Концептуальное моделирование предметной области в системе информационного обеспечения процесса обучения

Публикация
Автор:	М. С. Шибут
Тип публикации:	Доклад
Оригинал:	Сб. трудов X межд. научной конференции "ИАИ-2010", с. 276-283
УДК:	519.673+004.3

Предлагается подход к построению концептуальной модели дисциплины в виде педагогического тезауруса в системе информационного обеспечения непрерывного образования руководящих кадров. За счет семантического индексирования учебного контента, запросов к системе, а также состояния знаний обучаемого и целей обучения обеспечивается адаптивный подбор и упорядочение учебной информации.

Содержание 1 Введение 2 Концептуальное моделирование предметной области 3 Разработка концептуальной модели дисциплины 4 Модель состояния знаний 5 Заключение 6 Литература

Введение

Процесс непрерывного образования специалистов требует индивидуализации и интенсификации, адаптивного подбора используемого учебного контента. Однако имеющиеся средства доступа к электронным ресурсам такие, как электронные каталоги библиотек или поисковые системы, слабо ориентированы на их использование в обучении. Они предоставляют пользователям библиографические описания и электронные документы (в т.ч. учебники), соответствующие выбранной рубрике или же введенному поисковому запросу в виде набора ключевых слов. Дальнейший отбор и упорядочение информации, необходимой для обучения решению конкретных задач, требует немалых усилий.

Для использования электронных ресурсов в самостоятельном обучении специалистов особенно необходима их систематизация по дидактическим принципам с учетом соответствия изучаемой дисциплине и информационным потребностям обучаемого на каждом этапе обучения.

Структуру знаний предметной области (ПрО) можно представить в виде концептуальной модели, описывающей изучаемые понятия и отношения (связи) между ними. Тогда обучение может рассматриваться как процесс формирования у учащегося концептуальной модели изучаемой дисциплины в результате последовательного освоения взаимосвязанных понятий ПрО [1]. При этом в системе электронного обучения (СЭО) определяется степенью соответствия концептуальной модели дисциплины, заложенной в систему, исходной концептуальной модели знаний обучаемого, и результирующей модели, сформированной у него за время обучения. Следовательно, одним из главных факторов повышения эффективности обучения является правильный подбор учебного контента, осуществляемый обычно педагогами и методистами.

В работе рассмотрен подход к решению указанной задачи автоматизированной систематизации контента в системе информационного обеспечения непрерывного профессионального образования руководящих кадров.

Концептуальное моделирование предметной области

Для построения концептуальной модели дисциплины педагоги обычно выделяют во множестве понятий ПрО ключевые, то есть основные значимые понятия (или теги). Эти понятия используются для составления предметного указателя, поиска и структурирования информации по темам. Для формирования последовательности изучения материала также выделяют так называемые опорные понятия по каждой из тем дисциплины и указывают последовательность их изучения.

На основе сформированной таким образом концептуальной модели дисциплины создается гипертекстовый электронный образовательный ресурс (ЭОР) [2]. Все элементы ЭОР системы индексируются ключевыми понятиями, и наоборот: каждому понятию и каждой связи из концептуальной модели ставятся в соответствие некоторые элементы ЭОР. Мониторинг процесса изучения ЭОР позволяет формировать концептуальную модель знаний обучаемого, которая представляется данными об усвоенных им ключевых понятиях и их связях.

Автоматизация процесса подбора учебного контента возможна в СЭО на основе моделирования понятийной структуры изучаемой дисциплины и реализации механизмов семантического индексирования, создания и использования предметных указателей, словарей понятий ПрО, тезаурусов или онтологий. Под семантическим индексированием понимается создание формализованного описания семантики документа (в данном случае – ЭОР) в виде списка представленных в нём ключевых слов. Тезаурус – специально организованный нормативный словарь, отражающий синонимические, родо-видовые и ассоциативные отношения между понятиями и предназначенный для более совершенного и полного индексирования документов и запросов к информационной системе.

В настоящее время представление концептуализации ПрО принято описывать её онтологией. "Онтология ПрО описывает множества объектов посредством соответствующих им терминов, их определений (текстов на естественном языке) и формальных аксиом, ограничивающих интерпретацию и корректное использование этих терминов" [3]. Создание онтологии требует значительных затрат труда инженеров по знаниям и специалистов в исследуемой ПрО. В то же время, при решении задач, электронного обучения важной является возможность наполнения концептуальной модели электронного учебника преподавателем-непрограммистом, что может быть обеспечено с использованием тезауруса.

Разработка концептуальной модели дисциплины

Электронный образовательный ресурс представим в виде графа G, как множество вершин F, в которых содержатся элементы учебного контента (тексты, видео- и звуковые материалы, а также тесты по курсу), и связей между ними. Выделим три основных типа связей: ассоциативные, собственно гипертекстовые связи Σ; связи Δ, указывающие на логическую зависимость одних элементов контента от других; связи между дидактически эквивалентными элементами Ν. Перечисленные связи формализуются в виде бинарных отношений на множестве F. Такой электронный образовательный ресурс будем считать учебной гиперсредой.

Общепринятый подход, согласно которому гиперсреда описывается графом, в вершинах которого расположены элементы контента, а дуги представляют гипертекстовые связи, соответствует представлению гиперсреды в виде графа ассоциативного отношения GΣ. Подход, предложенный автором в [4], даёт возможность формализованно представить логическую последовательность и альтернативные способы изучения учебного контента.

Построим концептуальную модель дисциплины в виде специализированного педагогического тезауруса, отражающего понятийный состав учебных текстов, смысловые связи между понятиями и последовательность их изучения. Во множестве понятий будем выделять дескрипторы.

Дескриптор – терминологическое словосочетание или ключевое слово, которое ставится в однозначное соответствие группе синонимичных ему ключевых слов и словосочетаний, отобранных из текстов системы. Дескриптором может быть любое слово или словосочетание, самое короткое из группы или наиболее часто используемое, которое отличается от всех уже имеющихся в тезаурусе дескрипторов.

При использовании в задачах систематизации информации и информационного поиска тезаурус служит для обеспечения однозначности поисковых образов электронных ресурсов и запросов к системе; поиска дескрипторов для выражения информационной потребности; избыточного индексирования документов и запросов путем дополнения их поисковых образов дескрипторами, связанными по смыслу с основными.

Пусть в гиперсреде собрана информация для изучения понятий из конечного множества C_G = {c₁ , c₂ , …, c_NC}. На множестве понятий определено отношение эквивалентности, которое назовём семантическим тождеством. Понятия c_i и c_j семантически тождественны, c_i ∼ c_j, если они являются синонимами в рамках рассматриваемой ПрО. Данное отношение задаёт разбиение множества понятий на подмножества условно синонимичных понятий.

Каждому понятию ПрО сопоставим имя понятия. В качестве имени используем дескриптор. Элементы множества дескрипторов D = {d₁, d₂ , …, d_ND}, d _j ∈ C_G не могут находиться в отношении семантического тождества.

Определим на множестве D отношение δ последовательности изучения понятий: если (d_i, d_j) ∈ δ, то это означает, что понятие, соответствующее дескриптору d_i, должно быть изучено до понятия, соответствующего d_j. Далее для краткости вместо понятие, соответствующее дескриптору "d_i" будем говорить понятие "d_i".

Если понятия d_i и d_j не связаны отношением δ, то будем считать, что данные понятия независимы и обозначать это как d_i || d_j.

В системе электронного обучения методика использования дескрипторов особенно важна ввиду существования рассогласований в терминологии, обусловленных быстрым развитием многих областей знаний. Определим структуру тезауруса C_T гиперсреды как множество отдельных статей C_n:

(1)

где d_n ∈ D – дескриптор; B_dn = {c_k | c_k ∼ d_n, c _k ∈ C_G\D} – множество понятий, обозначаемых дескриптором d_n; D _n = {d_j | d_j δ d_n, d _j ∈ D} – множество дескрипторов, которые необходимо изучить до изучения d_n; F _n = {f _i | f _i ∈ F} – множество ссылок на теоретические и контролирующие элементы контента f _i, одним из результатов изучения которых является дескриптор d_n.

Таким образом, в тезаурусе для каждого понятия задаются соответствующие элементы контента из F, в которых оно упоминается. Для перевода ключевых понятий (слов и словосочетаний), используемых при составлении запросов и формулировке целей, на дескрипторный язык используется инвертированный словарь, который каждому понятию ставит в соответствие дескриптор.

Педагогическим будем называть тезаурус, предназначенный для описания как семантических, так и дидактических характеристик учебного контента, а также состояния знаний обучаемого. Педагогический тезаурус позволит более полно индексировать не только вершины гиперсреды и запросы к ней, но также и состояние знаний обучаемого и цели обучения, обеспечивая решение дидактических задач.

Модель состояния знаний

Пусть U – множество обучаемых. Состояние знаний обучаемого u_l можно охарактеризовать указанием множества понятий , которые ему известны, и уровней их усвоения. Пусть 2 ^D – множество всех подмножеств D и существует инъективное отображение ω: U –> 2 ^D, которое ставит в соответствие каждому обучаемому множество изучаемых понятий.

Концептуальным образом состояния знаний обучаемого u_l ∈ U назовем такой элемент множества 2^D, который является образом u_l при отображении ω: ω(u_l) = D_ui. В концептуальном образе состояния знаний используются только понятия, выбранные в качестве дескрипторов. Количество учитываемых понятий может расширяться при помощи связей тезауруса, образуя расширенный концептуальный образ в виде набора множеств синонимичных понятий. Пусть существует частичное мультиотображение ε: Ω –> 2^CG, которое ставит в соответствие каждому понятию концептуального образа множество его синонимов из C_G (2^CG – множество всех подмножеств словаря ключевых понятий).

Расширенным концептуальным образом, соответствующим некоторому произвольному концептуальному образу ω ∈ Ω, будем называть такое непустое подмножество B_n множества 2^CG, которое является образом ω при ε: ε(ω) = {B_n | B_n ⊆ C_G\D}. Для любого понятия d_n, которое является ключевым для элемента контента f_i, и для любого обучаемого u_l, если d_n ∈ ω(u_l), то B_n ∈ ε(ω(u_l)), где B_n – множество синонимов понятия d_n.

Каждое понятие обучающего курса может быть усвоено обучаемым на различном уровне. В качестве значений шкалы для ранжирования состояний знаний по уровням используем такую дидактическую характеристику, как диагностируемый уровень усвоения понятия [5]. Конечное упорядоченное множество уровней усвоения представляет собой шкалу порядка X = 〈 null, x₁, …, x_j, …, x_NX〉 N_X = |X|, где если i < j, то x_i < x</sub>j</sub> для любого i, j ∈ {1, …, NX}, null – пустой элемент, null < x_j для любого j. Содержательно, если значение уровня усвоения понятия d_n равно null, будем считать, что значение уровня еще неизвестно или может не учитываться.

Применение уровней усвоения обеспечивает оценку знаний обучаемого по шкале порядка. Тип значения для уровня усвоения – строка буквенно-цифровых символов. Количество уровней и их названия не влияют на логику анализа. Множество уровней формируется автором гиперсреды – преподавателем или методистом.

Планирование процесса обучения, динамически адаптивного к уровню знаний обучаемого, требует, с одной стороны, наличия в каждый момент времени актуальной информации об обучаемом – текущем состоянии знаний и о целях обучения, а с другой стороны – информации об обучающих воздействиях элементов гиперсреды, то есть стартовом состоянии знаний обучаемого, необходимом для изучения элемента контента, и об ожидаемом изменении этого состояния в процессе изучения в соответствии с содержанием этого элемента.

Для представления модели состояния знаний некоторого обучаемого, равно как и модели обучающего воздействия – знаний, излагаемых или контролируемых некоторым элементом контента, обычно используют концептуальные образы или индексы в виде списка изучаемых понятий [6]. Нами предлагается дополнить это представление и использовать дидактический образ состояния знаний обучаемого в виде множества понятий, которые известны обучаемому (использованы в элементе контента), с указанием уровней их усвоения [7].

Зададим инъективное отображение σ, которое сопоставляет каждому понятию уровень r_ln его усвоения обучаемым, принимающий значения из .Уровни усвоения остальных понятий из D установим в null.

Дидактическим образом (ДО) состояния знаний назовём элемент σ_ul множества X^ND, который является образом u_l при отображении – множество всех возможных комбинаций уровней усвоения N_D понятий. Если обучение или контроль выполняются в несколько этапов, требуется вычислить итоговый дидактический образ состояния знаний. В случае обучения он должен содержать максимальные из имеющихся уровни усвоения для каждого понятия, а в случае контроля – минимальные.

Множество всех возможных дидактических образов знаний, рассматриваемых системой, обозначим через S. Зададим отображение τ: F –> S×S множества элементов учебного контента F во множество пар дидактических образов. Обучающим воздействием элемента v_k ∈ F назовем элемент отображения : , где – условие предъявления, – - результат изучения элемента контента, а – результирующий и начальный уровни изучения понятия d_n. Условие предъявления характеризует знания, которые требуются для перехода к изучению элемента, а результат изучения – представленные в нем знания.

Далее построим формальную модель обучаемого. Пусть S_A – все возможные целевые, а S_B – возможные начальные/текущие дидактические образы знаний обучаемого из S. Зададим отображение λ: U –> S_B × S_A множества обучаемых во множество всех возможных пар начального и целевого дидактических образов знаний обучаемого. В качестве модели обучаемого u_l примем элемент отображения λ(u_l): λ(u_l) = (σ_b, σ_a), причем – текущий, – целевой дидактический образ знаний, а и – текущий и целевой уровни изучения понятия d_n, где . Модель обучаемого данного вида характеризует множество понятий, которые необходимо изучить на соответствующем уровне для достижения целей σ_a из S_A, имея состояние знаний σ_b из S_B.

Для отбора обучающей информации необходимо определить критерии смыслового соответствия обучающего воздействия изучаемого элемента контента начальной подготовке и целям обучения. Введем функцию согласия φ_m(τ_k, λ_k), фиксирующую факт увеличения уровня усвоения некоторого целевого понятия d_m после изучения τ_k: φ_m(τ_k, λ_k) = 1, если и _m(τ_k,λ_i) = 0 в противном случае, m ∈ {1, …, N_D}.

В качестве критерия соответствия определим количество целевых понятий, для которых увеличивается уровень усвоения после изучения исследуемой вершины: . Условие соответствия вершины цели обучения σ_a: η(τ_k, λ_k) ≥ 1. Для выбора вершины v', наиболее соответствующей текущей модели обучаемого, используем функцию вида .

Заключение

Предложенную модель планируется применить в системе информационного обеспечения непрерывного профессионального образования руководящих кадров органов государственного управления на базе внешних ЭОР. Программный инструментарий для создания ЭОР должен обеспечить полуавтоматическое семантическое индексирование и классификацию в соответствии с иерархией компетенций, построенных для учебных дисциплин в области теории и практики государственного управления.

Дидактический образ состояния знаний можно использовать как единый набор признаков для описания как состояния знаний обучаемого, так и знаний, представленных в гиперсреде. На основе дидактических образов далее сформируем модель обучаемого и модель обучающего воздействия. Затем сформулируем правила установления соответствия модели обучаемого и обучающего воздействия. На основе данных правил построим алгоритмы формирования дидактической базы знаний и адаптивного планирования процесса обучения.

Литература

1. Таран Т.А., Сирота С. В. Обучение понятиям в интеллектуальных обучающих системах на основе формального концептуального анализа // Искусств. интеллект. – 2002. – № 3. – С. 340–347.
2. Шикунов С.А. Метод построения учебного гипертекста по ключевым словосочетаниям // Вопросы Интернет-образования. – 2003. – № 10. – [Электронный ресурс]. – Режим доступа: http://center.fio.ru/vio/vio_10/cd_site/Articles/art_1_7.htm. – Дата доступа: 15.09.2009.
3. Клещев А.С., Артемьева И.Л. Математические модели онтологий предметных областей. Часть 1. Существующие подходы к определению понятия «онтология» // Науч.-техн. информ. Сер. 2, Информ. процессы и системы. – 2001. – № 2. – С. 20–27.
4. Шибут М.С. Моделирование адаптивного процесса обучения с ис-пользованием гиперсреды // Информатика. – 2007. – № 4. – С. 48–58.
5. Соловов А. В. Моделирование структуры электронных образовательных ресурсов // Информ. технологии. – 2007. – №3. – С. 43–49.
6. Валькман Ю.Р., Валькман Р.Ю. , Рыхальский А.Ю. Система «цели-программы-содержание образования» в виртуальных образовательных средах // Искусств. интеллект. – 2002. – № 3. – С. 50–60.
7. Шибут М.С. Моделирование состояния знаний обучаемого в адаптивной учебной гиперсреде // Перспективы систем информатики (PSI’09): материалы Седьмой междунар. конф. памяти акад. А.П. Ершова. – Новосибирск: "Сибир. науч. изд-во", 2009.– С. 144–149.