Поиск

Полнотекстовый поиск:
Где искать:
везде
только в названии
только в тексте
Выводить:
описание
слова в тексте
только заголовок

Рекомендуем ознакомиться

'Документ'
По преданию, побывавший в 1357 году в этих местах митрополит Алексий предсказал появление здесь города, «в котором просияет благочестие и кото­рый ни...полностью>>
'Книга'
Рецензенти: д-р юрид. наук, проф. М.І. Козюбра (Конституційний суд України); д-р іст. наук, проф. О.В. Кузьминець (Національна академія внутрішніх спр...полностью>>
'Доклад'
В работе конференции участвовали представители Аппарата Президента Республики Таджикистан, Маджлиси Оли Республики Таджикистан, правоохранительных ст...полностью>>
'Закон'
Проблеми, які постають перед людьми з функціональними обмеженнями у суспільстві, ґрунтуються на низькій самооцінці, дискримінації. Це виявляється ще в...полностью>>

Моделирование учебных ресурсов для e-Learning

Главная > Документ
Сохрани ссылку в одной из сетей:

Моделирование учебных ресурсов
для e-Learning

Г. С. Сиговцев, канд. ф.-м. н., доцент кафедры информатики и математического обеспечения, sigovtsev@
И. O. Семенов, аспирант кафедры информатики и
математического обеспечения, isemenov@
Петрозаводский государственный университет

e-Learning – обучение (самообразование), основанное на использовании современных информационных технологий, требует разнообразных и качественных электронных учебных ресурсов. Особое значение ЭУР приобретают в области ИТ-образования в силу необходимости частого обновления содержания учебных курсов и оперативной разработки учебных ресурсов по новым темам, разделам и направлениям развития и применения ИТ.

Планирование содержания является стандартной задачей, решаемой разработчиком учебного курса по некоторой дисциплине. Она включает отбор содержания и его структуризацию, как правило, при заданных ограничениях на объем и сложность материала. Это же относится и к разработке образовательных ресурсов, представленных на образовательных порталах и сайтах учебных заведений, а также в различного рода электронных библиотеках и коллекциях. В большинстве случаев содержание таких ресурсов является для всех пользователей одинаковым, не учитывает цели использования ресурса и уровень знаний пользователя.

Учебные ресурсы, в которых содержание и/или его форма, предъявляемые конкретному пользователю, зависят от некоторых его характеристик, получили название адаптивных. Суть адаптации заключается в возможности «подстраиваться» под цели обучения, уровень знаний и предпочтений пользователя. Необходимым условием для этого является организация учебного материала в виде гипертекста с желательным использованием возможностей мультимедиа. Такие ресурсы относятся к типу адаптивных гипермедиа систем – адаптивные гипермедиа учебные ресурсы (АГУР).

Математическая формализация задачи планирования и управления содержанием учебного ресурса опирается на графовые модели представления информации. Например, в работе [1] рассматривается задача структурирования содержания электронного учебного ресурса, когда математическая модель структуры представлена ориентированным графом, являющимся деревом. Узлами дерева являются учебные элементы, составляющие содержание ресурса, а его дуги отражают отношение иерархической подчиненности элементов друг другу (т.е. отношения типа «часть-целое»). Модели такого вида полезны для рационального структурирования содержания учебного ресурса в виде набора иерархически организованных УЭ. Они могут быть использованы в программах, предназначенных для компьютерной поддержки дидактического проектирования и анализа содержания разработчиками ресурсов.

К графовым моделям относятся и различные варианты семантических сетей, являющихся широко распространенным способом представления знаний в различных предметных областях. Узлы такой сети соответствуют объектам, понятиям, свойствам и т.д. предметной области, называемым обобщенным термином концепт. Различного рода отношения между концептами образуют дуги сети. В том числе это могут быть иерархические отношения, а также отношения, которые указывают на использование при изучении какого-то концепта информации, связанной с другими концептами, т.е. отношения «предыдущий – последующий». Эти отношения определяют возможные варианты последовательности изучения концептов, образующих содержание учебного ресурса.

Семантическая сеть как модель содержания учебного ресурса обладает большими выразительными возможностями по сравнению с графовой моделью работы [1], позволяя выразить кроме иерархического отношения часть-целое между УЭ и другие виды отношений. Кроме того, и в собственно математическом плане граф – семантическая сеть является более общей конструкцией, чем ориентированное дерево.

Другой разновидностью графовых моделей являются когнитивные карты. Понятия когнитивной карты и семантической сети по сути весьма близки, но в когнитивных картах отношения между концептами используются для указания характера и степени влияния одного концепта на другой. Модель предметной области учебного ресурса в виде семантической сети с отношениями «предыдущий – последующий» становится числовой когнитивной картой, если этим отношениям будут назначены веса, характеризующие важность знания одного концепта при изучении другого. Очевидно, что такие веса не могут быть получены каким-то формальным способом, а должны быть заданы экспертом и/или разработчиком ресурса, отражая их знания и представления о предметной области.

В процессе проектирования учебного курса выбирается из модели предметной области ряд концептов вместе с их связями, образующих модель учебного курса (это также когнитивная карта, являющаяся подграфом когнитивной карты предметной области). Модель учебного курса должна быть корректной когнитивной картой по отношению между концептами «предшествующий – последующий» в том смысле, что концепт входит в модель курса, если в ней содержатся и все концепты, ему предшествующие.

В математическом смысле числовая когнитивная карта – это взвешенный ориентированный граф. Возможности применения когнитивных карт для моделирования АГУР, рассматривались в[2,3].

Существует ряд характеристик числовых когнитивных карт, которые могут быть использованы для анализа и проектирования сетевых моделей предметных областей АГУР и для построения алгоритмов адаптации содержания учебного ресурса к цели и уровню знаний пользователя. К числу таких характеристик, относятся:

влияние одного концепта на другой;

влияние концепта на систему;

влияние системы на концепт

Указанные характеристики позволяют спроектировать рациональное по объему и структуре содержание ресурса, не перегружая его малозначащими для курса в целом концептами, и организовать эффективную систему гиперссылок между концептами.

В алгоритме адаптации, который использует АГУР, эти характеристики могут быть использованы для определения содержания ресурса, предъявляемого конкретному пользователю в зависимости от уровня знаний, зафиксированного в его модели, или динамического изменения содержания в процессе работы пользователя с ресурсом.

Эффективность АГУР зависит от возможности максимальной индивидуализации изучения некоторой информации, в том числе и в таком важном для самообразования случае, когда требуется не систематическое изучение целой предметной области, а получение информации только об одной или нескольких ее относительно локальных областях. В этом случае алгоритм адаптации может из исходной когнитивной карты выделить подкарту, состоящую из концептов, влияние которых на концепт, указанный пользователем в качестве целевого, наиболее существенно. Последнее может быть формализовано путем задания порога значимости влияния с учетом уровня знаний пользователя.

Задаче планирования содержания обычных или адаптивных учебных ресурсов можно придать оптимизационный характер, если ввести в модель количественную характеристику важности концептов для учебного курса. В качестве подлежащей максимизации целевой функции в этом случае будет выступать суммарная важность концептов, включаемых в ресурс. Важность i-го концепта vi в рамках предлагаемой модели полагается равной сумме экспертной оценки важности концепта для предметной области di и степени влияния концепта на учебный ресурс ui (вычисленной как величина влияния концепта на множество других концептов, входящих в ресурс).

Нетривиальной эта задача будет при наличии некоторого набора ограничений на совокупность концептов, делающих невозможным включение в ресурс всех имеющихся концептов. Для этого требуется введение в модель еще каких-то количественных характеристик концептов, в терминах которых могут быть сформулированы ограничения. Наиболее очевидный вариант такой характеристики — это затраты времени на изучение концепта ti (такая характеристика также может быть определена экспертной оценкой). Тогда ограничением для множества концептов, включаемых в ресурс, будет требование, чтобы общее время изучения ресурса не превосходило заданной величины.

Таким образом, постановка задачи оптимизации содержания учебного ресурса имеет вид:

где – подмножество номеров концептов, включенных в модель учебного ресурса. , – множество номеров всех концептов предметной области.

Еще одним ограничением в этой задаче является требование корректности модели учебного ресурса, в силу которого, в общем случае, концепт не может входить в допустимое решение задачи (т.е. не может быть включен в возможную модель ресурса) безотносительно к тому, какие еще концепты в него входят. А именно, концепт может входить в решение только вместе со всеми другими концептами, которым соответствуют такие узлы когнитивной карты, из которых выходят пути, ведущие в узел данного концепта.

В силу последнего условия данная задача не относится к классу задач линейного программирования. (Даже если бы важность концепта не зависела от степени влияния концепта на ресурс в целом, т.е. в предположении, что vi = di .)

Для решения данной задачи предлагается использовать метод, основанный на генетическом алгоритме. Генетический алгоритм (ГА) – это эвристический алгоритм поиска, используемый для решения задач оптимизации и моделирования путем последовательного подбора, комбинирования и вариации искомых параметров с использованием механизмов, напоминающих биологическую эволюцию [4].

В том числе ГА позволяет находить квазиоптимальные решения сложных комбинаторно-логических задач на графах. Базовая схема ГА для рассматриваемой задачи имеет вид:

1. В данном случае варьируемый параметр задачи – это множество M, элементами которого являются номера концептов, включенных в модель учебного ресурса. Для применения ГА множество M кодируется вектором , где xk = 1, если , и xk = 0 в противном случае. (В ГА такой вектор называется хромосомой.) Для упрощения реализации генетического алгоритма предлагается используемые в нем хромосомы генерировать без учета корректности получаемой модели по отношению «предыдущий-последующий» между концептами. Это «компенсируется» модификацией целевой функции (в ГА она называется функцией приспособленности), добавлением (со знаком минус) штрафного слагаемого за использование в текущей модели курса концептов, предшественники которых в эту модель не входят. Величина штрафа пропорциональна суммарной величине влияния на концепты модели тех концептов, которые в модель не включены.

2. Случайным образом создается начальная популяция, состоящая из нескольких векторов-хромосом. Для них вычисляются значения функции приспособленности, которые затем масштабируются на промежутке [0,1]. В результате каждому вектору присваивается определенное значение приспособленности.

3. После этого производится селекция – с использованием полученных значений приспособленности выбирается пара хромосом, допущенные к скрещиванию. Используется метод рулетки, при котором вероятность отбора хромосомы пропорциональна величине ее приспособленности.

4. Скрещиванием называется создание новых хромосом-потомков на основе хромосом-родителей. Используется одноточечный кроссовер (оператор скрещивания), который осуществляет обмен случайно выбранными участками хромосом пары родителей, создавая пару хромосом-потомков.

5. Следующей является операция мутации. При этом в случайно выбранной хромосоме инвертируется пара случайно выбранных генов. Это означает, что ранее входивший в модель курса концепт из нее удаляется и наоборот отсутствовавший концепт в модель добавляется.

6. Вычисляются значения приспособленности полученных при скрещивании и мутации новых хромосом и из популяции, чтобы сохранить прежнюю ее численность, удаляются две хромосомы с наименьшим значением приспособленности.

В созданном таким образом следующем поколении хромосом также производится селекция, применяются генетические операторы и т. д. Так моделируется эволюционный процесс, продолжающийся несколько циклов (поколений), пока не будет выполнен критерий остановки алгоритма. В общем случае таким критерием может быть:

• Нахождение глобального, либо субоптимального решения;

• Исчерпание числа поколений, отпущенных на эволюцию;

• Исчерпание времени, отведенного на эволюцию.

Для отработки алгоритмов построения и анализа когнитивных карт, а также основанных на них методов адаптации содержания учебного ресурса разработан прототип программной системы на платформе «1С Предприятие 8.1». Работоспособность системы проверена на тестовых примерах и показана возможность эффективного моделирования и управления содержанием электронных учебных ресурсов в соответствии с конкретными условиями их использования.

Литература

  1. Соловов А.В. Моделирование структуры электронных образовательных ресурсов. // Информационные технологии. 2007, № 2, с. 43-48.

  2. Семенов И.О., Сиговцев Г.С. Моделирование содержания адаптивных учебных ресурсов на основе когнитивных карт. // Тр. XV Всероссийской конференции «Телематика 2008». СПб.: 2008. Т. 2, с. 448-449.

  3. Русанов О.В., Семенов И.О., Сиговцев Г.С. О моделировании адаптивных учебных ресурсов. // Тр. II Всероссийской конференции «Информационная среда вуза XXI века». Петрозаводск. 2008, с. 127-130.

  4. Курейчик В.М. Генетические алгоритмы // Перспективные информационные технологии и интеллектуальные системы. 2000, № 1, с. 18-22.



Скачать документ

Похожие документы:

  1. Учебно-методический комплекс для e-Learning: проблемы структуры и проектирования

    Учебно-методический комплекс
    Интенсивное развитие и внедрение информационных и коммуникационных технологий (ИКТ, ICT) в учебный процесс высшей школы приводит к тому, что в настоящее время использование термина e-Learning без перевода в названии статьи вполне
  2. Учебное пособие для нашей жизни модуль Электронные и печатные сми что такое массовая коммуникация?

    Учебное пособие
    Книга, которую вы держите в руках, поможет вам открыть для себя много нового, интересного и полезного, в том числе и некоторые секреты манипулирования сознанием.
  3. Учебное пособие для учащихся педагогических специальностей вузов и слушателей курсов повышения квалификации педагогических и управленческих кадров

    Учебное пособие
    М 79 Образовательные информационные технологии. Часть 3. Дистанционное обучение: Учеб. пособие. – Владивосток: Изд-во Дальневосточного университета, 2004.
  4. Учебное пособие для вузов Издание второе Рекомендовано Редакционно-издательским Советом

    Учебное пособие
    A. А. Бодалев, Г. А. Бардовский, В. П. Борисенков, С. В. Дармодехин, Л. А. Деркач, Ю. И. Дик, А. И. Донцов, И. В. Дубровина, Л. II. Кезина, М. И. Кондаков, В.
  5. Учебное пособие для вузов (2)

    Учебное пособие
    Содержание учебного пособия базируется на микросоциальном подходе к анализу социально-психологических явлений, поэтому основной вектор изложения материала строится от социальной психологии личности к психологии больших социальных групп то есть,

Другие похожие документы..