Серия МОНАП: модели, методы, подходы (стр. 3 из 4)
идентификацию знаний обучаемого;
принятие решения о продолжении обучения, достижении цели обучения, аварийное завершение;
определение свойств учебной задачи адекватной знаниям обучаемого на следующий шаг обучения.
Подсистема управления обучением построена на основе следующих моделей:
модель предметной области;
модель обучаемого;
модель управления процессом обучения.
В МОНАП могут быть выделены два основных компонента:
сервисные авторские средства, используемые для создания базы знаний и ее поддержки;
функциональные средства, используемые для обучающего диалога и управления.
База знаний представляет собой совокупность сред обучения. Структура базы знаний представлена на рис. 1.
Каждая среда обучения, включенная в базу знаний содержит следующие знания:
знания о свойствах учебных задач (какого типа и сколько операций необходимо выполнить для решения учебного задания);
знания об обучаемом (имя, текущий шаг обучения, свойства учебного задания на следующий шаг обучения, вероятности правильного выполнения операций, вероятности гипотез об уровнях усвоения на текущий шаг);
знания об управлении процессом обучения определяемые соответствующими значениями параметров модели обучения (число гипотез об уровнях обученности, оптимальное значение трудности задания, минимальный уровень усвоения, "порог стресса" и т.д.).
 | |||||||||
 | |||||||||
 | |||||||||
 | ||||
 | ||||
 | ||||
 |
При проектировании конкретной ИОС преподаватель должен задать значения ряда параметров модели управления обучением (Рис. 2).
Рисунок 2.
 |
Значения некоторых из указанных параметров могут существенным образом влиять на то, какая задача будет выдана обучаемому в соответствии с его состоянием обученности. Практический опыт использования МОНАП-ПЛЮС для проектирования ИОС GRAD [GaleevI. etal., 1998] показал, что задание значений указанных параметров могут вызывать затруднения у педагогов несмотря на то, что встроенные средства помощи содержат рекомендации по их выбору. Для преодоления этих затруднений педагог может использовать режим моделирования. В этом режиме (Рис. 3) предоставляется возможность задавать любые результаты решения задач.
Рисунок 3.
Педагогу наглядно представляются итоги идентификации знаний обучаемого (используется байесовский подход) в цифровой и графической формах, а также тип текущей задачи, которая будет предложена обучаемому для выполнения на следующем шаге обучения в соответствии с его состоянием обученности и заданными значениями параметров модели обучения.
Варьируя результаты решения задач и значения параметров модели, педагог может подобрать такие значения, при которых модель обучения будет управлять процессом обучения оптимально с точки зрения педагога. В режиме моделирования доступны две различные формы графического представления итогов идентификации знаний обучаемого. В числовой форме эти же данные приведены в таблице, расположенной над графиком. Первый тип графика (Рис. 3) демонстрирует вероятности правильного применения обучаемым каждой операции на заданном количестве шагов обучения, то есть графически отображает данные, находящиеся в той или иной строке таблицы. Второй тип графика демонстрирует историю изменения состояния обученности обучаемого по конкретной операции (графическое изображение того или иного столбца таблицы). Переключиться между этими двумя типами представления графической информации можно щелкнув левой клавишей мыши на соответствующем заголовке строки или столбца цифровой таблицы соответственно.
В связи с тем, что процесс обучения является многофакторным, динамическим и слабо формализуемым процессом возникает необходимость в наличие инструментов, обеспечивающих педагогу возможность проведения дидактических экспериментов с целью такой настройки, модели управления обучением в ИОС, которая позволяет учитывать конкретные условия использования. Реализованная в МОНАП подсистема моделирования отвечает указанным требованиям.
Интеллектуальная обучающая система, основанная на МОНАП
Во многих научных исследованиях показано, что CALL системы более эффективны, чем традиционный человек-учитель [Yang & Akahory, 1999]. В результате анализа предметной области обучения (грамматики немецкого языка в части склонения имен прилагательных) разработаны структуры предметно-ориентированных подсистем соответствующей экспертной обучающей системы (ИОС GRAD) [GaleevI. etal., 1999]. Подсистема модели обучения спроектирована с помощью инструментальных средств МОНАП. В соответствии с разработанной ранее архитектурой проектируемых ИОС определен состав предметно-ориентированного расширения среды обучения в ИОС GRAD и разработаны программные средства, обеспечивающие её создание и обслуживание, в том числе и возможность построения семейства ИОС в рассматриваемой ПО обучения, имеющих сетевую архитектуру, т.е. использующих общие компоненты информационных баз. Разработанная ИОС GRAD обеспечивая адаптивный процесс освоения обучаемым грамматики немецкого языка в части склонения имен прилагательных представляет собой гибкую систему открытого типа, способную расширяться и изменяться по требованиям эксперта-педагога.
Актуальность усвоения грамматики немецкого языка в части склонения имен прилагательных обусловлена тем, что знания о прилагательном используются как при синтезе, так и при анализе немецкого предложения. В случае синтеза предложения основной задачей при изучении прилагательного является правильное определение его окончания. В случае анализа (понимания) немецкого предложения знания о прилагательном могут играть важнейшую роль при решении целого ряда задач анализа:
распознавание подлежащего;
различение числа;
распознавание распространенного предложения и т.д.
Таким образом, решая задачи синтеза, обучаемый приобретает знания, которые могут быть использованы и при решении задач анализа немецкого предложения. В связи с этим целесообразно проектирование ИОС GRAD (GR -Grammatik, AD - Adjektiv), в которой учебным заданием является набор предложений немецкого языка, содержащих основы прилагательных. Обучаемому необходимо правильно проставить требуемые окончания. Фрагмент учебного задания может выглядеть следующим образом:
Das klein... Kind trinkt warm... Milch.
На основе анализа морфологии прилагательного, а также учитывая результаты анализа морфологии определяемого существительного и артикля, сформулирован общий подход к формированию алгоритмических предписаний по определению окончаний прилагательных в виде набора правил (операций) типа: "ЕСЛИ (условие), ТО (действие)". Указанные предписания представляют собой реализации внешней формы представления знаний эксперта-педагога о грамматике немецкого языка в части склонения имен прилагательных. Очевидно, что может быть сформирован целый класс таких алгоритмических предписаний на ЕЯ. При этом алгоритмические предписания указанного класса могут существенно отличаться друг от друга. Возможны следующие основные различия:
по типам выделенных операций, входящих в алгоритмическое предписание;
по степени детализации выделенных операций, входящих в алгоритмическое предписание;
по указанной экспертом-педагогом последовательности выделенных операций;
по естественно-языковой форме представления алгоритмического предписания, обусловленного как многозначностью, так и синонимичностью ЕЯ.