Метод адаптивного поиска образовательных ресурсов на основе онтологической модели представления знаний и алгоритма рассуждений по прецедентам

• Автор: Ужва, Алексей Юрьевич
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Волгоград
• Количество страниц: 153 с. : ил.

Содержание
Введение
Перечень сокращений, условных обозначений, символов и терминов
Глава 1 Анализ предметной области и постановка задач исследования
1.1 Задача поиска электронных образовательных ресурсов
1.2 Место задачи поиска электронных образовательных ресурсов в существующем образовательном процессе
1.2.1 Процесс поиска электронных образовательных ресурсов с точки зрения преподавателя
1.2.2 Процесс поиска электронных образовательных ресурсов с точки зрения обучаемого
1.2.3 Недостатки существующего процесса
1.3 Адаптивный поиск электронных образовательных ресурсов
1.4 Особенности предметной области
1.4.1 Особенности описания электронных образовательных ресурсов и образовательных коллекций
1.4.2 Особенности описания обучаемого
1.4.3 Компетентностный подход в образовательном процессе
1.5 Методы адаптивного поиска
1.5.1 Адаптивный поиск на основе вероятностных моделей
1.5.2 Адаптивный поиск на основе графовых методов и семантических сетей
1.5.3 Адаптивный поиск на основе онтологических моделей
1.5.4 Адаптивный поиск на основе рассуждений по прецедентам
1.6 Адаптивный поиск на основе онтологических моделей представления знаний и рассуждений по прецедентам
1.7 Постановка задачи и цели исследования

Глава 2 Разработка онтологической модели предметной области
2.1 Требования к разрабатываемой модели предметной области
2.2 Состав и структура разработанной онтологической модели
2.2.1 Онтологическая модель поля знаний предметной области
2.2.2 Онтологическая модель образовательных дисциплин
2.2.3 Онтологическая модель обучаемого
2.2.4 Онтологическая модель образовательной коллекции
2.2.5 Онтологическая модель прецедента
2.2.6 Интеграция разработанных моделей на основе мета-онтологии
2.3 Анализ разработанной модели предметной области на соответствие поставленным требованиям
2.4 Пример описания прецедента на разработанной модели
2.5 Постановка задачи адаптивного поиска на разработанной модели
2.6 Выводы по главе 2
Глава 3 Алгоритм поиска электронных образовательных ресурсов на основе
рассуждений по прецедентам
3.1 Интеграция разработанной модели представления знаний в цикл рассуждений по прецедентам
3.2 Алгоритм поиска электронных образовательных ресурсов на основе рассуждений по прецедентам
3.3 Функция определения близости прецедентов
3.3.1 Функция определения близости характеристик обучаемого
3.3.2 Функция оценки близости полей знаний обучаемого
3.3.3 Функция оценки близости истории оценки образовательных коллекций
3.4 Анализ алгоритма поиска электронных образовательных ресурсов и разработанных функций оценки близости прецедентов
3.5 Выводы по главе 3
Глава 4 Разработка метода и программного средства адаптивного поиска электронных образовательных ресурсов
4.1 Разработка метода адаптивного поиска
4.2 Разработка программного средства адаптивного поиска электронных образовательных ресурсов
4.2.1 Требования к программному средству
4.2.2 Архитектура программного средства
4.3 Модуль формирования онтологической модели
4.3.1 Требования к модулю формирования онтологической модели
4.3.2 Архитектура модуля формирования онтологической модели
4.3.3 Пример создания онтологической модели предметной области с использованием разработанного модуля
4.4 Модуль адаптивного поиска электронных образовательных ресурсов
4.4.1 Требования к модулю адаптивного поиска ЭОР
4.4.2 Реализация модуля адаптивного поиска ЭОР
4.4.3 Пример решения задачи адаптивного поиска с применением разработанного модуля
4.5 Оценка релевантности найденных с помощью предложенного метода электронных образовательных ресурсов
4.6 Выводы по главе 4
Заключение
Список использованных источников
ПРИЛОЖЕНИЕ А Фрагмент онтологической модели на языке OWL DL 123 ПРИЛОЖЕНИЕ Б Примеры описания прецедентов
ПРИЛОЖЕНИЕ В Акт внедрения результатов работы

ЕЯ - образовательный ресурс.
Векторы К, Р должны выражать в численном виде предпочтения обучаемого.
В качестве методов реализации функции V, используются подходы, основанные на теореме Байеса и нейронные сети.
Существенным преимуществом рассматриваемого метода является то, что данные методы позволяют использовать механизмы самообучения системы в процессе эксплуатации. Самообучение существенно снижает трудоемкость эксплуатации метода.
В то же время, методы подразумевают наличие формализуемых математических зависимостей предпочтений обучаемых в зависимости от знаний и характеристик обучаемых. Помимо этого, должна быть использована численная оценка для каждой из характеристик, что не всегда представляется возможным. Вероятностные модели не позволяют реализовать модульность представляемых знаний, добавление нового курса или образовательного ресурса требует пересчета вероятностей и коэффициентов. Наиболее серьезным ограничением является то, что вероятностная модель не позволяет выразить общих зависимостей предметной области, что не позволяет гарантировать выполнение требований образовательного стандарта, соблюдение необходимой последовательности предоставления материала.
1.5.2 Адаптивный поиск на основе графовых методов и семантических
сетей
Адаптивный поиск на основе графовых методов и семантических сетей использует модель предметной области в виде графов, где элементы компетенций представлены вершинами графа, а отношения - ребрами.
Графовая модель подразумевает один тип отношений между элементами компетенций, выбираемый разработчиком метода. На семантической сети, в зависимости от требований реализации, могут быть заданы различные типы отношений: