Метод адаптивного поиска образовательных ресурсов на основе онтологической модели представления знаний и алгоритма рассуждений по прецедентам тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Ужва, Алексей Юрьевич

• Ужва, Алексей Юрьевич
• кандидат технических наук
• 2013

Оглавление диссертации кандидат технических наук Ужва, Алексей Юрьевич

Введение

Перечень сокращений, условных обозначений, символов и терминов

Глава 1 Анализ предметной области и постановка задач исследования

1.1 Задача поиска электронных образовательных ресурсов

1.2 Место задачи поиска электронных образовательных ресурсов в существующем образовательном процессе

1.2.1 Процесс поиска электронных образовательных ресурсов с точки зрения преподавателя

1.2.2 Процесс поиска электронных образовательных ресурсов с точки зрения обучаемого

1.2.3 Недостатки существующего процесса

1.3 Адаптивный поиск электронных образовательных ресурсов

1.4 Особенности предметной области

1.4.1 Особенности описания электронных образовательных ресурсов и образовательных коллекций

1.4.2 Особенности описания обучаемого

1.4.3 Компетентностный подход в образовательном процессе

1.5 Методы адаптивного поиска

1.5.1 Адаптивный поиск на основе вероятностных моделей

1.5.2 Адаптивный поиск на основе графовых методов и семантических сетей

1.5.3 Адаптивный поиск на основе онтологических моделей

1.5.4 Адаптивный поиск на основе рассуждений по прецедентам

1.6 Адаптивный поиск на основе онтологических моделей представления знаний и рассуждений по прецедентам

1.7 Постановка задачи и цели исследования

Глава 2 Разработка онтологической модели предметной области

2.1 Требования к разрабатываемой модели предметной области

2.2 Состав и структура разработанной онтологической модели

2.2.1 Онтологическая модель поля знаний предметной области

2.2.2 Онтологическая модель образовательных дисциплин

2.2.3 Онтологическая модель обучаемого

2.2.4 Онтологическая модель образовательной коллекции

2.2.5 Онтологическая модель прецедента

2.2.6 Интеграция разработанных моделей на основе мета-онтологии

2.3 Анализ разработанной модели предметной области на соответствие поставленным требованиям

2.4 Пример описания прецедента на разработанной модели

2.5 Постановка задачи адаптивного поиска на разработанной модели

2.6 Выводы по главе

Глава 3 Алгоритм поиска электронных образовательных ресурсов на основе рассуждений по прецедентам

3.1 Интеграция разработанной модели представления знаний в цикл рассуждений по прецедентам

3.2 Алгоритм поиска электронных образовательных ресурсов на основе рассуждений по прецедентам

3.3 Функция определения близости прецедентов

3.3.1 Функция определения близости характеристик обучаемого

3.3.2 Функция оценки близости полей знаний обучаемого

3.3.3 Функция оценки близости истории оценки образовательных коллекций

3.4 Анализ алгоритма поиска электронных образовательных ресурсов и разработанных функций оценки близости прецедентов

3.5 Выводы по главе

Глава 4 Разработка метода и программного средства адаптивного поиска электронных образовательных ресурсов

4.1 Разработка метода адаптивного поиска

4.2 Разработка программного средства адаптивного поиска электронных образовательных ресурсов

4.2.1 Требования к программному средству

4.2.2 Архитектура программного средства

4.3 Модуль формирования онтологической модели

4.3.1 Требования к модулю формирования онтологической модели

4.3.2 Архитектура модуля формирования онтологической модели

4.3.3 Пример создания онтологической модели предметной области с использованием разработанного модуля

4.4 Модуль адаптивного поиска электронных образовательных ресурсов

4.4.1 Требования к модулю адаптивного поиска ЭОР

4.4.2 Реализация модуля адаптивного поиска ЭОР

4.4.3 Пример решения задачи адаптивного поиска с применением разработанного модуля

4.5 Оценка релевантности найденных с помощью предложенного метода электронных образовательных ресурсов

4.6 Выводы по главе 4 105 Заключение 107 Список использованных источников 108 ПРИЛОЖЕНИЕ А Фрагмент онтологической модели на языке OWL DL 123 ПРИЛОЖЕНИЕ Б Примеры описания прецедентов 141 ПРИЛОЖЕНИЕ В Акт внедрения результатов работы

Введение диссертации (часть автореферата) на тему «Метод адаптивного поиска образовательных ресурсов на основе онтологической модели представления знаний и алгоритма рассуждений по прецедентам»

Актуальность темы. С учетом современных требований, предъявляемых к специалистам, процесс обучения все более усложняется, происходит активное развитие электронных форм обучения. Более 4,5 млн. студентов в 2012 году проходило хотя бы 1 образовательный курс онлайн, по прогнозам в 2014 году данное количество достигнет 18 миллионов человек. Известно, что электронное образование способно повысить эффективность обучения.

Электронное образование в значительно большей степени, чем традиционное, ориентировано на самостоятельную работу студента и в меньшей — на непосредственную работу с преподавателем. В следствие этого повышаются требования к релевантности обучающих материалов, используемых в учебном процессе, в особенности в области электронного образования.

Под электронным образовательным ресурсом (ЭОР) в работе понимается образовательный ресурс, представленный в электронно-цифровой форме и включающий структуру, предметное содержание и метаданные и который может использоваться многократно в процессе обучения.

Электронные образовательные ресурсы обладают рядом преимуществ по сравнению с традиционными образовательными ресурсами, такими как: низкая стоимость, легкость передачи информации, возможность получить доступ к большому количеству альтернативных источников образовательного материала. Помимо этого ЭОР несут в себе возможности, недоступные для традиционных образовательных ресурсов, например, использование мультимедийных (аудио, видео) материалов, тренажеров, а так же возможность адаптации образовательного материала к персональным характеристикам обучаемого.

Количество ежегодно публикуемых образовательных ресурсов увеличивается год от года. Так в 2011 году издано более 4 млн. образовательных ресурсов, в то время как в 2002-м году их было издано менее

250 тысяч. В связи с ростом количества публикуемых ЭОР, а так же количества 5 студентов, участвующих в электронных формах обучения, становится актуальной задача разработки методов поиска ЭОР, релевантных данным обучаемым.

Под адаптивным поиском образовательных ресурсов понимается поиск ЭОР, набор и последовательность представления материала которого выстроены с учетом целей, текущего поля знаний и характеристик обучаемого. Показано, что адаптивные методы поиска образовательных ресурсов способны повысить эффективность обучения до 40%.

Под релевантностью результата адаптивного поиска понимается степень соответствия найденных ЭОР запросу, сформулированному при помощи целей, текущего поля знаний и характеристик обучаемого.

На данный момент разработан ряд методов адаптивного поиска ЭОР, основанных на нейросетевых моделях, алгоритмах рассуждений по правилам, прецедентам, решающих деревьях и др. Большой вклад в развитие методов адаптивного поиска ЭОР внесли такие ученые, как Норенков И.П., Соловов

A.B. Башмаков А.И., Башмаков И.А., Беляев М.И., Буняев М.М., Вымятин

B.М., Р. Brusilovsky, W. Nejdl, G. Stumme, К. Bosward, Joi L. Moore, Valerie Shute, Erik Duval и др. Однако существующие методы адаптивного поиска ЭОР не учитывают неявные знания в виде опыта предыдущих решений, оценку обучаемым образовательных материалов, что снижает уровень релевантности результатов адаптивного поиска.

Цель и задачи работы. Цель работы состоит в повышении релевантности результатов поиска ЭОР за счет разработки метода адаптивного поиска на основе интеграции онтологических моделей представления знаний и алгоритмов рассуждений по прецедентам.

Для достижения поставленной цели необходимо решить следующие задачи:

1. Провести анализ существующих методов адаптивного поиска образовательных ресурсов.

2. Разработать онтологическую модель образовательных ресурсов, обучаемого, образовательного стандарта, позволяющие осуществить поиск ЭОР по прецедентам.

3. Разработать алгоритм адаптивного поиска ЭОР на основе разработанных моделей и рассуждений по прецедентам.

4. Разработать метод адаптивного поиска ЭОР на основе разработанных моделей и алгоритмов, а так же программное средство, реализующее данный метод, проверить его работоспособность.

Объектом исследования является процесс адаптивного поиска образовательных ресурсов.

Предметом исследования являются модели и методы поиска образовательных ресурсов.

Гипотеза исследования: Интеграция онтологических моделей представления знаний и алгоритмов рассуждений по прецедентам способна повысить релевантность найденных в результате адаптивного поиска образовательных ресурсов.

Методы исследования. Для решения поставленных задач были использованы методы искусственного интеллекта, системного анализа, проектирования и реализации программных систем.

Работа выполнена в рамках фундаментального исследования «Разработка научно-методических основ построения электронной образовательной среды для обучения информационным технологиям», шифр 8.3391.2011.

Научная новизна диссертационной работы заключается в следующих положениях, выносимых автором на защиту:

1 онтологические модели образовательного ресурса, поля знаний, обучаемого, образовательного стандарта, прецедента, отличающиеся от существующих использованием модели прецедента;

2 метод адаптивного поиска ЭОР на основе онтологических моделей представления знаний и рассуждений по прецедентам с использованием разработанных функций оценки близости прецедентов. Практическая ценность работы состоит в разработке программного средства, использующих предложенные модели и алгоритмы.

Апробация работы. Основные положения и материалы диссертационной работы докладывались на IV Всероссийской научно-практической конференции «Инновационные технологии в обучении и производстве», г. Камышин, (15-16 декабря 2009 г.), VII Всероссийской научной конференции молодых ученых, аспирантов и студентов «Информационные технологии, системный анализ и управление», г. Таганрог, (3-4 декабря 2009 г.), профессорско-преподавательской конференции в г. Волгограде (5 февраля 2010 г., 27 декабря 2012г.), семинарах кафедр «Программное обеспечение автоматизированных систем», «Системы автоматизированного проектирования и поискового конструирования», ВолгГТУ.

Публикации. Основные результаты работы опубликованы в 10 работах, в том числе 4 в изданиях, рекомендованных ВАК РФ.

Структура и объем диссертации. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы и приложений. Общий объем работы 122 страницы, в том числе 23 рисунка, 12 таблиц список литературы из 137 наименований.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Ужва, Алексей Юрьевич

4.6 Выводы по главе 4

1) Разработан метод адаптивного поиска образовательных ресурсов на основе разработанных онтологических моделей представления знаний и алгоритма рассуждений по прецедентам, позволяющий повысить релевантность найденных образовательных ресурсов.

2) Сформулирован набор требований к составу выполняемых программным средствам функций, структуре и архитектуре программного средства. Выделены модули формирования онтологической модели представления знаний и адаптивного поиска образовательных ресурсов.

3) Реализован модуль формирования онтологической модели, позволяющий осуществить наполнение разработанной структуры онтологии при помощи анализа текста рабочих программ.

4) Реализован модуль адаптивного поиска образовательных коллекций с учетом характеристик и предпочтений обучаемого, использующий разработанные модели и алгоритм.

5) Проведено тестирование разработанного метода, что разработанный метод позволяет повысить релевантность найденных образовательных ресурсов до 20% за счет сохранения экспертных знаний при построении образовательной коллекции, повторного использования успешных результатов, а так же учета обратной связи обучаемого.

Заключение

1 Проведен анализ существующих методов адаптивного поиска электронных образовательных ресурсов в учебном процессе, выявлены достоинства и недостатки существующих методов. На основе проведенного анализа сделан вывод, что наиболее перспективным методом адаптивного поиска ЭОР является поиск на основе интеграции онтологических моделей представления знаний и рассуждений по прецедентам.

2 Разработана онтологическая модель предметной области, включающая информацию о поле знаний, обучаемых, прецедентах и позволяющая осуществить адаптивный поиск ЭОР на основе алгоритма по прецедентам. Для интеграции онтологических моделей представления знаний и рассуждений по прецедентам разработана онтологическая модель прецедента.

3 Разработан алгоритм адаптивного поиска ЭОР, использующий разработанные функции оценки близости полей знаний студента, персональных характеристик, образовательных задач и оценок образовательных коллекций на основе предложенных моделей и рассуждений по прецедентам. Разработанные функции оценки близости отличаются от существующих использованием онтологических знаний для определения близости компонентов прецедента.

4 Предложен метод адаптивного поиска на основе онтологических моделей представления знаний и алгоритма рассуждений по прецедентам. Разработанный метод позволяет повысить релевантность найденных в результате адаптивного поиска электронных образовательных ресурсов.

5 Разработаны онтологические модели представления знаний для курса «Технологии программирования». Разработанные алгоритмы реализованы в виде программного средства. Создана коллекция прецедентов и проведено тестирование предложенного метода. Результаты тестирования позволяют сделать вывод, что описанный в работе метод адаптивного поиска позволяет повысить релевантность найденных ЭОР.

Список литературы диссертационного исследования кандидат технических наук Ужва, Алексей Юрьевич, 2013 год

1. Андреев A.A. Основы открытого образования / A.A. Андреев, C.J1. Каплан, Г.А. Краснова .- Российский государственный институт открытого образования. М.: НИИЦ РАО, 2002. - 676 с.

2. Аникин, А. В. Механизмы интеграции гетерогенных распределенных ресурсов в открытой адаптивной образовательной системе / А. В. Аникин, И.Г. Жукова, М.Б. Сипливая // Сочи-2004: сб. науч. тр. конф. Сочи, 2005 .-260с.

3. Аникин, А. В. Формальная модель описания учебных объектов / А. В. Аникин, И.Г. Жукова, М.Б. Сипливая // Информационные технологии в образовании, технике и медицине: сб. науч. тр. междунар. конф. Волгоград, 2004. - 290с.

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

5. Горбунова Е.И. Открытое образование: стандартизация описания информационных ресурсов /Е.И. Горбунова, С.Л.Лобачев, А.А.Малых . М.: РИЦ «Альфа» МГОПУ им. М.А.Шолохова, 2003. - 215 с.

6. ГОСТ 34.602-89. Техническое задание на создание автоматизированнойсистемы.- М: Издательство стандартов, 1989.- 11с.108

7. ГОСТ 52653-2006. Информационно-коммуникационные технологии в образовании. Термины и определения.- М: Стандартинформ, 2006.- 8с.

8. Ю.ГОСТ 7.75-97. Техническое задание на создание автоматизированной системы,- М: Издательство стандартов, 1997.- 11с.

9. Краснова Г.А.Технологии создания электронных обучающих средств. / Г.А. Краснова, A.B. Соловов, М.И. Беляев .- 2-е изд., перераб. и доп. М.: МГИУ, 2002. - 304 с.

10. Лобачев С.Д., Манцивода A.B. Стандартизация описания образовательных ресурсов. Москва: Редакционно-издательский центр «Альфа», 2003. Р. 210.

11. Соловов A.B. Дистанционное обучение: технологии и целевые группы // Высшее образование в России. 2006, № 7. С. 119-124.

12. Соловов A.B. Проектирование компьютерных систем учебного назначения: Учебное пособие. Самара: СГАУ, 1995. - 140 с.

13. Уваров А.Ю. Электронный учебник: теория и практика. М.: Изд-во УРАО, 1999.-220 с.

14. Ужва А.Ю. Онтологические модели представления знаний для адаптивного поиска образовательных ресурсов алгоритмом рассуждений по прецедентам // Фундаментальные исследования. № 4 (часть 3). - Москва, 2013 (принята к печати).

15. Ужва, А. Ю. Поддержка адаптивного процесса обучения студентов на основе онтологий и рассуждения по прецедентам/ А. Ю. Ужва; ВолгГТУ .Волгоград, 2008 .- 123с.

16. Федеральный государственный образовательный стандарт высшего профессионального образования. Программная инженерия (квалификация бакалавр) Электронный ресурс. .- 2009 .- Режим доступа: http://window.edu.ru/resource/723/73723

17. Федеральный закон "О высшем и послевузовском профессиональном образовании" Электронный ресурс. .- 2006 .- Режим доступа: http://www.consultant.ru/popular/education/

18. Федеральный закон "Об образовании" Электронный ресурс. .- 2009 .Режим доступа: http://www.consultant.ru/online/base/?req=doc;base=LAW;n=95866

19. Aamodt, A. Case-based reasoning: foundational issues, methodological variations, and system approaches/ A. Aamodt, E. Plaza// Communications. 1994. - №7. -C. 39-59

20. Ab'asolo, C. Components for case-based reasoning systems Электронный ресурс. / С. Ab'asolo, E. Plaza, and J.-L. Arcos .- 2002 .- Режим доступа: http://portal.acm.org/citation.cfm?doid=963770.963773

21. Alexander, S. e-Learning developments and experiences / S. Alexander // Education + Training .- 2001 .- №43 .- c. 240-248

22. Allert H. et al. Role-oriented models for hypermedia construction-conceptual modeling for the semantic web // Learning. 2001.

23. Antony J. et al. Semantic web based adaptive E-Learning triggered through short message services // 2012 7th International Conference on Computer Science & Education (ICCSE). Ieee, 2012. № Iccse. P. 1860-1863.

24. Aroyo L. et al. Interoperability in Personalized Adaptive Learning Semantic Interoperability of Adaptive Systems // JOURNAL OF EDUCATIONAL TECHNOLOGYAND SOCIETY. 2006. Vol. 9, № 2. P. 4-18.

25. Ayersman, D. Individual differences, computers, and instruction / D. Ayersman, A. Minden // Computers in Human Behavior, 1995 .- №20 .- c. 1-20.

26. Baldoni M., Baroglio C. Constraint Modeling for Curriculum Planning and Validation // Interactive Learning Environments. 2011. Vol. 19, № 1. P. 1-36.

27. Baylari A., Montazer Gh.A., Design a personalized e-learning system based on item response theory and artificial neural network approach // Expert Systems with Applications .- 2009 .- №36, C. 8013-8021

28. Bebjak M., Vranic V., Dolog P. Evolution of web applications with aspect-oriented design patterns // Proc. of 1С WE. 2007. P. 80-86.

29. Bello-Tomás J.J. JColibri: an object-oriented framework for building CBR systems / J.J. Bello-Tornás, P. A. González-Calero, В. Díaz-Agudo// ECCBR2004.- 2004.- с. 32-47 (jColibri)

30. Bhattacharya A., Tiwari M.K., Harding J. a. A framework for ontology based decision support system for e-learning modules, business modeling and manufacturing systems // Journal of Intelligent Manufacturing. 2012. Vol. 23, № 5. P. 1-19.

31. Bittencourt I. I. A computational model for developing semantic web-based educational systems /1.1. Bittencourt // Expert Systems with Applications, 2009 .№32 .- c. 170-179

32. Bórner, K. Structural similarity as guidance in case-based design Электронный ресурс. / К. Bórner .- 1993 .- Режим доступа: http://citeseer.ist.psu.edu/borner93structural.html

33. Bosward К. Integrated Case-based Applied Pathology (ICAP): a model for learning and teaching of Veterinary Pathology / K. Bosward, G. Marcus, F. Costa .- Australia: The University of Sydney .- 2006 .- 30c.

34. Brusilovsky, P. Methods and techniques of adaptive hypermedia Электронный ресурс. / P. Brusilovsky .- 1996 .- Режим доступа: http://citeseer.ist.psu.edu/brusilovsky96methods.html

35. Brusilovsky, P. User as student: Towards an adaptive interface for advanced Web-based applications Электронный ресурс. / P. Brusilovsky, E. Schwarz .- 1997 .Режим доступа: http://citeseer.ist.psu.edu/brusilovsky97user.html

36. Brusilovsky, P. Visual annotation of links in adaptive hypermedia Электронный ресурс. / P. Brusilovsky, L. Pesin .- 1997 .- Режим доступа: http://portal.acm.org/citation.cfm?id=223355.223535

37. Case based reasoning technology: from foundations to applications : lecture notes/ M. Lens, B. Bartsch-Sporl, H. Burkhard, S. Wess.- Berlin: Springer, 1998.- 313c.

38. Castro J.L. Loss and gain functions for CBR retrieval / J.L. Castro, M. Navarro, J.M. Sánchez // Information Sciences, 2009 .- №179 .- c. 1738-1750

39. Champin P. A. Measuring the similarity of labeled graphs / P. A. Champin, C. Solnon // материалы международной конференции ICCBR2003.-Тронхейм, июнь2003.- с. 145-154

40. Cheetham W. Measures of solution accuracy in case-based reasoning systems / W. Cheetham, J. Price // материалы международной конференции ECCBR2004 .Мадрид, Испания, август 2004 .- с. 106-119

41. Chen В., Lee С., Tsai I. Ontology-Based E-Learning System for Personalized Learning // 2011 International Conference on Education, Research and Innovation.2011. Vol. 18. P. 38^2.

42. Chen Z., Fang L., Zhao T. The Application of Semantic Web in E-Learning Personalized Knowledge Query // Software Engineering and Knowledge Engineering: Theory and Practice. 2012. Vol. 2. P. 881-885.

43. Chung H., Kim J. Ontology Design for Creating Adaptive Learning Path in e-Learning Environment // Proceedings of the International MultiConference of .2012. Vol. I. P. 14-17.

44. Clark K.L. Ontology oriented programming in Go! / K. L. Clark ■ F. G. McCabe // Applied Intelligence .- 2006 ,-№24,- c. 211-228

45. Cloete, E. Electronic education system model / E. Cloete // Computers and Education .- 2001 .- № 36(2) .- c. 171-182

46. Debenham J. Maintaining knowledge with a formal model / J. Debenham // Applied Intelligence .- 2006 ,-№24,- c. 205-218

47. Decker S. et al. TRIPLE an RDF Rule Language with Context and Use Cases // W3C Workshop on Rule Languages for Interoperability. 2005. P. 1-6.

48. Developing industrial case-based reasoning applications: the INRECA methodology /. R. Bergmann, K.D. Althoff, S. Breen, M. Goker.- 2-е изд. .Berlin: Springer, 2003.- 43 c.

49. Diaz-Agudo В. An architecture for knowledge intensive CBR systems / B. DiazAgudo and P. A. Gonzalez-Ca'iero // материалы международной конференции EWCBR2000.- Тренто, Италия, сентябрь 2000,- с. 34-51

50. Díaz-Agudo, В. A Declarative Similarity Framework for Knowledge Intensive Электронный ресурс. / В. Díaz-Agudo, P.A. González-Calero.- 2001 .- Режим доступа: http://www.springerlink.com/index/91ce2dbgb67hg7x4.pdf

51. Díaz-Agudo, В. CBROnto: a Task/Method ontology for CBR Электронный ресурс. / В. Díaz-Agudo, P.A. González-Calero .- 2002 .- Режим доступа: http://gaia.fdi.ucm.es/grupo/publications/2002flairs belen.pdf

52. Dolog P. Model-driven navigation design for semantic web applications with the UML-guide // Engineering Advanced Web Applications. 2004. P. 1-12.

53. Dolog P. RDF Schema for Learner Project Электронный ресурс. / Peter Dolog .- 2005 .- Режим доступа: http://www.13s.de/~dolog/learnerrdfbindings/

54. Dolog P., Bieliková M. Hypermedia modelling using UML I/ . Symposium on Information Systems Modelling (ISM . 2002.

55. Dolog P., Gavriloaie R. Integrating adaptive hypermedia techniques and open rdf-based environments // Proc. of 12th International World Wide Web Conference. 2003.

56. Dolog P., Nejdl W. Challenges and benefits of the semantic web for user modelling // Precedings of AH2003 workshop at 12th World Wide Web Comference. 2003.

57. Dolog P., Schafer M. Feature Based Design of Web Service Transaction Compensations // Proceedings of the 12th International Software Conference. 2008. № September.

58. Durâo F., Dolog P. Analysis of tag-based recommendation performance for a semantic wiki // LSSM. 2009.

59. Free, M.A. Open Source Course Management System for Online Learning Электронный ресурс. / M.A. Free .- 2008 .- Режим доступа: http://moodle.org

60. Galeev, I., Virtual spaces for IFETS and IFETS-East-Euro Learning Communities Электронный ресурс. / I. Galeev, O. Kolosov and A. Filyaev .- 2005 .- Режим доступа:http://ieeexplore.ieee.org/iel5/10084/32317/01508854.pdf7arnumbeFl5Q8854

61. Georgieva, G. A model of a Virtual University some problems during its development. / G. Georgieva, G. Todorov, G. Smrikarov // сб. науч. трудов междунар. конф. Computer systems and technologies: e-Learning .- Bulgaria: ACM Press. .- 2003 .- c. 150-155

62. Gomez-Albarran M. Modeling the CBR life cycle using DL / M. Gomez-Albarran, P. Gonzalez-Calero// Applied Intelligence .- 2002 ,-№19,- c. 87-92

63. Gómez-Gauchía H. Two-layered approach to knowledge representation using conceptual maps and description logics: материалы первой международной конференции Conference on Concept Mapping, октябрь 2004 r.-.Pamplona, Spain

64. Gonzales-Calero P. Applying DLs for retrieval in case-based reasoning/ P. Gonzales-Calero, B. Diaz-Agudo, M. Gomez-Albarran// Applied Intelligence .-2004,-№22.- c. 125-134

65. González С. TS-TB: An Intelligent Tutoring System to provide e-Learning in Public Health / C. González, J. C. Burguillo, J. C. Vidal .- Испания: Departamento de Ingeniería Telemática. Universidad de Vigo .- 2007 .- 40c.

66. Gupta K.M. Learning feature taxonomies for case indexing / К. M. Gupta, D. W. Aha, P. Moore// материалы международной конференции ECCBR2004.-Мадрид, Испания, август 2004.- с. 211-227

67. Heckmann D., Schwartz Т., Brandherm B. Gumo-the general user model ontology // User modeling. 2005. P. 149-149.

68. Heiman H.L. et al. E-learning and deliberate practice for oral case presentation skills: A randomized trial. // Medical teacher. 2012. Vol. 34, № 12. P. e820-6.

69. Henze N. Personalization services for e-learning in the semantic web // Design of Adaptive Feedback in a Web Educational System. 2005. P. 55.

70. Henze N., Nejdl W., Hannover D.-. Adaptation in Open Corpus Hypermedia. 2001.

71. Hsiao I., Bakalov F. Open social student modeling: visualizing student models with parallel introspectiveviews // User Modeling, Adaption and Personalization. 2011.

72. Hsiao I., Sosnovsky S., Brusilovsky P. Adaptive Navigation Support in an E-Learning System for Java Programming // Journal of Computer Assisted Learning. 2008. Vol. 26, № 4. P. 270-283.

73. Huang, C. J. Implementation and performance evaluation of parameter improvement mechanisms for intelligent e-learning systems / C. J. Huang, S. S. Chu, С. T. Guan // Computers & Education, 2007 .- №49 .- c. 597-614

74. Iofciu T. et al. ExpertFOAF recommends experts // First International ExpertFinder Workshop. 2007. P. 1-3.

75. Jeong H.-Y., Choi C.-R., Song Y.-J. Personalized Learning Course Planner with E-learning DSS using user profile // Expert Systems with Applications. Elsevier Ltd, 2012. Vol. 39, № 3. P. 2567-2577.

76. Kashy, E. Using networked tools to enhanse student success rates in large classes. Электронный ресурс. / E. Kashy .- 1997 .- Режим доступа: http://www.lon-capa.org/papers/fie97.pdf

77. Kim H.J., Pederson S., Baldwin M. Improving user satisfaction via a case-enhanced e-!eaming environment /'/ Education + Training. 2012. Vol. 54, № 2/3. P. 204-218.

78. Knowledge-based systems: survey and future directions: lecture notes/ под.ред. J. G. Carbonell.- Berlin.: Springer- 1998.- 227 c.

79. Kogan, N. Educational Implications of Cognitive Style. In Psychology and Educational Practice // N. Kogan, G. S. Lesser, Ed. Glenview // Scott Foresman and Co, 1986 .- №4 .-242-292.

80. Kolodner, J.L. Case-based reasoning-inspired approaches to education / J.L. Kolodner, M.T. Cox, P.A. Gonzalez-Caler // Knowledge Engineering Review .2005 .- т20, №3 .- C. 299-303.

81. Kravis S. A case based system for oil and gas well design with risk assessment / S. Kravis, R. IrrGang // Applied Intelligence .- 2005 ,-№23.- c. 39-53

82. Lau A. An ontology-based similarity measurement for problem-based case reasoning / A. Lau, E. Tsui, W.B. Lee // Expert Systems with Applications, 2009 .- №36 .- c. 6574-6579

83. Lau, A. Knowledge management perspective on e-learning effectiveness / A. Lau, E. Tsui // Knowledge-Based Systems .- 2009 .- №22 .- c. 324-325

84. Leake D.B. Human-centered CBR: integrating case-based reasoning with knowledge construction and extension / D. B. Leake // ICCBR2003.- 2003.- c. 4668

85. Leake, D. B. A Case-Based Framework for Interactive Capture and Reuse of Design Knowledge Электронный ресурс. / D. В. Leake, D. C. Wilson .- 2001 .Режим доступа:http://www.springerlink.com/index/H27G814777018NJ7.pdf

86. Lendyuk Т., Rippa S. Information portal of E-learning system in Semantic Web environment // Intelligent Data Acquisition and Advanced Computing Systems. 2011. Vol. 2. P. 637-641.

87. Lenz M. Textual CBR / M. Lenz, A. Hubner, M. Kunze.- Leipzid: Springer, 2002,- c. 34

88. Lin В. Web-based teaching and learner control: A research review / B. Lin, C.-T. Hsieh // Computers and Education 2003 .- т37 №3 .- С. 377-386.

89. Lin, В. Web-based teaching and learner control: A research review / B. Lin, C.-T. Hsieh // Computers and Education .- 2001 .- №37(3^1).- c. 377-386.

90. Liu, M. The relationship between the learning strategies and learning styles in a hypermedia environment / M. Liu, W. M. Reed// Computers in Human Behavior, 1994 .- №10 c. 419-434.

91. Lorenzi F. Case-based recommender systems: a unifying view / F. Lorenzi, F. Ricci // материалы международной конференции ICCBR2005.- Чмкаго, США, август 2005.- с. 23-42

92. Martin F.J. Ceaseless case-based reasoning / F. J. Martin, E. Plaza // ECCBR2004.- 2004.- c. 287-302

93. McSherry D. Similarity and compromise / D. McSherry // материалы международной конференции ICCBR2003 .-Тронхейм, Норвегия, июнь 2003,-с. 178- 189

94. Nejdl, W. Providing Social Sharing Functionalities in LearnWeb2.0 / W. Nejdl, I. Marenzi, S. Zerr // TENCompetence Workshop: Stimulating Personal Development and Knowledge Sharing, 2008 .- №3 .- c. 30-31.

95. Núñez H. Improving similarity assessment with entropy-based local weighting /Н. Núñez, M. Sánchez-Marre, U. Cortés // материалы международной конференции ICCBR2003.- Тронхейм, Норвегия, июнь 2003.- с. 95-103

96. Pelczer I. et al. Building an Ontology for Inuttitut Language Samples : An Application of Topic Maps in Canadian Aboriginal Language Preservation. 2007. P. 1233-1238.

97. Radon K., Kolb S., Reichert J. Case-based e-learning in occupational medicine- the NetWoRM Project in Germany // Annals of Agricultural and Environmental Medicine. 2006. Vol. 13, № 1. P. 93-98.

98. Rodrigues L. Using Textual CBR for e-Learning Content Categorization and Retrieval / L. Rodrigues, В. Antunes, P. Gomes .- Portugal: Department of Informatics Engineering .- 2005 .- 35c.

99. Romero L., Gutiérrez M., Caliusco M. Conceptualizing the e-Learning assessment domain using an ontology network // International Journal of Interactive Multimedia and Artificial Intelligence. 2012. Vol. 1, № 6. P. 20-28.

100. Roth-Berghofer T.R. Explanations and case-based reasoning: foundational issues/ T. R. Roth-Berghofer // материалы международной конференции ECCBR2004 .- Мадрид,Испания, август 2004,- с. 389-404

101. Rumetshofer Н. Virtually Guided Personalized E-Learning Электронный ресурс. / Н. Rumetshofer, W. Pastor, Ó. Falcao .- 2005 .- Режим доступа: http://citeseerx.ist.psu.edu/viewdoc/download?doi=l 0.1.1,92.9794&rep=rep 1 &typ e=pdf

102. Salamo M. Unifying weighting and case reduction methods based on rough sets to improve retrieval / M. Salamo and E. Golobardes // ICCBR2003.- 2003,- c. 223- 245

103. Sangineto E. et al. Adaptive course generation through learning styles representation // Universal Access in the Information Society. 2007. Vol. 7, № 1 -2. P. 1-23.

104. Sarirete A., Chikh A., Noble E. Building a community memory in communities of practice of e-learning: A knowledge engineering approach // Journal of Workplace Learning. 2011. Vol. 23, № 7. P. 456-467.

105. Shishehchi S. Review of personalized recommendation techniques for learners in e-learning systems // Semantic Technology and Information Retrieval (STAIR), 2011 International Conference on. 2011. № June. P. 277-281.

106. Shiu S. Case-based reasoning: concepts, features and soft computing / S.C. Shiu. S. K. Pal // Applied Intelligence.- 2004 .- № 21.- c. 233-238

107. Simon B. et al. Conceptualising Smart Spaces for Learning // Journal of Interactive Media in Education. 2004. Vol. 1. P. 1-25.

108. Thistlethwaite J.E. et al. The effectiveness of case-based learning in health professional education. A BEME systematic review: BEME Guide No. 23. // Medical teacher. 2012. Vol. 34, № 6. P. e421^4.

109. Vrani V. et al. Aspect-Oriented Change Realizations and their Interaction // e-Informatica Software Engineering Journal Selected full texts. 2009. Vol. 3, № 1.

110. Wang M., Vogel D., Ran W. Creating a performance-oriented e-learning environment: A design science approach // Information & Management. Elsevier B.V., 2011. Vol. 48, № 7. P. 260-269.

111. Wang Y. Data mining for adaptive learning sequence in English language instruction / Y. Wang, M. Tseng, H. LiaoData // Expert Systems with Applications .- 2009 .- №36 .- C. 7681-7686

112. Wentling T.L. Cost Analysis of E-learning A Case Study of A University Электронный ресурс. / T.L. Wentling, J.-H. Park .- 2005 .- Режим доступа: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.86.5844&rep=repl&typ e=pdf

113. Wiratunga N. Feature selection and generalization for retrieval of textual cases /N. Wiratunga, I. Koychev, S. Massie,// материалы международной конференции ECCBR2004.- Мадрид, Испания, август2004,- 806-821

114. Wriggers, P. Interactive control of nonlinear FE calculations by an expert system. / P. Wriggers, N. Tarnow// IBinM, Hannover, 1988,- c. 20

115. Yang S.-Y. An ontological Proxy Agent with prediction, CBR, and RBR techniques for fast query processing / S.-Y. Yang, C.-L. Hsu // Expert Systems with Applications, 2009 .- №36 .- c. 9358-9370

116. Zhou L. Ontology learning: state of the art and open issues // Information Technology and Management. 2007. Vol. 8, № 3. P. 241-252.