Математическое моделирование и разработка комплекса программ дуальной адаптированной обучающей системы тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат технических наук Халед Каид Шафель Али

• Халед Каид Шафель Али
• кандидат технических наук
• 2008

Оглавление диссертации кандидат технических наук Халед Каид Шафель Али

Введение

Глава I. Математические модели обучения и тестирования знаний

1.1 Математические модели процесса обучения в адаптивных обучающих системах.

1.2 Классификация компьютерных средств обучения.

1.3 Современные представления о классификации психических типов личности.

Глава II. Методы и инструменты исследования моделей обучающих систем

II. 1 Дискретные модели адаптивных систем обучения

11.2 АОС как система взаимодействующих конечных автоматов

11.3 Символьный верификатор моделей NuSMV.

11.4 Разработка методов графической обработки данных

Глава III. Разработка математической модели процесса обучения

111.1 Исследование стандартной модели АОС в форме конечных автоматов

111.2 Модифицированная стандартная модель АОС со статической функцией обучения.

111.3 Модель, учитывающая психологический фактор заинтересованности учащихся.

111.4 Модель с учетом влияния предыдущего уровня УЗ и падения заинтересованности.

111.5 Модель, учитывающая структурированность учебного материала.

111.6 Математическое моделирование психологических типов

111.7 Математическая модель ДАОС в режиме e-learning

Глава IV. Разработка и реализация дуальной адаптивной обучающей системы

IV. 1 Структура электронных учебных материалов для ДАОС

IV.2 Разработка подсистемы тьютора для ДАОС.

IV.3 Основные элементы базы данных ДАОС.

IV.4 Архитектура дуальной адаптированной обучающей системы

IV. 5 Начальные условия тестирования.

IV. 6 Процесс обучения.

IV.7 Итоговый результат.

IV.8 Преимущества программного комплекса ДАОС.

Введение диссертации (часть автореферата) на тему «Математическое моделирование и разработка комплекса программ дуальной адаптированной обучающей системы»

Ускорение темпов научно - технического прогресса, увеличение потоков информации, все большая дифференциация труда и появление новых специальностей наряду с одновременными высокими темпами развития информационно - коммуникационных технологий привели к необходимости кардинального переосмысления приоритетов, целей, задач и форм образовательного процесса, как в сфере общего, так и профессионального образования на всех его уровнях. При этом под образовательным процессом необходимо понимать не только его стандартные, очные формы обучения, но в первую очередь, именно заочные формы обучения, которые приобретают все больший вес благодаря неизбежному процессу все большей дифференциации труда и вследствие этого - необходимости получения дополнительной специализации, углубления профессиональных знаний и быстрого перепрофилирования специалистов в смежные, востребованные на данный момент времени, специальности. С одной стороны сказанное касается организации учебного процесса с привлечением информационных технологий: лекционных демонстраций, электронных форм заданий и источников информации, компьютерного тестирования, аттестации и обработки учебной информации. С другой стороны, но в еще большей степени, - самих продуктов вышеперечисленных факторов - информационно-коммуникационных форм обучения: обучения на основе электронных учебных материалов, обучения в сети, дистанционного обучения и т.п., объединенных общим понятием "электронного обучения", т.е., " e-learnincj\ В связи с этим как сама проблема обучения в сети, так и связанная с ней проблема разработки математических моделей процесса этого обучения являются актуальными научными проблемами.

Возникновение феномена "e-learning" связано с распространением Интернета, так же, как и появление иных электронных систем коммуникаций в различных областях социальной жизни, прежде всего в экономике, например, e-commerce или e-banking. Однако, в отличие от упомянутых систем, e-learning не следует воспринимать как чисто технологическое явление - набор информационных и телекоммуникационных технологий в обучении, либо пакеты прикладных программ, системы оболочек, с помощью которых можно проводить обучение через Интернет. Более корректным является понимание e-learning как совокупности образовательных технологий, базирующихся на достижениях высоких технологий, и технологических инструментах, которые обеспечивают обучающие методики. При этом автоматически происходит смещение акцентов и в учебном процессе: преподаватели и обучаемые превращаются в партнеров по системе e-learning. Соответственно и инструменты e-learning превращаются в новые специфические организационные и методические элементы процесса обучения, а не просто новой технологической оболочкой традиционного учебного процесса Ц

Но может ли автоматизированное обучение, даже с использованием всех инструментов e-learning, заменить преподавателя?1 При непосредственном взаимодействии опытный преподаватель фактически отслеживает психоэмоциональное и психофизиологическое состояние обучаемого, перестраивая многие параметры учебного процесса - степень углубленности изучения предмета, стиль и скорость подачи учебного материала, соотношение монолога и диалога, степень использования демонстрационных средств и т.п. Но в ситуации дистанционного взаимодействия возможности непосредственного изучения состояния учащегося существенно сокращаются, и особенгРечь идет о сравнении возможностей компьютерных средств и конкретного преподавателя только при обучении в автоматизированной сетевой системе. но сильно это проявляется в дистанционном тестировании. В этом случае преподаватель практически лишен возможности гибкого реагирования, и это обстоятельство может послужить причиной существенного снижения эффективности учебного процесса в сети. Оптимальный выход из такой ситуации лежит в сочетании живого преподавателя и такого высокотехнологичного инструментария обучения, которым могли бы пользоваться, активизируя учащихся, другие преподаватели. Следовательно, существует проблема разработки инструментария, позволяющего преподавателю контролировать психоэмоциональное и психофизиологическое состояние обучаемого в процессе тестирования. Однако, в этом случае все субъекты образовательного процесса будут находиться в условиях плохо формализуемой ситуации, поскольку доля образной информации будет заведомо превосходить долю структурированной, а, значит, и алгоритмизуемой информации. Одним из путей разрешения этого противоречия является более глубокое внедрение информационных технологий в образовательный процесс и повышение интеллектуальных возможностей автоматизированных обучающих систем. Усилия многих исследователей в настоящее время как раз и направлены на создание интеллектуальных обучающих систем (Intelligent Tutoring Systems), опирающиеся на интегрированные методологии психологических, дидактических и педагогических исследований по моделированию поведения человека в процессе обучения, а также на методы инженерии знаний [2].

В настоящее время отмечается достаточно высокий уровень развития фундаментальных исследований в области образования, создания информационных технологий, методов и моделей оценки состояния объектов управления с использованием средств искусственного интеллекта. Большое число работ посвящено внедрению информационных технологий в образовательный процесс, разработке автоматизиррванных обучающих систем по различным областям знаний, организации дистанционного и сетевого обучения, созданию информационной образовательной среды и электронных учебников. Этим проблемам в последние годы посвящено большое число конференций по применению информмационных технологий в образовании (см., например, [3, 4, 5, 6, 7]), сборников научных трудов и т.п. (см„ например, [8]).

В ряде работ содержатся подходы к разработке методов и алгоритмов для решения анализа качества высшего образования и маркетинговых исследований. На российском рынке предлагается немало программных продуктов, относящихся к классу аналитических систем. Они различаются как по спектру задействованных показателей, так и по реализованным в них подходам к решению основных задач оценки деятельности учебных заведений. Однако, как показывают исследования, в данных разработках недостаточно полно используются современные методы и модели, позволяющие с гораздо большей точностью осуществлять функции интеллектуальной поддержки принятия решений в системах тестирования знаний обучаемых и управления качеством образования в вузе.

Следует особо отметить практическое отсутствие работ по созданию единого подхода к формированию иерархических гибридных моделей оценки качества образования и профессиональной пригодности, включающих различные методы представления знаний, в том числе: аналитические, логико - лингвистические, нейросетевые. Поэтому разработка моделей, методов, алгоритмов и программных комплексов для решения задач оценки качества обучения является современной актуальной проблемой, достаточно далекой от своего окончательного решения.

Исследования компьютерных обучающих систем обнаруживает то обстоятельство, что многие из них не используют модели процесса обучения, что существенно снижает качество учебного процесса и не позволяет организовывать адаптивное обучение. Большинство же существующих систем автоматизированного обучения, основанных на моделях, реализованы, в основном, на базе оверлайновых ( векторных и сетевых) моделей. Однако, эти модели не отображают всю необходимую в учебном процессе информацию, а, как правило, включают только контроль уровня знаний.

В то же время немаловажным фактом является тот факт, что при усвоении учебного материала большую роль играют и эмоции обучаемого. Эмоции обучаемого можно рассматривать как еще одну дополнительную сферу, которую необходимо учитывать при создании обучающих систем. В исследованиях Бима (см., например, [9]) установлено, что эмоции облегчают усвоение тех реакций, которые связаны с ними по содержанию. В частности, например, состояние тревоги способствует усвоению "тревожных" опосредствованных тревогой) реакций. Об этой установленной зависимости свидетельствуют результаты, полученные при изучении и других эмоций. В качестве примера можно привести результаты исследований Смита (см., например, [9]), который установил, что в условиях неуспеха (фрустрации) у некоторых испытуемых наблюдается тенденция к более быстрому заучиванию пар слов, имеющих агрессивное содержание. Смит обнаружил также, что это относится, прежде всего к тем типам экзаменуемых, которые по вопроснику, предназначенному для выявления черт личности, получили высокие показатели параметра враждебности. Смысл этого результата заключается в том, что столкновение с неуспехом (фрустрация), чаще всего приводит к усилению эмоций агрессивного характера. Эти эмоции будут более сильными у лиц, характеризующихся высоким уровнем параметра враждебности. Повышение уровня эмоций и приводит к изменению эффективности научения [9].

При рассмотрении процесса обучения также важно разделять механическое заучивание и осмысленное обучение [10]. Механическое заучивание представляет собой запоминание информации без интеграции в систему знаний обучающегося. Заученная механически информация не может быть применена обучающимся на практике. Отсюда следует необходимость разработки систем, способствующих осмысленному обучению.

Большинство применяющихся на практике систем обучения (таких как Blackboard 5, Прометей и др.) ориентированы на механическое усвоение знаний, а системы автоматизированного тестирования не способны различить механически усвоенные знания от осмысленных знаний.

В существующих системах автоматизированного обучения редко учитываются психоэмоциональные характеристики обучаемого. В настоящее время существует ряд обучающих программ по самым разным предметам, ориентированных на учет индивидуальных особенностей обучаемого. При этом для учета индивидуальных особенностей предлагается либо контроль памяти обучаемого, его уровень знаний, умений и навыков, либо учет его психоэмоционального состояния в данный момент обучения [11, 12]. Однако, существующие модели процесса обучения также не в полной мере учитывают факторы, необходимые для осмысленного обучения, такие, как взаимная зависимость семантических модулей и психологические особенности обучающихся, что, на наш взгляд, в первую очередь, связано с отсутствием разработанных математических моделей для отражения таких психоэмоциональных характеристик обучающихся.

Таким образом, мы приходим к выводу о необходимости создания адаптированной обучающей системы, учитывающей как познавательные (когнитивные), так и психоэмоциональные факторы. Такую систему мы будем называть в дальнейшем дуальной адаптированной обучающей системой, ДАОС. Ясно, что для разработки дуальной адаптированной обучающей системы в первую очередь необходимо построить математическую модель процесса обучения, учитывающую психоэмоциональные факторы.

Целью диссертационной работы является разработка дуальной адаптированной обучающей системы и соответствующего программного комплекса для организации учебного процесса в сети и оценки качества обучения с учетом как познавательных, так и психоэмоциональных факторов обучающихся.

Поставленная цель достигается в диссертации посредством решения следующих задач:

1. Разработки инструментов имитационного моделирования автоматизированных обучающих систем с целью их исследования;

2. Проведения на основе разработанных инструментов имитационного моделирования различных моделей автоматизированных обучающих систем;

3. Разработки математической модели выбора форм учебных материалов и тестирования в зависимости от психологического типа обучаемых;

4. Разработки математической модели процесса обучения, учитывающую, как познавательные (когнитивные), так и психоэмоциональные факторы обучающихся;

5. Разработки в соответствии с требованиями полученной математической модели структуры электронных учебных материалов в виде системы дифференцированных тестов, учитывающих психоэмоциональные характеристики обучающихся;

6. Разработки принципиальной структуры дуальной адаптированной обучающей системы и обобщенного алгоритма функционирования ДАОС, структуры подсистем ДАОС и алгоритмов функционирования подсистем ДАОС;

7. Разработки программного комплекса, реализующего алгоритмы дуальной системы тестирования;

8. Проверки эффективности ДАОС в учебном процессе.

Диссертация состоит из Введения, четырех глав, Заключения, Списка литературы, включающего 154 наименования, и четырех Приложений.

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Халед Каид Шафель Али

Выводы по четвертой главе:

1. Разработан электронный учебный материал для каждого типа темперамента;

2. Разработаны алгоритмы дуальной адаптированной обучающей системы (ДАОС);

3. Реализация ДАОС в учебном процессе ТГГПУ;

4. Проведен статистический анализ результатов тестирования обучаемых с помощью ДАОС;

5. Выявлены преимущества ДАОС и описана ее структура.

6. Полученные результаты не противоречат предсказаниям модели;

7. При использовании ДАОС достоверные различия итогового уровня обученности наблюдались в группе с 3-м уровнем начальных знаний (самой большой группы).

Осноц№А n«Hf.wT№ ' ТТ|1- Ш1СЦ*1Л»№ s Смсъ 1

Фвнуьтет М 31 WAfiTW^KXJ.'. V

Следно/ьлйеГБ г • ■ v Tburce(<PHOJ Нгнвгь«А Генкшм

Лисщтлш Ин«0и4цис»«м сип» w ■Рорки Ow с 15оагсс7

Дот ггоегда

Ллшиа»: Э v В*мгл 3 v Читать лепит Зжрып.

Заключение

Таким образом, в диссертации получены следующие новые результаты:

1. На основе метода построения моделей адаптированных обучающих систем с помощью средств дискретной математики, теории графов и теории конечных автоматов построена математическая модель адаптированной обучающей системы, в которой каждой вершине графа сопоставляется конкретный параметр АОС, снабженный своими связями.

2. С помощью методов компьютерной математики и теории сплайнов разработаны методы и средства обработки результатов имитационного моделирования моделей АОС и графического представления результатов;

3. С помощью созданных методов и средств в программном пакете NuSMV (символьном верификаторе моделей)проведено имитационное моделирование математических моделей адаптированных обучающих систем и установлено, что стандартные математические модели АОС недостаточно адекватно моделируют учебный процесс;

4. Предложена и исследована с помощью имитационного моделирования более полная математическая модель АОС, в которой дополнительно учитываются психологический фактор, текущий уровень знаний, падение интереса к обучению и форму подачи учебного материала и тестирования, т.е., структурированность учебного материала. Этой математической модели соответствует пятивершинный граф со специфическими связями. Показано, что данная модель АОС более реалистично отображает динамику учебного процесса.

5. На основе методики Айзенка разработана статистическая психологическая модель обучаемых, позволяющая определять оптимальные формы учебного материала и тестирования для конкретных типов темперамента обучаемых.

6. На основе анализа полученных результатов предложена дуальная адаптированная обучающая система, учитывающая одновременно когнитивные и психологические составляющие. Учет психологических факторов достигается за счет создания учебных материалов и тестов для каждого типа темперамента личности обучаемого.

7. Даны рекомендации по созданию лекций и тестов, учитывающих психологические особенности каждого типа темперамента личности, а также разработан алгоритм дифференцированного тестирования и оценки знаний. Учет особенностей каждого типа темперамента при тестировании достигается за счет введения специальной 20-бальной системы оценки с четырьмя различными шкалами, специализированными для каждого темперамента.

8. Построена математическая модель процесса обучения в Сети, происходящего с применением разработанных алгоритмов.

9. На основании предложенных алгоритмов и математической модели создан программный комплекс "Дуальная автоматизированная обучающая система", реализующий обучение в Сети и тестирование с применением разработанных методов. При этом ДАОС представляет собой самообучающуюся систему, способную в ходе работы уточнять определения типа темперамента студента и выбирать наиболее подходящие для него задания.

10. Проведена экспериментальная проверка эффективности созданного программного комплекса на базе Татарского государственного педагогического университета (г. Казань). Разработанный программный комплекс внедрен и практически применяется в Республиканском центре маркетинговых исследований, консалтинга и обучения (г. Казань), в Татарском государственном гуманитарно-педгогическом университет^. Казань), а также в Аденском университете республики Йемен.

По результатам работы были сделаны следующие выводы:

1. С помощью методов моделирования дискретных событий разработана математическая модель процесса обучения в условиях оптимизации учебных материалов и тестов в зависимости от типа темперамента личности.

2. Разработана структура электронных учебных материалов оптимизированных для определенного типа темперамента и использования наиболее подходящего ему вида электронных учебных материалов (ЭУМ). Разработан метод создания тестов, оптимизированных для каждого типа темперамента.

3. Созданы алгоритмы тестирования, которые позволяют изменять особенности задач соответственно текущему состоянию темперамента обучаемого при прохождении тестов различных видов (предварительного, текущего, рубежного, итогового).

4. На основе разработанных алгоритмов создан комплекс программы ДАОС, учитывающий индивидуальные особенности обучаемого в процессе обучения. ДАОС имеет характеристику самообучения и обладает способностью автоматического переключения учебного материала с одного типа личности на другой. ДАОС обладает простотой заполнения базы контрольных заданий и внесения изменений в эту базу, благодаря чему достигается удобство и легкость при доступе к информации. Система может давать детальную статистику и объективную оценку эффективности учебного процесса каждого студента без исключения, а также легко находить и исправлять ошибки обучаемых, даже при использовании ДАОС большим количеством студентов.

Экспериментальное использование ДАОС в учебном процессе подтвердило работоспособность модели, алгоритма и программного средства, которое позволяет применить ДАОС в высших учебно-образовательных заведениях. В ходе опыта с использованием ДАОС обнаружено достоверное увеличение среднего балла итогового теста по сравнению с контрольной группой, занимавшейся по традиционной методике.

По результатам диссертации опубликованы работы: [91,102, 103, 106, 107, 143].

Список литературы диссертационного исследования кандидат технических наук Халед Каид Шафель Али, 2008 год

1. Геворкян Е.Н. E-learning в экономике, основанной на знаниях. // Высшее образование в России. 2007.N2 1, С. 13-27.

2. Дрейфус X. Чего не могут вычислительные машины. М.: Прогресс, 1978, 334 с.

3. Игнатьев Ю.Г. Внедрение информационных технологий в структуру физико-математического образования. //Материалы XVII Международной конференции "Применение новых технологий в образовании", Троицк, 2006, с. 139-140.

4. Игнатьев Ю.Г. и др. Проблемы информационных технологий в математическом образовании. //Учебное пособие под редакцией Ю.Г.Игнатьева. Казань: Изд.-во ТГГПУ, 2005, 120 с.

5. Фролов Ю.В. Интеллектуальные системы и управленческие решения. М.: МГПУ, 2000. 293 с.

6. Ausubel, D. P. The psychology of meaningful verbal learning. New York: Grune and Stratton. 1963.

7. Пеккер Я.С., Уманский О.С., Бразовская Н.Г., Бразовский К.С. Оценка психофизиологических характеристик обучающегося в системе ДО. Рекомендации для преподавателей. // Открытое и дистанционное образование. 2001. - №2-4.

8. Киселева Е.Ю. Создание обучающих систем с учетом индивидуальных особенностей студентов. Школа-Семинар "Новые информационные технологии".М.: 2006. Электронный документ: http: / / nit.mien.edu.ru /2006/sb/section3/41 .htm.

9. Соловов A.B., Меньшикова А.А. Дискретные математические модели в исследовании процессов автоматизированного обучения// "Информационные технологии", 2001, № 12 с.32-36.

10. Hopcroft, John Е.; Rajeev Motwani, Jeffrey D. Ullman (2001). Introduction to Automata Theory, Languages, and Computation, 2nd ed., Reading Mass: Addison-Wesley.

11. Andrew Phillips and Luca Cardelli. A correct abstract machine for the stochastic pi-calculus. In Bioconcur'04. ENTCS, August 2004.

12. Robin Milner: Communicating and Mobile Systems: the Pi-Calculus, Cambridge, Cambridge Univ. Press, 1999.

13. Крижановский Г. А., Санников В.А., Балабай В.И. Организация процедур управления и контроля в обучающей системе. // Методы и средства кибернетики в управлении учебным процессом. Высшей школы, Рига, 1988. С 38-44.

14. Ходж П. Модель, предлагаемая для анализа учебного процесса. Теория и практика обучения.//Кибернетика и проблемы обучения. Под ред. А.И.Берга М.: Прогресс, 1970, с.266-288.

15. Печников А.Н. Информационная модель цикличной обучающей системы и классификация обратной связи в обучении. // Методы и средства кибернетики в управлении учебным процессом высшей школы.-Рига: Риж. политехн.ин-т, 1987, с.25-38.

16. Крыжановский Г.А., Цепляев Ю.Ф. К оценке уровня квалификации операторов сложных автоматизированных систем управления Автоматика и телемеханика, 1986, I, с 151-161.

17. Афанасьев А.А., Санников В.А. Мини ЭВМ в подготовке операторов АС УВД.//Проблемы технического обеспечения систем УВД.-М.: МИИ ГА, 1984, с.77-81.

18. Карасин И.А., Олехно Ю.Э. Имитационная динамическая модель комплекса взаимосвязанных учебных процессов. Методы и средства кибернетики в управлении учебным процессом Высшей школы, Рига, 1988. С 126-135.

19. Печников А.Н., Попов С.В. Функциональная диагностика психофизиологического состояния обучаемого при формировании умственного навыка. Методы и средства кибернетики в управлении учебным процессом Высшей школы, Рига, 1988. С 136-142.

20. Леонтьев Д.П., Логвинова Н.К. О показателях результатов обучения студентов с использованием ЭВМ. Методы и средства кибернетики в управлении учебным процессом Высшей школы, Рига, 1988. С 147154.

21. Рыженков Д.В. Автоматизированная система управления процессом профессиональной подготовки. Автореферат диссертации, Орел 2007, 20с.

22. Присняков В. Ф., Приснякова Л. М. Математическое моделированиепсихофизиологических характеристик. // Психологический журнал, том 8, №6, 1987.

23. Советов Б.Я., Яковлев С.А. Моделирование систем. М.: Высшая школа, 1985.

24. Бочкова Р.В. Методологические аспекты компьютерного эксперимента. // Учебный эксперимент в высшей школе, Саранск, МГУ им. Ев-севьева 1998.

25. Аванесов B.C. Математические модели педагогического измерения. -М.: Б.и., 1994.- 26с.

26. Нейман Ю.М., Хлебников В.А. Введение в теорию моделирования и параметризации педагогических тестов. М : Прометей, 2000. - 169 с.

27. Челышкова М.Б. Применение математических моделей для разработки педагогических тестов. Учебное пособие. - М.: Исследовательский центр, 1995. - 48 с.

28. Левин В.П., Безделкин В.В. Актуализация деятельности в информационно-компьютерных средах.

29. Всероссийская научно-практическая конференция "Математика, информатика, естествознание в экономике и обществе". М. 22 ноября 2007, С 183-184

30. Растригин JI.A., Зренштейн М.Х. Адаптивное обучение с моделью обучаемого. -Рига: Зинатне, 1988. 160 с.

31. Марчук Г.И. Методы вычислительной математики. 3-е изд., М.: Наука, 1989, 536 с.

32. Corrado Priami: Stochastic pi-Calculus. Compute. J. 38(7):1995.pp. 578589

33. Zaiceva L., Bule J., Kuplis U. Advanced e-learning system development. // Proceedings of the International Conference on Advanced Learning technologies and Applications (ALTA'03). 11-12 September. Kaunas, Lithuania. 14-18 pp.

34. Буш P., Мостеллер Ф. Стохастические модели обучаемости. Г.: Физ-матгиз, 1962. 484 с.

35. Аткинсон Р., Бауэр Г., Кротерс 3. Введение в математическую теорию обучения.// М.: Мир, 1969, 486 с.

36. Нейлор К. Как построить свою экспертную систему. М.: Энергоатом-издат, 1991. 288 с.

37. Ржецкий Н.Н. Проверяющий стандартизированный контроль знаний и его эффективность. К.: КИСИ, 1965. - 68 с.

38. Ржецкий Н.Н., Фиалко Э.И. Программированное обучение и стандартизированный контроль знаемый. К.: Изд-во КГУ, 1969. - 108 с.

39. Свиридов А.П. Основы статистической теории обучения и контроля знаний. М.: Высшая школа, 1981. - 262 с.

40. Свиридов А.П. Применение методов планирования эксперимента при обучении обучающих и контролирующих машин. М.: Моск. энерг. ин-т, 1975.-65с.

41. Свиридов А.П. Условные и безусловные алгоритмы диагностического контроля подготовки операторов ЭВМ. М.: Моск. энерг. ин-т, 1987. -69с.

42. Капустин Н.П. Педагогические технологии адаптивной школы. М.: Академия, 1999. - 216 с.

43. Голицына И.Н. Эффективное управление учебной деятельностью с помощью компьютерных информационных технологий. // Educational Technology & Society. 2003, Т. VI, №2, С.77-83.

44. Гринчук С.Н., Троян Г.М. Проектирование учебных курсов по современным информационным технологиям для открытого образования. // Информационные технологии в открытом образовании: Материалы международной конференции. Москва, МЭСИ, 2001.

45. Винер Н. Кибернетика, или управление и связь в животном и машине. 2-е изд. М.: Советское радио, 1968 320 с.

46. Галеев В.Н!. и др., Непрерывное профессиональное образование и про-филизация общеобразовательной школы. /В.Н. Галеев, Н.М.Андреев. Казань: Типография ООО "Аскольд", 2005, 254 с.

47. Кирсанова А.А. Методика комплексного эксперимента по исследованию взаимосвязи общего и профессионального образования в процессе обучения в средних ПТУ. М.: 1988, 180с.

48. Кречетников К.Г. Теоретические основы создания креативной обучающей среды на базе информационных технологий для подготовки офицеров флота. Владивосток: ДВГУ, 2001, 360 с.

49. Наумов В.В. Разработка программных педагогических средств // Информатика и образование. 1999, № 3, С. 36 40.

50. Андреев А.А., В.И.Солдаткин. Дистанционное обучение: сущность, технология, организация. / А.А.Андреев, В.И.Солдаткин. М.: Издательство МЭСИ, 1999, 196 с.

51. Поспелов Г.С. Искусственный интеллект основа новой информационной технологии. М.: Наука, 1988, 280 с.

52. Полат Е.С., М.В Моисеева, А.Е. Петров, М.Ю. Бухаркина, Ю.В. Аксенов, Т.Ф. Горбунькова. Дистанционное обучение. М.: ВЛАДОС, 1998, 192с.

53. Зимина О.В. Инженерное образование в компьютеризированном обществе: новые ориентиры. // О.В. Зимина, А.И.Кириллов. / Проблемы теории и методики обучения, 2003, № 7.

54. Кривошеев А.О. Разработка и использование компьютерных обучающих программ. // Информационные технологии 1996, № 2, с. 14-17.

55. Роберт И.В. Современные информационные технологии в образовании. М.: Школа-Пресс, 1994. 205 с.

56. Башмаков А.И., Башмаков И.А. Разработка компьютерных учебников и обучающих систем.// М.: Информационно-издательский дом "Филинъ", 2003. 616 с.

57. Петрусинский В.В. Автоматизированные системы интенсивного обучения. М.: Высшая школа, 1987, 192с.

58. Лупанов К.Ю. Паршиков Б.Л., Солдаткин В.И. Об особенностях дистанционных образовательных технологий. // Материалы Шестой международной конференции по ДО: ДО в России: проблемы и перспективы. М., 1998. С. 269-272.

59. Башмаков А.И., Башмаков И.А., Бреев А.Л., Новиков Д-О. Методология т средства комплексной автоматизированной подготовки обслуживающего персонала к решению задач технической диагностики. // Конверсия, 1995, № 11, С.19-21.

60. Башмаков А.И., Башмаков И.А., Соловьев А.И. Использование новых информационных технологий при подготовке оперативного персонала электростанций на основе целевых моделей деятельности обучаемых.// Вестник МЭИ, 1995, № 4, С.21-25.

61. Международная научная конференция "Интеллектуальные технологии и дистанционное обучение на рубеже XXI века": Тезисы докладов/СПб.: СПбГУАП, 1999, 319 с.

62. Образование и XXI век: Информационные и коммуникационные технологии. М.: Наука, 1999. 191 с.

63. Овсянников В.И. Вопросы организации обучения без отрыва от основной деятельности (дистанционного образования). М.: МГОПУ,1999. 50 с.

64. Игровое моделирование. Методология и практика. //Сборник работ под редакцией И.Е.Ладенко. Новосибирск: Наука, 1987, 228 с.

65. Хруцкий Е.А. Организация проведения деловых игр. М.: Высш. шк., 1991, 318 с.

66. Охотин В.В., Хозиев ВВ. Психолого-педагогическое обеспечение и компьютеризация подготовки персонала энергоблоков. М.: Изд-во МЭИ, 1992. 285 с.

67. Шукшунов В.Е., Бакулов Ю.А., Григоренко В.Н. и др.Тренажерные системы. М.: Машиностроение, 1981. 256 с.

68. Осуга С. Обработка знаний. М.: Мир, 1989. 293 с.

69. Представление и использование знаний. / Сборник работ под ред. X. Уэно, М. Исидзука. М.: Мир, 1989, 220 с.

70. Андерсон Дж.Р., Рейзер Б.Дж. Учитель Лиспа. Реальность и прогнозы искусственного интеллекта.// М.: Мир, 1987. С. 27-47.

71. Методы и средства кибернетики в управлении учебным процессом высшей школы: Сб. науч. трудов. Рига: Риж. политехи, ин-т, 1985. Вып. 1. 216 с.

72. Любарский Ю.Я. Интеллектуальные информационные системы. М.: Наука, 1990. 232 с.

73. Попов Э.В. Общение с ЭВМ на естественном языке. М.: Наука, 1982. 359 с. 68.

74. Савельев А.Я., Новиков В.А., Лобанов Ю.И. Подготовка информации для автоматизированных обучающих систем: Метод, пособие для преподавателей и студентов вузов / Под ред. А.Я. Савельева. М.: Высшая школа, 1986. 176 с.

75. Свиридов АЛ, Шалобина И.А. Сетевые модели динамики знаний / Под ред. Ю.Н. Мельникова. М.: МЭИ, 1992. 88 с.

76. Котик М.А. Курс инженерной психологии. 2-е изд., испр. и доп. Таллин: Валгус, 1978. 364 с.

77. Попов Э.В., Фоминых И.В., Кисель Е.Б., Шапот М.Д. Статические и динамические экспертные системы. / М.: Финансы и статистика, 1996, 320 с.

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

79. Разработка и применение экспертно-обучающих систем. Сб. науч. трудов, под редакцией Ю.И. Лобанова. М.: НИИВШ, 1989. 154 133 с.

80. Зайцева Л.В., Новицкий Л.П., Грибкова В.А. Разработка и применение автоматизированных обучающих систем на базе ЭВМ. Рига: Зинатне, 1989. 174 с.

81. Машбиц Е.И. Психолого-педагогические проблемы компьютеризации обучения. М.: Педагогика, 1988. 191с.

82. Психологический словарь. / Сост. JI.A. Карпенко, А.В.Петровский, М.Г. Ярошевский. М.: Политиздат, 1990, 340 с.

83. С.Л.Рубинштейн Оновы общей психологии. Составители, авторы комментариев и послесловия А.В.Брушлинский, К.А.Абульханова-Славская. СПб: Издательство "Питер", 2000

84. Русалов В.М. Природные предпосылки и индивидуально-психофизиологические особенности личности. / / Психология личности в трудах отечественных психологов/ Составитель Куликов Л.В. СПб: Издательство "Питер", 2000.

85. Личностный опросник EPI (методика Г.Айзенка) / Альманах психологических тестов М., 1995. С.217-224.

86. Клайн П. Справочное руководство по конструированию тестов. Киев, 1994, 432 с.

87. Wolfram S. New Kind of Science. Wolfram Media, 2002, 1280 p.

88. J.Molofsky and J. D. Bever. A New Kind of Ecology, Bioscience, 54(5) (2004) p. 440-447

89. Gordon, T. J. A Simple Agent Model of an Epidemic. Technological Forecasting and Social Change 70, No 5 (2003), p. 397-417

90. Alessandro Cimatti, Edmund M. Clarke, Enrico Giunchiglia, Fausto Giunchiglia, Marco Pistore, Marco Roveri, Roberto Sebastiani, Armando Tacchella: NuSMV 2: An OpenSource Tool for Symbolic Model Checking. CAV 2002: 359-364.

91. Systems and Software Verification: Model-Checking Techniques and Tools, B. Berard, M. Bidoit, A. Finkel, F. Laroussinie, A. Petit, L. Petrucci, P. Schnoebelen. Springer, 2001, 186 pages

92. Muller-Olm, M., Schmidt, D.A. and Steffen, B. Model checking: a tutorial introduction. Proc. 6th Static Analysis Symposium, G. File and A. Cortesi, eds., Springer LNCS 1694, 1999, pp. 330-354.

93. А.Матросов. Maple 6. Решение задач высшей математики и механики. СПб.: БХВ-Петербург, 2001. 528 с.

94. Дьяконов В.П. Maple 9.5/10 в математике, физике и образовании. Москва, Солон-Пресс, 2006, 720с.

95. Лебедев Н.Н. Специальные функции и их приложения. М.-Л.: ГИФМЛ, 1963, 358с.

96. Бодалев А.А. Психология о личности. М.: 1988. С.37-60.

97. Галеев В.Н., Нигматов З.Г., АН Khalid. Дуальное тестирование в системе e-learning.// XVI Международная конференция. Информационные технологии в образовании, Часть V. М.: Изд.-во ВВИА им. Жуковского, 2006, с. 135-136.

98. Али Халед Каид. Дуальная система тестирования с учетом типа темперамента личности.// Али Халед Каид. Международная научно-практическая конференция "Новые информационные технологии в образовании". 2008, Екатеринбург, Изд-во АМБ, с. 107-108.

99. Bascones, J., Novak, J. D. Alternative instructional systems and the development of problem solving skills in physics. European Journal of Science Education, 7(3).1985, pp. 253-261.

100. Али Халед Каид. Математическая модель дуальной системы тестирования в режиме e-learning. // Али Халед / Вестник Казанского государственного технического университета им. А.Н. Туполева. Казань: Изд-воКГТУ, 2007, Т.4.С 65-69.

101. Андреев А.А. Опыт компьютерной педагогической диагностики творческих способностей.// Казань: Изд-во Казан.ун-та, 1989. С.42-62.

102. Арзамасцев А.А. Компьютерная технология оптимального проектирования учебного процесса. // А.А.Арзамасцев, Т.Ю.Китаевская, М.А.Иванов, Н.А. Зенкова. / Информатика и образование. 2001, вып.4, С. 79-82.

103. Арзамасцев А.А. Способность индивидов к аппроксимационно-прогностической деятельности как средство оценки профессиональной пригодности специалистов. // А.А. Арзамасцев, Н.А.Зенкова / Вестн. ТГУ, 2001, Т. VI, вып. 2, С. 254-261.

104. Атанов Г.А. Деятелыюстный подход в обучении. // Educational Technologies & Society, 2001, T.IV, №4, C.48-55.

105. Блейхер B.M. и др. Психологическая диагностика интеллекта и личности. / В.М. Блейхер, Л.Ф. Бурлачук. Киев: 1978.

106. Зайцева Л.В. и др. Автоматизированная обучающая система КОНТАКТ/ОС. / Л.В. Зайцева, Л.В.Ницецкий, Л.П.Новицкий. М.: 1982, 108с.

107. Захарова И.Г. Информационные технологии в образовании. М.: Академия, 2003, 192 с .

108. Платонов К.К. Краткий словарь системы психологических понятий. М.: 1984, -2-е. изд., М.: Высшая школа, 1984, 174 с.

109. Ратанова Т.А. Психодиагностические методы изучения личности. / Т.А.Ратаиова, Н.Ф. Шляхта: Учеб. пособие.-3-е изд., испр. и доп. М.: Флинта, 2003, 319 с.

110. Решетова З.А. Реализация принципов системного подхода в учебных предметах. М.: Политехнический музей: 1986, С. 35 37.

111. Аванесов B.C. Композиция тестовых заданий.// М.: Адепт, 1998. 217 с.

112. Аванесов B.C. Теоретические основы разработки заданий в текстовой форме.// М.: Изд-во Исследовательского центра проблем качества подготовки специалистов, 1995, 95 с.

113. Васильев В.И. и др. Методологические правила конструирования компьютерных тестов. / В.И. Васильев, А.Н.Демидов, Н.Г.Малышев, Т.Н. Тягунова. М.: МГУП, 2000. 27 с.

114. Крылов А.А. Практикум по экспериментальной и прикладной психологии. Л.:Изд-во Ленингр. ун-та, 1990. 22 с.

115. Кузьмин И.В. Синтез вычислительных алгоритмов управления и контроля. Киев: Техника, 1975. 248с.

116. Кузьмина Н. В., Чванова М. С., Зубец В. В. Организация тестового контроля. Учебн.-методич. пособие. Тамбов: Изд-во ТГУ, 1998. 42 с.

117. Оленик Н.М. Тест как инструмент измерения уровня знаний и трудности заданий в современной технологии обучения: Учеб. пособие. Донецк: ДонГУ, 1991, 66 с.

118. Пак Н.И. О технологии создания компьютерных тестов. // Н.И.Пак,

119. B.В Филиппов / ИНФО, 1997, № 5, с.19-24.у

120. Пак Н.И., Методика составления тестовых заданий // Н.И. Пак, A.JI. Симонова / ИНФО, 1998, № 5, с. 27-32.

121. Шмелев А.Г., Бельцер А.И., Ларионов А.Г., Серебряков А.Г. Адаптивное тестирование знаний в системе "ТЕЛЕТЕСТИНГ". // Информационные технологии в образовании 2000: Тез.конф. с. 88.

122. Энциклопедия психологических тестов. Общение, лидерство, межличностные отношения. М.: ООО "Издательство ACT", 1997, 304 с.

123. Юсупова Н.И., Черняховская Л.Р., Герасимова И.В., Шорохова

124. C.В. Интеллектуальный подход к разработке системы психолого-педагогической поддержки обучаемого: Препринт монографии, Уфа: УНЦ РАН, 2001, 56 с.

125. Ярошевский М.Г. и др. Психологические проблемы автоматизации научно-исследовательских работ / М.Г. Ярошевский, О.К.Тихомиров. М.: Наука, 1987. 240 с.

126. Тихомиров O.K. Психология мышления. М.: Издательство Московского университета, 1984, 272 с.

127. Соловов А.В. Проектирование компьютерных систем учебного назначения : Учеб.пособие. Самара: СГАУ, 1995, 138 с.

128. Зайцева J1.B., Новицкий Л.П., Грибкова В.А. Разработка и применение автоматизированных обучающих систем на базе ЭВМ. / Рига: Зинатне, 1989, 175 с.

129. Зайцева Л.В. Оценка знаний обучаемых в АОС. // Методы и средства кибернетики в управлении учебным процессом высшей школы. Рига: Риж. политехи, ин-т, 1987. С.86 92.

130. Шевякова Д.А. и др. Самоучитель Visual Basic 2005. / Д.А Шевякова, A.M. Степанов, Р.Г. Карпов. СПб.: БХВ Петербург, 2006, 576с.

131. Дейт К. Дж. Введение в системы баз данных. 6-е изд., СПб.: Вильяме, 2000, 848 с.

132. Дейт К. Руководство по реляционной СУБД DB2, М.: Финансы и статистика, 1988, 320 с.

133. Инмон У. и др. Методология экспертной оценки проектных решений для систем с базами данных / У. Инмон, Л.Фридман. Москва: Финансы и статистика,1986, 280 с.

134. Атанов Г.А., Локтюшин В.В. Фреймовая организация знаний в интеллектуальной обучающей системе. // Educational Technology Sz Society, 2000, T.IV, №1, С.137-149.

135. Сухомлин В.А., Романов В.Ю. Подсистемы учебного комплекса АСУ. Концептуальная модель и принципы создания системы человеко-машинного интерфейса / В.В. Корнеев, В.Ю. Романов. М.: изд-во МГУ, 1990. 90с.

136. Leaver B.L. Classrooms That Work: The Role of Personality in Classroom Rapport, 2000.

137. Али Халед. Перспективы формирования системы дистанционного образования в ТГГПУ с учетом многоплатформенности решений. //В. Галеев, Али Халед, Р. Галеева, JI. Салехова / Информационные ресурсы России, М.: 2007. Вып. 2, с. 29-34.

138. Башина О.Э. и др. Общая теория статистики / О.Э. Башина, А.А. Спирина. М.: Финансы и статистика, 2003. 440с.

139. Pesarin, F. 2001. Multivariate Permutation Tests, Wiley.154 106. Welch, W. J., Construction of permutation tests, Journal of American Statistical Association, 85:693-698, 1990.

140. Good, P. (2005) Introduction to Statistics Through Resampling Methods and R/S-PLUS. Wiley.

141. Welch, W. J., Construction of permutation tests, Journal of American Statistical Association, Vol. 85, 1990, p.693-698.

142. Назаров Н.Г. Измерения: планирование и обработка результатов. М.: ИПК Стандартов, 2000, 232 с.

143. Тюрин Ю.Н. и др. Анализ данных на компьютере / Ю.Н. Тюрин, А.А. Макаров, В.Э. Фигурнова. М.: ИНФРА-М, Финансы и статистика, 1995. 544 с.

144. Антофий Н.М. Шкалирование результатов тестового контроля. // АСУ и приборы автоматики, 2002, вып. 118, С. 119-121.

145. Кривуля Г.Ф., Проверка знаний при дистанционном обучении. // Г.Ф. Кривуля, И.Н. Пиженко, А.С. Шкиль / Образование и виртуальность-2001, Харьков-Ялта: УАДО, 2001, С.212-219.

146. Психологическая диагностика. Проблемы и исследования. / Под ред. К.М. Гуревича. М.: Педагогика, 1981, 232 с.

147. Hunt Е. Intelligence as an information processing concept. Brit. J. of Psychology. 1980. V. 71. pp. 449-474.