Разработка веб-ориентированной интеллектуальной системы представления и проверки знаний на основе концептуальной модели предметной области тема диссертации и автореферата по ВАК РФ 05.13.17, кандидат наук Лазарева Ольга Юрьевна

• Лазарева Ольга Юрьевна
• кандидат наук
• 2015

Оглавление диссертации кандидат наук Лазарева Ольга Юрьевна

Введение

Глава 1. Исследование научных школ и направлений в области интеллектуальных обучающих систем

1.1. Предпосылки возникновения электронных обучающих систем

1.2. История развития электронных обучающих систем

1.3. Интеллектуальные технологии в электронном обучении

1.4. Модели представления знаний в интеллектуальных системах

1.5. Выводы по главе

Глава 2. Разработка структуры ИОС для оценки компетенций учащихся вузов

2.1. Общая структура ИОС

2.2. Разработка модели предметной области

2.3. Отношения между дидактическими единицами предметной области

2.4. Разработка нечеткой оверлейной модели учащегося

2.5. Назначение и задачи модуля обучения

2.6. Выводы по главе

Глава 3. Разработка алгоритмов проверки знаний учащихся на основе когнитивной карты учебного курса

3.1. Тестирование как метод определения уровня учебных достижений

3.2. Алгоритм выбора порядка представления тестовых заданий

3.3. Адаптивный алгоритм тестирования с учётом возможных ошибок в оценке знаний учащегося

3.4. Перспективы использования пространства знаний для информирования о возможной недостоверности оценки знаний

3.5. Выводы по главе

Глава 4. Практическая реализация ИОС

4.1. Архитектура и пользовательский интерфейс веб-ориентированной ИОС ЭУЦ-ВУЗ

4.2. Технология использования 8Ш-Рго1о§ в ИОС

4.3. Разработка механизма визуализации когнитивной карты

4.4. Выводы по главе

Заключение

Список сокращений

Библиографический список

Введение

Активное развитие информационных технологий в последние десятилетия привело к их повсеместному внедрению, в том числе в образовательный процесс. Постепенно использование различных информационных технологий при осуществлении образовательной деятельности стало не исключением из правила, а правилом.

Актуальность исследований обусловлена необходимостью совершенствования электронных обучающих и тестирующих систем, в том числе благодаря использованию интеллектуальных технологий. Введение новых федеральных государственных образовательных стандартов высшего профессионального образования третьего поколения установило новый подход к контролю знаний учащихся, основанный на понятии «компетенция». Актуальна разработка интеллектуальных обучающих систем, позволяющих оценивать компетенции, полученные учащимися за время обучения в вузе.

Исследованиями в области электронных обучающих систем занимались Башмаков А.И., Башмаков И.А., Петрушин В.А., Соловов А.В., Добряков А.А., Карпенко А.П., Попов Д.И., Попова Е.Д. и др.

Существенный вклад в изучение интеллектуальных обучающих систем внесли Атанов Г.А., Пустынникова И.Н., Карбонелл Дж. (США), Брусиловский П.Л. (США), Бурдо Дж. (Канада), Нкамбоу Р. (Канада), Вульф Б.П. (США), Граессер А.С. (США), Мизогучи Р. (Япония) и др. В их работах рассмотрены как теоретические, так и практические вопросы разработки интеллектуальных обучающих систем. Однако предложенные ими системы не позволяют в достаточной мере отразить специфику современной российской высшей школы.

Объектом исследования являются веб-ориентированные интеллектуальные обучающие системы и модели представления знаний, используемые в них.

Предметом исследования являются алгоритмы и методы оценки знаний учащегося на основе когнитивных карт предметных областей учебных дисциплин в веб-ориентированной обучающей системе.

Целью работы является разработка веб-ориентированной обучающей системы на основе концептуальной модели предметной области, представленной в виде когнитивных карт учебных дисциплин, а также моделей и алгоритмов, необходимых для функционирования данной системы.

Для достижения поставленной цели в работе были поставлены следующие задачи исследования:

• Провести анализ существующих электронных обучающих систем, в том числе интеллектуальных, а также моделей представления знаний в интеллектуальных обучающих системах.

• Разработать для интеллектуальной обучающей системы модель предметной области, включающую понятие «компетенция».

• Разработать на основе модели предметной области нечеткую оверлейную модель учащегося.

• Разработать алгоритм адаптивного тестирования, учитывающий возможные угадывания правильных ответов учащимся и случайные ошибки.

• Осуществить программную реализацию веб-ориентированной интеллектуальной обучающей системы ЭУЦ-ВУЗ.

Областью исследований являются веб-ориентированные интеллектуальные обучающие системы. Указанная область соответствует специальности 05.13.17 «Теоретические основы информатики», в частности, п.4 — «Исследование и разработка средств представления знаний. Принципы создания языков представления знаний, в том числе для плохо структурированных предметных областей и слабоструктурированных задач; разработка интегрированных средств представления знаний, средств представления знаний, отражающих динамику процессов, концептуальных и семиотических моделей предметных областей» и п.9 — «Разработка новых интернет-технологий, включая средства поиска, анализа и фильтрации информации, средства приобретения знаний и создания онтологии, средства интеллектуализации бизнес-процессов».

Методология и методы исследования

Для достижения поставленных целей и решения задач использовались теория множеств, нечеткая логика, теория представления знаний, теория графов, а также логика первого порядка (исчисление предикатов).

Для практической реализации разработанной модели интеллектуальной обучающей системы использовались следующие языки, библиотеки и технологии:

• язык HTML и каскадные таблицы стилей CSS;

• язык серверного программирования PHP;

• скриптовый язык программирования JavaScript;

• язык логического программирования SWI-Prolog;

• система управления базами данных MySQL и среда phpMyAdmin;

• расширяемый язык разметки XML;

• библиотека визуализации данных D3. js.

Методологической основой диссертационной работы являются работы в области интеллектуальных систем [10, 15, 40, 41, 53, 55, 59, 61, 65], электронных обучающих систем [3, 13, 21, 43, 44, 51, 56, 70, 102] и интеллектуальных обучающих систем [1, 11, 20, 62, 63, 78, 85, 105].

Научная новизна работы состоит в следующем:

• Разработана предметно-независимая концептуальная модель предметной области интеллектуальной обучающей системы, отличающаяся от существующих аналогов тем, что она базируется на понятии «дидактической единицы» и включает когнитивные карты учебных дисциплин, что позволяет осуществлять интеллектуальную поддержку процесса обучения.

• Разработана нечеткая оверлейная модель учащегося, отличающаяся от существующих аналогов тем, что в её основе лежит разработанная модель предметной области, что позволяет при оценке освоения дидактических единиц, учитывать не только их степень освоения, но и важность.

• Разработан алгоритм адаптивного тестирования, отличающийся от аналогов тем, что он учитывает вероятность наличия ошибок при оценке знаний учащихся, что позволяет получить более достоверную оценку.

На защиту выносятся следующие положения:

1. Концептуальная модель предметной области интеллектуальной обучающей системы на основе понятия «дидактической единицы», включающая когнитивные карты учебных дисциплин.

2. Нечеткая оверлейная модель учащегося.

3. Адаптивный алгоритм тестирования, учитывающий вероятность угадывания правильных ответов учащимся и случайные ошибки.

Практическая ценность исследования заключается в разработке веб-ориентированной интеллектуальной обучающей системы, основанной на концептуальной модели предметной области, базирующейся на понятии «дидактическая единица», и позволяющей оценивать степень освоения как каждой отдельной дидактической единицы, так и учебных дисциплин, и компетенций в целом. Благодаря построению когнитивных карт учебных дисциплин, возможна реализация механизма интеллектуального помощника, позволяющего в случае неуспешного выполнения тестового задания оценить какую дидактическую единицу учащийся не знает, а какие единицы стоит повторить, прежде чем приступить к изучению данной. Адаптивный алгоритм, реализованный в системе, позволяет менять количество тестовых заданий по тем дидактическим единицам, достоверность оценки которых вызывает сомнение. Механизм визуализации когнитивных карт учебных дисциплин позволяет учащимся наглядно представлять ключевые концепции изучаемой дисциплины и связь между ними.

Введение диссертации (часть автореферата) на тему «Разработка веб-ориентированной интеллектуальной системы представления и проверки знаний на основе концептуальной модели предметной области»

Апробация работы

В ходе выполнения работы результаты исследований докладывались на следующих конференциях:

• Международная научно-техническая молодежная конференция «Системы, методы, техника и технологии обработки медиаконтента», Москва, МГУП имени Ивана Федорова, 2011 г.

• Международная научно-практическая конференция «Наука и образование XXI века», Уфа, БашГУ, 2013 г.

• VII Международная научно-практическая конференция «Информационная среда вуза XXI века», Петрозаводск, ПетрГУ, 2013 г.

• Международная конференция «Мобильные системы обработки медиаконтента», Москва, МГУП им. Ивана Федорова, 2013 и 2014 гг.

• Международная научно-практическая конференция «Актуальные проблемы современной науки», Уфа, 2014 г.

• VIII Международная научно-практическая конференция «Научно-образовательная информационная среда XXI века», Петрозаводск, ПетрГУ,

2014 г.

• Межвузовская научно-методическая конференция «Развитие сетевых технологий для создания образовательных кластеров с участием вузов УМО по образованию в области полиграфии и книжного дела», Москва, МГУП имени Ивана Федорова, 2014 г.

• IX Всероссийская научно-практическая конференция «Научно-образовательная информационная среда XXI века», Петрозаводск, ПетрГУ,

2015 г.

• Научно-практическая конференция «Университетская книга: традиции и современность», Ростов-на-Дону, ЮФУ, 2015 г.

• Научная конференция аспирантов и молодых ученых МГУП имени Ивана Федорова в 2014 и 2015 гг.

В процессе работы над диссертацией было опубликовано 19 печатных работ, в том числе 3 статьи в ведущих рецензируемых научных изданиях, рекомендованных ВАК.

Структура работы соответствует списку перечисленных задач и содержит описание разработанных моделей и алгоритмов.

Структура и объем диссертационной работы. Диссертация состоит из введения, 4 глав и выводов по каждой главе, заключения, содержащего основные выводы и результаты, списка сокращений и библиографического списка.

Степень достоверности результатов исследования

Диссертация имеет четкую структуру, логически раскрывающую тему и отражающую последовательность решения поставленных задач, обеспечивших решение поставленной цели исследования. Достоверность и обоснованность научных результатов и выводов исследования обеспечены обоснованностью методологических подходов и принципов, использованием комплекса общенаучных и специальных методов исследования, тщательным и подробным анализом достаточного количества библиографических источников. Необходимое количество публикаций (в том числе в ведущих рецензируемых научных изданиях, рекомендуемых ВАК) с достаточной полнотой отражает содержание работы и позволяет оценить её новизну и практическую значимость.

Содержание работы

Во введении к диссертации обосновывается актуальность работы, определяются цели работы, ставятся задачи исследования, обозначается область исследований данной диссертационной работы, приводятся методологические основы диссертационной работы, формулируется список положений, выносимых на защиту, формулируется научная новизна проведенного исследования, указывается практическая ценность результатов работы.

В первой главе диссертации проводится обзор научных школ, направлений, современных подходов к электронному образованию, история его возникновения и развития до интеллектуальных обучающих систем, также описываются основные способы представления знаний в интеллектуальных системах, в том числе обучающих.

Во второй главе приводится структура интеллектуальной обучающей системы, описывается разработанная модель предметной области, основанная на

понятии «дидактическая единица», когнитивные карты учебных дисциплин, отражающие отношения между дидактическими единицами предметной области и нечеткая оверлейная модель учащегося, а также задачи и назначение модуля обучения.

В третьей главе описываются разработанные алгоритмы, такие как алгоритм выбора порядка представления тестовых заданий и адаптивный алгоритм тестирования, учитывающий возможные угадывания правильных ответов учащимся и случайные ошибки. Описываются перспективы использования пространства знаний для информирования о возможной недостоверности оценки знаний.

В четвертой главе описывается программная реализация веб-ориентированной интеллектуальной обучающей системы, её архитектура и пользовательский интерфейс, а также технология использования языка SWI-Prolog в веб-системе и механизм визуализации когнитивных карт.

Заключение содержит основные полученные результаты и выводы из выполненных в работе исследований.

Диссертация изложена на 139 страницах, содержит 37 рисунков, 14 таблиц и 19 листингов.

Глава 1. Исследование научных школ и направлений в области интеллектуальных обучающих систем

1.1. Предпосылки возникновения электронных обучающих систем

Информационные технологии, которые можно определить как технологии, связанные со сбором, хранением, обработкой, передачей и представлением информации с использованием вычислительной техники, нашли применение во всех сферах деятельности человека, поэтому естественно, что они используются и в сфере образования.

Обучение с применением информационных компьютерных технологий называется электронным обучением (англ. е-leammg). Этот термин начал употребляться сравнительно недавно — только во второй половине 90-х годов XX века [18]. Некоторые авторы смешивают понятие электронного обучения или образования с термином дистанционное образование, однако данное объединение терминов не вполне корректно, так как последнее понятие обозначает образование, при котором субъект образования физически удалён от педагога. Дистанционное образование возникло задолго до появления вычислительных машин. Его родоначальником стал Исаак Питман, который в 1840 году в Великобритании начал обучать стенографии по почте [70].

С возникновением сети Интернет дистанционное образование перешло на новый уровень. Постепенно стала возможна мгновенная доставка разнообразного учебного материала (как текстового, так и аудио, и видео) огромному количеству учащихся по всему миру. Стало возможным организовывать видеолекции, семинары и конференции. Педагог может консультировать учащегося как по электронной почте, так и используя системы мгновенного обмена сообщениями и видеофоны. Контроль знаний может осуществляться автоматически с использованием различных тестовых систем.

Компьютеры и Всемирная сеть значительно расширили возможности дистанционного образования, и именно поэтому термины дистанционного и электронного образования стали использовать как синонимы. Тем не менее, под электронным образованием более корректно понимать образование с применением информационных технологий, вне зависимости, осуществляется ли доставка электронного учебного материала учащемуся, территориально удаленному от преподавателя, или же этот материал используется в классе для поддержки учебного процесса в очном образовании.

В связи с наличием большого числа терминов и определений в области электронного образования [9], определим понятие электронная обучающая система (ЭОС) [29, 33, 34] следующим образом: это специальное программное обеспечение, предназначенное для поддержки образовательного процесса.

Появление обучающих машин и электронного образования было предсказано в 1912 году Эдвардом Ли Торндайком, известным американским психологом и педагогом, в его книге «Образование: первая книга» [97]. Он писал:

«Если, каким-то чудом механической изобретательности, книга могла бы быть устроена таким образом, чтобы только тому, кто сделал то, что было предписано на первой странице, стала бы видна вторая страница, и так далее, многим, что в настоящее время требует личных наставлений, можно было бы управлять с помощью печати» [97].

Первым устройством для автоматизации обучения считается «Автоматический педагог», изобретенный в 1924 году в Государственном университете Огайо профессором по педагогической психологии Сидни Пресси [87]. Оно было разработано для того, чтобы учащиеся могли самостоятельно упражняться и тестировать себя с помощью заданий с выбором одного правильного ответа из нескольких предложенных.

Обучающая машина, разработанная Пресси, напоминала пишущую машинку с окошком, в котором показывалось задание и четыре варианта ответа. Пользователь должен был нажать на кнопку, соответствующую правильному

варианту ответа. Когда был дан правильный ответ, машина увеличивала значение на специальном счетчике на единицу и показывала следующее задание [79].

Пресси считал, что подобные машины могут упростить работу преподавателю. Он писал о тестировании: «Процедура ... во многом проста и достаточно определена, чтобы позволить справляться с большей частью преподавательской рутины с помощью механических средств» [89].

Пресси показал, что подобная автоматизация способствует лучшему обучению, так как учащийся получает незамедлительный отклик устройства и может работать с ним, в подходящем ему темпе. Он писал: «Обучающие машины являются уникальными среди учебных пособий, так как учащийся не просто пассивно слушает, смотрит или читает, но и активно отвечает. И, как только он отвечает, он сразу узнает, правилен его ответ или нет» [89].

Большое влияние на Пресси оказал Торндайк. Пресси стремился реализовать в своём изобретении законы Торндайка. Например, в одной из версий его обучающей машины пользователь должен был дважды ответить на задание правильно, прежде чем оно было бы засчитано. Это попытка использовать закон упражнения и закон эффекта Торндайка. Согласно закону упражнения, ассоциации стимул-отклик укрепляются через повторение [92]. Закон эффекта, в свою очередь, утверждает, что вероятность повторения ответа, как правило, регулируется его следствием или эффектом в виде вознаграждения или наказания [92]. Таким образом, когда учащийся повторяет правильный ответ, он лучше запоминает материал, как благодаря самому механическому процессу повторения, так и благодаря тому, что осознание учащимся того, что он дал правильный ответ, приводит к положительным эмоциям и усиливает эффект запоминания.

Пресси был уверен, что его изобретение приведёт к «индустриальной революции» в образовании [90]. Однако этой революции помешала Великая депрессия. Разработки в области образовательных технологий были отложены вплоть до окончания Второй мировой войны.

Американский психолог и изобретатель, профессор Гарвардского университета Беррес Фредерик Скиннер, который продолжил разработку

обучающих машин, считал, что во времена Пресси мир был ещё не готов к подобным устройствам, поэтому большого успеха они не добились. Также он отмечал, что машины Пресси были не столько обучающими машинами, сколько тестирующими [92].

Другим пионером в области обучающих машин можно считать Мильтона Эзра ЛаЗертэ, директора Школы Образования Альбертского университета. В 1929 году он разработал план устройства, которое назвал «проблемный цилиндр» [8 2]. Это механическое устройство должно было предлагать учащемуся задачу и оценивать его ответ и предпринятые для решения задачи шаги.

Разработку обучающих машин продолжил упомянутый ранее Беррес Фредерик Скиннер. В 1954 году он начал проведение серии исследований, направленных на улучшение методов обучения орфографии, математике и другим школьным предметам с помощью механических устройств, которые бы превосходили по своим возможностям обычное обучение в классе. Скиннер считал, что у обучения в классе есть свои недостатки, так как скорость обучения у разных учеников разная, а помощь и поддержку со стороны преподавателя в процессе обучения ученики часто получают с задержкой, так как нет возможности уделять внимание сразу всем ученикам. Поскольку нельзя обеспечить каждому учащемуся индивидуального репетитора, Скиннер разработал теорию программированного обучения — метода обучения, которое должно было реализовываться обучающими машинами [104].

В основе программированного обучения лежит идея работы учащегося по некой программе (поэтому оно и называется программированным), в процессе выполнения которой, он овладевает знаниями. Роль преподавателя при этом сводится к отслеживанию психологического состояния учащегося, а также эффективности поэтапного освоения им учебного материала, и, в случае необходимости, регулировке программных действий. Программированное обучение — это попытка формализации процесса обучения с целью устранения субъективного фактора непосредственного общения преподавателя с учащимися [3].

В том же 1954 году Скиннер разработал «Обучающую машину» для использования в школах. Она представляла собой комбинированную систему из обучающих и тестирующих элементов, которые постепенно проводили учащегося через учебный материал [104].

Через шесть лет, после того как Скиннер разработал свою обучающую машину, в 1960 году её аналог был запущен в массовое производство. Группа психологов из Teaching Machines Inc. разработала целую серию учебных курсов для самообучения на основе теории программированного обучения Скиннера. Вместе с известным издательством образовательной литературы Grolier они выпустили на рынок обучающую машину Min-Max с большим количеством курсов для неё, начиная от математики и электроники и заканчивая иностранными языками.

Следует отметить, что описанные машины, как машина Пресси, так и машина Скиннера, и машина Min-Max, во многом полагались на честность учащихся, и от этого зависела их эффективность. Они подходили скорее для самообучения при наличии мотивировки. Доверять их результатам при контроле знаний в учебных заведениях было бы некорректно. Однако подобные машины — это трудосберегающие устройства, так как программа обучения, написанная однажды, теоретически может использоваться бесконечным числом учащихся. Поэтому роль теории программированного обучения особо возросла с дальнейшим развитием компьютерных технологий и электронного обучения.

Также, говоря о первом этапе развития электронного образования, о его истоках, когда оно ещё не было как таковое «электронным» и реализовывалось при помощи механических обучающих машин, следует отметить первое адаптивное обучающее устройство, запущенное в массовое производство в 1956 году, — это устройство SAKI (Self-Adaptive Keyboard Instructor — самоадаптирующийся инструктор по работе на клавиатуре). Это устройство было разработано Гордоном Паском и Робином МакКиннон-Вудом. Оно позволяло пользователям изучать и тренировать навыки работы на клавиатуре и

адаптировалось к уровню успеваемости учащегося — если этот уровень увеличивался, устройство ускоряло тем обучения и уменьшало поддержку [73].

Идеи, первые попытки реализации которых приходятся на 1920-1950 года, нашли своё развитие в различных системах электронного образования. Это и идея автоматизированного тестирования (машины Пресси), и теория программированного обучения Скиннера, и идея адаптивного обучения (устройство SAKI).

1.2. История развития электронных обучающих систем

Компьютерное или электронное обучение, то есть обучение с использованием компьютерных средств, возникло в 1960 году, когда в Университете Иллинойса в США была разработана система PLATO (Programmed Logic for Automated Teaching Operations — Программный алгоритм для автоматизированных операций преподавания). PLATO стала первой электронной обучающей системой.

В 1959 году физик Чалмерс Шервин предложил создать в Университете Иллинойса компьютеризированную систему обучения. В результате разработкой проекта занялся лаборант Дональд Битцер, который сейчас считается отцом системы PLATO. В 1960 году первая версия системы (PLATO I) стала доступна на компьютере ILLIAC I. Через год, в 1961 году была разработана вторая версия системы [98].

Примерно в 1965 году был создан язык TUTOR. Изначально он разрабатывался Полом Тенсзаром как специальный язык для авторской разработки учебных курсов в электронном образовании, но впоследствии эволюционировал в язык программирования общего назначения. Гибкость языка TUTOR в сочетании с вычислительными мощностями системы PLATO позволили использовать TUTOR не только как эффективный механизм разработки и поддержки учебных курсов, но и для других целей, например, разработки компьютерных игр и симуляторов. Новая третья версия системы PLATO

позволяла любому пользователю создавать учебные модули с использованием язык TUTOR.

К 1972 году была разработана следующая версия системы — PLATO IV, включающая ряд инноваций. Специально для PLATO IV был разработан плазменный дисплей. Данный дисплей включал инфракрасную сенсорную панель, которая позволяла учащимся отвечать на задания, касаясь пальцем экрана. Помимо этого нововведения, также появилась возможность подключения к терминалам PLATO IV периферийных устройств, например, музыкального синтезатора Gooch Synthetic Woodwind, который позволял озвучивать учебные курсы. С помощью данного устройства можно было обучать музыке. Позже был создан специальный синтезатор речи Votrax. Таким образом, PLATO IV стала первой системой с расширенными мультимедийными возможностями [98].

PLATO IV позволяла включать в курсы текст, графику и анимацию, что делало курсы ещё нагляднее и привлекательнее. Благодаря использованию языка TUTOR была возможность передавать данные между различными пользователями. На основе этого стали создаваться программы для чатов, а также был разработан первый многопользовательский авиасимулятор.

После появления микропроцессоров была разработана пятая версия системы PLATO. Терминалы системы PLATO V стали меньше и дешевле.

Многие из нововведений системы PLATO стали фундаментом для разработки других компьютерных систем. Хотя данная система разрабатывалась как обучающая, коммуникационные возможности, которые она предоставляла, привели к развитию мощного Интернет-сообщества вокруг неё. Благодаря ей были введены такие базовые понятия как электронная почта, чат, форум, мгновенное сообщение, онлайн-тестирование и удалённый рабочий стол.

Система PLATO использовалась по всему миру в течение 40 лет. Функции, впервые появившиеся в системе PLATO IV, такие как графика и анимация, звуковое сопровождение, неклавиатурные устройства ввода, включая сенсорный экран, стали неким стандартом в образовательном программном обеспечении.

Другая система, которая стояла у истоков развития компьютерного обучения, — это система TICCIT (Time-shared, Interactive, Computer-Controlled Information Television — Интерактивное, управляемое компьютером информационное телевидение с разделением по времени). Система TICCIT была разработана в 1968 году корпорацией MITRE как интерактивное кабельное телевидение. В декабре 1971 года Национальный научный фонд США заключил с MITRE контракт о развитии системы TICCIT как системы электронного образования для местных колледжей [81].

Корпорация MITRE, в свою очередь, подрядила лабораторию электронного образования Техасского университета в Остине и департамент методических исследований, разработок и оценок Университета Бригама Янга для усовершенствования пользовательского интерфейса и создания большого количества учебных курсов, полностью охватывающих материал по английскому языку и алгебре на уровне колледжа. Эти курсы были опробованы в течение 1975-1977 годов в Общинном колледже Северной Вирджинии и в Колледже Феникса. Система TICCIT работала на миникомпьютере Data General Nova, который поддерживал работу с более чем ста отдельными пользователями одновременно. К миникомпьютеру были подключены терминалы, которые представляли собой модифицированные телевизоры, поддерживающие текст и графику в семи цветах, цифровой звук и видео. Специализированная клавиатура позволяла студентам контролировать свой прогресс в изучении курсов, включающих учебный материал, упражнения и тесты [81].

Впоследствии корпорация Hazeltine получила права на коммерческое распространение системы, чем она и занималась в течение нескольких лет, продавая TICCIT различным военным, промышленными и образовательным учреждениям. С появлением персонального компьютера Hazeltine выпустила обновлённую версию системы, названную MicroTICCIT.

Было разработано большое число учебных курсов по множеству предметов, включая алгебру, химию, физику, гуманитарные науки и языки: английский, французский, немецкий, итальянский, датский, японский, норвежский,

португальский, испанский, шведский и тайский. Позднее в Университете Бригама Янга учебные материалы, разработанные для TICCIT, были адаптированы для компьютеров Apple II и DOS PC.

Система TICCIT была основана на языке управляющих команд учащегося, позволяющем пользователям (учащимся) управлять последовательностью представления учебного материала и развитием обучающих стратегий [81].

Системы PLATO и TICCIT являлись пионерами в области компьютерного образования. Во времена их разработки и начала эксплуатации ещё не было персональных компьютеров. Они работали на суперкомпьютерах, вроде ILLIAC I, или миникомпьютерах, вроде Data General Nova, с подключенными терминалами, за которыми работали учащиеся.

К началу 80-х годов доступность персональных компьютеров привела к повышению интереса к образовательному ПО и, в частности, к образовательным играм. Ключевыми компаниями на тот период были Broderbund и The Learning Company, которая впоследствии купила Broderbund [95].

В 1983 году Массачусетский технологический институт анонсировал «Проект Афина» — пятилетнюю инициативу изучения возможностей использования компьютеров в процессе обучения. Через пять лет система Афина стала академической компьютерной инфраструктурой МТИ [79]. Помимо «Проекта Афина», за два года было начато 60 подобных проектов [77]. Многие увидели перспективы, которые открывает использование компьютеров, как в дистанционном образовании, так и для поддержки учебного процесса в очном образовании.

В 1984 году были заложены основы двух самых популярных в 80-е годы авторских систем разработки электронных учебных курсов: ToolBook и TenCORE [79]. Также корпорация Computer Teaching (CTC) выпустили сетевую систему Computer Managed Instruction System, которая предоставляла пользователям различные уровни доступа (автор, администратор или учащийся), другими словами являлась системой управления обучением [79].

В 1990 году были заложены основы двух в будущем популярных систем управления обучением: FirstClass и TrainrngPartner.

Таким образом, можно отметить, что с момента внедрения персональных компьютеров системы электронного обучения продолжили и ускорили своё развитие. Выпускались как образовательные игры, так и программы для разработки электронных учебных курсов, так и собственно сами электронные курсы.

Для доступа к удаленным учебным курсам и организации общения между преподавателями и учащимися продолжала использоваться Всемирная сеть Интернет, применявшаяся ещё во времена развития системы PLATO. Использование сети Интернет в электронном обучении обеспечивает интерактивное взаимодействие участников образовательного процесса через открытые каналы доступа.

Активное развитие образовательных программ в начале и середине 1990-х годов стало возможным благодаря достижениям в области компьютерной техники, особенно в развитии аппаратных средств. Все чаще стали использоваться мультимедийные технологии: текстовая информация сопровождалась аудио, видео и графикой. Средством распространения и доставки образовательного контента до учащихся чаще всего выступали CD-диски, а впоследствии и DVD-диски. Выпускались всевозможные электронные энциклопедии и тестирующие программы.

Следующий шаг в развитии электронного образования был сделан с развитием Всемирной паутины. Она стала всё больше привлекать внимание как среда для размещения электронных учебных курсов. Применение веб-технологий в образовательном процессе сначала базировалось на сервисах общего назначения (электронная почта, веб-сайты с образовательным контентом, видеоконференции и т.п.). Затем стали появляться сервисы, объединяющие разные функции электронного обучения. Их дальнейшая эволюция привела к созданию концепции виртуальных учебных сред (англ. Virtual Learning Environments) [56].

Виртуальная учебная среда или образовательная платформа — это система электронного обучения, основанная на веб-технологиях, которая как бы моделирует традиционное очное образование, предоставляя эквивалентный виртуальный доступ к занятиям, тестам, домашним работам и другим образовательным ресурсам [102]. Это также среда, где учащиеся и преподаватели могут общаться через форумы и чаты. Использование современных информационных технологий позволяет создать единое рабочее пространство для преподавателей, учащихся и администрации.

Виртуальная учебная среда — это основной компонент в современном дистанционном образовании, но она может быть интегрирована и в традиционное образование.

Виртуальное обучение может быть как синхронным, так и асинхронным. В синхронных системах участники образовательного процесса (учащиеся и преподаватели) «встречаются» в реальном времени. Они могут общаться как в письменном виде, используя различные чаты, так и используя Интернет-телефонию, в частности видеотелефонию. Например, могут организовываться видеолекции и видеосеминары. В асинхронном обучении учащиеся должны самостоятельно в удобное для них время изучать учебный материал и выполнять задания, которые затем проверяются либо самой системой обучения (если задания, например, в виде тестов), либо преподавателем (если задания творческие) [102].

Список литературы диссертационного исследования кандидат наук Лазарева Ольга Юрьевна, 2015 год

Библиографический список

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

2. Беседин П.В., Новиченко А.В., Андрущак С.В. Методы лингвистической аппроксимации в задачах управления обжигом клинкера // Фундаментальные исследования. — 2013. — № 4-1. — С. 13-17.

3. Беспалько В.П. Программированное обучение. Дидактические основы. — М.: Высшая школа, 1970. — 300 с.

4. Библиотека Arborjs [Электронный ресурс]. URL: http://arborjs.org (дата обращения: 21.03.2015).

5. Библиотека D3 [Электронный ресурс]. URL: http://d3js.org (дата обращения: 21.03.2015).

6. Библиотека Dygraphs [Электронный ресурс]. URL: http://dygraphs.com (дата обращения: 21.03.2015).

7. Библиотека Jit (JavaScript InfoVis Toolkit) [Электронный ресурс]. URL: http://philogb.github.io/jit (дата обращения: 21.03.2015).

8. Библиотека Protovis [Электронный ресурс]. URL: http://mbostock.github.io/protovis (дата обращения: 21.03.2015).

9. Бовтенко М.А. Компьютерная лингводидактика: Учебное пособие для студентов-филологов / М.А. Бовтенко; Новосиб. гос. техн. ун-т. — Новосибирск: Изд-во НГТУ, 2000. — 92 с.

10. Болотова Л.С. Системы искусственного интеллекта: модели и технологии, основанные на знаниях. — М.: Финансы и статистика, 2012. — 664 c.

11. Брусиловский П.Л. Построение и использование моделей обучаемого в интеллектуальных обучающих системах // Техническая кибернетика. — 1992. — № 5. — С. 97-119.

12. Буль Е.Е. Сравнительный анализ моделей обучаемого / Телематика'2003. Труды X Всероссийской научно-методической конференции. — СПб.: СПбГУ ИТМО, 2003. — С. 362-364.

13. Гильмутдинов А.Х. Электронное образование на платформе Moodle / А.Х. Гильмутдинов, Р.А. Ибрагимов, И.В. Цивильский. — Казань: КГУ, 2008. — 169 с.

14. Гиря И.А. Интеграция моделей знаний ученика в адаптивной среде дистанционного обучения // Образовательные технологии и общество. — 2010. — № 13 (4). — С. 240-245.

15. Джарратано Дж., Райли Г. Экспертные системы: принципы разработки и программирование, 4-е издание.: Пер. с англ. — М.: ООО «И.Д. Вильямс», 2007. — 1152 с.

16. Зайцева Л.В. Методы и модели адаптации к учащимся в системах компьютерного обучения // Образовательные технологии и общество. — 2003. — № 6 (4). — С. 204-211.

17. Зайцева Л.В. Технология разработки адаптивных электронных учебных курсов для компьютерных систем обучения // Образовательные технологии и общество. — 2008. — № 11 (1). — С. 400-412.

18. Казаков В.Г. Новосибирские страницы отечественной истории электронного обучения [Электронный ресурс]. URL: http://www.computer-museum.ru/histsoft/novosib_learning_sorucom_2011.htm (дата обращения: 25.09.2015).

19. Караваева Е.В., Богословский В.А., Харитонов Д.В. Принципы оценивания уровня освоения компетенций по образовательным программам ВПО в соответствии с требованиями ФГОС нового поколения. // Вестник Челябинского государственного университета. — 2009. — № 18 (156). — С. 155-162.

20. Карпенко А.П. Меры сложности семантической сети в обучающей системе // Вестник МГТУ им. Н.Э. Баумана, серия «Приборостроение». — 2009. — №1(74). — С. 50-66.

21. Карпенко А.П., Добряков А.А. Модельное обеспечение автоматизированных обучающих систем. Обзор. // Наука и образование. — 2011. — № 7. [Электронный ресурс]. URL: http://technomag.edu.ru/doc/193116.html (дата обращения: 15.07.2013).

22. Коляда М.Г. Виды моделей, обучаемых в автоматизированных обучающих системах. // Искусственный интеллект. — 2008 — № 2. — С. 28-33.

23. Лазарева О.Ю. Адаптивное тестирование на основе когнитивной карты учебного курса / Научно-образовательная информационная среда XXI века: материалы IX Всероссийской науч.-практ. конф. — Петрозаводск, 2015. — C. 125-128.

24. Лазарева О.Ю. Архитектура интеллектуальной обучающей системы для оценки компетенций учащихся вузов // Известия высших учебных заведений. Проблемы полиграфии и издательского дела. — 2014. — № 5. — С. 55-64.

25. Лазарева О.Ю. Интеллектуальные технологии в электронном обучении / Наука и образование XXI века: сборник статей Международной научно-практической конференции. 31 мая 2013 г.: в 5 ч. Ч.2 / отв. ред. Р.Г. Юсупов. — Уфа: РИЦ БашГУ, 2013. — С. 131-136.

26. Лазарева О.Ю. Использование SWI-Prolog в веб-ориентированной интеллектуальной обучающей системе / Актуальные проблемы современной науки: сборник статей Международной научно- практической конференции. — Уфа: Аэтерна, 2014. — С. 11-16.

27. Лазарева О.Ю. Когнитивная карта предметной области в интеллектуальной обучающей системе / Научно-образовательная информационная среда XXI века: материалы VIII Международной науч.-практ. конф. — Петрозаводск, 2014. — С. 134-137.

28. Лазарева О.Ю. Модель предметной области в интеллектуальной обучающей системе // Вестник МГУП имени Ивана Федорова. — 2014. — № 3. — С. 232-326.

29. Лазарева О.Ю. Предпосылки возникновения и история развития электронных обучающих систем // Вестник МГУП имени Ивана Федорова. — 2013. — № 9. — С. 76-86.

30. Лазарева О.Ю. Профилирование пользователей в интеллектуальных обучающих системах / Информационная среда вуза XXI века: материалы VII Международной науч. практ. конф. — Петрозаводск, 2013. — С. 135-137.

31. Лазарева О.Ю. Разработка электронного учебника для среды интернет / Научно-техническая международная молодежная конференция «Системы, методы, техника и технологии обработки медиаконтента»: Сборник тезисов. — М.: МГУП имени Ивана Федорова, 2011. — С. 64-65.

32. Лазарева О.Ю. Сетевые и интеллектуальные технологии в электронном образовании / Развитие сетевых технологий для создания образовательных кластеров с участием вузов УМО по образованию в области полиграфии и книжного дела // Межвузовская научно-методическая конференция научно-педагогических работников МГУП имени Ивана Федорова и вузов — членов УМО по образованию в области полиграфии и книжного дела: сб. тезисов. — М.: МГУП имени Ивана Федорова, 2015. — С. 42-43.

33. Лазарева О.Ю. Системы электронного обучения // Вестник МГУП имени Ивана Федорова. — 2012. — № 9. — С. 99-106.

34. Лазарева О.Ю. Электронное обучение: предпосылки возникновения и перспективы развития / Международная конференция "Мобильные системы обработки медиаконтента": сборник материалов. — М.: МГУП им. Ивана Федорова, 2013. — С. 149-151.

35. Лазарева О.Ю., Архипова А.Д. Использование технологий искусственного интеллекта для построения обучающей системы / Международная конференция "Мобильные системы обработки медиаконтента": сборник материалов. — М.: МГУП имени Ивана Федорова, 2015. — С. 38-40.

36. Лазарева О.Ю., Грушина Т.С. Визуализация когнитивной карты предметной области в интеллектуальной обучающей системе / Международная

конференция "Мобильные системы обработки медиаконтента": сборник материалов. — М.: МГУП имени Ивана Федорова, 2015. — С. 49-50.

37. Лазарева О.Ю., Грушина Т.С. Выбор библиотеки для разработки веб-сервиса визуализации когнитивной карты // Вестник МГУП имени Ивана Федорова. — 2015. — №1. — С. 116-122.

38. Лазарева О.Ю., Грушина Т.С. Разработка веб-сервиса визуализации когнитивной карты предметной области для использования в интеллектуальной обучающей системе // Вестник МГУП имени Ивана Федорова. — 2015. — №1. — С. 123-129.

39. Левитин А.В. Алгоритмы: введение в разработку и анализ: Пер. с англ. — М.: Издательский дом «Вильямс», 2006. — 576 с.

40. Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. — СПб: БХВ-Петербург, 2005. — 736 с.

41. Минский М. Фреймы для представления знаний. — М.: Энергия, 1979. — 152 с.

42. Официальная документация по библиотеке D3 [Электронный ресурс]. URL: http://github.com/mbostock/d3/wiki/API-Reference (дата обращения: 21.03.2015).

43. Петрушин В.А. Экспертно-обучающие системы. — К.: Наукова думка, 1992. — 196 с.

44. Попов Д.И. Автоматизация управления процессов аттестации персонала предприятий промышленности: монография. — М.: Изд-во МГУП, 2007. — 178 с.

45. Попов Д.И. Проектирование интеллектуальных систем дистанционного образования // Известия Южного федерального университета. Технические науки. — 2001. — Т. 22. — № 4. — С. 325-332.

46. Попов Д.И., Демидов Д.Г. Адаптивная стратегия обучения персонала предприятий // В мире научных открытий. — 2011. — № 9. — С. 65-71.

47. Попов Д.И., Комолова Т.И., Попова Е.Д., Якубовский К.И. Особенности формализации компетентностного подхода при обучении в области

полиграфии и издательского дела // Известия высших учебных заведений. Проблемы полиграфии и издательского дела. — 2013. — № 3. — С. 106-112.

48. Попов Д.И., Лазарева О.Ю. Модель проверки знаний обучающихся на основе когнитивной карты учебного курса. // Известия высших учебных заведений. Проблемы полиграфии и издательского дела. — 2015. — № 3. — С. 88-94.

49. Попов Д.И., Лазарева О.Ю. Нечеткая оверлейная модель учащегося в интеллектуальной обучающей системе. // Научный вестник Московского государственного технического университета гражданской авиации. — 2015. — № 213 (3). — С. 141-148.

50. Попов Д.И., Лазарева О.Ю. Системы искусственного интеллекта: Лабораторный практикум. — М.: МГУП имени Ивана Федорова, 2014. — 70 с.

51. Попов Д.И., Попова Е.Д. Экспертиза качества тестовых заданий: учеб. пособие. — М.: МГУП, 2008. — 84 с.

52. Попов Д.И., Якубовский К.И., Демидов Д.Г. Нечеткая модель выбора тестовых заданий для аттестации персонала полиграфических предприятий // Известия высших учебных заведений. Проблемы полиграфии и издательского дела. — 2014. — № 3. — С. 3-9.

53. Поспелов Д. А. Ситуационное управление: теория и практика. — М.: Наука, 1986. — 288 с.

54. Психологическая диагностика: Учебное пособие / Е.М. Борисова и др.; Под ред. К.М. Гуревича, Е.М. Борисовой. — 2-е изд., испр. — М.: Издательство УРАО, 2000. — 301 с.

55. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы: Пер. с польск. И. Д. Рудинского. — М.: Горячая линия. — Телеком, 2006. — 452 с.

56. Соловов А.В. Электронное обучение: проблематика, дидактика, технология. — Самара: «Новая техника», 2006. — 462 с.

57. Устинов И.Ю. Определения основных терминов дидактики высшей военной школы. Учебно-методическое пособие. — Воронеж: ВАИУ, 2010. — 80 с.

58. Федеральный государственный образовательный стандарт высшего профессионального образования о направлению подготовки 035000 Издательское дело (квалификация (степень) «бакалавр») [Электронный ресурс]. URL: Шр://минобрнауки.рф/документы/1897 (дата обращения: 16.10.2014)

59. Штовба С.Д. Проектирование нечетких систем средствами MATLAB.

— М.: Горячая линия — Телеком, 2007. — 288 с.

60. Adaptive Learning [Электронный ресурс]. URL: https://www.boundless.com/education/textbooks/boundless-education-textbook/technology-in-the-classroom-6/edtech-techniques-in-practice-26/adaptive-learning-82-13012/ (дата обращения: 25.09.2015).

61. Bramer M. Logic Programming with Prolog, 2nd ed. Heidelberg: Springer Science & Business Media. — 2013. — 253 p.

62. Brusilovsky P, Pesin L. Adaptive navigation support in educational hypermedia: An evaluation of the ISIS-Tutor. // Journal of Computing and Information Technology. — 1998. — Vol. 6 Issue 1. — Р. 27-38.

63. Brusilovsky P. Adaptive and Intelligent Web-based Educational Systems / P. Brusilovsky, C. Peylo // International Journal of Artificial Intelligence in Education.

— 2003. — Volume 13 Issue 2-4. — P. 159-172.

64. Chi M. An Evaluation of Pedagogical Tutorial Tactics for a Natural Language Tutoring System: A Reinforcement Learning Approach / M. Chi, K. VanLehn, D. Litman, P. Jordan // International Journal of Artificial Intelligence in Education. — 2011. — № 21. — P. 83-113.

65. Clocksin W., Mellish C.S. Programming in Prolog: Using the ISO Standard, 5th ed. Heidelberg: Springer Science & Business Media. — 2003. — 300 p.

66. Conati С. Intelligent Tutoring Systems: New Challenges and Directions // IJCAI'09 Proceedings of the 20th International Joint Conference on Artificial Intelligence. — San Francisco: «Morgan Kaufmann», 2009. — P. 2-7.

67. Coursera [Электронный ресурс]. URL: https://www.coursera.org (дата обращения: 25.09.2015).

68. D3. Краткое руководство на русском языке (перевод Иванов Сергей) [Электронный ресурс]. URL: http://serganbus.github.io/d3tutorials/setup.html (дата обращения: 21.03.2015).

69. De Bra P., Smits D., Stash N. Creating and delivering adaptive courses with AHA! // Lecture Notes in Computer Science. — 2006. — Vol. 4227. — Р. 21-33.

70. Distance Education for the Information Society: Policies, Pedagogy and Professional Development. — UNESCO Institute for Information Technologies in Education — Moscow, 2000. — 89 p.

71. Freedman R. What is an intelligent tutoring system? // Intelligence. — 2000. — № 11 (3). — Р. 15-16.

72. Gertner A., Conati G., VanLehn K. Procedural help in Andes: Generating hints using a Bayesian network student model // Proceedings of the 15th National Conference on Artificial Intelligence. — Cambridge, USA: The MIT Press, 1998. — Р. 106-111.

73. Glanville R. Gordon Pask [Электронный ресурс]. URL: http://isss.org/projects/gordon_pask (дата обращения: 24.04.2013).

74. Graesser A.C. Computerized Learning Environments That Incorporate Research in Discourse Psychology, Cognitive Science, and Computational Linguistics / A.C. Graesser, X. Hu, D.S. McNamara, A.F. Healy // Experimental cognitive psychology and its applications. Decade of behavior. — Washington, DC: American Psychological Association, 2005. — P. 183-194.

75. Graf S. An evaluation of Open Source E-Learning Platforms Stressing Adaptation Issues / S. Graf, B. List // Proceedings of the Fifth IEEE International Conference on Advanced Learning Technologies. — 2005. — P. 163-165.

76. Henze N., Nejdl W. Adaptivity in the KBS Hyperbook system. // Second Workshop on Adaptive Systems and User Modeling on the World Wide Web. — Eindhoven, Netherlands: Eindhoven University of Technology, Department of Mathematics and Computing Science. — 1999. — Р. 67-74.

77. History of the LMS [Электронный ресурс]. URL: http://www.mindflash.com/learning-management-systems/history-of-lms (дата обращения: 24.04.2013).

78. Intelligent Tutoring Systems: an Overview / Ed. by G. Paviotti, P.G. Rossi, D. Zarka — The I TUTOR consortium, 2012. — 176 p.

79. LMS-Timeline [Электронный ресурс]. URL: http://www.rockymountainalchemy.com/cudenver/INTE6750/Emergence/LMS-Timeline.html (дата обращения: 24.04.2013).

80. McIntosh D. Vendors of Learning Management and E-learning Products. [Электронный ресурс]. URL: http:// http://www.trimeritus.com/vendors.pdf (дата обращения: 25.09.2015).

81. Merrill M. D. Learner control in computer based learning [Электронный ресурс]. URL: http://mdavidmerrill.com/Papers/TICCIT_Paper[OCR].pdf (дата обращения: 25.09.2015).

82. Milton Ezra LaZerte [Электронный ресурс]. URL: http://www.melazerte.com/about/about.html (дата обращения: 24.04.2013).

83. Mizoguchi R. Student Modeling in ITS. // Chan, T.W., Self., J. (eds.) Emerging Technologies in Education. AACE. — 1995. — Р. 35-48.

84. Murray S. Interactive Data Visualization for the Web — USA: O'Reilly Media, 2013. — 272 p.

85. Nkambou R., Mizoguchi R. & Bourdeau J. Advances in intelligent tutoring systems. Heidelberg: Springer. — 2010. — 510 p.

86. Nwana H.S. Intelligent tutoring systems: An overview. // Artificial Intelligence Review. — 1990. — № 4 (4). — P. 251-277.

87. Pappas Ch. The History of eLearning Infographic 2012 [Электронный ресурс]. URL: http://elearningindustry.com/subj ects/general/item/413 -history-of-elearning-infographic-education-2012 (дата обращения: 24.04.2013).

88. Perry V. Adaptive Web-Based Learning Environments [Электронный ресурс]. URL: http://www.usability. gov/get-involved/blog/2010/01/adaptive-web-based-learning-environments.html (дата обращения: 25.09.2015).

89. Pressey S.L. A simple apparatus which gives tests and scores — and teaches // School and Society. — 1926. — № 23. — P. 373-376.

90. Pressey S.L. A third and fourth contribution toward the coming "industrial revolution" in education // School and Society. — 1932. — № 36. — P. 668 672.

91. 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.

92. Sidney Pressey [Электронный ресурс]. URL: http://faculty.coe.uh.edu/smcneil/cuin6373/idhistory/pressey.html (дата обращения: 24.04.2013).

93. Specht M., Oppermann R. ACE — Adaptive Courseware Environment // New Review Of Hypermedia And Multimedia. — 2000. — Vol. 4 Issue 1. — Р. 141-161.

94. Sternberg R.J., Frensch P.A. Complex Problem Solving: Principles and Mechanisms. — Psychology Press, 2014. — 424 p.

95. The Learning Company [Электронный ресурс]. URL: http://www.computerhope.com/comp/tlc.htm (дата обращения: 25.09.2015).

96. The SWI-Prolog syntax. [Электронный ресурс]. URL: http://www.swi-prolog.org/man/syntax.html (дата обращения: 28.07.2014).

97. Thorndike E.L. Education: A first book. — New York: «Macmillan», 1923. — 292 p.

98. Van Meer E. PLATO: From Computer-Based Education to Corporate Social Responsibility [Электронный ресурс]. URL: http://www.cbi.umn.edu/iterations/vanmeer.html (дата обращения: 25.09.2015).

99. Vassileva J.I. TOBIE: An Implementation of a Domain- Independent ITS-Architecture in the Domain of Symbolic Integration // New Media and Telematic Technologies for Education in Eastern European Countries / Kommers P. (Ed.) — Enschede, Netherlands: Twente University Press, 1997. — Р. 241-258.

100. Wauters K., Van Den Noortgate W., Desmet P. The Use of IRT for Adaptive Item Selection in Item-Based Learning Environments // Artificial Intelligence

in Education: Building Learning Systems that Care: From Knowledge Representation to Affective Modelling, Proceedings of the 14th International Conference on Artificial Intelligence in Education. — UK: IOS Press, 2009. — P. 785-786.

101. Weber G., Brusilovsky P. ELM-ART: an adaptive versatile system for web-based instruction. // International Journal of Artificial Inteligence in Education. — 2001. — Vol. 12 Issue 4. — Р. 351-384.

102. Weller M. Virtual learning environments: using, choosing and developing your VLE. — London: Routledge, 2007. — 192 p.

103. Wielemaker J., Huang Z., Van Der Meij L. SWI-Prolog and the web // Theory and Practice of Logic Programming. — 2008. — Vol. 8 Issue 3. — P. 363-392.

104. Wleklinski N. Skinner's Teaching Machine and Programmed Learning Theory. [Электронный ресурс]. URL: http: //people.lis. illinois. edu/~chip/proj ects/timeline/1954teaching_machine. html (дата обращения: 24.04.2013).

105. Woolf B.P. Building Intelligent Interactive Tutors: Student-centered strategies for revolutionizing e-learning. — Morgan Kaufmann, 2010. — 480 p.