Geum.ru

Разработка экспертной системы контроля процесса электронного обучения

Вид материалаДокументы

Содержание


Постановка задачи
База знаний экспертной обучающей системы
Обработка образовательных траекторий
Выявленные правила
Подобный материал:

Разработка экспертной системы контроля процесса электронного обучения

Kristina Elvest


Введение

Современное состояние науки и образования, обусловленное экономическими факторами, характеризуется повышением требований к качеству подготовки специалистов и определяет постоянный поиск новых методов и средств повышения эффективности образовательного процесса. Системы дистанционного образования обеспечивают адаптацию процесса обучения к индивидуальным характеристикам обучаемых, освобождают преподавателей от ряда трудоемких и часто повторяющихся операций по представлению учебной информации и контролю знаний, способствуют разработке объективных методов контроля знаний и облегчают накопление учебно-методического опыта.

Дистанционное образование – новое средство организации образовательного процесса, базирующееся на принципе самостоятельного обучения студента. Среда обучения характеризуется тем, что учащиеся в основном отдалены от преподавателя в пространстве и (или) во времени, в то же время они имеют возможность в любой момент поддерживать диалог с помощью средств телекоммуникации.

Сразу становится очевидным отличие данных систем от ранее принятых. Средства интерактивного общения дают возможность постоянно иметь контроль над действиями обучаемого и направлять его в дальнейшей работе. При всех положительных сторонах появились и свои сложности. Нагрузка на каждого преподавателя стала несоизмеримо велика. В старой системе имелся «рубежный» контроль, при котором преподаватель должен был проверить определенное количество студентов по одной и той же системе оценок и мерок знаний — он не знал особенностей каждого обучаемого. Теперь же каждый обучаемый, находясь в центре процесса обучения, постоянно контролируется — степень усвоения каждой темы сразу видна, он задает свои вопросы — финальная оценка проводится по множеству факторов, которые необходимо помнить. Необходимость анализа действий каждого студента и предоставление ему необходимых консультаций по мере его обучения и возникновения вопросов очевидна. Теперь каждый обучаемый получил возможность обратиться с вопросом к преподавателю и получить необходимую информацию. А если обучаемых будет сотня или больше?

С внедрением экспертных систем становится понятно качественное улучшение процесса обучения в системе дистанционного образования. Полностью изменились роли обучаемого и преподавателя. Экспертная система берет на себя основную нагрузку по образовательному процессу. Она отслеживает каждое действие обучаемого и хранит его в своей базе данных. В функции экспертной системы входит также анализ данных студента. Это означает, что система должна иметь в своем составе «мини модуль искусственного интеллекта». Каждый студент индивидуален и к нему необходим индивидуальный подход. Система принятия решений должна быть обучаемой. Она должна хранить последствия каждого выданного совета и, анализируя их, составлять план действий на основе полученных результатов.

Таким образом, цель работы состоит в разработке экспертной системы контроля процесса электронного обучения, производящей на данном этапе диагностику состояния обучаемых и предлагающей в дальнейшем рекомендации к дальнейшим действиям.

Разработанная в данной работе экспертная система контроля процесса электронного обучения успешно используется в проекте “Учебный ресурс по информатики для 1-2 курса”, изучаемого студентами математического факультета специальности «Математика».

Основная работа состояла в том, чтобы изучение траекторий обучения поручить компьютеру, который мог бы делать рассуждения, подобные тем, которые делает эксперт-учитель. В результате было разработано приложение для дистанционного курса, которое производит сбор статистической информации о работе учеников, анализирует накопленные данные, выполняет индивидуальную диагностику учащегося динамически, т.е. на любом этапе обучения, визуально отображает результаты в виде диаграмм и словесной форме.

Постановка задачи

Система представляет собой web-приложение для дистанционного курса. Она собирает статистическую информацию о прохождении студентами предоставленного материала, и определять текущее состояние обучаемого по следующим параметрам: список пройденных тем, время, затраченное на обучение, частота выхода на учебный ресурс, число попыток выполнения тестов, объем и последовательность выполняемых операций. Система принятия решения должна составлять оценку состояния на основе полученных результатов.

Далее на основе собранной информации необходимо индивидуализировать процесс обучения, рассматривая и изучая траектории обучения каждого учащегося.

Актуальным с точки зрения личностно ориентированного обучения является понятие индивидуальной траектории обучения. Индивидуальная траектория обучения – это специфический содержательный и операциональный состав обучения и последовательность его усвоения, подбираемая под конкретный образовательный запрос обучаемого в соответствии с его возможностями. Индивидуальная траектория обучения отражает уникальный путь, которым личность обучаемого движется к целям обучения.

Основные этапы работы:
  1. Основные этапы разработки:
      • Извлечение и вербализация экспертных знаний, с использованием специальных методов;
      • Разработка набора правил, которые соответствуют поведению студента в обучающей среде;

База знаний экспертной обучающей системы

Сердцевину экспертной системы составляет база знаний, которая накапливается в процессе ее построения. Знания выражены в явном виде и организованы так, чтобы упростить принятие решений.

Накопление и организация знаний - одна из самых важных характеристик экспертной системы.

База данных (рабочая память) предназначена для хранения исходных и промежуточных данных решаемой в текущий момент задачи.

База знаний – знания эксперта, представленные в виде фактов и правил.

За основу структуры базы знаний взята структура базы знаний, используемая оболочкой PROSPECTOR. Это одна из наиболее хорошо себя зарекомендовавших ЭС, выполняющих логический вывод в условиях неопределенности данных. [3]

База знаний имеет сетевую структуру, использующую правила трех видов. Правила верхнего уровня – это гипотезы, которые предстоит оценить. Они непосредственно направляются на вывод. В качестве гипотез принимаются состояния учащихся («Достаточно готов», «Не достаточно готов», «Готов плохо»)

Информация из базы данных поступает через (правила данных или правила низкого уровня). Эти правила являются обобщением применяемых фактов, например, число попыток выполнения теста студентом, объем выполняемых операций, время, затраченное на обучение. Эти правила поступают на более высокий уровень промежуточных правил. Эти правила могут использовать данные, полученные из других правил: данных, промежуточных и даже гипотез.

Обработка образовательных траекторий

С каждым кадром и тестом связывается дидактическая информация, которую эксперт-учитель держит (подразумевает) в голове и методы извлечения знаний должны эту информацию вербализовать и преобразовать в правила. Нами использованы следующие методы приобретения знаний: наблюдение за работой преподавателя в учебной аудитории, выступающего в данном случае в роли эксперта, извлечение соответствующей дидактической информации из учебно-методической литературы, присутствие на проводимых лекциях, интервью, свободный диалог, протокол «мыслей вслух», уточняющие возникающие вопросы в структурировании базы знаний.

Следующие и подобные им рассуждения экспертов лежали в основе разработки набора правил, с помощью которых происходило оценивание текущего состояния знаний студентов.
  • Если на первом сеансе студент проходит по первым кадрам каждой темы и затрачивает мало времени на их изучении, он выполняет ознакомление с материалом и оценивает объем предстоящей работы;
  • Многократные, неудачные попытки выполнения тестов являются характеристиками зоны ближайшего развития [8];
  • Характеристика перехода обучаемого в зону актуального развития – выполнение тестов при малых затратах времени и с первой попытки.
  • Если студент хочет хорошо подготовиться, он затрачивает достаточно много времени на изучение материала.

Разработанный нами учебный ресурс содержит базу данных, в которой накапливается индивидуальная по каждому студенту информация, представляющая собой образовательную траекторию каждого студента. Эта информация собирается достаточно продолжительный период времени, содержит информацию о всех операциях, выполняемых студентом в обучающей среде, и далее используется для анализа поведения студента и оценки его состояния.

Выявленные правила

Правила верхнего уровня – это гипотезы, которые предстоит оценить. Гипотезы включают в себя условия, которым они должны удовлетворять. Они непосредственно направляются на вывод. В качестве гипотез принимаются состояния учащихся («Достаточно готов», «Не достаточно готов», «Готов плохо»)

Правила низкого уровня - обобщение полученных в ходе функционирования системы фактов, например, число попыток выполнения теста студентом, объем выполняемых операций, время, затраченное на обучение, характерные фрагменты образовательной траектории. Они используются в правилах промежуточного и высокого уровня.

Примеры выявленных правил промежуточного уровня
  1. Если студент сильный и присутствует мотивация, то ему следует рекомендовать факультатив;
  2. Если затраченный бюджет студента не большой, и студент успешно выполняет тест, то студент сильный;
  3. Если студент выполняет тесты по дополнительным темам, то мотивация присутствует;
  4. Если студент выполняет тест методом угадывания, то он не включает умственную деятельность;
  5. Если студент много времени затратил на темы, долго думал над тестами, но выполнял их неуспешно, то он не усидчив.

Примеры выявленных правил низкого уровня
  1. Если студент выполнил тест «TestName», то он знает понятие “Шаг по связи”;
  2. Если студент выполнил тест «TestName», то он знает понятие “Циклические списки” и проявил сообразительность;
  3. Если студент дал неправильный ответ, отличающийся от верного только регистром, то он невнимателен;
  4. Если студент выполнил тест «TestName1», а тест «TestName2» выполнил не с первого раза, следовательно, он был невнимателен;
  5. Если делает «TestName1» и «TestName2» с первой попытки, значит, понимает, как строить сложную структуру.

Реализация

В качестве средств реализации использовался язык PHP и база данных MySQL, позволяющие создавать достаточно эффективные сценарии для работы в сети, реализовать требуемые вычислительные алгоритмы на символических данных, а также выполнять отображение полученных результатов в графической форме.

В качестве фрагмента изучаемой информации используется методические указания по языку "C".

Ресурс содержит базу данных, в которой накапливается индивидуальная по каждому студенту информация, обработка и анализ которой позволит определить текущее состояние обучаемого. В базе данных сохраняются все шаги обучаемых, что позволяет делать более точные оценки знаний студентов.

Структура онтологии предметной области представлена в виде последовательности кадров. С каждым кадром связано определенное множество тестов, результаты, прохождения которых позволяют оценить степень готовности в изучении материала, предоставленного на кадре. Если у студента возникают трудности при прохождении материала, он может обратиться за помощью. Иначе, если студент изучил тему, успешно прошел тесты и имеет мотивацию к дальнейшему развитию, он может перейти к изучению факультатива. (рис.2.2)



Выводы

Функционирование ЭС показало, что оценки, полученные на основе базы знаний, неточные, они не отражают реальный уровень знаний учащихся.

Эти оценки в некоторой степени отличались от оценок эксперта-учителя. Выявленные ошибки привели к коррекции и наращиванию базы знаний. После того как мы усовершенствовали и расширили базу правил, система начала выдавать достаточно точные оценки знаний студентов.

Эвристическая база знаний всегда будет иметь ограниченные возможности. Модульность модели продукционной системы позволяет естественном образом добавить новые правила или в любое время подкорректировать существующую базу правил.

Таким образом, наша система строилась методом последовательных приближений.

Важнейшие требуемые реализованные функции системы: сбор статистической информации о работе учеников; оценка текущего состояния обучаемого с использованием набора правил высокого уровня; формирование удобного интерфейса, в виде концептуальной сети, наглядно отображающей результаты диагностики; возможность многопользовательской работы.

В дальнейшем предполагается не только производить оценку состояния обучаемого, но и предлагать рекомендации к дальнейшим действиям.

Литература
    1. Мещереков Е. Публикация баз данных в Интернете / Е. Мещереков, А.Хомоненко. СПб.: БХВ-Петербург, 2001. 560 с.
    2. Щедрина А.А. Интеллектуальные агенты как средство автоматизации роли преподавателя / А.А. Щедрина
    3. Адаменко А.Н. Логическое программирование: Учебник для вузов / А.Н. Адаменко, А.М. Кочуков. М.: Наука,1998. 573 с.
    4. Крук Б.И. Особенности производства и потребления учебной информации в системах дистанционного обучения на базе Интернет-технологий / Б.И. Крук, Е.В. Колмогорова
    5. Чумаков А.А. Методика конструирования тестов профессиональных достижений с использованием Интернет-технологий / А.А. Чумаков
    6. Боровикова О.И. Построение предметной онтологии / О.И. Боровикова. Электронный ресурс. Режим доступа: archaeology.nsc.ru/Home/pub/Data/inf10/?html=ch1022.htm&id=2112
    7. Будникова Н.А.: Вопросы разработки экспертной обучающей системы / Н.А. Будникова
    8. Янгирова Г.Ф.: Методическое пособие по возрастной психологии / Г.Ф. Янгирова, А.А. Янгирова. Электронный ресурс. Режим доступа: od.ru/metodichka_voz.php