WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Авторефераты по темам  >>  Разные специальности - [часть 1]  [часть 2]

Адаптивные среды создания образовательных ресурсов для системы повышения квалификации и переподготовки персонала промышленных предприятий

Автореферат кандидатской диссертации

 

На правах рукописи

 

 

 

 

Соколов Николай Константинович

Адаптивные среды создания образовательных ресурсов для системы повышения квалификации и ПЕРЕПОДГОТОВКИ персонала промыШленных предприятий

Специальность 05.13.06 – Автоматизация и управление технологическими процессами и производствами (промышленность)

Автореферат

диссертации на соискание ученой степени

кандидата технических наук

Москва - 2012


Работа выполнена в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Московский государственный технический университет им. Н.Э.Баумана» на кафедре «Системы автоматизированного проектирования»

Научный руководитель

Норенков Игорь Петрович,

Заслуженный деятель науки РФ,

доктор технических наук, профессор,  заведующий кафедрой «Системы автоматизированного проектирования» МГТУ им. Н.Э. Баумана, г. Москва

Официальные оппоненты:

Попов Дмитрий Иванович

доктор технических наук, доцент заведующий кафедрой « Информатика и ВТ» Московского государственного Университета печати, г. Москва

Рожин Павел Сергеевич

кандидат технических наук,

доцент ведущий аналитик группы компаний «М2М-Телематика», г. Москва   

Ведущая организация: Российский научно-исследовательский институт информационных технологий и систем автоматизированного проектирования (Рос НИИ ИТ и АП), г. Москва.

Защита состоится 2 июля 2012 г. в 10.00 на заседании диссертационного совета Д 212.126.05 при Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Московский автомобильно-дорожный государственный технический университет (МАДИ)» по адресу: 125319, г. Москва, Ленинградский проспект, д.64, ауд. 42.

Телефон для справок: (499) 155-93-24.

С диссертацией можно ознакомиться в библиотеке МАДИ.

Текст автореферата размещен на сайте Высшей аттестационной комиссии: www.vak.edu.gov.ru 

Автореферат разослан 1 июня 2012 г.

Отзывы на автореферат в двух экземплярах, заверенные печатью организации, просим направлять в адрес диссертационного совета университета, а копии отзывов присылать по электронной почте: uchsovet@madi.ru

Ученый секретарь

диссертационного совета,

кандидат технических наук, доцент

Михайлова Н.В.


Общая характеристика работы

Актуальность проблемы

Информатизация и компьютеризация оказывают революционизирующее влияние на различные области человеческой деятельности. Но наиболее существенно их воздействие на интеллектуальные сферы жизнедеятельности людей, на технологии  накопления, использования и распространения знаний, включая образовательные технологии. Одной из основных проблем образования, решению которой должны помочь информационные технологии, является проблема обеспечения должного уровня качества обучения. В свою очередь, качество обучения в значительной мере определяется качеством образовательных ресурсов и, прежде всего, качеством электронных образовательных ресурсов (ЭОР).

Важнейшими показателями качества ЭОР являются доступность, научная строгость, полнота. Это – в значительной мере конфликтные показатели. Для поиска удачных компромиссных решений необходимо приспосабливать процесс обучения к уровню знаний и умений, к психологическим особенностям обучаемых. Другими словами, необходимо применять адаптивные среды формирования образовательных ресурсов.

Данная работа, в своей теоретической части, посвящена решению актуальной задачи – разработке методов и алгоритмов построения адаптивной среды создания электронных образовательных ресурсов. В прикладной части работа посвящена реализации предложенных методов и алгоритмов в автоматизированных обучающих системах.

Объектом исследования является система повышения квалификации и переподготовки персонала промышленных предприятий.

Предметом исследования являются методы и алгоритмы синтеза образовательных траекторий.

Цель и основные задачи исследования

Цель работы – повышение эффективности системы переподготовки персонала промышленных предприятий, за счет разработки методов, моделей и программных механизмов построения образовательных траекторий.

Для достижения указанной цели в диссертации решены следующие задачи:

  • Анализ инструментальных средств создания ЭОР с учетом критериев семантического соответствия индивидуальным запросам пользователей и адаптивных технологий их создания.
  • Разработка модели семантической сети знаний предметной области.
  • Разработка метода построения оптимальной траектории обучения.
  • Разработка базы данных и диаграмм поведенческой деятельности участников создания ЭОР.
  • Разработка программно-моделирующего комплекса синтеза оптимального маршрута обучения в рамках инструментальной системы «БиГОР».

Методы исследования

При разработке формальных моделей компонент системы переподготовки в диссертации использовались методы общей теории систем, классический теоретико-множественный аппарат, теория графов и др. Системный анализ управления образовательной траекторией в учебных центрах проводился на реальных статистических данных, обработка которых проводилась с помощью современных методов анализа данных с привлечением математических и статистических пакетов.

Научная новизна

Научную новизну работы составляют методы и модели системы повышения квалификации и переподготовки персонала промышленных предприятий. На защиту выносятся:

- модель семантической сети учебного материала в виде И-ИЛИ-графа;

- модели оценки сложности учебной информации и инструментальные средства формирования связности учебных модулей;

- методика профориентации, повышения квалификации и переподготовки персонала промышленных предприятий.

Достоверность научных положений, рекомендаций и выводов

Обоснованность научных положений, рекомендаций и выводов определяется корректным использованием математического аппарата, согласованностью результатов моделей процессов обучения. Достоверность положений и выводов диссертации подтверждена положительными результатами внедрения работы в ряде крупных промышленных предприятий.

Практическая ценность и реализация результатов работы

На основе проведенного исследования в рамках инструментальной системы «БиГОР» разработано математическое и программное обеспечение, реализующее методику построения индивидуальной образовательной траектории. Разработанные методы и алгоритмы прошли апробацию и внедрены для практического применения в системе переподготовки на ряде промышленных предприятий, а также используются при организации учебного процесса на кафедре «АСУ» МАДИ и «САПР» МГТУ им.Н.Э.Баумана.

Апробация работы

Содержание отдельных разделов и диссертации в целом было доложено и получило одобрение:

  • на Российских, межрегиональных и международных научно-технических конференциях, симпозиумах и семинарах (1995-2011гг.);
  • на заседаниях кафедр «САПР» МГТУ им.Н.Э.Баумана и АСУ МАДИ.

Совокупность научных положений, идей и практических результатов исследований в области автоматизации образовательного процесса составляет актуальное направление в области теоретических методов и практических подходов к организации системы повышения квалификации и переподготовки.

Структура работы соответствует списку перечисленных задач, содержит описание разработанных методов, моделей и методик.

Содержание работы

Во введении обосновывается актуальность работы. Сформулирована цель работы и основные задачи. Приведено краткое содержание глав диссертации.

В первой главе диссертации проводится системный анализ задач, возникающих при создании ЭОР в системе повышения квалификации и переподготовки персонала промышленных предприятий.

Стремительные изменения в сфере современной подготовки кадров подтверждают, что информационные технологии в сфере образования будут пользоваться все большим спросом.  При этом, конкуренция  на данном рынке будет все больше стимулировать применение самых последний технологий, включая виртуализацию образования.

Вопросам организации учебного процесса с использованием технологий открытого образования посвящены труды Байденко В.И., Гура В.В., Яровенко В.А. и ряда других.

Понятия «компетентность», «компетентностный подход» раскрыты в трудах Байденко В.И., Болотова В.А., Ивановой Н.В., Кивы А.А., Лейбовича А.Н., Чаплыгиной И.В. и других;

Развитию представлений о роли информационных и коммуникационных компетенций в образовании посвящены работы Астафьевой Н.Г., Денисовой А.Л., Кузнецова А.А., Роберт И.В. и ряда других.

Проведен сравнительный анализ информационных технологий, используемых при организации системы аттестации и подготовки кадров, а для создания электронных учебных материалов обоснована мультимедийная направленность. При этом показано, что в обучающую программу должны быть интегрированы видео, аудио, анимации, текст, графика и другие мультимедийные фрагменты, способствующие более эффективному восприятию учебного материала, поясняющего сложные технологические операции и приемы, характерные для современного высокотехнологичного и наукоемкого производства.

Так, учебный план подготовки персонала представляет собой совокупность учебных модулей. За всеми учебными модулями закреплены тестовые задания, объединенные в единую базу тестовых заданий. По каждому обучаемому собирается статистика его ответов на каждое тестовое задание, регистрируемая в базе данных результатов. С одной стороны, статистика необходима для оценки уровня знаний обучаемых, а с другой, для динамической корректировки сложности тестовых заданий. При наличии методической связности тестовых заданий и учебных модулей эта же статистика используется для динамической корректировки индивидуального учебного плана (рис.1.).

Рис. 1. Общая схема адаптации образовательной траектории

Рассмотрены математические модели тестового контроля. Проведен сравнительный анализ принципов конструирования тестовых заданий и построения тестов. Показано, что при обучении контроль рассматривается как важнейшее, относительно самостоятельное и заключительное звено в системе подготовки кадров. От правильной организации контроля во многом зависит не только эффективность управления учебным процессом, но и эффективность управления персоналом в целом.

Рассмотрены математические модели обучения. Исключительно важную роль в изучении процессов научения и обучения играет исследование памяти с учетом возрастных особенностей и среды профессиональной деятельности.

В диссертации показано, что практически все алгоритмы обработки данных системы подготовки с целью параметризации моделей должны быть включены в моделирующую компоненту системы. Информационная система поддержки обучения для реализации функций управления должна иметь модели соответствующих подсистем. Таким образом, система моделирования и информационная система должны представлять собой единый программно-моделирующий комплекс.

Показано, что при разработке ЭОР находят применение последовательная, иерархическая, сетевая структуры. Последовательная (иначе линейная) структура представлена на рис.2.а, где М – модуль. Эта структура характеризуется фиксированной последовательностью предоставления единиц учебного материала обучаемому. Хотя возможно гипертекстовое оглавление – допустимы переходы по ссылкам из оглавления в любой раздел и возвраты в оглавление.

а) последовательная; б) двухуровневая иерархическая

Рис. 2. Структуры электронных учебных изданий

В иерархической структуре (рис.2.б) уровни иерархии выделяются по степени подробности изложения. Переходы вниз с одного уровня на другой при пользовании ЭОР выполняются в том случае, если информации на верхнем уровне недостаточно для понимания материала. Как последовательная, так и иерархическая структуры разрабатываются автором ЭОР и не изменяются в процессе эксплуатации.

Показано, что применительно к технологиям создания ЭОР целесообразно представлять онтологии в виде тезаурусов, где

W - множество слов и словосочетаний используемого естественного языка, а также других элементов, встречающихся в учебном материале;

T - множество терминов, соответствующих концептам, включаемым в онтологию приложения, и представленных в виде слов или словосочетаний, TIW. Множество K концептов отличается от множества T тем, что одному концепту может соответствовать не один термин, а синсет  (множество синонимов).

Тезаурус представляет собой частично упорядоченное множество элементов вида

 ,

(1)

где: Ri – термин i-го концепта, Xi множество слов, составляющих краткое определение концепта, Ei подмножество терминов, используемых в кратком определении для пояснения i-го концепта, n – число элементов тезауруса, равное числу рассматриваемых концептов.

Упорядочение элементов тезауруса определяется соблюдением того условия, что в тезаурусе i-му термину должны предшествовать (должны быть определены ранее) все термины, входящие в Ei - .

Пояснение понятий, их свойств и характеристик содержится в модулях.  В одном модуле может содержаться описание одного или нескольких тематически связанных понятий.

В результате модуль может быть определен следующим образом:

,

(2)

где Bi множество входов j-го модуля, A[ множество его выходов, Ci метаданные и содержимое модуля.

Далее в работе сформированы основные этапы проектирования правильно структуризированных ЭОР (рис.3.), включающие в себя разработку необходимых понятий и компетенций для элементов учебного курса (модулей).

В результате показано, что качество обучения характеризуется актуальностью материала, его структурой, соответствием требованиям государственных стандартов, полнотой охвата видов учебных занятий, оптимальностью объема материала, предъявляемого обучаемому. В значительной мере качество обучения определяется качеством используемых учебных материалов.

Во второй главе диссертации рассматриваются вопросы построения моделей сложности и связности учебной информации с целью индивидуализации обучения. При рассмотрении критериев (мер сложности) ЭОР будем использовать совокупность следующих понятий и определений.

Будем обозначать модули рассматриваемой библиотеки знаний ,  Назовем входным понятием (input concept) модуля  понятие , определение которого дано в некотором другом модуле библиотеки знаний  или иной библиотеке знаний.

Описание: Проектирование ЭОР

Рис. 3. Этапы проектирования ЭОР

Набор входных понятий модуля  обозначим , где  - общее количество входных понятий. Из набора  выделим входные понятия , определенные в данной библиотеке знаний , и входные понятия , определение которых содержится в других библиотеках. Таким образом, . Отметим, что одно или оба из множеств ,  могут быть пустыми.

Аналогично назовем выходным понятием (output concept) модуля  понятие , определение которого дано в данном модуле . Набор выходных понятий модуля  обозначим , где  - общее количество выходных понятий.

Понятия из наборов ,  будем называть информационно связанными (в узком смысле) спонятием . Если понятие  информационно связано с понятием , и это понятие информационно связано с понятием , то будем говорить, что понятия ,  информационно связаны в широком смысле. Если понятие , определенное в модуле , информационно связано с понятием , которое является входным понятием модуля  и, одновременно, выходным понятием модуля , т.е. , то также будем говорить, что понятия ,  информационно связаны в широком смысле.

Семантическую сеть  модуля  представим в виде ориентированного графа без контуров , вершины которого соответствуют понятиям наборов , , а дуги отношениям «определяемое понятие – определяющее понятие» между ними. Другими словами, дуги в графе  соответствуют информационным связям понятий из наборов ,  между собой.

Введенные обозначения иллюстрирует рис.4. Модуль  на этом рисунке использует три входных понятия , ,  (), и в модуле определены четыре выходных понятия , , ,  (). Понятие , к примеру, определяется с помощью двух входных понятий модуля и двух его выходных понятий: ; .

Аналогично информационным связям понятий определены информационные связи моделей. Модули ,  называются информационно связанными модулями, если хотя бы одно выходное понятие модуля  является входным понятием для модуля  или если хотя бы одно выходное понятие модуля  является входным понятием для модуля .

Описание: Ris_2

Рис.4. Пример графа  семантической сети модуля

Библиотека модулей  рассматриваемой предметной области состоит из M модулей , т.е. .

Семантическую сеть  библиотеки  будем представлять в виде ориентированных графов , , первый из которых называется понятийным графом библиотеки , а второй – графом информационных связей модулей этой библиотеки или ее информационно-логическим графом. Графы ,  могут иметь контуры, количество которых обозначается ,  соответственно.

Граф  представляет собой объединение графов семантических сетей всех модулей библиотеки , т.е. .

Учебный курс, подготовленный из всех или некоторой совокупности модулей библиотеки , обозначается ; . В набор  входят модули , ,…, библиотеки , где  - количество модулей в курсе . Текстуально модули в учебном курсе  расположены именно в порядке , ,…,, т.е. первым расположен модуль , вторым – модуль  и т.д.

Далее в работе ставится следующая задача: сформировать меры сложности понятий , меры сложности модулей , меры сложности библиотек модулей  и меры сложности учебных курсов , значения которых можно определять автоматически - только путем анализа графов ,  и ,  и  соответственно.

Мера . Мера  представляет собой взвешенное количество понятий в наборах , :

,

(3)

где  - весовой множитель.

Мера . В качестве меры сложности  рассматривается высота понятия :

.

(4)

Мера . В качестве меры  используется количество понятий, информационно связанных в широком смысле с понятием . Очевидно, что если высота понятия  равна единице, то мера  совпадает с мерой  и ее значение равно нулю.

С точки зрения простоты интерпретации и минимума вычислительной сложности, из числа рассмотренных мер сложности понятий к применению можно рекомендовать меру  - взвешенное количество понятий, через которое определяется данное понятие, а также меру  - количество понятий, информационно связанных в широком смысле с данным понятием. Другими словами, можно рекомендовать к использованию мультимеру , в которой , .

Меры ,  строятся на основе меры сложности понятий :

, ;

(5)

.

(6)

Меры ,  формируются на основе меры :

, , ;

(7)

.

(8)

Из соображений простоты интерпретации и минимума вычислительной сложности можно рекомендовать к применению меру  - взвешенную сумму количеств входных и выходных понятий данного модуля, меру  - взвешенное количество внешних и внутренних ссылочных понятий, используемых в данном модуле, а также меру  - реберную плотность графа, соответствующего семантической сети данного модуля. Более строго, можно рекомендовать мультимеру  при , .

В качестве мер сложности учебного курса  предлагается использовать меры, аналогичные мерам  -  библиотеки L, а также меры, аналогичные мерам - . Поскольку корректно построенный учебный курс не должен содержать кратных понятий, меры, аналогичные мерам , , в этом списке отсутствуют.

Предложенная в работе расширенная семантическая сеть наряду с отношением «определяемое понятие – определяющее понятие» содержит другие отношения между понятиями, например:

  • отношение "часть - целое" (класс - подкласс);
  • количественные отношения (больше, меньше, равно);
  • пространственные отношения (далеко от, близко от, под, над);
  • временные отношения (в течение, позже);
  • логические отношения (и, или, не);
  • атрибутивные отношения (иметь свойство, иметь значение) и т.д.

Из числа предложенных мер сложности учебных курсов, рассмотрены меры , , , , , как имеющие простую содержательную интерпретацию и малую вычислительную сложность. Положим, что , . В табл.1. для указанных курсов приведены абсолютные значения этих мер сложности, а также их соответствующие относительные значения: , .

Таблица  1.

Значения мер сложности курсов  - .

Курс

452

7.17

118

1.87

13.2

0.21

290

4.62

5.35

0.08

494

7.84

252

4.00

31.0

0.49

365

5.78

6.93

0.11

724

7.62

104

1.09

25.0

0.26

645

6.79

9.98

0.10

91

6.07

34

2.27

8.48

0.56

52

3.47

3.15

0.21

99

3.53

9

0.32

6.69

0.24

97

3.46

4.37

0.16

В результате показано, что абсолютные меры сложности практически не коррелируют с соответствующими относительными мерами. Это означает, что те и другие меры несут в себе разную информацию о курсах: значения абсолютных мер в значительной степени определяются объемом курса (количеством модулей в нем), а значения относительных мер – сложностью модулей. Каждый из модулей курсов  -  использует в среднем по 6 и более входных и выходных понятий (см. столбец ). Этот факт можно, вероятно, интерпретировать как свидетельство излишней «крупнозернистости» указанных курсов.

На основе мер сложности , ,  можно построить различные мультимеры сложности курсов  - , например, путем аддитивной свертки этих мер с теми или иными весами :

, , .

(9)

Назначение весов  в формуле (9) является не формализуемой процедурой и должно выполняться экспертом или группой экспертов. В зависимости от значений этих весов могут принципиально меняться итоговые оценки курсов. Например, если ,  (веса всех мер одинаковы и равны 1), то итоговые оценки сложности курсов  -  равны 1.61, 3.73, 2.45, 3.12, 0.71 соответственно (рис.5.а). Если же , , , то указанные оценки равны 0.84, 1.00, 0.95, 0.59, 0.00 (см. рис. 5.б).

Описание: Рис_1Описание: Рис_2

а                                               б

Рис. 5. Меры сложности курсов

Значения всех рассмотренных критериев сложности понятий, модулей, библиотек модулей и учебных курсов могут быть вычислены автоматически на основе анализа семантической сети соответствующего учебного материала.

Для реализации механизма связности входных и выходных термов модулей дисциплин в системе реализовано несколько режимов («наброска», «корзина» и др.). Схематично они приведены на рис.6. В режиме «наброска» термов необходимо отметить модуль к которому будут прикрепляться термы.

Режим «корзина» термовтакже предназначен для добавления выходных термов модулей в список входных термов других модулей. Принцип реализации процесса добавления несколько другой. Пользователь, просматривая списки выходных термов модулей, имеет возможность добавить в корзину произвольное количество входных термов. Термы, содержащиеся в корзине, могут быть добавлены в список входных термов произвольного модуля. Для этого выбирается нужный модуль и выполняется функция «связать термы». Выбранные термы будут автоматически помещены в список входных термов.

Рис. 6. Программные механизмы формирования связности модулей

В третьей главе разработана методика подготовки и переподготовки персонала, основанная на использовании индивидуальных качеств персонала.

В диссертации предложен метод построения оптимальных маршрутов, адаптированных к индивидуальным потребностям обучаемых. Возможными критериями оптимальности маршрутов могут служить:

  • длина маршрута, измеряемая числом модулей или их объемом;
  • некоторая функция параметров, входящих в метаданные модулей (например, сложность  изложения материала).

Индивидуализация маршрута определяется тем, что основными исходными данными при его построении являются данные, характеризующие запросы обучаемого, а также достигнутый им уровень знаний.

В качестве модели поискового пространства, содержащей все возможные маршруты обучения, используется сетевая структура базы данных электронного образовательного ресурса. Полученный граф (в частном случае - дерево) по своей семантике является И-ИЛИ графом.

Задача синтеза маршрута обучения формулируется следующим образом. Задано множество целевых концептов , известно также исходное множество концептов . Нужно построить подграф И-ИЛИ-графа, содержащий пути от исходных концептов (или от концептов, не имеющих входов) к каждому из целевых концептов. Поскольку в общем случае задача имеет множество решений, среди них нужно выбрать одно, оптимальное по заданному критерию.

Концепты и модули, вошедшие в искомые пути, должны поясняться в пособии, т.е. их переменные должны иметь значения true. Пояснения концептов содержатся в модулях. Для того чтобы был изучен концепт , нужно в маршруте обучения иметь хотя бы один модуль, поясняющий этот концепт. Другими словами, чтобы -переменная имела значение true, требуется чтобы значение true имела хотя бы одной из m-переменных тех модулей, в которых определяется . С другой стороны, чтобы модуль с пояснением концепта  (пусть это будет модуль ) был понятен обучаемому, он должен знать или предварительно изучить входные для модуля  концепты. Переменные этих концептов должны иметь значение true.

Следовательно, для синтезируемого маршрута должно соблюдаться правило

, , .

(12)

Здесь и далее для краткости записи в формулах вместо -переменных и -переменных используются символы  и  соответственно;  – целевой концепт, ? и П – знаки логических сложения и умножения,  - множество номеров модулей, в которых определен концепт ,  - множество номеров входных для модуля  концептов.

Из формулы (12) следует, что вершинам концептов соответствует связка дизъюнкции (потому эти вершины названы вершинами типа ИЛИ), а вершинам модулей соответствует связка конъюнкции (потому эти вершины - вершины типа И).

Синтез маршрутов обучения начинается с выбора множества целевых и исходных концептов. Этот выбор выполняет преподаватель, ориентируясь на индивидуальные особенности обучаемого и/или на учебную программу курса. При самообразовании задание цели исходит от самого обучаемого, которому нужно пособие для ее достижения.

Далее выполняется циклический вычислительный процесс выбора модулей - на основе формулы (12) для каждого целевого концепта производится последовательная замена в k-переменных на m-переменные и новые k-переменные. Этот процесс продолжается до тех пор, пока в правых частях формул (12) не будет переменных других концептов, кроме исходных.

Результаты тестового контроля (O?T), связность учебных материалов (U?U) и связность тестовых заданий и учебного материала (T?U) формально представлены как бинарные отношения, для которых определена операция нечеткой композиции (°). Задача заключается в поиске отношений (O?U) и (O?T). При этом (O?T)=(O?U)°(U?T) является композицией для формирования теста по заданным разделам, а (O?U)=(O?T)°(T?U) –композицией формирования индивидуальной траектории обучения по результатам тестового контроля без учета связности учебного материала. Больший теоретический интерес представляет композиция (O?U)=(O?T)°(T?U)°(U?U), которая учитывает связность учебных материалов (U?U). Бинарное отношение (U?U) будем формировать в виде нечеткого графа, вершины которого являются модулями учебного материала.

Итак, пусть множество модулей представляет собой граф G=(M, E), где отношение порядка E определяется на основании связности термов. Wj>Wi означает, что выходной терм WiIWO необходим для понимания входного терма WjIWI. Отношение порядка между термами определяет отношение порядка на модулях, что задается отношением:

Mj>Mi ? $i1,j1 : (Wj1>Wi1), Wj1IMj, Wi1I Mi

(10)

которое должно обладать свойствами антирефлексивности; антисимметричности и транзитивности. Перечисленные свойства исключают возможность цикличности графа.

Алгоритм автоматической генерации траектории обучения основан на первоначальной оценке необходимости включения модулей в траекторию обучения, что определяется результатами тестового контроля (O?T). Композиция (O?T)°(T?U) дает оценку нечеткого вектора SM(0)=(SM1(0),…, SMN(0)), где SMi(0) определяет степень необходимости включения данного модуля (0?SMi(0)?1) в учебную программу без учета их методической связности. Отношение порядка EI(U?U) на множестве модулей представляет нечеткое отношение. Eij определяется количеством выходных термов i-го модуля NOi=Card(WiO), количеством входных термов NIj=Card(WjI) и мощностью пересечения Nij=Card(WiOCWjI), т.е. Eij=Nij/(NOi?NI). Нечеткое отношение более высокого порядка связности определяется композицией нечетких отношений, т.е. в конечном счете реализуется транзитивное замыкание нечеткого отношения. При этом:

E(2)=E°E ? .

(11)

Отношение E(2) определяет модули второго порядка, E(3)=E°E(2) – третьего и т.д. Нечеткая композиция SM(0) и E дает нечеткий вектор SM(1), т.е. необходимость включения дополняющих модулей первого порядка. SM(2)=SM(0)°E(2) дает нечеткий вектор необходимости включения модулей поддержки второго порядка и т.д. Нечеткая модель включения модулей в индивидуальную учебную траекторию определяется нечетким объединением .

Таким образом, определяя детерминированное пороговое значение уровня значимости включения модуля в программу, алгоритм реализует автоматическую генерацию образовательной траектории без участия консультанта. Исходя из практических соображений, в работе предлагается включение консультанта в контур управления программой обучения. Автоматически сгенерированная траектория является для консультанта исходной, которую он может редактировать с помощью программной компоненты инструментальной среды консультанта, включенной в систему аттестации, подготовки и переподготовки кадров.

Для работы с учебными курсами и хранения полной информации по их структуре, а также хранения индивидуальных траекторий обучения разработана база данных.

База данных учебных курсов, включающая сведения о каждом модуле (название модуля, вариатив, тип модуля, подраздел рубрикатора и структуру его содержания, т.е. связанные понятия и компетенции) представлена на рисунке 7.

На основе собранных данных строятся матрицы смежности, как для модулей, так и для всего учебного курса. А на основе составленных матриц смежности строятся графы связности понятий и компетенций, как для каждого модуля, так и для всего курса, а также граф связности модулей учебного курса.

Разработанная структура базы данных позволяет строить индивидуальные траектории обучения на основе модульно-компетентностного похода для большого объема обучаемых, а также постоянно совершенствовать структуру учебного курса.

В простейшем случае вариант использования определяется в процессе выявления пользователем тех функций, которые он хотел бы реализовать, или целей, которые он преследует по отношению к разрабатываемой системе.

Рис. 7. Схема базы данных адаптивной учебной системы

Основными участниками процесса создания электронных образовательных ресурсов являются начальник и простые сотрудники центра проектирования контента. В целом их функции в системе очень схожи, однако, существуют и такие, которые доступны либо только начальнику, либо только обычному сотруднику.

На рис.8. приведена UML-схема работы обучаемого с учебным модулем любого типа. В этом общем случае он может работать как с информационными данными, так и выполнять практические задачи и контрольные тесты.

Рис. 8. UML-схема работы с учебным модулем

Стоит отметить, что в процессе обучения компетенции могут приобретаться только во время выполнения практических заданий. На рис.9. в свою очередь представлены UML-схемы взаимодействия с практическими модулями и модулями контроля соответственно.

Рис. 9. UML-схема работы модулем практических заданий (П) и контроля (К)

Таким образом, имея полную базу данных методических материалов и тестовых заданий для всех модулей специализации, появляется возможность не только формирования индивидуального плана, но и его динамической корректировки по результатам статистического анализа результатов решения тестовых заданий.

На основании выполненных исследований предложена методика подготовки, повышения квалификации и аттестации персонала промышленных предприятий, включающая этапы входного контроля, непосредственно обучения и выходного контроля. Введены операции последовательного предъявления учебных элементов «·», параллельного «A» и формирования обратной связи «F», что позволяет реализовать все приведенные этапы на основе единого универсального механизма.

На первом этапе сотруднику предоставляется возможность просмотра краткого содержания, отражающего специфику специальности. В профессиограмме превалируют параллельные несвязные последовательности учебных модулей и тестов, объединенных в блоки ((UT1)A(UT2)A… A(UTn)). В результате сотрудник выбирает определенное направление переподготовки.

Входное тестирование осуществляется на основании предъявления тестовых заданий по всем учебным модулям. Во входном контроле основной задачей является выявление уровня знаний по всем модулям выбранной специальности, т.е. определение F(T1AT2A… ATn). Использование разработанных методов позволяет сформировать индивидуальную программу на основании результатов входного контроля.

Третий этап представляет непосредственно обучение, которое заканчивается после изучения всех модулей, закрепляющих теоретические знания и практические навыки выбранного направления переподготовки. Процесс обучения определяется жестким треком последовательного соединения модулей и тестов UTUTUU4·… ·Tn.

Выходной контроль является четвертым этапом, который представляет единый гетерогенный тест F(T).

В четвертой главе рассматриваются вопросы построения инструментальных средств подготовки персонала. Система БиГОР предназначена для создания и сопровождения баз учебных материалов, синтеза новых ЭОР в соответствии с технологией разделяемых единиц контента, также для использования созданных пособий обучаемыми.

В состав системы входят следующие подсистемы: информационная - база учебных материалов (БУМ); авторская (инструментальная) - среда создания и сопровождения БУМ; компилирующая – подсистема синтеза новых учебных пособий; обучающая  - подсистема конечных пользователей; поисковая и диагностическая подсистемы.

База учебных материалов состоит из пакетов, каждый из которых относится к определенной дисциплине. Тезаурус имеет иерархическую структуру, например, могут быть выделены уровни дисциплин, разделов дисциплин, их подразделов и элементов. Элемент тезауруса – это запись, включающая термин и его краткое определение.

К функциям инструментальной подсистемы относятся также формирование метаданных модулей и получение гипертекста. При формировании гипертекста важную роль играет наличие тезауруса. Пусть Т – множество терминов, обозначающих понятия, присутствующие в тезаурусе. Тогда любой термин  становится потенциальной гиперссылкой. В БиГОР при редактировании модуля реализована подсветка всех имеющихся в модуле терминов , поэтому автор модуля должен лишь указать, к какому из трех возможных подмножеств относятся подсвеченные термины  - к подмножеству выходных, входных или простых ссылочных терминов. При указании выходного термина система формирует строку таблицы , в которой устанавливается соответствие между указанным термином и адресом редактируемого модуля. При указании входного или ссылочного термина  формируются гиперссылки к соответствующему элементу тезауруса и через посредство таблицы  – к модулям, в которых термин  определен. Любые изменения в БУМ никак не отражаются на правильности функционирования гиперссылок, поскольку все взаимосвязи модулей и понятий внутри БУМ формируются динамически. Отдельные подсвеченные, как и повторно упоминаемые в модуле термины  автор модуля вправе не превращать в гиперссылки.

Анализ результатов переподготовки для ряда предприятий по различным блокам подготовки показал существенную связь между типом профессиональной деятельности и непосредственно содержательной частью блока.

Средние баллы по типам производственной деятельности, набранные работниками по отдельным блокам и по финансово-экономическому блоку в целом, приведены в табл.2. Так, в рамках рассматриваемых типов производственной деятельности наиболее высоким уровнем практических навыков характеризуются работники Корпоративного Центра. По данной группе средняя оценка составляет 65,8 баллов, что соответствует высокому уровню практических навыков. Самую низкую среднюю оценку, приближающуюся к верхней границе среднего уровня, – 48,0 баллов - получили работники Корпоративного управления и науки.

Таблица  2.

Средние оценки по типам производственной деятельности

Название блока

Тип производственной деятельности

В среднем

по всем работникам

Корпоративный центр

Блок геологии и добычи нефти и газа

Блок маркетинга, продаж и переработки

Блок сервисов

Корпоративное управление

и наука

Управление финансами

65,0

55,1

62,1

59,8

45,2

59,2

Экономика

70,8

65,3

64,5

70,6

43,3

67,0

Бухгалтерский учет и аудит

65,8

59,6

65,4

61,7

46,9

62,1

Юридические основы финансово-экономического управления

60,6

50,3

57,6

55,2

52,9

54,8

Организационные основы современного финансово-экономического управления

66,6

56,2

58,9

59,3

47,6

58,7

Информационные технологии

66,1

55,7

57,0

60,4

51,9

58,6

Финансово-экономический блок в целом

65,8

57,0

60,9

61,2

48,0

60,1

Следует отметить, что по всем типам производственной деятельности, за исключением Корпоративного управления и науки, работники показали уровень практических навыков, существенно превышающий уровень знаний, определенный по результатам экзамена. Это может свидетельствовать о более практической направленности деятельности работников.

Полученные результаты анализа свидетельствуют о необходимости дифференцированного подхода к формированию кадров переподготовки, что приводит к задачам оценки связности базовых знаний персонала (профессиональная деятельность) с программами переподготовки. При этом особенно важна оценка взаимосвязи между всеми курсами и блоками, входящими в цикл переподготовки.

В заключении представлены основные результаты работы.

Приложение содержит документы об использовании результатов работы.

Публикации. По результатам выполненных исследований опубликовано 27 печатных работ, приведенных в списке публикаций.

Основные выводы и результаты работы

  • Проведен анализ инструментальных средств создания ЭОР с учетом критериев семантического соответствия индивидуальным запросам пользователей и адаптивных технологий их создания. Показано, что в существующих инструментальных обучающих системах имеются развитые средства для создания интерактивных ЭОР. Однако в них отсутствуют средства для синтеза ЭОР по критериям семантического соответствия индивидуальным запросам пользователей.
  • Разработана модель семантической сети знаний предметной области.
  • Разработан метод построения оптимальной траектории обучения. В качестве модели задачи синтеза маршрутов обучения в работе предложено использовать семантическую сеть в виде И-ИЛИ-графа, содержащего концепты и учебные модули предметной области, а также смешанные отношения между ними. Задача синтеза маршрута обучения при этом сводится к описанию указанного И-ИЛИ графа в виде логической скобочной формы и ее преобразованию. Выбор оптимального маршрута сводится к выбору дизъюнкта финальной формы, соответствующего минимуму используемого критерия оптимальности маршрута.
  • Разработана база данных и диаграммы поведенческой деятельности участников создания ЭОР.
  • Разработан программно-моделирующий комплекс синтеза оптимального маршрута обучения в рамках инструментальной системы «БиГОР». С помощью версии системы «БиГОР», реализующей разработанный метод синтеза маршрутов обучения, сформирован ряд ЭОР, соответствующих индивидуальным запросам обучаемых.
  • Разработанные методы и алгоритмы прошли апробацию и внедрены для практического применения в ряде промышленных предприятий, а также в учебный процесс. Показано, что внедрение результатов работы позволяет повысить качество и эффективность процесса профориентации и переподготовки персонала промышленных предприятий.

Публикации по теме диссертационной работы

Публикации в рецензируемых журналах

  • Соколов Н.К. Куда идут экспертные системы? /Соломатин Н.М., Мартынчик С.А., Пугачев Е.К., Соколов Н.К.// Вестник МГТУ им. Н.Э. Баумана Серия «Приборостроение». Изд-во МГТУ им. Н.Э. Баумана №2, 1995 – С.10-16.
  • Соколов Н.К. Семантические аспекты функционирования когнитивных систем. /Соломатин Н.М., Мартынчик С.А., Сонин А.И., Соколов Н.К.// Вестник МГТУ им. Н.Э. Баумана Серия «Приборостроение» №2, 1996. – С.3-12.
  • Соколов Н.К. Система интеллектуального агента в открытом мультимедиа пространстве. /Соломатин Н.М., Сонин А.И., Соколов Н.К., Семенов Д.В., Хорькова  М.В. // Вестник МГТУ им. Н.Э. Баумана Серия «Приборостроение» №2, 1997. С. 3-13.
  • Соколов Н.К. Лекция как информационная семантическая система. / Соломатин Н.М., Сонин А.И., Соколов Н.К.//Вестник МГТУ им. Н.Э. Баумана Серия «Приборостроение» №2, 1997. - С. 14-19.
  • Соколов Н.К. Особенности семантического интерфейса в системах обработки знаний. /Соломатин Н.М., Сонин А.И., Соколов Н.К., Серебрякова И.Л., Семенов Д.В.// Вестник МГТУ им. Н.Э. Баумана Серия «Приборостроение» №2, 1998. – С. 4-11.
  • Соколов Н.К. Особенности дистанционного обучения в системе высшего образования. /Соломатин Н.М., Сонин А.И., Соколов Н.К., Серебрякова И.Л., Семенов Д.В.// Вестник МГТУ им. Н.Э. Баумана Серия «Приборостроение» №2, 1998 – С. 101-108.
  • Соколов Н.К. Принципы совместимости и стабильности систем. /Соломатин Н.М., Сонин А.И., Соколов Н.К., Семенов Д.В..// Вестник МГТУ им. Н.Э. Баумана Серия «Приборостроение» №2, 1999. – С. 6-13.
  • Соколов Н.К. Классификация объектов с использованием технологии баз данных и знаний. /Соломатин Н.М., Сонин А.И., Соколов Н.К., Семенов Д.В., Володин Д.С.// Вестник МГТУ им. Н.Э. Баумана Серия «Приборостроение» №2, 1999. – С. 46-55.
  • Соколов Н.К. Принцип субъективизма в информационных технологиях. /Соломатин Н.М., Сонин А.И., Соколов Н.К., Гудзенко Д.Ю.// Вестник МГТУ им. Н.Э. Баумана Серия «Приборостроение» №2, 2000. – С. 5-9.
  • Соколов Н.К. Синтез индивидуальных маршрутов обучения в онтологических обучающих системах.  /Норенков И.П., Соколов Н.К.// Информационные технологии №3 - М., 2008. – С. 74-77.
  • Соколов Н.К. Оценка сложности семантической сети в обучающей системе. /Карпенко А.П., Соколов Н.К.// technomag/edu/ru Наука и образование: электронное научно-технич. издание МГТУ им. Н.Э. Баумана. 2008. Выпуск 11. – С. 18-39.URL.
  • Соколов Н.К. Расширенная семантическая сеть обучающей системы и оценка ее сложности. /Карпенко А.П., Соколов Н.К.//technomag/edu/ru Наука и образование: электронное научно-технич. издание МГТУ им. Н.Э. Баумана. 2008. Выпуск 12. – С. 15-24. URL.
  • Соколов Н.К. Методика контроля понятийных знаний субъекта обучения в обучающей системе. /Галямова Е.В., Карпенко А.П., Соколов Н.К.//technomag/edu/ru Наука и образование: электронное научно-технич. издание МГТУ им. Н.Э. Баумана. 2009. Выпуск 2. – С. 1-9. URL.
  • Соколов Н.К. Адаптивные среды создания образовательных ресурсов. /Норенков И.П., Соколов Н.К., Уваров М.Ю.//technomag/edu/ru Наука и образование: электронное научно-технич. издание МГТУ им. Н.Э. Баумана. 2009. Выпуск 3. – С. 44-56. URL.
  • Соколов Н.К. Меры сложности семантической сети обучающей системы. /Карпенко А.П., Соколов Н.К.// Вестник МГТУ им. Н.Э. Баумана Серия «Приборостроение» №1, 2009. – С. 50-66.
  • Соколов Н.К. Синтез оптимальных траекторий обучения. /Соколов Н.К.// technomag/edu/ru Наука и образование: электронное научно-технич. издание МГТУ им. Н.Э. Баумана. 2012. Выпуск 1. – С. 1-18. URL.

Публикации в других изданиях

    • Соколов Н.К. Семантический интерфейс между пользователем и медицинской диагностической экспертной системой. /Соломатин Н.М., Соколов Н.К., Пугачев Е.К.// Конверсия №10, 1997. – С. 57-59.
    • Соколов Н.К. Контроль понятийных знаний субъекта обучения с помощью когнитивных карт. /Карпенко А.П., Соколов Н.К.// Сб. докладов Ч.2 Межд. науч. метод.конф. «Управление качеством инженерного образования и инновационные образовательные технологии», - М., 2008. – С. 55-57.
    • Соколов Н.К. Управление университетом на основе информационных технологий. /Балдин А.В., Соколов Н.К.// Сб. докладов Ч.2 Межд. науч.-метод.конф. «Управление качеством инженерного образования и инновационные образовательные технологии». – М., 2008. – С. 117-124.
    • Соколов Н.К. Научное издание (Книга) Информационная управляющая система МГТУ им. Н.Э. Баумана «Электронный университет»  Концепция и реализация /Соколов Н.К в составе коллектива авторов под ред. Федорова И.Б. и Черненького В.М.// Изд-во МГТУ им. Н.Э. Баумана, 2009. – гл.7, раздел 7.2, С. 234-244.
    • Соколов Н.К.  Контроль знаний субъекта обучения с помощью онтологий. /Соколов Н.К., Сухарь Р.С.// Труды ХVI Байкальской Всероссийской конференции. «Информационные и математические технологии в науке и управлении» том 2, - Иркутск, 2010 – С. 211-215.
    • Онтологии в инструментальных средствах создания электронных образовательных ресурсов. /Норенков И.П., Соколов Н.К., Уваров М.Ю.// Школьные технологии №3, - М., 2010 - С. 26-39.
    • Соколов Н.К.  Метрические шкалы в оценке уровня знаний персонала / Белоус В.В., Соколов Н.К., Строганов В.Ю.// Автоматизация систем управления персоналом: сб. науч. тр. МАДИ. - - М.: МАДИ, 2011 – С. 74-83.
    • Соколов Н.К.  Точность исходных измерений тестового контроля знаний персонала / Рогова О.Б., Соколов Н.К., Толкаев Е.Ю. // Автоматизация систем управления персоналом: сб. науч. тр. МАДИ. - М.: МАДИ. 2011. – С.89-93.
    • Соколов Н.К.  Точность исходных измерений тестового контроля знаний персонала / Белоус В.В., Соколов Н.К., Строганов В.Ю.// Автоматизация систем поддержки управленческой деятельности: сб. науч. тр. МАДИ. - М.: МАДИ, 2011. – С.89-93.
    • Соколов Н.К.  Процессно-ориентированная концепция создания ситуационного центра / Борщ В.В., Горячкин Б.С., Котов А.А., Соколов Н.К. // Автоматизация и управление: стратегия, инвестиции, инновации: сб. науч. тр. МАДИ. - М.: Техполиграфцентр, 2011. –  С. 65-71.
    • Соколов Н.К.  Сценарий системы поддержки принятия решений и концепция создания ситуационного центра / Горячкин Б.С., Приходько Л.В., Соколов Н.К. // Автоматизация и управление: стратегия, инвестиции, инновации: сб. науч. тр. МАДИ. - М.: Техполиграфцентр, 2011. –  С. 71-75.
     
    Авторефераты по темам  >>  Разные специальности - [часть 1]  [часть 2]



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.