Educational Technology & Society 11(3 ) 2008

ISSN 1436-4522

Интеллектуальное построение

автоматизированных дидактических систем

Т.Л. Мазурок, кафедра автоматизации теплоэнергетических процессов, к.т.н., доцент, докторант, Одесский национальный политехнический университет, Одесса, Украина
mazurok62@mail.ru

аннотация

Предложен подход применения интеллектуальных средств для автоматизации формирования последовательности монодидактических систем, направленных на решение требуемой дидактической задачи. На основе исследования структурно-параметрической модели дидактической системы разработана нейро-нечёткая модель определения вида дидактической системы по введённым параметрам учебных элементов дидактической задачи.

Approach of application of intellectual facilities is offered for automation of forming of sequence of the monodidactic systems, directed on the decision of the required didactic task. On the basis of research of structures and parametric model of the didactic system the fuzzy neural model of determination of type of the didactic system is developed on the entered parameters of educational elements of didactic task.

Ключевые слова

модель дидактической системы, нейро-нечёткое определение вида дидактической системы, лингвистические переменные, интеллектуальное управление обучением;

didactic system model, neuro-fuzzy definition of didactic system type, linguistic variables, intelligent learning control

 

Введение

Одним из приоритетных направлений развития образования является повышение его гибкости на основе индивидуальной организации учебного процесса. Достижению этой цели способствует устойчивая тенденция перехода средств информационных технологий (ИТ) от пассивной роли инструментария решения локальных педагогических задач к активной роли полноправного участника процесса обучения на основе симбиоза развития дидактики с возможностями ИТ.  

Совершенствование информационных технологий, развитие адаптивных средств автоматизации управления обучением определяет возрастание роли компьютерных средств как участника процесса обучения. Такая концепция сформулирована в работах Атанова Г.А., Беспалько В.П., Брусиловского П.Л., Глушкова В.М., Талызиной Н.Ф. и др.

Совершенствование информационных обучающих систем в направлении объединения современных дидактических требований с достижениями информационных технологий требует разработки математических моделей и методов их целостного описания, исследования и проектирования. Проблема поиска эффективных методов анализа и проектирования образовательных сред как сложных управляемых систем постоянно актуальна. Следует отметить особый вклад в эту область таких известных учёных как Глушкова В.М., Жука К.Д., Ивахненко А.Г., Поспелова   Г.С. Большой вклад внесли также учёные Гриценко В.И., Згуровский М.З., Кудрявцева С.П., Манако А.Ф., Тимченко А.А. и их многочисленные ученики.

Однако, анализ применения средств ИТ в автоматизации обучающих систем показал отсутствие их целенаправленного использования для управления учебным процессом в соответствии с требуемыми принципами дидактических систем. Как отмечено (Беспалько, 2002), методы проектирования обучающих систем являются спонтанными, автоматизированные системы разрабатываются без учёта дидактических требований.

Особенности процесса обучения, как управляемого процесса, определяют эффективность применения интеллектуальных технологий в качестве основного средства адаптации технологии обучения к модели обучаемого. Поэтому представляется актуальным исследование возможностей применения интеллектуальных средств для динамичного формирования адаптированных  к дидактическим задачам дидактических систем.

Постановка задачи

Проектирование технологии обучения заключается в постановке дидактической задачи (ДЗ) и формировании дидактической системы (ДС) – системы методов, средств и форм обучения, адекватных условиям и закономерностям учения. Из известных, согласно современной классификации (Беспалько, 2002; Маслов, 2004), восьми ДС наиболее эффективной является система адаптивного программного обучения. Данная система осуществляет цикличное направленное автоматическое управление обучением. Основу функционирования данной системы составляет специальная адаптивная программа, управляющая учебной деятельностью обучаемого. Система должна осуществлять направленный информационный процесс, решая задачи адаптации процесса обучения к основным параметрам модели обучаемого.  Совершенствование информационного процесса в виде индивидуализации не только по темпу, но и по содержанию, приводит к расширению монодидактических систем до двенадцати за счёт добавления систем дистанционного обучения трансляционного, корреспондентного типов, системы дистанционного обучения с адаптивной навигацией и системы искусственного интеллекта (СИИ) (ссылка Интернет).  СИИ обеспечивают замкнутое управление познавательной деятельностью индивидуальное по темпу и содержанию на основе автоматизированных средств управления. Однако на практике редко применяются монодидактические системы.  Обычно учебный процесс строится таким образом, что синтезируется некоторая полидидактическая система, с использованием которой осуществляется управление познавательной деятельностью учащихся. При этом, в соответствии со свойством эмерджентности, комбинированная система может обладать качествами, превосходящими качества каждой из входящих в неё систем.

Обычно в схемах управления обучением в качестве объекта управления рассматривается обучаемый или его модель. Однако, анализ закономерностей обучения показывает, что возможности качества обучения находятся в строгой зависимости от применяемой ДС. Ввиду практической необозримости количества комбинированных систем, а также в связи с необходимостью постоянного сопровождения процесса обучения адаптационными процессами по выбору оптимальной дидактической системы, их проектирование требует от преподавателя высокого уровня профессионализма и значительных временных и интеллектуальных затрат. Поэтому представляется целесообразным исследовать возможности применения интеллектуальных технологий для автоматизации формирования управляющих воздействий в виде указания целесообразной ДС для текущей педагогической ситуации в процессе обучения.

Модель дидактической системы

Для построения структурно-параметрической модели ДС определим основные цели функционирования ДС, совокупность составляющих её элементов, параметры взаимосвязей между ними. Дидактическую систему составляют методы, формы и средства обучения. В автоматизированном обучении деятельность преподавателя по выбору рациональных методов, форм и средств обучения реализуется в виде содержания, структуры, алгоритма функционирования компьютерного средства обучения. Для формализованного описания процесса создания ДС, рассмотрим макромодель процесса обучения (рис.1).

Рис.1 Макромодель процесса обучения

Педагогическая система (ПС) Sp является преобразователем состояния среды X в состояние объекта Y. X – входные данные, характеризующие уровень обученности, мотивацию, когнитивные способности обучаемого (например, абитуриента для ВУЗа). Y – выходные данные, характеризующие достигнутый уровень обученности (должностных компетенций для выпускника ВУЗа). Из среды можно выделить субъект управления, который является источником целей для объекта. В широком понимании субъектом является общество, формирующее с помощью соответствующих институций социальные требования к качеству овладения выпускниками определёнными должностными компетенциями, регламентированными образовательными стандартами. Предположим, что субъект формулирует свою цель Z, реализация которой в объекте приводит к удовлетворению потребностей субъекта.

(1)

Педагогическая система представляет собой среду, в которой по определённой технологии реализуется процесс обучения. В структуре ПС можно выделить элементы, образующие две взаимосвязанные группы: группу элементов, формулирующих дидактическую задачу, и группу элементов, образующих педагогическую технологию, гарантированно решающую эту задачу.

Структура ПС и её соотношение с ДС показаны на рис.2. Дидактическая система образуется из методов, форм и средств обучения.

 

Рис.2. Структура педагогической системы

Функция ДС состоит в определении следующих характеристик управления:

1.        вид управления, под которым понимается реакция на познавательную деятельность;

2.        вид информационного процесса;

3.        средство управления.

На основе дидактического анализа постановки задачи определим основные элементы, образующие проектируемую ДС. К ним относятся множества методов обучения {m1,m2,…,mk}, форм обучения {f1,f2,…,fl}, средств обучения.{s1,s2,…,sm}, множество монодидактических систем {ds1, ds2,…,dsn}ÎDS и множество учебных элементов (УЭ) {УЭ1, УЭ2,…, УЭn} , изучение которых должно предшествовать изучению текущего учебного элемента УЭn+1, для изучения которого проектируется ДС. Взаимосвязи между элементами (рис.3) представляют собой для промежуточного слоя - весовые коэффициенты, соответствующие степени целесообразности выбора методов, форм и средств обучения; для выходного слоя – бинарные значения, на основе которых устанавливается соответствие определённому типу монопредметной ДС.

Таким образом, формальная модель построения ДС представляет собой структурно-параметрическую модель в виде направленного взвешенного графа, веса которого определяются на основе знаний экспертов – преподавателей-предметников для промежуточного слоя и преподавателей-дидактов для выходного слоя. Представленная структура ввиду отсутствия аналитических зависимостей отражения взаимосвязей между вертикальными слоями целесообразно реализовать в виде многослойной нейронной сети. Входной слой представляет собой суммарную характеристику множества учебных элементов, предшествующих изучению рассматриваемого УЭ:

(2)

где - количество УЭ, входящих в проектируемую ДС;

- ступень абстракции УЭ ();

- уровень усвоения УЭ ( );

- степень осознанности усвоения (алгоритмическая, внутрипредметная, межпредметная, системная);

- коэффициент автоматизации или навыка ().

Рис. 3 Структурная схема определения ДС

На структурной схеме ДС (рис.3) входной слой условно представлен обобщённой характеристикой УЭi . Но правила, составленные на основе мнений экспертов по поводу рекомендуемых методов, форм и средств обучения для перевода модели обучаемого из состояния  обученности УЭn в состояние обученности УЭn+1, содержат числовые значения каждого из параметров УЭ, имеют вид:

ЕСЛИ И ТО  И  И ,

(3)

где и - наименование лингвистической переменной, соответствующей характеристикам УЭ, представленным в (2), для исходного и очередного УЭ  соответственно;

и - значения лингвистических переменных соответствующих характеристик исходного и очередного УЭ соответственно;

- наименования лингвистических переменных, соответствующих элементам дидактической системы (методам, формам и средствам обучения);

- значения лингвистических переменных, выражающих названия методов, форм и средств обучения соответственно;

- коэффициенты определённости или весовые коэффициенты соответствующих правил, выражающие степень уверенности эксперта о представленной взаимосвязи.

Входные элементы промежуточного слоя представляет собой объединение множеств элементов дидактической системы: {m1,m2,…,mk}{f1,f2,…,fl}{s1,s2,…,sm}, имеющих бинарное выражение синаптических весов. Обучение нейронной сети по определению вида дидактической системы производится на основе набора правил продукций, выражающих мнение эксперта – специалиста в области дидактики по поводу соответствия тройки (mk, fl, sm) одной из восьми известных монодидактических систем – DS. Правила имеют вид:

ЕСЛИ (И И) ИЛИ (И И) ТО  ,

(4)

где - имя лингвистической переменной для указания одного из её значений, соответствующих монодидактическим системам.

Так как мнения экспертов, на основе которых сформулированы правила, не могут быть выражены точными числовыми значениями, то они образуют систему нечётких правил. Для осуществления классификации создавшейся дидактической ситуации с точки зрения определения целесообразной дидактической системы, обоснованным является выбор нейро-нечёткой сети (Рутковская, 2006). К очевидным достоинствам такого подхода относится заимствованная от нейронных сетей способность к обучению совместно с возможностью модификации нечётких правил принятия решений. Кроме того, синтез указанных интеллектуальных средств позволяет выполнить первоначальное проектирование нейронной сети на основе экспертных оценок с последующим оцениванием корректности функционирования такой системы. Для сопоставления проектируемых ДС используется система показателей эффективности: уровень усвоения, быстрота выполнения действий, трудоёмкость, стоимость, стабильность (разброс результатов), время на обучение. В случае неудовлетворительных значений приведенных показателей эффективности, правила могут быть уточнены.

Разработанная нейро-нечёткая модель формирования ДС для изучения текущего УЭ, служит основой для генерации последовательности монодидактических систем. Полученная последовательность представляет собой полидидактическую ДС, а правила о её соответствии дидактической ситуации могут быть добавлены в нечёткую базу знаний. Таким образом, возможна автоматизация весьма сложного и трудоёмкого процесса выбора вида ДС.

Построение нечёткой нейронной сети

Для реализации информационной подсистемы, выполняющей генерацию последовательности монодидактических систем, использован пакет Fuzzy Logic Toolbox, входящий в состав системы Matlab (Леоненков, 2003). С помощью редактора нечётких нейронных систем ANFIS Editor осуществляется создание структуры нечёткой нейронной сети, просмотр структуры, настройка её параметров, проверка качества функционирования сети.

На рис. 4 показана структура нейро-нечёткой сети, с помощью которой по входным переменным , , , , являющихся параметрами УЭ дидактической задачи, на основе базы нечётких правил определяется вид дидактической системы. В качестве выходных данных сети рассмотрены восемь базовых монодидактических систем.

Для выполнения логической конъюнкции применяется метод минимального значения, для выполнения логической дизъюнкции – метод максимального значения. В качестве метода вывода заключения (активизации логического заключения в каждом из нечётких правил) выбран метод минимального значения. В качестве метода агрегирования выбран метод максимального значения, а методом дефаззификации – centroid.

 

 

Рис. 4 Структура нейронно-нечёткой сети

С помощью редактора функций принадлежности введены значения входных лингвистических переменных. Сформированы нечёткие правила, составленные на основе опроса экспертов. На рис. 5 приведены результаты работы программы просмотра поверхности нечёткого вывода. Программа позволяет на основе общего анализа оценить адекватность нечёткой модели, а также оценить влияние изменения значений входных нечётких переменных на значение выходных нечётких переменных.

 

 Рис.5 Поверхность нечёткого вывода для разработки нечёткой модели

Анализ и оценка разработки

Предложенный подход к определению вида дидактической системы на основе нечёткого вывода позволяет автоматизировать один из наиболее сложных этапов построения педагогической системы. Сформированная последовательность рекомендуемых ДС образует полидидактическую систему. Оценка её эффективности является основой для пополнения базы нечётких правил недостающими сведениями о взаимосвязи между входными и выходными параметрами.

Данная разработка является составной частью исследования автоматизации управления процессом обучения. Компьютерные эксперименты, проведённые в Южноукраинском педагогическом университете им. К.Д. Ушинского (г. Одесса), подтверждают возможность генерации последовательности ДС в соответствии с дидактической задачей для каждого УЭ. Эксперименты проводились для проектирования ДС, реализуемой в системе управления обучением дистанционного курса «Методика преподавания информатики». Полученные результаты позволяют не только эффективно управлять самостоятельной работой студентов, но и являются интеллектуальной поддержкой для преподавателя в «безмашинном» обучении.

Заключение

Разработана структурно-параметрическая модель ДС, на основе которой предложено нейро-нечёткое управление процессом формирования полидидактических элементов ДС, адекватных поставленной дидактической задаче на уровне УЭ.

Предложенный подход может быть использован для автоматизации определения ДС как для различных форм автоматизированного обучения, так и для традиционного в качестве интеллектуальной поддержки преподавателя. Практическое значение реализации данного подхода определяется важностью адекватного формирования ДС для повышения качества обучения за счёт объективного учёта совокупности нечётко выраженных факторов, влияющих на результативность процесса обучения.

Литература

[Беспалько В.П., 2002] Беспалько В.П. Образование и обучение с участием компьютеров (педагогика третьего тысячелетия). – М.: МПСИ, 2002. – 352 с.

[Леоненков А.В., 2003] Леоненков А.В. Нечёткое моделирование в среде Matlab и fuzzyTEACH. – СПб.: БХВ - Петербург, 2003. – 736 с.

[Маслов С.И., 2004] Информатизация образования: направления, средства, технологи /Под общ. ред. С.И. Маслова. – М.: Издательство МЭИ, 2004. – 868 с.

[Рутковская Д., 2006] Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечёткие системы. – М.: Горячая линия – Телеком, 2006. – 452 с.