с размером шрифта 10 пт, а затем тест на запоминание.
2. По результатам прохождения данных тестов по формулам (1)-(5) происходит расчет значений показателей АквЬ Аур1, Апв1, Ак, Кпам.
3. Исходя из полученных значений показателей внимания и памяти, по формуле (6) осуществляется расчет оптимального значения размера шрифта Т.
4. Вывод текстовой информации осуществляется с размером шрифта равным Т.
5. Если изучение материала длится длительное время, то предлагается повторно пройти данные тесты с целью получения нового значения Т.
Разработка программного модуля для системы электронного обучения
На основе предложенного алгоритма работы системы электронного обучения можно разработать программный модуль (плагин), осуществляющий управление размером шрифта представляемой информации в зависимости от показателей когнитивных процессов обучаемого с целью максимизации качества работы с информацией.
Поскольку большинство систем дистанционного обучения (например, Moodle) осуществляют выдачу информации в формате разметки HTML, то программный код модуля может быть написан на прототипно-ориентированном языке программирования JavaScript.
На рис. 1 представлен внешний вид реализованного на JavaScript теста Бурдона-Анфимова. а на рис. 2 - тест на запоминание.
По букве "Б" нажимайте левой кнопкой мыши По букве11Ы" нажимайте правой кнопкой мыши
У Н Ш ГЙ Л Н ПЕГЩР БЖЖЪ ЁЫЯЪВСШЬХМХЮУАНЙЁШДЙРЙШЪЁЩЪ
ЮДНЦЛХЗТЭЭЛЭКЪКЗПНЗПШЁСЩЭВОДЮАНТЯБУГСЩРЭЭЧНЗА
ТРЕХБЙЭЗБПЮЖНАЦШЭХЦЖХЁВВВДФЕДТФЕЕКЖЦЁМТЫУСВЁЪ
СБХУПХЛЁЪГЪДНЩЛЗТННЕЖУЗЁОМИФПЫЖТПШКЪЬЦЗБЪЯБДЩ
ЗБЩАХЕХЕЙДДЛЩХИТЙЮЦЙЫЭЙДЧДКЯЬЩХЯУЭБЁБЁВИЧЁХЙЖ
ШКЪНЦХИЮПЮВХЁТООЦФЬКЮОФЩЬЧЮЧОЗКЭВЦЯЩЬПРЮТЙХ
БМКЖПЭЦМВМДРЯОВАХФХИГРЙЙОФЮЯЯДКЭФЦПЗЭЁУРИГЮСВ
МБВЩЧЧЬЕМЖЖНЮИГОТКЪФЪТУЯОВЪАЕУЮСЁТНБЭКЕЙЖГЙЭ
ЩЩИПЙГЫЬНМЖЗНЩГБЫДЪВРОЫЩШФАЙЕЧЦЕХГЮСЙНПННЫЕ
ЦЦЧЕЙТРШСЙМЯЁЦСДХЦГУЙИЙЧЗЬЩБИКВЁЕШТЁККФПЫННТКУ
САЬИЙЮЪРФЫСБКЩНМШРКТРЭИИОЕНЗМПЗЧСРЯПЕПЧЪГЪЕЦЕ
ЗЖЖЮЧГЗЛРЪФ
Завершить тестирование
Рис. 1. Вид реализованного на JavaScript теста Бурдона-Анфимова.
Рис. 2. Вид реализованного на JavaScript теста на запоминание.
Работа программного модуля иллюстрируется рис. 3 и 4, где представлены результаты вывода информации для обучаемых, находящихся в разных функциональных состояниях.
О "Й" I © Веб | cdo.rsreu.m/mod/book/view.php
Интегрированная логистическая поддержка про
Выход Список пользователей Загрузить пользователей
Оглавление
Понятое об Интегрированной логистической поддержке (ИЛИ)
Настройки
ЕЮ
т Управление книгой
Печатать всю книгу Печатать только эту главу
Книга2 "Основы интегрированной логистической поддержки"
Понятие об Интегрированной логистической поддержке (ИЛП
С общетехнических позиций проблема снижения затрат, связанных с поддержанием изделия в рг
• обеспечение конструкторскими, технологическими и производственными мерами высокой на^
• обеспечение ремонтопригодности и эксплуатационной технологичности изделия;
• рациональная организация снабжения потребителей запасными частями, расходными матери
• рациональная организация процессов технического обслуживания и ремонта (ТОиР) изделия.
документацией;
• организация своевременной подготовки и переподготовки персонала для эффективной экспт
разработчики могут совершенствовать его конструкцию, а также средства и системы эксплуа
Интегрированная логистическая поддержка ИЛП (Integrated Logistic Support) - комплекс управпен постпроизводственных стадиях ЖЦ, именуемых во времени иногда «затратами на впадение»
Рис. 3. Представление информации обучаемому шрифтом 12 пт. в соответствие с его функциональным состоянием.
Э Ф" -#fr I © Веб | cdo.rsreu.ry/mod/book/view.php
Интегрированная логистическая поддержка про
Выход Список пользователей Загрузить пользователей
Книга2 "Основы интегрированной логистической поддержки"
Оглавление
И нтегри раза н н ой
(ИЛП)
Понятие об Интегрирование
Настройки
ЕЮ
г Управление книгой
^ Печатать всю книгу Печатать только эту главу
Понятие об Интегрированной логистической поддержке (ИЛП)
С общетехнических позиций проблема снижения затрат, связанных с поддержан следующим аспектам:
4 обеспечение конструкторскими, технологическими и производственными мерам
• обеспечение ремонтопригодности и эксплуатационной технологичности изделия . рациональная организация снабжения потребителей запасными частями, расхс
• рациональная организация процессов технического обслуживания и ремонта ( проведение;
• обеспечение эксплуатационного, обслуживающего и ремонтного персонала а использования технической документацией;
. организация своевременной подготовки и переподготовки персонала для эффе
• сбор, обработка и анализ данных о фактических показателях надежности, рег
Рис. 4. Представление информации обучаемому шрифтом 14 пт. в соответствие с его функциональным состоянием.
Заключение
На эффективность электронного обучения влияет множество факторов, в том числе представление учебной информации на экране монитора. Но однозначно определить наиболее удачное и удобное для восприятия представление информации, невозможно, так как даже один и тот же человек в разные моменты времени, находясь в разных психоэмоциональных состояниях, воспринимает информацию неодинаково.
В работе проведено исследование влияния размера шрифта представляемой информации на показатели работы с этой информацией. Построена линейная математическая модель зависимости оптимального по критерию максимизации
качества работы с информацией от показателей когнитивных процессов испытуемого.
Дальнейшая работа в данном направлении предполагает проведение экспериментов с учетом большего числа факторов (например, цвета, межстрочного интервала, размера области экрана, на которой представлен текст и т.п.). Также интерес представляет формулировка критерия оптимизации представления информации не только на основе максимизации одного параметра работы с информацией, а на основе интегрального критерия.
Кроме того может быть рассмотрен более сложный процесс - понимание, включающий не только восприятие информации, но и ее осмысливание и анализ.
Рассмотренный алгоритм работы системы электронного обучения со встроенным программным модулем, осуществляющим управление размером шрифта представляемой информации в зависимости от показателей когнитивных процессов обучаемого на основе разработанной математической модели, может использоваться в любых системах, где есть возможность динамического изменения значений параметров выводимой информации. Программный модуль реализован на языке JavaScript и может быть встроен в систему дистанционного обучения Moodle, которая осуществляет выдачу информации в формате разметки HTML.
Помимо систем электронного обучения результат работы может использоваться для оптимизации представления информации в интерактивных электронных технических руководствах, с которыми работают различные специалисты на постпроизводственных этапах жизненного цикла сложных наукоемких изделий.
Литература
1. Маматов А. В., Немцев А.Н., Клепикова А.Г., Штифанов А.И. Методика применения дистанционных образовательных технологий преподавателями ВУЗа: учеб. пособие - Белгород: Изд-во БелГУ. - 2006. - 161 с.
2. Brusilovsky P. Adaptive and Intelligent Web-based Educational Systems //International Journal of Artificial Intelligence in Education - 2003. - № 13. - P. 5561.
3. Weber G. Elm-art: An adaptive versatile system for Web-based instruction. //International Journal of Artificial Intelligence in Education - 2001. - № 12. - P. 2328.
4. Солонина А. Г. Концепция персонализированного обучения: моногр. - М.: Прометей - 1997. - 187 с.
5. Gonzalez C. M. A. Coaching Web-based collaborative learning based on problem solution differences and participation //International Journal of Artificial Intelligence in Education - 2003. - № 13 (2-4). - P. 121-126.
6. Roger Nkambou Intelligent Tutoring Systems (Guest Editorial) //Educational technology & Society - 2010. - V. 13 -N 1. - С. 1-2. - ISSN 1436-4522.
7. Галеев И.Х. Динамика развития международного электронного журнала «Образовательные технологии и общество» //Международный электронный журнал "Образовательные технологии и общество (EducationalTechnology&Society)" - 2007. - V.10. - №1. - C.315-328. - ISSN 14364522. URL: http://ifets.ieee.org/russian/periodical/journal.html
8. Федорук П. И. Использование системы EduPRO для организации процесса адаптивного обучения //УСиМ - 2009. - № 4. - С. 68-73.
9. Галеев И.Х. Проблемы и опыт проектирования ИОС //Международный электронный журнал "Образовательные технологии и общество
(EducationalTechnology&Society)" - 2014. - T.17. - №4. - C.526-542. - ISSN 14364522. URL: http://ifets.ieee.org/russian/periodical/journal.html
10. Галеев И.Х. Развитие адаптивных технологий обучения //Вестник Воронежского государственного университета. Серия: проблемы высшего образования - 2004.
- №2 Июль-Декабрь - С. 76-83.
11. Галеев И.Х. Модель управления процессом обучения в ИОС //Международный электронный журнал "Образовательные технологии и общество (EducationalTechnology&Society)" - 2010. - V.13. - №3. - C.285-292. - ISSN 14364522. URL: http ://ifets.ieee.org/russian/periodical/j ournal. html
12. Федорук П. И. Исследование эффективности функционирования адаптивной системы дистанционного обучения EduPro //УСиМ - 2009. - № 6. - С. 42-47.
13. Живенков А. Н., Иванова О. Г. Формирование плагинов LMS Moodle для адаптивного построения структуры курса электронного обучения. //Научные ведомости. Серия «История. Политология. Экономика. Информатика» - 2010. -№ 19 (90). Выпуск 16/1. - С. 150-156.
14. Белозубов А. В., Николаев Д. Г. Система дистанционного обучения Moodle: учеб.-метод. пособие - СПб. - 2007. - 48 с.
15. Живенков А.Н. Алгоритм построения оптимального набора учебно-тренировочных задач при создании обучающего портала //Моделирование систем и информационные технологии: межвуз. сб. науч. трудов - Воронеж. -2010. - Вып. 7. - 148-152 с.
16. Толстобров А.П. Возможности анализа и повышения качества тестовых заданий при использовании сетевой системы управления обучения MOODLE //Вестник ВГУ - 2008. - №2 - 100-106 с.
17. Опарина Н.М. Влияние психофизиологических характеристик обучаемых на эффективность их работы при использовании АСО //Педагогическая информатика - 2004. - №2. - С. 81-88.
18. Андреев В.Н. Психологические аспекты представления информации на экране дисплея в автоматизированных обучающих системах: автореферат диссертации на соискание ученой степени кандидата психологических наук - СПб. - 1991.16 c.
19. Курносова С.А. Педагогический дизайн: эксплицирование понятия //Международный журнал экспериментального образования - 2012. - №8. - С. 36-42.
20. Бруннер Е.Ю. Лучше, чем супервнимание. Методики диагностики и психокоррекции - Ростов-на-Дону: «Феникс». - 2006. - 316 с.
21. Карелин А. Большая энциклопедия психологических тестов - Изд-во: «Эксмо». -2007. - 416 с.
22. Статистический анализ данных в системе R. Учебное пособие / А.Г. Буховец, П.В. Москалев, В.П. Богатова, Т.Я. Бирючинская; Под ред. проф. Буховца А.Г. -
- Воронеж: ВГАУ. - 2010. -- 124 с.
23. Роберт И. Кабаков R в действии. Анализ и визуализация данных в программе R / пер. с англ. Полины А. Волковой - М.: ДМК Пресс. - 2014. - 588 с.
