Введение.
В докладе на заседании Президиума РАО 22 июня 2011 года [35] было особо отмечено, что в информационном обществе, основанном на знаниях, образование как процесс систематического приобретения и применения знаний в различных областях предопределит экономический рост и дальнейшее развитие новых технологий и, в частности, нанотехнологий. Мультидисциплинарная подготовка кадров в инновационных областях, в области нанонауки и нанотехнологий должна осуществляться на базе ведущих вузов и академических НИИ, обладающих уникальным теоретическим и методологическим заделом, высококвалифицированным профессорско-преподавательским составом и необходимой инфраструктурой образовательного процесса. Этот подход может быть реализован на основе тесной интеграции образовательных и ведущих научных и научно-производственных организаций. В таком случае появляется возможность использования в образовательном процессе широкого спектра дорогостоящего и уникального аналитического и технологического оборудования, а обучающиеся принимают участие в реализации крупных исследовательских и прикладных проектов и приобретают опыт коммерциализации научных разработок.
Одним из необходимых условий достижения конечных целей современного обучения является развитие интенсивных методических систем обучения с использованием электронных средств образовательного назначения (ЭС ОН) нового поколения, реализующих методы активного обучения на базе информационных и коммуникационных технологий. Одним из перспективных типов ЭС ОН рассматриваются интеллектуальные обучающие системы (ИОС).
Эволюция и расширение функциональных возможностей обучающих систем на основе интеграции достижений в педагогике, психологии и искусственном интеллекте привело к созданию интеллектуальных обучающих систем. Современная интеллектуальная обучающая система (ИОС) [39, 40] представляет собой комплекс программно-аппаратных средств инженерии знаний, в котором представленные в электронном виде знания используются в режиме интерактивного диалога, включающий комплекс организационно-методического, информационного, математического и программного обеспечения, а также модели студента, преподавателя, предметной области и требуемых компетенций.
Реализация такой ИОС возможна на основе интеграции результатов исследований в области педагогики, искусственного интеллекта, динамических интеллектуальных систем, многоагентных системы, онтологического инжиниринга.
Основная часть. Разработка концептуальной модели интеллектуальной системы для формирования компетентности обучающегося на основе агентно-ориентированного подхода Глава 1. Формирование требований к функциональности интеллектуальной системы для формирования компетентности обучающегося. 1.1. Структура современной интеллектуальной обучающей системы 1.1.1. Требования к современным обучающим системам
Теоретические наработки в области ИОС ведутся с 1960-х годов, когда были созданы продукционные обучающие системы, в которых диалог с обучаемым не программировался, а формировался по нескольким алгоритмам в соответствии с набором операций и фактов, заложенных в систему. Такие обучающие системы предназначались для некоторых специфических предметных областей, которые по тем или иным причинам оказались исключительно подходящими для такого типа программирования. В 1970 году Дж. Карбонеллом было сформулировано общее представление об интеллектуальных обучающих системах. Наиболее значимый вклад в теорию интеллектуальных автоматизированных обучающих систем внесли российские ученые Гаврилова Т.А., Ларичев О.И., Рыбина Г.В., Стефанюк В.Л., Тарасов В.Б., Тельнов Ю.Ф. Петрушин В.А., Брусиловский П.Л., Башмаков А.И., Башмаков И.А. и др., а также зарубежные Kabassi K., Tang T.Y., Dorca F.A.,Giannotti E., Rada R. и др.
Выделяется несколько основных парадигм организации и реализации интеллектуальных систем электронного обучения:
1. Основанная на концепции специализированных экспертных систем.
2. Основанная на гипертексте и гипермедиа (Web-ориентированная).
3. Интегрированная на использовании экспертных систем и гипертекста/гипермедиа.
4. Использующая модели обучаемого.
5. На основе интеграции экспертных систем с системами обучения.
6. Использующая интеллектуальных агентов.
В работе [32] на основе модельного подхода, к построению архитектуры интеллектуальной обучающей системы, используются следующие основные компоненты: предметная область проектирования, обучаемый проектировщик, сценарий процесса обучения. С целью обеспечения доступности и автономности компонентов, выбрана сервисно-компонентная организация системы обучения.
Интернет-ориентированные сервисные службы позволяют поддерживать доступ к системе в любое время и с любого подключенного к сети Интернет клиентского компьютера. Интерфейсное взаимодействие компонентов обеспечивает возможность замены их на другие компоненты без перекомпилирования всей системы. Взаимодействие компонентов архитектуры показано на рисунке 1.
Рисунок 1. Сервисно-компонентная архитектура ИОС
Математическое описание моделей в предметной области автоматизированного проектирования представлена в виде дерева онтологий, которая динамически использует иерархические, порядковые и ассоциативные связи онтологий объектов и процессов проектирования. Каждой онтологии соответствует учебный элемент. Иерархические связи используются для описания объекта и процесса проектирования с разной степенью детализации. Порядковые связи упорядочивают описание на одном иерархическом уровне и определяют цепочки онтологий. Ассоциативные связи соединяют иерархические и порядковые онтологии разных уровней. Таким образом, модель предметной области позволяет адекватно представить учебный материал и является базой знаний промышленного проектирования. Модель предметной области имеет вид:
CADModel={Архитектура, Функции, Процессы, Данные, Паттерн, MetaData| ortree, <, view},
где
Архитектура={архитектураi, i=1…E} – множество архитектур проектирования;
Функции={функцияi_, i=1…Z} – множество проектных функций;
Процессы={процессi, i=1…P} _– множество проектных процессов;
Паттерн={Операция, Команда, Способ} – множество проектных шаблонов;
Операция={операцияi, i=1…O} – множество проектных операций;
Команда={командаi, i=1…C} – множество проектных команд;
Способ={способi, i=1…S} – множество проектных способов выполнения команды;
Atom={понятиеi, действиеi, i=1…A} – множество «атомов» знаний, состоящее из элементарных понятий и простейших действий;
Atom �� Этап, Atom ∈ Процедура, Atom Операция, Atom Команда, Atom Способ;
MetaData={keyi, hash_function, i=1…H} – метаданные модели;
где i> – кортеж ассоциативных ключей,
hash_function – хэш_функция поиска элемента;
ortree – иерархическое отношение;
< – отношение порядка;
view – ассоциативная функция.
Структура паттернов PatternOperaion проектных операций, PatternComand проектных команд, PatternSposob проектных способов одинакова. Например, структура PatternOperation имеет вид:
PatternOperation = {название, назначение, мотивация, применимость, структура, участники, отношения, результаты, реализация, пример, применения, родственные паттерны};
название – название;
назначение – назначение, лаконично характеризует функции и дает обоснование, какие конкретные задачи проектирования можно решить с помощью паттерна;
мотивация – мотивация, помогает понять абстрактные описания паттерна;
применимость – применимость, описывает ситуацию, в которой можно применить паттерн и распознавание таких ситуаций;
структура – структура, представляется графическими диаграммами классов программы с использованием нотации, основанной на методике Object Modeling Technique и диаграммами взаимодействий;
участники – участники, представляются классами и объектами, задействованными в данном паттерне проектирования, и их функциями;
отношения – отношения, описывают взаимодействие участников для выполнения своих функций;
результаты – результаты, состоят из результатов применения, компромиссов, на которые приходится идти;
реализация – реализация, описывает сложность при реализации паттерна;
пример – пример, представляется фрагментом кода, схемы, сборки и т.п.;
применения – известные применения в реальных системах;
родственные паттерны – родственные паттерны, имеют описания связи, важных различий, композиции других паттернов с данным.
Графовое представление модели CADModel показано на рисунке 2 [32], числа 1, 2, 3, …, 12 на рисунке обозначают параметры структуры паттерна (1 – название, 2 – назначение и т.д.).
Рисунок 2. Графовое представление модели CADModel
Для представления модели сценария использована система, состоящая из ориентированного графа, отображений вершин и альтернативного выбора траектории обучения. Модель сценария имеет вид:
Scenariy = {G(vertex,edge), Reflaction, Alternativ}, где G(vertex,edge) – ориентированный граф сценария,
vertex ={vi, i=1…V} – множество атрибутивных вершин;
edge = {ei, i=1…E} – множество дуг;
Reflaction = {Rf1, Rf2, Rf3, Rf4} – множество гетерогенных отображений вершин в объекты проектирования (Rf1 – архитектура, функции, процессы, данные, паттерны (см. модель CADModel), Rf2 – тестовые вопросы, Rf3 – практические проектные задачи, Rf4 – контрольные точки Ki, содержащие требуемые (целевые) значения лингвистических критериальных параметров (проектных характеристик) обучаемого инженера);
Alternativ={vj, если vi инциндентна vj и vi Ki, vi < vj} – выбор обучаемым инженером траектории обучения из vi неконтрольной вершины. Ориентированный граф сценария обладает свойствами антирефлексивности, симметричности и транзитивности. С помощью сценария учитывается механизм ролей обучаемого.
Модель протокола protocol представлена вектором параметрических критериев, сформированных из квалиметрии процесса обучения, и имеет вид кортежа protocol = <name, ttype, typeij, testij, tij, markTeorij, markij, povtoreniyij, countTestij, cognDifij, i=1…N, j=1…M>,
где name – идентификатор обучаемого инженера, ttype={teor, pract} – тип проектной задачи
(teor – теория, pract – практика),
ttypeij – массив типов проектных задач,
testij – массив ключей проектных задач,
tij – массив затраченного времени на выполнение проектных действий,
markTeorij – массив баллов за ответы на вопросы,
markij – массив баллов за выполненные практические проектные задачи,
cognDifij – массив когнитивной сложности проектных задач,
povtoreniyij – массив числа повторов решения проектных задач,
countTestij – массив числа решенных проектных задач,
N – число контрольных точек Ki,
M – размерность массива.
Накопленная и обработанная информация в процессе обучения хранится в протоколе.
В [33] рассматривается применение принципов адаптивного управления для создания электронных информационно-образовательных сред нового поколения. Эволюция информационных технологий в образовании свидетельствует о появлении в составе информационно-образовательных сред электронных систем управления, которые предназначены для динамической компоновки учебно-методических материалов индивидуально для каждого обучаемого. Введение такой системы управления приводит к перераспределению информационных потоков в образовательной среде. В результате система управления возьмет на себя реализацию части функций, выполняемых преподавателем, и обеспечит взаимодействие обучаемых с учебно-методическими материалами в виде электронных образовательных ресурсов. Такая информационно-образовательная среда будет включать в себя преподавателя, обучаемого и электронные средства, в состав которых войдут система управления, электронные образовательные ресурсы, средства хранения, обработки и передачи данных, интерфейсы для взаимодействия обучаемых и преподавателя.
Для придания системе управления свойств адаптации применяются принципы самонастройки. Зная текущий уровень успеваемости обучаемого, можно сформировать такой контур адаптации, который обеспечит требуемый уровень интенсификации процесса обучения.
Для построения адаптивной системы управления задается цель управления. В образовательной деятельности в качестве целей управления можно применить следующие показатели качества:
суммарное время, затрачиваемое преподавателем на работу с каждым из обучаемых для достижения заданного уровня знаний, умений и навыков, приобретаемых в течение типового цикла обучения;
уровень знаний, умений и навыков каждого обучаемого, приобретаемых при фиксированном времени общения с преподавателем в течение типового цикла обучения;
количество обучаемых, достигающих заданного уровня знаний, умений и навыков при фиксированном времени общения преподавателя с каждым из обучаемых;
критерии эффективности.
В модели k-го обучаемого, как объекта управления, предполагается наличие многосвязности между различными видами учебных занятий. Здесь входной информационный поток на текущим этапе обучения включает в себя лекционный вид занятий и внелекционные виды учебных занятий Лекционные занятия проводятся преподавателем с группой обучаемых перед выполнением внелекционных видов учебных занятий. Поэтому имеется возможность управлять уровнем сложности задач и уровнем объемов заданий в зависимости от уровня подготовки обучаемого, полученного после проведения лекционного вида занятий.
Выходной информационный поток содержит элементы, отражающие знания, умения и навыки, получаемые обучаемым на текущем этапе. Учитывается дополнительное приращение уровня знаний, полученное после выполнения внелекционных видов учебных занятий. Для введения контура адаптации достаточно измерить только одну выходную величину , отражающую уровень знаний, полученных обучаемым на лекции. Поскольку параметр является латентным, то его оценку можно получить с использованием методов тестирования.
В работе [34] показано, что одной из задач для предприятия является приведение некоторых характеристик своей внутренней среды – компетенций работников и некоторых характеристик внешней среды – востребованности имеющихся компетенций, причем наблюдается быстрое изменение рассматриваемых характеристик внешней среды В операциональной форме связь между образованием, человеком и культурой (в узком смысле – производством) может быть выявлена путем введения в рассмотрение понятия технологии. Практика образует надсистему для системы профессионального образования. Она задает для нее цели через механизм востребованности компетенций. Востребованность компетенций работников является фокусом, в котором встречаются потоки внешний и внутренней среды Он является точкой проверки их соответствия и принятия решений по кадровым проблемам. Наряду с доступностью материальных или финансовых ресурсов, соответствие компетенций работников и требований имеющихся или желаемых технологий представляет собой критически важное условие успеха деятельности.
Наращивание интеллектуального капитала возможно через процесс непрерывного профессионального обучения. В системе непрерывного профессионального обучения выделяются подсистемы формирования (обучения) компетенций, в том числе компетенций соответствующих используемым технологиям. Эта подсистема и будет рассматриваться в дальнейшем. В системе профессионального обучения определяются цели рассматриваемой подсистемы в результате собственных правил ее функционирования (имеющихся ресурсов, требований устойчивости и управляемости) и целей, задаваемых надсистемой. Надсистема в данном рассмотрении – это система профессиональной практики. А механизм формирования этих целей запускается рассогласованием потоков, определяющих востребованность компетенции.
Проектирование, создание и использование подсистемы непрерывного профессионального обучения нуждается в получении ответов на следующие вопросы:
Когда и какую образовательную программу необходимо запустить для данного работника?
Как выбрать содержание образовательной программы исходя их противоречивых критериев ограниченности (минимизации) ресурсов на нее и достаточности получаемых результатов?
Как выбрать формы и методы обучения и эффективно создать учебные ресурсы?
Как обеспечить требуемое качество непрерывного профессионального обучения?
Как управлять процессами создания и использования программ непрерывного профессионального обучения?
В ходе моделирования системы непрерывного профессионального обучения были сформулированы следующие требования к модели:
· возможность формального описания взаимодействия элементов;
· наличие возможности описания различных технологий организации образовательного процесса;
· представление использования различных ресурсов и сравнение различных реализаций по потребности в ресурсах.
Целью рассматриваемой системы стала реализация образовательных программ (набор классов). Образовательная программа есть документированный процесс формирования заданного набора компетенций. Типовые подпроцессы (прецеденты) этого процесса «Создание образовательной программы» и «Реализация образовательной программы».
Такие процессы являются последовательными этапами жизненного цикла образовательной программы. Задачам предметной области, для решения которых специалист должен обладать компетенциями, в модели соответствует класс дидактических единиц (одного или нескольких учебных объектов).
Дидактическая единица – элементарная составляющая образовательной программы непрерывного профессионального обучения. Она характеризуется явно заданной целью – формированием некоторой компетенции или элемента, необходимого для формирования некоторой компетенции и определенным набором ресурсов для реализации. Участники первого подпроцесса «Разработчики учебных объектов» выбирают нужные дидактические единицы и преобразуют их в тексты, задания, тесты и т.п., то есть формируют учебные объекты. Роль обучаемого в этом подпроцессе важна для персонификации его индивидуального экземпляра образовательной программы, индивидуальной траектории обучения, учитывающего имеющиеся или отсутствующие компетенции объекта данного класса, полученные при предшествующем обучении, практической деятельности или связанные с особенностями личности.
В качестве основных требований к современным ИОС выделяются: индивидуализация и дифференциация процесса обучения, выбор индивидуальной образовательной траектории; контроль с обратной связью, с диагностикой и оценкой результатов учебной деятельности; самоконтроль и самокоррекция действий обучаемого; интенсивное развитие умений и закрепление навыков обучаемого путём вариативного компьютерного тренинга; создание и использование индивидуальных сред обучения, обеспечение оперативного доступа к удалённым информационным ресурсам.
В разработанных ИОС реализуется адаптивное и двухстороннее взаимодействие, направленное на эффективную передачу знаний. Перспективными направлениями развития ИОС являются создание самообучающихся систем, приобретающих знания в диалоге с человеком; развитие систем искусственного интеллекта, многоагентных систем, с использованием которых обучаемые могут обучаться, сотрудничая или соревнуясь, каждый на своем компьютере. В этом случае создаётся некое подобие “классного” обучения, но на сетевом уровне. Эксперименты и прогностические оценки показывают, что сетевое обучение оказывается более эффективным, чем индивидуальное обучение.
Структура современной ИОС [39, 40] представлена на рисунке 3. Основу ИОС составляет индивидуальная среда обучения, которая содержит все необходимые учебные объекты и методики, сформированные индивидуально для каждого обучаемого. Индивидуальная среда обучения позволяет каждому обучаемому работать в своей предметной области, которая формируется применительно к индивидуальной траектории обучения. Индивидуальные траектории обучения формируются на основе метаданных учебных объектов, которые хранятся в базе знаний блока "Формирование индивидуальных траекторий обучения". Содержимое базы знаний постоянно синхронизируется с содержимым репозитория учебных объектов
Модель требуемой компетенции или требуемый уровень знаний обучаемого может задаваться:
руководством обучающей организации;
организацией, чьи сотрудники повышают свой профессиональный уровень;
непосредственно обучаемым;
самой системой, при необходимости повторного изучения темы или учебного объекта.
Рисунок 3. Структура концептуальной модели современной ИОС.
Формирование модели текущей компетенции обучаемого происходит в процессе выполнения тестовых заданий. Тестовые задания представляются в формате учебных объектов и помимо самого тестового задания (тестового объекта) должны иметь метаданные о тестовом задании. Тестовое задание может представляться в виде набора вопросов с ответами или без ответов. Они могут быть в виде практических заданий, например, сделать инъекцию на тренажере, отправить клиенту сообщение по указанному адресу, выполнить взлет воздушного судна и т.д.
Использование ИОС в подготовке специалистов в инновационных, знаниевых областях экономики направлено на достижение следующих методических целей:
индивидуализация и дифференциация процесса обучения, выбор индивидуальной образовательной траектории;
формализованное представление модели исследуемого процесса на основе интеграции и интерпретации знаний, относящихся к различным предметным областям;
визуализация изучаемых физических (химических) процессов, включая наглядное представление скрытых в реальном мире процессов, наблюдение их в развитии, в пространственном движении с использованием технологий мультимедиа и гипермедиа;
проведение виртуальных лабораторных работ и экспериментов с имитацией реального опыта на компьютере или полунатурной модели;
осуществление многоуровневого контроля с обратной связью, с диагностикой и оценкой результатов учебной деятельности; самоконтроль и самокоррекция действий обучаемого;
интенсивное развитие умений и закрепление навыков обучаемого путём вариативного компьютерного тренинга;
создание и использование информационных баз данных, обеспечение оперативного доступа к удалённым информационным ресурсам;
формирование интеллектуальных умений и развитие коммуникативных качеств на основе выполнения индивидуальных или групповых творческих проектов;
формирование алгоритмической и информационной культуры;
усиление мотивации обучения путём использования гибкой системы бонусов, учитывающих когнитивный стиль и эмоциональное состояние обучаемого.
Существующие ИОС реализуют адаптивное и двухстороннее взаимодействие, направленное на эффективную передачу знаний. Перспективным направлением развития ИОС является создание самообучающихся систем, приобретающих знания в диалоге с человеком. Общая архитектура системы совместного обучения человека и компьютера может определяться следующими компонентами: микромир; учащийся-человек; учащийся-компьютер; интерфейс между двумя учащимися и микромиром; интерфейс между двумя обучаемыми.
В основе разработки ИОС в центре внимания должно быть соотношение между управлением и коммуникацией. Новое направление развития систем искусственного интеллекта - распределенные системы, с использованием которых обучаемые могут обучаться, сотрудничая или соревнуясь, каждый на своем компьютере. В этом случае создаётся некое подобие “классного” обучения, но на сетевом уровне. Эксперименты и прогностические оценки показывают, что сетевое обучение оказывается более эффективным, чем индивидуальное обучение.
Недостатком ИОС первого поколения является ориентация на специальные знания в рамках определенной дисциплины, так как в них не предусматривалась возможность адаптации к другой предметной области. Более общий подход состоит в развитии интеллектуального окружения (унифицированной оболочки), из которого затем можно получить семейство ИОС путем наполнения баз знаний междисциплинарным содержанием.
Среди наиболее актуальных направлений формирования системы непрерывного образования выделяются следующие:
развитие новых образовательных технологий на основе дальнейшего развития идеи мультидисциплинарной подготовки путём интеграции науки, образования и инновационной деятельности;
реализация программы формирования технологической культуры у школьников профильных классов и студентов учреждений СПО;
формирование системы научно-методического и организационно-правового базиса (ГОС, профессиональные стандарты и требования, программы подготовки, учебные планы, учебная и методическая литература) для обеспечения национальной системы непрерывного образования;
формирование информационно-аналитической системы и развитие современных образовательных технологий (электронные образовательные ресурсы, системы удалённого доступа), адаптированных к динамичному рынку разработки, производства и применения новейшей продукции;
дальнейшее развитие сетевых форм научно-образовательной деятельности в интересах повышения квалификации и переподготовки кадров, использования уникального лабораторного оборудования;
организация и координация проведения исследований молодыми учёными на условиях их командирования в НОЦ вузов России.
Тенденции в области ИОС для образования современных специалистов проявляются в активизации исследований по нескольким направлениям:
а) создание специализированные ИОС;
б) создание универсальных ИОС на единой платформе;
в) создание гибридных и профессионально-ориентированных ИОС;
д) разработка баз знаний и алгоритмов их обучения на основе достижений в области искусственного интеллекта;
е) развитие эвристических методов и математических схем, ориентированных на формализацию поведения сложных систем с априорно заданными свойствами и визуализацию протекающих в них процессов;
ж) разработка методов интеллектуальной обработки и анализа результатов контроля знаний обучаемых.
В современных обучающих системах используются различные знания, связанные с изучаемыми предметными областями, организацией и обеспечением процесса обучения, способами профессионально-педагогических воздействий, взаимодействием преподавателя и обучаемого, использованием современных компьютерных технологий и др. Основные типы знаний и принципы построения интеллектуальных систем обучения представлены в приложении 1.
|
