|
ЗА К ЛЮ ЧЕН И Е В результате проведенных в диссертационной работе научных исследований были получены следующие результаты: • Проведен анализ и выполнена формализация задач формирования информационного базиса автоматизированных систем обучения. Определено, что структура информационного базиса должна поддерживать механизмы управления адаптивным электронным обучением, позволяющие реализовать динамическую многоуровневую адаптацию учебных материалов. • Разработана методика выбора учебно-методического материала, которая включает в себя ранжирование критериев оценки и выделение топологического пространства критериев на основе парного сравнения. • Проведены исследования и выбраны методы принятия решений и экспертной оценки, позволяющие формировать информационный базис автоматизированных систем обучения. Разработан алгоритм вычисления весовых коэффициентов при групповой экспертной оценке. • Разработана стохастическая модель прохождения сценариев при адаптивном изучении материала курса. Данная модель оценки и пересмотра сценариев контроля знаний в адаптивно-обучающих системах позволяет получать вероятностно-временные характеристики сценариев, которые учитывают случайные отклонения и неопределенность прохождения сценариев. • Выполнена программная реализация системы оценки качества и выбора программного обеспечения учебного назначения. Проведено сравнение реальных программных средств и систем учебного назначения и выбрана лучшая система из рассматриваемых. • Проведены компьютерные эксперименты, подтвердившие зависимость качества усвоения дисциплины от объема использованных электронных образовательных ресурсов в учебном процессе. 144 |
уровней усвоения усвоения УМ; трудность и сложность УМ существенных операций; общее число существенных операций в заданиях 4 Метод линейно кусочной аппроксимации Значимость, трудность, спецификация Число заданий; число попыток выполнения заданий;число обращений к справке; число заданий, выполненных с превышением отведенного времени; граничные значения 5 Модели на основе вероятностных критериев Сложность Число заданий; время ответа; априорная вероятность получения оценки; граничные значения; риски недооценки и ререоценки 6 Модели на основе АВО Число заданий; число попыток; число обращений к справке; точность сравнения 2.2. ГЕРТ-модель сценария контроля знаний 2.2.1. Графо-аналнтичсский метод оценки и пересмотра сценариев контроля знаний в АОС В работе на основе графо-аналитического метода предложена ГЕРТмодель сценария контроля знаний. Причем разработанная ГЕРТ-методика оценки и пересмотра сценариев контроля знаний в адаптивно-обучающих системах позволяет получать вероятностно-временные характеристики ГЕРТ-сценариев, в которые уже включены случайные отклонения и неопределенность, возникающие непосредственно во время выполнения процедуры контроля знаний. Следовательно, в полученный временной норматив уже включены все случайные колебания и нет необходимости вносить в него дополнительные. ГЕРТ-сетевая модель позволяет получить дисперсию нормативного времени выполнения контроля знаний, с помощью которой для него строятся доверительные интервалы. В качестве формальной базы алгоритмической ГЕРТ-процедуры используется аппарат стохастических сетей и графического метода оценки и пересмотра планов [116,117]. Ранее рассматривались модели временной реализации распределенных алгоритмов, которые описываются детерминированными структурами сетей. Для полного выполнения типичной 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. |