Мобильные обучающие системы и онтологии

Тип работы:
Реферат
Предмет:
Народное образование. Педагогика


Узнать стоимость

Детальная информация о работе

Выдержка из работы

УДК 004. 81
МОБИЛЬНЫЕ ОБУЧАЮЩИЕ СИСТЕМЫ И ОНТОЛОГИИ
С.И. Родзин1, Л.С. Родзина2
Южный федеральный университет, г. Таганрог ^гвё2Ш@уапёех. ги, 2raisin25@yandex. ги
Аннотация
В статье предлагается сценарий обучения и модель открытой архитектуры контекстно-зависимой системы мобильного обучения. Разрабатывается структура системы управления контентом на основе семантического веба. Структура системы управления контентом включает четыре основных элемента: онтологии метаданных, онтологии конкретной предметной области, которая описывает структуру индексации ресурсов, а также модели сценариев обучения и адаптивного выбора учебных ресурсов. При построении системы управления контентом предлагается использовать модель на основе вероятностных автоматов. Контекстно-зависимая система обучения должна уметь персонализировать наилучший стиль обучения. С этой целью предлагается использовать аппарат байесовских сетей и эволюционных вычислений.
Ключевые слова: мобильное обучение, контекстно-зависимая система, управление контентом, вероятностный автомат, сценарий обучения, байесовская сеть.
Введение
Современное обучение должно быть более интегрированным в повседневную жизнь, доступным по первому требованию, без необходимости планирования или составления графиков на месяцы вперед. О преимуществах и перспективах мобильного обучения заговорили несколько лет назад. С развитием мобильных сетей и расширением возможностей в сфере передачи данных (особенно видео) мобильное обучение становится одним из самых удобных и перспективных способов получения знаний. Все идет к тому, что многие виды образовательной деятельности будут поддерживаться мобильными устройствами — аппаратами, способными принимать, хранить и передавать информацию — камерами, смартфонами, наладон-ными и планшетными компьютерами, коммуникаторами. Мобильное обучение (т-1еагптg) является совершенно новым подходом, когда процесс обучения имеет «свободный» формат, подстраивается под слушателя, а не наоборот. Термин «мобильный» характеризует, прежде всего, доступ к средствам обучения и формы реализации учебной интеракции.
Более интегрированное обучение предполагает разработку удобных альтернативных сценариев удаленного обучения с использованием смартфонов и ноутбуков, не ограничиваясь узким аудиторным пространством или возможностями обычного компьютера. Постоянная доступность информации (учебных сегментов) крайне важна, поскольку дает возможность и мотивирует на то, чтобы обучаться где угодно, как угодно и когда угодно. Переход части образовательных программ в формат мобильной структуры в ближайшем будущем требует разработки подходящих сценариев и архитектур мобильной системы обучения, чему посвящена данная статья.
1 Сценарий мобильного обучения
В последние годы формируется новый принцип построения обучающих систем: процесс обучения рассматривается как процесс управления знаниями обучаемого [1]. В рамках этого подхода ведутся перспективные разработки, направленные на создание адаптивных обучающих систем, поддерживающих индивидуальный подход в обучении, систем управления контентом (CMS — Content Management System), предусматривающих возможность контекстного использования хранилищ образовательных ресурсов и обеспечивающих мобильность и глубокую персонализацию образовательных услуг [2]. Контекст является одним из ключевых вопросов для индивидуализации обучения, а контекстно-зависимая система (Context-Aware Systems) должна быть способна анализировать состояние пользователя, окружающей среды, адаптировать свою работу при изменении условий. Создание адаптивных контекстно-зависимых систем обучения является междисциплинарной проблемой. Принципиальное значение здесь имеет внутренняя логика процесса обучения. Эта логика отражается в педагогических и технологических сценариях, объединяющих всю совокупность приемов, операций, процедур и учебных занятий.
Сценарий — это целенаправленная, методически выстроенная последовательность методов и технологий для достижения целей обучения. В принципе для каждого слушателя требуется свой сценарий. В компьютерной науке это называется «проклятием размерности» -сценариев может быть великое множество, что создает нешуточную проблему их систематизации, рационализации и организации в целостную структуру. Цель сценария заключается в описании процесса обучения и деятельности по приобретению знаний. Сценарий определяется такими характеристиками как структура, координация и типологии деятельности, распределение ролей между слушателями, преподавателями и компьютерными системами.
Используемые сценарии в большинстве своем не являются контекстно-зависимыми и адаптивными к разным слушателям. В [3] утверждается, что существуют сотни различных педагогических моделей и сценариев обучения. В [4] был предложен общий абстрактный сценарий для представления разных педагогических моделей. Он определяется темой обучения, слушателями, интегрируемыми знаниями, преподавателем, используемыми ресурсами (коммуникационные и информационные технологии и технические средства), педагогическими и дидактическими моделями обучения и некоторыми другими элементами. Этот сценарий предусматривает лишь очень ограниченные возможности адаптации с помощью правил if-then-else [5]. Образовательные ресурсы определены априори, их невозможно изменить. Сценарий также не предусматривает управления знаниями предметной области и использования технологии контекстного обучения [б].
Для интеграции знаний, предусматриваемых сценарием, требуется единое концептуальное описание знаний с помощью онтологии, отражающей предметную область [7]- онтологии формализующей структуру процесса обучения под углом зрения формируемых компетенций [В, 9], репозитория учебных объектов, объектов исследовательской и проектной деятельности, открытых информационно-образовательных ресурсов и пр. Это позволит повысить релевантность отбора изучаемых учебных объектов в соответствии с индивидуальными особенностями обучающихся.
2 Архитектура системы мобильного обучения
Цель разработки архитектуры информационных обучающих систем состоит в том, чтобы задать на высоком уровне абстракции рамки для понимания определенных типов систем, их подсистем и взаимодействий с другими системами. За последнее десятилетие информационные обучающие системы эволюционировали от централизованных систем на выделенных
компьютерах к системам дистанционного обучения с распределенной архитектурой «клиент-сервер».
Недостатки централизованной архитектуры очевидны: их трудно развертывать, дорого поддерживать и сложно адаптировать к постоянным изменениям учебного процесса. Такие системы зависят от частных инструментальных средств пользователей и навязываемых разработчиками образовательных ресурсов. В результате создается среда, никак не учитывающая ни различия решаемых задач и уровня пользователей, ни изменения образовательных запросов и условий рынка образования.
Ситуацию может улучшить Интернет-, Java- и другие web-технологии, уже зарекомендовавшие себя как эффективные инструменты построения информационных приложений любого назначения. Архитектурных решений для информационных обучающих систем дистанционного обучения на базе web- и телекоммуникационных технологий, способных дать оптимальную комбинацию производительности, функциональности и мощных механизмов управления процессами обучения, пока не предложено. Однако реальные преимущества web-ориентированных технологий позволяют приступить к созданию принципиально новых приложений, архитектура которых непосредственно основана на Интернет и мобильных телекоммуникационных технологиях. Например, приложения могут быть написаны на языке Java или PHP, а в качестве промежуточного программного обеспечения могут применяться известные приложения и конструкции web. Для поиска образовательных ресурсов вместо SQL может использоваться поисковая система для web, а связь с другими приложениями, объектами и репозитариями реализовываться с помощью гиперссылок и URL. В результате пользователи получают гибкое решение, которое можно реализовать на основе существующей сетевой Интернет/Интранет-инфраструктуры. Доступ к серверу приложений, например, систем дистанционного обучения, тестирования, пользователь получает с помощью любого web-браузера.
Понятно, что характеристики обучающей системы и ее функциональные возможности зависят от возможностей и ограничений архитектурной модели. Предлагаемая модель открытой архитектуры адаптивной контекстно-зависимой системы мобильного обучения представлена на рисунке 1.
Рисунок 1 — Архитектура системы мобильного обучения
База данных и знаний включает контекстные данные и знания, профиль слушателя и модуль контроля знаний. Контекстные данные содержат информацию о месте, времени сеанса мобильного обучения, информацию об учебных материалах. Профиль слушателя содержит персональную информацию о слушателе, его запросах, уровне подготовки, а также о располагаемом времени на сеанс обучения. Модуль контроля знаний включает тестовые задания, а также результаты предыдущих контрольных проверок.
Контекстная информация включает в себя запросы слушателя и сведения об уровне его знаний. Контекстная информации, получаемая из запроса слушателя, указывает на его местоположение (кампус, дом, дача), располагаемый слушателем интервал времени на обучение и уровень концентрации. Каждое местоположение имеет определенный контекстный фактор, который влияет на учебную деятельность (на уровень концентрации, на время, чтобы учиться, и др.). Чем меньше этот фактор, тем выше его влияние, и наоборот. Интервалы свободного времени, которое слушатель готов потратить на обучение, могут быть различными, например, 15, 30, 45 или 60 минут. Уровни концентрации также могут быть описаны дискретными значениями, например, 1, 2 или 3 (низкий, средний или высокий). Сведения об уровне знаний слушателя определяются по результатам тестовых опросов и могут оцениваться, например, по 5-балльной шкале.
Мобильный контент может включать полнотекстовые версии учебников, интерактивные симуляции, тестовые задания, глоссарий с поиском, разнообразные обучающие игры и др. Доступ и управление этими объектами, планирование обучения, контроль знаний осуществляется с помощью системы управления контентом. Контент описывается в виде иерархической древовидной структуры, вершинами которой являются учебные темы. Конечно, просмотр учебника на экране мобильного устройства пока удобным не назовешь: приходится постоянно прокручивать экран, как по вертикали, так и по горизонтали, а картинки не отображаются полностью. Обучаемый, вместо того, чтобы улавливать смысл материала, вынужден периодически отвлекаться на навигацию. Эту проблему можно решить путем создания программ, «подгоняющих» объём учебного сегмента под размер экрана смартфона.
В модели слушателя определяются темы, которые ему необходимо изучить согласно запросу, соответственно на древовидной структуре выбираются маршруты освоения контента. Модель слушателя является основной для адаптивного выбора содержания курса с учетом всех контекстных факторов, описанных выше. В древовидной модели определены все связи контекстных факторов. На этой основе строятся ?/^кеп-еЬе правила для адаптивного выбора образовательных ресурсов, для помощи пользователю (например, показ справочного окна для выполнения задания, реструктурирование гиперпространства, чтобы помочь ориентироваться и передвигаться в нем, предоставление дополнительных объяснений по некоторому учебном понятию т.д.). Адаптационные правила определяют, какой компонент адаптации необходимо выбрать согласно модели слушателя. Эти правила, в основном, отвечают за адаптивное представление контента и адаптивную навигацию. Для реализации механизмов адаптации используются подходы на основе семантических понятий предметной области и семантической индексации контента, ключевых слов и автоматической индексации контента на базе информационного поиска, а также социальные механизмы, такие как навигация на основе истории и коллективная фильтрация.
3 Онтологическая структура программного комплекса управления контентом
Отличительными особенностями мобильного обучения является использование мобильных устройств, прохождение обучения независимо от местонахождения при использовании
портативных технологий. Мобильное обучение уменьшает ограничения по получению образования по местонахождению с помощью портативных устройств.
В области мобильного обучения имеются определенные проблемы: технические — возможности подключения, размеры экрана, срок действия батареи, многочисленные стандарты, операционные системы- социальные и образовательные — доступность и цена для конечных пользователей, поддержка обучения в разных ситуациях, развитие соответствующей теории обучения для мобильного возраста, отслеживание результатов и правильное использование этой информации.
Переход обучения в формат мобильной структуры требует разработки подходящих систем управления контентом. Управление контентом является движком (жаргонизм, от английского engine) системы. Предлагаемая модель обучения является адаптивной, она использует подход на основе семантического веба (Semantic Web) [10]: обучающая среда включает набор ресурсов, онтологий и инструментов, позволяющих гибко выбирать соответствующие ресурсы под конкретного слушателя и актуальной ситуации обучения. На рисунке 2 представлена структура программного комплекса управления контентом на основе семантического веба.
Дидактический сценарий. ошопогжя приметней области. ОНТОДС-ГИЕ V: *rr-rsHT7Tjy
XihiL-niicaoH
f-
Макет пистона
Семантическая структура
HINIL-стракиЕЫ ^
HTTP-zsnpcc с параметрами
ш
Рисунок 2 — Структура программного комплекса управления контентом
Общий сценарий учебной ситуации является входной спецификацией для работы программного комплекса управления контентом.
Структура системы управления контентом включает четыре основных элемента: онтологии метаданных, онтологии конкретной предметной области, которая описывает структуру индексации ресурсов, а также модели сценариев обучения и адаптивного выбора учебных ресурсов. Метаданные — это информация о содержащейся на веб-странице информации. Метаданные являются важной составляющей создания распределенных учебных систем, дающих возможность многократного использования учебных материалов в различных учебных организациях, быстрого и эффективного поиска учебных материалов в сети Интернет, как преподавателями, так и студентами, защиты авторских прав и др.
Метаданные, структурированные в виде иерархии, представляют онтологию, например, XML-схему. Онтология предметной области — это формальное описание предметной области, в котором представлены и определены понятия и терминологическая база предметной области. Моделью сценария обучения является ориентированный граф, представляющий основные понятия иерархической модели задачи и связи различных типов, в зависимости от приложения. Существующие модели сценариев не являются контекстно-зависимыми. Поэтому задача заключается в формализации модели контекста так, чтобы из общего сценария система обучения «вычисляла на лету» конкретный сценарий с учетом индивидуальных особенностей слушателей и текущей учебной ситуации.
Процесс работы системы управления контентом условно можно разделить на несколько этапов: семантический выбор, логическая и макетная сборка. Процесс завершается получением HTML-документа из XML (отображение или рендеринг).
Анализ образовательных запросов пользователей с точки зрения сложности их обработки позволяет выделить их следующие типы: простые запросы (определить новое понятие, пояснить его на примерах и т. п.) — изучение отдельного вопроса- изучение темы- изучение раздела курса- изучение учебного курса- запрос уровня образовательной программы, включающей множество взаимосвязанных курсов.
Что касается процесса обслуживания образовательного запроса, то он предполагает итеративное уточнение образовательных потребностей и запросов, детализацию и персонализа-цию программы обучения. В результате должна быть построена индивидуальная программа обучения, состоящая из концептов онтологии предметной области. Затем выполняется покрытие программы обучения, составленной из концептов, доступными в образовательном пространстве учебными ресурсами. Однако в открытой образовательной среде доступно большое число учебных ресурсов, а для каждого концепта существует множество вариантов покрытия. Для сокращения перебора должны использоваться дополнительные ограничения пользователя на форму представления материала, стратегии обучения, временные и финансовые ресурсы и т. п. Результатом данного этапа является программа обучения, составленная из реальных учебных объектов.
При построении системы управления контентом предлагается использовать представленные в [11] дидактические подходы к адаптации для идеальной системы обучения, которая позволяет персонализировать и оптимизировать процессы мобильного обучения с учетом контекста (предпочтения пользователя и цели обучения). В частности, для изучения предпочтений пользователя, правильного подбора уровня образовательных ресурсов и наиболее подходящего стиля обучения из базы данных извлекается его профиль, а для поддержки целей обучения предлагается расписание с учетом графика работы пользователя, его местоположения и окружающей обстановки, например, уровня шума.
Система управления контентом предусматривает наличие функции, связанной с оповещением пользователя об учебном календаре (чтение лекций, тестирование, выполнение домашнего задания и т. п.) в зависимости от внешних условий, текущей ситуации, в том числе в контексте свободного времени и местоположения.
Немаловажную роль играют также контекстно-зависимые связи: асинхронные (электронная почта, доски обсуждений) и синхронные (онлайн-чаты) для обмена сообщениями между преподавателями и слушателями, или между слушателями.
При построении системы управления контентом предлагается использовать модель на основе вероятностных автоматов [12, 13]. В вероятностных автоматах переход из одного состояния в другое происходит в зависимости от случайных входных сигналов или в зависимости от последовательности предыдущих состояний. Обычно вероятностные автоматы используют для демонстрации поведения систем, реакции которых сложно предсказать. В нашем случае, предполагается, что слушатель ведет себя как вероятностный автомат.
Алгоритм работы вероятностного автомата отображается в виде стохастического графа с множеством вершин, соединенных ребрами, которые соответствуют вероятностям переходов из одного состояния в другое.
Входная функция вероятностного автомата имеет вид:
Ы ({) = [^(0, идо, 57^), Ш№
где — состояние слушателя, иДО — состояние учебной деятельности, — состояние инфраструктуры, 5 М (0 — состояние окружающей среды. Выходная функция автомата имеет вид: Оы (г+1) = [Ш^ +1), 57^ +1)], где и^(^+1) представляет адаптированное состояние учебной деятельности в момент времени (?+1), 57(^+1) — адаптированное состояние инфраструктуры в момент времени (?+1).
Пусть в момент времени I автомат с вероятностью рт (0 находится в состоянии иДО = иПт, а состояние 75^) = 75п с вероятностью рп (0. Множество вероятностей состояний иО (?) = {иО](?), иВ2(р),…, иОт (?)}, множество вероятностей состояний 75(0 = {751(0,
7ЗД,…, 7ЗД}.
Обучение автомата происходит по методу поощрений и наказаний [11] по правилам:
¦ предположим, что в момент времени иДО = иПт c вероятностью рт ((). Если результат обучения «хороший» (например, слушатель удовлетворен), то вероятность рт (0 увеличивается и уменьшаются вероятности выбора всех других состояний В противном случае, если слушатель не удовлетворен, то, наоборот, вероятность рт (0 уменьшается и увеличиваются вероятности выбора всех других состояний иП () —
¦ предположим, что в момент времени 75^) = 75п с вероятностью рп (р). Если результат обучения «хороший» (например, слушатель удовлетворен), то вероятность рп (0 увеличивается и уменьшаются вероятности выбора всех других состояний /^(О. В противном случае, если слушатель не удовлетворен, то, наоборот, вероятность рп (0 уменьшается и увеличиваются вероятности выбора всех других состояний Т^^).
Например, в непосредственной близости от слушателя имеются две мобильные сети. Задача состоит в выборе сети, которая обеспечит лучшую производительность и надежность для осуществления учебной деятельности. Обозначим через 7 $& gt-1 инфраструктуру одной сети, а через 752 — инфраструктуру другой сети. Вероятность выбора сети 751 равна р1, а вероятность выбора сети 752 равна р2. Пусть в момент времени сеть 75п (п = 1 или 2) выбирается с вероятностью рп ((). Если производительность и надежность связи по сети оценивается слушателем как «хорошие», то рп (^+1) = рп (0 + к1*(1 -рп (0), где к1 — некоторый коэффициент, 0 & lt- к1 & lt- 1. В противном случае, рп (1 + 1) = рп (0 — к2*рп (0, где к2 — некоторый коэффициент, 0 & lt- к2 & lt- 1. Причем, р^+1) + р2^+1) = 1.
В примере используется линейный закон поощрения/наказания, однако обучение может производиться с использованием и других законов в зависимости от ситуации.
4 Использование байесовской сети для адаптации к стилю обучения
Каждый педагогический сценарий описывает типичную ситуацию внутри системы обучения со специально сформулированной целью. У каждого сценария есть название, параметры и цель. Достижение цели предполагает участие одного или нескольких слушателей (агентов, индивидов) в одном или нескольких процессах. Сценарий описывает ряд действий и коммуникаций агентов, направленных на достижение конкретной цели.
Создание онтологии педагогических сценариев позволяет наладить взаимопонимание между участниками учебного процесса, повторно использовать ранее созданное знание, облегчает понимание предметной области в терминах задач и функций, обеспечить взаимодействие различных приложений, моделировать семантическое содержание веб-страниц, обеспечить однозначное поведение обучающей системы. К тому же создав онтологию сценариев, понятную и людям и программным агентам, мы более глубоко понимаем предметную область, связанные со сценарием концепты [14]. Создание каталога учебных сценариев поддерживает конструирование новых учебных сценариев.
Индивидуализация процесса обучения в основном достигается через изменения его сценария в зависимости от категории слушателей, от имеющихся образовательных ресурсов и от формы обучения. Эти функции являются ключевыми для построения адаптивной среды обучения. Вопрос заключается в разработке общего сценария, который бы позволял справиться с широким спектром индивидуальных ситуаций в процессе обучения.
Предлагается проводить выработку общего сценария в несколько этапов. На первом этапе создается начальная версия на основе рекомендаций экспертов-преподавателей. На следующем этапе сценарий уточняется и модифицируется с использованием теории антропологии дидактических знаний [15]. Затем проводится формализация иерархической модели задачи, строится типология задач обучения и возможности ее адаптации. Рассмотрим эти этапы подробнее.
Начальная версия общего сценария обучения? С0 определяется двумя множествами: ?Со = & lt-Ркь Рк2& gt-,
где Рк1 — множество дидактических рекомендаций для обучения, Рк2 — учебный план.
Множество Рк1 включает постановку учебной задачи, учебные ресурсы, объяснение подходов к решению задачи и др. Множество Рк2 включает дидактическое описание метода решения задачи, необходимых для этого действий и др.
На следующем этапе сценарий уточняется с точки зрения праксиологии (рассматриваются различные действия или совокупности действий с точки зрения установления их эффективности) [16]. Сущность праксиологического подхода состоит в поиске, отборе и внедрении в образовательную практику разнообразных средств, необходимых для ее осуществления с позиций таких категорий как «рациональность», «эффективность», «валеологичность».
В нашем случае праксиология обучающей системы, позволяющая уточнить и структурировать тип решаемой задачи, методы ее решения, варианты сценариев взаимодействия, определяется тройкой & lt-Т, М, П& gt-, где Т — тип решаемой задачи, М — методы ее решения, Б — дискурс (сценарий взаимодействия).
Сигнатура & lt-Т, М& gt- имеет иерархическую структуру. Иными словами, задача может быть разложена на ряд подзадач, решение которых достигается с использованием метода М и таких операторов как секвенция, альтернативный выбор и параллельное выполнение.
Например, предположим, что решение задачи включает секвенцию двух последовательно решаемых подзадачи (Т1 и Т2), а ее сигнатура имеет вид, представленный на рисунке 3. Решение каждой из задач Т1 и Т2 предполагает установление типа задачи (момент времени t1), исследование типа задачи и выбор метода ее решения (момент изучение теории вы-
бранного метода (момент), применение метода и оценка результата (момент институ-ционализация сценария со стороны преподавателя (момент t5).
Рисунок 3 — Пример сигнатуры учебной задачи
Институционализация со стороны преподавателя означает, например, что слушатель не приобрел необходимых знаний, или находится в процессе их приобретения, или приобрел необходимые знания.
Люди отличаются друг от друга, учатся по-разному, и по-разному учатся в различные периоды времени. Так как различные индивидуумы имеют различные потребности обучения, то для эффективной работы системы требуется несколько стратегий или стилей. Библиотека стилей должна быть интегрирована в систему обучения. Это помогает персонализировать процесс, адаптировать работу системы к непредсказуемой природе человеческого обучения. Известно, что разные люди отдают предпочтение различным стилям и методам обуче-
¦ визуальному (использование рисунков и объемных моделей) —
¦ акустическому (использование звуков и музыки) —
¦ лингвистическому (использование письменного текста, лекций) —
¦ логическому (использование логики, систематизации) —
¦ социальному (обучение в группах с другими людьми) —
¦ обособленному (индивидуальное обучение).
Контекстно-зависимая система обучения должна уметь персонализировать наилучший стиль обучения. С этой целью можно использовать аппарат байесовских сетей и эволюционных вычислений [17−20]. Байесовская сеть, согласно Дж. Перлу, является вероятностной моделью, представляющей собой множество переменных и их вероятностных зависимостей. Формально, байесовская сеть — это направленный ациклический граф, каждой вершине которого соответствует некоторая переменная, а дуги графа кодируют отношения условной независимости между этими переменными. Вершины могут представлять переменные любых типов, быть взвешенными параметрами, скрытыми переменными или гипотезами. Разработаны эффективные методы, которые успешно используются для вычислений и обучения байесовских сетей. Если задать некоторое распределение вероятностей на множестве переменных, соответствующих вершинам этого графа, то полученная сеть будет байесовской сетью. На
такой сети можно использовать байесовский вывод для вычисления вероятностей следствий событий.
В качестве примера на рисунке 4 представлена байесовская сеть, моделирующая стили мобильного обучения.
Обработка
Г
Корот-
кие
ответы
на
сооб-
щения
& gt-
Обучающие материалы
Понимание 1К
Т
Ответ
Решение
«по шагам»
Рисунок 4 — Байесовская сеть, моделирующая стили мобильного обучения
Вершинами сети являются переменные трех типов: стиль обучения, четыре характеристики стилей обучения (обработка, восприятие, исходные данные, понимание) и различные атрибуты, определяющие характеристики стиля обучения (вики, форум, чат и др.). После установления вероятностей значений всех вершин графа делается вероятностный вывод о наиболее подходящем стиле обучения.
Для тестирования разработанного на Java автономного мобильного приложения был разработан вопросник. Обследовалась группа из 40 студентов, которые использовали приложение с их мобильного телефона. Средняя оценка по 5-балльной шкала равна 3,9. Отметим, что на данном этапе разработки модель слушателя еще не способна учитывать всю контекстную информацию. Заметной проблемой является также отображение фрагментов контента на дисплее мобильного телефона, а также необходимость организации поиска адаптированных под стиль обучения слушателя учебных материалов. Перспективным направлением решения этой задачи представляется использование многоагентных технологий [21 — 23].
Заключение
Вопрос не только в том, что обучаться нужно постоянно. Обучение должно быть мобильным и востребованным, т. е. разрыв между моментом получения знаний в процессе обучения и моментом, когда новые знания понадобятся, необходимо уменьшать. С точки зрения пользователя знания, полученные по первому требованию за часы до момента их применения на практике гораздо актуальнее, нежели информация, полученная за недели, месяцы или годы до того как она будет востребована. Понятно, что традиционные форматы обучения, нередко формирующие ситуацию «выучи и забудь», такой интерактивности дать не могут. К тому же главное в обучении — освоение новых знаний. Не имеет значения, как они будут получены, главное, чтобы они были актуальными.
Суммируя, отметим высокий инновационный потенциал мобильных устройств и технологий. При условии грамотной интеграции они помогут перейти к новой образовательной модели вуза — мобильному обучению с применением интерактивных методов, основанных на формировании умений самостоятельно извлекать знания, на развитии критического мышления обучающегося, его автономии. В учебном процессе должны применяться как новые формы учебной деятельности (интерактивные слайд-лекции, вебинары, тренинги и компьютерные симуляции, телекоммуникационные дискуссии с участием специалистов из отечественных и зарубежных вузов), так и новые типы заданий и упражнений (учебно-тренинговые задания- слайд-презентации- веб-проекты). К тому же мобильное обучение поможет преодолеть деструктивное влияние информационно-телекоммуникационных технологий (скачивание готовых статей и рефератов из сети для выполнения заданий, игнорирование правил авторского права, использование любых мобильных устройств в качестве шпаргалки) на познавательную и социальную деятельность человека.
Немаловажным представляется еще один аспект разработки и внедрения мобильных технологий в образовании — возможность учиться людям с ограниченными возможностями. К тому же мобильное обучение экономически оправдано, учебные материалы легко распространяются между пользователями благодаря современным беспроводным технологиям (WAP, GPRS, EDGE, Bluetooth, Wi-Fi) — информация в мультимедийном формате способствует лучшему усвоению и запоминанию материала, повышая интерес к образовательному процессу- молодежь технически и психологически готова к использованию мобильных технологий в образовании.
Благодарности
Работа выполнена при поддержке грантов РФФИ 13−07−204 и 13−01−475.
Список источников
[1] Коулопоулос Т. М., Фраппаоло К. Управление знаниями. М.: Эксмо, 2008. — 218 с.
[2] Грачев В. В., Ситаров В. А. Персонализация обучения: требования к содержанию образования // Alma mater. Вестник высшей школы. 2006. № 8. — С. 11 — 15.
[3] Koper R., Olivier B. Representing the Learning Design of Units of Learning // Educational Technology& amp-Society. 2004. № 7 (3). — P. 97−111.
[4] Nodenot T. Contribution a l'-Ingenierie dirigee par les modeles en EIAH: le case des situations-problems cooperatives // Habilitation a Diriger des Recherche en Informatique, Pau: University de Pau et des Pays de l'-Adour, 2005. — 138 p.
[5] IMS Global Learning Consortium. Официальный сайт. — http: //www. imsglobal. org (дата обращения: 12. 04. 2013).
[6] Вербицкий А. А. Активное обучение в высшей школе: контекстный подход. М.: Высшая школа, 1991. -207 с.
[7] Gruber T.R. Toward Principles for the Design of Ontologies Used for Knowledge Sharing // International Journal of Human and Computer Studies. 1993. №. 43(5/6). — P. 907 — 928.
[8] Курейчик B.B., Бова B.B., Нужнов E.B., Родзин С. И. Интегрированная инструментальная среда поддержки инновационных образовательных процессов // Открытое образование. 2010. № 4(81). — С. 101−111.
[9] Родзин С. И. К вопросу об инновационной составляющей инженерных образовательных программ // Инновации. 2006. № 5 (92). — С. 66−71.
[10] Garlatti S., Iksal S. A Flexible Composition Engine for Adaptive Web Sites // Adaptive Hypermedia and Adaptive Web-Based Systems. Eds.: Springer Verlag, 2004, V. LNCS 3137. — P. 115 — 125.
[11] Zarraonandia T., Fernandez C., Diaz P., Torres J. On the way of an ideal learning system adaptive to the learner and her context // Proc. of Fifth IEEE Int. Conf. on Advanced Learning technologies, 2005. — P. 128−134.
[12] Поспелов Д А. Вероятностные автоматы. M.: Энергия, 1970. — 88 с.
[13] Economides A.A. Adaptive Mobile Learning // Proc. the 4th Int. Workshop on Wireless, Mobile and Ubiquitous Technologies in Education, 2006. — P. 263−269.
[14] Бова В. В. Модели предметных знаний на основе системно-когнитивного анализа // Известия ЮФУ. Технические науки. 2011. № 7. — С. 146 — 153.
[15] Бим-Бад Б. М. Педагогическая антропология. М.: УРАО, 1998. — 576 с.
[16] Григорьев Б. В., Чумакова В. И. Праксиология или как организовать успешную деятельность. М.: Изд-во Школьная пресса, 2002. — 139 с.
[17] Рассел С., НорвигП. Искусственный интеллект: современный подход. М.: Вильяме, 2007. — 1410 с.
[18] Тулупьев А. Л., Николенко С. И., Сироткин А. В. Байесовские сети: логико-вероятностный подход. СПб.: Наука, 2006. — 607 с.
[19] Курейчик В. В., КурейчикВ.М., Родзин С. И. Теория эволюционных вычислений. М.: ФИЗМАТЛИТ, 2012 -260 с.
[20] Родзин С. И. Теория принятия решений: Уч. пособие. Таганрог: Изд-во ТТИ ЮФУ, 2010. — 336 с.
[21] Родзина Л. С. Прикладные многоагентные системы. Программирование на платформе JADE. Saarbrucken, Germany: LAP LAMBERT Academic Publishing GmbH& amp-Co., 2011. — 174 c.
[22] Курейчик B.M., Родзин С. И. Компьютерный синтез программных агентов и артефактов // Программные продукты и системы. 2004. № 1. — С. 23 — 27.
[23] Rodzina L., Kristofferson S. Context-dependent car Navigation as kind of human-machine collaborative interaction // Proc. of the 2013 Intern. Conf. on Collaboration Technologies& amp-Systems — CTS'-2013, may 20−24, 2013, San Diego, California, USA. — Publ. of the IEEE. — P. 253−259.
Сведения об авторах
Родзин Сергей Иванович, 1953 г. рождения. Окончил Таганрогский радиотехнический институт в 1976 г., к.т.н. (1981). Профессор кафедры математического обеспечения и применения ЭВМ Южного федерального университета. Член Европейского координационного комитета искусственного интеллекта (ECCAI), Российской ассоциации искусственного интеллекта (РАИИ), член Российской ассоциации нечетких систем и мягких вычислений. В списке научных трудов около 100 работ в области автоматизации проектирования, искусственного интеллекта, в том числе 8 монографий.
Sergey Ivanovich Rodzin (b. 1953) graduated from the Taganrog Radio Engineering Institute in 1976, PhD (1981). Hi is Professor at Southern Federal University (Department of software engineering and the use of computers). Hi is European Coordinating Committee for Artificial Intelligence (ECCAI) member, Russian Association of Artificial Intelligence (RAAI) member, Russian Association of fuzzy systems and soft computing member. Hi is co-author of about 100 scientific articles in the field of CAD and AI, including 8 monographs.
Родзина Лада Сергеевна, 1988 г. рождения. Окончила Южный федеральный университет в 2010 г. (математик-программист), Остфолд-ский университет (Норвегия) в 2012 г. (магистр информатики). Аспирант кафедры систем автоматизированного проектирования Южного федерального университета. В списке научных трудов более 20 статей, 1 монография в области многоагентных информационных систем.
Rodzina Lada Sergeevna (b. 1988) graduated from the Southern Federal University in 2010 (engineering degree, mathematician& amp-programmer specialty & quot-Software and administration of information systems& quot-), Ostfold University College in 2012 (degree master in computer science). Aspirant department of CAD Systems at Southern Federal University. She is coauthor of more than 20 articles and 1 monograph in the field of multi-agent information systems.

ПоказатьСвернуть
Заполнить форму текущей работой