Алгоритмы автоматизированного формирования баз знаний для систем дистанционного обучения

• Автор: Медведев, Роман Евгеньевич
• Шифр специальности: 05.13.11
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Рязань
• Количество страниц: 140 с. : ил.

Оглавление
ВВЕДЕНИЕ
1. ГЛАВА 1. ПРОБЛЕМАТИКА ДИСТАНЦИОННОГО ОБУЧЕНИЯ
1.1. Адаптивные системы дистанционного обучения
1.2. Архитектура современных адаптивных интеллектуальных обучающих систем
1.3. Модели представления знаний в автоматизированных обучающих системах
1.4. Использование онтологического подхода при проектировании автоматизированных обучающих систем
1.5. Недостатки существующих адаптивных интеллектуальных обучающих систем
2. ГЛАВА 2. ОНТОЛОГИЧЕСКОЕ НАКОПЛЕНИЕ УЧЕБНЫХ ЗНАНИЙ НА ОСНОВЕ СЕРВИСА ИНФОРМАЦИОННЫХ СЕТЕЙ
2.1. УеЬ-сервисы как информационные ресурсы глобальных сетей
или информационных хранилищ
2.2. Онтологические модели знаний для систем
дистанционного обучения
2.3. Описание УеЬ-сервисов с применением языковых конструкций VSDL и
2.4. Понятие изоморфизма в онтологических моделях знаний
2.5. Использование тезауруса для автоматического формирования раздела АВох онтологических моделей знаний
2.6. Алгоритм унификации для выбора тестового и учебного материала на основе онтологической модели знаний предметной области..
3. ГЛАВА 3. АВТОМАТИЗИРОВАННОЕ ПРОЕКТИРОВАНИЕ ИНДИВИДУАЛЬНЫХ ТРАСС ОБУЧЕНИЯ
3.1. Постановка задачи синтеза обучающих ресурсов, ориентированных
на психологическую модель обучаемого

3.2. Теоретико-множественное описание принципов
подбора материала
3.3. Семантическая метрика при подборе материала для индивидуальных трасс обучения
3.4. Идентификация психологического типа личности
3.5. Взаимосвязь индивидуальных трасс обучения с онтологической системой представления знаний о предметной области
4. ГЛАВА 4. РЕАЛИЗАЦИЯ ПРОГРАММНОГО КОМПЛЕКСА
АВТОМАТИЗИРОВАННОГО ФОРМИРОВАНИЯ БАЗЫ УЧЕБНЫХ МАТЕРИАЛОВ
4.1. Требования к программному комплексу БББГОЕ
4.2. Архитектура системы
4.3. Настройка программного комплекса БББГОЬ
4.4. Взаимодействие с базой данных
4.5. Визуализация контента ПК БББГОБ
4.6. Модуль контента
4.7. Тезаурус
4.8. Модель обучаемого
4.9. Модель учебного курса
4.10. Работа модуля «Тип личности»
4.11. Индивидуальная трасса обучения
4.12. Оценка эффективности программного комплекса
5. ЗАКЛЮЧЕНИЕ
6. БИБЛИОГРАФИЧЕСКИЙ СПИСОК
7. ПРИЛОЖЕНИЕ!
ВВЕДЕНИЕ
Актуальность темы. В настоящее время во всем мире наблюдается непрерывный рост интеллектуализации технологий во всех отраслях человеческой деятельности, порождающий спрос на высококвалифицированные кадры, которые в кратчайшие сроки могут повысить свою квалификацию или переквалифицироваться. Постоянно увеличивается число людей, которые в силу таких причин, как инвалидность, нехватка времени, удаленность учебного заведения, высокая стоимость образования и т.д., не могут реализовать свои потребности в образовании. Перечисленные факторы заставляют прибегнуть к поиску новых путей получения образования и обратить внимание на дистанционное обучение (ДО), основанное на широком применении компьютерных и сетевых технологий.
Проведенный анализ современных систем дистанционного обучения (СДО), результатов научных исследований и публикаций показал, что на настоящий момент СДО не реализуют дифференцированный подход к каждому конкретному обучаемому, не принимая во внимание различный уровень знаний обучаемых. При изложении учебного материала в СДО также не учитываются индивидуальные характеристики обучаемых, влияющие на способности к обучению, а также требования к способам представления информации. В системах недостаточно автоматизирован процесс формирования учебно-методического материала и контрольных тестовых заданий, отсутствуют инструменты оценки их качества. Структура курса задается самим преподавателем, что вызывает неоднородность трактовки содержания учебного материала и поставленных целей обучения, если над курсом работают несколько преподавателей. В результате этого возникает необходимость в использовании новых методов и программных средств, позволяющих обеспечить индивидуальный подход и квалифицированную помощь при автоматизированном подборе учебного материала.

существует ряд недостатков: жесткая структура информационных единиц, отсутствие механизмов управления выводом, трудность построения модулей и их модификация.
Продукционная модель (модель, основанная на правилах) описывает знания с помощью продукций (правил вывода), представленных предложениями вида: ЕСЛИ <перечень условий>, ТО <перечень действий>. Каждую продукцию в общем виде можно представить как выражение вида:
И:8;С;А^В;Р, где N - уникальный идентификатор (имя) продукции;
5 - имя области определения продукции, определяющей класс ситуаций предметной области, в которых правомерно применение данной продукции;
С - условие, при котором данная продукция активизируется;
А^-В - ядро продукции, где А является множеством предпосылок (условий, фактов), В представляется множеством заключений (действий), выполняющихся если предпосылки верны;
Р - постусловие, определяющее набор действий, которые необходимо реализовать после выполнения продукционного правила В.
База знаний продукционной модели состоит из базы данных (БД) и базы правил (БП), которые могут взаимодействовать следующим образом:
- условия описываются в правилах БП, при этом БД отсутствует;
- условия описываются либо в БД и БП, либо только в БД, которая входит в состав БП;
- с БП используется внешняя БД.
Поиск решений в продукционной модели является нелинейным процессом, цель может быть достигнута как одним или несколькими путями, так и недостигнута вообще. Процедурная информация явно выделена и описана иными средствами, чем декларативная. Результатом применения правил вывода к сетевым элементам является трансформация сетевого описания за счет перестановки, удаления и дополнения элементов, вследствие чего вместо логического вывода организуется вывод, основанный на знаниях.