Разработка моделей и алгоритмов автоматизации процессов адаптивного обучения специалистов для предприятий, страница 4

Таким образом, адаптивную стратегиюобучения можно представить в виде однородной цепи Маркова.Под переходной вероятностьюбудем понимать условную вероятность того,что после прохождения итогового теста слушатель перейдет к изучению следующейдисциплины, т.е. закончит изучения текущей. Из всего выше сказанного, можносоставить матрицу переходов образовательной системы, которая содержит всепереходные вероятности от дисциплины к дисциплине:()Таким образом, используя равенство Маркова, можно найти вероятностьзавершения этапа обучения или окончания обучения за некоторое количество шагов –переходов между дисциплинами.

При этом образовательная система перейдет изсостояния i в некоторое состояние j. Результатом вычисления указанной вероятностибудет матрица переходов.Используя данные об обучении группы выпускников ИОО МГУП, для которыхпроизводился расчет рейтинга слушателя, можно составить матрицу переходов наосновании последовательности изучения дисциплин.Таблица 4Матрица переходов состояний1234567891010,070,400,130,200,070,000,000,000,000,1320,000,180,350,060,060,060,120,120,000,0630,130,130,060,190,190,000,060,060,130,0640,070,070,000,140,070,210,070,140,070,1450,080,080,000,150,000,150,380,080,000,0860,000,000,090,090,180,090,180,090,270,0070,000,130,000,130,130,130,000,200,070,2080,070,000,140,070,140,000,140,000,290,1490,190,000,060,000,130,190,000,060,250,13100,000,000,070,070,070,200,070,200,270,071Гмурман В.Е.

Теория вероятностей и математическая статистика: Учеб. пособие для вузов / В. Е. Гмурман / 9е изд., стер. – М.: Высш. шк., 2003. – 479 с: ил.16Образовательная системаДля более гибкого и эффективного использования временных ресурсов, а такжедля учета индивидуальных личностных качеств слушателей в предложенном подходек построению индивидуальных стратегий обучения используется параметрическаяадаптация. В качестве обратной связи используется значение предложенного ранеерейтинга слушателя.

На рис. 4. представлена схема адаптации в индивидуальнойстратегии обучения.XKКонтентСлушательC,T-RСистематестированияРис. 4. Схема адаптации в индивидуальной стратегии обученияЗадача адаптации в данном случае выглядит следующим образом:( ),где– изменение рейтинга после попытки прохождения теста.Таким образом, работа адаптивной индивидуальной стратегии обучениязаключается в следующем. На вход системы подбора образовательного контентаподается начальное значение рейтинга слушателя X. На основании этих данныхвыбирается только те материалы K, которые слушатель может изучить, т.е.

ихсложность примерно равна рейтингу слушателя. Изучив предоставленные материалы,слушатель, проходит тестирование T. После этого уточняется его рейтинг R, взависимости от которого предоставляется следующие учебные материалы.Под контентом и учебными материалами подразумеваются электронныеобразовательные ресурсы (ЭОР) соответствующие стандарту SCORM. Оценку ихсложности производит эксперт. Номинальная шкала оценивания должна быть такойже, как и для оценки рейтинга слушателя. Для введения коэффициента сложности вавтоматизированную образовательную систему предлагается дополнить метаданные вструктуре ЭОР соответствующей характеристикой, отражающей сложностьматериала, т.е. модифицировать структуру учебных блоков и пакетов, описанных вмодели Content Aggregation Model (CAM) стандарта SCORM 2.

В раздел <lom>включается новое свойство <complexity>, значение которого определяетревалентность учебного блока или пакета исходя из рейтинга слушателя.2SCORM 2004 4th Edition Content Aggregation Model (CAM) Version 1.1. Advanced Distributed Learning, 2009.17Для определения наиболее оптимального подхода к обучению специалистовдляполиграфическихпредприятийпроводитсяисследованиезадачмногокритериальной оптимизации.Для решения поставленной задачи используется нечетко-возможностныйподход, который формализует и разрешает многокритериальную неопределенность.Теории возможностей, которая основана на нечетких множествах, позволяетколичественно описать суждения, охарактеризовать неопределенности, а также привыборе решения моделировать неточность. Задача заключается в нахождениинекоторого обобщенного показателя эффективности принимаемого решения ( ),который представляет собой операцию над нечеткими событиями:( )( )( ))( ( ).Для построения обобщенного показателя эффективности решения используемнечетко-возможностную свертку, основанную на нечеткой мере и нечетком интегралеПрименим рассмотренную методику для определения оптимального подхода к*+, состоящего из двух вариантов: классическийобучению из множестваподход к обучению ( ) и адаптивная стратегия обучения ( ), по трем показателям*+: уровень адаптивности ( ), финансовые затраты наэффективностиобучение ( ), временные затраты на обучение ( ).

Исходные данные указаныэкспертами и приведены в табл. 5.Таблица 5Исходные значения частых показателей эффективностиАдаптивнаяПоказательКлассический подход кZстратегияважностиобучению,обучения,Уровень0,80,10,9адаптивностиФинансовые0,20,60,4затратыВременные затраты0,90,70,3Значение обобщенного показателя для вариантаравно 0,7, а для адаптивнойстратегии обучения– 0,8. Таким образом, из предложенных вариантов оптимальным является подход с применением адаптивных индивидуальных стратегий обучения. Из полученных значений обобщенного показателя эффективности можно сделатьвывод, что предложенный подход эффективнее на 10%.Четвертая глава включает разработку программного обеспечения дляавтоматизации процессов обучения и адаптации систем открытого образования«CoRuS».Адаптивная автоматизированная система ДО «CoRuS» (ААСДО «CoRuS»)представляет собой комплекс программных средств, предназначенных дляорганизации и автоматизации адаптивных процессов обучения с применениемдистанционных образовательных технологий.

В состав ААСДО «CoRuS» входятследующие модули: база данных «БД «CoRuS»; система управления «СУ «CoRuS»; система тестирования «СТ «CoRuS»; подсистема анализа и статистики;18web-интерфейс пользователя;образовательный портал;инструменты для разработки контента;хранилище учебных материалов;модуль выбора контента.Взаимодействие составных частей системы «CoRuS» основано на работе влокальных и глобальных сетях передачи данных, в том числе и Internet. Работасистемы в целом заключается в следующем. Основой системы является база данных,с которой работают все остальные части. Информация в базу данных заносится припомощи системы управления, web-интерфейса пользователя и инструментовразработки контента.

С системой управления работают: администрация учебногозаведения, технические специалисты по поддержке системы, методический персонал,тьюторы, преподаватели и тренеры. Учебные материалы, хранящиеся на удаленномсервере, предоставляется пользователю через модуль выбора контента посредствомобразовательного портала в объеме необходимом конкретному пользователюсистемы.СУ «CoRuS»Аналитика истатистикаWeb-интерфейспользователяСТ «CoRuS»БД «CoRuS»ОбразовательныйпорталИнструментыдля разработкиконтентаМодуль выбораконтентаХранилище учебныхматериаловРис. 5. Структура ААСДО «CoRuS»Система тестирования для проведения контрольных испытаний используеттестовые задания, которые хранятся в базе данных.

Результаты также записываются вбазу данных и используются модулем аналитики и статистики для составления19отчетов, контролем над работой пользователей и системы в целом, выявлениязакономерностей и проведения анализа данных, составления прогнозов,предназначенных для корректировки стратегий обучения.Структура базы данных разработана в СУБД Microsoft SQL Server 2008 R2 исодержит 74 таблицы с данными. Кроме этого база данных содержит набор хранимыхпроцедур и функций для автоматизации ресурсоемких задач, вынесенных дляобработки на стороне сервера. Разработанная база данных представляется в видеотдельных фрагментов – модулей, обеспечивающих работу с соответствующимиобъектами системы. Можно выделить следующие модули: управления пользователями; индивидуальная стратегия обучения; управления ЭОР и ЭУМК; организации хранения ТЗ; результатов и протоколов тестирований.Система управления представляет собой многооконное приложение сленточным интерфейсом, разработанное на языке Delphi 2010 с использованиемдополнительных визуальных компонентов с открытым кодом Alpha Skins.Назначением данной разработки является автоматизация основных задач управленияпроцессами обучения, мониторинг работоспособности всех подсистем и ихнастройка, автоматизация сбора статистики и аналитическая обработка полученныхданных, в том числе, при помощи алгоритмов интеллектуального анализа данных.Основнымипользователямисистемыуправленияявляютсясотрудникиобразовательного учреждения, занимающиеся методической и техническойподдержкой, разработкой образовательного контента и банков тестовых заданий.Система тестирования разработана на языке программирования C# сиспользованием технологий ASP.NET 4 и AJAX в среде разработки Microsoft VisualStudio 2010.

Особенностью разработанной системы тестирования являетсяповышенный уровень безопасности передаваемых данных. Это достигаетсяисключением из программы запросов на добавление, изменение и удаление данных.Указанные операции выполняются на серверной части системы «CoRuS» иоформлены в виде хранимых процедур в базе данных. Таким образом, пользователюпересылаются только формулировки и варианты ответов на ТЗ, а обработкаполученных от пользователя данных осуществляется на удаленном от него сервере.В заключении формулируются основные выводы, полученные в работе.Основные выводы и результаты работы.В процессе выполнения диссертационной работы была решена научная задачапо разработке методов и алгоритмов оценки результатов обучения специалистов дляполиграфических предприятий в системах обучения с применением дистанционныхобразовательных технологий.Общие результаты диссертационной работы:1.

Решены практические задачи по проектированию и разработке адаптивнойавтоматизированной системы дистанционного обучения «CoRuS».2. Результаты внедрены в МГУ Печати им. Ивана Федорова и издательскополиграфическом комплексе «Н.Т.ГРАФ».Общие выводы по диссертационной работе:1. Проведенный анализ использования различных форм обучения ипереподготовки персонала предприятий позволяет сделать вывод о том, что20дистанционная форма обучения и использование систем открытого обученияявляются востребованными.2. Анализ существующих методов оценки успеваемости и полученных знаний,позволил сделать выводы об ограниченности их применения для систем открытогообразования.3.