Алгоритмы автоматизированного формирования баз знаний для систем дистанционного обучения тема диссертации и автореферата по ВАК РФ 05.13.11, кандидат наук Медведев, Роман Евгеньевич

• Медведев, Роман Евгеньевич
• кандидат наук
• 2013

Оглавление диссертации кандидат наук Медведев, Роман Евгеньевич

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. Web-cepвиcы как информационные ресурсы глобальных сетей

или информационных хранилищ

2.2. Онтологические модели знаний для систем

дистанционного обучения

2.3. Описание ,\Л'еЬ-сервисов с применением языковых конструкций \VSDL и ОШ.-8

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

2

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 888ГОЬ

4.2. Архитектура системы

4.3. Настройка программного комплекса 888ГОЬ

4.4. Взаимодействие с базой данных

4.5. Визуализация контента ПК 888ГОЬ

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 диссертации (часть автореферата) на тему «Алгоритмы автоматизированного формирования баз знаний для систем дистанционного обучения»

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.

Цель диссертационной работы состоит в разработке алгоритмов формирования баз знаний для систем дистанционного обучения с целью осуществления автоматизированного накопления, подбора и организации последовательности единиц учебного материала, учитывающей индивидуальные характеристики обучаемого.

Для достижения поставленной цели в диссертационной работе решаются следующие задачи:

- анализ принципов и технологий создания СДО;

- разработка модели знаний, позволяющей адекватно описывать знания о предметных областях, предназначенные для последующего дистанционного обучения;

- исследование способов отображения структурных элементов учебно-методического материала в соответствующие структурные элементы тестовых задач;

- разработка алгоритма идентификации психологического типа личности обучаемого, на основе его опыта работы с СДО;

- создание процедуры формирования последовательности учебных материалов и тестовых заданий с использованием разработанной модели знаний, учитывающей психологический тип личности обучаемого;

разработка программного инструментария для апробации предложенных моделей и алгоритмов.

Методы исследования. Для решения поставленных задач использовались методы общей алгебры, теории алгоритмов, теории множеств, объектно-ориентированного анализа, теории унификации, теории графов и дескриптивная логика.

Научная новизна:

1. Разработана оригинальная онтологическая модель знаний, адекватно описывающая знания о предметных областях СДО.

2. Введено понятие изоморфизма подразделов онтологических описаний, а также приведено конструктивное доказательство изоморфизма задач-ной и содержательной частей предложенной прикладной онтологии.

3. Показано, что изоморфизм содержательной и тестирующей составляющих онтологии является необходимым требованием для использования такой онтологии в обучении.

4. Впервые создана семантическая метрика для контроля процесса обучения на основе формального анализа контрольных точек индивидуальных трасс обучения.

5. Показана взаимосвязь индивидуальных трасс обучения с онтологической системой представления знаний о предметной области, дающая возможность разделить процессы формирования кластеров учебного материала и индивидуальные траектории обучения.

Практическая ценность. На основе методов, алгоритмов и подходов, предложенных в диссертационной работе, разработан программный комплекс поддержки индивидуализации дистанционного обучения SSSIDL v. 1.1, выполненный на PHP и MySql. Разработанный программный комплекс позволяет структурировать учебный материал и на его основе строить индивидуальные трассы обучения. Комплекс может использоваться в СДО с целью повышения эффективности дистанционного образования, за счет: возможности экспорта готовых единиц учебного материала из XML и OWL источников, автоматизации поиска учебного материала, учета психологических характеристик и уровня знаний обучаемого при формировании индивидуальной трассы обучения.

Реализация результатов работы. Результаты диссертационной работы используются:

1. В учебном процессе Рязанского государственного радиотехнического университета при обучении студентов по специальностям 080801 - «Прикладная информатика (в экономике)» и 230106 - «Применение и эксплуатация автоматизированных систем специального назначения».

2. В учебнике для ВУЗов "Предметно-ориентированные экономические информационные системы", рекомендованным УМО по образованию в области прикладной информатики в качестве учебника для студентов ВУЗов по направлению и специальности "Прикладная информатика".

3. В программном обеспечении в рамках образовательного портала администрации г. Рязани.

4. В рамках научно-исследовательской работы с администрацией г. Рязани по теме "Создание математического обеспечения и программного инструментария информационной поддержки административных регламентов и единой базы данных системы общего образования", муниципальный контракт № 1419.

Апробация работы. Основные положения диссертационной работы отраженны в докладах 17-ой всероссийской научно-технической конференции молодых ученых и специалистов "Новые информационные технологии в научных исследованиях" г. Рязань 2012 г., в научно-практической конференции "Наука и образование в 21 веке" г. Тамбов 2012 г., в 9-ой международной научно-практической конференции "Новости передовой науки" г.София 2013 г.

Публикации. Основные результаты диссертации опубликованы в 17 работах. В том числе: 2 статьи в изданиях, рекомендуемых ВАК, 9 статей в межвузовских сборниках научных трудов, 4 доклада на международных конференциях, 2 доклада на всероссийских конференциях.

Структура и объем диссертации. Диссертация состоит из введения (7 е.), 4-х глав (128 с. - 24 рисунка и 15 таблиц). Библиографический список включает 87 наименований (9 е.).

Во введении обоснована актуальность темы диссертационной работы, изложены цель и задачи исследования, приведена структура работы.

Первая глава носит обзорный характер. В главе рассмотрены достоинства дистанционного образования, различные средства его поддержки, предложена их классификация. Рассмотрен результат процесса внедрения интеллектуальных технологий в дистанционное образование, нашедший свое от-

ражение в появлении интеллектуальных систем дистанционного обучения (ИСДО). Определены основные принципы реализации ИСДО, приведены их отличительные особенности, преимущества, структура и методы взаимодействия с обучаемым. В главе рассмотрена архитектура ИСДО и выделены основные компоненты системы: модель обучаемого, модель предметной области, модель процесса обучения. Приведены методы построения каждой из моделей, рассмотрены их преимущества и недостатки. Рассмотрены достоинства и недостатки различных моделей представления знаний: логических моделей, фреймов, семантических сетей, продукционных моделей, онтологий. Выявлены и проанализированы методы адаптации ИСДО под нужды конкретного обучаемого, рассмотрены достоинства и недостатки каждого из методов. Выделена проблема представления знаний в ИСДО и определенны задачи для ее решения. Представлены результаты проведенного анализа существующих ИСДО, определенны и сформулированы их недостатки.

Вторая глава посвящена разработке базового формализма для представления и онтологического накопления учебных знаний в СДО с целью их последующей обработки. В главе рассмотрена задача автоматизированного или даже автоматического накопления знаний, в заданной тематической области для последующего обучения. Для ее решения предлагается использовать задачный подход, в котором структура подразделов изучаемой предметной области является изоморфной структуре тестовых примеров, задаваемых для контроля усвоения знаний. Для реализации задачного подхода спроектирована прикладная онтология, в рамках которой можно было бы сформулировать ключевую фразу подхода: "для решения задачи студент должен усвоить все понятия, которые необходимы при ее решении".

Для конструктивной работы с формулами дескриптивной логики определенны два раздела выражений: ТВох и АВох, описывающие абстрактную и конкретную составляющие прикладной онтологии.

В главе рассмотрена задача использования алгоритма унификации О'^'Ъ-выражений для случая полиморфических термов, как одного из сер-

висов накопления знаний в качестве учебных материалов, с помощью \¥80Ь-описания или 0\\*Ъ-8-описания сервиса для предметной области «Обучение».

Рассмотрена содержательная часть процесса обучения, как онтологическая составляющая, из которой выделены факторы, непосредственно влияющие на качество обучения.

В главе рассмотрен изоморфизм, предполагающий взаимнооднозначное соответствие элементов базовых множеств. Приведено конструктивное доказательство изоморфизма двух локальных фрагментов онтологий, как полное структурное совпадение соответствующих правильно построенных формул с точностью до определения соответствия концептов. Значение доказанной теоремы заключается не только в том, что изоморфизм прикладных онтологий открывает путь к их совместному применению как пары («Материал», «Тест») в обучающих системах, но и дает возможность использовать аналогичное доказательство при автоматическом подборе материала в раздел онтологии АВох. В то же время, для автоматического доказательства изоморфизма разделов онтологии АВох, формируемых из информационных хранилищ, необходимо воспользоваться двумя новыми механизмами, раскрываемыми посредством понятий двух понятий, рассмотренных в главе унификация и тезаурус.

В третьей главе рассматриваются алгоритмы проектирования индивидуальных трасс обучения на основе психологического типа личности обучаемого.

Цель теоретических исследований, проведенных в данной главе, может быть сформулирована следующим образом: «необходимо получить математический формализм и инструментальные программные средства, достаточные для адекватной классификации обучающихся по широкому спектру психологических свойств их личностей для выявления наиболее эффективных учебных ресурсов, пригодных обучаемым с конкретными психологическими особенностями».

Сформулированы условия, которые нужно решить, перед тем как предложить обучающемуся тестовую задачу. Для достижения сформулированных условий формализованы и рассмотрены основные понятия.

В главе формализована цель выбора требуемого материала и тестовых задач, описаны принципы выбора единиц учебного материала и тестовых задач на основе подготовленности обучаемого и сложности задач.

Рассмотрен процесс формирования выборки задач и материала специально для обучающегося определенного психологического типа, а также для предметной области, понятия которой должен усвоить этот обучающийся.

В главе описан новый алгоритм идентификации психологического типа личности с точки зрения обучающей системы и рассмотрена взаимосвязь индивидуальных трасс обучения с онтологической системой представления знаний о предметной области.

В четвертой главе рассматривается программный комплекс (ПК) поддержки индивидуализации дистанционного обучения SSSIDL v. 1.1 (Software System to Support Individualization of Distance Learning). В главе приведена архитектура ПК SSSIDL v. 1.1 и схема взаимодействия с СДО.

В главе приведена структура, каждого из компонентов ПК и алгоритмы определения типа личности обучаемого и формирования индивидуальной трассы обучения.

Рассмотрена эффективность работы ПК, оцененная с точки зрения преподавателя и обучаемого. Проанализированы результаты экспериментальных исследований, доказывающие эффективность применения на практике разработанных методов и алгоритмов, реализованных в ПК SSSIDL v. 1.1.

На защиту выносятся следующие научные результаты.

1. Оригинальная онтологическая модель знаний, позволяющая адекватно описывать знания о предметных областях, предназначенные для последующего дистанционного обучения.

2. Алгоритм унификации ЭЬ-выражений на основе онтологической модели знаний предметной области системы дистанционного обучения для выбора тестового и учебного материала.

3. Общие принципы подбора учебного материала, достаточного для эффективного усвоения понятий предметной области обучающимся.

4. Алгоритм идентификации психологического типа личности, позволяющий классифицировать типы личностей обучающихся.

5. Процедура формирования учебных материалов и тестовых задач, использующий онтологию как модель знаний о предметной области, и индивидуальную траекторию обучения, учитывающую особенности личности обучаемого.

ГЛАВА 1. ПРОБЛЕМАТИКА ДИСТАНЦИОННОГО ОБУЧЕНИЯ

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 (пройти специализированные курсы или переподготовку). В связи с этим, всё большую ценность стал приобретать специалист, способный при необходимости получить дополнительные знания без отрыва от производства, с минимальными временными и материальными затратами, тем самым повысить свои профессиональные навыки. Растет 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.

В настоящей диссертации, главным образом, используется то свойство ДО, что автоматический или автоматизированный подбор учебно-методических материалов производится в информационном поле всех возможных ресурсов, таких как глобальные и локальные информационные хранилища и сеть Интернет. Эти ресурсы могут быть разработаны различными авторскими коллективами и территориально располагаться в различных географических точках.

Развитие информационно-коммуникационных и компьютерных технологий привело к модернизации в сфере образования. Популярность стало приобретать ДО или обучение на расстоянии. Базовое начало дистанционного метода получения образования можно отнести к 1840 году, когда английский педагог Исаак Питман посредством почтовых отправлений стал обучать студентов стенографии. После этого его опыт переняли учебные заведения

по всему миру: Лондонский университет (1858 г.), шотландский Университет Святого Андрея (1877 г.), Чикагский университет (1891 г.), Королевский университет Канады (1899 г.) и т.д. Вместе с доминирующим положением печатных материалов стали применяться и новые способы передачи информации: телеграф, радиопередачи, телефон, аудиокассеты, телепередачи. Появление первых компьютерных сетей сделало ДО еще доступнее, начал активно применяться термин e-learning, или электронное обучение, означающий процесс получения образования в электронной форме через использование информационных и коммуникационных технологий, реализующих двухстороннюю связь в различных форматах (текст, звук, графика, анимация) как в синхронном (аудио- видеоконференции, вебенары и т.д.), так и в асинхронном (e-mail) режимах.

В [28] под дистанционным образованием понимается "комплекс образовательных услуг, предоставляемых широким слоям населения в стране и за рубежом с помощью специализированной информационной образовательной среды, базирующейся на средствах обмена учебной информацией на расстоянии (спутниковое телевидение, радио, компьютерная связь и т.п.)".

Андреев A.A. указывает на неполноту традиционных определений ДО и определяет дистанционное образование, как "...синтетическую, интегральную, гуманистическую форму обучения, базирующуюся на использовании широкого спектра традиционных и новых информационных технологий и их технических средств, которые используются для доставки учебного материала, его самостоятельного изучения, организации диалогового обмена между преподавателем и обучающимися, когда процесс обучения некритичен к их расположению в пространстве и во времени, а также к конкретному образовательному учреждению" [2].

Евтихиев H.H. в своем определении заостряет внимание на личности обучаемого, под дистанционным образованием он понимает "процесс формирования знаний у субъекта обучения с использованием компьютерных технологий и средств телекоммуникации, которая обеспечивает интерактив-

ный удаленный диалог обучаемого, находящегося в терминальном пункте обучения (возможно, по месту жительства), с центром обучения - вузом в соответствии с его индивидуальным графиком обучения, что позволяет контролировать результаты самостоятельной работы обучаемого и изменять режим компьютерного обучения в соответствии с индивидуальными особенностями обучаемого" [14]. Данное определение отражает одну из главных особенностей ДО - индивидуализацию обучения во времени и содержании в зависимости от особенностей субъекта обучения.

Федорова Е.Ф. в своей работе [60] развивает системное представление дистанционного образования, впервые выдвинутое в тексте "Концепции создания и развития единой системы дистанционного образования в РФ", разработанной в Институте Дистанционного Образования МЭСИ и определяющей дистанционное образование как "систему, в которой реализуется процесс ДО для достижения и подтверждения обучаемым определенного образовательного ценза, который становится основой его дальнейшей творческой и (или) трудовой деятельности". В работе [60] дистанционное образование определяется как система, состоящая из следующих взаимодействующих элементов:

• обучающийся с его образовательными запросами;

• содержательный компонент (электронный учебник, система заданий, система контроля знаний, система мониторинга и управления учебным процессом);

• связующий компонент (авторы, методисты, координаторы, психологи, а также программно-телекоммуникационная группа).

Помимо системного, подчеркивается и правовой аспект в определении, выдвинутый авторским коллективом под руководством Тихомирова В.П., в котором под дистанционным образованием понимается "педагогическая система, в которой реализуется процесс дистанционного обучения с подтверждением образовательного ценза".

Приведенные определения подчеркивают основные черты и преимущества дистанционного образования: доступность широким слоям населения, системность, параллельность с традиционными формами образования, использование современных информационных технологий, учет индивидуальных особенностей обучаемого, гибкость, независимость от временных и географических факторов. Помимо перечисленного следует отметить, что актуальность усвоенных когда-то знаний уменьшается со временем, а ДО позволяет не только в кратчайшие сроки представить знания на рынке услуг, но и оперативно получить к ним доступ.

При организации ДО важную роль занимает проблема выбора обучающей среды, так как в случае ошибочного выбора снижается эффективность обучения. Это происходит за счет неправильного понимания и не усвоения учебного материала, отсутствия интереса к обучению, неправильной оценки знаний и не достижению заявленных целей обучения. В связи с этим следует обратить внимание на классификацию существующих средств обучения.

За время развития ДО были созданы и стали доступны тысячи учебных приложений и программ учебного назначения [40]. Структура системы дистанционного обучения (СДО) представлена на рис. 1.1.

Системы ДО классифицируют с различных точек зрения [29, 30]. На настоящий момент в литературе существует множество классификаций обучающих сред [6, 19, 30, 49, 54]. Необходимо отметить, что разные авторы под одним и тем же понятием подразумевают разные термины и наоборот, однотипные средства обучения описываются разными понятиями.

Исходя из сказанного, в рамках настоящего диссертационного исследования необходимо разработать собственную классификацию систем, проанализировав предшествующие труды (рис. 1.2).

Исходя из разработанной классификации, целесообразно выделить две группы обучающих сред: электронные учебные материалы (электронные учебники, базы данных, базы знаний, электронные библиотеки) и системы ДО (СДО).

\УеЬ сервер

Сервер приложений

БД учебного материала

Сервер ишераюивного общения

БД вопросов

/ -ч Преподаватель

Автор курсов

г

Материалы на физических носителях

Internet, intranet, локальные се ти

Традиционная почта

Рабочее место обучаемого

Г Рабочее место \ обучаемого 2

Рабочее место обучаемого N

Рисунок 1.1- Структура системы дистанционного обучения

Электронные учебные материалы (ЭУМ) в большинстве случаев представлены статичными гипертекстовыми страницами, содержащими теоретический материал в форме мультимедиа информации (аудио-, видеофрагментов и анимации) для подготовки по определенной дисциплине, а также упражнений или тестов для самоконтроля. Авторы таких программ ориентируются на усредненного по своей подготовленности ученика и не берут во внимание индивидуальные особенности, навыки и запросы обучаемого.

Несмотря на наличие большого и разнообразного количества инструментов создания и поддержки учебно-методических материалов и проверочных заданий, учебный материал в таких системах рассматривается как мультимедийно-оформленный текст, а сам подход рассчитан на автоматизацию труда дизайнера, а не преподавателя. Недостатки этой группы обучающих средств очевидны: низкое качество учебно-методической информации, изложение материала без учета индивидуальных особенностей изучаемого, отсутствие формально описных методов проверки знаний обучаемого, примитивная автоматизация труда преподавателя (подбор учебного материала, разработка курсов и проверочных заданий, контроль процесса обучения).

Рисунок 1.2 - Классификация систем дистанционного обучения

Недостатки ЭУМ заставляют обратить внимание на СДО.

СДО - сложная многокомпонентная система, представляющая собой совокупность организационных, телекоммуникационных, педагогических и научных ресурсов, а также технических средств, вовлеченных в создание и практическое осуществление программ с использованием дистанционных технологий обучения. Как и многое другое программное обеспечение, СДО могут быть коммерческими и бесплатными (открытыми). К достоинствам коммерческих СДО относят:

- высокую надежность;

- наличие пользовательской поддержки;

- централизованное обновление и доступность новых версий;

- прогнозируемость развития;

- расширенную и подробную документацию;

- централизованную техническую поддержку;

- отсутствие в потребности высокой технической квалификации пользователя.

Несмотря на объективные достоинства, коммерческим СДО присущ и ряд недостатков. Из-за недоступности кода источника, пользователь не может внести даже небольшие изменения в исходный код системы. Кроме того, высокая стоимость, регулярные выплаты за лицензию и за увеличение количества пользователей приводят к серьезным финансовым затратам.

Перечисленные недостатки заставляют обратить внимание на активно развивающийся рынок бесплатных или Open Source (OS) систем. Достоинства OS прямо противоположны недостаткам коммерческих систем:

- широкий набор возможностей для представления учебного материала, проверки знаний и контроля успеваемости, общения и организации ученического сообщества;

- низкая стоимость внедрения (оплачиваются только работы по внедрению и техническому сопровождению системы);

- кросс-платформенность;

- стремительное развитие;

- возможность изменения исходного кода в соответствии с нуждами учебного заведения и интеграция с другими продуктами.

В зависимости от функциональных возможностей среди СДО выделяют следующие.

1. Авторские программы (Authoring Packages). Они позволяют преподавателю разрабатывать учебные материалы на основе текстовых редакторов и/или визуальных средств (HTML-верстка, Ms PowerPoint). Данные программные продукты не позволяют преподавателю контролировать процесс обучения, группировать учебный материал и своевременно общаться с обучаемым.

2. Системы управления контентом (Content Management Systems - CMS) являются базами данных, позволяющими преподавателю управлять учебным материалом и заданиями, размещать информацию в различных форматах, а также осуществлять поиск. Эти системы хорошо подходят для создания обучающих интернет порталов, но с помощью них невозможно полноценной организовать дистанционное обучение.

Список литературы диссертационного исследования кандидат наук Медведев, Роман Евгеньевич, 2013 год

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Алексеев А. В., Борисов А. Н. Интеллектуальные системы принятия проектных решений. - Рига: Зинатне, 1997. - 320 с.

2. Андреев А. А. Введение в дистанционное обучение //Компьютеры в учебном процессе. - М. - 1998. - #2. - С. 25-68.

3. Андрейчиков А. В., Андрейчикова О.Н. Интеллектуальные информационные системы. - М.: Финансы и статистика, 2004. - 424 с.

4. Апресян Ю. Д. Лингвистическая терминология словаря. - В кн.: Апресян Ю. Д. Новый объяснительный словарь синонимов русского языка. Вып. 2. М., 2000.

5. Атанов Г. А., Пустынникова И. Н. Обучение и искусственный интеллект, или основы современной дидактики высшей школы. - Донецк: Изд-во ДОУ, 2002. - 504 с.

6. Башмаков А. И., Башмаков И. А. Разработка компьютерных учебников и обучающих систем. - М.: Филинъ, 2003.

7. Буль Е. Е. Обзор моделей студента для компьютерных систем обучения // Educational Technology & Society. - 2003. № 6(4). С. 245-250.

8. Гаврилова Т. А. Разработка интеллектуальных обучающих систем на базе многоагентных технологий // Программные продукты и системы. - М. -2001. - Вып.2. - С. 29-34.

9. Гаврилова Т. А., Хорошевский В. Ф. Базы знаний интеллектуальны систем. - Спб.: Питер, 2000. - 384 с.

10. Головина Е. Ю., Чибизова И. В. О построении интеллектуальной обучающей системы // Известия академии наук. Теории и системы управления. - М. - 1996. - №5. - С. 85-92.

11. ГОСТ 7.25-2001. Тезаурус информационно-поисковый одноязычный. Правила разработки, структура, состав и форма представления.

12. Данилова О. В. Особенности проектирования системы поддержки самостоятельного обучения // Educational Technology & Society. - 2005. - № 8(3).-С. 361-366.

13. Джексон П. Введение в экспертные системы. - М.: Издательский дом «Вильяме», 2001 - 624 с.

14. Евтихиев Н. Н., Зобов Б. И., Иванников А. Д., Ковалев С. И., Мордвинов В. А., Сазонов Б. А.. Образование и информатика -96 / Под ред. Савельева А.Я. - М., 1997. - 76с.

15. Зайцева Л. В.; Модели и методы адаптации в системах компьютерного обучения, Труды X Всероссийской научно-метод. конференции Телематика 2003. - Том 2. 14 - 17 апреля 2003 г. - Санкт-Петербург: С-ПИТМО.

16. Зайцева Л. В. Методы и модели адаптации к учащимся в системах компьютерного обучения // Educatuional Technology & Society. - 2003. - № 6 (З).-С. 204-211.

17. Зайцева Jl. В. Некоторые аспекты контроля знаний в дистанционном обучении. - Образование и виртуальность - 2000. // Сборник научных трудов 4-й Международной конференции. - Харьков - Севастополь : УАДО - 2000, -С. 126-131.

18. Информатизация образования: направления, средства, технологии / Под ред. С. И. Маслова. - М.: Изд-во МЭИ, 2004. - 868 с.

19. Информационные технологии средства дистанционного обучения / Под ред. А. Н. Ковшова. - М.: Академия, 2007. - 332 с.

20. Искусственный интеллект. — В 3-х кн. Кн.2. Модели и методы: Справочник. / Под ред. Д. А. Поспелова. — М.: Наука, 1990.

21.Кановей В. Г., Любецкий В. А., "О некоторых классических проблемах дескриптивной теории множеств", УМН, 58:5(353) (2003), 3-88.

22. Каширин Д. И., Каширин И. Ю. Модели представления знаний в системах искусственного интеллекта // Вестник РГРТУ № 1 (выпуск 31) -Рязань-2010.-С.З6-43.

23. Каширин Д. И., Каширин И. Ю., Пылькин А. Н. Полиморфическое представление знаний в Semantic Web: Монография, М. Горячая линия, Телеком, 2009. 136 с.

24. Каширин И. Ю., Медведев P.E. Онтологическое накопление учебных знаний на основе сервиса информационных сетей // Научно-технические ведомости СПбГПУ, №174, 2013. С. 75-85.

25. Кобёрн А. Современные методы описания функциональных требований к системам. — М.: Лори, 2002.

26. Козлов С.А. Генерация образовательных траекторий на основе динамических профилей обучаемых // Вестник Пермского университета. -2009. - Вып. 3(29). - С. 139 -143.

27. Коляда М. Г. Виды моделей, обучаемых в автоматизированных обучающих системах / М. Г. Коляда // Искусственный интеллект. - 2008. -С. 28-33.

28. Концепция создания и развития единой системы дистанционного образования в России. Государственный комитет Российской Федерации по высшему образованию. Постановление № 6 от 31 мая 1995 г.

29. Кривицкий Б. X. О систематизации учебных компьютерных средств // Кафедра педагогики, психологии и методики преподавания в высшей школе МГУ. - URL: http://ifets.ieee.Org/russian/depository/v3_i3/html/3.html. (21.06.2013).

30. Кривошеев А. О. Компьютерные обучающие программы. Состояние и перспективы развития // Мат-лы научно-технич. конференции "Перспективные информационные технологии в высшей школе". Самара, 2003.-С. 18-20.

31. Кузнецов О. П., Адельсон-Вельский Г. М. Дискретная математика для инженера. - 2-е изд., перераб. и доп.- М.: Энергоатомиздат, 1988. - 480 с.

32. Кулагина И. Ю. Возрастная психология: Полный жизненный цикл развития человека / Кулагина И. Ю., Колюцкий В. Н.. М.: ТЦ Сфера, 2003. -464 с.

33. Логический подход к искусственному интеллекту: от классической логики к логическому программированию: Пер. с франц./ Тейз А., Грибомон П., Луи Ж. и др. - М.: Мир, 1990. - 432 с.

34. Малых А. А., Манцивода А. В. Объектно-ориентированная дескриптивная логика // Изветия Иркутского государственного университета. - Иркутск. - 2011. - С. 57-72.

35. Мальков М. В. Онтологии в учебном процессе // Образовательные технологии, 2007. № 3. - URL: http://www.naukapro.ru/ot2007/3 003.htm. (22.06.2013).

36. Моисеева М. В., Полат Е. С., Бухаркина М. Ю., Нежурина М. И. Интернет-обучение: технологии педагогического дизайна / Под ред. канд. пед. н. М. В. Моисеевой. - М.: Издательский дом. - «Камерон». - 2004. -216 с.

37. Морозевич А. И., Комличенко В. Н., Гедранович В. В. Стратегия автоматизации управления познавательной деятельностью на основе информационной модели образовательного процесса// Информационные технологии. - 2000. - №5. - С.47-52.

38. Норенков И. П. Технологии разделяемых единиц контента для создания и сопровождения информационно-образовательных сред // Информационные технологии. - № 8. - 2003.

39. Норенков Ю. И., Усков В. Л. Консультационно-обучающие системы // Вестник МГТУ им. Н. Э. Баумана, сер. Приборостроение. - 1993. - вып. 3.

40. Обучающие машины, системы и комплексы: Справочник / Под ред. А. Я. Савельева. - Киев: Вища шк., 2006. - 303 с.

41. Онтологии и тезаурусы: модели, инструменты, приложения: учеб. пособие / Б. В. Добров, В. В. Иванов, Н. В. Лукашевич, В. Д. Соловьев. - М.: Интернет-университет информационных технологий; БИНОМ. Лаборатория знаний, 2009. - 173 с.

42. Осокина С. А. Индивидуальный тезаурус как система знаний: соотношение понятий «индивидуальный тезаурус» и «языковая личность» // Знание. Понимание. Умение. - Вып.4. - 2011.

43. Остринская Л. И., Семенова И. И., Дороболюк Т. Б. Теория и практика работы с современными базами и банками данных. - Омск: СибАДИ, 2005.-250 с.

44. Поспелов Д.А. Данные и знания. Искусственный интеллект. В 3 кн. Кн. 1. - М.: Радио и связь, 1990. - 464 с.

45. Поспелов Д.А. Ситуационное управление. Теория и практика. - М.: Наука, 1986.-288 с.

46. Райгородский Д. Я. Психология личности: хрестоматия: в 2 т. Самара: БАХРАХ-М, 2002. - Т. 1. - 512 с.

47. Рассел С., Норвиг П. Искусственный интеллект: современный подход. — М.: ИД «Вильяме», 2006. — 1408 с.

48. Рогушина Ю. В., Гладун А. Я. Онтологический поход к мультилингвистическому анализу информационных ресурсов в сети Интернет // Сб.трудов VI международн.конф. "Интеллектуальный анализ информации ИАИ-2006", К.: Просвгга, 2006. - С. 237-246.

49. Савельев А. Я. Автоматизированные обучающие системы / вып.1./ -М.: Знание. - 2007. - 36 с.

50. Скачков Д. М., Жижимов О. Л., "Об интеграции географических метаданных посредством ретроспективного тезауруса", Информ. и её примен., 6:3 (2012), 43-51.

51. Соколов Н.К. Синтез оптимальных траекторий обучения // Наука и образование. - URL: http://technomag.edu.ru/doc/324435.html. (19.05.2013).

52. Соловов А. В. Электронное обучение: проблематика, дидактика, технология. - Самара: Новая техника, 2006. - 464 с.

53. Сташ Н., De Bra P., Cristea А. Адаптация к Стилям Обучения в Системе Общего Назначения AHA! (Adaptive Hypermedia Architecture!) // Educational Technology & Society. - 2008. - № 11(1). - C. 331-345.

54. Стружкин Н.П. «Методы и модели искусственного интеллекта в учебном процессе», отчет по НИР №2021-99 М.: ГУУ, 1999.

55. Тарасов В. Б. От многоагентных систем к интеллектуальным организация: философия, психология, информатика. - М.: Эдиториал УРСС, 2002.-352 с.

56. Тарханов Т. С.; Представление знаний в динамических базах знаний для предметных областей со сложной структурой, Труды конференции КИИ 2000 по искусственному интеллекту. Переславль - Залесский, 2000.

57. Теория и практика дистанционного обучения / Под ред. Е. С. Полат. - М.: «Академия», 2004. - 416 с.

58. Уотермен Д. Руководство по экспертным системам. - М.: Мир, 1989. -388 с.

59. Уэно X., Исудзука М. Представление и использование знаний. - М.: Мир, 1989.-220 с.

60. Федорова Е. Ф. Системное представление дистанционного образования. - URL: http://scholar.urc.ac.ru/ped journal/numero5/fef.htm. (22.06.2013).

61. Фрейд 3. Психопатология обыденной жизни. - М., 1989.

62. Чуприна С. И., Козлов С. А. Технологические аспекты генерации образовательных траекторий на основе онтологических профилей // Информационные технологии в науке, образовании, телекоммуникации и бизнесе. Приложение к журналу "Открытое образование": материалы XXXVI междунар. конф. IT + S&Em Украина, Ялта-Гурзуф, 2009. С.237-238.

63. Шабалина О.А. Модели и методы для управления процессом обучения с помощью адаптивных обучающих систем: Дис....канд. техн. наук: 05.13.10 / О.А. Шабалина.- Астрахань, 2005. - 158 с.

64. Шубин И., Святки Я., Белоус И. Методы интеграции учебных материалов для дистанционного обучения // Online Intenational Book Series "INFORMATION SCIENCE AND COMPUTING", BOOK 7 „Artificial Intelligence and Decision Making". - 2008. - pp. 65-71.

65. Эндрю А. Искусственный интеллект. Под ред. и с предисл. Д. А. Поспелова. - М.: Мир, 1985. - 264 с.

66. Abdul-Ghafour S„ Ghodous P., Shariat В., Perna E. A Common DesignFeatures Ontology for Product Data Semantics Interoperability // IEEE/WIC/ACM International Conference on Web Intelligence (WI'074). 2007. - P. 443-446.

67. Anohina A. The Problem-Solving Modes and a Two-Layer Model of Hints in the Intelligent Tutoring System for Minimax Algorithm // Proceedings of the 1st International Conference on Virtual Learning (Bucharest, Romania, October 27-29 2006). - 2006. - P. 105-112.

68. Beck J., Stern M., Haugsjaa E. Applications of AI in education // ACM Crossroads. - 1996. - Iss.3.1. - P. 11 -15.

69. Bruijn J., Polleres A., Lara R., Fensel D. OWL DL vs. OWL Flight: Conceptual modeling and reasoning on the Semantic Web. In Proceedings of the

14th International World Wide Web Conference (WWW2005), Chiba, Japan, 2005.

70. Brusilovsky P. The Construction and Application of Student Models in Intelligent Tutoring Systems // Journal of computer and systems sciences international. - 1994. - No. 32 (1). - P. 70-89.

71. Cha H. J., Kim Y. S., Park S. H., Cho Y. J., Pashkin M. Adaptive Learning Interface Customization Based on Learning Styles and Behaviors // Towards Sustainable and Scalable Educational Innovations Informed by the Learning Sciences / Eds. by C. K. Looi, D. Jonassen, M. Ikeda. IOS Press, Frontiers in Artificial Intelligence and Applications. - 2005. - Vol. 133. - P. -617-620.

72. CMI Guidelines for Interoperability AICC. - Revision 3.4. - 2000. -AICC CMI Subcommittee.

73. Felder, R. M. and Silverman, L. K., 1988. Learning and Teaching Styles in Engineering Education. Engineering Education. - Vol. 78. - No. 7. - P. 674681.

74. "Education and Computing", v.l, 1995. // Hebenstreit J. Computers in education - The next step. - p. 37^13.

75. Honey P., Mumford L. The Manual of Learning Styles. - Maidenhead: Peter Honey, 1992. - 84 p.

76. Gruber T.R. A translation approach to portable ontologies / T.R. Gruber // Knowledge Acquisition. - 1993. - V. 5(2). - P. 99-220.

77. ISO 25964-1:2011[en] Information and documentation - Thesauri and interoperability with other vocabularies - Part 1: Thesauri for information retrieval.

78. Jung C. G. Two Essays on analytical Psychology. // Collected Works of C. G. Jung. - New York. - 1966.

79. Knight K. Unification: A Multidisciplinary Survey. - ACM Computing Surveys. - 1989.-V.21.-N l.-P. 93-124.

80. Ontology // Semantic Web. - URL: http://semanticweb.org/wiki/Ontology. (09.06.2013).

81.Ragnemalm E. L. Student Modelling in Practice; Bridging a Gap / Интернет - URL: http://www.info2.uqam.ca/~nkambou/DIC9340/student-modelling-in-practice.pdf. (22.06.2013).

82. Redeker G. H. J. An Educational Taxonomy for Learning Objects // Proceedings of the 3rd IEEE International Conference on Advanced Learning Technologies. ICALT 2003. - Athens, Greece, 2003. - P. 250-251.

83. SCORM 3rd Edition, Sharable for Learning Object Model, Advanced Distributed Learning / http://www.adlnet.org. - 2007.

84. Smith A.S.G. Intelligent tutoring systems: personal notes. - URL: http://www.eis.mdx.ac.uk/staffpages/serengul/Tutorial/table.of.contents.htm. (12.06.2013).

85. Soergel D., LauserB., Liang A., FissehaF., KeizerJ., Katz S., Reengineering Thesauri for New Applications: the AGROVOC Example. - Article No. 257, 2004-03-17.

86. Zhang L., Jiang H. Impulsive Cluster Anti-Consensus of Discrete MultiAgent Linear Dynamic Systems // Discrete Dynamics in Nature and Society: An Open Access Journal. - 2011. - 12 p.

87. Zilles S. N. Types, Algebras, and modelling. - Concept. Modelling: Perspective of Artificial Intelligence, Databases, and Programming Languages. -N.Y. e.a. - 1984. - P.441-450.