авторефераты диссертаций БЕСПЛАТНАЯ  БИБЛИОТЕКА

АВТОРЕФЕРАТЫ КАНДИДАТСКИХ, ДОКТОРСКИХ ДИССЕРТАЦИЙ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ

Математическое моделирование, алгоритмизация и программная реализация адаптивных информационных систем (на примере систем электронного обучения)

На правах рукописи

ОХОТНИКОВА Елена Сергеевна МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ, АЛГОРИТМИЗАЦИЯ И ПРОГРАММНАЯ РЕАЛИЗАЦИЯ АДАПТИВНЫХ ИНФОРМАЦИОННЫХ СИСТЕМ (НА ПРИМЕРЕ СИСТЕМ ЭЛЕКТРОННОГО ОБУЧЕНИЯ) Специальность 05.13.18 «Математическое моделирование, численные методы и комплексы программ»

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Тюмень - 2012 Диссертация выполнена на кафедре программного обеспечения Феде рального государственного бюджетного образовательного учреждения выс шего профессионального образования «Тюменский государственный универ ситет».

Научный консультант: кандидат физико-математических наук, профессор Захарова Ирина Гелиевна

Официальные оппоненты: Шапцев Валерий Алексеевич, доктор технических наук, профессор, ФГБОУ ВПО «Тюменский государственный университет», профессор кафедры информа ционных систем Кафтанников Игорь Леопольдович, кандидат технических наук, доцент, ФГБОУ ВПО «Южно-Уральский государ ственный университет», заведующий кафед рой электронно-вычислительных машин

Ведущая организация: ФГБОУ ВПО «Омский государственный тех нический университет»

Защита состоится 29 мая 2012 г. в «12-00» на заседании диссертацион ного совета Д 212.274.14. при ФГБОУ ВПО «Тюменский государственный университет» по адресу: 625003, г. Тюмень, ул. Перекопская, 15а, аудито рия 410.

С диссертацией можно ознакомиться в библиотеке ФГБОУ ВПО «Тю менский государственный университет».

Автореферат разослан «» апреля 2012 г.

Ученый секретарь Ступников А.А.

диссертационного совета

Общая характеристика работы

Актуальность работы. Движение современного общества к информа ционному формирует потребность существенного совершенствования функ ционала информационных систем (ИС). Одним из направлений развития ИС является их адаптация к возможностям и требованиям пользователей. Под адаптивными понимают системы, в которых заложены возможности моди фикации алгоритмов их функционирования в ответ на действия пользовате лей или изменения характеристик внешней среды. Адаптивные информаци онные системы (АдИС) особенно актуальны, если велико количество пользо вателей системы, отличающихся целями и опытом. При этом объем контента системы позволяет варьировать способы представления информации (поис ковые системы Yandex, Nigma, системы электронного обучения «Орокс», «Прометей», «eLearning Server 3000»и др.). Изначально адаптация интерпре тировалась как процесс управления сложным объектом или процессом в ус ловиях неопределенности (Р. Беллман, Я.З. Цыпкин, Ф. Чаки и др.). В даль нейшем в качестве объекта управления рассматривался пользователь систе мы (Е.В. Луценко, Л.А. Растригин, В.С. Симанков). В этих работах выделены аспекты моделирования, необходимые для обеспечения адаптации: модель пользователя, модели и алгоритмы адаптации. В современных ИС к таким аспектам также относят модель предметной области (Д.В. Ландэ, Н.В. Лукашевич, К.Д. Маннинг).

В исследованиях А.И. Башмакова, И.А. Башмакова, П. Де Бра, А.Н. Григорьева, Д.В. Ландэ, Н.В. Лукашевича, К.Д. Маннинга, А.В. Солово ва выделяются основные направления адаптации, характерные для информа ционных систем: адаптивный поиск информации, адаптивное представление информации, адаптивная навигационная поддержка.

Хотя существующие подходы к моделированию АдИС позволяют реа лизовать все базовые направления адаптации в отдельности, в них не учиты вается возможность комплексной адаптации, а также не предусматривается возможность применения функционала АдИС в качестве инструмента полу чения данных об адекватности информационного наполнения системы за просам пользователей.

Таким образом, разработка методов математического моделирования, учитывающих возможность комплексной адаптации на основе изменяющих ся параметров пользователя, является актуальным направлением развития научных основ проектирования и разработки адаптивных систем.

Объект исследования – адаптивные информационные системы.

Предмет исследования – методы математического моделирования АдИС, позволяющие описать структуру контента, индивидуальный профиль пользователя и его взаимодействие с системой;

адаптивные алгоритмы фор мирования предоставляемого контента в процессе динамического взаимодей ствия пользователя с системой;

программная реализация данных моделей и алгоритмов.

Целью работы является разработка методов математического модели рования информационных систем, применение которых при проектировании и программной реализации ИС позволит обеспечить предоставление пользо вателю адекватной его целям информации, содержание и последовательность предъявления которой соответствуют профилю пользователя.

Для достижения поставленной цели исследования сформулированы сле дующие задачи:

• анализ существующих концепций, моделей, технологий и подходов к соз данию адаптивных информационных систем, в том числе систем электронно го обучения (СЭО) с поддержкой индивидуализации обучения;

• исследование применимости существующих математических моделей для формирования адаптивных информационных систем;

• разработка методов математического моделирования, применение которых в информационных системах позволит обеспечить:

o представление структуры контента в виде, позволяющем реализовать адаптивный поиск информации, адаптивное представление информации, адаптивную навигационную поддержку, o динамическое обновление индивидуального профиля пользователя (ПП), o адаптивный поиск контента с учетом параметров профиля пользователя, o предоставление пользователю контента, форма и последовательность подачи которого отвечает его профилю;



• разработка алгоритма, обеспечивающего реализацию основных направле ний адаптации при обработке контента;

• проектирование, разработка и тестирование адаптивной информационной системы на базе предложенных моделей;

• практическое внедрение разработанной АдИС в составе системы элек тронного обучения Института математики, естественных наук и информаци онных технологий (ИМЕНИТ) Тюменского государственного университета.

Методы исследования. Для формализации и решения поставленных в работе задач использовались методы теории множеств, теории графов, тео рии конечных автоматов, кластерного анализа, латентно-структурного анали за, теории информационных процессов и систем.

Научная новизна и теоретическая значимость исследования заклю чаются в разработке методов математического моделирования контента ин формационной системы и профиля пользователя, обеспечивающих ком плексную адаптацию в процессе взаимодействия пользователя с ИС.

В области разработки новых математических методов моделирования объектов и явлений предложен метод математического моделирования АдИС, в рамках которого предметная область представлена в виде множества информационных объектов (ИО) двух типов, и связей, представленных от ношениями вложенности и предшествования. Определен набор характери стик ИО, достаточный для автоматизации процесса динамического адаптив ного (в соответствии с изменяющимся профилем пользователя) отбора ин формации.

В области разработки, обоснования и тестирования эффективных вы числительных методов с применением современных компьютерных техноло гий создан комплекс алгоритмов, реализующий предложенный подход к мо делированию АдИС. Разработан набор имитационных алгоритмов, предна значенных для компьютерного моделирования процесса взаимодействия пользователей с АдИС, исследования корректности информационного на полнения системы, а также для проверки адекватности предложенных моде лей и подходов в ходе вычислительного эксперимента.

Практическая значимость работы определяется тем, что предложен ные методы математического моделирования и алгоритмы могут быть эф фективно использованы для расширения адаптивного функционала инфор мационных систем, в частности для динамического формирования индивиду альных образовательных траекторий в СЭО.

Работа поддержана грантом для развития и активизации научно исследовательской и экспедиционной деятельности аспирантов ТюмГУ (2008 г.). Разработка математических моделей контента и профиля пользова теля, а также информационной модели системы выполнены в рамках приори тетного национального проекта «Образование» Инновационной образова тельной программы ТюмГУ (Раздел: Центр IT-компетенций, 2007-2008 гг.).

Внедрение полученных результатов. Для апробации предложенных моделей и алгоритмов были разработаны подсистемы «Конструктор курсов» и «Диспетчер учебных траекторий» СЭО, используемые в ИМЕНИТ Тюмен ского государственного университета. «Конструктор курсов» позволяет фор мировать структуру учебных курсов и определять значения параметров соот ветствующих моделей. С помощью этой подсистемы автором разработаны электронные учебные курсы «Компьютерные науки» и «Методы вычисле ний» для направления «Механика. Прикладная математика». «Диспетчер учебных траекторий» реализует функции адаптации содержания и навигаци онной поддержки учебного курса к индивидуальным характеристикам поль зователей.





На защиту выносятся оригинальные результаты по трем направлениям, отраженным в паспорте специальности 05.13.18:

• методы математического моделирования контента, основанного на разви тии стандарта IEEE LOM отношениями вложенности и предшествования, и профиля пользователя АдИС, учитывающего статические и динамические характеристики, применение которых в проектировании и разработке ин формационных систем позволяет обеспечить автоматизацию процесса дина мического адаптивного отбора контента (математическое моделирование);

• алгоритм адаптивного отбора контента, обеспечивающий реализацию ос новных аспектов адаптации, включающий выделение групп пользователей методами кластерного анализа, выбор опорной траектории взаимодействия пользователя с АдИС, построение и корректировку адаптивной траектории на основе динамически меняющихся характеристик пользователя (численные методы);

• реализация предложенных подходов к моделированию и алгоритмизации в программном комплексе, основанном на модели конечного адаптивно управ ляющего автомата и обеспечивающем: задание атрибутики контента и про филя пользователя, определение начальных значений характеристик контен та, пересчет значений динамических характеристик пользователя, построение и коррекцию адаптивной траектории взаимодействия пользователя с АдИС (комплексы программ).

Апробация работы. Основные положения работы доложены и обсуж дены на семи Международных научных и научно-практических конференци ях: «Математические методы в технике и технологиях» (Саратов, 2008), «Информационные технологии в науке и образовании» (Шахты, 2009), «Но вые информационные технологии в образовании» (Екатеринбург, 2009, 2012), «Информационные технологии в образовании» (Москва, 2009), «Со временные информационные технологии и ИТ-образование» (Москва, 2009), «Информационные технологии в образовании» (Москва, 2010), Всероссий ском конкурсе научно-исследовательских работ аспирантов и молодых уче ных в области технологий электронного обучения в образовательном процес се (Белгород, 2010);

Всероссийской научно-методической конференции «От инноваций к качеству образования» (Тюмень, 2011).

Публикации по теме работы. Основное содержание работы

отражено в 16 публикациях, в числе которых 1 свидетельство о государственной регист рации программы для ЭВМ и 3 статьи в рецензируемых изданиях.

Структура диссертации. Диссертация состоит из введения, 3 глав, за ключения, библиографического списка из 127 наименований и 3 приложе ний;

содержит 4 таблицы и 38 рисунков. Общий объем работы 145 страниц.

Краткое содержание работы Во введении обосновывается актуальность выбора темы диссертацион ной работы, охарактеризованы объект и предмет исследования, определены цель и задачи исследования. Сформулированы основные положения, выно симые на защиту, научная новизна и практическая значимость полученных результатов.

В первой главе на примере систем электронного обучения рассмотрены возможности современных ИС, позволяющие адаптировать процесс предос тавления информации пользователю в соответствии с его индивидуальным профилем, отражающим цели получения информации и возможности ее об работки в процессе взаимодействия с ИС. Проанализированы существующие подходы к моделированию ИС, позволяющие реализовать основные аспекты адаптации.

В научной и технической литературе широко освещены методы модели рования автоматизированных систем управления (Р. Беллман, Я.З. Цыпкин, Е.В. Луценко, В.Н. Фомин, Ф. Чаки) с хорошо формализуемыми объектами управления, не включающие аспекты моделирования предметной области.

Большая группа методов моделирования (Д.В. Ландэ, Н.В. Лукашевич, К.Д. Маннинг) ориентирована на реализацию адаптивного поиска и не пре дусматривает возможности других направлений адаптации. Подходы к моде лированию адаптивных систем, изложенные в работах А.И. Башмакова, И.А. Башмакова, П. Де Бра, А.В. Соловова позволяют обеспечить адаптивное представление информации и адаптивную навигационную поддержку, но не учитывают возможность адаптивного поиска и адаптивного управления. Та ким образом, существующие математические модели АдИС не позволяют объединить задачи адаптивного поиска, адаптивного представления инфор мации, адаптивной навигации и адаптивного управления. В работе обоснова ны необходимость и возможность единого подхода к формализации структу ры контента, определения предела декомпозиции информационного напол нения систем на ИО.

В развитие существующих подходов к проектированию и реализации АдИС предложен подход на основе интегрированного комплекса математи ческих моделей (контента, траекторий предъявления ИО, функционирования АдИС), атрибутика которых включает сопоставимые или связанные характе ристики, необходимые для адаптации.

Во второй главе формируется и обосновывается предложенный подход к математическому моделированию АдИС;

приведен алгоритм адаптивного отбора контента, обеспечивающий реализацию основных функций адапта ции;

определены параметры информационных объектов, отображающие кон тент АдИС, и характеристики пользователя, используемые для адаптации.

Обобщены требования, которым должна удовлетворять АдИС. Как и в классических информационных системах, использующих только априорно заданную информацию, функционал АдИС должен обеспечивать:

1) структурирование и хранение контента;

2) автоматизированный поиск и выдачу контента, отвечающего запросу пользователя;

3) хранение и автома тический анализ данных о взаимодействии пользователей с АдИС.

Для реализации адаптивности необходимо воспринимать и обрабатывать динамично меняющиеся данные. Для этого в функционал АдИС следует включить: 1) оценку, хранение и анализ значений характеристик ПП на осно вании данных о взаимодействии пользователей с АдИС;

2) управление дей ствиями пользователей с помощью корректировки результатов поиска и от бора контента.

Исходя из этого, выделены два класса моделей для АдИС:

1) статические модели модель структуры контента (предусматривающая возможность поиска и навигации) и модель опорной траектории предъявле ния пользователю информационных объектов;

2) динамические модели модель адаптивной траектории предъявления ИО пользователю, включающая опосредованное управление действиями пользо вателя, а также модель функционирования АдИС.

Модель структуры контента в работе представлена в виде совокупно ( ) ( ) сти = S,,. Здесь S = L, А, V, µ, L – конечное множество ИО, обра зующих контент АдИС;

A = {a1...a M } – множество характеристик ИО;

M – количество характеристик, µ : A V отображение, ставящее в соответствие ai каждой характеристике множество её допустимых значений Vi V = { 1...VM }. Таким образом, каждый ИО представлен в виде множества V упорядоченных пар вида:

{ a1, v1, a2, v2,..., }.

a M, vM (1) Отношение вложенности определяет иерархическую структуру кон ( ) тента: li l j, если l j детализирует содержание li, li, l j L. Через d li, l j обозначена длина пути из вершины li в вершину l j дерева (L, ). ИО li L будем называть агрегирующим (и обозначать l ), если l j L : li l j и ато марным в противном случае. Такое разграничение позволяет упростить вы явление связей между ИО (для групп объектов), задание значений характери стик ИО, построение требуемых алгоритмов.

Отношение предшествования задает логическую последовательность предъявления информационных объектов: li l j, если содержание li пред варяет содержание l j, li, l j L. позволяет определить предел декомпо () { () } L l = l L : d l, l = зиции информационных объектов: если и () () l атомарный, то li L l ¬ l j L l : li l j. Отношение задает на множестве L частичный порядок. Аналогичное утверждение справедливо и для отношения.

Представление модели контента в виде совокупности ИО двух типов, их характеристик, а также явное задание связей между ИО, позволяет в даль нейшем реализовать опосредованное управление действиями пользователя с помощью корректировки результатов поиска и отбора контента.

Модели траекторий предъявления пользователю информационных объектов контента строятся на базе сопоставимых характеристик ИО и профиля пользователя. К ним относятся: A – множество характеристик ИО, используемых для адаптации, А = {a1...a M } A ;

V = { 1...VM } V, M M ;

V B - множество всех характеристик ПП;

W - семейство множеств их допусти мых значений;

: B W ;

B B - множество характеристик ПП, используе мых для адаптации, W = { 1...WN } W, N – количество характеристик.

W Выделены два типа характеристик ПП ( B = B S B O, B S B O = ):

{ } 1) субъективные характеристики B S = ВP BR, где BP = b1....bN P S S S { } - огра S предпочтения пользователя по выбору контента;

BR = bN P +1...bN S ничения, накладываемые на процесс взаимодействия с АдИС;

значения субъ ективных характеристик задаются пользователем, в т.ч. и динамически (на любом этапе взаимодействия);

{ } 2) объективные характеристики B О = bN S +1...bN, значения которых определяются системой по результатам взаимодействия пользователя с оче редным информационным объектом контента.

Субъективные характеристики определяют параметры запроса пользова теля на получение контента. Этот запрос может быть представлен в виде множества упорядоченных троек:

{ b1, w1, f1, b2, w2, f2,..., bN } NS, wN S, f N S, fi = F (bi ), fi = 1, (2) S i = где: отношение F : B S [0,1] ставит в соответствие каждой субъективной ха рактеристике весовой коэффициент её значимости для пользователя;

S : B S A отображение, ставящее в соответствие субъективным характе ристикам ПП характеристики ИО. Величина : B O B S определяет соот ветствие объективных и субъективных характеристик ПП. Тогда O : B O A, O = S o - отображение, ставящее в соответствие совокуп ности объективных характеристик ПП набор характеристик ИО.

Если для значений характеристик информационного объекта и профиля пользователя имеет место соотношение:

( ) i = 1..M : ai S bk1,..., bki ei, (3) где ai A, 1 ki N S, bki B S, а ei – критические значения, определяе мые экспертным путем, то ИО соответствует субъективным характеристи кам ПП. Если при этом аналогичные соотношения имеют место для объек тивных характеристик, то ИО соответствует ПП в целом.

Отображение взаимодействия пользователя с АдИС включает два этапа:

разработка модели опорной траектории и конкретизация модели адаптивной ( ) TR оп =, B S, F, S,, траектории. Первая модель имеет вид где = (S,, ), S = (L, A,V, µ ). TR представляет собой совокупность под множества ИО контента Q и отношения a. Полагаем, что li a l j, если ИО li был предъявлен пользователю раньше ИО l j, li, l j Q L. При этом li l j li a l j, li, l j Q. Обратное не верно. Построение опорной траекто рии пользователя u ( TR оп ) основывается на выделении кластеров пользова телей, обладающих близкими значениями характеристик профилей. Функция определяет меру сходства ПП на основе субъективных параметров B S.

Поскольку смысл характеристик и шкалы измерения их значений могут варьироваться, в качестве меры сходства можно предложить, например, ко эффициент Гауэра, который допускает одновременное использование при знаков, измеренных в различных шкалах:

( ) NS NS B (u ), B (v) = Gi fi / fiu, v U, S S uv u = (4) i =1 i = где Giuv – разность значений признаков (способ вычисления определяется ви дом шкалы измерения), fiu – весовой коэффициент признака, задаваемый пользователем u U, U – множество всех пользователей системы. Через С u U обозначен кластер, к которому отнесен пользователь u.

Опорная траектория предъявления ИО пользователю u U ( TR оп (u ) ) S выбирается из множества {TR (v )}, где v C u, с учетом ограничений BR, ис ходя из условия:

( ) v C u TR оп (u ) = TR (v) : B S (v), BO (v) min. (5) Модель адаптивной траектории предъявления ИО пользователю опреде ляется совокупностью TR = (, B, F, S,,, ). Параметры модели как субъективные, так и объективные характеристики профиля пользователя.

Мера сходства ПП задается функцией: = (B(u ), B(v )), где B = B S B O.

Значения характеристик B O и функции изменяются после прохождения пользователем очередного ИО. Изменение значений B S инициирует пользо ватель. Такая модель позволяет адаптировать представление контента поль зователю в соответствии с динамически изменяющимися характеристиками его профиля.

Рис.1. Алгоритм формирования адаптивной траектории На рис.1 в обобщенном виде представлен алгоритм динамического адап тивного отбора контента на основании субъективных и объективных харак теристик ПП. Алгоритм включает: оценку соответствия субъективных и объ ективных характеристик ПП;

выбор опорной траектории для пользователей, отнесенных к определенному кластеру. Для подбора ИО используются усло вия (3). Под достижением целей в условиях заданных ограничений понима ется установление равенства значений объективных характеристик значени ям субъективных характеристик ПП (или превышение последних).

Для построения модели функционирования АдИС использован авто матный подход, т.к. процесс изменения параметров АдИС и алгоритмов аде кватно описывается в терминах перехода системы из одного состояния в другое в зависимости от потока входных данных. Модель функционирования АдИС представлена в виде совокупности адаптивно управляющего автомата (УА) и объекта управления (поведение АдИС).

УА имеет вид (D,Y, Z, y0,, ), где D=D X DE – множество входных воздействий, состоящее из компоненты DE, порождаемой внешней средой, и компоненты объекта управления D X. Y – множество управляющих состоя ний;

y0 Y – начальное состояние (в нем пользователь формирует запрос на получение контента);

Z и : D Y Z – множество и функция выходных S воздействий соответственно;

: D Y BR Y – функция переходов, которая в отличие от стандартных зависит не только от текущего состояния y и S входных воздействий, определяющих предпочтения пользователя BP, но и S от заданных ограничений BR. Таким образом, для любого состояния y опре делен набор состояний, правила перехода в которые обусловлены соблюде нием/ нарушением ограничений при прохождении предыдущих состояний.

NY Полагая, что Wi = UWij, i = N P + 1.. N S, имеем j = y Y y1 y2... y N y : wi Wi j, i = N P + 1..N S (6) переход в y j, j = 1..N y.

Функция задана в виде диаграммы переходов, представленной на рис.2. Элементы множества входных воздействий DE определяют действия пользователя ( d1, d 2 – задание и изменение значений субъективных характе ристик соответственно, d3 – принудительное завершение взаимодействия);

значения элементов множества D X определяются на основе параметров мо дели адаптивной траектории TR = (, B, F, S,, ) ( x1 – B S соответствуют BО, x2 – С u определен, x3 – требования к ИО выполнены, x4 – TR завер S шена, x5 – BR соблюдены).

1-Вход, 2-Оценка соответствия, 3-Коррекция, 4-Кластеризация, 5-Предъявление траектории, 6-Предъявление ИО, 7-Выход(+), 8-Выход (-) Рис.2. Диаграмма переходов адаптивно управляющего автомата Особенностью данной модели является наличие двух допускающих со стояний: в состояние (7) управляющий автомат переходит, если пользователь достигает поставленных целей с учетом заданных ограничений, в состояние (8) - в противном случае.

Предложенная совокупность математических моделей позволяет обес печить возможность комплексной адаптации, поскольку параметры моделей и связи между ними жестко не фиксируются и могут варьироваться в зависи мости от вида АдИС и решаемых на ее основе задач.

Разработанные модели и алгоритмы были конкретизированы для СЭО. В этом случае характеристики ИО и ПП интерпретируются как: уровень слож ности a1 / уровень подготовки b1 ;

тип объекта a2 / b2, время a3 / b3. Значения a1, a2, a3 определяются разработчиком контента, значения b1, b2, b3 – задают ся пользователем при формировании запроса на получение контента ( b1 и b определяют предпочтения, b3 является ограничением). В качестве функции соответствия параметров a1 и b1 была использована логистическая функция Г. Раша ) ( S (a1, b1 ) = e(a1 b1 ) / 1 + e(a1 b1 ), (7) позволяющая определить вероятность выполнения требований к ИО сложно сти a1 пользователем с уровнем подготовки b1.

Определены следующие объективные характеристики ПП: 1) b4 - время, затраченное на взаимодействие с объектом;

2) b5 { 1,0,1} - статус объекта (выдан/находится в обработке/завершен);

3) b6 {0,1} - результат (требования к объекту выполнены / не выполнены пользователем), b6 = 1 b5 = 1.

Для агрегирующего ИО l значения объективных характеристик являют { ()} ~ ся вычисляемыми: если L = l L : d l, l = 1, то () b4~l ), ( b4 l = (8) l Q L ~ ~ 1, l Q L b6 (l ) = 1, l Q L b5 (l ) = () () b5 l =, b6 l =. (9) ~ ~ 0, l Q L b6 (l ) = 0, l Q L b5 (l ) = Для агрегирующих ИО также определяется уровень подготовки пользо вателя b7 = (b5,b6 ), его значение может быть вычислено на основе модифи цированных методов латентно-структурного анализа, учитывающих возмож ность предъявления пользователям различного количества разных ИО.

Меры сходства в моделях опорной и адаптивной траекторий имеют вид:

( ) NSNS S S uv u f iu, v U = B (u ), B (v) = Gi f i /, i =1 i = u v u v b1 b1 uv 1, b2 = b2 = Giuv = 1, i = 1, 3, G2 =, (10) supW1 inf W1 u v 0, b2 = 0 или b2 = (b7 (u ) b7 (v )) ( ) = (B(u ), B(v )) = B S (u ), B S (v ) +, (sup W1 inf W1 )2 lQuv где Quv = Q(u ) Q(v ).

Третья глава посвящена проектированию АдИС на примере системы электронного обучения с учетом подходов и моделей, рассмотренных выше.

В качестве основы для построения адаптивной СЭО использована сис тема электронного обучения Moodle. Выполнено построение информацион ной модели системы, расширяющей существующую модель отношениями, которые отображают параметры предложенных моделей и связи между ними.

На рис.3 приведена схема полученной адаптивной системы. Выполненные автором подсистемы и сущности хранилища данных выделены курсивом.

Рис. 3. Схема адаптивной системы электронного обучения Разработанная адаптивная система электронного обучения представляет собой web-ориентированный программный комплекс, предназначенный для решения следующих основных задач: а) хранение и редактирование инфор мации об ИО, образующих контент системы, и связях между ними;

б) предоставление пользователю инструментов для задания значений харак теристик, определяющих его предпочтения и ограничения на взаимодействие с системой;

в) предоставление пользователю контента, соответствующего характеристикам его профиля;

г) хранение и обработка значений объектив ных характеристик пользователя;

д) реализация алгоритмов кластеризации и адаптивного динамического формирования последовательностей информа ционных объектов.

Для анализа полноты соответствия контента системы характеристикам пользователей был проведен вычислительный эксперимент, включающий 1) генерацию структуры контента (задавались глубина вложенности аг регирующих ИО, случайным образом определялись количество атомарных ИО и значения характеристик ИО);

2) случайное задание значения уровня подготовки пользователей;

3) формирование траекторий предъявления ато марных ИО в соответствии с алгоритмом динамического отбора контента.

Результаты вычислительного эксперимента представлены на примере следующей серии прогонов с фиксированными характеристиками контента и варьируемым уровнем подготовки пользователей: 1) количество уровней контента иерархии – 4;

2) количество агрегирующих объектов – 30;

3) количество атомарных объектов – 1000;

4) минимальное количество предъявляемых атомарных объектов – 3;

5) максимальное количество по вторных предъявлений каждого атомарного ИО ( max ) – 10;

6) количество пользователей – 100;

7) критическое значение ( е1 ) – 1;

8) частотное распре деление атомарных ИО по уровню сложности a1 и варианты распределений пользователей по уровню подготовки b1 представлены в табл. 1.

Таблица 1. Параметры и результаты вычислительного эксперимента Параметры эксперимента Результат эксперимента:

Относи Относительная среднее число предъявлений Интервалы тельная частота b1 ИО, в % от max изменения частота a1 и b a1 №1 №2 №3 №1 №2 № [0,1] 0,00 0,00 0,07 0,08 - - (1,2] 0,00 0,00 0,14 0,13 - - (2,3] 0,07 0,07 0,29 0,17 36% 100% 100% (3,4] 0,14 0,14 0,29 0,08 64% 100% 100% (4,5] 0,29 0,29 0,14 0,04 74% 100% 54% (5,6] 0,29 0,29 0,07 0,04 80% 82% 62% (6,7] 0,14 0,14 0,00 0,08 97% 7% 100% (7,8] 0,07 0,07 0,00 0,17 75% 0% 100% (8,9] 0,00 0,00 0,00 0,13 - - (9,10] 0,00 0,00 0,00 0,08 - - В ходе вычислительного эксперимента определен процент атомарных объектов траекторий пользователей, соответствующих уровню подготовки последних. Для первого прогона он составил 99,95%, для второго – 68,33%, для третьего – 77,91%. Данный факт объясняется максимально возможным, в т.ч. повторным, использованием ИО из одних интервалов и слабым исполь зованием из других в прогонах 2 и 3.

Основные результаты работы 1. В развитие методов математического моделирования контента предложен подход к формализации структуры контента, основанный на стандарте IEEE LOM, который был расширен заданием на множестве информационных объ ектов отношений вложенности и предшествования. Это позволило учесть ие рархический характер контента, а также возможные зависимости между ин формационными объектами, налагающие ограничения на порядок их предъ явления, в том числе для объектов, относящихся к различным ветвям иерар хии.

2. Разработан метод кластеризации пользователей (профилей), применяемый для определения опорной траектории. В качестве аргументов функции, зада ющей степень сходства пользователей, использовались введенные в работе субъективные и объективные характеристики профилей пользователей.

3. Разработаны алгоритмы статического и динамического отбора контента, применение которых в комплексе позволило организовать выбор опорной траектории предъявления пользователю информационных объектов контента на основании кластеризации пользователей по их субъективным характери стикам, а также обеспечить коррекцию опорной траектории с учетом дина мически изменяющихся значений объективных характеристик пользователя.

4. Предложенные подходы, модели и алгоритмы успешно апробированы при проектировании, реализации и использовании подсистем «Конструктор кур сов» и «Диспетчер учебных траекторий» системы электронного обучения Moodle.

5. Предложенный подход к моделированию адаптивных информационных систем в силу варьируемости параметров моделей и связей между ними мо жет быть использован для развития адаптивного функционала различных ви дов информационных систем (в частности, поисковых информационных сис тем, обладающих иерархически структурированным контентом).

Список публикаций по теме диссертации Публикации в рецензируемых периодических изданиях 1. Охотникова Е.С. Математические методы и модели в современных сис темах управления обучением /Е.С. Охотникова // Вестник Тюменского госу дарственного университета.– Тюмень: издательство ТюмГУ, 2007. – №5. – С.

86-94.

2. Охотникова Е.С. Математические модели вариативных электронных учебных курсов / И.Г. Захарова, Я.В. Ланг, Е.С. Охотникова // Вестник Тю менского государственного университета. – Тюмень: издательство ТюмГУ, 2008. – №6. – С. 172-176.

3. Охотникова Е.С. Математическое моделирование взаимодействия поль зователя с адаптивной информационной системой/Е.С. Охотникова// Научно технический вестник Поволжья. – Казань: издательство НТВП, 2012. – №1. – С.208-212.

Публикации в сборниках научных статей и трудах международных и всероссийских научных конференций 4. Охотникова Е.С. Один из способов реализации личностно - ориентиро ванного подхода к обучению студентов/Е.С. Охотникова //Формирование инновационного потенциала вузов в условиях Болонского процесса: Мате риалы международной научно-методической конференции. - Тюмень: изда тельство ТюмГУ, 2007. - С. 318-321.

5. Охотникова Е.С. Применение систем управления обучением в традици онном очном образовании /Е.С. Охотникова // Математические методы в технике и технологиях – ММТТ-21: сборник трудов XXI Международной на учной конференции. - Т.9, Саратов: издательство СГТУ, 2008. - С. 221-224.

6. Охотникова Е.С. Моделирование структуры контента и индивидуальных траекторий прохождения учебного курса для систем поддержки образова тельного процесса /Е.С. Охотникова// Математическое и информационное моделирование: сборник научных трудов. - Вып 10, Тюмень: Вектор Бук, 2008. - С. 179-185.

7. Охотникова Е.С. Реализация модульно-рейтинговой системы в электрон ном обучении/Е.С. Охотникова// Новые информационные технологии в обра зовании: материалы международной научно-практической конференции. – Екатеринбург, 2009. – Ч.2. - С. 93-94.

8. Охотникова Е.С. Возможность применения математических моделей по строения индивидуальных траекторий прохождения учебного курса в систе мах управления обучением/ Е.С. Охотников, Е.С. Охотникова // Информаци онные технологии в науке и образовании: Материалы международной науч но-практической интернет – конференции. – Шахты: ЮРГУЭС, 2009. – С.

37-40.

9. Охотникова Е.С. Один из подходов к оценке качества учебного курса на основе методов экспертного оценивания / Е.С. Охотников, Е.С. Охотникова// Информационные технологии в образовании: Сборник трудов XIX ежегод ной международной конференции-выставки. – Ч.5. – М: МИФИ, 2009. – С.

90-92.

10. Охотникова Е.С. Оценка качества учебного курса на основе индивиду альной модели обучаемого / Е.С. Охотникова // Информационные технологии в образовании: Материалы международной конференции. – Т.2. – М: изда тельство МГТУ МИРЭА, 2010. – С. 270-274.

11. Охотникова Е.С. Электронное обучение в высшем образовании и методы повышения его эффективности/ Е.С. Охотникова // Всероссийский конкурс научно-исследовательских работ в области технологий электронного обуче ния в образовательном процессе: Сборник научных работ.–Т.2.–Белгород:

издательство БелГУ, 2010.–С.190-196.

12. Охотникова Е.С. Алгоритмы формирования вариативных траекторий прохождения учебного курса/ Е.С. Охотникова // Математическое и инфор мационное моделирование: сборник научных трудов. – Вып. 12, Тюмень:

Вектор Бук, 2010. - С. 151-158.

13. Охотникова Е.С., Охотников Е.С. Построение модели пользователя адап тивной информационной системы/ Е.С. Охотникова // Научная перспектива.

– №10, Уфа: Инфинити, 2011. – С. 70-72.

14. Охотникова Е.С. Математическое моделирование контента адаптивной информационной системы (на примере систем электронного обучения) / Е.С. Охотникова // От инноваций к качеству образования: Материалы всерос сийской научно-методической видеоконференции.–Тюмень: ТюмГНГУ, 2011.–С. 206-208.

15. Охотникова Е.С. Модель функционирования адаптивной информацион ной системы/ Е.С. Охотникова // Новые информационные технологии в обра зовании: материалы международной научно-практической конференции. – Екатеринбург: РГППУ, 2012. – С. 234-237.

Свидетельство о регистрации программы для ЭВМ 16. Охотникова Е.С. Свидетельство о государственной регистрации про граммы для ЭВМ №2011610229 «ИС «Управление персонифицированным обучением»» от 11.01.2011.



 

Похожие работы:





 
2013 www.netess.ru - «Бесплатная библиотека авторефератов кандидатских и докторских диссертаций»

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.