CC BY
79
ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В ОБРАЗОВАТЕЛЬНОЙ ДЕЯТЕЛЬНОСТИ
УДК 004.8:159.9 ББК 32.813р30:88.32
А. А. Большаков, А. Ю. Маркелов
РАЗРАБОТКА МОДЕЛИ ИНФОРМАЦИОННЫХ ПРОЦЕССОВ ПРИ СИНТЕЗЕ ИНТЕЛЛЕКТУАЛЬНОЙ ОБУЧАЮЩЕЙ СИСТЕМЫ С УЧЕТОМ ПСИХОФИЗИОЛОГИЧЕСКИХ ХАРАКТЕРИСТИК ОБУЧАЕМЫХ
A. A. Bolshakov, A. Yu. Markelov
DEVELOPMENT OF MODEL OF INFORMATION PROCESSES AT SYNTHESIS OF INTELLECTUAL TRAINING SYSTEM TAKING INTO ACCOUNT PSYCHOPHYSIOLOGICAL CHARACTERISTICS OF TRAINEES
Предложена комбинированная модель информационных процессов, которая используется для создания интеллектуальной обучающей системы. Разработан метод психофизиологической адаптации процесса обучения на основе математической модели обучаемого с использованием четырех диагностических тестов. Приводится иллюстрация этой системы на примере курса «Надежность систем автоматизации».
Ключевые слова: комбинированная модель информационных процессов, интеллектуальная обучающая система, психофизиологическая адаптация, модель обучаемого, методика оценки знаний, надежность систем автоматизации.
The combined model of information processes which is used for creation of intellectual training system is offered. The method of psychophysiological adaptation of the training process on the basis of mathematical model of the trainee with the use of four troubleshooting tests is developed. The illustration of this system on the course example "Reliability of automation systems" is given.
Key words: combined model of information processes, intellectual training system, psychophysi-ological adaptation, model of trainee, technique of knowledge assessment, reliability of automation systems.
Введение
В последние годы наблюдается стремительное развитие информационных технологий, благодаря чему становится возможным улучшение методов и форм обучения в области образования. В информатизации образования особую роль занимают системы, позволяющие автоматизировать процесс обучения и, как следствие, повысить интерес к изучаемым дисциплинам, а также качество знаний.
В настоящее время создается и применяется большое количество тестирующих, контролирующих и оценивающих компьютерных программ, реализуются интеллектуальные системы по различным учебным дисциплинам, позволяющие проводить обучение практически без участия преподавателя, так называемые интеллектуальные обучающие системы (ИОС).
Для поддержки эффективного процесса обучения преподавателю необходимо использовать специальные знания трех типов [1]: об объекте обучения, о стратегии и методах обучения, об изучаемой дисциплине. В ИОС требуемые знания представляются с помощью различных технологий и методов искусственного интеллекта. Применяя эти знания, интеллектуальные системы способны практически полностью заменять преподавателя в процессе обучения: определив индивидуальные характеристики обучаемого, выбирать способ подачи дидактического материала, сопровождая его комментариями; помогать при затруднении в процессе решения практических задач, определять причины ошибок объекта обучения.
Возможности систем искусственного интеллекта создают серьезные предпосылки для организации процесса самообучения, позволяют формировать умения самостоятельного извлечения знаний, повышают уровень интеллектуализации учебной деятельности. Обучение начинает ориентироваться на развитие познавательных и творческих способностей личности, а в связи с этим активно создаются различные интеллектуальные системы обучения, учитывающие психофизиологические особенности и уровень интеллектуального развития обучаемого.
Постановка задачи
Исследование существующих подходов к управлению процессом обучения в обучающих системах, реализованных моделей и методов, а также программных средств поддержки обучения позволяет выделить следующие недостатки:
— модели обычно не учитывают индивидуальные психофизиологические характеристики объектов обучения;
— используется упрощенная методика оценки знаний.
Следовательно, необходимо разработать новые модели управления обучением, позволяющие адаптировать учебный материал к индивидуальным психологическим характеристикам и текущему уровню знаний обучаемых с инвариантностью к предметной области и возможностью автоматизированного формирования методики обучения.
Интеллектуальные обучающие системы при выборе способа подачи дидактического материала учитывают полную картину знаний обучаемого по изучаемой дисциплине, а также его индивидуальные психофизиологические характеристики. Знания о каждом объекте обучения в ИОС представлены в виде модели обучаемого. Модель объекта обучения постоянно обновляется в процессе обучения в соответствии с изменением индивидуальных характеристик и знаний обучаемого и используется для адаптации интеллектуальной системы к объекту обучения.
С учетом вышесказанного предлагается построить следующую структурную схему ИОС [2], которая основана на комбинированной модели информационных процессов, представленных на рис. 1.
Рис. 1. Комбинированная модель информационных потоков в ИОС
Поведение объекта обучения зависит от вектора входных координат Х, основные измеряемые или определяемые компоненты которого представляют собой начальные, или входные знания, психофизиологические характеристики (ПФХ), установку на обучение. Входные координаты определяются с помощью тестирования обучаемого.
Контролируемый процесс обучения объекта характеризуется вектором выходных координат У, основными элементами которого являются уровень приобретенных знаний и такие ПФХ, как мотивация, стресс, внимание, память и т. д. Выходные координаты также определяются при помощи тестирования.
Экспертная система (ЭС) является основным звеном, она обеспечивает организацию обратной связи в процессе обучения. Для усиления и реализации этой связи, повышения ее дина-
мичности, ЭС использует такие «исполнительные органы» и управляющие воздействия u на обучение, как определенные методики обучения, разнообразные технические средства. Таким образом, вектор управляющих воздействий u характеризует возможности обучающей системы с точки зрения методик обучения.
В общем случае схему можно описать некоторой двухкомпонентной моделью
Sout = M№п , % u, tX
где t - время обучения; Sin - компонент входных знаний обучаемого; Р%х - психофизиологический компонент объекта обучения; Sout - уровень выходных знаний объекта обучения; и - методика обучения, выбираемая из некоторого допустимого ограниченного множества V, которое содержится в базе знаний ИОС.
Одним из важных условий эффективного процесса обучения является учет индивидуальных особенностей обучаемых, это раскрыто в работах целого ряда педагогов и психологов (С. Л. Рубинштейн, Л. А. Якобовиц и др.). Отношения между обучаемым, как субъектом учебного процесса, и ИОС должны быть связаны с правом выбора каждым обучаемым собственной технологии осваивания предметной области, с учетом индивидуальных психологических особенностей объекта обучения - внимания, мышления, типа нервной деятельности; оно базируется на изучении индивидуальных процессов и способов получения требуемых знаний, на выявлении психофизиологических механизмов, находящихся в основе способов овладения знаниями.
Исследования нервной системы человека показали, что существует большое количество психофизиологических характеристик, оказывающих влияние на его повседневную деятельность. Для адаптации ИОС к обучаемому в психофизиологическом компоненте модели объекта обучения целесообразно использовать следующие психофизиологические характеристики:
— общий уровень интеллектуального развития;
— тип темперамента;
— доминирующий канал восприятия информации;
— информацию о состоянии личности обучаемого (свобода воли, враждебный настрой, чувство неприкаянности и т. д.).
Для оценки уровня развития интеллекта в модели обучаемого используются четвертый и пятый субтесты теста интеллектуального развития Айзенка [3]. Субтесты предназначены для общей оценки интеллектуальных способностей взрослого обучаемого с использованием словесного, цифрового и графического материала с различными способами формулировки задач.
Тип темперамента определяется с использованием одной из форм личностного опросника Айзенка, в котором используется двухфакторная модель личности, предложенная им, позволяющая с помощью основных показателей - экстраверсии, интроверсии и нейротизма оценить направленность личности на внутренний или внешний мир, а также выявить уровень напряженности (эмоциональной тревожности). Эти свойства личности генетически детерминированы, и их проявления индивидуальны. Такие характеристики существенно влияют на выполнение человеком своих обязанностей, в том числе на осуществление профессиональной деятельности и обучение [4].
В связи с разной степенью развитости репрезентативных систем у людей, модели восприятия информации обучаемыми будут отличаться. Преобладание репрезентативной системы формирует адекватные ей процессы мышления и памяти человека. Определение ведущей репрезентативной системы позволяет получить данные о преимущественном способе получения информации человеком из внешнего мира. Следовательно, зная доминирующий канал восприятия информации обучаемого, можно повысить степень запоминания дидактического материала.
С помощью личностного опросника А. Т. Джерсайлда оцениваются девять качеств личности обучаемого (одиночество, враждебный настрой, бессмысленность существования, безнадежность и др.), которые в жизни представлены в виде стойких эмоциональных состояний, влияющих на отношение обучаемого к окружающим людям и к своей деятельности. При высоких отрицательных показателях таких свойств личности объекту обучения, по меньшей мере на момент диагностирования, противопоказано заниматься обучением, особенно в малой группе. Находясь в подобных хронических состояниях, обучаемый уменьшит скорость и (или) результат обучения группы [3].
Из вышеприведенного следует, что психофизиологический компонент модели обучаемого можно представить следующей функцией:
Pfx = M(IQ, DKV, Temp, OD, t),
где IQ - уровень интеллектуального развития обучаемого; DKV - доминирующий канал восприятия объекта обучения; Temp - тип его темперамента; OD - данные об обучаемом, полученные с помощью личностного опросника А. Т. Джерсайлда; t - время.
Таким образом, методики для психофизиологической адаптации объекта обучения можно представить в виде продукционных правил, например:
1. Если IQ < 110, DKV — визуальный, Temp — меланхолик, то дидактический материал должен преподноситься простым изложением с медленной скоростью подачи и преобладанием графической информации.
2. Если 110 < IQ < 140, DKV — аудиальный, Temp — флегматик, дидактический материал должен преподноситься обычным изложением с умеренной скоростью подачи и преобладанием аудиоинформации (звуковое сопровождение).
3. Если IQ > 140, DKV — логический (дигитальный), Temp — сангвиник, то дидактический материал можно преподносить сложным, ускоренным изложением, делая упор на логическое представление информации; и т. д.
Результаты психофизиологического диагностирования обучаемого целесообразно систематически вносить в индивидуальную карту психологического самоконтроля обучаемого, форма которой представлена в нижеприведенной таблице. Такие данные можно использовать и при подборе объектов обучения, близких по психофизиологическим характеристикам, для формирования малых групп численностью от 3 до 5 обучаемых.
Индивидуальная карта психологического самоконтроля обучаемого
ФИО обучаемого Иванов Петр Сергеевич
Группа ПБС-31
Дата проведения обследования Мышление Личность
Общий уровень развития интеллекта Тип восприятия информации Тип темперамента Состояние личности
4 и 5 субтесты теста Айзенка Определение ведущей репрезентативной системы Личностный опросник Айзенка Личностный опросник Джерсайлда
Одиночество Бессмысленность существования Свобода выбора (отношение к авторитету) Половой конфликт о рт еЗ н « 3 б е а р и Расхождение между реальным и идеальным Я Свобода воли Безнадежность Чувство неприкаянности (бездомность)
03.09.2011 126 Логический Сангвиник 3 1 1 0 5 0 1 3 0
15.02.2012 129 Логический Сангвиник 1 1 2 0 2 0 1 1 1
Помимо психофизиологической адаптации, одной из главных образовательных задач является оценка знаний обучаемого. Именно контроль знаний показывает степень усвоения пройденного материала, необходимость в повторении или другом виде объяснения. Следовательно, в информационной модели обучения компьютерных обучающих систем необходимо наличие модели знаний обучаемого (МЗО), отражающей состояние и уровень знаний объекта обучения по изучаемой дисциплине [1]. Наиболее простой формой МЗО является скалярная модель (рис. 2), оценивающая уровень знаний объекта обучения интегральной оценкой, например числом от 0 до 10 или от 0 до 100.
Рис. 2. Структура модели знаний обучаемого
Оверлейная МЗО позволяет аккумулировать данные о структуре знаний обучаемого. В оверлейной модели знания по изучаемой дисциплине разбиты на независимые порции, элементы, при этом знания обучаемого отражаются как подмножества знаний эксперта в предметной области. В ИОС оверлейная модель знаний позволяет сопоставлять каждой порции дидактического материала булеву оценку или ранее заданную преподавателем скалярную меру знания элемента обучаемым (используется двоичная и нечеткая логика). Оверлейная модель, использующая нечеткую логику, отражает уровень знаний обучаемого по каждой порции дидактического материала.
Модель ошибок применяется при работе с ошибочными ответами и заблуждениями объекта обучения в тех случаях, когда их невозможно представить в рамках оверлейной модели знаний обучаемого. Например, неправильное применение знаний обучаемым при решении практических задач может быть связано с систематическим использованием ошибочных элементов порции знаний эксперта предметной области.
Оверлейная модель обучаемого и модели ошибок моделируют текущее состояние знаний объекта обучения, опираясь на структуру знаний эксперта предметной области. Оверлейные модели знаний интерпретируют знания обучаемого в виде подмножеств эксперта, а модели ошибок представляют информацию об ошибочных отклонениях знаний от экспертных знаний.
Рассмотренные скалярная и оверлейная МЗО применяются при контроле и оценке знаний пройденного дидактического материала в интеллектуальной обучающей системе на примере курса «Надежность систем автоматизации» [5]. При работе над ошибками объекта обучения в ИОС используются данные, полученные от оверлейной МЗО и модели ошибочных знаний обучаемого.
Еще одним важным этапом создания ИОС является формальное описание предметной области. В настоящее время по курсу «Надежность систем автоматизации» созданы следующие компоненты, представленные на рис. 3.
Рис. 3. Состав комплекса обучения по курсу «Надежность систем автоматизации»
Для улучшения коммуникативного общения между обучаемым и интеллектуальной обучающей системой необходимо разработать онтологию предметной области по курсу «Надежность систем автоматизации».
Выводы
На основе предложенной комбинированной модели информационных процессов можно создать ИОС, предназначенную для индивидуализации обучения с поддержкой этого процесса. При этом для дальнейшего повышения эффективности процесса обучения необходимо выполнить следующее:
— обеспечить передачу дидактического материала с учетом психофизиологических особенностей обучаемого;
— использовать апробированные методики входного, промежуточного и выходного контроля знаний;
— обеспечить поддержку обучаемого при работе над ошибками;
— разработать онтологию предметной области по курсу «Надежность систем автоматизации» и процедуру ее использования в ИОС.
Таким образом, психофизиологическое диагностирование объекта обучения позволяет сформировать информацию для обучающей системы при выборе методов обучения, а в процессе обучения при изменении состоянии личности - для корректировки дальнейшего обучающего процесса. На основе контроля знаний между обучающей системой и объектом обучения устанавливается «обратная связь», позволяющая оценивать динамику усвоения не только теоретического учебного материала, но и умения решать практические задачи. На основе анализа данных о знаниях обучаемого вносятся соответствующие изменения в организацию процесса обучения для достижения удовлетворительного уровня знаний и умений.
Таким образом, ИОС, разработанная с учетом вышеприведенных требований, синтезирует для каждого объекта индивидуальную траекторию обучения с учетом уровня его текущих знаний и психофизиологических особенностей, а также корректирует ее для устранения пробелов в знаниях обучаемого.
СПИСОК ЛИТЕРАТУРЫ
1. Брусиловский П. Л. Построение и использование моделей обучаемого в интеллектуальных обучающих системах // Изв. РАН. Техническая кибернетика. - 1992. - № 5. - С. 97-119.
2. Маркелов А. Ю. Создание интеллектуальной интерактивной обучающей системы // Математические методы в технике и технологиях: материалы XX Междунар. науч. конф.: в 10 т. Т. 10. Междунар. науч.-метод. симпоз. «Современные проблемы многоуровневого образования», Школа молодых ученых. -Ростов н/Д: Донской гос. техн. ун-т, 2007. - С. 319-321.
3. Немов Р. С. Психология: в 3 кн. - Кн. 3. Психодиагностика. Введение в научное психологическое исследование с элементами математической статистики. - М.: Гуманит. изд. центр «ВЛАДОС», 2001. - 640 с.
4. Рабочая книга практического психолога: Пособие для специалистов, работающих с персоналом / под ред. А. А. Бодалева, А. А. Деркача, Л. Г Лаптева. - М.: Изд-во Ин-та психотерапии, 2001. - 637 с.
5. Большаков А. А., Маркелов А. Ю. Контроль знаний в интеллектуальной обучающей системе по курсу «Надежность систем автоматизации» // Вестн. Саратов. гос. техн. ун-та. - 2010. - № 4 (50), вып. 2. - С. 153-156.
REFERENCES
1. Brusilovskii P. L. Postroenie i ispol'zovanie modelei obuchaemogo v intellektual'nykh obuchaiushchikh sistemakh [Construction and use of the models of trainees in intellectual training systems]. Izvestiia Rossiiskoi akademii nauk. Tekhnicheskaia kibernetika, 1992, no. 5, pp. 97-119.
2. Markelov A. Iu. Sozdanie intellektual'noi interaktivnoi obuchaiushchei sistemy. Matematicheskie me-tody v tekhnike i tekhnologiiakh [Designing of intellectual interactive training system. Mathematical methods in technics and technologies]. Materialy XXMezhdunarodnoi nauchnoi konferentsii: v 10 t. T 10. Mezhdunarodnyi nauchno-metodicheskii cimpozium «Sovremennye problemy mnogourovnevogo obrazovaniia», Shkola molodykh uchenykh [Proc. XX Int. sci. conf. in 10 vol. Vol. 10. International scientific symposium "Modern problems of multilevel education", School of young scientists]. Rostov-on-Don, Donskoi gos. tekhn. un-t, 2007, pp. 319-321.
3. Nemov R. S. Psikhologiia: v 3 kn. Kn. 3. Psikhodiagnostika. Vvedenie v nauchnoe psikhologicheskoe issledovanie s elementami matematicheskoi statistiki [Psychology: in 3 books. Book 3. Psychognosis. Introduc-
tion into scientific psychological research with elements of mathematical statistics]. Moscow, Gumanitarnyi iz-datel'skii tsentr «VLADOS», 2001. 640 p.
4. Rabochaia kniga prakticheskogo psikhologa: posobie dlia spetsialistov, rabotaiushchikh s personalom [Workbook of practical psychologist: manual for specialists, working with the staff]. Pod redaktsiei A. A. Bodaleva, A. A. Derkacha, L. G Lapteva. Moscow, Izd-vo Instituta psikhoterapii, 2001. 637 p.
5. Bol'shakov A. A., Markelov A. Iu. Kontrol' znanii v intellektual'noi obuchaiushchei sisteme po kursu «Nadezhnost' sistem avtomatizatsii» [Control of knowledge in intellectual training system on course "Reliability of the automated systems"]. Vestnik Saratovskogo gosudarstvennogo tekhnicheskogo universiteta, 2010, no. 4 (50), issue 2, pp. 153-156.
Статья поступила в редакцию 3.04.2012, в окончательном варианте - 13.04.2012
ИНФОРМАЦИЯ ОБ АВТОРАХ
Большаков Александр Афанасьевич — Саратовский государственный технический университет им. Ю. А. Гагарина; д-р техн. наук, профессор; профессор кафедры «Системы искусственного интеллекта»; [email protected].
Bolshakov Alexander Afanasievich — Saratov State Technical University named after Yu. A. Gagarin; Doctor of Technical Sciences, Professor; Professor of the Department "Artificial Intelligence System"; [email protected].
Маркелов Александр Юрьевич — Саратовский государственный технический университет им. Ю. А. Гагарина; аспирант кафедры «Системы искусственного интеллекта»; [email protected].
Markelov Alexander Yuryevich — Saratov State Technical University named after Yu. A. Gagarin; Postgraduate Student of the Department "Artificial Intelligence System"; [email protected].
