CC BY
33
Комаров А.И.1, Панченко В.М.2, Нечаев В.В.3
1 Московский государственный технический университет радиотехники электроники и автоматики (МГТУ МИРЭА), асп. кафедры "Интеллектуальные технологии и системы",
komarov-aig @yandex. ru
2 Московский государственный технический университет радиотехники электроники и
автоматики (МГТУ МИРЭА), к.т.н., проф. кафедры "Интеллектуальные технологии и
системы", pvm 3 6 @yandex . ru
3 Московский государственный технический университет радиотехники электроники и автоматики (МГТУ МИРЭА), д.ф.-м..н, проф., зав. каф. "Интеллектуальные технологии и
системы", nechaev@mirea . ru
Роль системы данных и знаний в обеспечении ИТ-
образования
КЛЮЧЕВЫЕ СЛОВА
Архитектура образовательной системы, технологии программ единичных экспериментов, SCORM, технологией разделяемых единиц контента, полиэкранная технология деятельности, база данных и знаний.
АННОТАЦИЯ
В статье определяется комплекс методического и технологического обеспечения ИТ-образования, на базисе которого определяется система данных и знаний об образовательном процессе обучаемого. Приводится пример системы данных и знаний, формируемый в рамках проведения занятий по дисциплинам «Общая теория систем», «Теория принятия решений» на кафедре ИТС МГТУ МИРЭА.
Системный подход к реализации обучения с применением информационных технологий, как в дистанционной, так и традиционной форме, заключается в комплексном применении ряда образовательных технологий и средств на каждом из этапов этого процесса.
На рис.1 приведена общепринятая архитектура образовательной системы (Learning Technology Systems Architecture LTSA), которая описывается в зарубежном стандарте P1484.1-2003 IEEE Standard for Learning Technology [1,2]. На ней выделены в описателях составляющих архитектуры проблемы, решение которых зависит от принятых технологий обработки материалов контента, протоколов обработки и технологий реализации программ единичных экспериментов (ТПЕЭ).
Стоит отметить, что в настоящее время (по данным сайта Ассоциации по стандартизации IEEE) стандарт Р.1484.1 является более не поддерживаемым и может содержать устаревшую информацию [3]. Между тем стандарта, замещающего стандарт 1484.1, не существует, а на сайте
интернет-магазина Федерального государственного унитарного предприятия «Российский научно-технический центр информации по стандартизации, метрологии и оценке соответствия» ФГУП «СТАНДАРТИНФОРМ» Росстандарта данный стандарт отмечен, как действующий.
Схема шестиуровневой архитектуры стандарта LTSA является в определённой степени парадигмальной (общепринятой) «меткой» универсума (моделью), характеризующей комплексы процессов выделения хранилищ и прецедентов системы образования, построенной на информационных технологиях. Ссылки на архитектуру встречаются во многих печатных изданиях, анализ литературы приведен в [2].
{4 } = и Методология работы с 1£& Полиэкранная организация деятельности
Протоколы обучении: формы и модели сбора данных
- лдотокпиты выполнения ПЕЭ:
- результаты контрольных проверок.
Учебные магариапы Параивтры
обучаемого {профиль)
I (оддэржка процесса самоконтроля при самообучении студента
йеттвды статистической^ ^работки данный ПЕЭ:
■ регрессионный и корреляционный анализ:
■ определенна
оценочных параметров
поучаемого.
бн полотна рагплКотки моделей
о15учающич комплексов;
- Технологи« разделяемых единиц контента ГГРЕК)
- Технологии программ единимных экепер им&нтое (ТПЕЙ !■ -методология ПРЗКС [4,5,6.7]
Модели статистической обработки и свертки данных (злриорный и апостериорный анализ}
- Статистическая значимость донных ПЕЭ"
- Оценочные параметры обучаемого.
Недели.
1. Идентификации ^ обучаемых
2. Формирования БЕ, и обработки протоколов
iF.11
Рис.1. Архитектура образовательной системы (3-ийуровень) с выделенным комплексом взаимосвязанных и технологий организации и поддержки учебной деятельности (ТРЕК, ТПЕЭ, полиэкранная организация деятельности (ТПОДО)) Анализируя процесс развития информационных образовательных технологий, в том числе мировых стандартов образования [2], можно заключить, что одним из ключевых направлений является формирование единой базы данных и знаний об обучаемых, их образовательных траекторий. А как задача максимум, которая озвучивается не в явном виде, это четкое понимание какие данные накапливать, как их анализировать и, что делать с результатами анализа (виды отчетных форм).
Распространение Массовых открытых онлайн курсов (MOOC; Coursera, EdX, Udacity, Khan Academy, и др.) во многом решает проблему доступности и разнообразия выбора курсов, а также обеспечивает накопление, правда зачастую не системное, значительных массивов данных об образовательной деятельности на различных курсах.
Разнообразие курсов, вариантов представления учебных материалов и их повторного использования в образовательной среде, должно решаться использованием соответствующих стандартов. Как например, сборник спецификаций и стандартов Sharable Content Object Reference Model (SCORM) [4], который служит основой для создания дистанционных курсов. Таким образом, большинство современных систем управления обучением поддерживает применение технологии SCORM. Стоит отметить российскую разработку в части представления учебных материалов — База и Генератор Образовательных Ресурсов (БиГОР), созданная в соответствии с технологией разделяемых единиц контента (ТРЕК), основанной на онтологическом подходе [5,6].
Отсутствие универсальных решений по созданию учебных материалов объективно связано с онтологическим многообразием и сложностью предметных областей знаний и деятельности. В определённой степени, можно компенсировать решение этой проблемы выработкой основных рекомендаций по формированию учебных модулей: в части содержания — в соответствии с основами рационально-эмпирического комплекса систем (РЭКС); в части представления — применением технологии разделяемых единиц контента (ТРЕК), а также агрегацией данных затрат времени, определяемых в ходе индивидуального или группового использования составляющих контента. Таким образом, формируется комплекс четырех технологий, а именно, РЭКС, ТРЕК, технология программ единичных экспериментов (ТПЕЭ) и технология полиэкранной организации познавательной деятельности обучаемого (ТПОПДО).
Выпуск в апреле 2013 года спецификации «Experience API» (xAPI), которая является развитием SCORM, включает новые объекты, в том числе Learning Record Store (LRS) [7], чем подтверждается центральное место «Обучаемого» в образовательных системах. Отслеживание его образовательной активности на протяжении всего времени обучения (неограниченного одним курсом или видом деятельности); последовательное хранение (базы данных) и анализ собранных сведений (базы знаний) играют первостепенную роль при реализации ИТ-образования с высокой степенью интерактивности и повышении эффективности познавательного процесса в целом.
Таким образом, авторами был определен порядок учета и состав ретроспективных (априорных), текущих (апостериорных) и экспертных данных, подлежащих регистрации при прохождении обучения и обработке данных наблюдений.
В рамках проведения занятий по дисциплинам «Общая теория систем», «Теория принятия решений» на кафедре «Интеллектуальных технологий и систем» в МГТУ МИРЭА осуществлялся сбор соответствующих данных по различным лабораторным работам. В перечень данных были включены следующие позиции: данные зачетных книжек, данные о посещении занятий, данные о выполнении контрольных заданий, квалиметрические данные обучаемых по заданным и простейшим видам деятельности, общие временные затраты на выполнение лабораторных работ.
Была проведена предварительная обработка данных и расчет различных показателей обучаемых, как в абсолютных, так и в относительных величинах исследуемых параметров. Получены средневзвешенные оценки студентов (учитываемые при принятии решения на экзамене), исходя из оценок за предметы, учёта посещения занятий и выполнения заданий СРС, сформированы рейтинги обучаемых. Механизм расчета был реализован с помощью электронных таблиц Excel, который формировали сами учащиеся, получая в итоге индивидуальные параметры, характеризующие их познавательную образовательную деятельность.
На рис. 2 приведена общая схема идентификации обучаемого по ретроспективным, текущим и экспертным данным.
Возможность вести специальные базы данных (БД) и базы знаний (БЗ) необходима для постановки и решения новых задач двойственной кластеризации: учебных модулей по времени их освоения, формирование кластеров обучаемых по выделенным кластерам типовых учебных модулей.
Дальнейшие исследования в этом направлении направлены на формулирование и решение системы новых задач косвенного анализа параметров освоения модулей учебного процесса по данным затрат времени, что обеспечивается при формировании соответствующих протоколов единичных экспериментов.
«Модуль» выступает в качестве единицы учебной познавательной деятельности и как многофакторный объект наблюдений.
Модуль представляется как система, которая может содержать однородные комплексные формы представления семантической информации [8]: текстовую (t — форма), аудиальную (S — форма: речь, звуки), визуальную (g — форма: мимика, жесты, пластика), графическую изобразительную (с — форма: рисунки, таблицы, фотографии).
ГРУППА ОБУЧАЕМЫХ
Обучаемые
К= {1..-ч) =14,
Обучаемые
По дс не тачные 1р липы доклменто!
Раб о лия ! г тр мр ашиа
Система контроля
Идентнфнк атор
Расписан»
Задания
Зачетная тижка
Дистанционные АС; Требования
Выборка <| (к)
Традиционные КР, зачет, экзамен, пр
Выборы <|(к)
Системы взаимной проверки
I
Журнал группы (бегунки)
т»
"Рёт роа1ёкт"и"внь1ё данные
апостериори
I
График задания План Z
дСЮ
{ХШ}
Текущие данные
1 1 алрнорн
П>еподавате/ь
БД-Р т
Динамика ср едннх
у
д={2;3;4;5}
3
№
{Ш)
Экспфтныё" данные
(по предмету)
БД-Т т
Динамика ср едннл
X
Вв -У
Рейтинги по
БД-Э т
Динамика средних
Вв -X
груюв { КС}
вв г
КритерииэффектнЕшстнкак функцнныоделн №/:{№(у;х;г)} Дншмнка базоЕ он оценки 1ЛГ
КС-'ИГ ... ...
У - | абсолютный по единичной выоорке
НС-ХРЕИ1ИНГ I отноитегьный по групповой кс г 1 выборке
\\г.
К
X
К
к
Субъект и правила принятия решений
Прямые и ко свенные методы оценки субъек та обуч ения
Рис.2. Идентификация Обучаемого по ретроспективным, текущим и экспертным данным Аналогом формального описания модуля может служить комплексный кортеж, элементами которого являются принятые символы алфавита {{;Б;g;с} Если формальное описание модуля сравнивалось с обычным предложением из слов, то получается формальное предложение, ассоциативно разделяемое скобками, в которых выделяются подмножества кортежей — слов из заданного алфавита из множества однородных форм. Например, структура модуля М:
БШ » (Г;С;(Б;С;t);g;Г,0...), (1)
где кортеж (1) определяет последовательность информации в виде: (текст; графика; (речь, таблица, текст); визуализация; снова текст; (текст; текст;
текст)...). Здесь strM (структура модуля) определяет заданной последовательностью модель представления информационного потока, воздействующего на обучаемого в реальном времени контакта (1), которое в свою очередь определяется затратами на освоение материала конкретным обучаемым.
Для различных видов программируемой деятельности, организованной по технологии ТРЕК [5], схему процессов в системе отношений «модуль — обучаемый» можно представить в виде рис.3.
Рис. 3. Параметры и переменные системы наблюдений типа «модуль —
обучаемый»
На рис.3 имеем:
d е D — класс задаваемых действий обучаемому, определяющих его деятельность с элементами модуля «м »;
W — объёмы предъявляемой в элементах информации (текстов, графиков, мультимедийных компонент.);
уч >tп ,tосв - оценки затрат времени на выполнение заданной деятельности, на чтение уч, на переписывание (возможно печатание) заданных фрагментов tп, на процессы обдумывания и осознания семантической информации уосв;
V — объём составляемого конспекта (вторичный документ);
V = 0^ ■
;
т — общие затраты на процесс: т = уч + уп + уосв, т.е. на чтение, запись и осознание (освоение) семантики контента « м ».
Из исследований по инженерной психологии известно: скорость
W V
чтения а = — е (15 + 40букв / сек); скорость письма Ь = у е (1,5 + 4,0букв /сек); Ь « 0,1а .
Указанные значения подтверждаются исследованиями, проведенными в рамках занятий на кафедре ИТС МГТУ МИРЭА, и кроме того позволяют говорить о значительном различии данных обучаемых даже по простейшим видам деятельности.
Различение модулей по структурным факторам в общем случае приводит задачу распознавания к задаче межмодульного сравнения по затратам времени освоения материала, т.е. к поиску математических факторов, непосредственно не связанных с интерпретацией семантики составляющих модуль элементарных частей.
Для формирования организованного обучения в условиях нечеткой разделимости факторов, влияющих на время, затрачиваемое обучаемым, представляется необходимым, как упоминалось ранее, применение технологии разделяемых единиц контента (ТРЕК) и формирование
соответствующих ТРЕК программ единичных экспериментов (ТПЕЭ).
Оценивание деятельности обучаемых должно проводиться с помощью средств регрессионного и корреляционного анализа, а также средств статистической теории распознавания классов для двух направлений исследований:
1.по типам модулей и по отношению их к классам обучаемых;
2.по классам обучаемых и по отношению их к типам модулей.
Под единичным экспериментом в обучении понимается учебно-познавательный вид самостоятельной деятельности, организованный на основе ТРЕК и реализуемый по заданной учебной программе испытаний.
Схема общей постановки учебного процесса на основе ТПЕЭ, приведённая на рис.4, в определённой степени предопределяет ряды временных интервалов, а, следовательно, и круг вытекающих из них доступных для исследования классов задач идентификации параметров обучаемых и задач двойственной кластеризации и распознавания образов.
Чел. ▲
^в
к
1
1
2
1
к
1
Рис.4. Схема протекания учебного процесса в модульно-кадровом пространстве электронных форм обучения Эксперимент в данном случае всегда связан с измерением времени и анализом получаемых данных в зависимости от среды и форм представления информации. Пусть D — комплексная форма представления семантической информации (Б^.В общем случае это может быть книга, отдельные главы, параграфы, фрагменты и порции учебного материала; CD — однородные формы представления SI. Соломатиным Н.М. были выделены следующие однородные формы Б1:
N1 = (Т; 5; G; С ) ,
где Т — текстовая информация ^ — форма); t £ Т; S — звуковая форма (аудиальная) ^ — форма); 5 £ 5; G — визуальная форма ^ — форма) — жесты, мимика, пластика; g £ G; С — изобразительная, графическая форма (с — форма); с £ С .
Комплексные формы D представляют собой различные сочетания однородных форм CD, связанных общей целью обучения. Формально комплексные формы можно задать на прямом произведении ряда однородных форм:
Текстовая форма информации — это основа семантического определения составляющих знаковых систем. Знаковые системы являются свёрткой (соглашениями, абстракцией) семантики текстовых форм информации.
Чтение, переписывание, набор текста на клавиатуре, конспектирование являются основными операциями познавательной деятельности обучаемого.
В качестве средства организации программно-управляемого процесса самостоятельного и программированного освоения авторских информационных материалов репозитория (электронных библиотек) в настоящее время используются понятия «модуль» (М1, М2,...) и его составляющие, представленные в форме просмотровых последовательностей кадров (страниц), например: М1(К1...К13) и М2(К1... К11).
Для каждого кадра модуля по методике ТПЕЭ определяются формы учебного задания, например, из следующего ряда:
• изучить (прочитать (действие Д1), выделить ключевые понятия, законспектировать (переписать) (действие Д2), набрать текст (Д3);
• составить конспект (методические указание У1): заголовки и нумерацию порций перепечатывать в качестве заголовков электронного конспекта и использовать данные при определении скорости набора текста;
• конспектировать рисунки и таблицы в электронную тетрадь в личную папку студента (ЛПС) (У2).
Комплекс технологий и средств обучения, используемый при решении задач авторского исследования, и обеспечивающий формирование баз данных и знаний, предназначенных для эффективного управления процессом обучения за счет повышения уровня интерактивности, приведен в табл.1.
Таблица 1. Задачи исследования. Особенности решения
№ Направление/ задача исследования Особенности. Предпосылки к решению. Применяемые технологии и средства
1 Реализация принципа новых задач 1. Миллионы пользователей и десятки миллионов заданий, выполняемых в режиме реального времени при обучении в условиях МООС, требуют применения новых массовых методических решений для обеспечения эффективности и качества интерактивной сетевой организации учебного процесса;
2. Огромные массивы данных обо всем жизненном цикле обучения, накапливаемые в LRS, требуют применения статистических механизмов оценки (то, что раньше было невозможно собрать, теперь храниться в базах данных)
2 Разработка модели профиля обучаемого на основе ретроспективной, текущей и экспертной информации. 1. Обучение студента возможно рассмотреть, как реализацию проекта с отслеживанием основных этапов получения знаний, выявляя индивидуальные и групповые особенности; 2. Формирование профиля обучаемого, включая базовые оценки, коэффициенты доверия по посещению, по ответам на вопросы, базовые квалиметрические данные (чтение, письмо, печатание) [9]; 3. Разработан рабочий макет информационной карты студента [8, с.30].
3 Формирование учебных модулей 1. Предложена методология формирования моделей модулей (информационных и учебных) на базе многоуровневой идентификации Рационально-эмпирических комплексов систем (РЭКС) [9]; 2. Применение ТРЕК при подготовке материалов курса на базе Бигор, или SCORM в зарубежных MOOC.
4 Применение технологии программ единичных экспериментов (ПЕЭ) в учебном процессе [2,11] 1. Представление обучаемого, как одноканальной системы массового обслуживания с поступающими на вход учебными модулями согласно программе обучения (траектории обучения) с обязательным отслеживанием времени работы с каждым модулем, с учетом вида деятельности; 2. Проведен ряд экспериментов по сбору данных ПЕЭ в рамках обучения дисциплинам «Общая теория систем» и «Теория принятия решений». Получены исходные данные по квалиметрии студентов при чтении, письме и печатании по задачам учебных модулей; 3. Разработан учебный инструмент для проведения и сбора данных ПЕЭ (в среде Excel, VBA) по базовым видам деятельности
5 Обработка данных ПЕЭ и других данных студента 1. Создан инструмент статистической обработки данных ПЕЭ (регрессионно-корреляционный анализ), реализующий также на основе масочной технологии [11] обучающий эффект (в среде Excel, VBA); 2. Разработана форма учета и обработки данных о базовой оценке и коэффициентах доверия, также с применением масочной технологии (в среде Excel, VBA)
ЗАКЛЮЧЕНИЕ
Организация систематического накопления ретроспективных, текущих и экспертных данных о ходе процесса обучения, в том числе на базе MOOC, открывает ряд новых задач для исследования вероятностных и возможностных составляющих процесса обучения. Перспектива развития в области обработки данных об обучении заключается в реализации программно-математического инструмента, повышающего
интерактивность образовательного процесса для обучаемого, за счет идентификации его состояния во множестве уже накопленных отношений «Обучаемые-Учебные материалы».
Литература
1. IEEE P1484.1/D9, 2001-11-30. Draft Standard for Learning Technology Systems Architecture (LTSA). — http://ltsc.ieee.org/wgl/ index.html.
2. Комаров А.И., Панченко В.М. Информационный базис формирования систем открытого образования. Научный и общественно-информационный журнал «Информационные и телекоммуникационные технологии», 2013 г. №20, с. 66-74
3. Официальный сайт IEEE Standards Association Ассоциации по стандартизации http://standards.ieee.org/W3C Markup Validation Service. URL: http://validator.w3.org/.
4. Официальная документация ADL SCORM 1.2 http://www.adlnet.gov/scorm/scorm-version-1-2/
5. Норенков И.П., Зимин А.М. Информационные технологии в образовании — М.: Изд-во МГТУ им. Н.Э. Баумана, 2004. — 352с.
6. Официальный сайт автоматизированной обучающей системы БиГОР http://bigor.bmstu.ru/
7. Спецификация программ в сфере дистанционного обучения. Официальный сайт http: //tincanapi.com
8. Соломатин Н.М. Информационные семантические системы. — М.: Высшая школа, 1989. — 127с.
9. Нечаев В.В., Панченко В.М., Комаров А.И. «Межпредметный системообразующий базис организации процесса подготовки специалистов по научным направлениям» Научно-практический журнал «Открытое образование», 2012 г. №5
10. Нечаев В. В., Панченко В.М., Комаров А.И. «Критерии и функциональный анализ моделей мониторинга качества обучения» Труды Всероссийской НПК с международным участием «Информационные технологии в обеспечении нового качества высшего образования (1415 апреля 2010 г., Москва, НИТУ «МИСиС»)». — М.: Исследовательский центр проблем качества подготовки специалистов НИТУ «МИСиС», 2010. — 34 с.
11. Клир Дж. Системология. Автоматизация решения системных задач. — М.: Радио и Связь, 1990. — 540с.
12. Нечаев В. В., Панченко В.М., Комаров А.И. Методическое обеспечение ИТ-образования в вузе: от технологии подготовки учебных материалов к организации индивидуальной учебной деятельности обучаемого. Современные информационные технологии и ИТ-образование / Сборник трудов VII МНПК. Под ред. проф. В.А. Сухомлина. — М.: ИНТУИТ.РУ 2012. — 1050с.
