Методики и алгоритмы обработки и управления информацией в системах поддержки процессов обучения математическим дисциплинам
Диссертация
Апробация и внедрение результатов работы: основные положения и результаты диссертационной работы были доложены на всероссийских межвузовских научно-технических конференциях «Микроэлектроника и информатика» (Москва, Зеленоград, 2006;2009), на третьей всероссийской научной конференции «Проектирование инженерных и научных приложений в среде MATLAB» (Санкт-Петербург, 2007г), на международной… Читать ещё >
Содержание
- Глава I. Современное состояние проблем информатизации процесса обучения
- 1. 1. Принципы Е-learning технологии
- 1. 1. 1. Основные характеристики e-Iearning технологии
- 1. 1. 2. Дистанционное обучение
- 1. 2. Базы знаний в интеллектуальной обучающей системе
- 1. 3. Автоматизация процесса подготовки специалистов
- 1. 4. Интеллектуальный тренажёр как часть системы обучения
- 1. 5. Обучение математике на основе компьютерной технологии (ОМК)
- 1. 5. 1. Обучен ие математике
- 1. 5. 2. Компьютерная техника в математике
- 1. 5. 3. Компьютерное обучение
- 1. 6. Цель работы и постановка задачи
- 1. 7. Выводы
- 1. 1. Принципы Е-learning технологии
- Глава 2. Разработка алгоритмов и моделей построения тренажерно-обучающего комплекса для обучения теме «Теория вероятностей и математическая статистика»
- 2. 1. Обучение теме «Теория вероятностей и математическая статистика» на основе интеллектуального тренажера
- 2. 2. Разработка алгоритмов процесса обучения
- 2. 2. 1. Идентификация в системе
- 2. 2. 2. Процесс обучения
- 2. 2. 3. Выход из системы
- 2. 3. Разработка алгоритмов и моделей использования базы данных для идентификации
- 2. 4. Разработка методики обучения и выбор методов
- 2. 4. 1. Индуктивный метод
- 2. 4. 2. Дедуктивный метод
- 2. 5. Использование нечёткой логики и создание модулей нечеткого управления для генерации тестов и контрольных вопросов
- 2. 5. 1. Нечёткая логика
- 2. 5. 2. Нечёткое управление
- 2. 5. 3. Создание базы нечетких правил
- 2. 6. Использование адаптивной нейро-нечёткой системы для генерации тестов и контрольных вопросов
- 2. 6. 1. Метод генерации тестов и контрольных вопросов
- 2. 6. 2. Построение базы нечетких правил на основе численных данных
- 2. 6. 3. Оценивание сложности и количества тестов и контрольных вопросов
- 2. 6. 4. Разработка алгоритма построения системы оценок с использованием адаптивной нейро-нечёткой системы
- 2. 7. Выводы
- Глава 3. Программное обеспечение в среде MATLAB и построение программных блоков обучающего комплекса
- 3. 1. Использование пакета MATLAB
- 3. 1. 1. Варианты использования пакета MATLAB
- 3. 1. 2. Наборы инструментов для пакета MATLAB
- 3. 1. 3. Построение графических пользовательских интерфейсов и визуализация данных
- 3. 1. 4. Описание языка в среде MA TLAB
- 3. 2. Продукт MATLAB для разработки ТОК
- 3. 3. Построение интерфейсов обучающего комплекса
- 3. 3. 1. Создание веб-интерфейсов для теоретических сведений
- 3. 3. 2. Принципы создания
- 3. 1. Использование пакета MATLAB
- 3. 3. 3. Создание системы оценок
- 3. 4. Использование Microsoft Excel в среде MATLAB как базы данных
- 3. 5. Применение MATLAB компилятора для разработки независимых
- 3. 6. Выводы
- 4. 1. Использование ТОК при проверке знаний
- 4. 2. Эффективность использования ТОК
- 4. 3. Апробация работы и её практическое применение
- 4. 4. Применение ТОК в МИЭТе
- 4. 5. Выводы
Список литературы
- О выборе технологии электронного обучения. http://www.distance-learning.ru
- База знаний. http://ru.wikipedia.org/wiki/5a3a знаний
- Nicolas Balcheff, James Kaput (1996), «13 Computer-based Learning Environments in Mathematics», International Handbook of Mathematics Education, Springer, p. 469
- Stephen M. Alessi, Stanley R. Trollip (2001), Multimedia for Learning, Allyn and Bacon.
- Новак В., Перфильева И., Мочкрож И. Математические принципы нечеткой логики, пер с англ. М.: Физматлит, 2006.
- Заде JI. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976.
- Круглов В. В. Дли М. И. Голунов Р. Ю. Нечеткая логика и искусственные нейронные сети. М.: Физматлит, 2001.
- Рутковская Д., Пилиньский М., Рутковский Л., Нейронные сети, генетические алгоритмы и нечеткие системы: Пер. с польск. И. Д. Рудинского.
- Hirota К., Ed., Industrial Applications of Fuzzy Technology, Springer 1993.
- Driankov D., Hellendoorn H., Reinfrank M., An Introduction of Fuzzy Control, Springer-Verlag, Berlin 1993.
- Graeme Martin, Angela Jennings. E-Learning Technology Evaluation Report. University of Abertay Dundee, 2002.
- Айвазян С. А., Мхитарян В. С. Прикладная статистика и основы эконометрики. М.: ЮНИТИ. 1998.
- Вентцель Е. Теория вероятностей и математическая статистика. М.: Мир. 2000.
- Бавин Эй, Лисов О. И, Лисовец Ю. П, Использование графического пользовательского интерфейса GUT пакета MATLAB для обучения математическим дисциплинам. Известия высших учебных заведений «Электроника». № 2 (76), 2009.
- Бавин Эй, Зар Ни Хлайнг,. Разработка тренажерно-обучающих комплексов (ТОК) на базе пакета MATLAB. В журнале «Естественные и технические науки» № 4. 2009.
- Агапов Г. И. Задачник по теории вероятностей. М-: Высш. Шк., 1986.
- Мешалкин Л. Д. Сборник задач по теории вероятностей. М.: Изд-во Моск. Ун-та, 1963.
- Колемаев В. А., Калинина В. Н. Теория вероятностей и математическая статистика. М.: ИНФРА-М. 1997.
- Вентцель Е. С., Овчаров Л. А. Задачи и упражнения по теории вероятностей. М.: Высшая школа. 2000.
- Колемаев В. А., Староверов О. В., Турундаевский В. Б. Теория вероятностей и математическая статистика. М.: Высшая школа. 1991.
- Дьяконов В. П. Справочник по применению системы PC MATLAB. — М.: «Физматлит», 1993.
- Создание сайта при помощи визуального редактора FrontPage. http://web-miheeff.iu/news/web front page. php
- Дьяконов В. П. Круглов В.В. Математические пакеты расширения MATLAB. Специальный справочник.- СПб.: Питер, 2001.
- Бавин Эй. Предсказание временных рядов с помощью нечеткой логики, Микроэлектроника и информатика — 2006. 13-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов: тезисы докладов.-М.: МИЭТ, 2006.-С 141.
- Иглин С. П. Математические расчеты на базе MATLAB. — СПб.: БХВ-Петербург, 2005. — С 445 451.
- Бавин Эй. Предсказание временных рядов по уравнениям регрессии с учетом задержек. Микроэлектроника и информатика — 2007. 14-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов: тезисы докладов. М.: МИЭТ, 2007. — С 138.
- Сборник задач по математике для втузов: Ч. 3. / Вуколов Э. А, Ефимов А. В., Земсков В. Н., Поспелов А. С. — М.: Наука, 1993.
- Сборник задач по математике для втузов: В 4 частях. Вуколов Э. А, Ефимов А. В., Земсков В. Н., Поспелов А. С. М.: Изд-во физ.-мат. лит., 2003.
- Brian R. Hunt, Ronald L. Lipsman, Jonathan M. Rosenberg. A Guide to MATLAB for Beginners and Experienced Users. Cambridge Press, 2001.
- Neural Network Toolbox For Use with MATLAB®. Howard Demuth, Mark Beale. The Math Works, Inc. 2000.
- MATLAB User’s Guide Fuzzy Logic Toolbox. J.S. Roger Jang, Ned Gulley. The Math Works, Inc. 1997.
- Jim Ledin. Embedded Control Systems in C/C++: An Introduction for Software Developers Using MATLAB, CMP Books, 2004.
- MATLAB Demo, R2006b, The Mathworks, Inc.
- MATLAB Compiler Demo, The Mathworks, Inc. http://www.mathworks.com/products/compiler/demos.html?BB=l