|
учитываются параметры заданий, и лишь в отдельных случаях используется адаптивная выдача контрольных заданий на базе модели студента. 2. В настоящем разделе сделана попытка систематизировать и классифицировать применяемые методы проведения контроля и модели оценивания знаний студентов на основе модели адаптивно-обучаюшей технологии. 3. Интерактивные методы проведения контроля и методы оценивания в составе адаптивно-обучающих систем тесно взаимосвязаны. В общем случае любая модель выставления оценки может быть использована при любом методе проведения КЗ, за исключением моделей на основе вероятностных критериев, которые предназначены лишь для частично адаптивных и адаптивных методов организации контроля. 4. Структура информационного базиса должна поддерживать механизмы управления адаптивным электронным обучением, позволяющие реализовать статическую, динамическую и многоуровневую адаптацию учебных материалов в сетевой ИОС. Как правило, модели и алгоритмы, положенные в основу сетевой ИОС, реализующие принципы адаптивного электронного обучения, основываются на теории конечных автоматов Мура и марковских процессов, а также объектной модели обработки учебнометодической информаци и. 5. В данном разделе на основе графо-аналитического метода предложена ГЕРТ-модель сценария контроля знаний. Важно, что разработанная ГЕРТ-методика оценки и пересмотра сценариев контроля знаний в адаптивно-обучающих системах позволяет получать вероятностновременные характеристики ГЕРТ-сценариев, в которые уже включены случайные отклонения и неопределенность, возникающие непосредственно во время выполнения процедуры контроля знаний. 117 |
эти параметры подчеркнуты, остальные определяются на этапе обучения и могут быть изменены преподавателем перед началом КЗ). Метод линейно-кусочной аппроксимации и модели на основе вероятностных критериев предполагают также вычисление некоторых функций, которые обычно используются для определения дальнейшего хода контроля. Итак, интерактивные методы проведения контроля и методы оценивания в составе адаптивно-обучающих систем тесно взаимосвязаны. В общем случае любая модель выставления оценки может быть использована при любом методе проведения КЗ, за исключением моделей на основе вероятностных критериев, которые предназначены лишь для частично адаптивных и адаптивных методов организации контроля. С другой стороны, простейшую модель выставления оценки и модель, учитывающую время ответов, целесообразно применять только совместно с неадаптивными методами КЗ. Таким образом, при адаптивном контроле знаний рекомендуется использовать модели на основе вероятностных критериев, АВО или уровней усвоения, а также метод линейно-кусочной аппроксимации. По нашему мнению, в современные адаптивные системы обучения и контроля знаний следует включать несколько различных методов и моделей, чтобы преподаватель имел возможность выбрать метод проведения контроля и модель выставления оценки, отвечающие целям контроля и наиболее подходящие для отдельного студента или группы студентов. Таблица 2. Модели оценивания и используемые параметры. Модели оценки знаний Используемые данные Параметры задашш Параметры КЗ 1 Простейшая модель Число заданий; число правильных ответов 2 Модель, учитывающая время ответов Число заданий; число правильно выполненных заданий без превышения отведенного времени 13 Модель на основе Уровень Число правильно выполненных других факторов. Такой подход будем называть статической адаптацией, поскольку после подготовки адаптированного учебного курса в самом процессе обучения УММ остается неизменным. Во-вторых, это адаптивное взаимодействие обучаемого с ИОС, в процессе которого выполняется динамическая генерация учебного материала для конкретного обучаемого, используется система помощи и подсказок, организуются диалоги между пользователями, а также осуществляется гибкая настройка интерфейса. Такой подход будем называть динамической адаптацией, поскольку в процессе информационного взаимодействия обучаемого с ИОС осуществляется как изменение содержания и способов представления УММ, так и всесторонняя настройка системы под обучаемого. Говоря о многоуровневой адаптации, имеем в виду, что ИОС позволяет осуществлять сборку статически адаптированного учебного материала, содержащего в своей структуре не только УММ, но и методы (процедуры) его обработки. Собранный таким образом статически адаптированный учебный материал позволяет в процессе его использования в определенной мере реализовать механизмы динамической адаптации. Структура информационного базиса должна поддерживать механизмы управления адаптивным электронным обучением, позволяющие реализовать статическую, динамическую и многоуровневую адаптацию учебных материалов в сетевой ИОС. Как правило, модели и алгоритмы, положенные в основу сетевой ИОС [71], реализующие принципы адаптивного электронного обучения, основываются на теории конечных автоматов Мура и марковских процессов [88], а также объектной модели обработки учебно-методической информации [29]. 2.2.1. Обучение как процесс адаптивного управления сложной системой Рассмотрим обучение как процесс управления сложной системой [76], в которой обучаемый является объектом управления, а ИОС (и/или преподаватель) источником управления. Интерактивные методы проведения контроля и методы оценивания в составе адаптивно-обучающих систем тесно взаимосвязаны. В общем случае любая модель выставления оценки может быть использована при любом методе проведения КЗ, за исключением моделей на основе вероятностных критериев, которые предназначены лишь для частично адаптивных и адаптивных методов организации контроля. Структура информационного базиса должна поддерживать механизмы управления адаптивным электронным обучением, позволяющие реализовать статическую, динамическую и многоуровневую адаптацию учебных материалов в сетевой ИОС. Как правило, модели и алгоритмы, положенные в основу сетевой ИОС, реализующие принципы адаптивного электронного обучения, основываются на теории конечных автоматов Мура и марковских процессов, а также объектной модели обработки учебно-методической информации. В данном разделе на основе графо-аналитического метода предложена ГЕРТ-модель сценария контроля знаний. Важно, что разработанная ГЕРТметодика оценки и пересмотра сценариев контроля знаний в адаптивнообучающих системах позволяет получать вероятностно-временные характеристики ГЕРТ-сценариев, в которые уже включены случайные отклонения и неопределенность, возникающие непосредственно во время выполнения процедуры контроля знаний. |