Разработка автоматизированного рабочего места преподавателя для управления качеством обучения

Задача повышения качества подготовки специалистов тесно связана с расширением границ образовательного пространства, обеспечением свободного доступа к знаниям всего мирового сообщества. Придание системе образования качеств открытой системы влечет кардинальное изменение ее свойств и свойств ее компонентов. В частности, новая роль преподавателя в современных условиях обуславливается возложением на него функций координирования познавательного процесса, корректировки содержания дисциплины, консультирования при составлении индивидуального учебного плана, руководства учебными проектами с помощью компьютерных и сетевых технологий и т. д. При этом повышение интенсивности труда преподавателя ВУЗа, особенно преподавателя информационных специальностей, обуславливается также необходимостью обеспечения учебного процесса определенного качества в заданное время в условиях постоянно возрастающего объема информации. Для решения этих задач создаются компьютерные средства поддержки учебного процесса, что приводит к лавинообразному, неуправляемому росту информационных ресурсов, в том числе и сетевых, созданию многочисленных узкоспециализированных подсистем, которые характеризует отсутствие единой методической и технологической платформ.

Высокая динамика изменений внешней социально-экономической среды, диктующей требования к будущему специалисту определяет необходимость создания средств информационной поддержки преподавателя на основе принципов адаптивного управления, использования разнообразных образовательных технологий, возможности быстрого изменения целей и содержания обучения, индивидуального подхода к отдельным обучаемым. Для информационной поддержки управления качеством обучения на уровне преподавателя необходимо создание комплексной системы, основанной на экспертных знаниях преподавателя, реализующей автоматизацию всех этапов преподавательской деятельности, предусматривающей широкие возможности работы с различными информационными ресурсами, позволяющей собирать и анализировать статистический материал по качеству обучения, своевременно выявлять недостатки методической работы преподавателя за счет анализа как структуры целей обучения и содержания учебных элементов, так и результатов, полученных в ходе обучения, адаптировать учебный процесс к постоянно меняющимся условиям.

Таким образом, актуальность диссертационной работы определяется необходимостью разработки математического, информационного и программного обеспечения автоматизированного рабочего места (АРМ)преподавателя для обеспечения качества обучения на уровне преподавателя в области САПР на основе методов искусственного интеллекта.

Целью исследования является разработка математического, информационного и программного обеспечения АРМ преподавателя как комплексной системы, предусматривающей наличие инструментальных средств для информационной поддержки деятельности преподавателя.

В соответствии с поставленной целью в работе решаются следующие задачи:

1. Исследование современных образовательных технологий, анализ и формализация составляющих компонент преподавательской деятельности с точки зрения ее автоматизации.

2. Разработка концептуальной модели знаний, включающей предметные и организационно-методические знания преподавателя и модель обучаемого.

3. Выделение нечетких, лингвистически сформулированных экспертных знаний преподавателя, организация базы нечетких правил, включая методы нечеткого вывода, создание на их основе комплекса алгоритмов по управлению качеством обучения.

4. Создание программных средств, обеспечивающих автоматизированное проектирование и анализ образовательного процесса в АРМ преподавателя, его информационную поддержку, их апробация для обучения специалистов в области САПР.

Методы исследования основываются на методах статистического и факторного анализа, объектно-ориентированного проектирования, аппаратах дискретной математики и искусственного интеллекта (теория графов, математическая логика, в частности, нечеткая, методы представления знаний, работы с неопределенностью, аппараты логического вывода). К методологическим основам исследований относятся также работы в области педагогики, дидактики, методики программированного обучения.

Научная новизна. Основные результаты диссертационной работы, выносимые на защиту, состоят в следующем:

1. Сформулированы требования к АРМ преподавателя, как к интеллектуальной системе управления качеством обучения специалиста в области САПР, включающей модели содержания обучения, обучаемого, организационно-методических знаний преподавателя и накопления статистики.

2. Разработана модель представления знаний преподавателя, обеспечивающая, в отличие от ранее известных, согласованное взаимодействие знаний на всех этапах преподавательской деятельности и позволяющая учитывать не только предметные знания преподавателя, но и его методический опыт.

3. Предложена структура базы нечетких правил, включая методы нечеткого вывода и структуру представления учебных и корректирующих воздействий для осуществления адаптивного управления обучением и учета индивидуальных особенностей обучаемых.

Практическая ценность работы заключается в следующем:

1. Разработана структура базы знаний АРМ преподавателя на логическом и физическом уровнях для организации управления качеством обучения.

2. Разработан прототип АРМ преподавателя, включающий набор программных модулей для проектирования и анализа дерева целей, структуры содержания и вектора средств достижения целей обучения, анализа результатов обучения.

3. За счет интеллектуального подхода к построению БЗ достигнута возможность адаптации компонент вектора средств достижения цели к особенностям как отдельных учебных курсов, так и отдельных обучаемых, адаптации структуры целей и содержания обучения к меняющимся требованиям. 4. Предложено оформление результатов обучения как в виде отчетов заданной структуры, так и в форме наглядных диаграмм и таблиц.

Реализация результатов работы. Теоретические и практические результаты работы использованы в НИР, выполненной на кафедре САПР ПТУ (Отчет о НИР «Создание экспериментальной БД и БЗ учреждений высшего и смежного образования региона». Шифр работы ЕЗН 1.1.94(79). УДК 681.3 № госрегистрации 01.9.50.001888, Пенза, 1999 г.). Результаты работы используются в учебном процессе.

Апробация работы. Теоретические и практические результаты диссертационной работы обсуждались и докладывались на следующих конференциях и семинарах: научно-технические конференции профессорско-преподавательского состава (ПТУ, г. Пенза, 1995;2003гг.), «Интегрированные системы образования» (Уфа, 1995), II Международная научно-методическая конференция «Университетское образование» (г.Пенза, 1998 г.), Всероссийское совещание-семинар «Высокие технологии в региональной информатике «(г. Воронеж, 1998 г.): III Международная научно-методическая конференция «Университетское образование» (г.Пенза, 1999 г.), Шестой симпозиум «Квалиметрия человека и образования: методология и практика» (г.Москва, 1997 г.), III Всероссийская школа-семинар «Информационные технологии в управлении качеством образования и развитии образовательного пространства» (г.Москва, 2001 г.), III Международная научно-техническая конференция «Информационные технологии и системы в образовании, науке, бизнесе» (г.Пенза, 2002 г.).

Публикации. Основные положения диссертации опубликованы в 11 печатных работах.

Структура и объем диссертации

Диссертация состоит из введения, четырех глав с выводами на 152 стр., списка литературы (213 наименований) на 22 стр., приложения. Работа содержит 23 рисунка и 7 таблиц.

1.4 ВЫВОДЫ.

1. По результатам анализа можно сделать вывод о том, что основными недостатками систем управления качеством обучения в настоящее время являются:

— отсутствие возможностей управления развитием и прогнозирования, чаще всего в системах вообще не предусматривается механизм целеполагания;

— отсутствие взаимодействия обучающих систем с программными средствами, не предназначенными для обучения;

— слабая обратная связь в учебном процессе;

— недостаточная адаптация к индивидуальным возможностям и потребностям отдельных обучаемых;

— отсутствие технологий работы с преподавателями — методистами на уровне экспертных систем создания компьютерных обучающих курсов;

— большинство систем реализуют лишь один из этапов преподавательской деятельности, практически отсутствуют унифицированные, интегрированные программные комплексы относительно невысокой стоимости.

2. Выделены особенности подготовки специалистов по САПР, значимые с точки зрения разработки АРМ преподавателя:

— высокая сложность исследуемых алгоритмов и задач как с точки зрения программной реализации, так и внутренней структуры;

— постоянно возрастающая скорость смены поколений программных продуктов, в частности, как следствие изменения аппаратной базы;

— необходимость гибкой адаптации к изменяющемуся объекту проектирования САПР;

— сложная иерархия знаний (некоторые задачи имеют сложные многослойные плохо отслеживаемые логические ссылки на какие-либо учебные элементы, большой объем разнообразного теоретического материала неявно и неоднозначно связан с практическим.);

— большие объемы вводимых данных и как следствие монотонность этого процесса, сложно диагностируемые ошибки ввода, значительные временные затраты;

— многокритериальность задач САПР.

3. Вся совокупность сведений, необходимых для реализации различных видов преподавательской деятельности может быть представлена в виде двух взаимосвязанных информационных объектов, включающих декларативную и процедурную компоненты. Эти объекты предназначены для решения двух подзадач задачи управления качеством подготовки студентов по специальности (на примере специальности САПР): управления функционированием и управления развитием, а объединение этих компонент в единую базу позволяет реализовать основные положения системного подхода.

4. Для устранения вышеперечисленных недостатков предлагается рассматривать АРМ преподавателя как систему, основанную на знаниях, которая управляет процессом обучения, исходя из реального состояния знаний учащегося на данном этапе, осуществляя при этом принцип обратной связи, а предусматриваемый аппарат обучения самой системы позволяет передавать ей опыт квалифицированных преподавателей, как в предметной, так и в организационно-методической областях.

5. Предлагается структура АРМ преподавателя, программнометодическая часть которого представляется в виде интегрированной системы, реализующей алгоритмы формализуемых компонентов преподавательской деятельности и имеющей интерактивные средства для автоматизации частично формализуемых компонентов. На базе анализа компонент преподавательской деятельности предлагается формализованная обобщенная модель АРМ преподавателя, включающая модель содержания обучения, модель обучаемого, модель методических знаний преподавателя, модель организационных знаний, модель статистики по всем обучаемым.

6. Выделены требования к АРМ преподавателя, вытекающие из специфики подготовки специалистов в области САПР:

— Простота модификации содержания и целей обучения;

— Возможность использования большого количества дополнительной справочной информации;

— Возможность подключения информационных ресурсов различных типов, размеров, возможно, удаленных;

— Возможность использования специализированных средств для решения подзадач управления качеством обучения (например, систем тестирования, специализированных лабораторных практикумов, систем навигации и т. п.).

РОССИЙСКАЯ ГОСУгДРСТВЕНИАЯ Б И1: Л И ОТЕКА.

Глава 2. Структура поля знаний предметной области для.

АРМ преподавателя.

Важной предпосылкой функционирования любой информационной системы является адекватность информационного отображения в ней соответствующей предметной области: составляющих ее объектов (явлений), их свойств и взаимоотношений. Исходным этапом при проектировании этого отображения является разработка концептуальной модели данных — общей информационной модели предметной области, охватывающей вопросы классификации, структуризации и семантической целостности информации[66].

2.1 Этапы проектирования информационного обеспечения.

Под данными понимаются отдельные факты, характеризующие объекты, процессы и явления предметной области, а также их свойства [93].

В общем случае в теории БД под моделью данных понимают формализм (совокупность правил порождения), предназначенный для описания структур данных, зависимостей между ними, операций над данными, а также ограничений целостности, т. е. некоторых условий, которым должны удовлетворять допустимые базы данных. Кроме того, модель данных включает последовательность их изменения, представление данных и отношений между ними математическими и программными средствами. 67, 68, 69] При этом при разработке СУБД должны обеспечиваться три основных уровня представления данных[70]:

1. уровень внешних моделей, ориентированных на пользователей,.

2. уровень концептуальной модели, которая составляет представление общего содержания БД, систему основных понятий и правил комбинирования классов понятий, не зависимых от языков и являющихся смысловой структурой некоторой предметной области,.

3. уровень внутренней модели физического хранения.

Концептуальная модель, обобщенная, не зависимая от конкретной СУБД, называется еще мифологической моделью. Эта модель транслируется затем в модель данных, совместимую с выбранной СУБД. Возможно, что отраженные в концептуальной модели взаимосвязи между объектами окажутся впоследствии нереализуемыми средствами выбранной СУБД. Это потребует изменения концептуальной модели. Версия концептуальной модели, которая может быть обеспечена СУБД, называется логической моделью[68,69,70].

В БД может одновременно храниться большой объем информации, а СУБД позволяет эффективно этими данными манипулировать. Но информация, хранимая в БД, является декларативной, т. е. представляется как некоторая совокупность утверждений. По мере развития исследований в области интеллектуальных систем возникла концепция знаний, которые объединили в себе многие черты процедурной и декларативной информации. Под знаниями понимаются закономерности предметной области (принципы, связи, законы), полученные в результате практической деятельности и профессионального опыта, позволяющие специалистам ставить и решать задачи в этой области [93]. Этой форме представления информации в ЭВМ присущ ряд особенностей [67]:

1. Внутренняя интерпретируемость, т. е. каждая информационная единица должна иметь уникальное имя, по которому система находит ее, а также отвечает на запросы, в которых это имя упомянуто.

2. Структурированность, т. е. информационные единицы должны обладать гиб кой структурой. Для них должен выполняться принцип рекурсивной вло-жимости одних информационных единиц в другие.

3. Связность, т. е. должна быть предусмотрена возможность установления связей различного типа, которые могут характеризовать отношения между информационными единицами. Семантика отношений может носить декларативный или процедурный характер. Возможны отношения структуризации (задаются иерархии информационных единиц), функциональные отношения (несут процедурную информацию, позволяющую находить, вычислять одни информационные единицы через другие), казуальные отношения (задают причинно-следственные связи) и семантические отношения, соответствующие всем остальным отношениям.

4. Семантическая метрика. На множестве информационных единиц в некоторых случаях полезно задавать отношения, характеризующие ситуационную близость информационных единиц, т. е. силу ассоциативной связи между информационными единицами. Его можно было бы назвать отношением релевантности для информационных единиц.

5. Активность. Для интеллектуальных систем неприемлема ситуация, когда данные пассивны, а команды активны. В них актуализации тех или иных действий способствуют знания, имеющиеся в системе. Таким образом выполнение программы в интеллектуальных системах должно инициироваться текущим состоянием информационной базы.

Эти особенности отличают базу знаний (БЗ) от БД и часто знания определяют как хорошо структурированные данные или данные о данных или метаданные [93]. Совокупность средств, обеспечивающих работу со знаниями, образует систему управления БЗ.

Еще один аспект, отражающий различия между данными и знаниями связан с понятиями интенсионала и экстенсионала. Знания в системах искусственного интеллекта представляются некоторой знаковой (семиотической) системой. С понятием «знак» непосредственно связаны понятия «денотат» и «десигнат». Денотат — объект, обозначаемый данным знаком, а десигнат — свойства денотата, отражаемые знаком. Отношения знака, денотата и десигната характеризуют функции знака как с точки зрения простого выделения денотата в универсуме, так и в плане указания его места в универсуме.

Экстенсионал знака определяет конкретный класс (множество) всех его допустимых денотатов, т. е. набор конкретных фактов, соответствующих данному понятию. Интенсионал знака определяет содержание связанного с ним понятия или описывает некоторое понятие через его свойства. Интенсионал отделяет знания от данных, которые всегда задаются экстенсионально. Интенсиональные знания описывают абстрактные объекты, события, отношения. Экстенсиональные знания представляют собой данные, характеризующие конкретные объекты, их состояния, значения параметров в определенные моменты времени. В [71] выделяются пять форм знаний: Ъ — знания в памяти человекаЪ2 — материализованные знания (монографии, статьи, учебники и т. д.) — ЪЪ — поле знаний (полуформализованное описание Ъ и ЪТ) ЪА — знания на языках представления знаний (формализация 25 — база знаний на машинных носителях. По аналогии там же выделяется ряд форм данных: — результат наблюдения над объектами или данные в памяти человека- 1)2 — фиксация данных на материальном носителе — таблицы, графики и т. д.- БЗ — модель данных- 04 — данные на языке описания данных- 05 — база данных на машинном носителе.

Традиционно трем моделям представления данных (концептуальной, логической и внутренней) соответствуют Э1 — ЭЗ — 05, моделям представления знаний Ъ1 — ЪЪ — ЪЬ, а соотношение внешней, внутренней и концептуальной моделей и концептуальных требований ряда пользователей показано на рис. 2 .1.

Прикладная программа 2.

Прикладная Прикладная Прикладная программа 1 программа 1 программа 3.

Рис. 2.1 Соотношение внешней, внутренней и концептуальной моделей данных.

Процесс разработки любой системы, основанной на знаниях, а также системы, предназначенной для управления данными включает несколько стадий, выполнение которых приводит к созданию физической модели данных или знаний. Согласно [71, 72, 73, 74] выделяются следующие стадии (рис. 2.2).

1. Идентификация проблемы. На этом этапе определяются источники знаний, выделяется предметная область, ее границы, происходит абстрагирование от несущественных частей для данного конкретного приложения, стандартизируется терминология. В результате определяются объекты, их свойства и связи, которые будут существенны для будущих пользователей системы.

2. Получение (извлечение) знаний. Получение наиболее полного из возможных представления о предметной области и способах принятия решения в ней за счет переноса компетентности экспертов на инженеров по знаниям, называемых также когнитологами. Используются различные методы, структура которых отражена на рис. 2.3.

3. Структурирование или концептуализация знаний и данных. Разработка неформального описания знаний о предметной области в виде такой структуры, как граф, таблица и т. д., которая отражает основные концепции и взаимосвязи между понятиями предметной области. В некоторых источниках это понятие называется полем знаний[71, 93], в некоторых — концептуальной моделью предметной области [66, 69, 72]. В результате выполнения этой стадии должны быть определены[71, 75, 93]: терминологиясписок основных объектов и их атрибутоввиды взаимосвязей между объектамиструктура входной и выходной информациистратегия принятия решенийограничения стратегий и т. д.

4. Формализация заключается в разработке БД и/или БЗ на языке, который, с одной стороны, соответствует структуре концептуальной модели, с другойпозволяет реализовать систему. При этом строится формализованное представление концепций предметной области на основе выбранного языка представления знаний (ЯПЗ) или специального формализма. Традиционно на этом этапе при проектировании БЗ используются логические методы (исчисление предикатов 1-го порядка и др.), продукционные модели (с прямым и обратным выво.

Переопределение Дополнительное Изменение " ,.

Переформализация Перепрограммирование проблемы извлечение поля г г г г г г.

Рис. 2.2 Стадии разработки системы рис. 2.3 Классификация методов извлечения знаний дом), семантические сети и волновые языки, фреймы, объектно-ориентированные языки, основанные на иерархии классов объектов и др. При проектировании БД используются реляционные, сетевые, иерархические бинарные и ER-модели (модель «сущность — связь»).

5. Реализация. Создается прототип ЭС с использованием традиционных алгоритмических или объектно-ориентированных языков программирования, специализированных языков, применяемых в задачах искусственного интеллекта, таких как Prolog, Lisp, Smalltalk и др., инструментальных средств разработки ЭС, пустых ЭС или оболочек типа ЭКСПЕРТ.

6. Тестирование. Задачей этапа является выявление ошибок в подходе и реализации прототипа и выработка рекомендаций по доводке системы до промышленного варианта. Прототип анализируется на удобство и адекватность интерфейсов, эффективность стратегии управления (порядок перебора, использование нечеткого вывода и др.), корректность.

Последовательность этих стадий не является фиксированной, поскольку каждый последующий этап разработки может опосредованно влиять на предыдущие решения и даже привести к их переработке. При этом в коллектив разработчиков экспертной системы входят, как правило, не менее трех человек: пользователь, эксперт и инженер по знаниям (когнитолог).

2.2 Анализ дидактической системы, как объекта проектирования.

Для извлечения знаний о предметной области — управлении качеством образования на уровне преподавателя были использованы следующие неавтоматизированные методы: лекции, интервью, диалог и все текстологические методы: анализ учебников, литературы, других документов. Все эти методы отличаются по степени концентрированное&tradeспециальных знаний, по наличию обратной связи между экспертом и инженером по знаниям, количеству «шума», степени структуризации полученных знаний. При этом текстологические методы выступали как базовые, а коммуникативные — как вспомогательные. Фрагмент интервью доцента каф. САПР ПГУ, к.т.н, преподавателя с 20-летним стажем приведен в таблице 2.1. В результате анализа предметной области была сформирована таксономия основных категорий предметной области, фрагмент обобщенной формы которой представлена на рис. 2.4.

Принципы, на основе которых осуществляется управление учебным процессом представлены в [11, 64]:

— Указание цели управления;

— Формулирование критериев оценки достижения поставленной цели;

— Установление исходных состояний управляемой системы;

— Выработка программы воздействия, предусматривающей основные переходные состояния системы, определяемые спецификой управляемого процесса, целью управления и исходным состоянием системы;

— Накопление и обработка сведений по выбранной системе параметров, характеризующих состояние системы в каждый момент управления (обратная связь);

— Выработка корректирующих воздействий по результатам обработки информации, полученной по каналу обратной связи;

— Реализация корректирующих воздействий.

Согласно этим принципам и структуре системы управления качеством высшего образования, предложенной в [10], ключевыми категориями предметной области являются: цели обучения, содержание обучения, средства оценки достижения целей обучения, технологии обучения, средства обучения, управляющее воздействие, обратная связь, корректирующее воздействие.

В психологии целью называют осознанный образ или словесное представление будущего результата действия [77]. В кибернетике — формальное описание конечной ситуации, к достижению которой стремится целенаправленная система. Цельэто планируемый результат, выступающий как единство желаемого и возможного[80]. Под целью обучения понимается описание состояния знаний, умений и других характеристик обучаемого, которое должно быть достигнуто в результате его работы. Качество управления определяется.