МЕТОДИ ТА ПРОГРАМНІ ЗАСОБИ АВТОМАТИЗОВАНОЇ ПОБУДОВИ АДАПТИВНОЇ ТРАЄКТОРІЇ НАВЧАННЯ
DOI:
https://doi.org/10.31649/1997-9266-2020-149-2-58-66Ключові слова:
інтелектуальна адаптивна система передачі та контролю знань, адаптивна траєкторія навчання, оптимізація функції достовірності, оцінка якості програмного забезпеченняАнотація
Подано розроблені та апробовані нові методи вирішення проблеми автоматизованої побудови адаптивної траєкторії навчання в інтелектуальних адаптивних системах передачі та контролю знань на основі визначення поточного стану студента, оцінювання ймовірностей переходу між станами в часі в залежності від поставленої навчальної мети, встановлених параметрів конкретного студента та параметрів навчального матеріалу. Запропоновано функціональну оптимізацію адаптивної траєкторії навчання з використанням квантового генетичного алгоритму вищих порядків.
Досліджено такі показники якості розробленої адаптивної системи передачі та контролю знань як: релевантність побудованої адаптивної траєкторії навчання, цілісність представлення адаптованого навчального матеріалу, якість контролю знань, якість засвоєння нових знань, зручність та зрозумілість інтерфейсу користувачів, автоматизація процесу структурування та імпорту навчального матеріалу, використовуваність технічних засобів, використовуваність праці викладачів та експертів, час відповіді системи, відновлюваність даних, цілісність бази знань, сумісність.
Одним з основних методів дослідження став експеримент, який дозволив оцінити рівень досягнення поставленої мети та технічні параметри програмних засобів. Експериментом вважається автоматизована побудова і вибір оптимальної для конкретного студента адаптивної траєкторії навчання, проходження занять студентом відповідно до цієї траєкторії, внесення цієї адаптивної траєкторії у базу знань системи із зазначенням оцінки рівня досягнення поставленої мети. Таким чином, кожне проходження дисциплін студентами уточнює і удосконалює процедуру побудови адаптивної траєкторії навчання з урахуванням накопичених знань. Розроблена адаптивна система передачі та контролю знань удосконалюється і «навчається» в процесі навчання студентів.
Визначено методи оцінки ймовірності досягнення поставленої навчальної мети в залежності від параметрів моделі студента і параметрів адаптивної траєкторії навчання.
Впровадження і використання розробленої інтелектуальної адаптивної системи передачі та контролю знань дозволяє підвищити якість навчального процесу, раціональніше використовувати трудові, технічні та матеріальні ресурси закладів освіти шляхом автоматизації та адаптації процесу оволодіння знаннями.
Посилання
R. Chantal, L. Danielle, and C. Jennifer, “Applying Best Practice Online Learning,” Teaching, and Support to Intensive Online Environments: An Integrative Review Front. Educ., 21 November 2017. https://doi.org/10.3389/feduc.2017.00059 .
С. О. Сисоєва, и К. П. Осадча, Системи дистанційного навчання: порівняльний аналіз навчальних можливостей, 2011. [Електронний ресурс]. Режим доступу: http://www.academia.edu/931578 .
І. М. Погребнюк, і В. М. Томашевський, «Моделювання сценаріїв адаптивного навчання з використанням мереж Петрі,» Вісник Національного технічного університету України «Київський політехнічний інститут». Серія : Інформатика, управління та обчислювальна техніка, № 55, с. 38-46, 2012.
О. О. Гагарін, і С. В. Титенко, «Дослідження і аналіз методів та моделей навчання систем безперервного навчання,» Наукові вісті НТУУ «КПІ», № 6(56), с. 37-48, 2007
В. В. Вишнівський, М. П. Гніденко, Г. І. Гайдур, і О. О. Ільїн, Організація дистанційного навчання. Створення електронних навчальних курсів та електронних тестів, навч. посіб. Київ, Україна: ДУТ, 2014, 140 с.
В. М. Томашевський, Ю. Л. Новіков, і П. А. Камінська, «Огляд сучасного стану систем дистанційного навчання,» Наукові Праці, т. 160, вип. 122. Комп’ютерні технології. Миколаїв, Україна: вид. ЧДУ ім. П. Могили, с. 146-157, 2011
П. И. Федорук, и М. С. Дутчак, «Построение базы знаний адаптивный систем дистанционного обучения на основе фреймовой и продукционной моделей представления знаний,» УСиМ: Управляющие системы и машины, № 5, с. 10-15, 2012.
М. В. Пікуляк, «Застосування теорії мультимножин для формування індивідуального квантового набору навчального контенту,» Математичні машини і системи, № 3, с. 96-103, 2014.
В. В. Казимир, П. І. Федорук, і М. С. Дутчак, «Адаптивна передача знань в системі дистанційного навчання», Вісник Чернігівського державного технологічного університету. Серія: технічні науки, Чернігів, с. 166-170, 2011.
V. M. Tkachuk, M. I. Kozlenko, M. V. Kuz, I. M. Lazarovych, and M. S. Dutchak, “Function Optimization Based on Higher-Order Quantum Genetic Algorithm,” Electronic modeling, № 3 (2019), с. 43-58, 2019. https://doi.org/10.15407/emodel.41.03 .
М. В. Кузь, Я. Т. Соловко, і В. М. Андрейко, «Методологія формування узагальненого критерію якості програмного забезпечення в умовах невизначеності,» Вісник Вінницького політехнічного інституту, № 5, с. 104-107, 2015.
##submission.downloads##
-
PDF
Завантажень: 204
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Автори, які публікуються у цьому журналі, згодні з такими умовами:
- Автори зберігають авторське право і надають журналу право першої публікації.
- Автори можуть укладати окремі, додаткові договірні угоди з неексклюзивного поширення опублікованої журналом версії статті (наприклад, розмістити її в інститутському репозиторії або опублікувати її в книзі), з визнанням її первісної публікації в цьому журналі.
- Авторам дозволяється і рекомендується розміщувати їхню роботу в Інтернеті (наприклад, в інституційних сховищах або на їхньому сайті) до і під час процесу подачі, оскільки це сприяє продуктивним обмінам, а також швидшому і ширшому цитуванню опублікованих робіт (див. вплив відкритого доступу).