Geum.ru
Темы диссертаций по экономике » Математические и инструментальные методы экономики

Экономико-математическая модель адаптивного сетевого обучения в открытых информационных системах тема диссертации по экономике, полный текст автореферата



Автореферат



Ученая степень кандидат экономических наук
Автор Феданов, Александр Николаевич
Место защиты Москва
Год 2004
Шифр ВАК РФ 08.00.13
Диссертация

Автореферат диссертации по теме "Экономико-математическая модель адаптивного сетевого обучения в открытых информационных системах"

На правах рукописи

ФЕДАНОВ АЛЕКСАНДР НИКОЛАЕВИЧ

Экономико-математическая модель адаптивного сетевого обучения в открытых информационных системах

Специальность 08.00.13 Ч Математические и инструментальные методы экономики

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата экономических наук

Москва, 2004

Работа выпонена в Московском государственном университете экономики, статистики и информатики (МЭСИ) на кафедре Математического обеспечения и технологий программирования

Научный руководитель

кандидат экономических наук, доцент Комлева Нина Викторовна

Официальные оппоненты

доктор экономических наук, профессор Афёрова Зоя Васильевна

кандидат экономических наук, доцент Дробин Сергей Владимирович

Ведущая организация

Всероссийский Заочный Финансово экономический Институт (ВЗФЭИ)

Защита диссертации состоится л 24 июня 2004г. в 10.00 -часов на заседании диссертационного совета К 212.151.01 в Московском государственном университете экономики, статистики и информатики по адресу: 119501, Москва, ул. Нежинская, д.7.

С диссертацией можно ознакомиться в библиотеке Московского государственного университета экономики, статистики и информатики.

Автореферат разослан л 22 июня 2004 г.

Ученый секретарь диссертационного совета.

кандидат экономических наук, доцент

Гокина Г.Е.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы

Системы сетевого обучения в настоящее время стали неотъемлемой частью образования различного уровня во всем мире. Это объясняется высоким спросом со стороны населения на образовательные услуги. Так, анализ структуры образования работающего населения развитых стран показывает, что 15% населения, имеющие высшее образование, создают до 60% валового национального продукта. Одновременно с этим современное постиндустриальное общество оказывает сильное воздействие на качественный и количественный состав требований, предъявляемых к сотрудникам субъектов экономики. При этом основным препятствием к получению допонительного образования согласно социологическим опросам является необходимость совмещать учёбу с основной деятельностью.

Наличие стабильно высокого спроса на сетевое обучение привело к накоплению значительных объёмов учебных материалов (УМ), хранящихся в электронном виде и доступных через Интернет. Это было связано с верой в безграничные возможности сети Интернет и так. называемую- новую экономику. Предполагалось, что одно только использование современных информационных технологий позволит в значительной степени повысить производительность труда преподавателя и уменьшить затраты на подготовку нового специалиста. Однако анализ результатов деятельности значительного количества компаний, работающих на рынке сетевых образовательных услуг, показывает, что даже несмотря на повышенный потребительский спрос, многие из них остаются убыточными и в результате прекращают своё существование. То есть, существующие способы организации сетевого обучения не всегда обеспечивают экономическую целесообразность их применения.

Таким образом, актуальной является задача уменьшения затрат сетевого образовательного процесса при сохранении требуемого качества подготовки специалиста. Среди основных факторов, влияющих на экономическую эффективность сетевого обучения, выделяют высокие первоначальные затраты и удельную стоимость качественной подготовки специалиста, что является следствием переноса традиционных принципов построения очного образовательного процесса в информационную среду. В результате в некоторых случаях временные затраты преподавателя на обучение одного студента, наоборот, возрастают. Информационные образовательные системы,

3 РОС НАЦИОНАЛЬНАЯ {

БИБЛИОТЕКА I ' 09

использующие интелектуальные технологии поддержки учебного процесса и адаптивные информационные технологии, отражающие опыт преподавателя, могут освободить его от рутинной работы. Это позволяет увеличить производительность труда преподавателя и уменьшить затраты хозяйствующих субъектов.

Вследствие перечисленных выше факторов актуальной экономической задачей является осуществление качественного сетевого обучения. Для её решения необходима разработка модели объектного адаптивного автоматизированного обучения и оценка её экономической эффективности. При этом, недостаточное развитие интелектуальных технологий поддержки учебного процесса и адаптивных информационных технологий, отвечающих современным требованиям, ставит задачу разработки соответствующего программного обеспечения, позволяющего разрешить указанные трудности.

Цель и задачи работы

Целью диссертационного исследования является разработка экономико-математической модели и инструментальных средств автоматизированного объектного адаптивного обучения как развитие информационных технологий в отрасли образования.

Для достижения сформулированной цели решается основная задача исследования: моделирование процесса разработки объектного учебного материала и процесса автоматизированного сетевого обучения, как основного инструмента создания адаптивных технологий.

В соответствии с указанной целью в рамках исследования необходимо решить следующие подзадачи:

Х построение экономико-математической модели издержек и прибыли процесса разработки учебных объектов (УО). Учебный объект (учебная тема) - это необходимая и достаточная порция учебной информации, включающая один или более компонентов, необходимых для достижения цели обучения;

Х создание модели учебного материала с учётом его вероятностной структуры на основе формального представления УО путём оценки их количественных и качественных характеристик;

Х построение и анализ агоритма объектного адаптивного обучения;

Х создание методики оценки эффективности объектного адаптивного процесса обучения в автоматизированных обучающих системах (АОС);

Х разработка и апробация инструментария и технологии адаптивного обучения в информационной системе Технологии образовательных ресурсов (ТОР), реализующей концепцию объектно-ориентированного учебного материала.

Объект и предмет исследования

Объектом диссертационного исследования являются процессы сетевого адаптивного обучения реализуемые на базе объектных технологий и используемые субъектами экономики для подготовки специалистов.

Предмет исследования Ч управление обучением с учётом вероятностной структуры объектного учебного материала на основе экономико-математических методов.

Методика исследования

Теоретическую и методологическую основу проведенного исследования составили работы отечественных и зарубежных ученых и специалистов в области экономики, системного анализа, адаптивного управления сложными системами и образования, таких, как ПЛ. Брусиловский, С. Доунс, А.А. Емельянов, А. Кобса, Г.С. Курганская, Ю.И. Лобанов, Ю.Б. Рубин, В.И. Содаткин, Л.Г. Титарев, В.П. Тихомиров, К. Шэнон, М.Х. Эренштейн и др.

Научная новизна работы

Впервые предложена экономико-математическая модель объектного адаптивного обучения, позволяющая получать количественные оценки параметров образования.

Кроме того, получены следующие результаты, обладающие научной новизной:

Х впервые построена экономико-математическая модель издержек и прибыли процесса разработки УО, позволяющая оценить затраты на подготовку объектных учебно-методических материалов (УММ). Показано, что использование объектного подхода позволяет уменьшить первоначальные затраты, возникающие для организации сетевого обучения;

Х разработана методика оценки учебных объектов как основных структурных единиц УММ, позволяющая объективно оценивать их характеристики. Её использование позволяет осуществлять адаптацию

УММ согласно начальным знаниям и цели обучения студента, что снижает издержки подготовки специалиста субъектом экономики;

Х предложена модель и агоритм автоматизированного объектного адаптивного обучения в АОС, что позволяет отразить опыт преподавателя в информационной системе и в результате проводить качественное персонализированное сетевое обучение;

Х впервые построена экономико-математическая модель издержек и прибыли адаптивного образовательного процесса на основе объектно-ориентированного учебного материала. Это позволяет дать количественную оценку экономических параметров сетевого адаптивного обучения и доказать экономическую целесообразность использования интелектуальных технологий в сетевом обучении.

Практическая значимость результатов работы

Предложенный в диссертационном исследовании пакет прикладных программ может быть использован вузами для проведения учебного процесса на базе современных международных технологических стандартов в отрасли образования.

Впервые в России разработана и реализована объектная адаптивная технология сетевого обучения в среде объектно-ориентированной информационной системы Технологии образовательных ресурсов (ТОР), предоставляющая необходимый инструментарий для создания УММ и проведения учебного процесса.

Разработанный экономико-математический инструментарий может быть использован в образовательных структурах для оценки объёма первоначальных затрат и срока возврата инвестиций на подготовку и организацию сетевого адаптивного обучения.

Реализация и апробация результатов работы

Результаты проведённого исследования апробированы и используются в учебном процессе в МЭСИ и Московском международном институте эконометрики, информатики, финансов и права (ММИЭФП).

Результаты работы представлялись на ряде конференций, а также были использованы при выпонении следующих НИР Министерства образования РФ: Разработка принципов создания системы автоматизированного проектирования учебно-методического обеспечения (САПР УМО) и среды

публикации и испонения сетевых курсов на основе спроектированного УМО (per. номер 01.20.02 15240); Создание фундаментальных основ построения и функционирования информационной образовательной среды (per. номер 01.20.03 16233); Создание теоретических, методических и организационных основ обучения в вузах с использованием Интернет (per. номер 01.20.03 16231).

Публикации

Основные положения диссертации изложены в восьми публикациях общим объемом 6,4 п. л.

Структура и объем работы

Работа состоит из введения, трёх глав, заключения, списка литературы и приложений.

Краткое содержание работы

Во введении обоснованы актуальность выбранной темы, сформулированы цели и задачи исследования, отмечена новизна результатов, их научная и практическая значимость.

Первая глава Анализ методов и средств адаптивного обучения в автоматизированных обучающих системах, состоящая из трех разделов, посвящена обоснованию необходимости разработки экономико-математической модели адаптивного сетевого обучения.

Организация сетевого обучения хозяйствующим субъектом" экономики требует значительных первоначальных затрат: на покупку информационных инструментальных средств разработки учебных материалов, поддержку процесса обучения и создание технической базы. Фиксированные издержки (например, затраты на актуализацию программно-телекоммуникационной среды и УМ, заработную плату административно-управленческого персонала) и переменные затраты (например, заработанная плата преподавателей и другого персонала вуза, аренда помещений) также составляют значительные суммы. Из анализа данных показателей следует, что при определённых условиях срок окупаемости сетевого обучения оказывается большим, рентабельность низкой или сетевое обучение с течением времени остаётся убыточным. К основным факторам, обуславливающим указанные проблемы, относятся высокие затраты на разработку и дальнейшее использование учебного материала, а также

затраты, связанные с выбранным способом организации учебного процесса хозяйствующим субъектом.

Разработка качественного учебного материала для сетевого обучения сопряжена с допонительными затратами на специальное представление, обусловленное технологией обучения, созданием допонительных графических и мультимедиа компонентов, специализированных элементов контроля знаний. Использование объектно-ориентированного подхода, развиваемого международным консорциумом IMS, направлено на разрешение указанных трудностей путём введения в использование учебного объекта, стандартизированного на уровне формата данных.

Использование УО в традиционной форме сетевого обучения в силу высоких затрат на их создание не оказывает существенного снижения издержек, а также не способствует повышению качества предлагаемых хозяйствующим субъектом экономики услуг. Введение адаптивности в процесс обучения способно повысить эффективность учебного процесса, а также снизить переменные затраты. Это может быть достигнуто с помощью интелектуальных технологий поддержки учебного процесса, отражающих опыт преподавателя в АОС.

АОС представляет учебную автоматизированную систему, учитывающую особенности студента в модели пользователя для выбора оптимальных значений параметров обучения. Система состоит из обучающего модуля, адаптируемого компонента' и модели пользователя. Автоматизированные обучающие системы относятся к специфическому виду технических средств обучения и призваны освободить преподавателя от рутинной работы. Наиболее эффективная модель автоматизированного обучения базируется на его представлении в виде некоторой разновидности процесса управления познавательной деятельностью, обеспечивающей. достижение поставленной цели. Отличительной особенностью этого управления является то, что оно осуществляется опосредованно, через психическую деятельность обучаемого. Это ставит задачу формализации параметров обучаемого и учебного материала, которые необходимо учесть в модели автоматизированного адаптивного обучения на основе объектных технологий.

Таким образом, необходимо:

Х построить экономико-математическую модель издержек и прибыли процесса разработки УО, позволяющую оценить затраты на подготовку учебно-методических материалов;

Х разработать экономико-математическую модель и агоритм адаптивного сетевого обучения на основе объектно-ориентированного учебного материала, что позволит дать количественную оценку экономических параметров образовательного процесса.

Синтез указанных моделей даст оценку экономической эффективности адаптивного сетевого обучения.

Вторая глава Экономико-математическая модель адаптивного образовательного процесса, состоящая из пяти разделов, посвящена моделированию процесса разработки объектного учебного материала, автоматизированного сетевого обучения и оценки их эффективности.

Рассмотрим процесс обучения в АОС как задачу управления сложным объектом. Тогда ученик выступает в качестве объекта управления, а учитель, или обучающее устройство, Ч в качестве источника управления, то есть управляющего устройства. Таким образом, задача обучения; формально включает следующие четыре компоненты.

Х Цель обучения (конечное состояние) Ч У.

Х Учебные объекты, то есть обучающая информация, которую необходимо изучить обучаемому и под воздействием которой у него дожны сформироваться определённые знания, умения и навыки Ч О.

Х Модель обучаемого Ч набор параметров, отражающих уровень знания элементов УММ обучаемым и его индивидуальные характеристики. В данной работе в качестве такой характеристики рассматривается скорость забывания УО.

Х Агоритм обучения Ч А.

Учебный процесс на О есть последовательность обучающих воздействий и={и!,...,им}, определяемых согласно А. Для упрощения изложения примем, что каждому учебному объекту О, взаимнооднозначно соответствует обучение

иД / = 1,Л/, где М Ч количество учебных тем. Тогда, под выбором и, будем понимать выбор и предоставление обучаемому соответствующего объекта О,. Процесс обучения состоит из последовательности шагов, в общем случае не равноотстоящих друг от друга во времени, начинающихся в моменты времени в течение которых обучаемый изучает предоставленный ему объект согласно его текущему состоянию и выбранному агоритму обучения. В

начальный момент времени обучаемый находится в состоянии У0, а в результате управляющих воздействий и обучаемый переводится в заранее

определённое конечное состояние У'. Задача обучения состоит в построении последовательности обучающих воздействий

переводящих обучаемого из К0 в V , причём данный процесс дожен быть оптимальным в смысле затрат времени и объёма полученных знаний.

Так как состояние обучаемого У непосредственно наблюдать нельзя, то средством автоматизированного измерения положения в мерном пространстве являются ответы на вопросы тестов, которые предоставляют АОС информацию об усвоении материала обучаемым. Примем, что

где - случайная величина, оценка за тест по учебному

объекту О,:

г/ - бинарная случайная величина. если дан правильный ответ нау-

ый вопрос теста в противном случае.

- общее количество вопросов в тесте

Для определения эффективности и прогресса обучения рассмотрим

функцию уровня обучения Ь'-ЦУ'), вычисляемую в моменты времени (0, следующим образом:

- определённое значение случайной величины. в момент времени

К/ - ценность -ой учебной темы, Ценность определяется

количеством связей между данным объектом и остальными объектами репозитария. Численно это значение можно определить с помощью модифицированного индекса цитируемости PageRank, который определяет

ценность объекта О, рекурсивно на основе информации о ссылающихся на О, объектах О,.

й- некоторый параметр;

Ыпкя(0^ - количество ссылок, выходящих со страницы Ог Примем, что ценность всего изучаемого материала равна 1. Тогда,

Однако ввиду свойства человеческой памяти (забывание),

Следовательно, необходимо говорить о достижении определённого уровня обученности в, т.е.

Ь' > в. (6)

Цель обучения состоит в максимизации значения ' с помощью воздействий

Ц У) = шах ЦГ')>в,

иЧ множество допустимых обучений для учебного процесса, приводящего

обучаемого в состояние , учитывающих структуру учебного материала и модель пользователя.

Для двух любых агоритмов! А/ и Аг выбора и' л*), п<М можно

говорить, что "АI лучше Аесли использование А1 приводит к достижению в за время (количество шагов обучения), меньшее, чем при А2.

Учёт различных параметров обучаемого в модели пользователя позволяет определить, как изменяется его состояние под воздействием различных объектов обучения, то есть:

У и У' ' Ч состояние обучаемого в моменты времени 1 и 1;-/ соответственно;

Ж- оператор модели обучаемого;

и - соответствует объекту ОД выбираемому согласно агоритму обучения;

Р" - параметры модели обучаемого до изучения учебного материала и'.

Агоритм обучения, позволяющий определить и' = и, в общем случае

заключается в решении задачи локальной максимизации значения Ь(У') на каждом шаге процесса обучения.

Оператор Р следует выбрать таким образом, чтобы он соответствовал структуре учебного материала и отражал индивидуальные особенности обучаемых. Указанная модель применяется для любого пользователя АОС.

В модель обучаемого помимо V и У входит также индивидуальный параметр обучаемого - скорость забывания изученного материала. Выберем экспоненциальную модель забывания изученного материала. Тогда, объём остаточных знаний по теме учебного объекта О, через время Д, уменьшается, и прогнозируемая оценка по тесту составляет:

Л, - интенсивность забывания материала темы учебного объекта О,. Среднее время забывания равно Данный параметр зависит от учебного объекта и от индивидуальных особенностей памяти обучаемого;

Д, = / - - время, прошедшее с момента последнего изучения О,, где / -текущий момент времени, - момент последнего изучения материала О,.

Агоритм, позволяющий определить а следовательно, и очередной объект ОД дожен учитывать задаваемую автором структуру учебного материала в процессе разработки, то есть учитывать взаимосвязи (и просто их наличие) между УО. Для этого каждому объекту определим:

Х gl - оценка за итоговый тест учебного объекта /;

Х СРТ - множество условных вероятностей, отражающих зависимость данного объекта от других.

Таким образом, учебному материалу сопоставлено множество случайных величин и множество условных вероятностей,

задаваемых экспертным путём:

СРТ={Р(Хх = I(V, = я,)).....Р(Хи = 8и I = Е,)}.

Такое представление УМ позволяет описать структуру причинно -следственных процессов в области или предмете и представляет удобный

инструмент моделирования поведения пользователя, так как появляется возможность управлять неопределённостями в отношении знаний пользователя и выбирать оптимальное управление в процессе обучения.

Используя вероятностное представление УМ, производится адаптация материалов согласно цели обучения и начальным знаниям обучаемого. То есть решается задача построения минимального множества учебных объектов,

которые необходимо изучить для перехода из состояния такого, что:

ЧХ.еХ : />(Г^/,|1,>д^(Г>/т) Р{Х">1\Х, >! ) = Р{Х" >1), / = р/.

Определим оптимальное управление и с учётом вероятностного представления структуры учебного материала. Для принятия решения о выборе объекта оценивается условная вероятность того, что студент, владея рядом УО на определённом уровне, может изучить материал другого объекта и получить оценку не ниже

р;=Р(Х, > с 1Г№,=х))),ы\м.

Исходя из данных оценок, строится текущее множество допустимых

управлений V с и для процесса, переводящего обучаемого в состояние У, учитывающих структуру учебного материала и параметры пользователя:

- заданный уровень надёжности прогнозирования оценок АОС.

Далее на этом множестве решается локальная оптимизационная задача выбора - объекта обучения, который будет предоставлен для изучения на данном шаге. Для максимизации значения Ь' необходимо выбрать то управление и' из множества допустимых /, которое приведёт к выбору максимально возможного произведения то есть

/ =аге шах У.х'..

У-л (Х'! ' '

Оценим продожительность обучения студента согласно описанному выше агоритму, зависящую от промежутков между шагами обучения St и продожительности одного шага обучения At. Примем St =0 и М=с.

Согласно (2), а так же учитывая (9), получаем:

Д, - время, прошедшее с последнего момента изучения материала;

А, - интенсивность забывания материала темы О,.

Исходя из того, что обучаемому представляется учебный материал повторно, если его уровень владения им недостаточен, вводится понятие цикла обучения - количество раз г, сколько предоставляется УМ. Предполагается, что если по окончанию очередного цикла уровень обученности 1!(г)<0; то обучаемому снова выдаётся весь УМ. Это позволяет дать описанному выше агоритму оценку сверху. Примем, что интенсивность забывания УО, зависящая также от количества изучений данного объекта, определяется функцией/ и при г-юо:

ДЛ ,/Х)-> 0. (16)

Так как из (15) получить требуемую оценку затруднительно, то рассмотрим наиболее простой случай - учебные объекты О, выдаются последовательно на каждом цикле и изучаются в течение времени Тогда,

Так как М-1+1<М и в ы б иршшпол у ч а е м

^Уе^^^х', >в. (18)

Так как при (ценность всего УМ есть 1), то

То есть уровень обученности с увеличением количества повторений сходится к 1. Следовательно, данный агоритм адаптивного обучения также сходится. То есть, использование данного агоритма позволяет решить поставленную задачу адаптивного обучения,' осуществляющую перевод

обучаемого из состояния оптимальным способом, в смысле затрат

времени и объёма полученных знаний.

Из (18) возможно получить оценку количества циклов необходимых для достижения уровня обученности в. Для этого следует решить уравнение (20) относительно г и взять целую часть полученного решения.

АО='Ч'^ 0

Время адаптивного изучения учебного материала Г есть:

сМ<Т<гтсМ. (21)

Итак, получена оценка сверху и снизу необходимого количества времени для достижения цели обучения. Однако так как согласно описанному выше адаптивному агоритму цикл обучения не состоит из повторения всех УО, то фактическому времени изучения будет соответствовать некоторая кривая из области А (рисунок 1), ограниченной кривой 2 и оХ. Причём, эта кривая будет тем ближе к кривой 2, чем больше будет значение индивидуального для каждого обучаемого параметра

Количество УО

Рисунок 1. Время обучения при использовании традиционной и адаптивной формы сетевого обучения (с контролем качества обучения)

Согласно производимой адаптации УМ на основе цели обучения и начальных знаний обучаемого, можно записать, что

М- количество У О в адаптированном учебном материале с учётом его вероятностной структуры и цели обучения;

- количество циклов, необходимое для изучения адаптированного УМ на

уровне обученности

Таким образом, использование адаптивного образовательного процесса в рамках объектной концепции представления УМ для сетевой формы обучения

обеспечивает качество обучения на требуемом уровне (на уровне обученности в), и для этого необходимо меньшее количество времени (ввиду использования уровня адаптивности учебного контента), чем при традиционном процессе с контролем качества обучения (рисунок 1).

Экономико-математическая модель адаптивного образовательного процесса включает (1) модель издержек и прибыли процесса разработки объектно-ориентированного учебного материала и (2) модель процесса обучения.

Процесс разработки объектного учебного материала включает несколько этапов: определение учебных целей УМ, декомпозиция материала на УО, подбор уже существующих объектов в репозитарии для текущего производства, разработка новых УО. Возможность многократного использования УО является одной из важнейших характеристик объекта, так как появляется возможность его повторного использования при разработке нового учебного курса или программы. То есть авторам УМ предоставляется возможность использования учебных объектов, созданных ранее.

Для построения (1) введём в рассмотрение следующую систему показателей модели.

1. Пусть после декомпозиции учебного материала на У О определена

необходимость разработки количества объектов. В

результате анализа учебных объектов репозитария выбрано для повторного использования. Тогда вектор производства информационных объектов к различных типов есть

2. Вектор необходимого количества п специалистов роли / для разработки

3. Матрица коэффициентов трудозатрат производства информационных объектов различного типа, включая затраты на пакетирование и сопряжение информационных объектов в единый учебный объект:

Сумма элементов Д, по строкам равна 1, так как работа дожна быть выпонена поностью.

4. Вектор коэффициентов пооперационной загрузки специалистов роли / в день:

5. Вектор коэффициентов пооперационной загрузки единицы специалиста роли 1 в день:

6. Вектор значения заработной платы единицы специалиста /-ой роли в день:

7. Вектор необходимого количества оборудования и инфраструктуры вида

8. Вектор стоимости единицы оборудования и инфраструктуры вида г:

9. Пооперационный коэффициент загрузки оборудования вида г в день:

Ю.Вектор загрузки единицы оборудования вида г:

11.Вектор издержек на содержание оборудования, включающих в себя расходы на амортизацию, электроэнергию, инфраструктуру и аренду единицы оборудования вида г в день:

При анализе векторов может оказаться, что некоторые элементы

этих векторов равны 1. Для вектора это означает, что один или несколько специалистов роли / заняты в производственном процессе на 100%, и для

вектора X - одна или несколько единиц оборудования вида г использованы в производственном процессе на 100%. Данные значения параметров указывают

на максимальную загрузку человеческих ресурсов и оборудования. Процесс производства УО занимает не более:

Т^ = max р0 дней

и не менее

Переменные издержки (VC - Variable Costs) составят:

VC = p0-s = y0-A0-s

Постоянные издержки (FC - Fixed Costs), связанные с использованием оборудования и инфраструктуры, определяются следующим образом:

Тогда общие постоянные издержки (TFC- Total Fixed Costs) составляет:

TFC = C+FC, (38)

С Ч постоянные издержки, связанные с зарплатой административно -управленческого персонала.

Таким образом, общие затраты на разработку УО (ТС - Total Costs) определяются как

ТС = Т^ TFC + VC (I +Н), (39)

Н - величина социального налога на заработный фонд предприятия, который на сегодняшний день составляет 35,8%.

Для построения модели адаптивного образовательного процесса введём в рассмотрение следующую систему показателей модели. Для вуза (в день):

1. N- количество учебных программ;

2. Ч среднее время изучения УМ программы /, l-l,N студентом,

определяемое согласно (21);

3. к Ч количество обучаемых студентов;

4. s - зарплата единицы профессорско-преподавательского состава в день (из расчёта затрат на одного студента);

5. sk - количество студентов, обучаемых одним преподавателем;

6. Ь - издержки использования вычислительной техники и инфраструктуры в день (включая Интернет трафик) из расчёта затрат на одного студента; Организация сетевого обучения требует значительных первоначальных затрат. К ним, в первую очередь, относятся затраты на покупку информационных инструментальных средств разработки учебных материалов, поддержки процесса обучения и затраты на создание технической базы. Тогда, первоначальные затраты согласно (36)-(39) равны:

1ТС=Тт{С + 1~1) +10с+У0-А0-}(1+Н). (40)

Фиксированные издержки, например, затраты на актуализацию программно-телекоммуникационной среды и УМ, заработную плату административно-управленческого персонала составляют

- интенсивность выхода оборудования из строя. Переменные затраты, например, заработанная плата преподавателей и другого персонала вуза:

1УС=ТСвД=Ь-к + ($-к1вку^Т1Р. (42)

Средний доход, получаемый организацией в результате образовательной деятельности, определяется:

Мер - среднее количество УО, изучаемых одним студентом;

- средний доход, получаемый организацией от использования одного

Используя (40)-(43), получаем количество студентов, необходимое для возврата сделанных инвестиций. То есть точка окупаемости определяется соотношением:

[х]Ч целая часть числах.

Соотношения (40)-(44) определяют экономико-математическую модель издержек и прибыли адаптивного сетевого обучения на основе объектно-ориентированного учебного материала. Из соотношения (44) следует, что количество студентов, которое необходимо обучить для возврата первоначальных инвестиций для адаптивного учебного процесса меньше, чем для традиционного дистанционного, так как за счёт интелектуальных технологий поддержки образовательного процесса преподаватель может обучать большее количество студентов. Учитывая соотношение (40), можно сделать вывод, что первоначальные инвестиции, необходимые для начала обучения при использовании концепции объектно-ориентированного учебного материала меньше, чем при традиционной форме разработки УММ.

Разработанная экономико-математическая модель впервые позволяет оценить затраты на создание и срок возврата сделанных инвестиций, например, в Интернет факультет в вузе.

Третья глава Разработка АОС с моделью пользователя, состоящая из пяти разделов, посвящена описанию созданных инструментов разработки объектно-ориентированного УММ и интелектуальных механизмов поддержки учебного процесса в АОС ТОР. В данной главе экспериментально подтверждается достоверность разработанной математической модели и практической реализации адаптивного сетевого обучения. Показано, что использование адаптивных технологий обучения позволяет при гарантированном качестве уменьшить затрачиваемое на обучение время, а следовательно, и издержки вуза.

В рамках данной диссертационной работы был разработан оригинальный инструментарий системы управления учебными ресурсами и процессом обучения Технологии Образовательных Ресурсов, включающий следующие новые подсистемы:

Х лTOP Adaptive Courseware Add-in в системе автоматизированного проектирования УМ (ТОР САПРУМ) для снабжения УО допонительной метаинформацией, обеспечивающей возможность адаптации материала согласно знаниям и целям обучаемого;

Х лTOP Adaptive Navigaton> в системе управления обучением ТОР Основной Сервер, позволяющая осуществлять адаптацию УМ на основе цели обучения и начальных знаний, а также управлять процессом обучения, подбирая для студента оптимальные в рамках указанных выше ограничений УО.

Укрупнённая схема обновлённой архитектуры системы ТОР приведена на рисунке 2. Разработчики УО, используя ТОР САПРУМ, создают новые, редактируют или внедряют существующие адаптируемые УО и публикуют их для использования в ТОР Репозитарии. Учебные объекты впоследствии предоставляются студентам к изучению на основе агоритма адаптивного обучения, а также преподавателям для организации и контроля за учебным процессом.

В рамках данного диссертационного исследования было смоделировано 10 000 изучений курса лMS SQL Server 2000. Проектирование и реализация. Перед лобучаемыми ставилась задача изучения способов анализа выпонения запросов и последующей их оптимизации. Методом оценки достижения цели обучения, согласно объектной концепции, являлось тестовое задание из 50 вопросов. Считалось, что цель достигнута, если по результатам тестовых заданий лобучаемый правильно отвечал не менее чем на 70% вопросов (рисунок 3).

При 95-процентном уровне надёжности доверительный интервал количества шагов обучения находится в диапазоне значений [17.90; 18.06], то есть составляет 18 шагов. Величина этого интервала составляет 0.89% относительно математического ожидания. Следовательно, можно сделать вывод о достаточной точности экспериментальных результатов, что подтверждает достоверность разработанной модели адаптивного автоматизированного обучения.

% 0<в л

| 03 *Х 0л ол ол

0 2 4 6 8 10 12 1л 1С 16 шаг обучения

Рисунок 3. Динамика изменения уровня обученности

В заключении содержатся выводы и рекомендации по выпоненной работе.

В результате данного диссертационного исследования разработана оригинальная экономико-математическая модель и инструментальные средства автоматизированного адаптивного обучения. Впервые предложена экономико-математическая модель объектного адаптивного обучения, позволяющая получать количественные оценки параметров образования. Полученные результаты могут составить основу бизнес-планов субъектов экономики по использованию сетевого обучения. Предложенный в диссертационном исследовании пакет прикладных программ может быть использован вузами для проведения учебного процесса на базе современных международных технологических стандартов в отрасли образования. Данный пакет уже используется в МЭСИ и ММИЭФП.

Основные результаты и выводы настоящего исследования заключаются в следующем:

Х разработана оригинальная методика оценки учебных объектов как основных структурных единиц УММ. Создана модель учебного материала с учётом его вероятностной структуры на основе формального представления УО путём оценки их количественных и качественных характеристик. Её использование позволяет осуществлять адаптацию УММ согласно начальным знаниям и цели обучения студента, что снижает издержки подготовки специалиста хозяйствующим субъектом экономики;

Х впервые построена экономико-математическая модель издержек и прибыли процесса разработки учебных объектов, позволяющая оценить затраты на подготовку учебно-методических материалов. Показано, что использование объектного подхода при определённых условиях позволяет уменьшить издержки производства УО. Экспериментальное использование разработанной модели подтверждает её достоверность;

Х предложена новая модель и агоритм автоматизированного объектного адаптивного обучения в АОС, что позволяет отразить опыт преподавателя в информационной системе и в результате проводить качественное персонализированное сетевое обучение с использованием модели пользователя. Разработана оригинальная методика оценки эффективности процесса обучения в автоматизированных обучающих системах. Впервые построена экономико-математическая модель издержек и прибыли адаптивного образовательного процесса на основе объектно-ориентированного учебного материала. Это позволяет дать количественную оценку экономических параметров сетевого адаптивного обучения;

Х разработан программно-технологический комплекс адаптивного обучения в информационной системе Технологии образовательных ресурсов, реализующей концепцию объектно-ориентированного учебного материала. Модельные эксперименты подтверждают достоверность выбранных методов и средств для решения поставленной задачи.

По теме диссертации опубликованы следующие работы:

1. Титарев Л.Г., Титарев ДЛ., Ильченко О А., Феданов А.Н., Стандарт ISO "Тематические схемы": Применение к сетевому обучению // Технологические стандарты в образовании: 23-24 апреля 2003 г. Сборник тезисов докладов. Издательский центр МЭСИ, 2003 - 402 с, стр. 329-393.

2. Феданов А.Н., Титарев ДЛ., Открытые образовательные информационные системы // Открытое образование, № 1,2003. стр. 9-17.

3. Титарев ДЛ., Феданов А.Н., Медведев А.П., ТОР - первая объектная образовательная среда России // Роль информационных технологий при обучении на программе МВА: Сборник тезисов докладов. - М.: Издательский центр МЭСИ, 2003 -294 с, стр. 235-241.

4. Тельнова Т.Ю., Титарев Д.Л., Феданов А.Н., Адаптивное обучение студента в системе открытого образования на базе международных образовательных стандартов // Технологические стандарты в образовании: 23-24 апреля 2003 г. Сборник тезисов докладов. Издательский центр МЭСИ, 2003 - 402 с, стр. 261-269.

5. Феданов А.Н., Поиск и анализ текстовой информации в сети Интернет // Реинжинириг бизнес-процессов на основе современных информационных технологий. Системы управления знаниями: 19-20 марта 2002 г. Сборник научных трудов. Издательский центр МЭСИ, 2002 Ч 418 с, стр. 274-277.

6. Феданов А.Н., Система автоматизированного проектирования учебно-методического обеспечения (САПР УМО) // Реинжинириг бизнес-процессов на основе современных информационных технологий. Системы управления знаниями: 19-20 марта 2002 г. Сборник научных трудов. Издательский центр МЭСИ, 2002 - 418 с, стр. 334-336.

7. Феданов А., Адаптивные обучающие системы: современное состояние и перспективы развития. // Открытое Образование, № 6,2003, стр. 56-64.

8. Феданов А.Н., Стандартизация образовательных технологий // в книге Глобализация и конвергенция образования: технологический аспект/ Под общей ред. проф. Ю. Б. Рубина // М.: "Маркет ДС Корпорейшн", 2004 г. -540 с,стр. 232-278.

Подписано в печать 20 мая 2004 г. Заказ 408. Формат 60 х 90/16. Тираж 100 экз. Отпечатано в салоне оперативной печати АртПолиграф.

Москва, Б. Якиманка, 13, оф. 410. Тел. 778-97-47

Диссертация: содержание автор диссертационного исследования: кандидат экономических наук , Феданов, Александр Николаевич

Оглавление.

Введение.

Глава 1. Анализ методов и средств адаптивного обучения в автоматизированных обучающих системах.

1.1. Основные положения автоматизированного адаптивного обучения.

1.2. Модель пользователя

1.3. Объектный принцип построения учебных материалов.

1.4. Выводы по главе.

Глава 2. Экономико-математическая модель адаптивного образовательного процесса.

2.1. Постановка задачи обучения в АОС.

2.2. Объектно-ориентированный учебный материал.

2.3. Вероятностная структура объектного учебного материала.

2.4. Агоритм адаптивного обучения.

2.5. Экономико-математическая модель эффективности АОС.

2.6. Выводы по главе.

Глава 3. Разработка АОС с моделью пользователя.

3.1. Постановка задачи разработки инструментария адаптивного обечения в АОС ТОР.

3.2. Системы ТОР САПРУМ и ТОР Репозитарий для создания адаптивных учебных материалов.

3.3. Система ТОР Основной Сервер.

3.4. Результаты практического использования АОС ТОР:.

3.5. Выводы по главе.

Диссертация: введение по экономике, на тему "Экономико-математическая модель адаптивного сетевого обучения в открытых информационных системах"

Актуальность работы

Системы сетевого обучения в настоящее время стали неотъемлемой частью образования различного уровня; во всем мире. Это объясняется высоким спросом со стороны населения на образовательные услуги. Так, анализ структуры образования работающего населения развитых стран показывает, что 15% населения, имеющие высшее образование, создают до 60% валового национального продукта. Одновременно с этим современное постиндустриальное общество оказывает сильное воздействие на качественный и количественный состав требований, предъявляемых к сотрудникам субъектов экономики. При этом основным препятствием к получению допонительного образования согласно социологическим опросам является необходимость совмещать учёбу с основной деятельностью.

Наличие стабильно высокого спроса на сетевое обучение привело к накоплению значительных объёмов, учебных материалов (УМ), хранящихся в электронном виде и доступных через Интернет. Это было связано с верой в безграничные возможности сети Интернет и так называемую новую экономику. Предполагалось, что одно только использование современных информационных технологий позволит в значительной степени повысить производительность труда преподавателя и уменьшить затраты на подготовку нового специалиста. Однако анализ результатов деятельности значительного количества компаний, работающих на рынке сетевых образовательных услуг, показывает, что даже несмотря на повышенный потребительский спрос, многие из них остаются убыточными и в результате прекращают своё существование. То есть, существующие способы организации сетевого обучения не всегда обеспечивают экономическую целесообразность их применения.

Таким образом, актуальной является задача уменьшения затрат сетевого образовательного процесса при сохранении требуемого качества подготовки специалиста. Среди основных факторов, влияющих на экономическую эффективность сетевого обучения, выделяют высокие первоначальные затраты и удельную стоимость качественной подготовки специалиста, что является следствием переноса традиционных принципов построения очного образовательного процесса в информационную среду. В результате в некоторых случаях временные затраты преподавателя на обучение одного студента, наоборот, возрастают. Информационные образовательные системы, использующие интелектуальные технологии поддержки учебного процесса и адаптивные информационные технологии, отражающие опыт преподавателя, могут освободить его от рутинной работы. Это позволяет увеличить производительность труда преподавателя и уменьшить затраты хозяйствующих субъектов.

Вследствие перечисленных выше факторов актуальной экономической задачей является осуществление качественного сетевого обучения. Для её решения необходима разработка модели объектного адаптивного автоматизированного обучения и оценка её экономической эффективности. При этом, недостаточное развитие интелектуальных технологий поддержки учебного процесса и адаптивных информационных технологий, отвечающих современным требованиям, ставит задачу разработки соответствующего программного обеспечения, позволяющего разрешить указанные трудности.

Цель и задачи работы

Целью диссертационного исследования является разработка экономико-математической модели и инструментальных средств автоматизированного объектного адаптивного обучения как развитие информационных технологий в отрасли образования.

Для достижения сформулированной цели решается основная задача исследования: моделирование процесса разработки объектного учебного материала и процесса автоматизированного сетевого обучения, как основного инструмента создания адаптивных технологий.

В соответствии с указанной целью в рамках исследования необходимо решить следующие подзадачи:

Х построение экономико-математической модели издержек и прибыли процесса разработки учебных объектов (УО). Учебный объект (учебная тема) - это необходимая и достаточная порция учебной информации, включающая один или более компонентов, необходимых для достижения цели обучения;

Х создание модели учебного материала с учётом его вероятностной структуры на основе формального представления ^ УО путём оценки их количественных и качественных характеристик;

Х построение и анализ агоритма объектного адаптивного обучения;

Х создание методики оценки эффективности объектного адаптивного процесса обучения в автоматизированных обучающих системах (АОС);

Х разработка и апробация инструментария и технологии адаптивного обучения в информационной системе Технологии образовательных ресурсов (ТОР), реализующей концепцию объектно-ориентированного учебного материала.

Объект и предмет исследования

Объектом диссертационного исследования являются процессы сетевого адаптивного обучения реализуемые на базе объектных технологий и используемые субъектами экономики для подготовки специалистов.

Предмет исследования Ч управление обучением с учётом вероятностной структуры объектного учебного материала на основе экономико-математических методов.

Методика исследования

Теоретическую и методологическую основу проведенного исследования составили работы отечественных и зарубежных ученых и специалистов в области экономики, системного анализа, адаптивного управления сложными системами и образования, таких, как П.Л. Брусиловский, С. Доунс, А.А. Емельянов, А. Кобса, Г.С. Курганская, Ю.И. Лобанов, Ю.Б. Рубин, В.И. Содаткин, Л.Г. Титарев, В.П. Тихомиров, К. Шэнон, М.Х. Эренштейн и др.

Научная новизна работы

Впервые предложена экономико-математическая модель объектного адаптивного обучения, позволяющая получать количественные оценки параметров образования.

Кроме того, получены следующие результаты, обладающие научной новизной:

Х впервые построена экономико-математическая модель издержек и прибыли процесса разработки УО, позволяющая оценить затраты на подготовку объектных учебно-методических материалов (УММ). Показано, что использование объектного подхода позволяет уменьшить первоначальные затраты, возникающие для организации сетевого обучения;

Х разработана методика оценки учебных объектов как основных структурных единиц УММ, позволяющая объективно оценивать их характеристики. Её использование позволяет осуществлять адаптацию УММ согласно начальным знаниям и цели обучения студента, что снижает издержки подготовки специалиста субъектом экономики;

Х предложена модель и агоритм автоматизированного объектного адаптивного обучения в АОС, что позволяет отразить опыт преподавателя в информационной системе и в результате проводить качественное персонализированное сетевое обучение;

Х впервые построена экономико-математическая модель издержек и прибыли адаптивного образовательного процесса на основе объектно-ориентированного учебного материала. Это позволяет дать количественную оценку экономических параметров сетевого адаптивного обучения и доказать экономическую целесообразность использования интелектуальных технологий в сетевом обучении.

Практическая значимость результатов работы

Предложенный в диссертационном исследовании пакет прикладных программ может быть использован вузами для проведения учебного процесса на базе современных международных технологических стандартов в отрасли образования.

Впервые в России разработана и реализована объектная, адаптивная технология сетевого обучения в среде объектно-ориентированной информационной системы Технологии образовательных ресурсов (ТОР), предоставляющая необходимый инструментарий для создания УММ и проведения учебного процесса.

Разработанный экономико-математический инструментарий может быть использован в образовательных структурах для оценки объёма первоначальных затрат и срока возврата инвестиций на подготовку и организацию сетевого адаптивного обучения.

Реализация и апробация результатов работы

Результаты проведённого исследования апробированы и используются в учебном процессе в МЭСИ и Московском г международном институте эконометрики, информатики, финансов и права (ММИЭФП).

Результаты проведённого исследования были представлены на конференциях:

Х Всеросийская студенческая конференция Будущее электронного бизнеса в

России, 5-6 марта 2002, г. Москва

Х Всероссийская научно-практическая конференция Роль информационных технологий при обучении на программе, MB А, '30-31' января* 2003, г'.

Москва . , Х

Х Всероссийская научно-практическая конференция Реинжиниринг бизнес-процессов на основе современных информационных технологий. Системы управления знаниями, 19-20 марта 2003, г. Москва

Х Всероссийская научно-практическая конференция Технологические стандарты в образовании, 23-24 апреля 2003, г. Москва

Х Всероссийская научная конференция Научный сервис в сети Интернет, 22-27 сентября 2003, г. Новороссийск

Результаты работы были использованы при выпонении следующих НИР Министерства образования РФ: Разработка принципов создания системы автоматизированного проектирования учебно-методического обеспечения (САПР УМО) и среды публикации и испонения сетевых курсов на основе спроектированного УМО (per. номер 01.20.02 15240); Создание фундаментальных основ построения и функционирования информационной образовательной среды (per. номер 01.20.03 16233); Создание теоретических, методических и организационных основ обучения в вузах с использованием Интернет (per. номер 01.20.03 16231).

Публикации

Основные положения диссертации изложены в восьми публикациях общим объемом 6,4 п. л.

Структура и объем работы

Работа состоит из введения, трёх глав, заключения, списка литературы и приложений.

Краткое содержание работы

Во введении обоснованы актуальность выбранной темы, сформулированы цели и задачи исследования, отмечена новизна результатов, их научная и практическая значимость.

Первая глава Анализ методов и средств адаптивного обучения в автоматизированных обучающих системах, состоящая из трех разделов, посвящена обоснованию необходимости разработки модели адаптивного обучения в АОС.

В первом разделе рассматриваются: основные положения автоматизированного адаптивного обучения. Приводится систематика адаптивных технологий и методов адаптации.

Во втором разделе вводится в рассмотрение понятие адаптивной гипермедиа и модели пользователя включающей в себя 2 подхода - оверлейное и стереотипное моделирование. Обосновывается рассмотрение в данном исследовании оверлейного моделирования. Приводится краткий анализ существующих подходов к построению модели пользователя. Обосновывается представление задачи обучения как задачи управления сложным объектом.

Третий раздел посвящен объектному принципу построения учебного материала. Рассматривается актуальный вопрос стандартизации форматов и принципов разработки УМ. Вводятся в рассмотрение основные положения объектно-ориентированной концепции и лежащие в её основе международные технологические стандарты в образовании.

Вторая глава Экономико-математическая модель адаптивного образовательного процесса, состоящая из пяти разделов, посвящена построению экономико-математической модели адаптивного образовательного процесса.

В первом разделе осуществляется постановка задачи обучения в АОС как задачи управления сложным; объектом. При этом, обучаемый выступает в качестве объекта управления, а учитель или обучающее устройство - в качестве источника управления, то есть управляющего устройства.

Во втором разделе рассматривается объектно-ориентированный учебный материал, определяются качественные и количественные характеристики: объекта. Осуществляется построение экономико-математической модели издержек и прибыли ролевого процесса разработки УО.

Третий раздел посвящен рассмотрению вероятностной структуры учебного материала. Осуществляется построение агоритма, позволяющего получать оптимальное для обучаемого множество УО.

В четвертом разделе рассматривается агоритм адаптивного обучения и синтез оптимального управления. Показывается, что данный агоритм позволяет решить поставленную задачу обучения.,

В пятом разделе приводится экономико-математическая модель эффективности АОС. На основе ввода в рассмотрение понятия цикл обучения, получена оценка максимального количества циклов, необходимых для поного усвоения учебного материала. Даётся описание экономико-математическое модели адаптивного обучения, позволяющее получать количественные оценки параметров образования.

Третья глава Разработка АОС с моделью пользователя, состоящая из четырёх разделов, посвящена описанию созданных инструментов разработки объектно-ориентированного УММ и интелектуальных механизмов поддержки учебного процесса в АОС ТОР.

В первом разделе осуществляется постановка задачи разработки инструментария в информационной системе ТОР, приводится архитектура программного комплекса.

Во втором разделе рассматривается системы ТОР САПРУМ и ТОР Репозитарий и их основные функции для: создания адаптивных учебных материалов.

В третьем разделе рассматривается система ТОР Основной сервер и её функциональные возможности для проведения адаптивного сетевого учебного процесса.

В четвёртом разделе экспериментально подтверждается достоверность разработанной математической модели и практической реализации агоритма адаптивного сетевого обучения. Показано, что использование адаптивных технологий обучения позволяет при гарантированном качестве уменьшить затрачиваемое на обучение время.

В заключении изложены основные результаты диссертационной работы определены направления дальнейших исследований.

Диссертация: заключение по теме "Математические и инструментальные методы экономики", Феданов, Александр Николаевич

3.5. Выводы по главе

В данной главе было дано краткое описание адаптивного инструментария первой в России объектно-ориентированной АОС на базе международных технологических стандартов в образовании. Разработанная система соответствует специфике Российской системы образования, требованиям международных образовательных стандартов и поностью готова для внедрения в учебное заведение любого масштаба. Среди основных свойств созданного инструментария можно выделить следующие:

Х использование адаптивных технологий автоматизированного обучения;

Х поная реализация и поддержка международных образовательных стандартов;

Х совмещение подходов и принципов ведущих производителей ПО (WebCT, Bb, Lotus LS), разработка каждой подсистемы на базе соответствующей спецификации IMS;

Х совместимость с ведущими разработчиками ПО и контента;

Х технология многократного использования учебного объекта;

Х интеграция с цифровыми репозитариямм учебных объектов и информации;

Х перспектива развития УМ и максимальной автоматизации учебного процесса.

Следует отметить, что данная система выступает как перспективная среда интеграции технологий и методик, которые пока разрабатываются только крупнейшими университетами и организациями мира. Кроме этого, работа в подобной среде поможет усилению как внутри-российского фонда качественной учебной информации, так и позволит выходить нашим вузам на международные рынки, благодаря использованию данных в унифицированном формате.

В настоящей главе показана достоверность разработанной математической модели и практической реализации адаптивного сетевого обучения. Показано, что использование адаптивных технологий обучения позволяет при гарантированном качестве уменьшить затрачиваемое на обучение время, а, следовательно, и издержки ВУЗа. Таким образом, программная среда ТОР может быть использована образовательными учреждениями для организации учебного процесса на базе современных объектно-ориентированных учебных материалов, а так же, используя разработанную модель, осуществлять высоко эффективное обучение.

Заключение

В результате данной диссертационной работы разработана и исследована экономико-математическая модель адаптивного сетевого обучения в АОС. Эта модель позволяет дать оценку экономических параметров сетевого обучения, а также отразить опыт преподавателя в автоматизированной обучающей системе и. При разработке этой модели достигнуты также следующие результаты.

1. Разработана методика оценки учебных объектов как основных структурных единиц учебно-методического материала, включающая в себя -количество информации, ценность представленной информации и трудоёмкость (в часах или кредитах, в зависимости от системы образования). Показано, что ценность зависит от преследуемой при изучении цели, тезауруса и количества предоставляемой информации. Создана модель учебного материала с учётом его вероятностной структуры на основе формального представления УО путём оценки их количественных и качественных характеристик. Её использование позволяет осуществлять адаптацию УММ согласно начальным знаниям и цели обучения студента, что снижает издержки подготовки специалиста хозяйствующим субъектом экономики.

2. Впервые построена экономико-математическая модель издержек и прибыли процесса разработки учебных объектов, позволяющая оценить затраты на подготовку учебно-методических материалов. Показано, что использование объектного подхода при определённых условиях позволяет уменьшить издержки производства УО. Показано, что предельные издержки разработки УО уменьшаются с увеличением количества учебных объектов в репозитарии, а экономическая прибыль возрастает при увеличении количества повторно используемых объектов. Экспериментальное использование разработанной модели подтверждает её достоверность.

3. Предложена новая модель и агоритм автоматизированного объектного адаптивного обучения в АОС, что позволяет отразить опыт преподавателя в информационной системе и в результате проводить качественное персонализированное сетевое обучение с использованием модели пользователя. Разработана оригинальная методика оценки эффективности процесса обучения в автоматизированных обучающих системах. Впервые построена экономико-математическая модель издержек и прибыли адаптивного образовательного процесса на основе объектно-ориентированного учебного материала. Это позволяет получить количественную оценку экономических параметров сетевого адаптивного обучения. Показано, что использование адаптивного образовательного процесса в рамках объектной концепции представления УМ для сетевого обучения обеспечивает качество обучения на требуемом уровне, и для этого необходимо меньшее количество времени, (ввиду использования уровня адаптивности учебного контента), чем при традиционном процессе с контролем качества обучения.

4. Разработан программно-технологический комплекс адаптивного обучения в информационной системе Технологии образовательных ресурсов, реализующей концепцию объектно-ориентированного учебного материала и использующий современные международные технологические стандарты в образовании. Модельные эксперименты подтверждают достоверность выбранных методов и средств для решения поставленной задачи.

Распространение стандартов IMS позволит получить новые данные для исследований и развития автоматизированного адаптивного обучения. Важным направлением дальнейших является исследование и апробация других методов и способов адаптации контента и структуры учебного материала. Одновременное использование различных способов позволит значительно увеличить эффективность АОС и повысить уровень подготовки специалистов субъектами экономики. Разработанная экономико-математическая модель сетевого обучения может быть допонена моделью работы цифровых репозитариев. Это позволит получить более поную оценку экономических параметров функционирования образовательных информационных систем и систем управления знаниями.

Диссертация: библиография по экономике, кандидат экономических наук , Феданов, Александр Николаевич, Москва

1. Основы Открытого Образования. / Под. ред. В.И. Содаткина. -Российский государственный институт открытого образования. - М.: НИИЦ РАО, 2002. - 767 с.

2. Анастази А., Урбина С., Психологическое тестирование. -СПб.:Питер, 2003.-688 с.

3. Беспалько В.П. Слагаемые педагогической технологии. -М.: Педагогика, 1989,-192 с.

4. Брусиловский П.JI. Модель знаний обучаемого и её использование для управления обучением. Тезисы док. и сообщ. межвуз. науч.-метод. семинара Математические модели и вычислительная техника в управлении учебным процессом высшей школы. -М.:1986 -с. 42-44

5. Буш Р., Мостелер Ф. Сравнение восьми моделей. //Математические методы в социальных науках". -М., 1973; -с. 295-315

6. ГиЛефрансуа. Прикладная педагогическая психология. -СПб.:прайм-EBP03HAK,2003.-416c.

7. Емельянов А.А. Имитационное моделирование экономических процессов. Учеб. Пособие. М.: Финансы и статистика, 2002. - 368 с.

8. Ильченко О., Титарев Д., Разработка адаптивных семантических технологий сетевого обучения. Стандарты технологических образовательных систем. Тезисы конференции ИТГО-2003, Москва, 2021 мая, 2003.-М.: 2003.-с. 153-157

9. Ильченко О.А., Титарев Д.Л., Титарев Л.Г., Феданов А.Н. Проблемы, методы и технологии сетевых дидактик. // Информационные технологии, 2003. №8,-стр. 40-45

10. Краудер НА. 0! различиях между линейным и разветвленным программированием // Программированное обучение за рубежом. -М.: Высшая школа, 1968. с.58-67.

11. Курганская Г.С. Система дифференцированного обучения через Интернет// Тез. докл. на Всерос. научн. конф. "Научный сервис в сети Интернет" . -М.: изд-во МГУ, 2000. С.101-103.

12. Лобанов Ю.И., Задача дидактического программирования в АОС. Тезисы док. и сообщ. межвуз. науч.-метод. семинара Математические модели и вычислительная техника в управлении учебным процессом высшей школы. -М.: 1986 с. 136-137

13. Лингарт Й. Процесс и структура человеческого учения М.: Прогресс, 1970

14. Лукашенко М.А., Образование в условиях рынка: концепция учебного заведения. -М.: Высшая школа, КноРус, 2002. 285 с.

15. Медведев А.П., Титарев Д.Л., Феданов А.Н. Стандартизация интерфейсов бизнес логики в системе электронного образования. // Технологические стандарты в образовании: 23-24 апреля 2003 г. Сборник тезисов докладов. -М.: МЭСИ, 2003 402 е., стр. 192-198.

16. Растригин Л.А., Эренштейн М.Х. Адаптивная система обучения с адаптируемой моделью обучаемого. // Кибернетика, 1984, N 1, с. 28-32

17. Растригин Л.А., Эренштейн М.Х. Адаптивное обучение с моделью обучаемого. -Рига., Зинатне, 1988. 160 с.

18. Роберте Ф.С. Дискретные математические модели с приложениями к социальным, биологическим и экологическим задачам. -М.: Наука, 1986

19. Савельев А .Я., Новиков В.А, Лобанов Ю.И. Подготовка информации для автоматизированных обучающих систем. -М., Высшая Школа, 1986. 167 с.

20. Свиридов А.П. Введение в статистическую теорию обучения и контроля знаний. М., 1974., ч. 2.

21. Скиннер Б.Ф. Наука об учении и искусство обучения. // Программированное обучение за рубежом. -М., Высшая школа, 1968.

22. Смирнов Б.А. Определение характеристики оперативной: памяти // Психологические механизмы памяти и её закономерности в процессе обучения: Материалы I Всесоюз. симпоз. по психологии памяти, Харьков, 1970. стр. 225-228

23. Соловов А.В. Об эффективности информационных технологий обучения. // Высшее образование в России, 1997, N3, стр. 100-107,

24. Соловов А.В., Меньшикова А.А. Дискретные математические модели в исследовании процессов автоматизированного обучения. // Educational Technology & Society, 2001, N4(2), стр. 205-210

25. Тарасенко Г.С., Эренштейн М.Х. Исследование сходимости одного процесса обучения. // Пробл. Случайного поиска, 1980, N8, с. 280-288

26. Титарев Д.Л. Экономическая модель издержек и; прибыли Интернет -образования. // Открытое Образование, 2002, N4, стр. 54 60.

27. Титарев JI.Г., Титарев Д.Л., Ильченко О.А., Феданов А.Н. Стандарт ISO 'Тематические схемы': Применение к сетевому обучению // Сб. тезисов док. конф. "Технологический Стандарты в Образовании", 23-24 апреля 2003 г. -М.: 2003. стр. 329-393.

28. Титарев Д.Л., Феданов А.Н. Стандартизация технологических систем в образовании // Сб. тезисов док. конф. "Технологический Стандарты в Образовании" 23-24 апреля 2003 г. -М.:2003. стр. 269-279

29. Титарев Д.Л., Феданов А.Н., Медведев АЛ. Технологии Интернет-образования, // Открытое Образование, 2002, № 5, с. 17-26

30. Феданов А. Адаптивные обучающие системы: современное состояние и перспективы развития. // Открытое Образование, 2003, № 6. с. 56-64

31. Феданов А.Н., Титарев Д.Л. Открытые Образовательные Информационные Системы. // Открытое Образование, 2003, № I.e. 9-17

32. Феданов А.Н., Титарев Д.Л., Ильченко О.А, Объектный подход к построению учебного материала в системе Открытого образования. // Научный сервис в сети Интернет: 22-27 сентября 2003 г. Сборник трудов конференции. М.: Изд-во МГУ 2003 -379 е., стр. 90-91

33. Передача информации, 1928 В кн.: Теория информации и её приложения. Пер. с англ. Под ред. А. А. Харкевича, М., Физматгиз, 1959

34. Шумский С.А. Самоорганизующиеся семантические сети // Лекция для школы-семинара "Современные проблемы нейроинформатики", Москва, МИФИ, 24-26 января 2001 г.

35. Курганская Г. С. Система дифференцированного Интернет-обучения ГЕКАДЕМ // Whitepaper. 2003. - Ссыка на домен более не работает

36. Титарев Д.Л. Проект Edulab.ru // Whitepaper. 2003. -Ссыка на домен более не работаетaboutas.asp

37. Brusilovsky, P., Schwarz, E. and Weber G. A tool for developing adaptive electronic textbooks on WWW. // Proceedings of WebNet'96, World Conference of the Web Society, San Francisco, CA, pp. 64-69.

38. Brusilovsky, P., Eklund, J. and Schwarz, E. Web-based education for all: A tool for developing adaptive courseware. // Computer Networks and ISDN Systems 30(1-7), 291-300.

39. Brusilovsky P., лAdaptive Hypermedia // User Modeling and User-Adapted Interaction, N11, p. 87-110, 2001.

40. Carver С. A., Howard R. A., Lavelle E.: 1996, Enhancing student learning by incorporating student learning styles into adaptive hypermedia. // Proceedings of ED-MEDIA'96 World Conference on Educational Multimedia and Hypermedia, Boston, MA, pp. 118-123

41. De Bra, P. M. E.: 1996, Teaching Hypertext and Hypermedia through the Web. // Journal of Universal Computer Science 2(12), 797-804.

42. De Bra, P. and Calvi L.: 1998, AHA.! An open Adaptive Hypermedia Architecture. // The New Review of Hypermedia and Multimedia 4, 115-139.

43. De Bra P., Aerts A., Houben G., Wu H. "Making General-Purpose Adaptive Hypermedia Work". // Proceedings of the WebNet Conference, pp. 117-123, 2000

44. Ebbinghaus H. Uber das Gedachtnis. // Untersuchungen zur experimentellen Psychologie. Leipzig: Duncker u. Humblot, 1885

45. Fink J., Kobsa A., Nill A. Adaptable and adaptive information provision for all users, including disabled and elderly people. // The New Review of Hypermedia and Multimedia 4,163-188.

46. Haveliwala Т. H., Kamvar S. D. The second eigenvalue of the Google matrix. Technical report. Stanford University, 2003.

47. Heckerman, D., Mamdani, A., and Wellman, M. Real world applications of Bayesian networks. // Communications of the ACM, N 38, 1995.

48. Henze, N., Nejdl, W. Adaptivity in the KBS hyperbook system. // 2nd Workshop on Adaptive Systems and User Modeling on the WWW, 1999, pp 77-81.

49. Hirashima Т., Matsuda N., Nomoto Т., Toyoda J. Context-sensitive filtering for browsing in hypertext. // Proceedings of International Conference on Intelligent User Interfaces, IUI'98, San Francisco, CA, 1998, pp. 21-28

50. Hull, Principles of behavior. An introduction to behavior to theory. New York: Appleton-Century-Crofts, 1943

51. Kass, R; Student modeling in intelligent tutoring systems implications for user modeling. // User Models in Dialog Systems, A. Kobsa and W. Wahlster, Eds. Springer, 1989

52. Kobsa, A. User modeling: Recent work, prospects and hazards. // Adaptive User Interfaces: Principles and Practice, M. Schneider-Hufschmidt, Т. K. Uhme, and U. Malinowski, Eds. Elvesier, 1993

53. Mantyla K. Blending E-Learning. American Society for Training & Development, 2001. 160 p.

54. Neapolitan R. E. Probabilistic Reasoning in Expert Systems. John Wiley & Sons, NY, 1990

55. Ng A. Y., Zheng A. X., Jordan M. I. Link Analysis, Eigenvectors and Stability // In Proc. of the IJCAI'01, 2001

56. Oberlander, J., O'Donell, M., Mellish, C. and Knott, A. Conversation in the museum: experiments in dynamic hypermedia with the intelligent labeling explorer. // The New Review of Multimedia and Hypermedia 4, 11-32.

57. Page L., Brin S., Motwani R;, Winograd T. The PageRank citation ranking: Bringing order to the Web. Technical report, Stanford Digital Library Technologies Project, 1998.

58. Pearl J. Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference, Morgan Kaufmann, San Mateo, С A, 1988

59. Pearl J., Bayesian decision methods. // Readings in Uncertain Reasoning, 1990

60. Russell S., Norvig P. Artificial Intelligence: A Modern Approach. Prentice Hall Series in Artificial Intelligence, 1995

61. Schukarew A. Uber die energetischen Grundlagen des Gestezes von Weber Fechner und der Dynamik des Gedachtnisses // Ann. Naturphilos. 1907. - N.6 -S. 139-149

62. Thorne K., Blended Learning: How to Integrate Online & Traditional Learning. Kogan Page Ltd, 2003. 148 p.

63. Zhao, Z., O'Shea, Т., Fung, P. Visualization of semantic relations in hypertext systems. // ED-MEDIA'93, World conference on educational multimedia and. hypermedia, Orlando, FL, pp. 556-564.

64. Becker G. S. For having extended the domain of microeconomic analysis to a wide range of human behavior and interaction, including nonmarket behavior // Press Release. 1992. Ссыка на домен более не работаетeconomics/laureates/l 992/press.html

65. Cannatar M., Pugliese A. XAHM: an XML -based Adaptive Hypermedia Model and its Implementation. 2001. - wwwis.win.tue.nl/ah2001/papers/cannataro.pdf

66. IMS Content Packaging Final Specification Version 1.1.3 // Instructional Management System Global Learning Consortium Specifications. 2003. -Ссыка на домен более не работаетspecdownload/cp/cpvlplp3.zip

67. IMS Digital Repositories Version 1 // Instructional Management System Global Learning Consortium Specifications. 2003. -Ссыка на домен более не работаетspecdownload/dr/drivlpO.zip

68. IMS Enterprise Specification Version 1.1 // Instructional Management System Global Learning Consortium Specifications. 2002. -Ссыка на домен более не работаетspecdownload/en/enterprisev lp 1 .zip

69. IMS Learning Design Specification Version 1 // Instructional Management: System Global Learning Consortium Specifications. 2003. -Ссыка на домен более не работаетspecdownload/ld/ldvlpO.zip

70. IMS Meta-data Specification Version 1.2.1 // Instructional Management System Global Learning Consortium Specifications. 2001. -Ссыка на домен более не работаетspecdownload/md/metadatav lp2pl .zip

71. IMS Question & Test Interoperability Specification Version 1.2.1 // Instructional Management System Global Learning Consortium Specifications. 2003.Ссыка на домен более не работаетspecdownload/qti/qtiv 1р2р 1 .zip

72. IMS Simple Sequencing Specification Version 1 // Instructional Management System Global Learning Consortium Specifications. 2003. -http ://www. imsglobal. org/ specdownload/ss/ss v 1 pO .zip

73. Reusable Learning Object Strategy: Designing and Developing Learning Objects for Multiple Learning Approaches, White Paper, Ссыка на домен более не работаетp>

74. HayGroup //Whitepaper. 2003 - Ссыка на домен более не работаетp>

75. DublinCore // White Paper. 2003. - Ссыка на домен более не работает

76. Advanced Distributed Learning Initiative. Sharable Courseware object Reference Model. 2001. - Ссыка на домен более не работает

Похожие диссертации