Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 2)

Шаг 2. Прогнозируются значения на -й шаг обучения: .

Шаг 3. В рассматриваемом классе задач пересчитывается прогнозируемое на -й шаг обучения значение трудности задач того же типа , что и на предыдущем шаге. Если выполняется условие:

(8)

то задача указанного типа вновь включается в учебное задание, формируемое на -й шаг обучения.

Шаг 4. Если условие (8) не выполняется, то для всех типов задач, рассматриваемого класса вычисляются отклонения их значений трудности от оптимального:

. (9)

Шаг 5. Если требуется уменьшить трудность, то есть имеет место: то в рассматриваемом классе осуществляется поиск задач такого типа, трудность которых имела бы минимально возможное отклонение от оптимальной:

(10)

При этом трудоемкость задач искомого типа не должна возрастать, то есть: Кроме того, если для задач различных типов имеет место симметричное отклонение их значений трудности от оптимального:

(11)

то в задание, формируемое на -й шаг обучения, включается задача такого типа, значение трудности которой ближе к значению , то есть для которой, в рассматриваемом случае, дополнительно выполняется: .

В противоположном случае, когда требуется увеличить трудность, то есть имеет место: , так же используется критерий поиска (10). При этом должны соблюдаться противоположные ограничения. Трудоемкость задач искомого типа не должна уменьшаться, то есть Если имеет место симметрия отклонения трудностей (11), то дополнительно должно выполняться: .

Ограничением на область применения модели выступает требование организации пооперационного контроля деятельности обучаемого по выполнению учебных заданий.

Проведенный анализ разработанной модели обучения показал, что она удовлетворяет основным требованиям, предъявляемым к математическим моделям (адекватности, сходимости, универсальности, экономичности) и может служить основой для разработки инструментальных средств проектирования подсистемы модели обучения в ИОС.

Авторские средства проектирования ИОС

МОНАП – ядро авторских средств проектирования подсистемы управления процессом обучением в ИОС. Подсистема управления процессом обучения, спроектированная посредством МОНАП на базе пооперационного контроля ответов обучаемого, рассчитывает уровни усвоения материала обучаемым для каждой операции (правила), используя Байесовский подход, который позволяет учитывать предысторию обучения. На основе анализа ответов обучаемых МОНАП определяет учебное задание с оптимальным значением трудности для конкретного обучаемого и отправляет эту информацию в подсистему формирования заданий. Эта подсистема генерирует или выбирает задание из базы данных на следующий шаг обучения. Таким образом, ИОС, спроектированная посредством МОНАП организует адаптивное управление процессом обучения, т.е. обеспечивает полную автоматизацию следующих интеллектуальных функций:

идентификацию знаний обучаемого;

принятие решения о продолжении обучения, достижении цели обучения, аварийное завершение;

определение свойств учебной задачи адекватной знаниям обучаемого на следующий шаг обучения.

Подсистема управления обучением построена на основе следующих моделей:

модель предметной области;

модель обучаемого;

модель управления процессом обучения.

В МОНАП могут быть выделены два основных компонента:

сервисные авторские средства, используемые для создания базы знаний и ее поддержки;

функциональные средства, используемые для обучающего диалога и управления.

База знаний представляет собой совокупность сред обучения. Структура базы знаний представлена на рис. 1.

Каждая среда обучения, включенная в базу знаний содержит следующие знания:

знания о свойствах учебных задач (какого типа и сколько операций необходимо выполнить для решения учебного задания);

знания об обучаемом (имя, текущий шаг обучения, свойства учебного задания на следующий шаг обучения, вероятности правильного выполнения операций, вероятности гипотез об уровнях усвоения на текущий шаг);

знания об управлении процессом обучения определяемые соответствующими значениями параметров модели обучения (число гипотез об уровнях обученности, оптимальное значение трудности задания, минимальный уровень усвоения, "порог стресса" и т.д.).

Teacher

Teacher

MONAP

Directory of Learning Environments

Monitor

Directory Module

Leaning Environment

LEANERS Base

THEORY Base

Rules Base

PROPETIES Base

Leaning Environment

LEANERS Base

THEORY Base

Rules Base

PROPETIES Base

Leaner Module

I nterchangeable components of

ITS family information base

Theory Module

Rules Module

Property Module

Subject-dependent subsystems of ITS

Рис. 1. Структура базы знаний

Моделирование процесса обучения

В связи с тем, что невозможно дать точные и однозначные рекомендации по параметрической настройке модели управления обучением для произвольной ПО, возникает необходимость в расширении архитектуры ИОС, а соответственно и инструментальных средств проектирования ИОС за счет включения в них подсистемы моделирования процесса обучения.

П ри проектировании конкретной ИОС преподаватель должен задать значения ряда параметров модели управления обучением (Рис. 2).

Рисунок 2.

З начения некоторых из указанных параметров могут существенным образом влиять на то, какая задача будет выдана обучаемому в соответствии с его состоянием обученности. Практический опыт использования МОНАП-ПЛЮС для проектирования ИОС GRAD [Galeev I. et al., 1998] показал, что задание значений указанных параметров могут вызывать затруднения у педагогов несмотря на то, что встроенные средства помощи содержат рекомендации по их выбору. Для преодоления этих затруднений педагог может использовать режим моделирования. В этом режиме (Рис. 3) предоставляется возможность задавать любые результаты решения задач.

Рисунок 3.

Педагогу наглядно представляются итоги идентификации знаний обучаемого (используется байесовский подход) в цифровой и графической формах, а также тип текущей задачи, которая будет предложена обучаемому для выполнения на следующем шаге обучения в соответствии с его состоянием обученности и заданными значениями параметров модели обучения.

Варьируя результаты решения задач и значения параметров модели, педагог может подобрать такие значения, при которых модель обучения будет управлять процессом обучения оптимально с точки зрения педагога. В режиме моделирования доступны две различные формы графического представления итогов идентификации знаний обучаемого. В числовой форме эти же данные приведены в таблице, расположенной над графиком. Первый тип графика (Рис. 3) демонстрирует вероятности правильного применения обучаемым каждой операции на заданном количестве шагов обучения, то есть графически отображает данные, находящиеся в той или иной строке таблицы. Второй тип графика демонстрирует историю изменения состояния обученности обучаемого по конкретной операции (графическое изображение того или иного столбца таблицы). Переключиться между этими двумя типами представления графической информации можно щелкнув левой клавишей мыши на соответствующем заголовке строки или столбца цифровой таблицы соответственно.

В связи с тем, что процесс обучения является многофакторным, динамическим и слабо формализуемым процессом возникает необходимость в наличие инструментов, обеспечивающих педагогу возможность проведения дидактических экспериментов с целью такой настройки, модели управления обучением в ИОС, которая позволяет учитывать конкретные условия использования. Реализованная в МОНАП подсистема моделирования отвечает указанным требованиям.

Интеллектуальная обучающая система, основанная на МОНАП

Во многих научных исследованиях показано, что CALL системы более эффективны, чем традиционный человек-учитель [Yang & Akahory, 1999]. В результате анализа предметной области обучения (грамматики немецкого языка в части склонения имен прилагательных) разработаны структуры предметно-ориентированных подсистем соответствующей экспертной обучающей системы (ИОС GRAD) [Galeev I. et al., 1999]. Подсистема модели обучения спроектирована с помощью инструментальных средств МОНАП. В соответствии с разработанной ранее архитектурой проектируемых ИОС определен состав предметно-ориентированного расширения среды обучения в ИОС GRAD и разработаны программные средства, обеспечивающие её создание и обслуживание, в том числе и возможность построения семейства ИОС в рассматриваемой ПО обучения, имеющих сетевую архитектуру, т.е. использующих общие компоненты информационных баз. Разработанная ИОС GRAD обеспечивая адаптивный процесс освоения обучаемым грамматики немецкого языка в части склонения имен прилагательных представляет собой гибкую систему открытого типа, способную расширяться и изменяться по требованиям эксперта-педагога.

Актуальность усвоения грамматики немецкого языка в части склонения имен прилагательных обусловлена тем, что знания о прилагательном используются как при синтезе, так и при анализе немецкого предложения. В случае синтеза предложения основной задачей при изучении прилагательного является правильное определение его окончания. В случае анализа (понимания) немецкого предложения знания о прилагательном могут играть важнейшую роль при решении целого ряда задач анализа:

Характеристики

Список файлов реферата